121
VARIABILIDADE ESPACIAL DA PRODUÇÃO DO MELOEIRO
IRRIGADO POR GOTEJAMENTO NA FAZENDA SANTA JÚLIA EM
MOSSORÓ-RN
NEYTON DE OLIVEIRA MIRANDA
DSc, Professor Adjunto, ESAM, Caixa Postal 137, 59600-970 Mossoró-RN, e-mail: [email protected]
TEÓGENES SENNA DE OLIVEIRA
DSc, Professor Adjunto, UFC, 60365-001 Fortaleza-CE, e-mail: [email protected]
SÉRGIO LUIZ AGUILAR LEVIEN
DSc, Eng. Agrícola,ESAM, Caixa Postal 137, 59600-970, Mossoró, RN, e-mail: [email protected]
JOSÉ FRANCISMAR DE MEDEIROS
DSc, Eng. Agrônomo, ESAM, Caixa Postal 137, 59600-970, Mossoró-RN, e-mail: [email protected]
RESUMO – Em área de produção comercial de melão com 3,2 ha, demarcou-se sub-áreas de 20m2 numa malha de 36 x
36 m, visando-se obter dados para subsidiar levantamento detalhado da variabilidade espacial da cultura. Em cada local
determinou-se a cota e a distância até a entrada de água, e coletou-se a vazão para determinar a uniformidade de
aplicação de água. A variabilidade espacial foi determinada para vazão e pressão do sistema de irrigação, componentes
de produção do melão, pH do solo e teores de P, K, Ca, Mg e Na. A dependência espacial da variabilidade observada
para componentes de produção, vazão, pH e teores de P, K e Ca, possibilitou a interpolação por krigagem e a confecção
de mapas de contornos. Obtiveram-se coeficientes de variação entre 4,03% para pH e 134,65% para peso de frutos tipo
exportação. A produção de frutos tipo exportação teve correlação negativa com a vazão e a distância até a entrada de
água. Os teores de Mg influenciaram negativamente a produção de melão.
Palavras-chave: Cucumis melo L., Geoestatística, Correlação
SPATIAL VARIABILITY ON DRIP IRRIGATED MELON YIELD AT
SANTA JULIA FARM IN MOSSORÓ, RN, BRAZIL
ABSTRACT – The objective of this study was to obtain preliminary data for a more detailed study on the spatial
variability of melon production. A commercial field (3,2 ha) was surveyed at 36 sites with an 20 m2 area, located on a 36
m x 36 m equilateral grid. Elevation, distance from the water inlet, and collected discharge rate to determine water
application uniformity were determined in each location. Spatial variability was determined for discharge rate, pressure, yield components of melon, soil pH and topsoil levels of P, K, Ca, Mg and Na. The spatial dependence in the
variability of yield components, pressure, discharge rate, pH and levels of P, K and Ca allowed data interpolation by
kriging and the generation of contour maps. Variation coefficients ranging from 4,03% for pH and 134,65% for yield of
exportation type fruits were obtained. Yield of exportation type fruits showed negative correlation with discharge rate
and distance to water inlet. Soil Mg levels had negative influence on melon yield.
Keywords: Cucumis melo L., Geostatistics, Correlation
INTRODUÇÃO
A produtividade da cultura não é uniforme
dentro do campo devido a variações inerentes do
solo, inclusive do relevo, que influi na umidade do
solo (MARQUES JÚNIOR & CORÁ, 1998). Por
isto, a disponibilidade de nutrientes, o suprimento de
de água, as condições relacionadas ao crescimento
das raízes das plantas, além de plantas daninhas,
insetos e doenças variam ao longo da área cultivada.
Práticas de manejo causam variabilidade no stand
da cultura, na compactação e nos teores de
nutrientes do solo (PLANT et al., 1999; CASSEL
et al., 2000). Entre os fatores mais estudados, a
disponibilidade de água (POLLACK & WALLACH,
2001) e de nitrogênio (LI et al., 2002) são os que
mais se relacionam com a produtividade das
culturas.
