Modelagem geoestatística das incertezas da distribuição espacial do fósforo disponível no solo, em área de cana-de-açúcar

portugais. O fósforo destaca-se como um dos nutrientes limitantes ao desenvolvimento da cultura da cana-de-açúcar em solos brasileiros. Esse elemento apresenta grande variabilidade espacial, coordenada pelos atributos que regem as reações de adsorção e dessorção. Estimativas espaciais são conduzidas por meio de interpolações geoestatísticas para a caracterização dessa variabilidade. No entanto, tais estimativas apresentam incertezas inerentes ao procedimento que estão associadas à estrutura de variabilidade do atributo em estudo e à configuração amostral da área. Dessa forma, avaliar a incerteza das predições associada à distribuição espacial do fósforo disponível (Plábil) é importante para otimizar o uso dos fertilizantes fosfatados. O objetivo deste estudo foi avaliar o desempenho da simulação sequencial gaussiana (SSG) e da krigagem ordinária (KO) na modelagem da incerteza das predições do fósforo disponível. Uma malha amostral com 626 pontos foi instalada em uma área experimental de 200 hectares de cana-de-açúcar no município de Tabapuã, São Paulo. Foram geradas 200 realizações por meio do algoritmo da SSG. As realizações da SSG reproduziram as estatísticas e a distribuição dos dados amostrais. A estatística G (0,81) indicou boa proximidade entre as frações dos valores simulados e as dos observados. As realizações da SSG preservaram a variabilidade espacial do Plábil, sem o efeito de suavização obtido pelo mapa da KO. A acurácia na reprodução do variograma dos dados amostrais, obtida pelas realizações da SSG foi, em média, 240 vezes maior que obtida por meio da KO. O mapa de incertezas, obtido por meio da KO, apresentou menor variação na área de estudo do que por SSG. Dessa forma, a avaliação das incertezas, pela SSG, evidenciou-se mais informativa, podendo ser utilizada para definir e delimitar, de forma mais precisa, as áreas de manejo específico.

anglais. Phosphorus is one of the limiting nutrients for sugarcane development in Brazilian soils. The spatial variability of this nutrient is great, defined by the properties that control its adsorption and desorption reactions. Spatial estimates to characterize this variability are based on geostatistical interpolation. However, inherent uncertainties in the procedure of these estimates are related to the variability structure of the property under study and the sample configuration of the area. Thus, the assessment of the uncertainty of estimates associated with the spatial distribution of available P (Plabile) is decisive to optimize the use of phosphate fertilizers. The purpose of this study was to evaluate the performance of sequential Gaussian simulation (sGs) and ordinary kriging (OK) in the modeling of uncertainty in available P estimates. A sampling grid with 626 points was established in a 200-ha experimental sugarcane field in Tabapuã, São Paulo State. The sGs algorithm generated 200 realizations. The sGs realizations reproduced the statistics and the distribution of the sample data. The G statistic (0.81) indicated good agreement between the values of simulated and observed fractions. The sGs realizations preserved the spatial variability of Plabile without the smoothing effect of the OK map. The accuracy in the reproduction of the variogram of the sample data obtained by the sGs realizations was on average 240 times higher than that obtained by OK. The uncertainty map, obtained by OK, showed less variation in the study area than that obtained by sGs. Thus, the evaluation of uncertainties by sGs was more informative and can be used to define and delimit specific management areas more precisely.