UNIVERSIDADE FEDERAL DE MATO GROSSO ...§ões-Teses...caracterizam uma região problemática, que...

UNIVERSIDADE FEDERAL DE MATO GROSSO

FACULDADE DE AGRONOMIA E ZOOTECNIA – FAAZ

Programa de Pós-graduação em Agricultura Tropical

POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE

MATO GROSSO

LUIS AUGUSTO DI LORETO DI RAIMO

CUIABÁ – MT

2017

UNIVERSIDADE FEDERAL DE MATO GROSSO

FACULDADE DE AGRONOMIA E ZOOTECNIA – FAAZ

Programa de Pós-graduação em Agricultura Tropical

POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE

MATO GROSSO

LUIS AUGUSTO DI LORETO DI RAIMO

Engenheiro Agrônomo

ORIENTADOR: Prof. Dr. RICARDO SANTOS SILVA AMORIM

Dissertação apresentada ao programa de pós-graduação em Agricultura Tropical, da Universidade Federal de Mato Grosso, como requisito para a obtenção do título de Mestre em Agricultura Tropical.

CUIABÁ – MT

2017

AGRADECIMENTOS

Por vários dias tentei pensar como escrever esse item. Por mais que seja o único

com formato de escrita livre, se fez o mais difícil de ser escrito. Talvez, devido à

vontade que sinto de expressar com palavras tudo que esse período de 2 anos

significou para mim e todos os agradecimentos que tenho necessidade de fazer.

Comecei um novo desafio a mais ou menos 2 anos atrás. Quem diria, que hoje

estaria escrevendo este item, agradecendo e relembrando o tempo que passou.

Certamente foi uma das experiencias mais difíceis da minha vida, mas não será a

maior, assim espero. Não foi fácil superar alguns obstáculos, as pernas pareciam

pequenas demais para pular. Mas com muito apoio, consegui superá-los. E hoje?

Acho que as pernas esticaram um pouquinho. Esse apoio que me refiro, veio e ainda

vem de várias partes, as quais eu não poderia deixar de relembrar aqui.

Primeiramente, agradeço a Deus por ter me capacitado fisicamente e

mentalmente para realizar minhas necessidades e obrigações diárias.

Agradeço do fundo de meu coração aos meus pais, Lídia Di Loreto Di Raimo e

Carlos Di Raimo. Pais e pessoas exemplares, que nunca mediram esforços para me

educar. Sou eternamente grato por tudo que fizeram e fazem por mim. Eu amo vocês.

Agradeço também a minha noiva e futura esposa, Thays Nogueira da Silva.

Desde o apoio para me inscrever no processo de seleção até a preparação da minha

defesa, foi sempre muito presente e prestativa. Sabe deste trabalho tanto quanto eu,

por sempre querer ajudar e demostrar que o que eu faço tem muita importância.

Obrigado por todo o amor, momentos de alegrias e boa convivência. Por tudo que fez,

faz e representa para mim, você merece essa conquista tanto quanto eu.

Ao meu orientador, Ricardo Santos Silva Amorim, meu muito obrigado. Por

todos os diálogos, técnicos e profissionais destinados a produção deste trabalho, e

também pelos diálogos abertos, de amizade, brincadeira, conselhos e críticas. Além

de companheiros de trabalho, nos tornamos amigos e essa é uma das boas relações

que levarei desse mestrado.

Falando em boas relações, não poderia deixar de agradecer aos amigos que

fiz nesse período. Muitas vezes, enfrentar dificuldades sozinho é bem mais difícil, mas

quando compartilhamos com pessoas certas, tudo se torna mais fácil e mais leve. Os

laços de amizade feitos aqui na Agricultura Tropical foram muito importantes. Para

não ser injusto, citarei aqui os grupos “café com bobagem”, “maitop”, “amigos do

geoprocessamento” e “pelada é lenda”, onde estão todos os meus amigos de pós-

graduação.

Agradeço também ao meu sogro (Luiz Carlos da Silva) e minha sogra

(Valdinéia Nogueira da Silva), que me apoiam e auxiliam como se fossem pais.

Agradeço também a minha cunhada (Priscila Nogueira da Silva) pela boa convivência,

apoio e amizade.

Enfim, como eu iniciei este item, é muito difícil descrever apenas com palavras

todo o sentimento de alegria e gratidão que esse momento me proporciona. Mas,

gostaria de agradecer a todos que de maneira direta ou indireta me auxiliaram na

busca deste objetivo, afinal, vencemos essa batalha juntos.

POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE MATO GROSSO

RESUMO – Objetivou-se com o presente estudo estimar a variabilidade espacial do

potencial natural de erosão (PNE) para o estado de Mato Grosso. Os objetivos

específicos foram: estimar as variabilidades espaciais da erosividade (R e EI30), da

erodibilidade (K) e obter um mapa de fator topográfico LS. Após a obtenção dos

mapas, estes foram combinados (multiplicados entre si) utilizando o software ArcGIS.

Essa combinação gerou como produto final o mapa de PNE. O valor médio de R para

o Estado é classificado como alto e equivalente a 8835 MJ mm ha-1 ano-1. Nos meses

de outubro a abril, concentra-se 91% do R. O estado de Mato Grosso apresenta solos

com K baixo e médio na maior parte do seu território (98%). As áreas mais críticas (K

alto) ocupam 1,95%. Os valores do fator topográfico LS variaram de 0 a 4,6, com

predomínio de valores no intervalo de 0 a 1 (95,13% do Estado). Ocorrem no Estado

solos com PNE nas classes baixa, média e alta (20%, 58% e 22%, respectivamente).

As regiões de PNE alto são consideradas críticas, e apresentam maiores proporções

nas macrorregiões noroeste (46,69%), norte (32,70%) e oeste (30,06%). As grandes

extensões de PNE alto, ao norte da macrorregião oeste, utilizadas com agricultura,

caracterizam uma região problemática, que deve ser monitorada quanto as taxas

anuais de perda de solo.

Palavras chave: USLE, erosividade, erodibilidade, conservação do solo, perda de solo, SIG.

WATER NATURAL POTENTIAL EROSION FOR MATO GROSSO STATE

ABSTRACT - The objective of the present work was to estimate the spatial variability

of the natural potential erosion (NPE) for Mato Grosso state. The specifics objectives

were: estimate the spatial variabilities of erosivity (EI30 and R), erodibility (K) and

obtain a map for topografic factor LS. After obtaining the maps, these were combined

(multiplied) using ArcGIS software. This combination generated as final product the

PNE map. The mean value of R for State is classified as high and equivalent to 8835

MJ mm ha-1 year-1. 91% of annual erosivity is concentrated in the months of October

to April. The Mato Grosso state has in most of its territory (98%) low and medium

erodibility soils. The most critical areas (high erodibility) occupy 1.95% of the State.

The values of topographic factor LS ranged from 0 to 4.6, with predominance of values

ranging from 0 to 1 (95.13% of state territory). In the Mato Grosso state occur soils

with PNE in the low, middle and high classes (20%, 58% and 22%, respectively). The

areas of high PNE are considered critical and present higher proportions in the

northwest (46.69%), northern (32.70%) and western (30.06%) macro regions. The

large extensions of high PNE, in north of the west macro region, used with agriculture,

characterize a problematic region, where the annual rates of soil loss should be

monitored.

. Key words: USLE, erosivity, erodibility, soil conservation, Midwest.

SUMÁRIO Página

RESUMO..................................................................................................................... 7

ABSTRACT ................................................................................................................. 8

1. INTRODUÇÃO GERAL......................................................................................... 11

1.1. Referências Bibliográficas ............................................................................... 14

2. EROSIVIDADE PARA O ESTADO DE MATO GROSSO ..................................... 17

RESUMO................................................................................................................... 17

ABSTRACT ............................................................................................................... 18

2.1. Introdução ....................................................................................................... 19

2.2. Material e Métodos .......................................................................................... 21

2.3. Resultados e Discussão .................................................................................. 25

2.4. Conclusões ..................................................................................................... 38


3. ERODIBILIDADE PARA O ESTADO DE MATO GROSSO ................................. 45

RESUMO................................................................................................................... 45

ABSTRACT ............................................................................................................... 46

3.1. Introdução ....................................................................................................... 47



3.4. Conclusões ..................................................................................................... 66


4. POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE MATO GROSSO................................................................................................................... 71

RESUMO................................................................................................................... 71

ABSTRACT ............................................................................................................... 72

4.1. Introdução ....................................................................................................... 73



4.4. Conclusões ..................................................................................................... 89


5. CONCLUSÕES GERAIS ...................................................................................... 94

6. APÊNDICES ......................................................................................................... 95

6.1 APÊNDICE A – Estações pluviométricas utilizadas e seus respectivos valores

de erosividade mensais e anual. ............................................................................ 95

6.2 APÊNDICE B – Perfis de solo utilizados e seus respectivos valores de

erodibilidade (em destaque). ................................................................................ 103

6.3 APÊNDICE C – Fluxograma ilustrativo da metodologia utilizada para obtenção

dos mapas de erosividade mensal (EI30) e erosividade anual (R). ....................... 123

6.4 APÊNDICE D – Fluxograma ilustrativo da metodologia utilizada para obtenção

do mapa de erodibilidade (K). .............................................................................. 124

6.5 APÊNDICE E – Fluxograma ilustrativo da metodologia utilizada para obtenção

do mapa de Potencial Natural de Erosão (PNE). ................................................. 125

11

1. INTRODUÇÃO GERAL

A erosão do solo é um processo natural, que modela a paisagem e forma solos.

Porém, pode ser acelerada e intensificada quando o homem não respeita a

capacidade de uso da terra (Albuquerque et al., 2000; Bloise et al., 2001; Malick et al.,

2015). Segundo Marioti et al. (2013), o período em que os processos erosivos

deixaram de ocorrer exclusivamente de maneira natural coincide com a mudança de

hábito do homem. Deixando de ser nômade e passando a ser sedentário, o homem

começou a cultivar terras e influenciar no equilíbrio natural desse processo. Outro

marco importante, que caracteriza a intensificação e aceleração dos processos

erosivos foi a revolução industrial. No momento em que máquinas passaram a

substituir o trabalho manual, o solo passou a ser explorado em escalas e intensidades

maiores.

Atualmente, o processo erosivo é um dos principais causadores da degradação

e inutilização de solos. De acordo com Guerra et al. (2007), 56% da degradação dos

solos do mundo é causada por erosão hídrica. No estado de Mato Grosso,

especificamente ao que se refere a produção de algodão, estima-se que as perdas

anuais de solo alcançam 12 toneladas por hectare (Leite et al., 2009; Conab, 2010).

Essas perdas anuais equivalem à 1,2 mm do perfil de solo a cada cultivo dessa cultura,

considerando a densidade aparente de 1 g cm-3. Um solo submetido à essa taxa anual

de erosão, perderia em 125 anos uma camada de 15 cm, apenas com o cultivo de

algodão. De acordo com Smith e Stamey (1964), para a formação de 1 cm de solo

são necessários aproximadamente 100 anos.

A camada superficial retirada pelo processo erosivo é responsável pela

contaminação de mananciais, uma vez que a enxurrada carrega sedimentos coloidais

com altas concentrações de nutrientes (Guadagnin et al., 2005). Dentre esses

nutrientes carregados, o principal é o fósforo, por se concentrar predominantemente

na camada superficial de 0 a 2,5 cm (Nunes et al., 2011). Além do fósforo carregado

contribuir para a eutrofização de corpos de água, ressalta-se que suas reservas

mundiais estão escassas, com previsão de esgotamento até o ano de 2100 (Fixen,

2009).

Diante de toda a complicação econômica e ambiental provocada pela erosão

hídrica dos solos, desde o final do século XIX estudos dessa natureza se

intensificaram. Nessa época apenas eram descritos qualitativamente os principais

12

fatores que regem o processo erosivo (Amorim et al., 2006). Com o passar dos anos

e com os avanços nas pesquisas, modelos matemáticos empíricos foram

desenvolvidos para estimar as perdas de solo. Com aplicação ao longo de todo o

globo, destaca-se a equação universal de perda de solo (USLE), proposta por

Wischmeier e Smith (1978). A USLE leva em consideração seis fatores que,

sabidamente, influenciam no processo erosivo: erosividade (R), erodibilidade (K),

comprimento do declive (L), declividade (S), cobertura do solo (C) e práticas

conservacionistas (P).

O fator erosividade (R) é definido como a capacidade da chuva em causar erosão

em um solo sem proteção (Amorim et al., 2009; Bertoni e Lombardi Neto, 2012).

Dentro os fatores da USLE, o R é considerado um dos mais importantes (Shamshad

et al., 2008). Quando os demais fatores (K, L, S, C e P) são mantidos constantes, a

quantidade de solo erodido em um evento é diretamente proporcional ao R (Bertoni e

Lombardi Neto, 2012). Nas últimas décadas, diversos estudos foram desenvolvidos

em várias regiões do Brasil, para a estimativa do fator R da USLE (Lombardi Neto e

Moldenhauer, 1992; Silva et al., 1997; Mello et al., 2012; Oliveira et al., 2012; Aquino

et al., 2012; Machado et al., 2014; Viola et al., 2014; Almeida et al., 2016). A maioria

desses foi realizada a partir do coeficiente de chuva (Rc), que utiliza dados

pluviométricos ao invés de pluviográficos, geralmente escassos no território brasileiro

(Mello et al., 2012).

O fator erodibilidade (K), representa a susceptibilidade do solo ao processo

erosivo, de acordo com suas características (Silva et al., 2009). Logo, quando dois

solos possuem a mesma declividade, cobertura vegetal, práticas de manejo e são

expostos a condições iguais de chuvas, a quantidade de solo perdido por processos

erosivos em cada um deles pode ser diferente, justamente devido à erodibilidade de

cada solo (Corrêa et al., 2015). Como método padrão, o fator K é obtido a campo, em

parcelas experimentais (Bertol et al., 2007; Martins et al., 2011; Eduardo et al., 2013;

Schick et al., 2014). Contudo, devido a morosidade, alto custo e necessidade de vários

e sucessivos anos de estudos a campo, esses valores são frequentemente obtidos a

partir de fórmulas empíricas, a exemplo daquelas propostas por Wischmeier e Smith

(1978) e Denardin (1990).

Na USLE, os fatores L e S representam, respectivamente, a influência do

comprimento e declividade no processo de desprendimento de partículas de uma

encosta. Na aplicação prática da USLE, os fatores L e S são representados como um

13

fator único, denominado fator topográfico LS. O fator topográfico LS representa a

relação entre as perdas de solo de uma parcela qualquer e a parcela padrão, que

apresenta 22,1 metros de comprimento e 9% de declividade (Wischmeier e Smith,

1978).

Quando os fatores da USLE considerados antrópicos (cobertura do solo – C; e

práticas conservacionistas – P) são mantidos iguais a uma unidade, as perdas de solo

estimadas se referem ao potencial natural de erosão (PNE). Valores de PNE

possibilitam a identificação de áreas mais vulneráveis, que devem ser utilizadas com

maior cautela (Galdino et al, 2004; Mello et al., 2005; Silva, 2008; Silva et al., 2011).

Devido às perturbações econômicas e ambientais, geradas pelos processos

erosivos e, sabendo a necessidade de conhecer áreas com maiores ou menores

susceptibilidades à erosão, principalmente em regiões eminentemente agrícolas,

objetivou-se com o presente estudo, estimar e mapear a variabilidade espacial do PNE

para o estado de Mato Grosso. Para isso foi necessária a estimativa e mapeamento

das variabilidades espaciais da erosividade, erodibilidade e do fator topográfico LS.

14

1.1. Referências Bibliográficas

ALBUQUERQUE, J. A.; CASSOL, E. A.; REINERT, D. J. Relação entre a erodibilidade em entressulcos e estabilidade dos agregados. Revista Brasileira de Ciência do Solo, v. 24, n. 1, p. 141-151, 2000. ALMEIDA, R. T. S.; CASAROLI, D. Erosividade média e o calendário agrícola da Microrregião Sudoeste do estado de Goiás. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, n. 17, p. 26-43, 2016.

AMORIM, R. S. S.; SILVA, D. D.; PRUSKI, F. F. Principais modelos para estimar as perdas de solo em áreas agrícolas. In: PRUSKI, F. F. Conservação do solo e da água: práticas mecânicas para o controle da erosão hídrica. 2ª edição. Viçosa: Editora UFV, 2009, cap. 4, p.75 - 108. AQUINO, R. F.; SILVA, M. L. N.; FREITAS, D. A. F.; CURI, N.; MELLO, C. R.; AVANZI, J. C. Spatial variability of the rainfall erosivity in Southern region of Minas Gerais State, Brazil. Ciência e Agrotecnologia, v. 36, n. 5, p. 533-542, 2012. BAHIA, V. G.; CURI, N.; CARMO, D. D.; MARQUES, J. J. G. S. M. Fundamentos de erosão do solo. Informe Agropecuário, v.176, n. 16, p. 25-31, 1992. BERTOL, I.; LEITE, D.; ENGEL, F. L.; COGO, N. P.; GONZÁLEZ, A. P. Erodibilidade de um nitossolo háplico alumínico determinada em condições de campo. Revista Brasileira de Ciência do Solo, v. 31, n. 3, p. 541-549, 2007. BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. Piracicaba: Livroceres. 392p., 1985. BERTONI, D.; LOMBARDI NETO, F. Manual Técnico de manejo e conservação do solo e água. Campinas, SP: Coordenadoria de Assistência Técnica Integral, 1993. V. 1. (Manual técnico, 38). BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. 8ª edição. São Paulo: Editora Ícone, 2012. BLOISE, G. L. F.; CARVALHO JÚNIOR, O. A.; REATTO, A.; GUIMARÃES, R. F.; MARTINS, E. S.; CARVALHO, A. P. F. Avaliação da susceptibilidade natural à erosão dos solos da bacia do Olaria – DF. Boletim de pesquisa e desenvolvimento. Planaltina – DF, 2001. CORRÊA, E. A.; MORAES, I. C.; PINTO, S. D. A. F. Estimativa da erodibilidade e tolerância de perdas de solo na região do centro leste paulista. Geociências, v. 34, n. 4, p. 848-860, 2015. DENARDIN, J.E. Erodibilidade de solo estimada por meio de parâmetros físicos e químicos. Piracicaba: USP-ESALQ, 1990. 81p. (Tese de Doutorado).

