VARIABILIDADE ESPACIAL DE ARGILA, SILTE E ATRIBUTOS QUÍMICOS EM UMA PARCELA EXPERIMENTAL DE UM LATOSSOLO ROXO DE CAMPINAS (SP)

VIII. CONSERVAÇÃO DO SOLO

VARIABILIDADE ESPACIAL DE ARGILA, SILTE E ATRIBUTOS QUÍMICOS EM UMA PARCELA EXPERIMENTAL DE UM LATOSSOLO ROXO DE CAMPINAS (SP)(¹)

SIDNEY ROSA VIEIRA (²)

RESUMO

A grande maioria dos ensaios de manejo e fertilidade do solo utiliza o método de delineamentos experimentais, segundo o qual as observações devem ser independentes umas das outras e as parcelas experimentais, uniformes quanto aos atributos estudados. A hipótese de independência entre as amostras apenas pode ser satisfeita e verificada na prática, se a amostragem contiver informações geográficas, como, por exemplo, as coordenadas com referências a um eixo arbitrário para possibilitar análises da geoestatística. O objetivo deste trabalho foi estudar a variabilidade espacial de alguns atributos químicos e granulométricos do solo dentro de uma parcela experimental e mostrar o uso da geoestatística para analisar os dados. O campo estudado localiza-se no Centro Experimental de Campinas do Instituto Agronômico, Campinas (SP), em um latossolo roxo distrófico sob preparo convencional nos últimos dez anos. Marcou-se uma parcela de 30 m por 30 m a cada 5 m em duas direções, resultando em um reticulado quadrado de 49 pontos de amostragem. Em cada ponto, coletaram-se amostras de solo das camadas 0-25 cm e 25-50 cm de profundidade, as quais foram levadas ao laboratório, secas ao ar, peneiradas em uma malha de 2 mm e submetidas às análises granulométricas e químicas de rotina para obter teor de argila, teor de silte, delta pH, soma de bases (S), capacidade de troca catiônica (CTC) e saturação por bases (V%). Para a análise de variabilidade espacial, utilizou-se a geoestatística. Os coeficientes de variação encontrados são mais altos na camada 0-25 cm do que na 25-50 cm, provavelmente devido à região de maior alteração com cultivo. Foi encontrada dependência espacial para todos os atributos analisados para a camada 0-25 cm, e dependência fraca para a camada 25-50 cm. Considerando que o campo engloba apenas uma área de 30 m por 30 m, conclui-se que a variabilidade encontrada para os atributos químicos do solo foi grande e que a amostragem ao acaso falharia em detectá-la e, por isso, esconderia a realidade.

Termos de indexação: técnica de amostragem do solo, geoestatística, argila, silte, pH, soma de bases, capacidade de troca de cátions, saturação por bases.

ABSTRACT

SPATIAL VARIABILITY OF CLAY CONTENT, SILT CONTENT AND CHEMICAL PROPERTIES WITHIN AN EXPERIMENTAL PLOT OF A DUSKY RED LATOSOL IN CAMPINAS, STATE OF SÃO PAULO, BRAZIL

The majority of experiments on soil management and soil fertility uses experimental and statistical procedures which require statistically independent samples and uniform experimental plots. This hypothesis can only be satisfied and verified in practice with geostatistical calculations such as semivariograms. The objective of this paper was to study the spatial variability, within an experimental plot, and to show the use of geostatistical analysis. The field selected for this study is located at the Centro Experimental de Campinas, Instituto Agronômico, Campinas (SP), Brazil, on a Dusky Red Latosol, which had been on conventional tillage for the previous 10 years. A 30 m by 30 m plot was marked on a square grid of 5 m, resulting in 49 sampling points, in which bulk soil samples were collected at the depths of 0-25 cm and 25-50 cm, taken to the laboratory, air dried, sieved on the 2 mm sieve, and submitted to routine chemical and particle size analysis in order to obtain the clay content, silt content, delta pH, sum of bases, cation exchange capacity, and base saturation. Geostatistics was used for the spatial variability analysis. The coefficients of variation found indicate higher variability for all properties at 0-25 cm than at 25-50 cm, probably due to soil tillage depth. Spatial dependence was also stronger at 0-25 cm than at 25-50 cm depth. It was concluded that the spatial variability for the chemical properties was high considering the plot size of 30 m by 30 m and that random sampling would fail to detect it.

