Rendimento de grãos e de óleo do crambe em um latossolo: análise espacial e modelos de correlação
Resumo
A crescente conscientização ambiental a respeito da produção e uso de combustíveis renováveis tem levado muitos países a criar políticas que beneficiam os produtores destes combustíveis. Assim, a busca por matéria-prima para produção dos biocombustíveis não conflitantes com a produção mundial de alimentos e que apresentem desempenho semelhante aos combustíveis fósseis despertou interesse pelo crambe, uma cultura de grande teor energético, imprópria para o consumo animal e que pode ser aplicada em rotação de culturas sem a necessidade de troca de maquinário agrícola. No entanto, estudos avaliando a influência da variabilidade espacial de atributos químicos e físicos no rendimento de grãos e no teor de óleo do crambe ainda são escassos. Neste sentido, este trabalho objetivou principalmente avaliar a correlação espacial entre atributos físicos e químicos de um Latossolo sob estados de compactação, com o rendimento de grãos e de óleo do crambe, através de um estimador de correlação cruzada baseado em janelas móveis e avaliar a densidade amostral adequada para aplicação da geoestatística. Para isto, utilizaram-se técnicas de geoestatística como a simulação de dados e krigagem com auxílio do software R. Concluiu-se que o aumento da densidade e da resistência do solo altera a relação fonte:dreno do crambe, repercutindo em menor rendimento de grãos, porém com produção de grãos de maior qualidade; os atributos químicos que apresentam maior relação espacial direta com o rendimento de grãos do crambe são o fósforo, cálcio, magnésio e matéria orgânica; malhas amostrais construídas com pontos espaçados a grandes distâncias não são eficazes na detecção da variabilidade espacial de atributos químicos e do rendimento de grãos e teor de óleo do crambe; e que o semivariograma cruzado baseado em janelas móveis detecta a estrutura de correlação espacial entre os atributos físicos e químicos do solo, independente de sua variabilidade ou dispersão, apresentando desempenho superior quando os dados apresentam outliers e não possuem distribuição normal.