15

EDUARDO, E. N.; CARVALHO, D.; MACHADO, R. L.; SOARES, P. F. C.; ALMEIDA, W. Erodibilidade, fatores cobertura e manejo e práticas conservacionistas em argissolo vermelho-amarelo, sob condições de chuva natural. Revista Brasileira de Ciência do Solo, v. 37, p. 796-803, 2013. FIXEN, P. E. Reservas mundiais de nutrientes dos fertilizantes. Informações agronômicas, v. 126, p. 8-14, 2009. GALDINO, S.; RISSO, A.; SORIANO, B. M. A.; VIEIRA, L. M.; PADOVANI, C. R.; MELO, E. C.; ALMEIDA JÚNIOR, N. D. Erosão potencial laminar hídrica na Bacia do Alto Taquari. Revista Brasileira de Recursos Hídricos, v. 9, n. 2, p. 125-133, 2004. GUADAGNIN, J. C.; BERTOL, I.; CASSOL, P. C.; AMARAL, A. J. Perdas de solo, água e nitrogênio por erosão hídrica em diferentes sistemas de manejo. Revista Brasileira de Ciência do Solo, v. 29, n. 2, p. 277-286, 2005. GUERRA, A. J. T.; SILVA, A. S.; BOTELHO, R. G. M. Erosão e conservação dos solos: conceitos, temas e aplicações. 3ª ed. Rio de Janeiro: Bertrand Brasil, 2007, 340p. HERNANI, L. C.; FREITAS, P. D.; PRUSKI, F. F.; DE MARIA, I. C.; CASTRO FILHO, C. D.; LANDERS, J. C.; MANZATTO, C. V. A erosão e seu impacto. In: MANZATTO, C. V.; FREITAS JUNIOR, E.; PERES, J. R. R. Uso agrícola dos solos brasileiros, Rio de Janeiro: EMBRAPA, 2002. p. 47-60. LEITE, M. H. S.; COUTO, E. G.; AMORIM, R. S. S.; COSTA, E. L. D.; MARASCHIN, L. Perdas de solo e nutrientes num Latossolo Vermelho-Amarelo ácrico típico, com diferentes sistemas de preparo e sob chuva natural. Revista Brasileira de Ciência do Solo, v. 33, n. 3, p. 689-699, 2009. LOMBARDI NETO, F. L.; MOLDENHAUER, W. C. Erosividade da chuva: sua distribuição e relação com perdas de solo em Campinas, SP. Bragantia, v. 51, n. 2, p. 189-196, 1992. MACHADO, D. O.; ALVES-SOBRINHO, T.; RIBEIRO, A. D. S.; IDE, C. N.; OLIVEIRA, P. T. S. Erosividade da chuva para o bioma Pantanal. Engenharia sanitária e ambiental, v. 19, n. 2, p. 195-201, 2014. MALLICK, J.; AL-WADI, H.; RAHMAN, A.; AHMED, M.; KHAN, R. A. Spatial variability of soil erodibility and its correlation with soil properties in semi-arid mountainous watershed, Saudi Arabia.Geocarto International, v. 31, n. 6, p. 661-681, 2016. MARIOTI, J.; BERTOL, I.; RAMOS, J. C.; WERNER, R. S.; PADILHA, J.; FLORES, M. C.; BANDEIRA, D. H. Erosão hídrica em semeadura direta de milho e soja nas direções da pendente e em contorno ao declive, comparada ao solo sem cultivo e descoberto. R Bras Ci Solo, v. 37, p. 1361-71, 2013. MARTINS, S. G.; AVANZI, J. C.; SILVA, M. L. N.; CURI, N.; FONSECA, S. Erodibilidade do solo nos Tabuleiros Costeiros. Pesquisa Agropecuária Tropical, Goiânia, v. 41, n. 3, p. 322-327, 2011.

16

MELLO, G.; BUENO, C.; PEREIRA, G. Variabilidade espacial de perdas de solo, do potencial natural e risco de erosão em áreas intensamente cultivadas. R. Bras. Eng. Agric. Ambiental, v. 10, p. 315-322, 2006. MELLO, C. R.; VIOLA, M. R.; CURI, N.; SILVA, A. D. Distribuição espacial da precipitação e da erosividade da chuva mensal e anual no estado do Espírito Santo. Revista Brasileira de Ciência do Solo, Viçosa, v. 36, n. 6, p. 1878-1891, 2012. NUNES, R. S.; SOUSA, D. M. G.; GOEDERT, W. J.; VIVALDI, L. J. Distribuição de fósforo no solo em razão do sistema de cultivo e manejo da adubação fosfatada. Revista Brasileira de Ciência do Solo, v. 35, n. 3, p. 877-888, 2011. OLIVEIRA, P. T. S.; Spatial variability of the rainfall erosive potential in the State of Mato Grosso do Sul, Brazil. Engenharia Agrícola, v. 32, n. 1, p. 69-79, 2012. SCHICK, J.; BERTOL, I.; COGO, N. P.; GONZÁLEZ, A. P. Erodibilidade de um Cambissolo Húmico sob chuva natural. Revista Brasileira de Ciência do Solo, v. 38, p. 1906-1917, 2014. SHAMSHAD, A., AZHARI, M. N., ISA, M. H., HUSSIN, W. W., PARIDA, B. P. Development of an appropriate procedure for estimation of RUSLE EI 30 index and preparation of erosivity maps for Pulau Penang in Peninsular Malaysia. Catena, v. 72, n. 3, p. 423-432, 2008. SILVA, M. L. N. Índices de erosividade das chuvas da região de Goiânia, GO. Pesquisa Agropecuária Brasileira, Brasília, v.32, n.10, p.977-985, 1997. SILVA, A. M. Potencial natural de erosão no município de Sorocaba, São Paulo, Brasil. Revista Internacional de Desastres Naturales, Accidentes e Infraestructura Civil, v. 8, n. 1, 2008. SILVA, A.M.; SILVA, M.L.N.; CURI, N.; AVANZI, J.C.; FERREIRA, M.M. Erosividade da chuva e erodibilidade de Cambissolo e Latossolo na região de Lavras, sul de Minas Gerais. Revista Brasileira de Ciência do Solo, v.33, p.1811-1820, 2009. SILVA, A. M.; WATANABE, C. H.; ALVARES, C. A. Natural potential for erosion for Brazilian territory. In: GODONE, D.; STANCHI, S. Soil Erosion - book 2. Ed. Rijeka - Croatia: Intech, 2011, v. 1. SMITH, R.M.; STAMEY, W.L. How to establish erosion tolerances. J. Soil Water Conserv., Baltimore, v.19, n. 3, p.110-111, 1964.

VIOLA, M. R.; AVANZI, J. C.; MELLO, C. R.; LIMA, S. O.; ALVES, M. V. G. Distribuição e potencial erosivo das chuvas no estado do Tocantins. Pesquisa Agropecuária Brasileira, v. 49, p. 125-135, 2014. WISCHMEIER, W.H.; SMITH, D.D. Predicting rainfall erosion losses: a guide to conservation planning. Washington, United States Departament of Agriculture, 1978. 58p. (Agriculture Handbook, 537).

17

2. EROSIVIDADE PARA O ESTADO DE MATO GROSSO

RESUMO – O impacto das gotas de chuva diretamente sobre a superfície do solo pode causar a desagregação de partículas, dando início ao processo erosivo. A capacidade da chuva em causar erosão em um solo sem proteção é denominada erosividade (R). No estado de Mato Grosso existem vastas áreas utilizadas com práticas agropecuárias, onde a exposição do solo ao impacto das gotas de chuva é variável ao longo do ano. Este estudo teve por objetivo estimar e mapear a variabilidade espacial e temporal da erosividade para o estado de Mato Grosso. Valores de EI30 e R foram estimados para 158 estações e foram posteriormente espacializados por krigagem. Os valores de R variaram de 4900 a 12600 MJ mm ha-1

h-1 ano-1, no sul e norte do Estado, respectivamente. No período de outubro a abril concentra-se 91% do R. O maior valor de EI30 foi obtido em janeiro (2300 MJ mm ha-

1 h-1) e o menor em julho (aproximadamente 0 MJ mm ha-1 h-1). Os valores de R em Mato Grosso apresentam correlação direta e significativa com as coordenadas latitudinais e valores de altitude, e inversa e significativa com as coordenadas longitudinais. Palavras-chave: erosão, USLE, variabilidade espacial, krigagem, geoestatística.

18

EROSIVITY FOR MATO GROSSO STATE

ABSTRACT – The raindrops impact on unprotected soil surface can cause the breakdown of particles and initiate erosion process. This rain capacity of cause erosion in an unprotected soil is called erosivity (R). In the Mato Grosso state there are vast areas used with farming practices, where the exposure of soil to the raindrops impact is variable throughout the year. The objective of this study was to estimate and map the spatial and temporal variability of erosivity in Mato Grosso State. Values of EI30 and R for 158 stations were estimated and after spatialized by kriging. The R values varied from 4900 to 12600 MJ mm ha-1 h-1 year-1 in the south and north of the state, respectively. On period from October to April, is concentred 91% of R. The highest EI30 value was obtained in january (2237 MJ mm ha-1 h-1) and the lowest in july (near to 0 MJ mm ha-1 h-1) occurring during the harvest period and fallow period of most crops cultivated in the State. The R values in Mato Grosso present direct and significant correlation with the latitudinal coordinates and altitude values, and inverse and significant with the longitudinal coordinates. Key-words: R, kriging, geostatistic, conservation planning.

19

2.1. Introdução

A erosividade, representada na Equação Universal de Perda de Solo (USLE)

pelo fator R, expressa a capacidade da chuva causar erosão em um solo sem

proteção. O fator R pode ser obtido pelo somatório de valores mensais do coeficiente

EI30, o qual é produto da energia cinética total da chuva por sua intensidade máxima

em 30 minutos.

A obtenção direta do fator R é difícil e trabalhosa, devido à necessidade de

dados pluviográficos para calcular o coeficiente EI30 (EI30 = EC x I30). Esse fato fez

com que a estimativa dos valores de R em diversas regiões do Brasil fosse por muito

tempo considerada difícil ou inviável. Visando solucionar esse problema, vários

estudos foram desenvolvidos com o objetivo de obter valores de EI30 a partir do

coeficiente de chuva (Rc), a exemplo de Morais et al. (1991), Almeida et al. (2012),

Oliveira et al. (2012a) e Aquino et al. (2012). O Rc é calculado utilizando apenas dados

pluviométricos, os quais são encontrados com maior facilidade e disponibilidade no

Brasil, sendo assim o EI30 e, posteriormente, o R, podem ser obtidos com maior

facilidade e em diversas regiões brasileiras.

Com a facilitação dos cálculos, ao longo dos últimos anos vários estudos foram

realizados no Brasil e no mundo com o objetivo de conhecer a distribuição espaço-

temporal dos valores de R, a exemplo de Silva et al. (2010a) e Mello et al. (2012) no

Espirito Santo, Oliveira et al. (2012a) em Mato Grosso do Sul, Aquino et al. (2012) na

região Sul de Minas Gerais, Viola et al. (2014) no Tocantins, Machado et al. (2014)

para o bioma Pantanal, Waltrick et al. (2015) no Paraná, Almeida e Casaroli (2016) no

Sudoeste de Goiás, Silva et al. (2011) na República de El Salvador, Bonilla e Vidal

(2011) no Chile, Lee e Heo (2011) na Coreia e Sanchez-Moreno et al. (2014) na ilha

de Santiago, Cabo Verde.

O estado de Mato Grosso possui grande extensão de áreas cultivadas, onde as

atividades agrícolas concentram-se predominantemente no período de outubro a

março. Nesse mesmo período, concentra-se 85% da precipitação anual do Estado

(Marcuzzo et al., 2011; Marcuzzo; Rocha, Mello, 2011b) e, ainda assim, não existem

trabalhos que possibilitem o conhecimento das variações espaço-temporais do R em

seu território. Estudos iniciais foram realizados por Almeida et al. (2011) e Almeida et

al. (2012), que desenvolveram equações para a estimativa do EI30 para diferentes

localidades do estado de Mato Grosso. No entanto, essas informações para pontos

20

isolados possuem pouca importância para o planejamento de práticas de manejo e

conservação do solo, uma vez que as chuvas e, consequentemente, os valores de R

possuem elevada variabilidade espacial e temporal.

Conhecer a variabilidade espacial e temporal da erosividade permite identificar

regiões e épocas críticas, nas quais as chuvas possuem maior ação erosiva. Tais

informações são indispensáveis em regiões de extensas áreas de produção agrícola

e pecuária, que no decorrer do ano passam por períodos de menor cobertura vegetal,

como o estado de Mato Grosso.

Partindo de informações pontuais, em vários estudos foram utilizadas técnicas

de geoestatística e krigagem para a elaboração de mapas de EI30 e de R (Montebeller

et al., 2007; Mello et al., 2007; Silva et al., 2010; Aquino et al. 2012; Oliveira et al.,

2012a; Mello et al., 2012; Viola et al., 2014; Mello et al., 2013; Borrelli et al., 2016).

Tais mapas possuem valores de EI30 e R em qualquer ponto de sua superfície,

permitindo conhecer suas variabilidades espacial e temporal. Dessa maneira, com

base na necessidade de conhecer as regiões e épocas críticas em relação às

características erosivas das chuvas, objetivou-se com o presente estudo estimar e

mapear a variabilidade espacial e temporal da erosividade para o estado de Mato

Grosso.

21

2.2. Material e Métodos

Os dados pluviométricos para a realização do presente estudo foram obtidos do

Sistema de Informações Hidrológicas da Agência Nacional de Águas (ANA). Foram

selecionadas no portal de informações da ANA 148 estações pluviométricas (Figura

1), que continham uma série histórica mínima de 10 anos de dados.

FIGURA 1. Localização geográfica das 148 estações pluviométricas e 10 estações

pluviográficas utilizadas no presente estudo.

22

Para o cálculo do coeficiente EI30, foram utilizadas as equações (Tabela 1)

desenvolvidas por Almeida (2009), que permitem estimar o EI30 a partir do coeficiente

de chuva (Rc) para 10 estações pluviográficas no estado de Mato Grosso. O Rc foi

calculado a partir da equação 1 (Renard e Freimund, 1994). Os valores de R foram

obtidos a partir da soma dos valores mensais do coeficiente EI30.

𝑅𝑐 = 𝑝²

𝑃⁄

(1)

em que:

p é a precipitação média mensal (mm); e P a precipitação média anual (mm).

TABELA 1. Estações, municípios, equações de regressão para estimar o EI30 a partir

do índice Rc e seus respectivos coeficientes de determinação.

Estação Município Equação R2

Cáceres Cáceres EI30 = 135,43 (Rc 0,538) 0,781

Canarana Canarana EI30 = 121,18 (Rc 0,622) 0,874

Cuiabá Cuiabá EI30 = 244,47 (Rc 0,508) 0,669

Diamantino Diamantino EI30 = 51,46 (Rc0,883) 0,961

Gleba Celeste Diamantino EI30 = 171,29 (Rc0,605) 0,839

Matupá Guarantã do Norte EI30 = 115,72 (Rc 0,746) 0,989

Nova Xavantina Nova Xavantina EI30 = 96,36 (Rc 0,517) 0,950

Poxoréu Poxoréu EI30 = 156,38 (Rc 0,552) 0,596

Rondonópolis Rondonópolis EI30 = 167,16 (Rc 0,567) 0,769

São José do Rio

Claro

São José do Rio Claro EI30 = 126,76 (Rc 0,464) 0,717

Fonte: Almeida (2009)

Para a estimativa do EI30, em cada uma das 148 estações pluviométricas utilizou-

se uma das equações desenvolvidas por Almeida (2009). Os critérios utilizados para

selecionar as equações foram adaptados de Oliveira et al. (2012a), considerando a

proximidade entre as estações e suas características de precipitação, analisadas por

correlação.

23

Após a seleção da equação para a estimativa do coeficiente EI30 em cada

estação pluviométrica e obtenção do Rc, foram estimados os valores de EI30 para cada

uma das 158 localidades deste estudo. Os valores de erosividade mensais (EI30) e

anuais (R) foram submetidos a técnicas geoestatísticas, a fim de analisar a

confiabilidade, representatividade, capacidade dos semivariogramas em representar

a semivariância em função da distância, e a capacidade de generalização dos

modelos a partir da validação cruzada. Foram ajustados diferentes modelos de

semivariograma para EI30 e R, e foram selecionados aqueles que apresentaram os

melhores valores de efeito pepita (C0), variância estrutural ou patamar (C0 + C1),

coeficiente de determinação (r2), grau de dependência espacial (GDE) e alcance. O

GDE foi calculado com auxílio da equação 2 e classificado segundo Cambardella et

al. (1994) em três classes: ≤25%, forte dependência espacial; 25% ≤ GDE ≤ 75%,

moderada dependência espacial; e ≥75%, fraca dependência espacial. Para avaliar o

desempenho dos modelos na validação cruzada foram analisados seus respectivos

coeficientes de determinação (r2).

GDE =𝐶0

𝐶0 + 𝐶1 𝑥 100

(2)

Após a análise da qualidade dos semivariogramas e constatação da real

dependência espacial entre as variáveis analisadas, foi realizado o mapeamento da

variabilidade espacial de EI30 e R para o estado de Mato Grosso, a partir de krigagem.

Os valores de R e EI30 dos mapas gerados foram classificados conforme as Tabelas

2 e 3, respectivamente. Além dos mapas de EI30 e R, foi utilizado o coeficiente de

correlação de Pearson (r) para analisar o grau de associação entre os valores obtidos

de R e as variações de latitude, longitude e altitude, com o objetivo de melhor

compreender a variação espacial desses valores.

Ao obter os mapas mensais de EI30 e anual de R, com o intuito de discutir as

peculiaridades, situações críticas e eventos isolados regionalmente, o estado de Mato

grosso foi subdividido em 7 macrorregiões (noroeste, norte, nordeste, médio norte,

oeste, centro sul e sudeste), de acordo com IMEA (2010).

24

TABELA 2. Classes para a interpretação do índice R.

R (MJ mm ha-1 h-1 ano-1) Classe de Erosividade

R ≤ 2452 Baixa

2452 < R ≤ 4905 Média

4904 < R ≤ 7357 Média Alta

7357 < R ≤ 9810 Alta

R > 9810 Muito Alta

Fonte: Oliveira et al. (2012b)

TABELA 3. Classes para a interpretação do EI30.

