PEDO-TRANSFER FUNCTIONS FOR ESTIMATING SOIL BULK DENSITY IN CENTRAL AMAZONIA

Portuguese. A densidade do solo é um parâmetro de difícil aferição no campo da floresta amazônica e exige rigor metodológico para realizar inventários dos estoques de C e nutrientes nos solos, fazendo com que esse processo se torne oneroso e, certas vezes, inviável, dependendo das condições de trabalho. Objetivou-se com este estudo gerar modelos para estimar a densidade do solo a partir de parâmetros facilmente medidos em campo com confiabilidade, presentes em muitos inventários pedológicos. A construção dos modelos de regressão para estimar a densidade do solo usou dados sobre o teor de C, conteúdo de argila e pH em água medidos em 140 parcelas permanentes em florestas de terra-firme da região de Manaus, Estado do Amazonas, Brasil. Os resultados foram interpretados de acordo com o coeficiente de determinação (R2) e o critério Akaike de informação (AIC) dos modelos. Os modelos foram validados por meio de uma série de dados composta por 125 parcelas diferentes das usadas na geração dos modelos. O modelo que melhor estimou a densidade nas condições desse estudo foi o que incluiu o conteúdo de argila e o pH em H2O como variáveis independentes e apresentou R2 = 0,73 e AIC = -250,29. O modelo desta pesquisa foi comparado a equações existentes na literatura quanto ao desempenho da predição dos valores de densidade do solo. Os resultados apontaram que o uso da equação calibrada localmente evidenciou melhor desempenho para estimar a densidade do solo para as florestas de terra-firme da região de Manaus.

English. Under field conditions in the Amazon forest, soil bulk density is difficult to measure. Rigorous methodological criteria must be applied to obtain reliable inventories of C stocks and soil nutrients, making this process expensive and sometimes unfeasible. This study aimed to generate models to estimate soil bulk density based on parameters that can be easily and reliably measured in the field and that are available in many soil-related inventories. Stepwise regression models to predict bulk density were developed using data on soil C content, clay content and pH in water from 140 permanent plots in terra firme (upland) forests near Manaus, Amazonas State, Brazil. The model results were interpreted according to the coefficient of determination (R2) and Akaike information criterion (AIC) and were validated with a dataset consisting of 125 plots different from those used to generate the models. The model with best performance in estimating soil bulk density under the conditions of this study included clay content and pH in water as independent variables and had R2 = 0.73 and AIC = -250.29. The performance of this model for predicting soil density was compared with that of models from the literature. The results showed that the locally calibrated equation was the most accurate for estimating soil bulk density for upland forests in the Manaus region.