O manejo homogêneo de campos agrícolas
geralmente causa o uso excessivo de fertilizantes e
defensivos agrícolas, elevação de custos e danos
ambientais (MARQUES JÚNIOR & CORÁ, 1998).
A agricultura de precisão, ou produção espacialmente
variável, a partir de amostragem detalhada dos
fatores envolvidos, procura identificar a variabilidade
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
MIRANDA et al.
e os fatores limitantes à produção para estabelecer
relações causa-efeito e viabilizar a aplicação mais
eficiente de insumos e tratos culturais, aumentando
a produtividade e/ou a eficiência e o retorno
econômico da atividade (PLANT et al., 1999;
SCHUELLER & WHITNEY, 2000). Para tanto, o
primeiro passo deve ser a confecção de mapas de
produtividade para visualizar o comportamento das
culturas de forma mais completa (BALASTREIRE
et al., 1997), depois o campo é dividido em subáreas, conforme os fatores limitantes, para aplicação
variável das práticas de manejo (NIELSEN et alii,
1997).
A variabilidade espacial de características do
solo relacionadas à irrigação e dos equipamentos
de irrigação tem grande influência na produtividade
das culturas. A variação em produtividade é atribuida
por Bergez & Nolleau (2003) à combinação dos
efeitos da variabilidade espacial do solo e da
aplicação de fertilizantes e água. Alguns autores
estudaram a variabilidade de características do solo
que determinam e caracterizam o armazenamento
de água no solo, da lâmina real necessária e da
lâmina aplicada (FIETZ, 1998; GONÇALVES et
al., 1999; SOUZA et al., 1999). Por isto, localizar
regiões com déficit ou excesso de água auxilia a
racionalizar o manejo da irrigação (FIETZ, 1998).
Upadhyaya et al. (1999) observaram que muitas
das variáveis influenciando a produtividade de tomate
irrigado por sulcos estão relacionadas ao status de
umidade do solo, indicando o manejo da irrigação
como um aspecto crítico na agricultura irrigada, que
influencia, além da umidade do solo, a disponibilidade
de nutrientes para as plantas.
Quanto à fertilidade, fica evidente que coletar
uma amostra composta não permite identificar a
variabilidade do solo. A aplicação uniforme de
fertilizantes e corretivos pode reduzir a produtividade
e a qualidade dos produtos nas áreas com pH e teores
de nutrientes abaixo da média. Por outro lado, em
locais onde o pH e os teores de nutrientes estão
acima da média, a aplicação será excessiva, podendo
acarretar, além do maior custo, desequilíbrio
nutricional, deficiência de micronutrientes, redução
de rendimentos e poluição do lençol freático. Quando
a aplicação é feita de acordo com o potencial de
produção de cada região do campo pode haver
redução de custos e maior lucro para o campo como
um todo (FRANÇA et al., 2000). Neste sentido,
alguns autores demonstram as conseqüências da
variabilidade espacial do pH e teores de nutrientes
122
no solo e da aplicação de fertilizantes e corretivos
de maneira uniforme ou considerando a variabilidade
espacial(DE BOER,2000;FRANÇA et al., 2000).
A geoestatística, que considera a correlação
entre observações vizinhas, tem sido utilizada para
analisar variáveis de solo e planta que exibam
dependência espacial, ou seja, variam de um lugar
para outro com aparente continuidade (VIEIRA,
2000). Estando os valores de uma característica ou
propriedade, relacionados à sua distribuição espacial,
é possível caracterizar sua variabilidade através de
semivariogramas, para definir o grau de dependência
no espaço da grandeza e o alcance ou domínio de
cada medida (MARQUES JÚNIOR & CORÁ,
1998) e, usando métodos de interpolação como a
krigagem, estimar valores para locais não
amostrados, sem tendenciosidade e com mínima
variância e, assim, confeccionar mapas de isovalores
das características em estudo (VIEIRA, 2000).
Segundo Plant et al. (1999), análises de correlação
e de regressão podem ser usadas para identificar
os fatores que influenciam a variação espacial da
produtividade.
O objetivo deste trabalho foi realizar um
levantamento preliminar da variabilidade espacial de
algumas características do solo, da irrigação e de
componentes da produção do meloeiro e, dentre eles,
identificar possíveis fatores limitantes à produção.
