Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The irrigated áreas are caracterized by an intensification of the land use, and as consequence, an intense use of the soil. This usually results in a higher pressure of the soil structure degradation, causing many times soil compaction. The main cause is the intensive traffic of machines and equipments, that usually occurs an soil with higher soil water content. The soil compaction modifyes some soil physical characteristics, decreasing soil aeration, decrease water infitration and increasing the mechanical resistance of the soil, affecting root growing and development. The objetive of this study was to carry out soil physical characterization of irrigated areas of some Brazilian regions and collect informations necessary to guide soil management decisions. Soil sampling were taken in irrigated areas cultivated under a central pivot irrigation system, in the Rio Grande de Sul State (RS) and central region of Brazil. The soil profile was divided in three soil layers: superficial, intermediate and inferior. Samples were collected in the median portion of each soil layer and the following determinations: were conducted: soil texture, bulk density (Bd), particles density, porosity and the water content of the soil water potential of -0.001, -0.006, -0.033, -0.01, -0.5 and -1.5 Mpa. Soil types were grouped in seven ranges of clay content: 0-20; 20-30; 30-40; 40-50; 50-60; 60-70 and ligher than 70% of clay. For each clay content a critical values of bulk density (Bd) and of the soil macroporosity (macro) were established values (above and below the Bd and macro critical level) to classify as soil compacted. The indication of soil compaction was grouped in four levels: NC - no compacted; CD - indication of soil compaction due to Bd; CM - indication of soil compaction due to macroporosity and CDM - indication of soil compaction due to both: Bd and macroporosity. The majority of soil samples colleted in the RS was classified in the range of 40-50% of clay content in the superficial layer and in the range higher than 70% in the intermediate and inferior soil layers. In the Goias State (GO), the majority of soil samples were classified in the range of clay content higher than 70% in the three soil profile layers. In Minas Gerais State (MG) the majority of soil sample collected was classified in the range of 20-30% of clay content in the superficial and 30-40% of clay content in the intermediate and inferior layers. In the Bahia State (BA), the majority of soil sample collected was classified in the range of 0-20% of clay content, in the three layers of the profile. Considering the entire area sampled in the RS 66.5% presented indication of soil compaction in the superficial layer, 25% in the intermediate layer and 9.5% in the inferior layer. The superficial layer of the soil profile presented the highest frequency of soil samples with indication of soil compaction for the levels of CM and CDM for the range of 40-50% of clay content, and the range of 50-60% of clay content in the compaction level of CD. However, in the central region of Brazil; 13.3% of the areas in GO, 24.1% of the areas in MG, and 29.2% of the areas in BA had preseted indication of soil compaction in the superficial layer. In BA the collected soil samples in the superficial layer in the range 0-20% of clay content presented the highest frequency of indication of soil compaction for the leves CD, CM and CDM. In the state of GO and MG the highest indication of soil compaction in the superficial layer was observed for the CM level and occurred in the ranges of 20-30 and 30-40% of clay content. / As áreas irrigadas caracterizam-se pela intensificação dos cultivos, e por conseqüência, uma intensa utilização do solo. Isso resulta em uma maior pressão de degradação da estrutura do solo, ocasionando muitas vezes a compactação dos solos. O principal efeito refere-se ao tráfego de máquinas e equipamentos, que além de ser mais intenso, usualmente ocorre em solo com maior conteúdo de água, mais suscetível à compactação. A compactação altera as características do solo, diminuindo a aeração, infiltração de água no solo e aumentando a resistência mecânica à penetração, dificultando o crescimento dos vegetais. O objetivo do trabalho foi realizar a caracterização física dos solos irrigados de algumas regiões brasileiras, com vistas a promover uma base de informações para orientar a tomada de decisões relativas ao manejo de áreas irrigadas. O trabalho foi conduzido em áreas irrigadas sob pivô central, no Rio Grande do Sul (RS) e no Brasil central. Os perfis dos solos foram divididos em três camadas, superficial, intermediária e inferior. As amostras de solo foram coletadas na porção mediana de cada camada e realizou-se as seguintes determinações: textura do solo, densidade do solo (Ds) e de partículas, porosidade e conteúdo de água no solo nos potenciais