Pesquisa realizada na ESALQ/USP – Mapeamento digital da capacidade de água disponível no solo

Publicado em: 31/01/2025.

Para obtenção do título de Mestre em Ciências na área de concentração Solo e Nutrição de Plantas, Andrés Mauricio Rico Gómez elaborou a pesquisa intitulada “Mapeamento digital da capacidade de água disponível no solo: insights para a resiliência dos sistemas agrícolas às mudanças climáticas”, sob orientação do Prof. José Alexandre Melo Demattê, docente da ESALQ/USP e do Programa SolloAgro.

Imagem: AWC: Capacidade de Água disponível no solo. Área: 2574 km2: (Capivari, Charqueada, Iracemápolis, Mombuca, Piracicaba, Rafard, Rio das Pedras, Saltinho).

A importância da capacidade de água disponível no solo

A capacidade de água disponível no solo (AWC) é um parâmetro essencial para garantir a sobrevivência e bem-estar da sociedade. Está diretamente ligada aos Objetivos de Desenvolvimento Sustentável da ONU, como fome zero, combate às mudanças climáticas e preservação da vida terrestre.

A AWC é um indicador de qualidade do solo, auxiliando na gestão eficiente da água e na adaptação da agricultura às mudanças climáticas. O entendimento espacial e temporal da AWC é essencial para otimizar recursos hídricos em áreas agrícolas.

No entanto, a medição direta dessa capacidade é trabalhosa e a interpretação espacial é complexa.

Métodos para a determinação da AWC

Métodos indiretos, como funções de pedotransferência (PTFs), são amplamente utilizados, correlacionando propriedades do solo, como textura e matéria orgânica, com características hidráulicas.

Diante dessas dificuldades, têm-se utilizado abordagens indiretas para estimar a AWC. Entre essas abordagens, as técnicas de mapeamento digital do solo (DSM) surgem como alternativa viável à modelagem espacial das propriedades do solo.


As técnicas de DSM geralmente aplicam modelos de aprendizagem de máquinas (ML) que não são fisicamente interpretáveis, limitando a possibilidade de construir novos conhecimentos na ciência do solo.

A pesquisa

Diante desse contexto, Andrés visou identificar os padrões espaciais estimados pelo algoritmo Random Forest (RF) para prever AWC e, em um estudo de caso, mostrar que os mapas AWC digitais podem apoiar o planejamento agrícola em resposta aos efeitos locais da mudança climática.

Imagem: a) Área de estudo com pontos de amostragem e modelo digital de elevação. b) Distribuição dos valores médios de cada perfil de solo no triângulo textural do USDA (Soil Survey Staff, 1999). Fonte: Gómez et a (2023).

Para conduzir o estudo de caso, foi adotada uma abordagem que integrou dados de atributos de solo determinados em laboratório (argila, areia e conteúdo de matéria orgânica), com função de pedotransferência (PTF), sensoriamento remoto, técnicas de DSM, valores Shapley (interpretação do modelo) e dados meteorológicos.

Além disso, o mapa digital do solo AWC e os dados históricos da estação meteorológica foram usados para calcular o balanço hídrico climatológico do solo para os períodos entre 1917-1946 e 1991-2020.

Imagem: Balanços hídricos climáticos em formato raster de 30 m para os períodos CWB1 (1917–1946) e CWB2 (1991–2020). Fonte: Gómez et a (2023).

Resultados

Por meio dos resultados deste estudo, Andrés confirmou que o algoritmo Random Forest mostrou eficiência na captura de padrões espaciais da capacidade de água disponível no solo em cenários tropicais.

Entre as covariáveis promissoras, destacaram-se as imagens multitemporais do Landsat com pixels de solo exposto e as médias das amplitudes térmicas diurnas e anuais, que se mostraram úteis para modelar a dinâmica da água no solo.

As previsões feitas em solos com altos gradientes texturais derivados de siltito apresentaram maior incerteza (∼17 a 23 mm m−1). Os mapas digitais de AWC, associados a dados climáticos históricos, oferecem suporte para ajustes no manejo agrícola.

Apesar da robustez, o modelo apresentado é uma simplificação da realidade, não considerando solos compactados ou possíveis limitações químicas ao desenvolvimento das raízes.

Outro ponto é que o estudo não contemplou aspectos morfológicos importantes, como gradientes texturais, argila iluvial, hidromorfismo subsuperficial e outras características que podem impactar a retenção de água no solo e o desenvolvimento das plantas.

Conclusão

Diante disso, futuras pesquisas devem explorar abordagens mais amplas para prever melhor o status hídrico ao longo do perfil do solo, além de considerar as incertezas associadas às predições dos modelos de aprendizado de máquina.

Por fim, a metodologia desenvolvida colabora com a tomada de decisões no manejo agrícola, incluindo planejamento de irrigação, manejo do solo, zoneamento de risco climático, cálculo da pegada hídrica e avaliação da saúde e qualidade do solo.

Clique aqui para acessar a dissertação e aqui para conferir o artigo publicado por Andrés.

0 comentários

Enviar um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Leia mais artigos