Index terms: soil, sampling technique, geostatistics, clay, silt, pH, bases content, cation exchange capacity, base saturation.

1. INTRODUÇÃO

A variabilidade espacial de atributos do solo pode afetar intensamente os resultados de pesquisa (Harris, 1920). A grande maioria dos ensaios de manejo e fertilidade do solo utiliza o método de delineamentos experimentais, segundo o qual observações devem ser independentes umas das outras e as parcelas experimentais, uniformes quanto aos parâmetros estudados. Em face do conhecimento ainda incipiente sobre tal assunto, no início do século, a aceitação dessas hipóteses foi grande, sem a necessária verificação. Diante dos conhecimentos estatísticos e recursos computacionais disponíveis na atualidade, o rigor e a precisão científica exigem que se conheça profundamente o meio em estudo. A hipótese de independência entre as amostras só pode ser verificada na prática, se a amostragem contiver informações geográficas, como, por exemplo, as coordenadas com referência a um eixo arbitrário para possibilitar análises da geostatística. Existem ferramentas geoestatísticas que podem ser úteis na análise de variabilidade espacial de dados para os quais não existe independência entre amostras (Vieira et al., 1981; Vieira et al., 1983). Embora os efeitos da variabilidade espacial do solo nas culturas sejam uma preocupação antiga (Waynick, 1918; Waynick & Sharp, 1919), diversos autores, ainda hoje, dedicam-se a pesquisá-los (Nielsen et al., 1983; Vieira et al., 1983; Vieira et al., 1987, Bhatti et al., 1991, Es et al., 1991, Souza, 1992, Vieira et al., 1992).

O objetivo deste trabalho foi estudar a variabilidade espacial de alguns atributos químicos e granu- lométricas do solo em uma parcela experimental e mostrar o uso da geoestatística para analisar dados.

2. MATERIAL E MÉTODOS

O experimento foi realizado em 1982 no Centro Experimental de Campinas do Instituto Agronômico, em um latossolo roxo distrófico sob preparo convencional nos últimos dez anos. Marcou-se uma parcela de 30 x 30 m a cada 5 m em duas direções perpendiculares entre si, uma delas no sentido do declive que era de aproximadamente 5%, resultando em um reticulado quadrado de 49 pontos de amostragem (Figura 1). Em cada ponto, coletaram-se amostras de solo das camadas 0-25 cm e 25-50 cm de profundidade, as quais foram levadas ao laboratório, secas ao ar, peneiradas em uma malha de 2 mm, e submetidas às análises granulométricas e químicas, segundo Camargo (1986).

Figura 1.
Esquema de amostragem

Os atributos avaliados foram teor de argila, teor de silte, delta pH, soma de bases (S), capacidade de troca catiônica (CTC) e saturação por bases (V%). De acordo com o critério utilizado na escolha desses atributos, eles representam a parcela experimental em termos de qualidades químicas, isto é, se fosse estabelecido um experimento de fertilidade ou manejo do solo neste local, eles deveriam ser necessariamente uniformes. Além disso, o delta pH tem sido utilizado como indicador da quantidade de cargas dependentes de pH (Parfitt, 1980).

Para análise de variabilidade espacial dos atributos estudados, utilizaram-se técnicas de geoestatística, segundo Vieira et al. (1983). Para tanto, há necessidade de conhecer as coordenadas geográficas dos locais onde as medições foram tomadas, tendo como referência um ponto arbitrário. De posse dos dados de laboratório, elabora-se uma tabela contendo as coordenadas geográficas, x e y, e os valores correspondentes a cada local.