de -0.001, -0.006, -0.033, -0.01, -0.5 e -1.5 MPa. Os solos foram agrupados em sete faixas de teor de argila assim descritas: 0-20; 20-30; 30-40; 40-50; 50-60; 60-70 e >70% de argila. Para cada faixa de teor de argila estabeleceu-se um valor crítico de densidade do solo (Ds) e de macroporosidade (macro), acima do qual (Ds) e abaixo do qual (macro), as amostras de solo foram caracterizadas com indicação de compactação. Em relação a indicação de compactação, as amostras de solos foram agrupados em quatro níveis: NC: amostra não compactada; C-D: amostra com indicação de compactação em função da Ds; C-M: amostra com indicação de compactação função da macro e CDM: amostra com indicação de compactação em função da Ds e macro. A maior freqüência das amostras de solo coletadas no Estado do RS foram classificadas na faixa de 40-50% de argila, na camada superficial e na faixa de argila superior a 70% nas camadas intermediária e inferior. No Estado de Goiás (GO), a maior freqüência das amostras coletadas foram classificadas na faixa de argila superior a 70% nas três camadas do perfil do solo. Em Minas Gerais (MG) observou-se que a maior freqüência das amostras de solo coletadas foi classificada na faixa de 20-30% de argila na camada superficial e 30-40% de argila nas camadas intermediária e inferior. No Estado da Bahia (BA) a maior freqüência das amostras coletadas foram classificadas na faixa de 0-20% de argila, nas três camadas do perfil do solo. Do total das áreas amostradas no RS, 66,5% apresentaram indicação de compactação do solo na camada superficial, 25% na camada intermediária e 9,5% na camada inferior. Na camada superficial, a faixa de 40-50% de argila apresentou a maior freqüência de amostras com indicação de compactação nos níveis C-M e C-DM e a faixa de 50-60% de argila no nível de compactação C-D. No Brasil central, 13,3% das áreas amostradas no Estado de GO, 24,1% das áreas de MG e 29,2% das áreas da BA, apresentaram indicação de compactação na camada de superficial. No Estado da BA, as amostras de solo coletadas na camada superficial classificadas na faixa de 0-20% de argila, apresentaram a maior freqüência de indicação de compactação nos níveis C-D, C-M e C-DM. Nos Estados de GO e MG a maior freqüência de indicação de compactação, na camada superficial, foi observada no nível C-M e ocorreu nas faixas de 20-30 e 30-40% de argila no Estado de GO e na faixa de 20-30% de argila no Estado de MG.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The determination of some soil physical characteristics, especially those related to water retention is difficult, requiring careful soil sampling, laboratories with sophisticated and high-cost equipment, highly trained personal and high demand of labor time. All of these factors greatly limit the number of specialized labs and make the access to that information very difficult. Alternatively, it is possible to estimate the points of the soil water retention curve using other soil physical attributes, based on pedotransfer functions (PTFs). The main objective of this study was to obtain mathematical models to estimate the soil water retention curve of some irrigated soils of Rio Grande do Sul State. These generated models can be used in soil physics labs to estimate the entire soil water retention curve. The work was carried out using 2235 soil samples, collected in three soil depths (surface, intermediate and lower layer of soil profile) in irrigated areas of Rio Grande do Sul State. The database of soil physical analysis bellongs to the Sistema Irriga lab of the Federal University of Santa Maria. That database consists of information of soil texture (sand, silt and clay content), density (bulk and particles), soil porosity (macro, micro and total), besides the information of soil water content at the matric potential of 0, -1, -6, -33, -100, -500 and -1500 kPa. The equations were obtained through the stepwise option of SAS statistical program. It was used part of the data set (60% of samples) to generate the equations and the remaining (40%) to validate the equations generated for the three soil layers of the soil profile. PTFs were generated to estimate the soil water content at a matrix potential of 0, -1, -33, -100, -500 and -1500 kPa, in the superficial, intermediate and lower layers of the soil profile. All the generated equations presented as variable information of soil textural and structure attributes. The structural attributes showed a water retention at highest matrix potential. At lower matrix potential, the soil textural attributes were better correlated with soil water content. It was observed that increasing the homogeneity of the soil parameters data improve the accuracy in estimating the soil water retention curves using the generated equations. In general, the generated PTFs resulted in excellent predictive capacity of the soil water retention curves and may be used in soil physics