Dispersão de amostras de latossolo vermelho eutroférrico influenciadas por pré-tratamento para oxidação da matéria orgânica e pelo tipo de agitação mecânica

A dispersão de amostras de Latossolos oxídicos pode ser mais difícil devido a microagregados de alta estabilidade, que nem sempre são totalmente desfeitos pela dispersão química e mecânica. A combinação de métodos químicos e mecânicos associados ao pré-tratamento da amostra é importante para se obter completa dispersão das partículas do solo e mantê-la estável durante toda a marcha analítica. Diante do exposto, objetivou-se avaliar a eficiência da dispersão mecânica (agitação lenta com agitador orbital de mesa - 30 rpm por 16 h, na presença de abrasivo, e agitação rápida com agitadores do tipo coqueteleira - 1.200 rpm por 20 min) e química com NaOH 1N, associada ao pré-tratamento para eliminação da matéria orgânica, independentemente de seu teor na amostra de solo na realização da análise granulométrica utilizada como método de rotina. Para as análises, foram coletadas com trado holandês, em uma área de Latossolo Vermelho eutroférrico, 50 amostras de forma inteiramente casualizada, nas profundidades de 0-0,20 e de 1,15-1,25 m; cada amostra representou uma repetição. Foi possível concluir que: sempre ocorreu maior dispersão das amostras analisadas quando se fez o pré-tratamento para oxidação da MO; o processo de agitação lenta, em relação ao de agitação rápida, é sempre mais eficiente na dispersão das amostras de solo; e o tratamento que utilizou pré-tratamento para eliminação da MO e dispersão mecânica com agitação lenta por 16 h e 30 g de areia grossa como abrasivo foi mais eficiente na dispersão das amostras estudadas, tanto para as amostras coletadas entre 0 e 0,20 m como para as coletadas na profundidade de 1,15-1,25 m.

Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar¹

Soil information is needed for managing the agricultural environment. The aim of this study was to apply artificial neural networks (ANNs) for the prediction of soil classes using orbital remote sensing products, terrain attributes derived from a digital elevation model and local geology information as data sources. This approach to digital soil mapping was evaluated in an area with a high degree of lithologic diversity in the Serra do Mar. The neural network simulator used in this study was JavaNNS and the backpropagation learning algorithm. For soil class prediction, different combinations of the selected discriminant variables were tested: elevation, declivity, aspect, curvature, curvature plan, curvature profile, topographic index, solar radiation, LS topographic factor, local geology information, and clay mineral indices, iron oxides and the normalized difference vegetation index (NDVI) derived from an image of a Landsat-7 Enhanced Thematic Mapper Plus (ETM+) sensor. With the tested sets, best results were obtained when all discriminant variables were associated with geological information (overall accuracy 93.2 - 95.6 %, Kappa index 0.924 - 0.951, for set 13). Excluding the variable profile curvature (set 12), overall accuracy ranged from 93.9 to 95.4 % and the Kappa index from 0.932 to 0.948. The maps based on the neural network classifier were consistent and similar to conventional soil maps drawn for the study area, although with more spatial details. The results show the potential of ANNs for soil class prediction in mountainous areas with lithological diversity.

Radarsat backscattering from an agricultural scene

Orbital remote sensing in the microwave electromagnetic region has been presented as an important tool for agriculture monitoring. The satellite systems in operation have almost all-weather capability and high spatial resolution, which are features appropriated for agriculture. However, for full exploration of these data, an understanding of the relationships between the characteristics of each system and agricultural targets is necessary. This paper describes the behavior of backscattering coefficient (sigma°) derived from calibrated data of Radarsat images from an agricultural area. It is shown that in a dispersion diagram of sigma° there are three main regions in which most of the fields can be classified. The first one is characterized by low backscattering values, with pastures and bare soils; the second one has intermediate backscattering coefficients and comprises well grown crops mainly; and a third one, with high backscattering coefficients, in which there are fields with strong structures causing a kind of double bounce effect. The results of this research indicate that the use of Radarsat images is optimized when a multitemporal analysis is done making the best use of the agricultural calendar and of the dynamics of different cultures.