MATERIAL E MÉTODO
O trabalho foi realizado em área de produção
comercial de melão com 3,2 ha, correspondendo a
uma unidade operacional de irrigação, em fazenda
situada no município de Mossoró-RN, com
coordenadas 5°02’02”S e 37°22’33”W. O solo é
um Luvissolo crômico (EMBRAPA, 1999).
O melão amarelo, híbrido AF 646, foi semeado
em 22/12/2001 e colhido em 25/2 e 4/3/2002. O
espaçamento entre linhas foi de 2,0 m com duas
plantas a cada 0,40 m. O sistema de irrigação
localizada constava de duas sub-áreas com a
tubulação principal no meio. Os gotejadores do tipo
NAAN PAZ-25, espaçados de 0,40 m, estavam
sendo usados pela terceira safra. A pressão no final
das linhas era de aproximadamente 110 kPa.
Os dados foram coletados em sub-áreas de
2
20 m (10 x 2 m). Cada sub-área estava centralizada
em um nó de uma malha com espaçamento de 36 x
36 m, que era localizado por coordenadas nos eixos
X e Y. Foram determinados: altura em centímetros
(cota) em relação ao ponto de entrada de água;
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
VARIABILIDADE ESPACIAL DA PRODUÇÃO DO MELOEIRO
distância até o ponto de entrada de água no sistema;
vazão de 3 gotejadores escolhidos ao acaso, durante
dois minutos; pressão na extremidade das laterais
onde foram coletadas as vazões; uniformidade de
distribuição de água e o coeficiente de variação
devido à hidráulica (ASAE, 1994).
Após a classificação dos frutos colhidos foram
determinados: número por parcela de frutos dos tipos
exportação (NEXP), mercado nacional (NNAC),
refugo (NREF) e número total (NTOT); produção,
em kg por parcela de frutos de cada uma das
classificações, (PEXP, PNAC, PREF e PTOT), e
peso médio do total de frutos, em kg, (PMTOT). A
produção comercial, em kg por parcela, (PCOM),
foi considerada a soma de PEXP e PNAC.
Foram retiradas amostras de solo na
profundidade de 0 a 20 cm, para determinação de
pH em água, Ca, Mg, K e Na, em cmolc.dm-3, e P,
em mg.dm-3, conforme EMBRAPA (1997).
A análise estatística dos dados obtidos foi feita
através de parâmetros da estatística descritiva e dos
coeficientes de correlação entre as variáveis.
Usando a geoestatística foi determinada a correlação
espacial através do semivariograma, que foi ajustado
a um modelo matemático para determinar seus
parâmetros. Um semivariograma expressa
graficamente a relação entre a semivariância (?) e
a distância entre amostras (h). Uma estimativa da
semivariância, com N(h) sendo o número de pares
de amostras separados por uma distância (h), é dada
pela seguinte equação:
? ( h) ?
1 N ( h)
? [Z ( xi) ? Z ( xi ? h)]2
2 N (h ) i? 1
(1)
onde, ?(h) é a semivariância entre os valores de dois
pares de dados de uma variável Z, Z(xi) e Z(xi+h),
separados por uma distância h. A semivariância
geralmente aumenta com a distância (h) entre locais
de amostragem, até um valor mais ou menos
constante, o patamar (C+C0 ) a uma certa distância
(a) chamada alcance da dependência espacial.
Amostras separadas por distâncias menores do que
o alcance são correlacionadas espacialmente, e
aquelas separadas por distâncias maiores não são
correlacionadas. A semivariância em h = 0 é
chamada efeito pepita, que representa uma
variabilidade do campo ou experimental, que não é
detectável na escala de amostragem usada. A Figura
1 ilustra um semivariograma típico com seus
parâmetros. O modelo apresentado é o esférico
considerado o mais conveniente para fins de
interpolação. Com dados do semivariograma foi
realizada, pelo método da krigagem, a interpolação
dos valores para locais não amostrados para
confeccionar mapas de contornos, segundo a
equação (VIEIRA, 2000):
?
