Os solos brasileiros apresentam grande variabilidade química natural e com isso a condutividade elétrica aparente (CEa) pode auxiliar na interpretação das variações de produtividade das culturas. O objetivo deste trabalho foi selecionar atributos químicos do solo com a melhor correlação linear e espacial, para explicar a variabilidade da CEa do solo utilizando o aparelho Profiler modelo EMP-400. O estudo foi realizado no município de Sidrolândia, MS, e as variáveis avaliadas no solo foram: CE 2 kHz, CE 7 kHz, CE 15 kHz, matéria orgânica, K disponível, saturação de bases e capacidade de troca catiônica (CTC). A medição da CEa do solo foi feita com auxílio de um quadricículo, percorrendo a área total com espaçamento de 0,45 m entre passadas. As amostras de solo foram coletadas na profundidade de 0-20 cm, totalizando 36 amostras de solo em aproximadamente 70 ha. Para cada atributo analisado, realizou-se a análise descritiva clássica, utilizando o programa SAS, e para a dependência espacial, usou-se o GS+. O equipamento foi capaz de detectar simultaneamente as CEas nas diferentes frequências; por meio da análise de correlação com os atributos químicos do solo, foi possível estabelecer as zonas específicas de manejo. O atributo do solo que melhor se correlacionou com a CEa foi a CTC, para a frequência de 15 kHz.
Brazilian soils have natural high chemical variability; thus, apparent electrical conductivity (ECa) can assist interpretation of crop yield variations. We aimed to select soil chemical properties with the best linear and spatial correlations to explain ECa variation in the soil using a Profiler sensor (EMP-400). The study was carried out in Sidrolândia, MS, Brazil. We analyzed the following variables: electrical conductivity - EC (2, 7, and 15 kHz), organic matter, available K, base saturation, and cation exchange capacity (CEC). Soil ECa was measured with the aid of an all-terrain vehicle, which crossed the entire area in strips spaced at 0.45 m. Soil samples were collected at the 0-20 cm depth with a total of 36 samples within about 70 ha. Classical descriptive analysis was applied to each property via SAS software, and GS+ for spatial dependence analysis. The equipment was able to simultaneously detect ECa at the different frequencies. It was also possible to establish site-specific management zones through analysis of correlation with chemical properties. We observed that CEC was the property that had the best correlation with ECa at 15 kHz.