labs to reduced labor time and cost, since the measured soil physical attributes are within the tolerated limit of each variable.higher correlation with the soil / A determinação de algumas características físico-hídricas do solo, especialmente aquelas ligadas à retenção de água, é difícil, exigindo criteriosa amostragem do solo, laboratórios com equipamentos sofisticados e de alto custo, técnicos treinados e alta demanda de tempo. Esses fatores limitam muito o número de laboratórios especializados e dificultam o acesso a essas informações. Alternativamente, é possível estimar a retenção de água através de outros atributos do solo, de simples obtenção, através de funções de pedotransferência (FPTs). O principal objetivo deste trabalho foi estabelecer modelos matemáticos para estimar a retenção de água em solos irrigados do Estado do Rio Grande do Sul, que possam ser utilizados em laboratórios de física do solo para a obtenção da curva característica de água dos solos. O trabalho foi realizado utilizando-se 2.235 amostras de solo das camadas superficial, intermediária e inferior de solos irrigados do Estado do RS, disponíveis no banco de dados de análises físicas do Sistema Irriga®. Esse banco de dados é composto por informações de textura do solo (areia, silte e argila), densidade (do solo e de partículas), porosidade do solo (macro, micro e total), além das informações do conteúdo de água nos potenciais de 0, -1, -6,- 33, -100, -500 e -1500 kPa. As equações foram obtidas através da opção stepwise do programa estatístico SAS. Utilizou-se parte do conjunto de dados (60% das amostras) para gerar as equações e o restante (40%) para validar as equações geradas em cada camada do perfil do solo. Foram geradas FPTs para estimar a retenção de água nos potenciais de 0, -1, -33, -100, -500 e -1500 kPa, nas camadas superficial, intermediária e inferior do perfil do solo. As equações obtidas apresentaram em sua constituição atributos texturais e estruturais do solo. Os atributos estruturais apresentaram maior correlação com a retenção de água nos potenciais mais elevados. Em potenciais mais baixos, os atributos texturais foram os que melhor se correlacionaram com a retenção de água. Observou-se que, quanto mais homogêneos são os dados das variáveis que compõem as equações, maior é a precisão na estimativa da retenção de água pelas equações geradas. De modo geral, as FPTs geradas apresentaram elevada capacidade preditiva dos dados, podendo ser disponibilizadas para utilização em laboratórios de física do solo, desde que sejam utilizadas dentro das faixas de validação das mesmas.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on the dynamics of water in the soil-plant-atmosphere such as water availability cultures infiltration drainage and movement of solutes into the soil, require knowledge of the relation between the water content in soil matric potential and represented by retention curve water. However, its implementation is laborious, requires considerable time and cost. An alternative is your estimate through statistical equations called pedotransfer functions (PTFs). The aim of this study was to generate PTFs for the different soil classes in the state of Rio Grande do Sul, through prediction methodologies. To develop the work we used data available in the literature, with values of hydro-physical characteristics and mineralogical characteristics of soils of the State, to estimate values of soil unit under different stresses. In possession of the database was conducted subdivision thereof, in different textural classes identified in the state in an attempt to improve the predictive ability of pedofunctions, forming more homogeneous subsets. The development of PTFs was from two modeling methods: (i) multiple linear regression (MLR) and (ii) artificial neural networks (ANNs). For the development of PTFs first methodology was used the "stepwise" (SAS, 1997). The PTFs generated from ANNs were implemented through the multilayer perceptron with backpropagation algorithm and Levenberg-Marquardt optimization. Each network is trained by varying the number of neurons in the input layer and the number of neurons in the hidden layer. The output variable was water content in soil matric potentials of 0, -6, -10, -33, -100, -500 and -1500 kPa. For each architecture, the network was trained several times, picking up training at the end of the architecture with lower mean relative error and lower variance in relation to the validation data. The efficiency of PTFs were analyzed graphically by the ratio 1:1 between data versus the observed and estimated by means of the following statistical indicators: correlation coefficient (r); concordance index Wilmont (c); coefficient of determination (R2) and performance index (id). The results showed that the more homogeneous is the data of the variables that compose the PTFs, the greater the precision in estimating the water