C+Co
semivariância
123
Co
a
h
distância
FIGURA 1 – Semivariograma típico com seus parâmetros:
efeito pepita (C0), patamar (C+ C0) e alcance (a)
Z ( x0 ) ?
N
?
? i z ( xi )
(2)
i ?1
onde, Z(x0 ) é o valor estimado para a variável no
ponto x0 , Z(x) são os valores medidos nos locais xi ,
e ? i são os pesos calculados a partir do
semivariograma.
RESULTADOS E DISCUSSÃO
Na Tabela 1 pode-se observar os parâmetros
do semivariograma e estatística descritiva das
variáveis estudadas. Foi constatada dependência
espacial das variáveis: VAZÃO, NEXP, PEXP,
NNAC, NREF, PREF, NTOT, PTOT e PMTOT.
Dependência espacial foi observada nos teores de
P, K e Ca e no pH. Para estas variáveis, dentro do
alcance do semivariograma, os valores obtidos estão
correlacionados entre si. Isto permite a interpolação
por krigagem e a confecção de mapas de isovalores
(VIEIRA, 2000). Nas Figuras 2 e 3 estão
apresentados os mapas de isovalores de algumas
variáveis. A observação destes mapas permite
identificar áreas com valores elevados ou reduzidos
de cada variável. As variáveis cujo semivariograma
ajustado apresentou modelo efeito pepita puro (EPP)
não apresentam dependência espacial na escala
estudada, ou seja, seus valores seriam
completamente aleatórios naquela área. O modelo
EPP é caracterizado por uma reta paralela ao eixo
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
MIRANDA et al.
124
dos X com valor de Y constante, igual a C0 .
como o pH do solo é baixo, e é alto para teores de
Obtiveram-se coeficientes de variação (CV)
P no solo, por exemplo. As relações C0 /(C0 +C)
entre 4,03% para pH até 134,65% para PEXP,
obtidas indicam altos níveis de dependência espacial
demonstrando a variabilidade existente. Estudos
se utilizarmos os mesmos critérios que Fietz (1998)
revisados por autores como Marques Júnior & Corá
e Silva & Chaves (2001): dependência alta quando
(1998) e Silva & Chaves (2001) mostram que, em efeito pepita é menor ou igual a 25% do patamar,
geral, o coeficiente de variação de características
moderada se está entre 25% e 75% e fraca se o
Tabela 1 – Resumo da estatística descritiva e dos parâmetros do semivariograma dos componentes de
produção de melão, características do sistema de irrigação e teores de nutrientes do solo em área de
produção comercial, Mossoró-RN, 2002
Variáveis
Média Máx.
Mín.
CV(%)
Co*
Co+C Co/(Co+C)
a
Modelo
NEXP
1,17
5,00
0
127,50
0,70
2,34
0,30
37,30
EXP
PEXP
1,35
6,81
0
134,60
2,22
4,49
0,49
149,3
EXP
NREF
3,90
8,00
0
46,82
0,66
3,44
0,19
76,20
ESF
PREF
4,23
9,16
0
50,40
0,59
4,68
0,13
66,80
ESF
NNAC
3,13
9,00
0
23,00
0,33
4,44
0,07
52,50
ESF
PNAC
4,19
6,82
0
71,12
EPP
NTOT
8,20 14,00
4,00
32,72
1,37
7,49
0,18
74,70
ESF
PTOT
9,77 18,30
3,75
35,56
1,41
12,47
0,11
69,00
ESF
PMTOT
1,18
1,53
0,94
10,48
0,003
0,016
0,22
56,40
ESF
PCOM
5,54 12,00
0
55,60
EPP
Vazão
1,32
1,53
0,98
8,66
0,005
0,015
0,37
290,7
ESF
P (mg dm-3)
143,4 89,00 238,0
22,08 269,00
1114,0
0,24
52,20
EXP
K (cmolc dm-3 )
0,21
0,41
0,12
34,16
0,001
0,005
0,19
57,80
ESF
Ca (cmolc dm-3 )
2,44
3,60
1,60
18,85
0,037
0,216
0,17
59,30
ESF
Mg (cmolc dm-3)
1,28
2,10
0,60
29,69
EPP
Na (cmolc dm-3 )
0,19
0,30
0,13
22,98
EPP
pH (água)
7,45
7,90
6,70
4,03
0,021
0,106
0,20
123,7
ESF
* Co é o efeito pepita; Co+C é o patamar; a é o alcance; ESF é esférico, EXP exponencial e EPP efeito pepita puro;
NEXP é o número de frutos tipo exportação por parcela; PEXP é o peso de frutos tipo exportação em kg por parcela;
NREF é o número de frutos refugo por parcela; PREF é o peso de frutos refugo em kg por parcela; NNAC é o número
de frutos para mercado interno por parcela; PNAC é o peso de frutos para mercado interno em kg por parcela; NTOT
é o número total de frutos por parcela; PTOT é o peso total de frutos em kg por parcela; PMTOT é o peso médio total
de frutos em kg por fruto e PCOM é o peso de frutos comerciais em kg por parcela.