EI30 (MJ mm ha-1 h-1) Classe de Erosividade

< 250 Muito Baixa

250 < R ≤ 500 Baixa

500 < R ≤ 750 Média

750 < R ≤ 1000 Alta

R > 1000 Muito Alta

Fonte: Carvalho (2008)

25

2.3. Resultados e Discussão

A distinção entre período seco e chuvoso, característica do regime pluviométrico

do Estado, é bem visível quando observados os valores de EI30 nos diferentes meses

do ano (Figura 2). No período de outubro a abril, coincidente com a estação chuvosa,

foram obtidos os maiores valores de EI30, responsáveis por cerca de 91% da

erosividade anual. Do mês de maio até o mês de setembro, que consiste em um

período de pouca precipitação, os valores de EI30 foram consideravelmente menores

e responsáveis apenas por 9% da erosividade anual.

FIGURA 2. Médias mensais e desvio padrão do EI30 e da precipitação das 158

estações estudadas no estado de Mato Grosso.

Estes resultados corroboram com os obtidos nos estados de Tocantins e Espírito

Santo, os quais evidenciaram que o período de outubro a abril foi responsável por

89% e 85% do R anual, respectivamente (Martins et al., 2010; Viola et al., 2014). No

entanto, a distribuição do R ao longo do ano na região sul do Brasil é mais uniforme,

sendo os meses de outubro a abril responsáveis por 70% desse valor (Schick et al.,

2014; Waltrick et al., 2015).

1.5

23

1.3

47

1.2

37

65

0

25

7

94

59 11

2

34

0

711

1.0

54

1.4

51

0

50

100

150

200

250

300

350

0

400

800

1200

1600

2000

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov DezP

recip

ita

çã

o (

mm

mê

s-1

)

Ero

siv

idad

e d

a c

huva

(M

J m

m h

a-1

h-1

me

s-1

)

EI30 (médio) Precipitação (média)

26

As maiores proporções do R no período de outubro a abril nos estados de Mato

Grosso, Tocantins e Espirito Santo e menores na região sul se dão, provavelmente

pelo tipo climático de cada região. Localidades onde predominam o tipo climático Aw,

característico por estações seca e chuvosa bem definidas, induzem a altas proporções

de R em determinado período do ano (estação chuvosa). Em regiões onde

predominam o tipo climático Cfa/Cfb, por exemplo a região sul, as chuvas se

distribuem uniformemente no ano, com valores de R seguindo a mesma tendência

(Sparovek et al., 2007; Mazurana et al., 2009; Martins et al., 2009; Bazzano et al.,

2010; Almeida et al., 2012, Viola et al., 2014; Schick et al., 2014; Waltrick et al., 2015).

A caracterização do Mato Grosso como região de clima Aw se deve aos sistemas

atmosféricos que atuam na região, como a Zona de Convergência do Atlântico Sul

(ZCAS) e a influência da Massa Equatorial Continental (MEC), advinda da região

Amazônica (Keller Filho et al., 2005; Dias e Silva, 2003; Zavattini, 2009; Gan;

Rodrigues; Rao, 2009; Costa et al., 2012). Tais sistemas atmosféricos atuam na

região, justamente nos meses de outubro a abril. Na ausência desses fenômenos, nos

meses de maio a setembro, ocorre a estação seca do ano (Keller Filho et al., 2005).

Na Tabela 4 e nas Figuras 3 e 4 constam, respectivamente, os parâmetros dos

semivariogramas e os semivariogramas de EI30 e R, utilizados para a análise de

dependência espacial e confiabilidade dos mapas gerados.

27

TABELA 4. Parâmetros dos semivariogramas de modelo exponencial utilizados para

a espacialização dos valores de EI30 e R no estado de Mato Grosso.

PERÍODO PARÂMETROS

C0 C0 + C1 r2 s r2 vc GDE (%) Alcance (km)

EI30

Janeiro

Fevereiro

Março

Abril

Maio

Junho

Julho

Agosto

Setembro

Outubro

Novembro

Dezembro

33200 277400 0,96 0,65 12 1798,2

49000 409000 0,95 0,60 12 3136,32

17000 345000 0,82 0,70 5 266976

5100 221200 0,77 0,72 3 2987,28

4759 14971 0,88 0,49 32 794,88

1225 3071 0,65 0,51 40 207,36

451 1735 0,95 0,53 26 719,28

1829 11339 0,85 0,52 16 2345,76

6009 49568 0,84 0,64 12 2796,12

16212 239850 0,77 0,66 7 5280,12

25565 209359 0,96 0,57 11 5200,2

39394 275310 0,87 0,61 14 3165,48

R Anual 1456791 10836743 0,82 0,66 13 2222,64

C0: efeito pepita; C0 + C1: patamar; r2 s: coeficiente de determinação do semivariograma; r2 vc:

coeficiente de determinação da validação cruzada; e GDE: grau de dependência espacial.

Os valores de GDE indicaram que nove meses do ano apresentaram

semivariogramas com forte dependência espacial das variáveis regionalizadas

(<25%), segundo Cambardella et al. (1994). Os semivariogramas dos meses de maio,

junho e julho, Figuras 3e, 3f e 3g, respectivamente, correspondentes aos meses mais

secos, foram os únicos que não se enquadraram na classe de forte dependência

espacial. Para esses meses os valores de GDE foram de, respectivamente, 32, 40 e

26%, enquadrados na classe de moderada dependência espacial (Cambardella et al.,

1994).

28

(a) (b)

(c) (d)

(e) (f)

(g) (h)

FIGURA 3. Semivariogramas ajustados para EI30 nos meses de janeiro (a), fevereiro (b), março

(c), abril (d), maio (e), junho (f), julho (g) e agosto (h).

29

(a

)

(b

)

(c

) (d

)

(e

)

FIGURA 4. Semivariogramas ajustados para EI30 nos meses de setembro (a), outubro (b),

novembro (c) e dezembro (d), e para R (e).

30

O semivariograma para os valores de R (Figura 4e) apresentou resultado

satisfatório, sendo 13% da semivariância total dada ao acaso. Este resultado indica

que o semivariograma possui capacidade para representar a variabilidade espacial

dos dados no estado de Mato Grosso, devido à forte dependência espacial

(Cambardella et al., 1994). Valores de GDE classificados com forte dependência

espacial para o R, também foram obtidos por Aquino et al. (2012), Viola et al. (2014),

Silva et al. (2010b) e Melo et al. (2012), os quais contabilizaram 12; 0; 7,5 e 0% de

variação ao acaso, respectivamente.

Em todos os semivariogramas elaborados, os melhores parâmetros foram

obtidos com o modelo exponencial. Tais resultados corroboram com trabalhos

disponíveis na literatura, nos quais este modelo apresenta melhores parâmetros

quando comparados a outros modelos como o gaussiano e o esférico (Mello et al.,

2012; Mello et al., 2008; Mello et al., 2007; Montebeller et al., 2007; Silva et al., 2010b;

Viola et al. 2014).

Os valores de alcance obtidos para EI30 variaram de 207,36 km (junho) à 5280,12

km (outubro), ocorrendo nos meses de maio (794,88 km), junho (207,36 km) e julho

(719,28) os menores valores. Para o R, o valor de alcance obtido foi equivalente a

2222,64 km. Considerando que o estado de Mato Grosso apresenta como maior

distância em linha reta, aproximadamente 1300 quilômetros, conclui-se que os

semivariogramas utilizados apresentam alcance satisfatório para geração de mapas

representativos de R e EI30. A ocorrência de alcances maiores que a distância entre

pontos extremos no Estado, se dá devido ao contínuo aumento das taxas

pluviométricas aproximando-se da linha do equador. Tal característica contribui para

que fenômenos de precipitação não obedeçam a limites definidos, como ocorre com

variáveis do solo, por exemplo.

Na Figura 5, constam os mapas de EI30 para o Mato Grosso, evidenciando as

sete macrorregiões propostas pelo IMEA (2010). De modo geral, ao analisar a

variação dos valores de EI30 ao longo dos meses do ano, observa-se movimentações

das faixas de erosividade na direção noroeste - sudeste do Estado, à medida que se

inicia o período chuvoso, e sudeste - noroeste na transição do período chuvoso para

o seco (Figura 5). Tal comportamento se dá devido à grande influência da MEC,

originada da elevada evapotranspiração da vegetação amazônica, que ao passar

sobre o Mato Grosso proporciona ocorrência de chuvas em todo o seu território.

31

100 200 300 400 500 600 700 800 900 1100 1300 1500 1700 1900 2100 2300

0 100 200 300 400 500 600 700 800 900 1100 1300 1500 1700 1900 2100 2300

Janeiro Fevereiro Março

Abril Maio Junho

Julho Agosto Setembro

Outubro Novembro Dezembro

FIGURA 5. Mapas de EI30 para o estado de Mato Grosso (MJ mm ha-1 h-1).

32

A expansão da MEC se inicia no mês de agosto, partindo da região Amazônica

até cobrir todo o Mato Grosso. Essa movimentação se dá, predominantemente, na

direção noroeste-sudeste, podendo chegar até o estado de São Paulo. A partir de

janeiro, a área de influência dessa massa começa a se reduzir na direção sudeste-

noroeste, até se concentrar apenas na região de origem (região Amazônica), onde

permanecerá e restringirá sua influência no regime pluviométrico (Rosa et al., 2007;

Zavattini, 2009; Gan et al., 2009; Marcuzzo et al., 2012).

Ainda na Figura 5, observa-se que durante o ano, no estado de Mato Grosso,

ocorrem três períodos distintos em relação aos valores de EI30. O primeiro período é

composto pelos meses de outubro e novembro, coincidente com o início da estação

chuvosa, no qual é possível observar valores desde a classe baixa até a muito alta,

com nítida elevação de outubro para novembro. O segundo período é composto pelos

meses de dezembro a março, nos quais os valores de EI30 são, predominantemente,

altos e muito altos, marcando o período chuvoso no Estado. O terceiro período é

composto pelos meses de abril a setembro, quando ocorrem baixos valores de EI30,

com predominância das classes baixa e muito baixa, caracterizando o período mais

seco do ano no Estado.

No primeiro e segundo período, ocorrem em Mato Grosso várias atividades

agrícolas. Desse modo, em ambos os períodos ocorrem variações na cobertura da

superfície do solo. Os momentos considerados mais críticos ocorrem nos meses de

outubro, dezembro e janeiro, nos quais acontecem as atividades de plantio e colheita

(CONAB, 2016).

Nesses momentos críticos observados no primeiro e segundo período do ano,

quanto menor o revolvimento do solo no momento de seu preparo (pré-plantio e

plantio) e, melhor implantadas as atividades de manejo conservacionista, maior a

possibilidade do solo resistir à ação erosiva da chuva (Cogo et al., 2003; Carvalho et

al., 2009; Leite et al., 2009; Volk et al., 2014). Nesses momentos o solo deverá estar

com o máximo de cobertura, pela inserção de culturas de cobertura ou diversificando

o sistema de cultivo (rotação de culturas), de modo que a palhada se mantenha por

mais tempo sobre o solo (Panachuki et al., 2011), uma vez que a cobertura reduz

significativamente a energia cinética de colisão das gotas com o solo (Menezes et al.,

2009; Jin et al., 2009; Cardoso et al., 2012).

Além da cobertura vegetal, o solo deve ser manejado a fim de melhorar a

capacidade de infiltração de água. Segundo Nicoloso et al. (2008), plantas com

33

sistema radicular agressivo podem escarificar biologicamente o solo, melhorando sua

capacidade de infiltração. Essas atividades são determinantes, pois, dependendo do

volume e intensidade de um evento de chuva, a água poderá acumular

superficialmente e, posteriormente, escoar, mesmo em solos com cobertura. Os

danos gerados pelo escoamento superficial são intensificados se o plantio é realizado

morro abaixo (Marioti et al., 2013).

No terceiro período, ocorrem no estado de Mato Grosso os meses com menores

valores de erosividade. Aliado à baixa erosividade, a maioria dos solos se apresentam

cobertos pelos dosséis das culturas, que se encontram em final de ciclo, ou em entre

safra, caracterizando um período pouco crítico. No entanto, mesmo que no mês de

setembro os valores de EI30 sejam, em geral, baixos, atividades de preparo de solo e

controle de plantas invasoras realizadas durante a estação seca podem ocasionar

perdas de solo, em função das primeiras chuvas erosivas (Morais et al., 1991). Essas

primeiras chuvas erosivas podem ocorrer em setembro, outubro ou até novembro.

Assim como observado no presente trabalho, Viola et al. (2014) no estado de

Tocantins, e Almeida e Casaroli (2016) no estado de Goiás, observaram predomínio

de EI30 alto e muito alto no período de dezembro a março (período 2) e baixo e muito

baixo de abril a setembro (período 3). Tal similaridade ocorre devido à uniformidade

na distribuição das chuvas, que é proporcionada pela proximidade entre os mesmos.

Essa proximidade faz com que a ZCAS e a MEC atuem com intensidade muito

parecida sobre toda a região ocupada pelos estados de Mato Grosso, Goiás e

Tocantins (Carvalho e Jones, 2009; Gan et al., 2009).

Observa-se no mapa de R (Figura 6), predomínio de valores mais elevados (>

9810 MJ mm ha-1 h-1 ano-1) na região norte do Estado e valores menores na região

sul (< 9810 MJ mm ha-1 h-1 ano-1), similar ao observado para os valores de EI30. Porém,

mesmo os menores valores de R encontrados na região sul se enquadram, segundo

Oliveira et al. (2012b), na classe média alta. Considerando todo o estado de Mato

Grosso, este contempla apenas as três classes mais elevadas das cinco propostas

pelo referido autor.

34

FIGURA 6. Mapa de R anual para o estado de Mato Grosso, classificado segundo

Oliveira et al. (2012b).

O valor médio de R observado para Mato Grosso foi de 8835 MJ mm ha-1 h-1

ano-1, classificado segundo Oliveira et al. (2012b) como alto. Os elevados valores de

R obtidos para o Estado são característicos de regiões tropicais, e corroborativos com

aqueles obtidos em Minas Gerais por Mello et al. (2007), no Mato Grosso do Sul por

Oliveira et al. (2012a), no Tocantins por Viola et al. (2014), no Espírito Santo por Mello

et al. (2012), no Paraná por Waltrick et al. (2015) e em praticamente todo o território

brasileiro (Mello et al., 2013).

Valores de R obtidos em regiões tropicais são geralmente superiores aos obtidos

em regiões temperadas. Exemplos podem ser observados nos trabalhos realizados

na região central do Chile (Bonilla e Vidal, 2011), no nordeste da Espanha (Ângulo-

Martínez e Begueria, 2009), na Suíça (Meusburger et al., 2011), na Coréia (Lee e Heo,

2011), na região mediterrânea (Diodato e Bellocchi, 2010) e na Itália (Borrelli et al.,

2016). Os valores elevados em regiões tropicais se dão devido à grande quantidade

de chuvas convectivas (alta intensidade e maiores valores de energia cinética das

35

gotas), quando comparada às características de climas temperados (Oliveira et al.,

2012b; Machado et al., 2014).

A partir do mapa de R do estado de Mato Grosso (Figura 6) observa-se que a

variação dos valores ocorre na direção noroeste-sudeste, assim como constatado nos

mapas de EI30 (Figura 5). Tal característica corrobora com os resultados de Silva

(2004), ao espacializar o R no Brasil. Essa variação de valores na direção noroeste-

sudeste, ocorre devido a dois fatores: a influência da MEC nas precipitações do

Estado (Silva, 2004; Rosa et al., 2007; Zavattini, 2009; Gan et al., 2009; Marcuzzo et

al., 2012) e a mudança de vegetação e, consequentemente, de ocorrência de chuvas

convectivas, na direção noroeste-sudeste.

Em relação à MEC, por se originar a noroeste de Mato Grosso (Amazônia), se

deslocar na direção sudeste (São Paulo) e depois reduzir sua área de influência na

direção noroeste, esta acaba permanecendo por mais tempo sobre as regiões ao

norte, proporcionando nessas os maiores valores de R de Mato Grosso.

Quanto à vegetação, na região Amazônica predominam matas densas, similares

àquelas observadas no noroeste de Mato Grosso. Com o avanço na direção noroeste-

sudeste do Mato Grosso, esse tipo de vegetação diminui, depois ocorrem as faixas de

transição, até predominar o bioma Cerrado, com vegetações menos densas (sudeste

do Estado). Nas regiões de bioma amazônico ocorrem altas taxas de

evapotranspiração e altas temperaturas, fazendo com que ocorram com frequência os

fenômenos de chuvas convectivas (Alves, 2009; Mello et al., 2013). Pelo fato desse

tipo de vegetação densa diminuir na direção noroeste-sudeste, diminuem também a

frequência de chuvas convectivas e, consequentemente, os valores de R.

A expansão da MEC e a diminuição das vegetações mais densas na direção

noroeste-sudeste também explicam as associações, inversa e significativa existente

entre R e latitude, e direta e significativa entre R e longitude (Figuras 7a e 7b).

Considerando a equação apresentada na Figura 7a, o aumento em um grau de

latitude, proporciona diminuição de 639,38 MJ mm ha-1 ano-1 nos valores de R. A maior

capacidade da latitude em explicar as variações de R no estado de Mato Grosso é

devido a maior variação latitudinal em relação a longitudinal entre o estado de Mato

Grosso e a região Amazônica, uma vez que essa exerce forte influência no regime

pluviométrico do Estado.

36

FIGURA 7. Gráficos de correlação entre R e Latitude (a) e Longitude (b).

Resultados similares quanto à variação dos valores de R em função das

variações de coordenadas geográficas na região Centro-Oeste foram obtidos por

Mello et al. (2013). Esses autores também associaram a correlação entre R e latitude

com a influência da vegetação amazônica e suas altas taxas pluviométricas. No

estado de Minas Gerais, Mello et al. (2007) não obtiveram coeficientes de correlação

significativos para as coordenadas geográficas correlacionados com os valores de R.

Apesar de também receber influência das massas de ar quentes e úmidas oriundas

da Amazônia (MEC), o R no estado de Minas Gerais é mais influenciado pelas cadeias

montanhosas, que originam chuvas orográficas, do que por variações de latitude e

longitude.