retention in the soil, for the same. The network architecture consists of 4 inputs, showed high accuracy in the estimation of variables. The PTFs developed by ANNs outperformed the predictive ability of the standard method (MLR). Thus, the estimate of the retention curve of soil water by means of ANNs trained by classes textures, presents itself as a subsidy techniques adopted in irrigated agriculture. / Estudos que envolvem a dinâmica da água no sistema solo-planta-atmosfera tais como disponibilidade de água as culturas, infiltração, drenagem e movimento de solutos no solo, necessitam do conhecimento da relação entre o conteúdo de água no solo e o potencial matricial, representada pela curva de retenção de água. No entanto, sua execução é laboriosa, demanda considerável tempo e custos. Uma alternativa é sua estimativa através de equações estatísticas denominadas Funções de Pedotransferência (FPTs). O objetivo deste estudo foi gerar FPTs para as diferentes classes de solos do Estado do Rio Grande do Sul, por meio de metodologias de predição. Para desenvolver o trabalho foram utilizados dados, disponíveis na literatura, com valores de características físico-hídricas e mineralógicas, de solos do Estado, para estimar valores de umidade de solo, sob diferentes tensões. De posse do banco de dados foi realizado a subdivisão do mesmo, nas diferentes classes texturais identificada no Estado, na tentativa de melhorar a capacidade preditiva das pedofunções, formando subconjuntos mais homogêneos. O desenvolvimento das FPTs foi a partir de dois métodos de modelagem: (i) regressão linear múltipla (RLM) e (ii) redes neurais artificiais (RNAs). Para o desenvolvimento das FPTs pela primeira metodologia, foi utilizada a opção stepwise (SAS, 1997). As FPTs geradas a partir de RNAs, foram implementadas através do perceptron multicamadas com algoritmo backpropagation e otimização Levenberg-Marquardt. As redes foram treinadas variando-se o número de neurônios na camada de entrada e número de neurônios na camada escondida. A variável de saída foi conteúdo de água no solo nos potenciais matriciais de 0, -6, -10, -33, -100, -500 e -1500 kPa. Para cada arquitetura, a rede foi treinada diversas vezes, escolhendo-se no final do treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos dados de validação. A eficiência das FPTs foram analisadas graficamente pela relação 1:1, entre os dados estimados versus os observados e, por meio dos seguintes indicadores estatísticos: coeficiente de correlação (r); índice de concordância de Wilmont (c); coeficiente de determinação (R2) e índice de desempenho (id). Os resultados mostraram que quanto mais homogêneos são os dados das variáveis que compõem as FPTs, maior é a precisão na estimativa da retenção de água no solo, pelas mesmas. As redes de arquitetura formada por 4 entradas, apresentaram elevada precisão na estimativa das variáveis. As FPTs desenvolvidas por RNAs superaram a capacidade preditiva do método padrão (RLM). Deste modo, a estimativa da curva de retenção de água no solo, por meio das RNAs treinadas por classes texturais, apresenta-se como um subsídio as técnicas adotadas na agricultura irrigada. Palavras-chave: Pedofunções. Umidade do solo. Potencial matricial. Inteligência artificial

The knowledge of the relationships between physical and mechanical properties of the soil may contribute to the development of pedotransfer functions (PTFs), to estimate other soil properties are difficult to measure. The objectives of this work were to estimate the preconsolidation pressure and soil resistance to penetration, using predictive methodologies, using data available in the literature, with physical-hydrological and mineralogical characteristics of soils. The development of PTFs was based on three modeling methods: (i) multiple linear regression (MLR), (ii) artificial neural networks (ANNs) and (iii) support vector machines (SVM). The first proposed methodology for the development of PTFs was the stepwise option of the IBM-SPSS 20.0® software. The models generated from the second methodology, ie RNA were implemented through the multilayer perceptron with backpropagation algorithm and Levenberg-Marquardt optimization of Matlab®2008b software, with variations of the number of neurons in the input layer and number of neurons In the middle layer. The third methodology was to generate PTFs from SVM that fit within the data mining process by exercising the Waikato Environment for Knowledge Analysis software (RapidMiner 5). The SVM training was performed by varying the number of input data, the kernel function and coefficients of these functions. Once the estimates were made, the performance indices (id) and classified according to Camargo and Sentelhas (1997) were calculated, thus comparing the methods between themselves and others already established. The obtained results showed that artificial intelligence models (RNA and MVS) are