O primeiro passo na análise geoestatística é a verificação da existência de dependência espacial, por meio do semivariograma que pode ser estimado pela seguinte equação:

onde:

N(h) representa o número de pares de valores medidos [Z(x_i), Z(x_i + h)] separados por um vetor h. Para o estudo em questão, os valores de Z podem ser qualquer uma das propriedades estudadas, como teor de argila por exemplo, enquanto os valores de x_i e x_i + h são definidos de acordo com as posições das amostras no campo, segundo esquema da figura 1. Dependência espacial, em outras palavras, significa autocorrelação, ou seja, o valor em qualquer ponto, depende de algum modo, de seu vizinho. Essa característica está expressa na equação 1 como a diferença [Z(x_i) - Z(x_i + h)]². Admitindo-se que a variação não é alterada pela direção, pode-se utilizar apenas o módulo do vetor h, o qual é a distância de separação entre amostras. Quando se calcula o semivariograma, obtêm-se pares de valores de semivariâncias g (h) e distâncias (h), os quais deverão ser dispostos em gráfico de dispersão tendo como valores de Y, as semivariâncias, e de X, as distâncias. A esse gráfico dever-se-á ajustar uma equação. Para propriedades espacialmente dependentes, espera-se que a diferença entre os valores [Z(x_i) - Z(x_i + h)] ², em média, seja crescente com a distância até um deter-minado ponto, a partir do qual se estabiliza num valor denominado patamar C₀ + C_1, e aproximadamente igual à variância dos dados. Essa distância recebe o nome de alcance, (a), e representa o raio de um círculo, dentro do qual os valores são tão parecidos uns com os outros que se tornam correlacionados. O valor da semivariância na interseção do eixo Y, denominado de efeito pepita (C₀₎, representa a variabilidade da propriedade em estudo em espaçamentos menores do que o amostrado. Assim, quanto maior o efeito pepita, mais fraca é a dependência espacial de um dado atributo. Os parâmetros efeito pepita (C_o), patamar (C_o + C₁) e alcance (a) são usados nas equações ajustadas aos semivariogramas. Esse procedimento está amplamente discutido em Vieira et al. (1983).

Efetua-se a comparação de semivariogramas diferentes mediante escalonamento, dividindo cada um de seus valores pela variância dos dados, como sugerem Vieira et al. (1991). Dessa maneira, o patamar de todos os semivariogramas é 1,0, podendo-se, pois, mostrá-los no mesmo gráfico. Uma vez que os semivariogramas representam a variabilidade espacial dos dados, a proximidade entre eles, quando escalonados, indica a semelhança na maneira como as propriedades variam espacialmente. Vieira & Lombardi Neto (1995) utilizaram o escalonamento de semivariogramas para erosividades no Estado de São Paulo, e concluíram que a variabilidade para o período das secas é diferente daquela para o período das águas.

Se houver dependência espacial, os valores vizinhos serão tão semelhantes que haverá possibilidade de estimar valores para qualquer local onde a propriedade não foi medida, usando tal dependência. A estimativa Z* na posição x₀ pode ser obtida através de:

(2)

onde:

Z(x_i) é o valor medido na posição x_i, _i é o peso associado ao valor medido na posição x_i, e N é o número de valores medidos usados na estimativa do valor Z*(x₀).

As principais características requeridas em todo método de estimativa são de que ele não superestime nem subestime valores (sem viés) e que, na média, os desvios em relação aos valores conhecidos sejam mínimos (variância mínima). Se forem impostas as condições de estimativa sem viés e com variância mínima na equação 2, chega-se ao sistema de equações da krigagem:

(3)

onde:

(x_i, x_j) é a semivariância estimada usando o modelo ajustado ao semivariograma, correspondente à distância entre os pontos localizados nas posições x_i e x_j; g (x_i, x₀) é a semivariância correspondente à distância entre os pontos localizados nas posições x_i e x₀. A solução do sistema de equações de krigagem (3) gera N valores de pesos e um valor do multiplicador de Lagrange, , associado com a minimização da variância. Substituindo-se os valores dos pesos, , na equação (2) pode-se estimar os valores para toda posição x₀ no espaço amostrado. Utilizando-se os valores sem viés e com variância mínima, obtidos pela krigagem, pode-se construir mapas de isolinhas ou tridimensionais para exame e interpretação da variabilidade.

