ABSTRACT The identification of erosion-susceptible areas is fundamental for the adoption of soil conservation practices. Thus, the best way to estimate the spatial pattern of soil erosion must be identified, in which the process uncertainties are also taken into consideration. The purpose of this study was to evaluate the spatial and temporal uncertainty of soil loss under two scenarios of sugarcane harvest management: green cane (GC) and burnt cane (BC). The study was carried out on a 200-ha area, in Tabapuã, São Paulo State, Brazil. A regular 626-point sampling grid was established in the area, with equidistant intervals of 50 m and a final plant density of about 3.3 samples per ha. The probability that the soil loss would exceed the tolerable limit of 6.67 t ha-1 yr-1 was estimated for each management scenario and after the five harvests. The temporal uncertainty was determined by integrating the estimated annual probabilities, representing the harvests. Areas with soil loss risks above the threshold were identified based on probability maps, generated from the individual and combined dichotomous variables. Soil losses from the BC were highest, during all five harvests. With the exception of the 5th harvest and the entire cultivation cycle under GC, all soil loss estimates were spatially dependent. From the 4th harvest under GC, the probability of the soil loss exceeding the threshold was above 80 % in zero percent of the area, whereas, for BC, the probability exceeded 80 % in 40 % of the area. The production cycle allowed the delimitation of priority areas for the adoption of conservation practices in each management. In the BC, areas with steeper slopes were more likely to exceed the threshold with lower uncertainties.

Resumo O objetivo deste trabalho foi avaliar a variabilidade espacial da umidade, da densidade e da porosidade de solo coeso cultivado com soja sob sistemas de manejo convencional e de plantio direto. Foram instaladas duas malhas regulares, uma para cada tipo de manejo. O solo foi coletado na profundidade de 0,00-0,20 m, e a variabilidade espacial de seus atributos foi analisada por meio de parâmetros do semivariograma e do interpolador geoestatístico krigagem ordinária. O solo apresentou maior densidade e conservação da umidade no plantio direto, e maior porosidade no manejo convencional.

Abstract The objective of this work was to evaluate the spatial variability of moisture content, bulk density, and porosity of a cohesive soil under conventional and no-tillage management systems. Two regular grids were installed, one for each management type. The soil was collected at the 0.00-0.20-m depth and the spatial variability of its attributes was analyzed by semivariogram parameters and ordinary kriging geostatistical interpolation. The soil showed greater bulk density and moisture conservation under no-tillage, and greater porosity under conventional tillage.

A avaliação da incerteza espacial das predições das perdas de nutrientes por erosão, associada aos modelos de paisagem, é importante ferramenta na análise e no planejamento conservacionista do solo. O objetivo deste trabalho foi avaliar a incerteza espacial e o local na predição das taxas de empobrecimento do solo por nutrientes (P, K, Ca e Mg) em razão da erosão hídrica em dois sistemas de colheita da cana-de-açúcar (cana crua e queimada), utilizando-se a simulação sequencial gaussiana (SSG). O estudo foi realizado em uma área de 200 ha, localizada em Tabapuã, Estado de São Paulo, sudeste do Brasil. Uma malha de amostragem regular foi estabelecida na área, com intervalos equidistantes de 50 m, totalizando 626 pontos. A taxa de empobrecimento do solo foi calculada com base na relação entre concentração dos nutrientes no sedimento erodido e os atributos químicos do solo original, ponto a ponto. Os dados foram submetidos à análise estatística descritiva e geoestatística. A taxa média de empobrecimento do solo para todos os nutrientes avaliados foi superior no cenário de cana queimada em relação ao cenário de cana crua (teste t-Student; p<0,05). Em ambos os cenários, a ordem da perda dos nutrientes foi: Ca>Mg>K>P. Áreas com maior taxa de empobrecimento do solo foram relacionadas à maior declividade da paisagem. As menores incertezas estão associadas às áreas com maiores taxas de empobrecimento do solo e declividades. Por sua vez, as maiores incertezas estão associadas às áreas de transição entre as pedoformas côncava e convexa.

The assessment of spatial uncertainty in the prediction of nutrient losses by erosion associated with landscape models is an important tool for soil conservation planning. The purpose of this study was to evaluate the spatial and local uncertainty in predicting depletion rates of soil nutrients (P, K, Ca, and Mg) by soil erosion from green and burnt sugarcane harvesting scenarios, using sequential Gaussian simulation (SGS). A regular grid with equidistant intervals of 50 m (626 points) was established in the 200-ha study area, in Tabapuã, São Paulo, Brazil. The rate of soil depletion (SD) was calculated from the relation between the nutrient concentration in the sediments and the chemical properties in the original soil for all grid points. The data were subjected to descriptive statistical and geostatistical analysis. The mean SD rate for all nutrients was higher in the slash-and-burn than the green cane harvest scenario (Student’s t-test, p<0.05). In both scenarios, nutrient loss followed the order: Ca>Mg>K>P. The SD rate was highest in areas with greater slope. Lower uncertainties were associated to the areas with higher SD and steeper slopes. Spatial uncertainties were highest for areas of transition between concave and convex landforms.

O objetivo deste trabalho foi avaliar o desempenho da simulação sequencial gaussiana (SSG) e da simulação sequencial indicatriz (SSI) na modelagem da incerteza das predições do K disponível em área de cana-de-açúcar, e comparar as simulações com o método já consagrado de krigagem ordinária (KO). Uma malha amostral com 626 pontos foi instalada em área de 200 ha, no Município de Tabapuã, em São Paulo. As simulações reproduziram a variabilidade dos dados amostrais de K disponível, enquanto a KO superestimou os baixos teores de K e subestimou os altos. O mapa de desvio-padrão obtido a partir da KO mostrou menor variação ao longo da área de estudo, quando comparado aos mapas obtidos a partir das simulações. A SSI obteve acurácia 22% superior à obtida pela SSG, na modelagem da função de distribuição condicional do K. As simulações apresentam maior eficiência que a KO para modelar incerteza na distribuição espacial do K. A SSI apresenta melhor desempenho que a SSG na estimativa dos teores de K disponível, em área de cana-de-açúcar.

The objective of this work was to evaluate the performance of the sequential Gaussian simulation (SGS) and the sequential indicator simulation (SIS) for modeling the uncertainty of available K predictions in a sugarcane area, and to compare both simulations to the already established method of ordinary kriging (OK). A sampling grid with 626 points was installed in an area of 200 ha, in the municipality of Tabapuã, in the state of São Paulo, Brazil. The simulations reproduced the variability in the available K sample data, whereas OK overestimated the low K levels and underestimated the high ones. The standard deviation map obtained from OK showed less variation along the studied area when compared to the maps obtained from the simulations. SIS achieved an accuracy 22% higher than that obtained by SGS for modeling the conditional distribution function of K. The simulations have higher efficiency than OK for modeling the uncertainty in the spatial distribution of K. SIS has better performance than SGS for estimating the levels of available K in sugarcane area.

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.

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.