efeito pepita é maior do que 75%.
Na vazão do sistema de irrigação foi
observada uniformidade estatística de 90% ? 1,5%,
considerada boa conforme ASAE (1994), e a
uniformidade estatística por causas hidráulicas de
93 % ? 1,5%. Porém, a análise visual do mapa de
isolinhas (Figura 2a) mostra regiões de menor e de
maior vazão, diminuindo à medida que se afasta na
direção oposta à entrada de água (oeste) e para as
extremidades (norte e sul). Segundo Fietz (1998) a
localização de regiões com excesso ou déficit de
água é útil no manejo da irrigação.
Os coeficientes de correlação entre as
variáveis dos componentes de produção e algumas
características do sistema de irrigação estão
apresentados na Tabela 2. A correlação negativa
significativa da vazão com a distância até a entrada
de água mostra que esta variação foi causada pela
perda de carga no sistema. A produção de frutos
tipo exportação (Figura 2b) e seu número tiveram
correlação negativa com a distância até a entrada
de água e com a vazão do sistema, demonstrando
que o excesso de água prejudicou a qualidade dos
frutos. A menor vazão nas maiores distâncias até a
entrada de água também diminuiu o pH (Figura 3a),
provavelmente durante as safras anteriores houve
menor acumulação de Ca e Mg nas maiores
distâncias, como se pode observar visualmente
(Figura 3b). Os teores de magnésio no solo foram
os que mais influenciaram a produção, tiveram
correlação negativa altamente significativa com a
produção total (Figura 2c), com o número de frutos
total (Figura 2d) e com a produção de frutos .
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
125
VARIABILIDADE ESPACIAL DA PRODUÇÃO DO MELOEIRO
180.00
140.0
0
160.00
120.0
0
140.00
100.0
0
120.00
80.00
100.00
80.00
60.00
60.00
40.00
40.00
20.00
20.00
0.00
0.00
20.00
40.00
60.00
80.00
100.00
120.00
140.00
160.00
180.00
0.00
0.00
20.00
40.00
60.00
(A)
140.0
0
120.0
0
120.0
0
100. 0
0
100.0
0
80.0
0
80.00
60.0
0
60.00
40.0
0
40.00
20.0
0
20.00
20.0
40.0
60.0
80.0
100.0
120.0
140.0
160.0
180.0
120.0
140.0
160.0
180.0
(B)
140.0
0
0.0
0.0
0
80.00
100.0
120.0
140.0
160.0
180.0
(C)
0.00
0.00
20.00
40.00
60.00
80.00
100.0
(D)
Figura 2 – Isovalores de: a) vazão (L.h -1); b) produção de frutos tipo exportação (kg por parcela); c) produção total de
frutos (kg por parcela) e d) número total de frutos por parcela em área de produção comercial de melão, Mossoró-RN,
2002
comerciais. Em trabalho com soja, Johann et al
(2002) identificaram como fatores responsáveis
pelas regiões de alta e baixa produtividade os teores
de P, K, MO e Ca e a resistência do solo à
penetração.Como se observa nas Figuras 3c e 3d,
os teores de P e K são maiores nas regiões mais
próximas à entrada de água, e vão diminuindo a
medida que se afastam, demonstrando que há uma
deposição desuniforme de nutrientes na fertirrigação.