3. RESULTADOS E DISCUSSÕES

Os dados estatísticos referentes aos teores de argila e silte e aos atributos químicos do solo para as camadas 0-25 cm e 25-50 cm, encontram-se no quadro 1. Assimetria e curtose indicam a proximidade entre a distribuição de freqüências dos dados e a distribuição normal cujos valores são, respectivamente, 0 e 3. Com exceção de silte e delta pH para 25-50 cm, todos têm assimetria e curtose próximos o suficiente de 0 e 3 para serem considerados com distribuição normal. Os coeficientes de assimetria e de curtose para silte indicam proximidade de distribuição log normal. Para a camada de 0-25 cm, em termos de variação relativa medida pelo coeficiente de variação (CV), o teor de argila e CTC são os atributos que menos variam, apresentando coeficientes menores que 10%, ao passo que soma de bases e V% possuem CV maior do que 20%, podendo, nesse caso ser considerados com variação alta (Pimentel-Gomes, 1984). Pode-se compreender melhor esse fato, examinando-se os valores máximos e mínimos. Pelos valores de V%, entre 150,6 e 467,8%, nota-se que além de apresentar um quadro nutricional bastante variável no espaço, este local era também muito pobre em termos de recursos químicos, visto que estava necessitando de calagem. O valor médio para delta pH indica que este solo possui mais cargas negativas do que positivas. De acordo com Sanchez (1976), o valor de delta pH para solos tropicais é usualmente negativo assim como as cargas de superfície. A distribuição tendendo a log normal indica que existe grande quantidade de valores pequenos, mas também existem valores extremamente grandes.

Quadro 1. Parâmetros estatísticos dos atributos do solo

Na camada de 25-50 cm, apenas o silte aparentemente, revela distribuição bastante diferente da normal (Quadro 1), pois todas os outros atributos aproximam-se mais da distribuição normal do que as da camada 0-25 cm, talvez pelas mesmas razões citadas acima. Além disso, para a camada 25-50 cm, com exceção da soma de bases e de CTC, os coeficientes de variação são menores do que para os atributos da camada 0-25 cm, provavelmente em função da menor influência das adições por adubações e matéria orgânica. Outro fato notável é que, assim como para 0-25 cm, para a camada 25-50 cm o valor máximo para delta pH também é negativo e, portanto, todos o são.

O escalonamento dos semivariogramas os atributos químicos, apesar de não ser perfeito, mostra que a sua variabilidade espacial é semelhante (Figura 2). A razão mais provável para isso é que os processos que regulam as propriedades químicas e granulométricas da área em estudo sejam semelhantes no espaço. Na verdade, é até esperado que a soma de bases, a capacidade de troca de cátions (CTC) e a saturação por bases (V%) tenham comportamentos espaciais parecidos , uma vez que expressam grandezas semelhantes, principalmente se se considerar que se trata de uma área relativamente pequena.

Figura 2.
Semivariograma para os atributos químicos a 0-25 cm de profundidade com modelo esférico ajustado (Esf).

O comprometimento quando se usa um modelo único para os atributos foi examinado através da técnica de validação geoestatística conhecida como "jack-knifing" (Vieira et al., 1983). Nessa técnica, em que cada um dos valores medidos é interpolado pelo método da krigagem, elimina-se sucessivamente, durante o cálculo, o valor a ser estimado. Em seguida, procede-se ao estudo dos erros. Assim, é possível fazer estimativas com diferentes modelos ajustados aos semivariogramas, e nesse caso, essa técnica pode ser comparada a uma análise de sensibilidade dos parâmetros ajustados ao semivariograma.

Nome Média DP CV Mínimo Máximo Assimetria Curtose

0-25 cm

Argila (g/kg) 575,5 16,42 2,85 530,0 620,0 -0,378 4,684

Silte (g/kg) 83,9 11,57 13,80 50,0 110,0 -0,008 3,666

Delta pH -0,74 0,128 -17,34 -0,90 -0,30 0,969 4,354

Bases (mmol_c/kg) 28,02 6,641 23,70 11,7 47,7 0,631 4,141

CTC (mmol_c/kg) 89,35 7,929 8,87 67,2 107,5 -0,270 3,291

V (%) 313,1 66,43 21,22 150,6 467,8 0,539 3,304

25-50 cm

Argila (g/kg) 609,8 24,45 4,01 540,0 650,0 -1,135 4,606

Silte (g/kg) 85,1 13,27 15,59 70,0 140,0 1,840 7,664

Delta pH -0,63 0,124 -19,80 -0,90 -0,40 0,027 2,054

Bases (mmol_c/kg) 32,43 4,417 13,62 21,6 41,0 -0,116 3,250

CTC (mmol_c/kg) 70,56 7,849 11,12 56,0 94,3 0,733 3,658

V (%) 459,6 56,04 12,19 355,3 561,6 -0,155 2,304

DP = Desvio padrão; CV = Coeficiente de Variação; CTC = Capaciadade de Troca Catiônica.