Characterization and discrimination of soils by their reflected electromagnetic energy

The objective of this work was to verify if reflected energy of soils can characterize and discriminate them. A spectroradiometer (Spectral reflectance between: 400-2,500 nm) was utilized in laboratory. The soils evaluated are located in Bauru region, SP, Brazil, and are classified as Typic Argiudoll (TR), Typic Eutrorthox (LR), Typic Argiudoll (PE), Typic Haplortox (LE), Typic Paleudalf (PV) and Typic Quartzipsamment (AQ). They were characterized by their spectral reflectance as for descriptive conventional methods (Brazilian and International) according to the types of spectral curves. A method for the spectral descriptive evaluation of soils was established. It was possible to characterize and discriminate the soils by their spectral reflectance, with exception for LR and TR. The spectral differences were better identified by the general shape of spectral curves, by the intensity of band absorption and angle tendencies. These characteristics were mainly influenced by organic matter, iron, granulometry and mineralogy constituents. A reduction of iron and clay contents, which influenced higher reflectance intensity and shape variations, occurred on the soils LR/TR, PE, LE, PV and AQ, on that sequence. Soils of the same group with different clay textures could be discriminated. The conventional descriptive evaluation of spectral curves was less efficient on discriminating soils. Simulated orbital data discriminated soils mainly by bands 5 and 7.

Toxicidade de antibióticos no cultivo in vitro da batata em meios semi-sólido e líquido

O objetivo deste trabalho foi avaliar os efeitos fitotóxicos de antibióticos no crescimento e na taxa de multiplicação in vitro da batata. Brotações da cultivar Baronesa foram cultivadas em meio de multiplicação de consistência semi-sólida e líquida. O meio de multiplicação foi formado pelos sais e vitaminas de MS ao qual adicionou-se um dos seguintes antibióticos: ampicilina, cloranfenicol, estreptomicina e tetraciclina, previamente selecionados em razão da ação bactericida sobre contaminantes da cultura, nas concentrações de 0, 32, 64, 128, 256, 512 e 1.024 mg L-1. Por 21 dias os materiais foram mantidos em sala de crescimento a 25±2°C, 16 horas de luz e fluxo de radiação de 35 µmol m-2 s-1. Nos tratamentos em que se utilizou meio de cultura líquido, os frascos foram mantidos sob constante agitação em mesa agitadora do tipo orbital. A ampicilina foi o único antibiótico que não afetou a sobrevivência e o desenvolvimento dos explantes de batata em meio de multiplicação, podendo ser indicada para trabalhos de descontaminação in vitro dessa espécie. O aumento das concentrações de cloranfenicol, estreptomicina e tetraciclina no meio de cultura apresentou efeitos fitotóxicos severos sobre o crescimento e taxa de multiplicação do material vegetal.

Contribuições do solo e dossel em modelo de estimativa de biomassa aérea no Bioma Pampa

O objetivo deste trabalho foi avaliar o desempenho preditivo do submodelo espectral do modelo JONG, com a inserção de variáveis espectrais que considerassem a densidade de biomassa do dossel e as contribuições dos diferentes solos subjacentes. Índices calculados pela diferença e razão simples - entre as bandas 4 e 3, 4 e 5, 4 e 7, do sensor orbital ETM+/Landsat 7 - foram sugeridos para representar a contribuição espectral dos solos subjacentes e a influência das diferenças estruturais dos dosséis. A parametrização da componente espectral foi implementada por regressão linear múltipla e, em seguida, foi comparada aos dados de biomassa obtidos em campo. As variáveis espectrais que melhor expressaram as variações da disponibilidade inicial de forragem foram a fração solo (modelo linear de mistura espectral) e a razão entre as bandas 4 e 7. A componente espectral do modelo JONG, com a nova parametrização, apresenta sensibilidade para eliminar as influências do solo e dossel na disponibilidade inicial de biomassa e facilita a interpretação dos resultados, em razão da relação entre as variáveis espectrais selecionadas.

Estimativa amostral objetiva de área plantada regional, apoiada em imagens de sensoriamento remoto

O objetivo deste trabalho foi desenvolver e avaliar um método para estimar a área plantada de soja em escala regional e calcular o erro estatístico associado à estimação. O método (Geosafras), que associa técnicas de amostragem estatística com características das imagens obtidas por sensoriamento remoto orbital, foi aplicado para obter estimativa amostral objetiva da área cultivada com soja, na safra de 2005/2006, no Estado do Rio Grande do Sul. Os municípios produtores de soja, no RS, foram distribuídos em dez estratos, com base em dados pré‑existentes de área cultivada com a cultura. O número de municípios selecionados, em cada estrato, seguiu a regra de alocação de Neyman. Em cada município selecionado, foram aleatorizados pontos correspondentes aos pixels das imagens, classificados como "soja" ou "não soja" após visita a campo. A partir dos dados de 3.000 pontos distribuídos nos 30 municípios selecionados, nos dez estratos, foi estimada a área cultivada com soja no RS, que totalizou 4.069.887 ha, com coeficiente de variação (CV) de 3,4%. Esta estimativa foi consistente com os dados oficiais. O método amostral objetivo estratificado, auxiliado por sensoriamento remoto, permite estimar a área cultivada com soja no Rio Grande do Sul e é capaz de quantificar o erro associado à estimativa realizada.