efficient and have predictive capacity superior to the established models, in data conditions of soils with textural classes and diverse managements, and similar, although with higher performance index values for Conditions of soils of the same textural class exposed to the same management. / O conhecimento das relações entre propriedades físicas e mecânicas do solo pode contribuir no desenvolvimento de funções de pedotransferência (FPTs), que permitam estimar outras propriedades do solo de difícil mensuração. Os objetivos deste trabalho foram estimar a pressão de preconsolidação e a resistência do solo à penetração, com o uso de metodologias de predição, utilizando-se de dados disponíveis na literatura, com valores de características físico-hídricas e mineralógicas dos solos. Os valores estimados foram obtidos a partir de três métodos de modelagem: (i) regressão linear múltipla (RLM), (ii) redes neurais artificiais (RNA) e (iii) máquinas de vetores de suporte (MVS). A primeira metodologia proposta para o desenvolvimento dos modelos preditivos foi a opção stepwise do software IBM-SPSS 20.0®. Os modelos geradas a partir da segunda metodologia, ou seja, das RNA foram implementadas através do perceptron multicamadas com algoritmo backpropagation e otimização Levenberg-Marquardt do software Matlab®2008b, efetuando-se variações do número de neurônios na camada de entrada e número de neurônios na camada intermediária. A terceira metodologia foi gerar FPTs a partir de MVS que se enquadra dentro dos processos de mineração de dados utilizando para tal o software Waikato Environment for Knowledge Analysis® (RapidMiner 5). O treinamento das MVS foi realizado variando-se o número de dados de entrada, a função kernel e coeficientes destas funções. Realizadas as estimativas, foram calculados os índices de desempenho (id) e classificados segundo Camargo e Sentelhas (1997), podendo-se assim comparar os métodos entre si e a outros já consagrados. Os resultados obtidos mostraram que modelos de inteligência artificial (RNA e MVS) são eficientes e possuem capacidade preditiva superior aos modelos consagrados, em condições de dados de solos com classes texturais e manejos diversos, e semelhantes ainda que com valores de índice de desempenho superiores para condições de solos de mesma classe textural expostos ao mesmo manejo.

Submitted by Claudia Rocha (claudia.rocha@udesc.br) on 2018-03-06T16:10:50Z No. of bitstreams: 1 PGCS14MA140.pdf: 1574830 bytes, checksum: 4217f8ffb682e61890fd939d7f9ca3e2 (MD5) / Made available in DSpace on 2018-03-06T16:10:50Z (GMT). No. of bitstreams: 1 PGCS14MA140.pdf: 1574830 bytes, checksum: 4217f8ffb682e61890fd939d7f9ca3e2 (MD5) Previous issue date: 2014-07-25 / Capes / Several techniques have been used to obtain soil water retention curve. Direct methods are time consuming and costly. Mathematical techniques have been used to replace direct methods through pedotransfer functions (PTFs), using predictors easily obtained and inexpensive to obtain parameters that expend more time and resources. PTFs generated from multiple regressions have shown reliable results but requires great knowledge of statistics. A new approach to obtaining PTFs, artificial neural networks (ANN) that does not require prior knowledge of statistical and database minimum, have been used in various areas of knowledge, and have been shown to be accurate and reliable. The study aimed to compare the efficiency of ANNs and multiple regressions to generate PTFs for estimating the retention and availability of water in soils of Santa Catarina state, located in a subtropical zone (region) of Brazil. The PTFs were generated for 940 horizons of representative soils of St. Catarina having as input data the particle size distribution (seven classes), the organic matter content, bulk density, particle density and output data water retention between from zero to 1500 kPa tension. The ANNs were generated using the software WEKA, with six neurons in the hidden layer using the error backpropagation algorithm (Multilayer Perceptron) and the cross-validation to stratify sample. Results showed that PTFs obtained from ANNs are more efficient than multiple regression. The PTFs that include specific texture data (five classes of sand), soil organic matter, soil bulk density, particle density, total porosity and their interactions better estimate the retention and availability of water in these soils. From these results, it is possible to develop a program that uses these PTFs generated to provide these values of SWRC, and is therefore an extremely useful tool for studies about soil water retention and avaibility / Várias técnicas vêm sendo utilizadas para obtenção da curva de retenção de água no solo. Como métodos diretos demandam tempo e são de alto custo, tem sido estudadas funções de pedotransferência (FPTs), as quais utilizam preditores de fácil obtenção e baixo custo para obter os