Os erros relativos médios obtidos com a estimativa de valores com o modelo mostrado na figura 2, comparado com semivariogramas individuais, foram todos próximos de 0 (zero), significando que o modelo único dos semivariogramas escalonados, pode ser usado nas estimativas de cada uma dos atributos. Examinaram-se semivariogramas direcionais, e como não foi detectada anisotropia, isto é, variabilidade diferente para as diversas direções, utilizaram-se semivariogramas médios isotrópicos. O modelo esférico ajustado às semivariâncias escalonadas, simbolizado na figura 2 por Esf (0,4, 0,6, 20), é descrito matematicamente como:

onde

0,4 é o valor do efeito pepita; (0,4 + 0,6) é o patamar, e 20 é o alcance da dependência espacial. O modelo esférico foi ajustado pelo método da tentativa e erro, analisando a sua sensibilidade através da técnica do "jack-knifing", e adotando aquele que apresentou os melhores indicadores no estudo dos erros, segundo Vieira et al. (1983). O efeito pepita de 0,4 significa que existe uma descontinuidade entre valores separados por distâncias menores do que 5 m. A proporção deste valor para o patamar do semivariograma, no caso 40%, é um indicativo da quantidade de variação ao acaso de um ponto para outro, e quanto menor seu valor, mais parecidos são os valores vizinhos. O alcance de 20 m significa que todos os vizinhos dentro de um raio de 20 m podem ser usados na estimativa de valores em espaçamentos mais próximos.

Os semivariogramas escalonados para os atributos químicos correspondentes à camada de 25-50 cm (Figura 3) mostram um espalhamento bastante maior do que aqueles referentes à camada 0-25 cm (Figura 2). É possível que o preparo convencional do solo com arado de discos misture a camada superior e aumente a semelhança entre pontos vizinhos. Para a camada de 25-50 cm, existe uma diferença maior entre valores vizinhos, o que resultou em um semivariograma que, à exceção do delta pH, possui efeito pepita bastante alto e, portanto, dependência espacial bastante fraca. Além disso, a variabilidade dos atributos estudados para essa profundidade não é semelhante, uma vez que seus semivariogramas divergem nitidamente (Figura 3). Porém, a sua variação total na área é menor do que os mesmos parâmetros para a camada de 0-25 cm, com exceção do teor de silte e da CTC, como mostram os coeficientes de variação (Quadro 1). Os parâmetros C₀, C₁ e a, do modelo esférico para o semivariograma, são diferentes para as duas camadas, isso significa dizer que as variabilidades espaciais para os atributos estudados nessas duas camadas são diferentes. Vieira et al. (1988) encontraram resultados semelhantes para um solo argiloso no Canadá: as variabilidades divergiam bastante nas diversas camadas do perfil, embora a dependência espacial fosse maior para a camada mais profunda. A soma dos parâmetros C₀ e C₁, respectivamente 0,4 e 0,7, deveria ser 1,0, porque se fez o escalonamento, usando-se os valores das variâncias como fator de escala. Pode-se dizer, então, que o patamar está excedendo a variância em 10%.

Figura 3.
Semivariograma para os atributos químicos a 25-50 cm de profundidade com modelo esférico ajustado (Esf).

Os semivariogramas para os teores granulométricos das duas camadas (Figuras 4 e 5) mostram resultados semelhantes àqueles encontrados para as variáveis químicas, com escalonamento melhor para a camada 0-25 cm do que para a camada 25-50 cm. Modelos esféricos com parâmetros distintos descrevem cada um deles, ambos com alcance de dependência de 15 m.

Figura 4.
Semivariograma para argila e silte a 0-25 cm de profundidade com modelo esférico ajustado (Esf).