Como observado nas Figuras 8a e 8b, a correlação entre os valores de R e

altitude é elevada e significativa até os 300 metros, a partir daí os valores de R não

aumentam com expressividade. Considerando a equação apresentada na Figura 8b,

o aumento em um metro de altitude, proporciona elevação de 26,99 MJ mm ha-1 ano-

1 nos valores de R. Maiores valores de R em locais altos se dão devido a maior

quantidade precipitada nessas regiões, o que faz com que os valores de energia

cinética acumulada sejam maiores. Esses resultados corroboram com os obtidos por

Moreira et al. (2006), que observaram no estado de São Paulo redução dos valores

de R com a diminuição da altitude.

y = -639.38x + 17863

2000

7000

12000

17000

8 13 18 23

R a

nual (M

J m

m h

a-1

ano

-1)

Latitude (graus)

y = 176,79x - 1012,4

0

5000

10000

15000

49 54 59

R a

nual (M

J m

m h

a-1

ano

-1)

Longitude (graus)

(b) (a) r = -0,617 (p<0,01) r = 0,167 (p<0,05)

37

FIGURA 8. Gráfico de correlação entre R e Altitude, de 0 a 900 metros (a) e de 0 a

300 metros (b).

Como observado na Figura 6, todas as macrorregiões de Mato Grosso

apresentam elevados valores de R, de modo que qualquer atividade agropecuária

desenvolvida no Estado exija a adoção de práticas conservacionistas. Contudo,

observa-se que nas macrorregiões noroeste, norte, oeste e médio norte ocorrem os

valores mais críticos de R. Nas macrorregiões noroeste e norte predominam áreas

com matas nativas e pecuária, consideradas como coberturas efetivas na proteção do

solo.

Diferente das macrorregiões noroeste e norte, no médio norte e oeste existem

grandes extensões de áreas agrícolas, sendo assim consideradas as macrorregiões

mais críticas do Estado. Na região médio norte, mais especificamente nos municípios

de Nova Mutum, Sorriso, Lucas do Rio Verde, Nova Ubiratã, Vera, Santa Carmem,

Feliz Natal, Cláudia, Paranatinga e União do Sul, responsáveis por grande parte da

produção estadual de grãos, ocorrem no mês de janeiro os maiores valores

observados de EI30, correspondentes à aproximadamente 2300 MJ mm ha-1 mês-1

(Figura 5).

y = 4,4963x + 7475,6

0

5000

10000

15000

0 300 600 900

R a

nu

al (M

J m

m h

a-1

an

o-1

)

Altitude (m)

(a)

y = 26.995x + 3363.2r = 0,60 (p<0,01)

2000

7000

12000

17000

0 100 200 300

R a

nu

al (M

J m

m h

a-1

an

o-1

)

Altitude (m)

(b)r = 0,275 (p<0,01)

38

2.4. Conclusões

O valor médio de R para o estado de Mato Grosso é classificado como alto e

equivalente a 8835 MJ mm ha-1 ano-1.

Nos meses de outubro a abril ocorre 91% do total anual de erosividade do estado

de Mato Grosso.

Os meses de outubro, janeiro e fevereiro são considerados os mais críticos no

estado de Mato Grosso, devido aos elevados valores de erosividade (responsáveis

por 41% do R) aliados à presença de áreas em épocas de plantio e colheita.

Em todas as macrorregiões de Mato Grosso ocorrem valores elevados de R,

contudo nas macrorregiões noroeste, norte, oeste e médio norte foram observados os

valores mais críticos.

Na macrorregião médio norte, municípios de Nova Mutum, Sorriso, Lucas do Rio

Verde, Nova Ubiratã, Vera, Santa Carmem, Feliz Natal, Cláudia, Paranatinga e União

do Sul ocorrem áreas de risco.

Predominam no Estado valores de R na classe muito alta ao norte e nas classes

alta e média alta ao sul.

As variações de latitude e de altitude (até 300 metros) foram os fatores que

melhor explicaram as variações espaciais de R no estado de Mato Grosso.

39


ALMEIDA, C. O. S. Erosividade das chuvas no estado de Mato Grosso. Dissertação de mestrado, Universidade de Brasília, 2009. ALMEIDA, C. O.; AMORIM, R. S.; COUTO, E. G.; ELTZ, F. L.; BORGES, L. E. Potencial erosivo da chuva de Cuiabá, MT: Distribuição e correlação com a precipitação pluviométrica. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 15, n. 2, p. 178-184, 2011. ALMEIDA, C. O.; AMORIM, R. S.; ELTZ, F. L.; COUTO, E. G.; JORDANI, S. A. Erosividade da chuva em municípios do Mato Grosso: distribuição sazonal e correlações com dados pluviométricos. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 16, p. 142-152, 2012. ALMEIDA, R. T. S.; CASAROLI, D. Erosividade média e o calendário agrícola da Microrregião Sudoeste do Estado de Goiás. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, n. 17, p. 26-43, 2016. ALVES, L. M. Clima da região Centro-Oeste do Brasil. In: Tempo e Clima no Brasil. Cavalcanti. I. F. A.; Ferreira, N. J.; Silva, M. G. A. J.; Silva Dias, M. A. F. (org.). São Paulo: Oficina de Textos, 2009; p. 235-242. ÂNGULO-MARTÍNEZ, M.; BEGUERÍA, S. Estimating rainfall erosivity from daily precipitation records: A comparison among methods using data from the Ebro Basin (NE Spain). Journal of Hydrology, v. 379, n. 1, p. 111-121, 2009. AQUINO, R. F.; SILVA, M. L. N.; FREITAS, D. A. F.; CURI, N.; MELLO, C. R.; AVANZI, J. C. Spatial variability of the rainfall erosivity in Southern region of Minas Gerais State, Brazil. Ciência e Agrotecnologia, v. 36, n. 5, p. 533-542, 2012. BAZZANO, M. G. P.; ELTZ, F. L. F.; CASSOL, E. A. Erosividade e características hidrológicas das chuvas de Rio Grande (RS). Revista brasileira de ciência do solo. Viçosa. Vol. 34, n. 1, p. 235-244, 2010. BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. 8ª edição. São Paulo: Editora Ícone, 2012. BONILLA, C. A.; VIDAL, K. L. Rainfall erosivity in central Chile. Journal of Hydrology, v. 410, n. 1, p. 126-133, 2011. BORRELLI, P; DIODATO, N; PANAGOS, P. Rainfall erosivity in Italy: a national scale spatio-temporal assessment. International Journal of Digital Earth, p. 1-16, 2016. CAMBARDELLA, C. A.; MOORMAN, T. B.; NOVAK, J. M.; PARKIN, T. B.; KARLEN, D. L.; TURCO, R. F.; KONOPKA, A. E. Field-scale variability of soil properties in central Iowa soils. Soil science society of America journal, v. 58, n. 5, p. 1501-1511, 1994. CARDOSO, D. P.; SILVA, M. L. N.; CARVALHO, G. J.; FREITAS, D. A. F.; AVANZI, J. C. Plantas de cobertura no controle das perdas de solo, água e nutrientes por

40

erosão hídrica. Revista Brasileira de Engenharia Agrícola e Ambiental, v.16, p.632-638, 2012. CARVALHO, N. O. Hidrossedimentologia prática. 2ª Edição, Versão Atualizada e ampliada – Rio de Janeiro, Brasil: Editora Interciência 2008. 599p. CARVALHO, L. M. V.; JONES, C. Zona de Convergência do Atlântico Sul. In Tempo e Clima no Brasil. Cavalcanti. I. F. A.; Ferreira, N. J.; Silva, M. G. A. J.; Silva Dias, M. A. F. (org.). São Paulo: Oficina de Textos, 2009; p. 95-109. CARVALHO, D. F.; CRUZ, E. S.; PINTO, M. F.; SILVA, L. D. B.; GUERRA, J. G. M. Características da chuva e perdas por erosão sob diferentes práticas de manejo do solo. Revista Brasileira de Engenharia Agrícola e Ambiental, 2009. COGO, N. P.; LEVIEN, R.; SCHWARZ, R. A. Perdas de solo e água por erosão hídrica influenciadas por métodos de preparo, classes de declive e níveis de fertilidade do solo. Revista Brasileira de Ciência do Solo, v. 27, n. 4, p. 743-753, 2003. CONAB, Acompanhamento da safra Brasileira, grãos safra 2015/16. Observatório agrícola, v.3, n.6, Sexto levantamento, 2016. Disponível em: < http://www.conab.gov.br/OlalaCMS/uploads/arquivos/16_05_19_11_58_17_boletim_graos_maio__2016_-_final.pdf>. Acesso em: 17 de novembro de 2016. CONAB, Acompanhamento da safra Brasileira, grãos safra 2015/16. Observatório agrícola, v.3, n.6, Sexto levantamento, 2016. Disponível em: < http://www.conab.gov.br/OlalaCMS/uploads/arquivos/16_04_14_09_06_31_boletim_cana_portugues_-_4o_lev_-_15-16.pdf>. Acesso em: 17 de novembro de 2016. COSTA, H. C.; MARCUZZO, F. F. N.; FERREIRA, O. M.; ANDRADE, L. R. Espacialização e Sazonalidade da Precipitação Pluviométrica do Estado de Goiás e Distrito Federal. Revista Brasileira de Geografia Física, v. 5, n. 1, p. 87-100, 2012. DIAS, A. S.; SILVA, J. R. C. A erosividade das chuvas em Fortaleza (CE). I - Distribuição, probabilidade de ocorrência e período de retorno – 1ª aproximação. Revista Brasileira de Ciência do Solo, v. 27, p. 335-345, 2003. DIODATO, N.; BELLOCCHI, G. MedREM, a rainfall erosivity model for the Mediterranean region. Journal of Hydrology, v. 387, n. 1, p. 119-127, 2010. GAN, M.; RODRIGRUES, L. R.; RAO, V. B. Monção na américa do sul. In: CAVALCANTI, I. F. A.; FERREIRA, N.J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. Tempo e clima no Brasil. São Paulo: Oficina de Textos, 2009. 463p. IMEA, Mapa de macrorregiões do IMEA. Disponível em: < http://www.imea.com.br/upload/publicacoes/arquivos/justificativamapa.pdf>. Acesso em: 12 de Outubro de 2016. JIN, K.; CORNELIS, W. M.; GABRIELS, D.; BAERT, M.; WU, H. J.; SCHIETTECATTE, W.; CAI, D. X.; DE NEVE, S.; JIN, J. Y.; HARTMANN, R.; HOFMAN, G. Residue cover

http://www.imea.com.br/upload/publicacoes/arquivos/justificativamapa.pdf

41

and rainfall intensity effects on runoff soil organic carbon losses. Catena, v. 78, n. 1, p. 81-86, 2009. KELLER FILHO, T; ASSAD, E. D.; LIMA, P. R. S. R. Regiões pluviometricamente homogêneas no Brasil. Pesquisa Agropecuária Brasileira, v. 40, n. 4, p. 311-322, 2005. LEE, J.; HEO, J. Evaluation of estimation methods for rainfall erosivity based on annual precipitation in Korea. Journal of Hydrology, v. 409, n. 1, p. 30-48, 2011. LEITE, M. H. S.; COUTO, E. G.; AMORIM, R. S. S.; COSTA, E. L.; MARASCHIN, L. Perdas de solo e nutrientes num Latossolo Vermelho-Amarelo ácrico típico, com diferentes sistemas de preparo e sob chuva natural. Revista Brasileira de Ciência do Solo, v. 33, n. 3, p. 689-699, 2009. MACHADO, D. O.; ALVES-SOBRINHO, T.; RIBEIRO, A. D. S.; IDE, C. N.; OLIVEIRA, P. T. S. Erosividade da chuva para o bioma Pantanal. Engenharia sanitária e ambiental, v. 19, n. 2, p. 195-201, 2014. MARCUZZO, F; ROCHA, H. M.; MELO, D. Mapeamento da precipitação pluviométrica no bioma pantanal do estado do mato grosso. Geoambiente On-line, n. 16, p. 01-19 pág., 2011. MARCUZZO, F. F. N.; ROCHA, H. M.; MELO, D. Mapeamento da precipitaçao pluviométrica no bioma cerrado do Estado do Mato Grosso. Boletim Goiano de Geografia, v. 31, n. 2, p. 83-97, 2011b. MARCUZZO, F. F. N.; MELO, D. C. R.; COSTA, H. C. Sazonalidade e distribuição espaço-temporal das chuvas no bioma do Cerrado do Estado do Mato Grosso do Sul. Revista Brasileira de Recursos Hídricos, v. 17, n. 1, p. 77-86, 2012. MARIOTI, J.; BERTOL, I.; RAMOS, J. C.; WERNER, R. S.; PADILHA, J.; BANDEIRA, D. H. Erosão hídrica em semeadura direta de milho e soja nas direções da pendente e em contorno ao declive, comparada ao solo sem cultivo e descoberto. Revista Brasileira de Ciência do Solo, v. 37, p. 1361-71, 2013. MARTINS, S. G.; AVANZI, J. C.; SILVA, M. L. N.; CURI, N.; NORTON, L. D.; FONSECA, S. Rainfall erosivity and rainfall return period in the experimental watershed of Aracruz, in the coastal plain of Espirito Santo, Brazil. Revista Brasileira de Ciência do Solo, v. 34, n. 3, p. 999-1004, 2010. MARTINS FILHO, M.; LICCIOTI, T.; PEREIRA, J. M. J.; SANCHES, R. B. Perdas de solo e nutrientes por erosão num Argissolo com resíduos vegetais de cana-de-açúcar. Engenharia Agrícola, Jaboticabal, v.29, n.1, -.8-18, 2009. MAZURANA, J.; CASSOL, E. A.; SANTOS, L. C. D.; ELTZ, F. L. F.; BUENO, A. C. Erosividade, padrões hidrológicos e período de retorno das chuvas erosivas de Santa Rosa (RS). Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande. Vol. 13, p. 975-983, 2009.

42

MELLO, C. R.; DE SÁ, M. A. C.; CURI, N.; MELLO, J. M.; VIOLA, M. R.; SILVA, A. M. Erosividade mensal e anual da chuva no Estado de Minas Gerais. Pesquisa Agropecuária Brasileira, Brasília, v. 42, n. 4, p. 537-545, 2007. MELLO, C. R.; VIOLA, M. R.; DE MELLO, J. M.; DA SILVA, A. M. Continuidade espacial de chuvas intensas no estado de Minas Gerais. Ciência e agrotécnologia., v. 32, n. 2, 2008. MELLO, C. R.; VIOLA, M. R.; CURI, N.; SILVA, A. D. Distribuição espacial da precipitação e da erosividade da chuva mensal e anual no estado do Espírito Santo. Revista Brasileira de Ciência do Solo, Viçosa, v. 36, n. 6, p. 1878-1891, 2012. MELLO, C. D.; VIOLA, M. R.; BESKOW, S.; NORTON, L. D. Multivariate models for annual rainfall erosivity in Brazil. Geoderma, v. 202, p. 88-102, 2013. MENEZES, L. A. S.; LEANDRO, W. M.; DE OLIVEIRA JÚNIOR, J. P.; FERREIRA, A. C. B.; SANTANA, J. G.; BARROS, R. G. Produção de fitomassa de diferentes espécies, isoladas e consorciadas, com potencial de utilização para cobertura do solo. Bioscience Journal, v. 25, n. 1, 2009. MEUSBURGER, K.; STEEL, A.; PANAGOS, P.; MONTANARELLA, L.; ALEWELL, C. Spatial and temporal variability of rainfall erosivity factor for Switzerland. Hydrology and Earth System Sciences, v. 16, n. 1, p. 167-177, 2012. MONTEBELLER, C. A.; CEDDIA, M. B.; CARVALHO, D. D.; VIEIRA, S. R.; FRANCO, E. M. Variabilidade espacial do potencial erosivo das chuvas no Estado do Rio de Janeiro. Engenharia Agrícola, v. 27, n. 2, p. 426-435, 2007. MORAIS, L. F. B.; SILVA, V.; NASCHENVENG, T. M. C.; HARDOIN, P. C.; ALMEIDA, J. E. L.; WEBER, O. L. S.; BOEL, E.; DURIGON, V. Índice EI30 e sua relação com o coeficiente de chuva do sudoeste do Mato Grosso. Revista brasileira de ciência do solo, v. 15, n. 3, p. 339-344, 1991. MOREIRA, M. C.; CECÍLIO, R. A.; PINTO, F. D. A. D. C.; PRUSKI, F. F. Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo. Revista Brasileira de Ciência do Solo, v. 30, n. 6, p. 1069-1074, 2006. OLIVEIRA, P. T.; RODRIGUES, D. B.; SOBRINHO, T. A.; CARVALHO, D. F. D.; PANACHUKI, E. Spatial variability of the rainfall erosive potential in the State of Mato Grosso do Sul, Brazil. Engenharia Agrícola, v. 32, n. 1, p. 69-79, 2012a. OLIVEIRA, P. T. S.; WENDLAND, E.; NEARING, Mark A. Rainfall erosivity in Brazil: A review. Catena, v. 100, p. 139-147, 2012b. PANACHUKI, E.; BERTOL, I.; ALVES SOBRINHO, T.; OLIVEIRA, P. T. S. D.; RODRIGUES, D. B. B. Perdas de solo e de água e infiltração de água em Latossolo vermelho sob sistemas de manejo. Revista Brasileira de Ciência do Solo, v.35, p.1777-1785, 2011.

