Resumo O objetivo deste trabalho foi comparar krigagem ordinária com regressão-krigagem para mapear atributos do solo, em diferentes profundidades, em área de Floresta Tropical Seca no Brasil. Os 11 atributos do solo avaliados foram: conteúdo e estoque de carbono orgânico; densidade do solo; conteúdos de argila, areia e silte; capacidade de troca catiônica; pH; retenção de água na capacidade de campo e no ponto de murcha permanente; e água disponível. As amostras foram retiradas de 327 locais a 0,0-0,10, 0,10-0,20 e 0,20-0,40 m de profundidade, em área de Floresta Tropical Seca de 102 km2. Os modelos de regressão linear "stepwise" tiveram o melhor ajuste para as frações granulométricas e as propriedades de retenção de água. Foram selecionadas covariáveis de relevo e material de origem em 31 dos 33 modelos (11 atributos em três profundidades) e de vegetação em 29 modelos. Com base na validação externa, a krigagem ordinária obteve maior acurácia para 21 das 33 combinações atributo vs. profundidade, o que é indicativo de que a inclusão de um modelo linear de tendência antes da krigagem não necessariamente melhora as predições. Portanto, para estudos semelhantes, os métodos geoestatísticos empregados devem ser comparados caso a caso.
Abstract The objective of this work was to compare ordinary kriging with regression kriging to map soil properties at different depths in a tropical dry forest area in Brazil. The 11 soil properties evaluated were: organic carbon content and stock; bulk density; clay, sand, and silt contents; cation exchange capacity; pH; water retention at field capacity and at permanent wilting point; and available water. Samples were taken from 327 sites at 0.0-0.10, 0.10-0.20, and 0.20-0.40-m depths, in a tropical dry forest area of 102 km2. Stepwise linear regression models for particle-size fractions and water retention properties had the best fit. Relief and parent material covariates were selected in 31 of the 33 models (11 properties at three depths) and vegetation covariates in 29 models. Based on external validation, ordinary kriging obtained higher accuracy for 21 out of 33 property x depth combinations, indicating that the inclusion of a linear trend model before kriging does not necessarily improve predictions. Therefore, for similar studies, the geostatistical methods employed should be compared on a case-by-case basis.