Figura 5.
Semivariograma para argila e silte a 25-50 cm de profundidade com modelo esférico ajustado (Esf).

Utilizando-se de tais semivariogramas, estimaram-se valores a cada metro para toda a área da parcela para todos os atributos referentes à camada de 0-25 cm. Esses valores foram usados para a construção dos mapas de isolinhas.

Os mapas de isolinhas para os teores de argila e de silte na camada 0-25 cm, encontram-se respectivamente, nas figuras 6 e 7. Existe uma semelhança na variabilidade das duas variáveis, se for efetuada uma rotação de 90° ao redor do eixo Z, para o teor de silte. Uma vez que a soma dos componentes granulométricos é 100, numa parcela experimental como a estudada, é esperado que as variações de silte e argila sejam antagônicas, principalmente em se tratando de latossolo roxo. Além disso, é importante lembrar que os semivariogramas para essas duas variáveis (Figuras 4 e 5, respectivamente) representam as semivariâncias médias para todas as direções, não havendo, portanto, distinção se a maior variação se dá na direção x ou y. Note-se também, que a direção de maior declive é a y. Para fins de interações com elementos químicos, o teor de argila, variando aproximadamente de 560 a 600 g/kg, pode afetar processos físicos e químicos.

Figura 6.
Teor de argila (g/kg) a 0-25 cm de profundidade.

Figura 7.
Teor de silte (g/kg) a 0-25 cm de profundidade.

Os gráficos de isolinhas para delta pH, soma de bases, capacidade de troca catiônica e saturação em bases na camada 0-25 cm correspondem, respectivamente, às figuras 8, 9, 10 e 11.

Figura 8.
Delta pH a 0-25 cm de profundidade.

Figura 9. Soma de bases (mmol_c/kg) a 0-25 cm de profundidade.

Figura 10.
Capacidade de troca de cátions (mmol_c/kg) a 0-25 cm de profundidade.

Figura 11.
Saturação por bases (%) a 0-25 cm de profundidade.

As figuras 9, 10 e 11 revelam um aumento significativo na direção y, ou seja, à medida que se sobe no declive, enquanto delta pH aumenta principalmente na direção x. Por isso, pode-se deduzir que a variação de delta pH segue a do teor de silte e que as variações de soma de bases, CTC e saturação nas bases seguem mais aproximadamente a variação do teor de argila.

Para qualquer uma dessas propriedades, é possível notar que uma amostragem ao acaso falharia em apresentar as variações encontradas. Dessa maneira, quando se amostra ao acaso, está-se escondendo uma variação que existe e deve ser considerada.

O solo amostrado demonstra necessidade de calagem, indicada pelos valores baixos da saturação por bases (Figura 11). Se fosse feita aplicação de calcário suficiente para corrigir a acidez desse solo, os resultados encontrados quanto à variabilidade espacial dos atributos químicos seriam diferentes. Porém, considerando que uma amostragem se faz mais necessária quando o solo está precisando correção, as condições encontradas neste trabalho refletem a realidade.

4. CONCLUSÕES

1. Os coeficientes de variação, são maiores na camada 0-25 cm do que a 25-50 cm.

2. A maior parte das variáveis analisadas aproxima-se da distribuição normal de freqüências, excetuando-se o delta pH e o teor de silte.

3. Existe dependência espacial para todos os atributos analisados na camada de 0-25 cm, sendo a variabilidade das propriedades químicas e granulométricas semelhante. Na camada de 25-50 cm, além da dependência fraca, os atributos analisados apresentaram variabilidades diferentes.

4. A variabilidade dos indicadores de fertilidade é alta na área estudada. A amostragem ao acaso falharia em detectá-la e, por isso, esconderia a realidade.