parâmetros. FPTs geradas a partir de regressões múltiplas têm mostrado resultados confiáveis, mas exigem grande conhecimento estatístico para sua determinação. Uma nova abordagem para obtenção de FPTs é o uso de redes neurais artificiais (RNAs), que não exigem conhecimento prévio estatístico e podem ser obtidas utilizando-se um banco de dados mínimos. As RNAs vêm sendo utilizadas em diversas áreas do conhecimento, e têm se mostrado precisas e confiáveis. Este trabalho teve por objetivo comparar a eficiência de RNAs e regressões múltiplas na geração de FPTs para estimar a retenção e a disponibilidade de água em solos do estado de Santa Catarina. As FPTs foram geradas a partir de 940 horizontes de solos representativos de Santa Catarina, tendo como dados de entrada a granulometria (sete classes de tamanhos de partículas), o teor de matéria orgânica, a densidade do solo e de partículas e, como dados de saída, a retenção de água nas tensões de 0 até 1.500 kPa. As RNAs foram geradas utilizando o software WEKA, tendo como arquitetura a rede Multilayer Perceptron, com seis neurônios na camada escondida, utilizando-se a função de retropropagação do erro (Backpropagation) e validação cruzada para estratificar a amostra. As FPTs obtidas a partir de RNAs são mais eficientes que as regressões múltiplas. As FPTs pontuais, que incluem dados de granulometria (cinco divisões de areia), matéria orgânica do solo, densidade do solo, densidade de partículas, porosidade total e suas interações estimam melhor a retenção e a disponibilidade de água nestes solos. A partir destes resultados, é possível desenvolver um programa que utiliza as FPTs geradas para estimar a curva de retenção de água, sendo, portanto uma ferramenta extremamente útil para estudos que envolvam a retenção e a disponibilidade de água no solo

The purpose of the present work was to establish and to test pedotransfer functions for water retention the Rio Grande do Sul s soils. Water retention data were obtained from Solano Peraza s dissertation, Irriga System database and in the literature. The first part of this work was the collect soil water retention data and pedotransfer functions for Rio Grande do Sul soils, forming the literature data base, in a total of 24 papers and 624 database of the water retention. The samples obtained from of Solano Peraza were collected soil profiles, in a total of 86 data of water retention, and the Irriga Project provided a database with a total of 253 data of water retention. With these database, multiple regression were done to obtain the pedotransfer functions for each database, using the option stepwise , to determine water retention in a determined potential ( -1, -6, -10, -33, -100, -500 e 1500 kPa) for different soils. To test the efficiency of the equations produced, observed vs. estimated water retention, for each water potencial, were graphed on 1:1 type retention. In almost all cases, total sand presented a high association with the water retention, followed by clay and silt content. With the reduction on in water tension (increase of the original potential), the correlation increased notably. The pedotransfer equations are efficient only when they are used to estimate moisture for soil similar to those used to obtain the equations. Besides, the database feature affects the prediction capacity of the equations produced. When some soils are predominant in the database, the equations produced show the features of those soils and, when they are used to soil moisture, the error will be larger. The contents of sand and clay together with the soil bulk density best described water retention in the linear multiple regressions. Sand content had a negative relation with water retention, while clay presented a positive relation. The soil bulk density showed a negative relation with water retention the potential of 6 to 500 kPa and a positive relation with water retained at 1500 kPa. The best estimation of water retention occurred at a potential of 1500 kPa. / O trabalho foi desenvolvido com o objetivo de estabelecer e testar funções de pedotransferência para retenção de água em solos do Rio Grande do Sul. As informações de retenção de água foram obtidas das seguintes fontes: amostras da dissertação de Solano Peraza (2003), amostras obtidas pelo Sistema Irriga e amostras obtidas na Literatura. A primeira etapa do trabalho consistiu na coleta de informações de retenção de água no solo e de funções de pedotransferência para solos do Rio Grande do Sul, constituindo o banco de dados Literatura, totalizando 24 trabalhos e 624 dados de retenção de água. As amostras obtidas do banco Solano Peraza (2003) foram coletadas em cortes de estradas com exposição do perfil do solo, totalizando um banco de dados com 86 dados de retenção de água, enquanto o Projeto Irriga nos repassou um banco de dados com um total de 253 dados de retenção de água. A partir desses bancos de dados, foram feitas