Schlindwein & Anghinoni (2000) verificaram que a
desuniformidade na aplicação de fertilizantes em
culturas anuais aumenta a variabilidade espacial dos
nutrientes e pH do solo. Quanto aos outros
componentes da produção, a natureza de sua
variabilidade deve estar associada a
outrascaracterísticas químicas e físicas do solo bem
como à ocorrência de pragas e doenças (NIELSEN
et al., 1997) que deverão ser avaliadas em trabalho
detalhado a ser realizado baseado nas informações
obtidas.
CONCLUSÕES
Dependência espacial na variabilidade das
características estudadas foi observada.A
variabilidade da vazão no sistema de irrigação foi
em grande parte devido à perda de carga ao longo
das tubulações. A variação na vazão correlacionouse negativamente com a distância até a entrada de
água. A produção de frutos tipo exportação foi
prejudicada nas regiões com maiores vazões. Dentre
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
MIRAANDA et al.
pH e nutrientes, os teores de magnésio no solo foram
os que mais influenciaram os componentes de
produção, de forma negativa.
140.0
0
140.0
0
120.0
0
120.0
0
100.0
0
100.0
0
80.0
0
80.00
60.0
0
60.00
40.0
0
40.00
20.0
0
20.00
0.0
0 0.0
20.0
40.0
60.0
80.0
100.0
120.0
140.0
160.0
180.0
0.00
0.00
20.00
40.00
60.00
(A)
140.0
0
120.0
0
120.0
0
100.0
0
100.0
0
80.00
80.00
60.00
60.00
40.00
40.00
20.00
20.00
20.00
40.00
60.00
80.00
(C)
100.0
80.00
100.0
120.0
140.0
160.0
180.0
120.0
140.0
160.0
180.0
(B)
140.0
0
0.00
0.00
126
120.0
140.0
160.0
180.0
0.00
0.00
20.00
40.00
60.00
80.00
100.0
(D)
Figura 3 – Isovalores de: a) pH do solo; b) teor no solo de cálcio (cmolc dm-3); c) fósforo (mg dm-3) e d) potássio (mg
dm-3) em área de produção comercial de melão, Mossoró-RN, 2002
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
127
VARIABILIDADE ESPACIAL DA PRODUÇÃO DO MELOEIRO
Tabela 2 – Coeficientes de correlação entre os componentes de produção de melão, características do
sistema de irrigação e teores de nutrientes em área de produção comercial, Mossoró-RN, 2002
Variável
Vazão
Distância
P
K
Ca
Mg
Na
PH
PTOT
-0,001ns
-0,06ns
-0,020ns
-0,03ns
-0,05 ns
-0,44**
-0,200 ns
-0,030 ns
NTOT
-0,006ns
-0,14ns
-0,015ns
-0,05ns
-0,02 ns
-0,44**
-0,170 ns
-0,080 ns
ns
ns
ns
ns
+
ns
ns
PMTOT
-0,050
-0,29
-0,181
-0,12
-0,23
-0,16
-0,180
-0,120 ns
+
ns
ns
ns
ns
ns
ns
PEXP
-0,324
-0,26
-0,175
-0,07
-0,05
-0,19
-0,290
-0,070 ns
ns
ns
ns
ns
ns
ns
ns
PNAC
-0,014
-0,06
-0,010
-0,18
-0,05
-0,27
-0,030
-0,070 ns
ns
ns
ns
ns
ns
ns
ns
PREF
0,237
-0,23
-0,010
-0,26
-0,16
-0,16
-0,040
-0,090 ns
NEXP
-0,379*
-0,32+
-0,210ns
-0,09ns
-0,03 ns
-0,15 ns
-0,270 ns
-0,050 ns
NNAC
0,045ns
-0,15ns
-0,080ns
-0,23ns
-0,13 ns
-0,27 ns
-0,005 ns
-0,050 ns
NREF
0,265ns
-0,30+
-0,090ns
-0,26ns
-0,13 ns
-0,21 ns
-0,040 ns
-0,140 ns
PCOM
-0,178ns
-0,09ns
-0,090ns
-0,21ns
-0,06ns
-0,39*
-0,190 ns -0,030 ns
Vazão
1,000
-0,56**
-0,050ns
-0,28ns
-0,10 ns
0,28 ns
-0,070 ns
-0,006 ns
**
ns
ns
ns
ns
ns
Distância
-0,559
1,00
-0,001
-0,25
-0,09
-0,19
-0,140
-0,390 *
+ significativo a 10% de probabilidade; * significativo a 5%; ** significativo a 1%; NEXP é o número de frutos tipo
exportação por parcela; PEXP é o peso de frutos tipo exportação em kg por parcela; NREF é o número de frutos refugo
por parcela; PREF é o peso de frutos refugo em kg por parcela; NNAC é o número de frutos para mercado interno por
parcela; PNAC é o peso de frutos para mercado interno em kg por parcela; NTOT é o número total de frutos por parcela;
PTOT é o peso total de frutos em kg por parcela; PMTOT é o peso médio total de frutos em kg por fruto e PCOM é o
peso de frutos comerciais em kg por parcela.
