Distribuição espacial de propriedaes do solo por espectroscopia no assentamento Índio Galdino - SC

Abstract

A espectroscopia Vis?NIR é reconhecida como uma técnica rápida, não destrutiva e de menor custo para a obtenção de informações sobre as propriedades do solo, com potencial para complementar análises laboratoriais convencionais, embora sua aplicação em ambientes agrícolas heterogêneos ainda apresente desafios associados à variabilidade do solo e à qualidade dos dados de calibração. Nesse contexto, este estudo avaliou o uso da espectroscopia Vis?NIRSWIR na estimativa e no mapeamento espacial das propriedades relacionadas aos nutrientes primários da fertilidade do solo no assentamento Índio Galdino. Foram utilizadas 230 amostras de solo com dados laboratoriais e espectrais Vis?NIR-SWIR para a calibração dos modelos de Regressão por Mínimos Quadrados Parciais (PLSR), Floresta Aleatória (RF) e Cubist (CUB), incorporando estratégias de recalibração por spiking com 138 amostras de referência provenientes de uma vinícola agrícola. Os resultados dos modelos foram integrados à interpolação Kriging para geração de mapas interpolados a partir de valores observados e preditos. Os modelos apresentaram desempenho variável entre as propriedades avaliadas. Na validação externa, os valores de R² variaram de valores negativos próximos de zero até 0,67, com melhor desempenho geral do modelo PLSR. A recalibração local por spiking promoveu ganhos consistentes, com incrementos de R² de até ?0,20. Os valores de RMSE variaram de 0,33% a 0,52% para MOS, de 3,61% a 5,75% para Argila e de 1,7 cmolc dm-3 a 2,6 cmolc dm-3 para CTCpH7. Essas diferenças refletem a complexidade das propriedades do solo, a influência do manejo local e a sensibilidade dos modelos à distribuição dos dados de calibração, ressaltando a importância da adaptação dos modelos às condições específicas do assentamento. A integração das predições espectrais com a interpolação Kriging permitiu a geração de mapas espaciais consistentes, com erros preditivos externos (RMSEep) de 0,37% para MOS, 1,78% para argila e 0,62 cmolc dm-3 para CTC, e erros absolutos médios (AEep) de 0,29%, 1,45% e 0,51 cmolc dm-3, respectivamente. A comparação entre mapas observados e preditos indicou coerência nos padrões espaciais da fertilidade do solo, apesar de discrepâncias pontuais. Assim, a espectroscopia Vis?NIR-SWIR mostrou-se uma ferramenta complementar às análises convencionais, com potencial para ampliar a densidade amostral, reduzir custos analíticos e apoiar o planejamento do manejo do solo em assentamentos rurais.

Abstract: Vis?NIR spectroscopy is recognized as a rapid, non-destructive, and cost-effective technique for obtaining information on soil properties, with the potential to complement conventional laboratory analyses; however, its application in heterogeneous agricultural environments still presents challenges associated with soil variability and the quality of calibration data. In this context, this study evaluated the use of Vis?NIR?SWIR spectroscopy in the estimation and spatial mapping of properties related to primary soil fertility nutrients in the Índio Galdino settlement. A total of 230 soil samples with laboratory and Vis?NIR?SWIR spectral data were used to calibrate Partial Least Squares Regression (PLSR), Random Forest (RF), and Cubist (CUB) models, incorporating spiking recalibration strategies using 138 reference samples from an agricultural vineyard. The model results were integrated with Kriging interpolation to generate interpolated maps based on observed and predicted values. The models showed variable performance across the evaluated properties. In external validation, R2 values ranged from negative values close to zero up to 0.67, with the PLSR model showing the best overall performance. Local spiking recalibration yielded consistent improvements, with increases in R2 of up to ?0.20. RMSE values ranged from 0.33% to 0.52% for SOM, 3.61% to 5.75% for Clay, and from 1.7 cmolc dm-3 to 2.6 cmolc dm-3 for CTCpH7. These differences reflect the complexity of soil properties, the influence of local management practices, and the sensitivity of the models to the distribution of calibration data, highlighting the importance of adapting the models to the specific conditions of the settlement. The integration of spectral predictions with Kriging interpolation allowed for the generation of consistent spatial maps, with external predictive errors (RMSEep) of 0.37% for MOS, 1.78% for clay, and 0.62 cmolc dm-3 for CTC, and mean absolute errors (AEep) of 0.29%, 1.45%, and 0.51 cmolc dm-3 , respectively. The comparison between observed and predicted maps indicated consistency in the spatial patterns of soil fertility, despite occasional discrepancies. Thus, Vis?NIR?SWIR spectroscopy proved to be a complementary tool to conventional analyses, with the potential to increase sampling density, reduce analytical costs, and support soil management planning in rural settlements.