análises de regressão múltipla para a obtenção das funções de pedotransferência para cada banco de dados, usando a opção stepwise (SAS, 1997), para determinar o teor de água em um determinado potencial (-1, -6, -10, -33, -100, -500 e -1500 kPa) para os diferentes solos. Para testar a eficiência das equações geradas, fez-se a comparação dos teores de umidade observados com os teores estimados para cada equação em determinado potencial e, assim, confrontaram-se os dados estimados com os observados numa relação gráfica 1:1. De modo geral, a areia total apresentou maior associação com a retenção de água, sendo seguida pelo teor de argila e silte. Com a diminuição na tensão de água (aumento do potencial matricial), a correlação aumenta consideravelmente. As equações de pedotransferência só são eficientes quando usadas para estimar a umidade para os solos a partir dos quais elas foram geradas. Além disso, a característica do banco de dados afeta a capacidade preditiva das equações geradas. Quando predominam determinadas classes de solos no banco de dados, as equações geradas refletem as características daqueles solos e, quando usadas para estimar a umidade de solos de classes diferentes, o erro será maior. Os teores de areia e argila juntamente com a densidade do solo foram os parâmetros que melhor descreveram a retenção de água através das regressões múltiplas geradas. O teor de areia apresenta uma relação negativa com a retenção de água enquanto a argila relaciona-se positivamente. A densidade do solo apresenta uma relação negativa com a retenção e água para os potenciais de -6 a -500 kPa e uma relação positiva com a água retida a -1500 kPa. A melhor estimativa da retenção de água ocorre para o potencial de -1500 kPa.

Made available in DSpace on 2016-12-08T15:50:03Z (GMT). No. of bitstreams: 1 PGMS12DA009.pdf: 7314998 bytes, checksum: 8e93659478a7813ba0b934959e229681 (MD5) Previous issue date: 2012-02-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Studies on the retention and availability of water are scarce for humid subtropical and temperate regions in the Southern Hemisphere. The objectives of this study were to evaluate, generate and validate some pedotransfer functions (PTFs) to estimate the retention and the availability of water in soils of Santa Catarina. Were sampled 44 profiles, in areas under different vegetal coverings, to determine the water retention at suctions from zero to 1.500 kPa, the particles size distribution (7 classes), the organic matter content, the bulck density and particle density of soil, the conductivity hydraulic, and the aggregate stability. Regarding the attributes, soils with finer texture and / or more organic matter retain higher water content, where the organic matter is the main attribute that governs the availability of water, mainly in the surface horizons. Some classes of sand, mainly very fine sand, fine and coarse fractions, have greater effects on water availability than the silt fraction. The soils with contrasting textural classes, with high contents of clay or sand, have the same content of water available, although the sand soils have very low field capacity. Increased water availability occurs in soils with textural class loam, with higher content of organic matter and the lower availability occurs in sand class soils. In relation to lithology, there is a higher retention in soils derived from igneous extrusive rocks of the Serra Geral Formation, metamorphic, intrusive igneous, and sedimentary with fine texture, and a lower retention in those derived from rocks or sedimentary deposits rich in quartz. Increased availability of water occurs in soils derived from siltstone and less in soils derived from granite and recent alluvial deposits. Regarding soil classes (suborders), the water retention is higher in Cambisols, Ferralsols and Nitosols, and lower in Quartzarenic Neosols. In relation the regions, the soils of the Midwest and West, Serrano Highlands and Valley of Itajaí have high water retention, the intermediary are the Eastern Sierra, and lower in the coast. Humic Cambisols and Entisols, located in the Serrano Highlands has increased availability of water, mainly because of high contents of organic matter. In relation to soil types in the normative instruction n. 2/2008 of the MAPA (BRAZIL, 2008), which classifies the soils as a function of clay and sand, it is observed that is not adequate to classify the soils of Santa Catarina in terms of availability of water, although, the hydraulic conductivity of the unsaturated soil is lower in Type 1 soils. In relation the pedotransfer functions of literature, they better estimate the retention than water availability and with greater precision by the functions originated from climate regions subtropical and for the subsurface horizons of the soil. Most functions evaluated underestimates the water retention, with greater deviations in soils with 