43

RENARD, K. G.; FREIMUND, J. R. Using monthly precipitation data to estimate the R-factor in the revised USLE. Journal of hydrology, v. 157, n. 1-4, p. 287-306, 1994. ROSA, D. B.; SOUSA, R. R.; TOLEDO, L. G.; TOPANOTTI, D. Q.; NASCIMENTO, J. A. A distribuição espacial das chuvas na porçao centro oeste do estado de Mato Grosso-Brasil. Revista Eletrônica AGB-TL, v. 1, n. 5, p. 25, 2007. SANCHEZ-MORENO, J. F.; MANNAERTS, C. M.; JETTEN, V. Rainfall erosivity mapping for Santiago island, Cape Verde. Geoderma, v. 217, p. 74-82, 2014. SCHICK, J.; BERTOL, I.; COGO, N. P.; PAZ GONZÁLEZ, A. Erosividade das chuvas de Lages, Santa Catarina. Revista Brasileira de Ciência do Solo, v. 38, n. 6, p. 1890-1905, 2014. SILVA, M. L. N. Índices de erosividade das chuvas da região de Goiânia, GO. Pesquisa Agropecuária Brasileira, Brasília, v.32, n.10, p.977-985, 1997. SILVA, A. M. Rainfall erosivity map for Brazil. Catena, v. 57, n. 3, p. 251-259, 2004. SILVA, S.; DE SOUZA, G. S.; DE OLIVEIRA, R. B. Variabilidade espacial do potencial erosivo das chuvas para o estado do Espírito Santo, Brasil. Irriga, v. 15, n. 3, p. 312, 2010a. SILVA, M. A. D.; SILVA, M. L. N.; CURI, N., SANTOS, G. R. D.; MARQUES, J. J.; MENEZES, M. D. D.; LEITE, F. P. Avaliação e espacialização da erosividade da chuva no Vale do Rio Doce, Região Centro-Leste do Estado de Minas Gerais. Revista Brasileira de Ciência do Solo, Viçosa, v. 34, n. 4, p. 1029-1039, 2010b. SILVA, A. M.; WIECHETECK, M.; ZUERCHER, B. W. Spatial assessment of indices for characterizing the erosive force of rainfall in El Salvador Republic. Environmental Engineering Science, v. 28, n. 4, p. 309-316, 2011. SPAROVEK, G.; DE JONG, Q. V. L.; DOURADO, D. N. Computer assisted Koeppen climate classification: a case study for Brazil. International Journal of Climatology, v. 27, n. 2, p. 257-266, 2007. VIOLA, M. R.; AVANZI, J. C.; MELLO, C. R.; LIMA, S. O.; ALVES, M. V. G. Distribuição e potencial erosivo das chuvas no Estado do Tocantins. Pesquisa Agropecuária Brasileira, v. 49, p. 125-135, 2014. VOLK, L. B. D. S.; COGO, N. P. Erosão hídrica, em três momentos da cultura do milho, influenciada por métodos de preparo do solo e semeadura. Revista brasileira de ciência do solo. Viçosa. Vol. 38, n. 2, p. 565-574, 2014. WALTRICK, P. C.; MACHADO, M. A. M.; DIECKOW, J.; DE OLIVEIRA, D. Estimativa da erosividade de chuvas no estado do Paraná pelo método da pluviometria: atualização com dados de 1986 a 2008. Revista Brasileira de Ciência do Solo, v. 39, n. 1, p. 256-267, 2015.

44

ZAVATTINI, J. A. As chuvas e as massas de ar no estado de Mato Grosso do Sul: estudo geográfico com vista à regionalização climática. Ed. Cultura acadêmica, São Paulo, 2009.

45

3. ERODIBILIDADE PARA O ESTADO DE MATO GROSSO

RESUMO – Erodibilidade (K) é a susceptibilidade do solo à processos erosivos. O K pode ser obtido com ensaios de campo ou a partir de estimativas, realizadas a partir de equações que consideram alguns atributos do solo. O conhecimento da variabilidade espacial do fator K é de suma importância para o planejamento de atividades de conservação, considerando a capacidade de uso de cada solo, principalmente em regiões onde a atividade agropecuária é predominante, como no estado de Mato Grosso. Dessa forma, objetivou-se com este estudo mapear a variabilidade espacial do K para o estado de Mato Grosso, a fim de definir áreas susceptíveis a erosão, assim como definir as classes de solos e características que determinam as variações nos valores de K. Foram estimados valores de K para 427 perfis de solo no estado de Mato Grosso e, posteriormente, estes foram espacializados a partir da krigagem. O estado de Mato Grosso possui na maioria do seu território (98%), solos de baixa e média erodibilidade. As áreas mais críticas, de erodibilidade alta, ocuparam 1,95%. Para todas as classes de solo, a exceção dos Gleissolos, ocorreram perfis de alta erodibilidade. Os valores de K baixos e médios foram predominantes nos perfis estudados. Plintossolos e Nitossolos apresentaram as maiores proporções de perfis de alta erodibilidade, com 20% e 33.3%, respectivamente, e os Latossolos a menor, com 2,4%.

Palavras-chave: erosão, USLE, SIG, escoamento superficial, estabilidade de

agregados, conservação do solo.

46

ERODIBILITY FOR MATO GROSSO STATE

ABSTRACT - Erodibility (K) is the susceptibility of soil for erosive processes. These values can be obtained in the field or estimated from equations, which use some attributes of the soil. Know to spatial variability of K is very important for the planning of conservation activities, based on the peculiarities of each soil, especially in regions where agricultural activity is predominant, as in Mato Grosso state. In this way, the objective of this study was to map the spatial variability of K in the soils of Mato Grosso state, in order to define susceptible areas, as well the classes of soils and characteristics that determine the variations of k values. K values were estimated for 427 soil profiles in Mato Grosso state, later these were spatialized from kriging. The Mato Grosso state has in most of its territory (98%) soils of low and medium erodibility. The most critical areas, with high erodibility, occupied 1.95%. For all soil classes, except for Gleysols, there were points of high erodibility. The values of low and medium erodibility were predominant in the studied profiles. Plinthosols and Nitosols presented the highest proportions of high erodibility profiles, with 20% and 33.3%, respectively, and Latosols the lowest, with 2.4%. Key words: K factor, susceptibility to erosion, surface runoff, stability of aggregates, soil conservation.

47

3.1. Introdução

A erosão hídrica é definida como o processo de desprendimento e arraste

acelerado de partículas de solo causada pela água. Esse fenômeno ocorre a partir da

interação entre forças ativas, como a chuva, declividade e comprimento do declive, e

passivas, como cobertura do solo e resistência que o solo exerce à ação erosiva da

água (Bertoni e Lombardi Neto, 1985). A maior ou menor resistência do solo à erosão

depende de suas características intrínsecas e é definida como erodibilidade ou, na

equação universal de perda de solo (USLE), como fator K (Wischmeier e Smith, 1978).

O método padrão para a obtenção dos valores do fator K é realizado a campo,

em parcelas experimentais submetidas a chuvas naturais ou simuladas e ao longo de

sucessivos anos. Nessas condições, os valores de K podem ser obtidos pela razão

entre a quantidade de solo desprendida na parcela experimental e o respectivo valor

de erosividade, ou a partir do coeficiente angular de uma função linear contendo essas

duas variáveis (Bertol et al., 2007; Martins et al., 2011; Eduardo et al., 2013; Schick et

al., 2014). A erodibilidade é expressa em quantidade de solo perdida (Mg ha-1) por

unidade de energia cinética acumulada da chuva (MJ mm ha-1 h-1 ano-1).

Utilizando o método padrão, Schick et al. (2014) em um Cambissolo obtiveram

valor de K igual a 0,175 Mg ha h ha-1 MJ-1 mm-1. Marques et al. (1997) obtiveram

valores de K iguais à 0,002 e 0,033 Mg ha h ha-1 MJ-1 mm-1, respectivamente para

Latossolo e Argissolo. Bertol et al. (2007) em um Nitossolo, encontraram valor de K

equivalente a 0,012 Mg ha h ha-1 MJ-1 mm-1. Mesmo que exequível, o uso do método

padrão para obtenção do fator K é laborioso, de alto custo e moroso, por exigir vários

e sucessivos anos de estudos a campo. Em função disso, sua determinação muitas

vezes é impossibilitada ou evitada.

Visando facilitar a obtenção do fator K, importante para o planejamento de

práticas de conservação do solo, diversos autores desenvolveram e vem

desenvolvendo equações para sua obtenção a partir de atributos do solo. Wischmeier

e Smith (1978) foram pioneiros nessa atividade, desenvolvendo a equação 1, capaz

de estimar o fator K para solos dos Estados Unidos da América (EUA) a partir de

informações de conteúdo de matéria orgânica, areia fina, silte, argila e características

de permeabilidade e tipo de estruturas dos solos.

48

K = [2,1 x 10

-4 x (12 - MO) x M

1,14+ 3,25 x (s - 2)+ 2,5 x (p - 3)

100] x 0,1318

(1)

em que:

K = Erodibilidade, Mg ha h ha-1 MJ-1 mm-1; MO = Conteúdo de matéria orgânica, dag

kg-1; M = (%areia fina + %silte) x [(100 - %argila)]; s = Classe de estrutura do solo,

adimensional; p = Permeabilidade do perfil, adimensional.

No entanto, essa equação de Wischmeier e Smith (1978), desenvolvida para os

EUA, tem se mostrado incompatível em alguns solos brasileiros. Diante desta

incompatibilidade, Denardin em 1990 desenvolveu a equação 2, que é mais adequada

para os solos brasileiros (Silva et al., 1994; Lima et al., 2007). Porém, em alguns casos

o desempenho desses métodos é variável, e a melhor adequação de um ou outro

pode se inverter, o que fez e ainda faz com que novos estudos sejam desenvolvidos,

visando melhorar tais estimativas (Silva et al., 1999; De Sá et al., 2004).

K = 7,48 x 10-6

M + 4,48059 x 10-3

p - 6,31175-2

DMP+1,039567 x 10-2

R

(2)

em que:

K = Erodibilidade, Mg ha h ha-1 MJ-1 mm-1; M (%) = (%areia fina + %silte) x [(%areia

fina + %silte) + %areia grossa]; p = Permeabilidade do perfil, adimensional; R =

[%areia grossa x teor de matéria orgânica / 100)]; e DPM = diâmetro médio ponderado

das partículas de solo (mm), calculado pela equação 3:

DMP = [ (0,65 x % AG) + (0,15 x % AF) + (0,0117 x % s) + (0,00024 x % A)

100]

(3)

em que:

AG = areia grossa; AF = areia fina; S = Silte; e A = argila.

49

A facilidade proporcionada pelos métodos de estimativa do fator K, gerados

pelas diferentes equações desenvolvidas, fez com que aumentasse a quantidade de

dados dessa natureza no Brasil. Esse aumento na disponibilidade e facilitação na

geração de valores de K para diversas regiões, unidos aos princípios de

geoestatística, possibilitam a geração de mapas para identificação de regiões

susceptíveis. Esses mapeamentos podem ser realizados em nível de bacias

hidrográficas, municípios e até Estados (Arraes et al., 2010; Demarchi e Zimback,

2014).

O conhecimento da variabilidade espacial da susceptibilidade dos solos ao

processo erosivo é importante para o planejamento e desenvolvimento de atividades

agropecuárias, principalmente em região com grandes extensões cultivadas, caso do

estado de Mato Grosso. Diante da ausência de estudos dessa natureza e da

necessidade de identificar áreas críticas quanto à susceptibilidade dos solos à erosão

hídrica, o presente estudo foi desenvolvido com o objetivo de estimar e mapear a

variabilidade espacial da erodibilidade dos solos do estado de Mato Grosso, definir

áreas com maiores e menores valores de K, assim como definir os atributos que mais

influenciam as variações de valores de K nas diferentes classes de solos estudadas.

50


Para o desenvolvimento do presente estudo foi utilizado o banco de dados

produzido no Zoneamento Socioeconômico Ecológico de Mato Grosso (SEPLAN,

2008), que contém informações de 427 perfis de solo (Figura 1).

FIGURA 1. Localização dos perfis de solos no território do estado de Mato Grosso,

adquiridos no ZSEE.

51

Os 427 perfis de solo apresentam informações referentes a classes dos solos,

teores de areia grossa, areia fina, silte, argila, carbono orgânico, características de

drenagem, descrição dos horizontes e coordenadas geográficas. Tais perfis

contemplam solos classificados como Argissolos, Cambissolos, Gleissolos,

Latossolos, Neossolos, Nitossolos e Plintossolos.

Com as informações supracitadas foram calculados valores de erodibilidade

para cada um dos perfis de solo utilizando as equações 1 e 2, propostas,

respectivamente, por Wischmeier e Smith (1978) e Denardin (1990).

O teor de matéria orgânica, foi obtido a partir do produto entre carbono orgânico

do solo e o coeficiente 1,72, seguindo a metodologia descrita em Vasconcellos e

Pereira (1998). Os fatores permeabilidade (p) e classe de estrutura do solo (s) foram

definidos conforme valores descritos nas Tabelas 1 e 2, e a partir da interpretação de

informações referentes à drenagem e estruturação dos perfis, respectivamente.

TABELA 1. Valores de p atribuídos aos perfis de solo, de acordo com suas respectivas

informações de drenagem.

Drenagem Valores de permeabilidade dos perfis (p)

Rápida 1

Moderada à rápida 2

Moderada 3

Lenta à moderada 4

Lenta 5

Muito lenta 6

Fonte: Wischmeier e Smith (1978)

TABELA 2. Valores de classe de estrutura do solo (s), em função dos tipos de

estrutura do solo.

Classe de estrutura do solo Valor de classe de estrutura do solo (s)

Granular muito pequena 1

Granular pequena 2

Granular média a grande 3

Blocos, laminar ou maciça 4

Fonte: Wischmeier e Smith (1978)

52

Considerando que os dois métodos de estimativa de K (Wischmeier e Smith; e

Denardin) podem ser pouco precisos em condições diferentes das quais foram

desenvolvidos (Silva et al., 1994; Marques et al., 1997a; Silva et al., 2000; Martins et

al., 2011), ambos foram aplicados para todos os perfis do presente estudo.

Posteriormente foi definido qual o valor mais coerente a ser utilizado no processo de

espacialização da erodibilidade. Para isso, os valores de erodibilidade estimados por

cada um dos métodos, em cada perfil amostrado, foram comparados a faixas de

valores geradas a partir de um levantamento bibliográfico. Esse levantamento

bibliográfico reuniu apenas valores de erodibilidade obtidos pelo método padrão, em

parcelas montadas em campo e submetidas a chuva natural ou simulada.

Devido à pouca disponibilidade de dados na literatura os Neossolos,

Cambissolos, Gleissolos, Plintossolos e Nitossolos foram diferenciadas apenas até o

primeiro nível categórico (Santos et al., 2013). Já as classes dos Latossolos e dos

Argissolos, que apresentam maiores quantidades de dados disponíveis na literatura,

foram diferenciadas até o segundo nível categórico, ambas apresentando as

subordens Vermelho e Vermelho-Amarelo. Tal diferenciação entre classes de solos

gerou nove grupos: Argissolos Vermelhos, Argissolos Vermelho-Amarelos,

Cambissolos, Gleissolos, Latossolos Vermelhos, Latossolos Vermelho-Amarelos,

Neossolos, Nitossolos e Plintossolos.

Os dados de erodibilidade obtidos na literatura para cada um dos nove grupos

de solos foram submetidos a estatística descritiva, com exceção dos grupos dos

Gleissolos, Neossolos, Nitossolos e Plintossolos, nos quais essa etapa foi

inviabilizada devido ao número reduzido de dados. A partir desse procedimento foi

possível obter valores máximos, mínimos e médios, coeficiente de variação, além de

averiguar a ocorrência de distribuição normal ou não dos dados, ao nível de 5% de

probabilidade de erro. Os grupos que não foram submetidos a estatística descritiva,

apenas apresentaram valores máximos, mínimos e suas respectivas médias

aritméticas.

A definição do método mais adequado para a estimativa do K, em cada um dos

perfis de solo, foi realizada com base nas amplitudes de valores obtidas na literatura

para cada um dos nove grupos. Deste modo foram estipulados os seguintes critérios:

(1) quando os valores de K estimados por ambos os métodos (Wischmeier e Smith; e

Denardin) encontravam-se dentro da faixa de amplitude de K obtida para aquele grupo

de solo, optou-se pelo valor de K estimado pelo método proposto por Denardin; (2)

53

quando os valores de K estimados por ambos os métodos encontravam-se fora da

faixa de amplitude obtida para o grupo, optou-se pelo valor de K estimado pelo método

proposto por Denardin; (3) nos casos em que apenas uma das estimativas de K

encontrava-se dentro da faixa de amplitude obtida para o grupo, optou-se esse valor.

A preferência pelo método de Denardin, observada nos critérios 1 e 2, leva em

consideração a maior confiabilidade deste método, justamente por ter sido

desenvolvido com base nas condições edáficas brasileiras (Silva et al., 1994).

Após definir o valor de erodibilidade, para cada um dos pontos amostrados,

realizou-se as análises geoestatísticas, com o objetivo de caracterizar a variabilidade

espacial dos valores de K no estado de Mato Grosso. A escolha do melhor modelo de

semivariograma foi baseada nos seguintes parâmetros: Alcance; Efeito pepita (C0);

variância estrutural ou patamar (C0 + C1); coeficiente de determinação do

semivariograma (r2sv); coeficiente de determinação da validação cruzada (r2vc); e

grau de dependência espacial (GDE). Para obtenção do GDE utilizou-se a equação 4

e sua classificação foi realizada de acordo com Cambardella et al. (1994): ≤25%, forte

dependência espacial; 25% ≤ GDE ≤ 75%, moderada dependência espacial; e ≥75%,

fraca dependência espacial.

GDE =𝐶0

𝐶0 + 𝐶1 𝑥 100

(4)

Após o ajuste do modelo de semivariância, utilizou-se a técnica de krigagem

ordinária para gerar o mapa de variabilidade espacial da erodibilidade dos solos de

Mato Grosso. Os valores de erodibilidade contidos no mapa foram divididos em cinco

classes, conforme apresentado na Tabela 3. Com o intuito de discutir as

peculiaridades, situações críticas e eventos isolados regionalmente, o estado de Mato

Grosso foi dividido em 7 macrorregiões (noroeste, norte, nordeste, médio norte, oeste,

centro sul e sudeste) conforme proposto em IMEA (2010).

54

TABELA 3. Classes para a interpretação do K.

K (Mg ha h ha-1 MJ-1 mm-1) Valor de erodibilidade (K)

Muito alta > 0,065

Alta 0,046 a 0,065

Média 0,032 a 0,046

Baixa 0,013 a 0,032

Muito baixa < 0,013

Fonte: Freire e Pessoti (1974)

55


Dos 427 perfis utilizados no presente estudo, a maioria corresponde as classes

dos Latossolos, Neossolos e Argissolos, que totalizam respectivamente 245, 67 e 64

perfis (Tabela 4). Esse predomínio ocorre devido à grande proporção do território do

Estado ocupada por essas classes que, segundo Coutinho (2005), ocupam 78% de

Mato Grosso. Essa constatação indica a capacidade dos perfis utilizados em

representar o território matogrossense.

Na Tabela 4, constam para cada um dos grupos de solos estudados, os valores

máximos e mínimos de K obtidos no levantamento bibliográfico, seus coeficientes de

variação, número de referências consultadas e respectivas fontes. Também estão

apresentados na Tabela 4 a porcentagem de vezes que cada método foi mais preciso,

de acordo com os critérios supracitados.

Dos valores de K encontrados na literatura, 85% são referentes aos Latossolos

e Argissolos (Tabela 4). Tal predomínio ocorre devido a maior utilização agrícola e

extensão territorial dessas classes no Brasil. Em levantamento bibliográfico similar,

realizado em São Paulo, Silva e Alvares (2005) observaram a mesma tendência, com

55% dos valores de K correspondentes a essas classes.

