A área de estudo é denominada de Bacia Hidrográfica do Rio Una e está localizada no interior do Estado de São Paulo no Município de Ibiúna (Figura 1) que possui uma população de 73.309 habitantes com 55,7% dos habitantes residentes na zona rural devido a agricultura ser a principal atividade econômica do município (SEADE, 2017).

O Rio Una desemboca no reservatório de Itupararanga que é o principal manancial de captação de água do município de Sorocaba e região e fonte de água para irrigação de propriedades agrícolas. O clima predominante na área de estudo é do tipo Cwb segundo a classificação de Köeppen com vegetação original predominante de ombrófila densa montana (SILVA et al., 2016).

Figura 1
Localização da Bacia Hidrográfica do Rio Una
Fonte: Org.: dos Autores, 2017.

A Bacia Hidrográfica do Rio Una foi seccionada em Baixo, Médio e Alto Una para a distribuição dos pontos de amostragens de solo que foram distribuídos regularmente na Bacia Hidrográfica em uma malha quadrada com medidas laterais iguais a 1600 m, considerando o mapa de uso do solo e cobertura vegetal divulgado por Silva et al. (2016). Para a quantificação dos pontos de amostragens foi elaborado um procedimento metodológico onde considerou-se a área que cada uso do solo apresentava no Baixo, Médio e Alto Una, pois foi definido que deveria haver pelo menos uma amostragem de cada um dos usos do solo nesses compartimentos da Bacia Hidrográfica.

Para isso, foi considerado que caso a área de um determinado uso do solo fosse maior que a média, a área desse uso do solo seria dividida pela média e o seu valor indicaria quantos daquele uso do solo deveria haver naquele compartimento da Bacia Hidrográfica (Equação 1), caso contrário, seria atribuído o valor 1, que indica que deve haver pelo menos uma amostragem desse uso do solo (Equação 2).

Sendo:

$A_{uso}$ é área de um determinado uso do solo no Baixo, Médio ou Alto Una;

$M_c$é a média das áreas dos usos do solo no Baixo, Médio ou Alto Una;

$N_{amostra}$ é o número de amostras.

A Tabela 1 mostra os usos do solo e cobertura vegetal adotados para a amostragem de solo com suas respectivas áreas no Baixo, Médio e Alto Una, enquanto que, a Tabela 2 mostra o número de amostras pertencentes ao conjunto dos números naturais para cada tipo de uso do solo no Baixo, Médio e Alto Una, conforme as sentenças estabelecidas nas Equações 1 e 2.

Tabela 1
Classes de uso do solo e cobertura vegetal com suas respectivas áreas no Baixo, Médio e Alto Una

Fonte: Org.: dos Autores, 2017.

Tabela 2
Número de pontos de amostragem presentes no Baixo, Médio e Alto Una

Fonte: Org.: dos Autores, 2017.

Uma vez definido a quantidade de pontos de amostragens para cada uso do solo por compartimento da Bacia Hidrográfica (Baixo, Médio e Alto Una) foi distribuído os pontos espacialmente, levando em consideração o uso do solo, o espaçamento entre os pontos de amostragens de forma a buscar uma distribuição destes em uma malha regular para favorecer a interpolação dos dados (YAMAMOTO; LANDIM, 2013), além da proximidade com estradas para facilitar o acesso aos pontos coleta do solo. Não foram consideradas as classes de solo existentes para alocação dos pontos de amostragens, pois a base cartográfica disponível têm uma escala pequena (1:500.000) e indica apenas três classes de solo para a área estudada, não sendo, portanto, representativa para este estudo.

A Figura 2 mostra a distribuição dos pontos de amostragens do solo ao longo da Bacia Hidrográfica do Rio Una.

Figura 2
Localização dos pontos de amostragens na Bacia Hidrográfica do Rio Una
Fonte: Org.: dos Autores, 2017.

A coleta do solo foi realizada em outubro de 2015. Nesse processo foi utilizado um GPS de navegação da marca Garmim modelo Etrex Vista para localização e locomoção na área de estudo, bem como um trado de caneco, um enxadão e uma pá para a coleta de solo na profundidade de 0 a 20 cm, conforme recomendações técnicas contidas no Boletim Técnico 100 do Instituto Agronômico de Campinas - IAC (RAIJ et al., 1996). As análises foram realizadas nos laboratórios do IAC segundo os métodos de análise contidos no Boletim Técnico 106 desse instituto (CAMARGO et al., 2009).