• BHATTI, A.U.; MULLA, D.J.; FRAZIER, B.E. Estimation of soil properties and wheat yields on complex eroded hills using geostatistics and thematic mapper images. Remote Sensing and Environment, New York, 37:181-191, 1991.
• CAMARGO, O.A. de; MONIZ, A.C.; JORGE, J.A. & VALADARES, J.M.A.S. Métodos de análise química, mineralógica e física de solos do Instituto Agronômico de Campinas Campinas, Instituto Agronômico, 1986. 94p. (Boletim Técnico, 106)
• ES, H. M. van; CASSEL, D.K.; DANIELS, R.B. Infiltration variability and correlations with surface soil properties for an eroded Hapludult. Soil Science Society of America Journal, Madison, 55:486-492, 1991.
• HARRIS, J.A. Practical universality of field heterogeneity as a factor influencing plot yields. Journal of Agriculture Research, Washington, XIX(7):279-314, 1920.
• NIELSEN, D.R.; TILLOTSON, P.M. & VIEIRA, S.R. Analysing field-measured soil-water properties. Agricultural Water Management, 6:93-109, 1983.
• PARFITT, R.L. Chemical properties of variable charge soil In: THENG, B.K.G., ed. Soils with variable charge. Lower Hutt, New Zealand Society of Soil Science, Palmerston North, 1980. v.5. p.167-194.
• PIMENTEL GOMES, F. A estatística moderna na pesquisa agropecuária. Piracicaba, POTAFOS - Associaçăo Brasileira para Pesquisa da Potassa e do Fosfato, 1984. 160p.
• SANCHEZ, P.A. Properties and management of soils in the tropics New York, John Wiley and Sons, 1976. 618p.
• SOUZA, L.S. Variabilidade espacial do solo em sistemas de manejo Porto Alegre, 1992, 162p. Tese (Doutorado) - Faculdade de Agronomia/UFRGS), 1992.
• VIEIRA, S.R.; NIELSEN, D.R. & BIGGAR, J.W. Spatial variability of field-measured infiltration rate. Soil Science Society of America Journal, Madison, 45:1040-1048, 1981.
• VIEIRA, S.R.; HATFIELD, J.L.; NIELSEN, D.R. & BIGGAR, J.W. Geoestatistical theory and application to variability of some agronomical properties. Hilgardia, Berkeley, 51(3):1-75, 1983.
• VIEIRA, S.R.; REYNOLDS, W.D. & TOPP, G.C. Spatial variability of hydraulic properties in a highly structured clay soil. In: WIERANGA, P.J. and BACHELET, D., eds. Validation of Flow and Transport Models for the Unsaturated Zone: Proceedings. Las Cruces, Department of Agronomy and Horticulture, New Mexico State University, 1988. p.471-483. (Research Report 88-SS-04) (CONFERENCE OF VALIDATION OF FLOW AND TRANSPORT MODELS FOR THE UNSATURATED ZONE, Ruidoso, Novo México, 1988)
• VIEIRA, S.R.; LOMBARDI NETO, F. & BURROWS, I.T. Mapeamento da chuva máxima provável para o Estado de Săo Paulo. Revista Brasileira de Cięncia do Solo, Campinas, 15(1):93-98, 1991.
• VIEIRA, S.R., CASTRO O.M. DE & TOPP G.C. Spatial variability of some soil physical properties in three soils of Săo Paulo Brasil. Pesquisa Agropecuária Brasileira, Brasília, 27(2): 333-341, 1992.
• VIEIRA, S.R. & LOMBARDI NETO, F. Variabilidade espa-cial de potencial de erosăo das chuvas do Estado de Săo Paulo. Bragantia, Campinas, 54(2):405-412, 1995.
• WAYNICK, D.D. Variability in soil its significance to past and future soil investigations. I. Statistical study of nitrification in soil. Agricultural Sciences, Davis, 3(9):243-270, 1918.
• WAYNICK, D.D. & SHARP, L.T. Variability in soil and its significance to past and future soil investigations. II. Variation in nitrogen and carbon in field soils and their relation to the accuracy of field trials. Agricultural Sciences, Davis, 4(5):121-139. 1919.

⁽¹) Recebido para publicação em 5 de agosto de 1994 e aceito em 25 de novembro de 1996.

) Recebido para publicação em 5 de agosto de 1994 e aceito em 25 de novembro de 1996.

⁽²) Seção de Conservação do Solo, Instituto Agronômico (IAC), Caixa Postal 28, 13001-970 Campinas (SP).

Datas de Publicação

• Publicação nesta coleção
  16 Jun 1999
• Data do Fascículo
  1997

Histórico

• Recebido
  05 Ago 1994
• Aceito
  25 Nov 1996