Soil apparent electrical conductivity in Brazilian agricultural fields

O sensoriamento de fatores relacionados ao desenvolvimento das plantas cultivadas permite obter indicadores relevantes ao diagnóstico e tomada de decisão. Sistemas sensores capazes de obter elevada densidade amostral associada ao georreferenciamento permitem produzir superfícies espaciais que podem ser sobrepostas e com isso caracterizar condições localizadas que afetam o desempenho e que por vezes podem ser manejadas para a obtenção de melhores resultados. A condutividade elétrica aparente do solo (CEa) é uma propriedade que pode ser mensurada com facilidade e apresenta relação com diversas propriedades de interesse agronômico. Por ser resultante das contribuições dos diversos componentes do solo sua interpretação é ambígua requerendo a caracterização de outros parâmetros para o desenvolvimento de modelos de predição aplicáveis apenas localmente. Diversas contribuições vêm sendo realizadas no sentido de permitir o uso e interpretação dos dados de CEa obtidos em lavouras com a sugestão de métodos de processamento e modelagem para o uso. Embora estes trabalhos permitam aprofundar o entendimento eles tendem a ser pontuais havendo carência de levantamentos em escala global que permitam uma compreensão estrutural sobre o fenômeno. Este trabalho teve como objetivo realizar um levantamento exploratório de dados coletados em diversas regiões agrícolas brasileiras e o seu relacionamento com informações dos ambientes em que foram obtidos. Para tal foram obtidos 193 conjuntos de dados de CEa representativos de glebas sob cultivo de grãos localizados desde a região norte até o sul do país, todos obtidos por um mesmo instrumento com profundidades de prospecção até 0,3 m e até 0,9 m, CEaR e CEaP, respectivamente. Um total de 34 variáveis locais ou regionais, quantitativas ou qualitativas foram coletadas e relacionadas. Os dados de CEa foram processados para obtenção de métricas que os caracterizam em termos quantitativos e quanto à sua estrutura espacial, uma área total de 13.649 ha de mapas com resolução de 400 m2 (20 x 20 m) foi utilizada nas análises. A estatística descritiva demonstrou que após a remoção de muitos dados errôneos e discrepantes os valores de CEa oscilaram entre 3,8 e 12,7 mS m-1. Os alcances dos semivariogramas locais ajustados apresentaram valores de alcances medianos de 158,6 m e 171,4 m para as camadas CEaR e CEaP respectivamente. Por meio de técnicas multivariadas de agrupamento hierárquico e análise de componentes principais buscou-se identificar grupos que apresentassem características semelhantes e descrever quais as variáveis condicionadoras do comportamento dentro de cada grupo. Aplicou-se ainda uma técnica de análise de dados categóricos para identificar fatores relacionados à CEa em duas profundidades de prospecção. Os resultados demonstraram que muitas das variáveis estiveram correlacionadas e que aquelas que condicionam a disponibilidade hídrica são relevantes para a o comportamento da CEa em grande parte das situações. Foram delimitados três grupos que apresentaram uma distribuição geográfica com alguma consistência. Na região do Brasil central a capacidade de água disponível e o pH do solo se destacaram como variáveis associadas à CEa. Nos dois outros grupos não foi possível destacar variáveis, havendo uma mistura de seus efeitos. Mapas perceptuais de categorias representativas de classes para CEa e das variáveis apresentaram comportamento divergente entre profundidades mas houve relação mais estreita para aquelas relacionadas à composição granulométrica e correção química do solo. Concluiu-se haver diversidade nos dados de CEa que está relacionada aos ambientes regionais havendo uma mistura de efeitos que tornam pouco factível o desenvolvimento de modelos de predição globais com as ferramentas tradicionais da estatística multivariada.The sensing of factors related to the development of cultivated plants allows obtaining relevant indicators for diagnosis and decision making. Sensor systems capable of obtaining high sampling density associated with georeferencing allow the production of spatial surfaces that can be superimposed assisting on the characterization of localized conditions that conditions crop performance and that can sometimes be managed to obtain better results. Soil apparent electrical conductivity (CEa) is a property that can be easily measured and is related to several properties of agronomic interest. As it results from the contributions of many soil components, its interpretation is ambiguous, requiring the characterization of other parameters for the development of prediction models applicable only locally. Several contributions have been made to allow the use and interpretation of CEa data obtained in fields and different crops such as processing and modeling methods. Although these works allow for a deeper understanding, they tend to be local, with a lack of surveys on a global scale that allow a more structuring understanding of the phenomenon. This work aimed to carry out an exploratory survey of data collected in several Brazilian agricultural regions and their relationship with information related to the environments in which they were obtained. For this purpose, 193 CEa datasets were obtained representing plots under grain cultivation located from the north to the south of the country, all obtained by the same instrument with prospecting depths up to 0.3 m and up to 0.9 m, CEaR and CEaP, respectively. A total of 34 local or regional, quantitative and qualitative variables were collected and related. The CEa data were processed to obtain metrics that characterize them in quantitative terms and in terms of their spatial structure, a total area of 13,649 ha of maps with a resolution of 400 m2 (20 x 20 m) was used in the analyses. Descriptive statistics showed that after removing many erroneous and discrepant data, ECa values ranged between 3.8 and 12.7 mS m-1. The ranges of the adjusted local semivariograms showed median range values of 158.6 m and 171.4 m for the CEaR and CEaP layers respectively. Through multivariate techniques such as hierarchical grouping and principal component analysis, we sought to identify groups that presented similar characteristics and to describe the variables that condition behavior within each group. A qualitative data analysis technique was also applied to identify factors related to CEa at two prospecting depths. The results showed that many of the variables were correlated whereas those that condition water availability are relevant to the behavior of ECa in most situations. Three groups were defined that presented a geographical distribution with some consistency. In central Brazil, available water capacity and soil pH stood out as variables associated with ECa. In the two other groups it was not possible to highlight variables, while a mixture of their effects was evident. Perceptual maps of categories representing classes for CEa and other variables showed divergent behavior between depths, but there was a closer relationship for those related to granulometric composition and soil chemical correction. It was concluded that there is diversity in CEa data that is related to regional environments, with a mixture of effects that make the development of global prediction models with traditional tools of multivariate statistics unfeasible