AGRADECIMENTOS
À Fazenda Santa Júlia pela permissão para
desenvolver o trabalho em suas dependências e pelo
apoio. Ao Engenheiros Agrônomos Leonardo
Porpino Alves e Manuel Januário da Silva Júnior
pelo auxílio nas coletas de dados.
REFERÊNCIAS BIBLIOGRÁFICAS
ASAE. American Society of Agricultural Engeneers. Field
evaluation of microirrigation systems. In: Asae standards
1994. St. Joseph: ASAE. 1994. p.760-765.
BALASTREIRE, L.A.; ELIAS, A.I.; AMARAL, J.R.
Agricultura de precisão: mapeamento da produtividade
da cultura do milho. Engenharia na Agricultura, Viçosa,
v.5, n.4, p.308-324, 1997.
BERGEZ, J.E.; NOLLEAU, S. Maize grain yield variability
between irrigation stands: a theoretical study. Agricultural Water Management, Amsterdam, v.60, n.1, p.43-57,
2003.
212p. (Documentos, 1).
EMBRAPA. Sistema brasileiro de classificação de solos.
Brasília: Embrapa Produção de Informação, 1999. 412 p.
FIETZ, C.R. Variabilidade espacial do armazenamento
de água no solo visando o manejo da irrigação por
aspersão. 1998. 97f. Tese (Doutorado em Irrigação),
ESALQ, Piracicaba, 1998.
FRANÇA, G.E.; OLIVEIRA, A.I.; MANTOVANI, E.C.;
ANDRADE, C.L.T.; MARRIEL, I.E. Análise preliminar de
mapas de variabilidade espacial da fertilidade do solo.
In: BORÉM, A.; DEL GIÚDICE, M.P.; QUEIROZ, D.M.;
MANTOVANI, E.C.; FERREIRA, L.R.; VALLE, F.X.R.;
GOMIDE, R.L. Agricultura de precisão. Viçosa: UFV.
2000. p.321-338.
GONÇALVES, A.C.A.; FOLEGATI, M.V.; VIEIRA, S.R.
Padrões de amostragem e intensidade de krigagem na
caracterização do armazenamento de água no solo, em
área irrigada por pivô central. Revista Brasileira de
Ciência do Solo, Viçosa, v.23, n.3, p. 485-495, 1999.
CASSEL, D.K.; WENDROTH, O.; NIELSEN, D.R. Assessing spatial variability in an agricultural experiment
station field: opportunities arising from spatial dependence. Agronomy Journal, Madison, v.92, n.4, p.706-714,
2000.
JOHANN, J.A.; URIBE-OPAZO, M.A.; ROCHA, J.V.;
SOUZA, E.G.. Modelagem da correlação espacial entre
mapas de produtividade da soja e mapas de atributos do
mapas de produtividade da soja e mapas de atributos do
solo por meio de análise de componentes principais.
Engenharia Agrícola, Jaboticabal, v.22, n.3, p.383-390,
2002.]
