Por Alessandra Fagioli
O Brasil possui uma vocação natural para a agricultura, a qual é conhecida mundialmente. As qualidades que o colocam à frente de outros países é a vasta extensão territorial combinada com a oferta abundante do sol e água, recursos fundamentais para esta atividade. Além de ser um dos maiores produtores é também um dos maiores exportadores de produtos agrícolas.
Devido à importância da agricultura para o país, e apesar das vantagens geográficas e climáticas, e do volume crescente de produção, a agricultura brasileira ainda tem bastante espaço para evoluir. A evolução depende de compreender que as variáveis e informações que interferem nos mais diversos processos de produção agrícola apresentam frequentemente uma estruturação espacial e temporal que deverão ser analisadas de maneira adequada e realística para que as tomadas de decisões convenientes tragam aos gestores agrícolas maior segurança econômica, social e ambiental.
Geoestatística na agricultura (Foto: Reprodução/GEOKRIKAGEM)
A análise da estrutura espacial possibilita gerar mapas das variáveis interferentes do sistema, identificar de regiões ou zonas homogêneas ou heterogêneas, podendo assim, manejar de forma localizada as diferentes atividades no campo, além de contribuir para a análise e tomada de decisão da viabilidade econômica e ambiental desta prática.
Isto é possível ao considerar a variabilidade espacial dos fatores ambientais envolvidos e a geoestatística é uma ótima ferramenta para verificar esta dependência espacial. Com isso, a geoestatística auxilia na tomada de decisões estratégicas para o gerenciamento do sistema de produção agrícola mais sustentável, uma vez que o manejo é realizado com base na variabilidade encontrada no campo.
O mapeamento preciso com base na dependência espacial identificada nos processos da análise pode ser obtido pela análise geoestatística. Na obtenção dos mapas, a melhor qualidade da estimativa depende da escolha do método de interpolação. A krigagem ordinária é o método de interpolação da geoestatística mais utilizado para obter mapas das variáveis ambientais e agrícolas.
Os profissionais de ciências agrárias têm aplicado esses procedimentos, em dados de solos, plantas, entomologia, fitopatologia, dados climáticos e etc, e assim procuram obter mapas temáticos para melhor compreender os fenômenos naturais.
No estudo da variabilidade espacial o emprego da geoestatística não se limita apenas em obter um modelo de dependência espacial, mas também em estimar valores nos locais não amostrados.
Há cada momento nas atividades agrícolas, faz necessário o conhecimento adequado da variabilidade espacial das características do ambiente agrícola, sem o qual existe o risco de aplicações inapropriadas dos resultados.
Entre as aplicações da geoestatística voltadas para prover informações e suporte a agricultura estão à caracterização e a modelagem espacial e temporal, das quais resulta a produção de mapas precisos para informação básica da área de produção (McBRATNEY et al., 2005).
A estatística clássica assume que os pontos de observação são independentes, o que, na maioria dos casos, não acontece nos estudos envolvendo as ciências da terra (SRIVASTAVA, 1996). A variabilidade dos fatores de produção pode afetar o resultado da produtividade. Esta variabilidade só pode ser aproveitada com a utilização da análise da dependência espacial dos dados, com isso, é necessário ter as coordenadas dos pontos de amostragem.
Vieira (1997) ao estudar da variabilidade de atributos do solo em uma parcela experimental, encontrou alta variabilidade na área estudada e, concluiu que a amostragem ao acaso falharia em detectá-la e, por isso, esconderia a realidade. Com este estudo de Vieira (1997) tem-se um exemplo de que ao ignorar a variabilidade da área e cultivar sem considerar a dependência espacial haveria um prejuízo econômico, pois a área precisa ser manejada de forma diferenciada, uma vez que o teor de argila é diferente ao longo da área e que a disponibilidade de água e de fertilizantes para as plantas são afetados pelo teor de argila.
Outro exemplo de aplicação do estudo da variabilidade espacial de dados agronômicos foi publicado por Oliveira et al. (2008). Neste exemplo, foi realizada uma análise comparando quando a variabilidade não é considerada, utilizando o valor médio, e considerando a dependência espacial dos dados para a recomendação de calagem, nitrogênio e fósforo para a produção de café conilon.
Os resultados indicam que ao utilizar o valor médio para a recomendação de calcário, nitrogênio e fósforo (Figura 1), 24,48% da área recebeu mais calcário do que necessitava, 75,52% menos que o necessário e 64,72% da área foi adicionado mais nitrogênio que o necessário e, além disso, 85,95% da área recebeu mais fósforo do que a necessidade das plantas de café.
Com esta simples análise, pode-se ter uma ideia de que ao não considerar a dependência espacial tem-se maior gasto com insumos, menor resposta na produção e maior risco de contaminação ambiental.
Mapas da diferença entre a recomendação pelo método convencional (média) e a análise espacial (geoestatística) do calcário (RC) e adubação de nitrogênio (N), fósforo (P2O5) para 2006.
Os resultados destes trabalhos citados demonstraram que ao aliar as tecnologias que tem disponível para serem utilizadas na agricultura com as ferramentas de análise que consideram a dependência espacial dos fenômenos naturais tende a aumentar o potencial agrícola do país.
Com estes trabalhos de mais de 10 anos tem-se os exemplos de aplicação de geoestatística na agricultura, mas atualmente como está a aplicação da geoestatística na agricultura brasileira?
Alessandra Fagioli é Engenheira Agrônoma, graduada pela Universidade Federal do Espírito Santo (UFES) e mestrado e doutorado em agronomia pela Faculdade de Ciências Agronômicas da Universidade Estadual Paulista (FCA/UNESP). Realizou doutorado sanduiche no Instituto Superior Técnico de Lisboa-Portugal. Pós-doutorado em agronomia pela Universidade Estadual do Norte do Paraná (UENP). Trabalha com análise geoestatística aplicada em agronomia desde a graduação. Participou na organização dos Simpósios de Geoestatística Aplicada às Ciências Agrárias.