Após a análise de adequação dos métodos, 14% dos perfis tiveram seus valores

de K estimados pelo método de Wischmeier e Smith, e 86% pelo de Denardin (Tabela

4). Silva et al. (1994) e Lima et al. (2007), no Brasil, concluíram que o método de

Denardin é mais preciso na estimativa de K, comparado ao de Wischmeier e Smith.

O método de Denardin é mais adequado que o método de Wischmeier e Smith

para solos brasileiros, principalmente Latossolos. Contudo o método de Wischmeier e

Smith apresentou bom desempenho para os Latossolos Vermelhos e Latossolos

Vermelho Amarelos, representando os valores de K de 50 perfis, 21% do total desta

classe (Figura 4). Justificativa provável é que, desses 50 perfis, 44 possuem textura

média, com conteúdo médio de argila de 27%. Segundo Lima et al. (2007), o método

de Wischmeier e Smith apresenta limitações quando aplicado em Latossolos com alto

teor de argila, porém, quando a proporção dessa fração no perfil é menor, suas

estimativas são adequadas.

56

Tabela 4. Grupos de solos estudados e suas respectivas faixas de valores obtidas na

literatura, coeficientes de variação, fontes consultadas, número de fontes

consultadas, porcentagem de vezes em que cada método foi mais preciso e número

de perfis.

(1) Bertoni e Lombardi Neto (1985); (2) Fujihara (2002); (3) Campos Filho et al. (1992); (4) Marques et al. (1997b); (5) Silva et al. (1994); (6) Marques et al. (1997a); (7) Silva e Alvares (2005); (8) Silva et al. (2009); (9) Bertol et al. (2002); (10) Martins et al. (2011); (11) Silva et al. (1997); (12) Carvalho e Hernani (2001); (13) Hernani et al. (1997); (14) Bertol et al. (2007); (15) Eduardo et al (2013); (16) Andrade et al. (1999); (17) De acordo com Silva et al. (2000); (18) Schick et al. (2014); (19) Denardin e Wunsche (1981) apud Silva et al. (1997); (20) Adaptado de Silva et al. (2005); (21) Adaptado de Lombardi Neto e Moldenhauer (1992).

Grupos

Erodibilidade observada

(Mg ha h ha-1 MJ-1 mm-1) CV% Nº de

valores Fontes

Adequação aos dados

obtidos na literatura (%) Nº de

perfis Min. Méd. Máx.

Wischmeier

e Smith Denardin

Argissolo

Vermelho 0,0040 0,0192 0,0340 56% 9 6, 20 16 84 12

Argissolo

Vermelho-

Amarelo

0,0040 0,0262 0,0550 50% 16 1, 3, 4,

6, 15 4 96 52

Cambissolo 0,0115 0,0311 0,0508 47% 5 7, 8, 9,

19, 21 5 95 37

Gleissolo 0,0 0,0180 0,0360 - 2 2, 7 0 100 5

Latossolo

Vermelho 0,0019 0,0094 0,0260 38% 26

1, 4, 5,

8, 11,

12, 13,

17, 20,

21

27 73 132

Latossolo

Vermelho-

Amarelo

0,0020 0,0156 0,0340 63% 10 1, 5,

16, 17 14 86 113

Neossolo 0,0296 0,0296 0,0296 - 1 2 0 100 63

Nitossolo 0,0110 0,0173 0,0237 - 2 7, 14 0 100 3

Plintossolo 0,0170 0,0170 0,0170 - 1 10 0 100 10

57

A partir dos resultados obtidos na Tabela 4, a distribuição, ao longo do Estado,

dos pontos representados por cada está apresentada na Figura 2.

FIGURA 2. Distribuição dos pontos amostrais representados por cada um dos

métodos de estimativa do K.

Na Figura 3 está ilustrado o semivariograma utilizado para estimar K no estado

de Mato Grosso, juntamente com seus parâmetros de avaliação. Segundo

Cambardella et al. (1994), os pontos distribuídos no Estado apresentam entre si uma

dependência espacial classificada como moderada (25% ≤ GDE ≤ 75%), sendo 37,5%

da variância estrutural atribuída ao acaso. Arraes et al. (2010) e Weill e Sparovek

(2008) utilizaram semivariogramas com grau moderado de dependência espacial para

espacialização do K em microbacias de São Paulo. Os trabalhos dos referidos autores

indicam que mesmo em áreas menores que o estado de Mato Grosso, com menor

tendência a variabilidade espacial, semivariogramas com moderada dependência

espacial são aplicáveis.

58

FIGURA 3. Semivariograma para a erodibilidade dos solos do estado de Mato Grosso.

O modelo de semivariograma que melhor representou a variação dos valores de

K no Estado foi o exponencial. Na literatura, a maioria dos estudos envolvendo a

variabilidade espacial de atributos do solo apresentam semivariogramas

exponenciais, assim como observado por Branco et al. (2013), Oliveira et al. (2013) e

Bottega et al. (2013).

O alcance do semivariograma foi de 161 km, ou seja, dentro de um círculo com

este raio, os pontos apresentam-se correlacionados espacialmente. Com este

alcance, conclui-se que a densidade de perfis utilizada para o mapeamento do K é

satisfatória, uma vez que as distâncias entre pontos são sempre inferiores a 161 km.

Conclusão similar foi obtida por Branco et al. (2013) no Piauí. Esses autores

mencionaram ainda que a densidade de perfis para estimativa do K poderia ser

reduzida, sem comprometer a confiabilidade das informações geradas.

No gráfico de validação cruzada (Figura 4), observa-se o coeficiente de

determinação (R2) igual a 0,3. Ainda que o valor de R2 seja reduzido, analisando o

padrão mantido entre os valores subestimados e superestimados, representados pela

linha de tendência, conclui-se que a capacidade de generalização do modelo é

aceitável.

r2 = 0,92

GDE = 37,5%

Alcance = 161 km

C0 = 0,00007

C0 + C1 = 0,00020

59

FIGURA 4. Dispersão dos pares de dados da validação cruzada.

Das cinco classes de K propostas por Freire e Pessotti (1974), foram

identificadas no Estado as classes muito baixa, baixa, média e alta (Figura 5). O Mato

Grosso possui área total de aproximadamente 93,1 milhões de hectares, dos quais:

202.997 (0,22%) correspondem à classe muito baixa; 51.470.990 (55,28%) à classe

baixa; 39.612.510 (42,55%) à classe média; e 1.813.503 (1,95%) à classe alta.

As áreas mais críticas identificadas em território Matogrossense, representadas

pela classe alta de K, se concentraram predominantemente nas macrorregiões

nordeste, noroeste e oeste (municípios de Juína, Sapezal, Brasnorte, Cocalinho e

Nova Nazaré).

R2 = 0,3 (p < 0,001)

60

FIGURA 5. Mapa de K (Mg ha h ha-1 MJ-1 mm-1) para o estado de Mato Grosso,

dividido em macrorregiões econômicas segundo o IMEA (2010).

As proporções de perfis de solo referentes a cada uma das classes de K, para

cada grupo de solo estudado estão ilustradas na Figura 6. Assim como observado no

mapa de K (Figura 5), as classes baixa e média foram predominantes e representam

as maiores proporções dos valores de K dos perfis de Argissolos, Plintossolos,

Latossolos, Neossolos e Cambissolos (Figuras 6a, 6b, 6c, 6d e 6e, respectivamente).

Valores de K na classe muito baixa foram obtidos nos perfis de Argissolos e

Neossolos, representando respectivamente 4,7% e 1,6% destes (Figuras 6a e 6d).

Com exceção dos Gleissolos, com valores de K na classe baixa em todos os

perfis (6g), em todas as demais classes de solo ocorreram valores de K classificados

como altos. Destaque para os Plintossolos e Nitossolos, com 20% e 33,3% dos perfis

na classe alta, respectivamente (Figuras 6b e 6f). A menor quantidade de perfis na

classe alta foi observada para os Latossolos (2,4%), Figura 6c, certamente devido as

suas características de drenagem e profundidade (Valladares et al., 2012).

De um total de 72 valores de K encontrados na literatura (Tabela 4), foram

observadas as seguintes proporções de classes de K nas diferentes classes de solo:

61

Argissolos (Muito baixa, 24%; Baixa, 44%; Média, 28%; Alta, 4%); Plintossolos (Baixa,

100%); Latossolos (Muito baixa, 52,7%; Baixa, 44,4%; Média, 2,9%); Neossolos

(Baixa, 100%); Cambissolos (Muito baixa, 20%; Baixa, 40%; Média, 20%; Alta, 20%);

Nitossolos (Baixa, 100%); Gleissolos (Muito baixa, 50%; Média, 50%).

FIGURA 6. Proporções de perfis referentes a cada uma das classes de K nos

Argissolos (a), Plintossolos (b), Latossolos (c), Neossolos (d),

Cambissolos (e), Nitossolos (f) e Gleissolos (g).

Para melhor compreensão da variação de valores de K no Estado, esses foram

relacionados com características contidas nos perfis de cada classe de solo (Figura

7). As características utilizadas para explicar tais variações, foram aquelas que mais

influenciaram nos valores de K. Dessa forma, foram escolhidas, para cada classe de

solo, as características que proporcionaram as maiores amplitudes de K, quando seus

valores máximos e mínimos foram aplicados nas fórmulas de estimativa desse fator.

A variação dos valores de erodibilidade na classe dos Argissolos foi mais

influenciada pelas porcentagens de areia fina e argila, apresentando relação direta e

indireta, respectivamente (Figura 7a). Devido à pouca reatividade e massa reduzida,

4.7

56.3

35.9

3.1

(a)

30

50

20

(b)

69.0

28.6

2.4

(c)

1.6

47.646.0

4.8

(d)

24.3

67.6

8.1

(e)

66.7

33.3

(f)

100

(g)

62

partículas de areia fina dificilmente formam agregados e exercem pouca resistência

ao processo de arraste por fluxos superficiais, fazendo com que os valores de K

tenham relação direta com a proporção desta fração no solo (Silva et al., 1999;

Parwada e Van Tol, 2016; Corrêa et a., 2015). Em relação a argila, devido a sua

influência na formação de agregados estáveis, a susceptibilidade do solo à erosão

tende a diminuir conforme sua quantidade aumenta nos solos (Singh e Khera, 2009;

Corrêa et a., 2015; Parwada e Van Tol, 2016).

Outro fator de influência na variação de valores de K em Argissolos é a presença

do horizonte B textural, responsável por restrição subsuperficial a percolação de água.

Solos com tal característica apresentam o horizonte A mais vulnerável a processos

erosivos, devido a maior probabilidade de saturação e acúmulo de água em superfície,

condições estas que facilitam a ocorrência de escoamento superficial (Arraes et al.,

2010; Santos et al., 2013; Corrêa et al., 2015). Argissolos que apresentam horizonte

A com elevadas quantidades de areia fina e agregados de pouca estabilidade são

mais susceptíveis a erosão.

Nos Plintossolos, assim como nos Argissolos, as variações nos valores de K

foram mais influenciadas pela argila e areia fina (Figura 7b). Outra semelhança é que

os Plintossolos apresentam horizonte subsuperficial que dificulta a percolação de

água (horizonte plíntico ou petroplíntico), tornando mais susceptíveis a erosão os

solos que apresentem horizonte A mais frágil (Arraes et al., 2010; Santos et al., 2013;

Corrêa et al., 2015).

63

AG: Areia grossa; AF: Areia fina; K: Erodibilidade do solo.

FIGURA 7. Relação entre as porcentagens médias das frações texturais de maior

influência e valores de K para os perfis de Argissolos (a), Plintossolos (b),

Latossolos (c), Neossolos (d), Cambissolos (e) e Nitossolos (f).

A variação nos valores de K dos Latossolos foi mais influenciada pela

porcentagem de argila e areia grossa dos perfis, apresentando relação indireta com

ambas (Figura 9). Quanto à argila, essas variações se dão devido sua ação agregante

e aos óxidos. Os óxidos de ferro e alumínio, que compõem parte da fração argila dos

Latossolos, influenciam na formação de estruturas granulares, características pelo seu

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0

10

20

30

40

50

60

70

80

Alta Média Baixa Muitobaixa

K (

Mg

ha

h h

a-1

MJ

-1m

m-1

)

Po

rcen

tag

em

de A

rgil

a e

AF

Argila AF K

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0

10

20

30

40

50

60

Alta Média Baixa

K (

Mg

ha

h h

a-1

MJ

-1m

m-1

)

Po

rcen

tag

em

de

Arg

ila e

AF

Argila AF K

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0

5

10

15

20

25

30

35

40

45

Alta Média Baixa

K (

Mg

ha

h h

a-1

MJ

-1m

m-1

)

Po

rcen

tag

em

de

Arg

ila e

AG

Argila AG K

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0

20

40

60

80

100

Alta Média Baixa Muitobaixa

K (

Mg

ha

h h

a-1

MJ

-1m

m-1

)

Po

rcen

tag

em

de

AF

e A

G

AF AG K

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0

10

20

30

40

50

Alta Média Baixa K (

Mg

ha

h h

a-1

MJ

-1m

m-1

)

Po

rcen

tag

em

de

Arg

ila e

S

ilte

Argila Silte k

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0

10

20

30

40

50

60

70

Alta Baixa Muito baixaBertol et al.

(2007)K

(M

g h

a h

ha

-1M

J-1

mm

-1)

Po

rcen

tag

em

de

Arg

ila e

S

ilte

Argila Silte K

(b) (a)

(c) (d)

(f) (e

)

64

“desarranjo” (ausência de ajuste face a face entre partículas). Tal peculiaridade faz

com que os valores de permeabilidade de Latossolos aumentem, proporcionalmente

ao aumento do conteúdo de argila (Silva et al., 1994; Silva et al., 2005; Silva et al.,

2009; Amorim et al., 2010). Quanto à areia grossa, mesmo que pouco reativa para

formação de agregados, com aumento de sua proporção no solo os valores de K

tendem a diminuir, devido à sua massa elevada, que lhe confere resistência ao

processo de arraste pela água (Silva et al., 1999; Corrêa et al., 2015).

Na Figura 7d, observa-se que as características de maior influência nos

Neossolos foram as frações areia fina e areia grossa. Assim como discutido para as

variações de areia fina nos Argissolos e Plintossolos, e areia grossa nos Latossolos,

observou-se que a medida que suas proporções diminuíram e aumentaram,

respectivamente, os valores de K tenderam a redução. O que ocorre devido a

influência das massas destas partículas em fluxos superficiais de água.

As frações de maior influência nos Cambissolos foram a argila e o silte. Assim

como nos Argissolos, Plintossolos e Latossolos, os valores de K dos Cambissolos

reduziram conforme o conteúdo de argila nos perfis aumentou (Figura 7e). Quanto ao

silte, a relação com os valores de K ocorre de forma direta.

A fração silte, assim como a areia fina, possui massa reduzida e pouca

propensão a formar agregados, sendo facilmente desprendida e arrastada pela água.

Desta maneira, estas partículas quando desprendidas e arrastadas podem, tanto

serem retiradas do sistema, quanto serem responsáveis pelo entupimento de poros

de drenagem, ao serem carregadas pela água de percolação. Sendo assim, ocorrerá

a diminuição da capacidade de infiltração no solo e consequentemente será gerado

um maior volume de fluxo superficial em função do chamado “selamento superficial”

(Brandão et al., 2006; Corrêa et al., 2015; Durães e Mello, 2016).

Assim como nos Cambissolos, os valores de K nos Nitossolos foram mais

influenciados pela quantidade de argila e silte dos perfis (Figura 7f). Acompanhando

as variações apresentadas nos valores de K dos perfis de Nitossolo deste trabalho,

na Figura 7f apresenta-se em destaque os valores obtidos de K, argila e silte em um

Nitossolo estudado por Bertol et al. (2007). Tal comparação confirma a diminuição da

susceptibilidade a erosão em função do aumento na proporção de argila e diminuição

na proporção de silte, em perfis desta classe de solo.

Dos perfis de Gleissolos estudados, todos apresentaram valores na classe baixa

de erodibilidade. Conforme suas características, Gleissolos são mal drenados (Santos

65

et al., 2013), o que teoricamente deveria gerar altos valores de K, discordando da

classificação aqui especificada. Contudo, os perfis de Gleissolos deste trabalho

apresentaram características de boa drenagem, fazendo com que em eventos

chuvosos o escoamento superficial seja reduzido e consequentemente os valores de

K também.

Características de boa drenagem em Gleissolos são incomuns, visto que o

fenômeno de gleização ocorre em ambientes redutores (Santos et al., 2013), por

exemplo em veredas. Entretanto, o nível freático de cursos de água que geram as

condições redutoras em veredas pode se aprofundar, de acordo com os usos dos

solos de uma bacia (Ficagna Júnior et al., 2015). Desta maneira, esses Gleissolos,

podem hoje, após mudanças nos usos da bacia hidrográfica, possuírem

características diferentes de drenagem, por não mais se encontrarem saturados. Em

adição, Gleissolos quando secos podem apresentar fendas (Santos et al., 2013), o

que provavelmente influenciou nas condições de boa drenagem identificadas a campo

nesses perfis. Silva e Alvares (2005) no estado de São Paulo, obtiveram informações

que dão respaldo a valores baixos de K em Gleissolos, ao constatarem que de 6 perfis

estudados, 2 apresentavam valores de erodibilidade baixos.

66

3.4. Conclusões

O estado de Mato Grosso possui na maioria do seu território (98%) solos de

baixa e média erodibilidade.

As áreas mais críticas (alta erodibilidade) correspondem a apenas 1,95% do

Estado e se localizam predominantemente nas macrorregiões nordeste, noroeste e

oeste.

Para todas as classes de solo com perfis avaliados, a exceção dos Gleissolos,

ocorreram pontos de alta erodibilidade. No entanto, os valores de erodibilidade baixos

e médios foram predominantes nos perfis estudados.

Plintossolos e Nitossolos foram as classes de solos que apresentaram maiores

proporções de perfis de alta erodibilidade (20% e 33,3%, respectivamente). Os

Latossolos apresentaram a menor proporção (2,4%).