20-60 % clay. About the functions generated for the soils of Santa Catarina, the estimation of retention and availability of water was better in those adjusted separately for surface and subsurface horizons. To estimate the water retention, the point PTFs must be used including data of the texture, organic matter and their interactions. To estimate the availability, the point PTFs should include the five classes of sand, silt, clay, organic matter, soil bulk density, soil particles density, total porosity and their interactions. The parametrics PTFs estimate properly the water retention curve for most of the textural classes of the soil, when data of texture, organic matter, soil bulk density, soil particles density, total porosity and their interactions are included as predictors. The class PTFs estimate properly the water retention curve for most of the soil textural classes of Santa Catarina / Estudos sobre a retenção e disponibilidade de água são escassos para as regiões de clima subtropical ou temperado úmido do hemisfério sul. Os objetivos deste estudo foram avaliar, gerar e validar funções de pedotransferência (FPTs) para estimar a retenção e a disponibilidade de água em solos de Santa Catarina. Foram amostrados 44 perfis, em áreas sob diferentes coberturas vegetais, para determinar a retenção de água nas sucções de zero até 1.500 kPa, a distribuição do tamanho de partículas (7 classes), o teor de matéria orgânica, a densidade do solo e de partículas, a condutividade hidráulica e a estabilidade de agregados. Em relação aos atributos, solos com textura mais fina e/ou com maior teor de MO retêm maior conteúdo de água, sendo a MO é o principal atributo que governa a disponibilidade de água, principalmente nos horizontes superficiais. Algumas classes de areia, principalmente as areias muito fina, fina e grossa, possuem maiores efeitos sobre disponibilidade de água do que a fração silte. Os solos com classes texturais contrastantes, com elevados teores de argila ou de areia, disponibilizam o mesmo conteúdo de água disponível, embora os arenosos tenham baixa capacidade de campo. Maior conteúdo de água disponível ocorre em solos das classes com textura franca e com maior teor de MO, enquanto que a menor disponibilidade ocorre em solos da classe areia. Em relação à litologia, ocorre uma maior retenção em solos derivados de rochas ígneas extrusivas da Formação Serra Geral, e de rochas metamórficas, ígneas intrusivas e sedimentares de textura fina, e menor nos derivados de rochas ou depósitos sedimentares ricos em quartzo. Maior disponibilidade de água ocorre em solos derivados de siltitos e o menor em solos derivados de granito e de depósitos aluvionares recentes. Em relação às classes de solos (subordens), a retenção de água é maior nos Cambissolos, Nitossolos e Latossolos e menor nos Neossolos Quartzarênicos. Em relação às regiões, os solos do Meio Oeste e Oeste, Planalto Serrano e Vale do Itajaí possuem elevada retenção de água, euquanto que, nos da Serra Leste é intermediária e os do Litoral é baixa. Os Cambissolos Húmicos e os Neossolos Litólicos, localizados no Planalto Serrano, têm maior disponibilidade de água, principalmente devido aos elevados teores de matéria orgânica. Em relação aos tipos de solos da instrução normativa n. 2/2008 do MAPA (BRASIL, 2008), que classifica os solos em função do teor de argila e areia, observa-se que a mesma não é adequada para classificar os solos catarinenses quanto a disponibilidade de água. Entretanto, a condutividade hidráulica não saturada é menor nos solos do Tipo 1. Em relação às funções de pedotransferência (FPTs) publicadas na literatura, elas estimam melhor a retenção do que a disponibilidade de água, com maior precisão pelas funções originadas de regiões de clima subtropical e para os horizontes subsuperficiais do solo. A maioria das funções avaliadas subestima a retenção de água, com erros maiores nos solos com 20 a 60% de argila. Quanto às funções geradas para os solos de Santa Catarina, as que melhor estimam a retenção e disponibilidade de água são aquelas ajustadas separadamente para os horizontes superficiais e subsuperficiais. Para estimar a retenção de água devem ser utilizadas as FPTs pontuais que incluem dados de textura, matéria orgânica do solo e suas interações. Para estimar a disponibilidade de água devem ser utilizadas as FPTs pontuais que utilizam as cinco classes de areia, silte, argila, matéria orgânica, densidade do solo e de partículas, porosidade total e suas interações. As FPTs paramétricas estimam adequadamente a curva de retenção de umidade do solo para a maioria das classes texturais, quando são incluídos dados de textura, matéria orgânica, densidade do solo e de partículas, porosidade total e suas interações como variáveis preditoras. As FPTs de classe estimam adequadamente a curva de retenção de água do solo para a maioria das classes texturais dos solos de Santa Catarina