DE BOER, J.L. Economic analysis of precision farming.
In: BORÉM, A.; DEL GIÚDICE, M.P.; QUEIROZ, D.M.;
MANTOVANI, E.C.; FERREIRA, L.R.; VALLE, F.X.R.;
GOMIDE, R.L. Agricultura de precisão. Viçosa: UFV.
2000. p.147-180.
LI, H.; LAZCANO, R.J.; BOOKER, J.; WILSON, L.T.;
BRONSON, K.F.; SEGARRA, E. State-space description
of field heterogeneity: water and nitrogen use in cotton.
Soil Science Society of America Journal, Madison, v.66,
n.2, p.585-595, 2002
EMBRAPA. Manual de métodos de análise de solos. Rio
de Janeiro: Centro Nacional de Pesquisa de Solos. 1997.
MARQUES JÚNIOR, J.; CORÁ, J.E. Atributos do solo
para agricultura de precisão. In: SILVA, F.M.; BORGES,
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004
MIRANDA et al.
128
P.H.M. Mecanização e agricultura de precisão. Lavras:
UFLA/SBEA, 1998. p.31-70.
NIELSEN, D.R.; KUTILEK, M.; WENDROTH, J.W.;
HOPMANS, J.W. Selected research opportunities in soil
physics. Scientia Agricola, Piracicaba, v.54, p.51-77, 1997.
PLANT, R.E.; MERMER, A.; PETTYGROVE, G.S.;
VAYSSIERES, M.P.; YOUNG, J.A.; MILLER, R.O.; JACKSON, L.F.; DENISON, R.F.; PHELPS, K. Factors underlying grain yield spatial variability in three irrigated wheat
fields. Transactions of the ASAE, St. Joseph, v.42, n.5,
p.1187-1202, 1999.
POLLACK, A.; WALLACH, R. Analysis of soil moisture
in an irrigated orchard root zone. Plant and Soil ,
Dordrecht, v.233, n.2, p.145-159, 2001.
SCHLINDWEIN, J.A.; ANGHINONI, I. Variabilidade horizontal de atributos de fertilidade e amostragem do solo
no sistema plantio direto. Revista Brasileira da Ciência
do Solo, Viçosa,v.24, n.1, p.85-91, 2000.
SCHUELLER, J.K.; WHITNEY, J.D. Precision agriculture
for fruit trees. In: BORÉM, A.; DEL GIÚDICE, M.P.;
QUEIROZ, D.M.; MANTOVANI, E.C.; FERREIRA, L.R.;
VALLE, F.X.R.; GOMIDE, R.L. Agricultura de precisão.
Viçosa: UFV. 2000. p.321-338.
SILVA, P.C.; CHAVES, L.H.G. Avaliação e variabilidade
espacial de fósforo, potássio e matéria orgânica em
Alissolos. Revista Brasileira de Engenharia Agrícola e
Ambiental, Campina Grande. v.5, n.3, p.431-436, 2001.
SOUZA, J.R.; QUEIROZ, J.B.E.; GHEYI, H.R. Variabilidade
espacial de características físico-hídricas e de água
disponível em solo aluvial no semi-árido paraibano.
Revista Brasileira de Engenharia Agrícola e Ambiental,
Campina Grande. v.3, n.2, p.140-149, 1999.
UPADHYAYA, S.K.; ROSA, U.A; EHSANI, M.; KOLLER,
M.; JOSIAH, M.; SHIKANAI, T. Precision farming in a
tomato production system. In: ASAE/CSAE ANNUAL
INTERNATIONAL MEETING, 1999, Toronto.
Paper...Toronto: ASAE. 1999. (ASAE Paper No. 99 1147)
VIEIRA, S.R. Geoestatística em estudos de variabilidade
espacial do solo. In: NOVAIS, R.F.;ALVAREZ, V.H.;
SCHAEFER, C.E.G.R. Tópicos em ciência do solo. Viçosa:
Sociedade Brasileira da Ciência do Solo. v.1, p.1-54, 2000.
CAATINGA, Mossoró-RN, v.17, n.2, p.121-128, jan./jun. 2004