67


AMORIM, R. S. S.; SILVA, D. D.; PRUSKI, F. F.; MATOS, A.T. Avaliação do desempenho dos modelos de predição da erosão hídrica USLE, RUSLE E WEPP para diferentes condições edafoclimáticas do Brasil. Engenharia Agrícola, Joboticabal. v.30, p.1046-1049, 2010. ANDRADE, A. P.; SILVA, I. F.; DINIZ, E. J.; SANTIAGO, R. D.; OLIVEIRA, P. K. B. Perda de solo e água por erosão num Latossolo Vermelho Amarelo submetido a diferentes práticas agrícolas. Agropecuária Técnica, v. 20, n. 1, p. 14-19, 1999. ARRAES, C. L.; PAES BUENO, C. R.; TARLE PISSARRA, T. C. Estimativa da erodibilidade do solo para fins conservacionistas na microbacia córrego do Tijuco, SP. Bioscience Journal, p. 849-857, 2010. BERTOL, I.; SCHICK, J.; BATISTELA, O.; LEITE, D.; AMARAL, A. J. Erodibilidade de um Cambissolo Húmico alumínico léptico, determinada sob chuva natural entre 1989 e 1998 em Lages (SC). R. Bras. Ci. Solo, v. 26, p. 465-471, 2002. BERTOL, I.; LEITE, D.; ENGEL, F. L.; COGO, N. P.; GONZÁLEZ, A. P. Erodibilidade de um nitossolo háplico alumínico determinada em condições de campo. Revista Brasileira de Ciência do Solo, v. 31, n. 3, p. 541-549, 2007. BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. Piracicaba: Livroceres. 392p., 1985. BOTTEGA, E. L.; QUEIROZ, D. M.; PINTO, F. A. C.; SOUZA, C. M. A. Variabilidade espacial de atributos do solo em sistema de semeadura direta com rotação de culturas no cerrado brasileiro. Revista Ciência Agronômica, v. 44, n. 1, p. 1-9, 2013. BRANCO, S. B.; SALVIANO, A. A.; MATIAS, S. S.; MARQUES JR, J.; SANTOS, H. L. Influência do relevo e erodibilidade nos atributos químicos em área degradada de Gilbués, PI. Revista Brasileirade Ciencias Agrarias, p. 324-330, 2013. BRANDÃO, V. S.; CECÍLIO, R. A.; PRUSKI, F. F.; SILVA, D. D. Infiltração de água no solo. 3º ed. Atualizada e ampliada – Viçosa: Ed. UFV, 2006. CAMBARDELLA, C. A.; MOORMAN, T. B.; PARKIN, T. B.; KARLEN, D. L.; NOVAK, J. M.; TURCO, R. F.; KONOPKA, A. E. Field-scale variability of soil properties in central Iowa soils. Soil science society of America journal, v. 58, n. 5, p. 1501-1511, 1994. CAMPOS FILHO, O. R.; DA SILVA, I. D. F.; DE ANDRADE, A. P.; LEPRUN, J. C. Erosividade da chuva e erodibilidade do solo no agreste de Pernanbuco. Pesquisa Agropecuária Brasileira, v. 27, n. 9, p. 1363-1370, 1992. CARVALHO, M. P.; HERNANI, L. C. Parâmetros de erosividade da chuva e da enxurrada correlacionados com perdas de solo e erodibilidade de um Latossolo Roxo de Dourados (MS). Revista brasileira de ciência do solo, p. 137-146, 2001.

68

CORRÊA, E. A.; MORAES, I. C.; PINTO, S. D. A. F. Estimativa da erodibilidade e tolerância de perdas de solo na região do centro leste paulista. Geociências, v. 34, n. 4, p. 848-860, 2015. COUTINHO, A.C. Dinâmica das queimadas no Estado do Mato Grosso e suas relações com as atividades antrópicas e a economia local. Tese de Doutorado, Universidade de São Paulo – ESALQ. 308p, 2005. DE SÁ, M. A. C.; CURI, N.; LIMA, J.; MARQUES, J.; MASSAROTO, J. Estimativa da erodibilidade pela desagregação por ultra-som e atributos de solos com horizonte B textural. Pesq. agropec. bras, v. 39, p. 691-699, 2004. DEMARCHI, J. C.; ZIMBACK, C. R. L. Mapeamento, erodibilidade e tolerância de perdas de solo na sub-bacia do Ribeirão das Perobas. Energia na Agricultura, p. 102-114, 2014. DENARDIN, J.E. Erodibilidade de solo estimada por meio de parâmetros físicos e químicos. Piracicaba: USP-ESALQ, 1990. 81p. (Tese de Doutorado). DURÃES, M. F.; MELLO, C. R. D. Distribuição espacial da erosão potencial e atual do solo na Bacia Hidrográfica do Rio Sapucaí, MG. Engenharia Sanitária e Ambiental, v. 21, n. 4, p. 677-685, 2016. EDUARDO, E. N.; CARVALHO, D.; MACHADO, R. L.; SOARES, P. F. C.; ALMEIDA, W. Erodibilidade, fatores cobertura e manejo e práticas conservacionistas em argissolo vermelho-amarelo, sob condições de chuva natural. Revista Brasileira de Ciência do Solo, v. 37, p. 796-803, 2013. SANTOS, H.G.; JACOMINE, P.K.T.; ANJOS, L.H.C.; OLIVEIRA, V.A.; LUMBRERAS, J.F.; COELHO, M.R.; ALMEIDA, J.A.; CUNHA, T.J.F.; OLIVEIRA, J.B. Sistema brasileiro de classificação de solos. 3.ed. revisada e ampliada. Brasília: Embrapa, 2013. 353p. Secretária de Estado e Planejamento, SEPLAN. Zoneamento Sócio-Econômico-Ecológico do Estado de Mato Grosso, ZSEE. (2008) - Cuiabá, Governo do Estado de Mato Grosso. 338 p. FREIRE, O.; PESSOTI, J. E. S. Erodibilidade dos solos do estado de São Paulo. Anais da ESALQ. V.31. p.333-350, 1974. FUJIHARA, A. K. Predição de erosão e capacidade de uso do solo numa microbacia do oeste paulista com suporte de geoprocessamento. Tese de Doutorado. Universidade de São Paulo, 2002. HERNANI, L. C.; SALTON, J. C.; FABRICIO, A. C.; DEDECEK, R.; ALVES JR, M. Perdas por erosão e rendimentos de soja e de trigo em diferentes sistemas de preparo de um Latossolo Roxo de Dourados (MS). Revista Brasileira de Ciência do Solo, v. 21, n. 4, p. 667-676, 1997.

69

IMEA, Mapa de macrorregiões do IMEA. Disponível em: < http://www.imea.com.br/upload/publicacoes/arquivos/justificativamapa.pdf>. Acesso em: 12 de outubro de 2016. FICAGNA JUNIOR, E. B.; DIAS, W. R.; RIBEIRO, E. S. Funcionamento hídrico da cobertura pedológica de uma cabeceira de curso d’água afluente do rio São Lourenço em Campo Verde – MT. Biodiversidade, v. 14, n. 1, 2015. LIMA, J. E. F. W.; SILVA, E. D.; EID, N. J.; MARTINS, E. S.; KOIDE, S.; REATTO, A. Desenvolvimento e verificação de métodos indiretos para a estimativa da erodibilidade dos solos da bacia experimental do alto rio jardim DF. Revista Brasileira de Geomorfologia, v. 8, n. 2, p. 23-36, 2007. LOMBARDI NETO, F.; MOLDENHAUER, W. C. Erosividade da chuva: sua distribuição e relação com perdas de solo em Campinas, SP. Bragantia, v. 51, n. 2, p. 189-196, 1992. MARQUES, J. J. G. S. M.; CURI, N.; FERREIRA, M. M.; LIMA, J. D.; SILVA, M. L. N.; SÁ, M. D. Adequação de métodos indiretos para estimativa da erodibilidade de solos com horizonte B textural no Brasil. Revista brasileira de ciência do solo, v. 21, n. 3, p. 447-456, 1997a. MARQUES, J. J. G. S. M.; ALVARENGA, R. C.; CURI, N.; SANTANA, D. P.; SILVA, M. L. N. Índices de erosividade da chuva, perdas de solo e fator erodibilidade para dois solos da região dos cerrados-primeira aproximação. R. Bras. Ci. Solo, v. 21, p. 427-434, 1997b. MARTINS, S. G.; AVANZI, J. C.; SILVA, M. L. N.; CURI, N.; FONSECA, S. Erodibilidade do solo nos Tabuleiros Costeiros. Pesquisa Agropecuária Tropical, Goiânia, v. 41, n. 3, p. 322-327, 2011. OLIVEIRA, I. A.; CAMPOS, M. C. C.; SOARES, M. D. R.; AQUINO, R. E.; MARQUES JÚNIOR, J.; NASCIMENTO, E. P. Variabilidade espacial de atributos físicos em um Cambissolo Háplico, sob diferentes usos na região sul do Amazonas. Revista Brasileira de Ciência do Solo, p. 1103-1112, 2013. PARWADA, C.; VAN TOL, J. Soil properties influencing erodibility of soils in the Ntabelanga area, Eastern Cape Province, South Africa. Acta Agriculturae Scandinavica, Section B, Soil & Plant Science, p. 1-10, 2016. SCHICK, J.; BERTOL, I.; COGO, N. P.; GONZÁLEZ, A. P. Erodibilidade de um Cambissolo Húmico sob chuva natural. Revista Brasileira de Ciência do Solo, v. 38, p. 1906-1917, 2014. SILVA, M. L. N.; OLIVEIRA, M. S.; FERREIRA, M. M.; NETO, F. L. Comparação entre métodos direto e indiretos para determinação da erodibilidade em latossolos sob cerrado. Pesquisa agropecuária brasileira, Brasília, v. 29, n. 11, p. 1751-1761, 1994. SILVA, M. L. N.; FREITAS, P. D.; BLANCANEAUX, P.; CURI, N.; LIMA, J. M. D. Relaçao entre parametros da chuva e perdas de solo e determinaçao da erodibilidade


70

de um latossolo vermelho-escuro em Goiâna (GO). Revista Brasileira de Ciência do Solo, v. 21, n. 1, p. 131-137, 1997. SILVA, M. L. N.; CURI, N.; FERREIRA, M. M.; LIMA, J. D.; FERREIRA, D. F. Proposição de modelos para estimativa da erodibilidade de latossolos brasileiros. Pesquisa Agropecuária Brasileira, v. 34, n. 12, p. 2, 1999. SILVA, M. L. N.; CURI, N.; Lima, J. D.; FERREIRA, M. M. Avaliação de métodos indiretos de determinação da erodibilidade de Latossolos brasileiros. Pesquisa Agropecuária Brasileira, v. 35, n. 6, p. 1207-1220, 2000. SILVA, A. M. D.; ALVARES, C. A. Levantamento de informações e estruturação de um banco de dados sobre a erodibilidade de classes de solos no estado de São Paulo. Geociências, v. 24, n. 1, p. 33-42, 2005. SILVA, A. D.; SILVA, M. L. N.; CURI, N.; LIMA, J. D.; AVANZI, J. C.; FERREIRA, M. M. Perdas de solo, água, nutrientes e carbono orgânico em Cambissolo e Latossolo sob chuva natural. Pesquisa Agropecuária Brasileira, v. 40, n. 12, p. 1223-1230, 2005. SILVA, A.M.; SILVA, M.L.N.; CURI, N.; AVANZI, J.C.; FERREIRA, M.M. Erosividade da chuva e erodibilidade de Cambissolo e Latossolo na região de Lavras, sul de Minas Gerais. Revista Brasileira de Ciência do Solo, v.33, p.1811-1820, 2009.

SILVA, A. S.; SILVA, I. D. F.; BANDEIRA, L. B.; OLIVEIRA DIAS, B.; DA SILVA NETO, L. D. F. Argila e matéria orgânica e seus efeitos na agregação em diferentes usos do solo. Ciência rural, v. 44, n. 10, p. 1783-1789, 2014.

SINGH, M. J.; KHERA, K. L. Nomographic estimation and evaluation of soil erodibility under simulated and natural rainfall conditions. Land Degradation & Development, v. 20, n. 5, p. 471-480, 2009. VALLADARES, G. S.; GOMES, A.; TORRESAN, F. E.; RODRIGUES, C. A. G.; GREGO, C. R. Modelo multicritério aditivo na geração de mapas de suscetibilidade à erosão em área rural. Pesquisa Agropecuária Brasileira, Brasília, v. 47, n. 9, p. 1376-1383, 2012.

VASCONCELLOS, C. A.; PEREIRA, E. A. G. Metodologias simplificadas para a análise da matéria orgânica dos solos. Comunicado técnico. Empresa Brasileira de Pesquisa Agropecuária. n.8, p.6. 1998. WEILL, M. D. A. M.; SPAROVEK, G. Estudo da erosão na microbacia do Ceveiro (Piracicaba, SP): I-Estimativa das taxas de perda de solo e estudo de sensibilidade dos fatores do modelo EUPS. Revista Brasileira de Ciência do Solo, v. 32, n. 4, p. 801-814, 2008.

WISCHMEIER, W.H.; SMITH, D.D. Predicting rainfall erosion losses: a guide to conservation planning. Washington, United States Departament of Agriculture, 1978. 58p. (Agriculture Handbook, 537).

71

4. POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE MATO

GROSSO

RESUMO - A erosão hídrica é um processo natural, que pode ser acelerado por atividades antrópicas. Quando ocorre de maneira acelerada, o processo erosivo influencia negativamente na sustentabilidade do recurso natural solo e nas atividades agropecuárias. Sua magnitude varia de acordo com o clima, solo, relevo, cobertura do solo e práticas conservacionistas da região. Desenvolvida por volta de 1960, a equação universal de perda de solo (USLE) é capaz de predizer magnitudes de eventos erosivos, considerando todos os fatores de influência. Em alguns casos, a USLE também é utilizada para estimar o potencial natural de erosão (PNE), identificando áreas mais susceptíveis aos processos erosivos e que exigem maiores cuidados com seu uso. Com base nessas considerações, o objetivo deste estudo foi estimar a variabilidade espacial do PNE no território do estado de Mato Grosso, a fim de identificar áreas mais vulneráveis aos processos erosivos e que devem receber maior atenção. Para isso, mapas de erosividade, erodibilidade e de fator topográfico LS foram utilizados para gerar um mapa de PNE. Posteriormente, foram quantificadas e identificadas diferentes classes de PNE no estado de Mato Grosso. Predominaram valores de PNE nas classes média, baixa e alta, que ocupam 59%, 20% e 22% do território do Estado, respectivamente. As regiões de PNE alto, consideradas críticas, apresentam maiores proporções nas macrorregiões noroeste (46,69%), norte (32,70%) e oeste (30,06%). As grandes extensões de PNE alto, ao norte da macrorregião oeste, utilizadas com agricultura, caracterizam uma região problemática, que deve ser monitorada quanto as taxas anuais de perda de solo. Palavras chave: PNE, conservação do solo, erosividade, erodibilidade, erosão

hídrica.

72

WATER NATURAL POTENTIAL EROSION FOR MATO GROSSO STATE

ABSTRACT - Water erosion is a natural process, which can be accelerated by

anthropic activities. This process, when accelerated, can cause negatively influences

in the sustainability the soil natural resource, and agricultural activities. Your

magnitudes vary according to the climate, soil, topography, soil cover and conservation

practices of the region. Developed around 1960, the universal soil loss equation

(USLE) is capable of predicting magnitudes of erosive events, taking into account all

the factors that influence it. In some cases, the USLE is also used to estimate the

natural potential erosion (NPE), identifying areas that are more susceptible to erosion

processes and which require greater care with their use. Based on these

considerations, the aim of this study was to estimate the spatial variability of NPE in

territory of Mato Grosso state, in order to identify areas more vulnerable to erosion

processes and that should receive more attention. For this, maps of rain erosivity, soil

erodibility and LS topographic factor were used to generate a NPE map. Subsequently,

different NPE classes were quantified and identified throughout the territory of Mato

Grosso state. PNE in the middle, low and high classes were most predominant, and

occupation 59%, 20% and 22% of State territory, respectively. The areas of high PNE,

considered critical, present higher proportions in the northwest (46.69%), northern

(32.70%) and western (30.06%) macro regions. The large extensions of high PNE,

north of the west macro region, used with agriculture, characterize a problematic

region, where the annual rates of soil loss should be monitored.

Keys words: NPE, soil conservation, erosivity, erodibility, water erosion.

73

4.1. Introdução

Erosão hídrica é a definição dada ao processo de desprendimento e transporte

de partículas de solo pela ação erosiva da água. Estima-se que aproximadamente

26% da superfície terrestre já tenha sido degradada por esse processo. Esse fato

influencia negativamente na sustentabilidade do recurso natural solo e nas atividades

agropecuárias, uma vez que áreas severamente afetadas por esse processo podem

tornar-se inutilizáveis para produção de alimentos (Biro et al. 2011; Guerra 2007; Higa

et al. 2014).

No processo de erosão hídrica, a água tem potencial para desprender partículas

de solo em dois momentos distintos: I) ao colidir com o solo em eventos de chuva; e

II) ao escoar sobre a superfície produzindo energia cisalhante sobre o solo (Silva e

Machado, 2014). No segundo momento, além de desagregar partículas, a água

também pode transportar aquelas partículas desprendidas anteriormente, levando-as

para regiões mais baixas, onde ocorre o processo de sedimentação, ou para cursos

de água. Além de perdas de solo, a perda de insumos agrícolas nesse processo

também é um fator a ser analisado, por ter reflexos negativos frente à economia, ao

bem-estar social e ao ambiente (Fixen, 2009; Dias e Silva, 2015).

As magnitudes das perdas de solo são dependentes da ação conjunta da chuva,

tipo de solo, relevo, cobertura do solo e práticas conservacionistas realizadas no local

em questão (Wischmeier e Smith, 1978; Guadagnin et al., 2005). A equação universal

de perda de solo (USLE), proposta por Wischmeier e Smith (1978), é amplamente

utilizada para predizer a magnitude de eventos de erosão hídrica em diferentes

localidades e leva em consideração justamente os fatores citados anteriormente, os

quais são denominados respectivamente como fatores R, K, LS, C e P. Nos trabalhos

de Silva et al. (2011), Silva et al. (2013) e Durães e Mello (2016), ao aplicarem a USLE

em regiões especificas, os autores consideram apenas os fatores referentes a chuva

(R), ao solo (K) e ao relevo (LS), obtendo dessa maneira valores de potencial natural

de erosão (PNE) ao invés de potencial erosivo.