O solo é um dos recursos naturais de maior importância cuja heterogeneidade, decorrente do processo de formação natural e do uso e manejo antrópico, reflete na variabilidade de seus atributos físicos e químicos. Por isso, a geoestatística foi utilizada para avaliar a variabilidade espacial dos atributos do solo estudados como potássio, fósforo, cálcio, magnésio, matéria orgânica (MO), Potencial Hidrogeniônico (pH), Capacidade de Troca Catiônica (CTC) e Saturação por Bases do Solo (V) , sendo a dependência espacial expressa através da função de semivariância $\widehat{\mathrm{\gamma }}\left(\mathrm{h}\right)$, estimada pela Equação (3):

Sendo:

N(h) são os valores amostrados de um determinado atributo do solo estudado, Z(xi) e Z(xi+h), separados pela distância h.

O gráfico de $\widehat{\gamma }\left(h\right)$ versus os valores correspondentes de h é chamado de semivariograma (YAMAMOTO; LANDIM, 2013).

Constatada a presença de dependência espacial entre os dados, foram realizadas inferências para estimar os valores dos atributos do solo estudados em locais não amostrados e depois confeccionado os mapas da distribuição destes atributos na Bacia Hidrográfica do Rio Una. Para isso, utilizou-se o método de interpolação da Krigagem ordinária que utiliza um estimador linear não viciado com mínima variância e leva em consideração a estrutura de variabilidade encontrada para o atributo (YAMAMOTO; LANDIM, 2013) sendo definido pela Equação (4):

Sendo:

$Z_{KO}^{*}$ é o estimador para um ponto (x₀ ) da região;

λ_i (i=1,n) são os pesos usados na estimativa;

Z(x_i) (i=1,n) é o conjunto de n dados disponíveis.

A construção do estimador, na Krigagem ordinária, não requer o conhecimento inicial da média estacionária da amostragem, porém requer que a soma dos pesos $(\sum _{i=1}^n{\lambda }_i)$ seja igual a 1. Uma necessidade da Krigagem ordinária é que os valores amostrados não apresentem tendência, portanto, foi avaliado se o conjunto de dados apresentava ou não tendência (YAMAMOTO; LANDIM, 2013).

Para análise geoestatística, os modelos teóricos usados para ajuste foram: esférico, exponencial e gaussiano. A validação e escolha do modelo mais adequado foi baseada na média dos erros (ME), na média dos erros de predição padronizados (MS), raiz quadrada da média do quadrado das diferenças entre os valores estimados e o verdadeiro (Root-Mean-Square -RMS), erro padrão da média do erro de predição (Average Standard Error - ASE) e raiz quadrada da média do quadrado das diferenças entre os valores estimados e o verdadeiro padronizado (Root-Mean-Square-Standardized - RMSS). Para predições não viezadas (que representam o valor real), ME e MS devem ter valores próximos de zero e RMS e ASE tenham valores próximos, o que diminui a incerteza associada quanto às predições e, ainda, para uma maior acurácia RMS deve apresentar baixos valores, o que indica uma menor variabilidade entre os valores preditos e os respectivos valores verdadeiros. Para o valor de RMSS, se for superior a 1, a variabilidade da predição está sendo subestimada, caso contrário, superestimada, assim o valor ideal é o mais próximo possível de 1 (TATALOVICH et al., 2006; GEORGAKARAKOS; KITSIOU, 2008; PASINI et al., 2014).

Essa análise foi desenvolvida no software ArcGIS 10.1. Esse ajuste permitiu a partir do semivariograma definir os seguintes parâmetros: efeito pepita (C₀), patamar (C) e alcance (a). O alcance é a distância a partir da qual não ocorre mais dependência espacial entre as amostras, enquanto, o efeito pepita é o valor da função na origem ou descontinuidade do semivariograma. Já o patamar, por sua vez, consiste no valor onde o semivariograma se estabiliza e as amostras se tornam independentes (YAMAMOTO; LANDIM, 2013).

Além disso, foi verificado se havia casos de anisotropias, o que significa dizer que há direções privilegiadas que condicionam a gênese do fenômeno, a qual é percebida nos semivariogramas quando o alcance ou o patamar, ou ambos, variam conforme a direção. Para isso, foram gerados os semivariogramas direcionais, e as direções frequentemente utilizadas são 0º, 45º, 90º e 135º com tolerância angular de 22,5º (YAMAMOTO; LANDIM, 2013).

Para avaliar a dependência espacial do fenômeno utilizou-se o Índice de Dependência Espacial (IDE) proposto por Cambardella et al. (1994) que utiliza o efeito pepita (C₀) e a contribuição (C) em seus cálculos, sendo expresso pela Equação (5) com a seguinte classificação para os seus valores: se IDE ≤ 25% o fenômeno tem forte dependência espacial; entre 25% e 75% tem dependência espacial moderada e ≥ 75% tem fraca dependência espacial.

Segundo as conclusões de Corá et al. (2004), Silva et al. (2008) e Souza et al. (2010), este interpolador é o que apresenta os melhores resultados para estimar a distribuição de atributos físicos e químicos dos solos, razão pela qual foi utilizado nesse estudo.

Para gerar o indicador de qualidade do solo, os mapas com a distribuição dos atributos do solo foram classificados segundo faixas de valores estabelecidas pelo Instituto Agronômico de Campinas (IAC) e pela Comissão de Fertilidade do Solo do Estado de Minas Gerais que estudam a fertilidade dos solos nos Estados de São Paulo e Minas Gerais (RAIJ et al., 1996; RIBEIRO et al.,1999).

A Tabela 3 mostra as faixas com classificações de muito baixa a muito alto de fertilidade do solo para fins de agricultura que foram usadas para compor o índice de sustentabilidade do solo. As unidades de medida dos valores apresentados na Tabela 3 foram convertidas de cmolc/dm³ e mg/dm³ para kg/tonelada de solo e da matéria orgânica de g/dm³ para kg/tonelada de solo (BROWN; HOLME, 2009). A conversão da unidade dos nutrientes e da matéria orgânica foi adotada neste estudo para quantificar, em quilos, a presença desses nutrientes em uma tonelada de solo e, assim, facilitar a percepção e leitura dos mapas por gestores públicos e servir de subsídio para políticas públicas.

Tabela 3
Classificação da fertilidade dos atributos do solo

Fonte: Adaptado de ⁽¹⁾Raij et al. (1996) e ⁽²⁾Ribeiro et al. (1999).

Os mapas que apresentavam a distribuição dos atributos do solo foram reclassificados conforme as classes presentes na Tabela 3 e atribuído valores a essas faixas de classificações que variavam de 1 a 5, onde 1 indicava péssima qualidade e 5 ótima qualidade conforme pode ser visto na Tabela 4. Somente aos valores do pH do solo foram atribuídos valores diferentes aos demais atributos, uma vez que, segundo a Comissão de Fertilidade do Solo do Estado de Minas Gerais, valores entre 5,5 a 6,0 são considerados adequados, enquanto que, os valores que não se encontram dentro desse intervalo são considerados inadequados. Para os valores de pH classificados como adequado foi atribuído valor igual a 5 e para os classificados como inadequado valor igual a 1.

Tabela 4
Valores numéricos das classes de qualidade dos atributos do solo

Fonte: Org.: dos Autores, 2017.

Para o cálculo final do índice de sustentabilidade do solo foi utilizado todos os planos de informação dos atributos do solo classificados. Foi calculada a média entre esses planos de informação resultando no plano de informação do Índice do Estado Ambiental do Solo (IEAS) com valores que podem variar de 1 a 5. Para essa operação algébrica foi utilizado a ferramenta Map Algebra do ArcGIS 10.1. Posteriormente, esse plano de informação resultante foi escalonado utilizando a Equação (6) para que o valor final do índice de qualidade do solo variasse de 0 a 1.

Sendo:

${\mathrm{I}\mathrm{E}\mathrm{A}\mathrm{S}}_{\mathrm{e}\mathrm{s}\mathrm{c}}$ é o valor final escalonado do Índice de Sustentabilidade Ambiental do Solo;

IEAS é o valor do Índice de Sustentabilidade Ambiental do Solo.