Os valores obtidos de PNE consideram a perda máxima de solo, quando o

mesmo se encontra descoberto e com ausência de práticas conservacionistas

(Chandramohan e Durbude; 2002; Galdino et al, 2004; Mello et al., 2005; Silva, 2008;

Silva et al., 2011). Estudos dessa natureza são importantes para o planejamento do

uso dos solos, pois possibilitam identificar áreas mais susceptíveis aos processos

74

erosivos, com predisposição a grandes perdas de solo e que devem ser manejadas

de formas mais cautelosas.

Segundo Aquino et al. (2008), um dos maiores desafios da pesquisa mundial

no meio agropecuário é desenvolver atividades que assegurem a manutenção da

eficiência social, produtiva e econômica dos recursos naturais a longo prazo. Se

tratando de produção agropecuária, o estado de Mato Grosso possui extensas áreas,

e é responsável por grande parte da produção nacional de soja, milho, algodão e

carnes, as quais são exportadas para diferentes partes do mundo. Deste modo, o

objetivo com o presente estudo foi estimar e mapear a variabilidade espacial do

potencial natural de erosão para o Estado, a fim de identificar áreas mais vulneráveis

aos processos erosivos e que devem ser manejadas com maior cautela.

75


O presente estudo foi desenvolvido para o território do estado de Mato Grosso,

localizado na região Centro-Oeste do Brasil, com área total de aproximadamente 93

milhões de hectares (IBGE, 2016). Segundo a classificação de Köppen, predomina no

Mato Grosso o tipo climático Aw (Souza et al., 2013). Quanto a distribuição das

diferentes classes de solos, se destacam os Latossolos, Argissolos e Neossolos, que

juntos correspondem a aproximadamente 78% da área do Estado (COUTINHO,

2005). O relevo de Mato Grosso, de maneira geral, é caracterizado por grandes

superfícies aplainadas, localizadas nos Planaltos e Pantanal (Salgado et al., 2015;

Governo de Mato Grosso, 2016). Para a estimativa do PNE, foi utilizada a equação

universal de perda de solo (USLE), apresentada na equação 1.

PS = R x K x LS x C x P

(1)

em que:

PS = perda de solo média anual, t ha-1 ano-1; R = fator de erosividade, expresso em

MJ mm ha-1 h-1; K = fator de erodibilidade, expresso em Mg ha h ha-1 MJ-1 mm-1; L =

fator de comprimento da encosta, adimensional; S = fator de declividade da encosta,

adimensional; C = fator uso e manejo do solo, adimensional; e P = fator de práticas

conservacionistas, adimensional.

Para a obtenção da erosividade (R), foram utilizadas as equações propostas

por Almeida (2009), desenvolvidas para 10 estações pluviográficas. Essas equações

possibilitam obter valores de R, com base apenas em dados pluviométricos. Para as

estações que não possuem equações elaboradas, foram utilizados critérios adaptados

de Oliveira et al. (2012a), considerando a proximidade entre as estações e suas

características de precipitação, analisadas por correlação. Ao todo, foram estimados

valores de R para 158 estações, espalhadas em todo o território do Estado.

Posteriormente, estes foram espacializados a partir de procedimentos geoestatísticos

e de krigagem, dando origem ao mapa de erosividade para o Mato Grosso (Figura 1).

76

FIGURA 1. Variabilidade espacial da erosividade no estado de Mato Grosso.

Inicialmente os valores de erodibilidade (K) foram obtidos a partir de dois

modelos matemáticos, um proposta por Wischmeier e Smith (1978), e outro por

Denardin (1990), apresentados, respectivamente, nas equações 2 e 3, e para um total

de 427 perfis, obtidos de um banco de dados produzido no Zoneamento

Socioeconômico Ecológico de Mato Grosso (SEPLAN, 2008).

K = [2,1 x 10

-4 x (12 - MO) x M

1,14+ 3,25 x (s - 2)+ 2,5 x (p - 3)

100] x 0,1318

(2)

em que:

K = Erodibilidade, Mg ha h ha-1 MJ-1 mm-1; MO = Conteúdo de matéria orgânica, dag

kg-1; M = (% areia fina + % silte) x [(100 - % argila)]; s = Classe de estrutura do solo,

adimensional; p = Permeabilidade do perfil, adimensional.

77

K = 7,48 x 10-6

M + 4,48059 x 10-3

P - 6,31175-2

DMP + 1,039567 x 10-2

R

(3)

em que:

K = Erodibilidade, Mg ha h ha-1 MJ-1 mm-1; M (%) = (% areia fina + % silte) x [(% areia

fina + % silte) + % areia grossa]; P = Permeabilidade do perfil, adimensional; R = [%

areia grossa x teor de matéria orgânica / 100)]; e DPM = diâmetro médio ponderado

das partículas de solo (mm), calculado pela equação 4:

DMP = [ (0,65 x % AG) + (0,15 x % AF) + (0,0117 x % s) + (0,00024 x % A)

100]

(4)

em que:

AG = areia grossa; AF = areia fina; S = Silte; e A = argila.

Para análise da equação mais coerente para estimar o K em cada perfil, os

valores estimados a partir das equações de Denardin e Wischmeier e Smith foram

comparados a valores disponíveis na literatura. Por fim, foram obtidos valores de K

para os 427 perfis de solo. Posteriormente, procedeu-se com a espacialização do K,

a partir de procedimentos geoestatísticos e de krigagem, dando origem ao mapa de

erodibilidade (Figura 2).

78

FIGURA 2. Variabilidade espacial da erodibilidade no estado de Mato Grosso.

O mapa do fator topográfico (LS), foi obtido a partir de um mapa de declividade

(Figura 3), composto pela união e processamento de cenas SRTM, com pixels de 30

x 30 metros (resolução espacial). Os valores de declividade e comprimento de cada

um dos pixels que compunham o mapa de declividade representaram,

respectivamente, os fatores L e S da equação 5, proposta por Bertoni e Lombardi Neto

(1985). Após a aplicação da equação, o mapa originado foi submetido a um

procedimento computacional para agregação de pixels, com o intuito de padronizar a

resolução espacial dos mapas de R, K e LS (1000 x 1000 metros).

79

FIGURA 3. Mapa de declividade de Mato Grosso, fornecido pelo programa de

colaboração teuto-brasileira (CARBIOCIAL) e classificado de acordo

com EMBRAPA (1979).

LS = 0,00984 x L0,63

x S1,18

(5)

em que:

LS = Fator topográfico LS; L = Comprimento da encosta, representado pelo

comprimento do pixel em metros; e S = Declividade da encosta, %.

Aos fatores cobertura do solo (C) e práticas de conservação do solo (P), foi

atribuído um valor unitário (1). Dessa maneira, considerou-se que as áreas em estudo

não apresentavam usos, manejos e nem práticas conservacionistas, que

influenciassem na resistência do solo ao processo erosivo hídrico. Sendo assim, os

valores obtidos em cada localidade expressaram o potencial natural dos solos à

erosão.

80

Após a obtenção dos mapas de R, K e LS, esses foram combinados

(multiplicados) utilizando a ferramenta “calculadora de raster”, de acordo com a

equação 1. Esse procedimento deu origem ao mapa de PNE. O mapa de PNE foi

classificado de acordo com a classificação de Cabral et al. (2005) modificada. Foram

classificados com PNE baixo, áreas com valores de 0 a 100 t ha-1 ano-1; médio, 100,01

a 200 t ha-1 ano-1; alto, 200,01 a 600 t ha-1 ano-1; e muito alto, maiores que 600,01 t

ha-1 ano-1.

Com o intuito de discutir as peculiaridades, situações críticas e eventos isolados

regionalmente, o estado de Mato Grosso foi dividido em 7 macrorregiões (noroeste,

norte, nordeste, médio norte, oeste, centro sul e sudeste) conforme proposto em IMEA

(2010). Além disso, as principais atividades desenvolvidas em cada uma das

macrorregiões (Tabela 1), também descritas em IMEA (2010), foram levadas em

consideração para caracterização de áreas críticas do estado de Mato Grosso.

81

TABELA 1. Atividades desenvolvidas e área total de cada uma das macrorregiões do estado

de Mato Grosso.

MACRORREGIÃO ATIVIDADES DESENVOLVIDAS ÁREA

(ha)

Noroeste

A maior parte da região é composta pelo bioma amazônico, com florestas e

savanas densas. As condições de clima e solo são semelhantes e a principal

atividade econômica da região é a pecuária.

16.532.772,4

Norte

Assim como a região Noroeste, a região Norte é composta pelo bioma

amazônico, com florestas e savanas densas. Em particular, as condições de

relevo desfavorecem o plantio de lavouras, sendo a pecuária a principal

atividade da região.

11.672.242,4

Médio norte A macrorregião Médio Norte está sobre o planalto dos Parecis, que possui

condições de relevo e clima propícios para a produção de culturas anuais. 10.335.166,6

Centro Sul

Toda parte sul da macrorregião é formada pelo Pantanal, que tem como

principal atividade econômica a pecuária extensiva. O restante da região é

formado pela chamada Baixada Cuiabana e pelo início do Planalto do

Parecis, que fazem parte do bioma cerrado. Assim como no Pantanal, na

Baixada Cuiabana a pecuária é a principal atividade econômica. Já na

porção da macrorregião cuja formação é o Planalto do Parecis o sistema

produtivo é bem diversificado, produzindo culturas anuais, cana-de-açúcar

e também pecuária.

13.560.939,9

Oeste

A porção norte da macrorregião faz parte da formação da Chapada do

Parecis e, assim como a região Médio norte, tem condições de relevo, solo

e clima propícios para a produção de culturas anuais. Já o restante da

macrorregião faz parte da formação da Bacia do Guaporé e do Jauru, que é

caracterizada por formações florestais e savanas densas onde a pecuária

está amplamente difundida.

10.383.473,8

Nordeste

A parte sul desta macrorregião possui cerrados com características

adequadas para o cultivo de culturas anuais. A porção leste da macrorregião

é formada por savanas susceptíveis a inundação e propícias para a

produção de bovinos. O restante da macrorregião é formado em sua maioria

por florestas do bioma amazônico, onde a pecuária é a principal atividade

econômica.

17.471.069,6

Sudeste

A diversidade marca o sistema de produção desta macrorregião, situada

sobre o bioma cerrado. Na porção leste da macrorregião (Barra do Garças)

a pecuária é a atividade dominante, na porção norte (Primavera do Leste) o

destaque é a agricultura. No oeste da macrorregião (Jaciara) a cana-de-

açúcar predomina no cenário. A porção central (Rondonópolis) é a mais

diversificada e desenvolve as três atividades citadas anteriormente.

13.144.335,3

Fonte: IMEA (2010)

82


A variabilidade do fator topográfico LS para o estado de Mato Grosso, assim

como sua frequência de distribuição, estão apresentados nas Figuras 5a e 5b,

respectivamente. Observa-se que valores no intervalo de 0 a 1 são predominantes,

representando 95,13% do território do Estado. Os demais intervalos representaram

4,39% (1,01 a 2), 0,43% (2,01 a 3), 0,049% (3,01 a 4) e 0,001% (4,01 a 5).

FIGURA 5. Variabilidade espacial (a) e histograma de distribuição de frequências dos

valores do fator LS (b) ao longo do território do estado de Mato Grosso.

Assim como analisado na Figura 6, a maioria do Estado apresenta valores na

classe média (100 a 200 t ha-1 ano-1). Essa classe abrange uma área de 54 milhões

de hectares, ou 58% de Mato Grosso (Tabela 2). As regiões com valores mais críticos

de PNE (alta e muito alta) totalizam juntas uma área de aproximadamente 21 milhões

de hectares (22% do Estado).

(b)

(a)

83

FIGURA 6. Variabilidade espacial do PNE no estado de Mato Grosso, expressa em t

ha-1 ano-1.

TABELA 2. Quantificação das áreas correspondentes as classes de PNE, de acordo

com a classificação proposta por Cabral et al. (2005) modificada.

CLASSE

t ha-1 ano-1 ÁREA (ha) PORCENTAGEM

PORCENTAGEM

ACUMULADA

Baixa 18.219.884,40 19,57 19,57

Média 54.348.885,20 58,38 77,95

Alta 20.179.325.10 21,67 99,62

Muito Alta 351.905.30 0,38 100,00

TOTAL 93.100.000 100 -

Observa-se na Figura 6, que as áreas de PNE baixo se concentraram

predominantemente nas macrorregiões médio norte, noroeste, sudeste e centro sul,

sobre os planaltos dos Parecis e Guimarães, e sobre as regiões rebaixadas e planas

84

referentes ao Pantanal e a Baixada Cuiabana. Áreas com PNE médio e alto, pelas

maiores extensões, ocorreram em todas as macrorregiões do Estado.

As áreas de PNE muito alto se concentraram nas macrorregiões noroeste, oeste

e centro sul. Contudo, o termo PNE não deve ser empregado para estas áreas, por se

tratarem de regiões escarpadas, que não representam solos propriamente ditos e sim

rochas expostas. Os valores muito elevados de PNE nessas regiões ocorrem em

função do fator topográfico LS elevado, que ocorre devido as altas declividades

apresentadas nas escarpas (grandes desníveis em curtas distancias).

Mapeando o PNE para o território brasileiro, Silva et al. (2011) constataram para

Mato Grosso, distribuição de valores similar a obtida neste trabalho, com predomínio

de PNE elevado nas macrorregiões noroeste e oeste, e reduzido nas regiões planas.

Contudo, mesmo com a similaridade na distribuição, observa-se maior extensão de

áreas com PNE na classe alta no trabalho de Silva et al. (2011), comparando com o

presente estudo. Esta discordância ocorre devido ao menor nível de detalhamento

utilizado em Silva et al. (2011) para os mapas de R, K e principalmente do fator

topográfico LS. Na Tabela 3 estão contabilizadas as áreas correspondentes as

classes de PNE de cada macrorregião, expressas em porcentagem.

TABELA 3. Proporções das macrorregiões matogrossenses ocupadas por cada uma

das classes de PNE.

Nas macrorregiões noroeste e norte, áreas com valores de PNE médio e alto

foram predominantes, abrangendo em média 95% de suas extensões. Destaque para

REGIÃO Baixa Média Alta Muito Alta

Área (%)

Noroeste 1,77 50,80 46,69 0,74

Norte 7,02 60,24 32,70 0,04

Médio norte 31,09 60,70 8,19 0,02

Centro sul 37,37 52,39 9,17 1,07

Oeste 6,70 62,71 30,05 0,54

Nordeste 25,01 65,43 9,53 0,03

Sudeste 28,62 57,81 13,44 0,13

85

as áreas críticas, com PNE alto, que representam 46,69% e 32,70% dessas

macrorregiões, respectivamente (Tabela 3).

Assim como observado por Silva et al. (2012) e Durães et al. (2016) em bacias

hidrográficas de Pernambuco e Minas Gerais, os valores elevados de PNE nas

macrorregiões noroeste e norte de Mato Grosso ocorreram devido aos altos valores

de R e fator topográfico LS. O R elevado nessas macrorregiões ocorre em função dos

elevados índices pluviométricos, proporcionados pelas chuvas convectivas do bioma

amazônico e pela massa equatorial continental (Zavattini, 2009; Gan et al., 2009;

Alves, 2009; Mello et al., 2013). Já o fator topográfico LS elevado, ocorre devido ao

relevo acidentado que caracteriza estas regiões (Vieira et al., 2015). Segundo Risse

et al. (1993), Weill e Sparovek (2008) e Rodrigues et al. (2011) o fator LS tem muita

influência nos valores de PNE, podendo o grau de associação (r) atingir 0,94.

Apesar de grandes áreas de PNE elevado nas macrorregiões noroeste e norte,

nas condições atuais estas não se apresentam vulneráveis a processos erosivos.

Essas macrorregiões estão predominantemente cobertas por florestas, savanas

densas e pastagens (Tabela 1), que proporcionam boa proteção a superfície do solo

(Kort et al., 1998; Castro e Queiroz Neto, 2009; Oliveira et al., 2011; Rodrigues et al.,

2011; Cunha et al., 2017).

Áreas ocupadas com florestas ou savanas densas, apresentam baixo risco para

ocorrência de processos erosivos devido a eficiente e permanente cobertura do solo

(Lu et al., 2004). Em áreas de pecuária isso ocorre devido à alta densidade de hastes

e raízes das gramíneas, capazes de diminuir a intensidade da enxurrada e aumentar

a resistência das partículas de solo a tensão cisalhante da água (Bertoni e Lombardi

Neto, 1985). Contudo, vale ressaltar que em função do elevado PNE nas

macrorregiões noroeste e norte, pastagens degradadas e áreas recém-abertas para

implantação de cultivos anuais, como soja e milho, podem apresentar perdas de solo

expressivas (Castro e Queiroz Neto, 2009; Cunha et al., 2017).

Na macrorregião médio norte predominaram as classes baixa e média de PNE,

com proporções de 31,1% e 60,7%, respectivamente (Tabela 3). Mesmo que os

valores de erosividade nessa região ainda sejam elevados, assim como nas regiões

noroeste e norte, essa predominância de áreas de PNE relativamente reduzidos

ocorre devido aos baixos valores do fator LS e erodibilidade. Os baixos valores do

fator LS nessa macrorregião se dão em função do predomínio de áreas planas,

características de regiões de planaltos (Salgado et al., 2015) e de erodibilidade, devido

86

à predominância de Latossolos. Valladares et al. (2012) observaram baixa

susceptibilidade a erosão em áreas planas compostas pela classe dos Latossolos.

Esses autores atribuíram tais resultados ao baixo escoamento superficial,

condicionado pelo relevo plano e boa permeabilidade, normalmente ocorrente na

referida classe de solo.

Mesmo que os valores de PNE na macrorregião médio norte não sejam elevados

como no noroeste e norte de Mato Grosso, a predominância de áreas com cultivos

anuais deve ser motivo de atenção (Tabela 1). Segundo Castro e Queiroz (2009),

práticas mecanizadas realizadas em cultivos anuais aumentam a ocorrência de

processos erosivos, por induzirem a compactação do solo e escoamentos de água em

superfície. Desse modo, recomenda-se para essas áreas, adoção de práticas

mitigadoras de processos erosivos, como cultivo mínimo ou plantio direto, rotação de

culturas e realização de operações com umidade do solo próxima ao ponto de

friabilidade (Correa et al., 2014).

Na macrorregião centro sul nitidamente visualiza-se a distinção entre as porções

sul e norte (Figura 6). Na porção sul predominam valores de PNE na classe baixa

(região baixa e plana, referente a Baixada Cuiabana e o Pantanal). Ao norte,

predominam valores mais elevados de PNE, contidos nas classes média e alta (região

elevada e plana, referente a bacia sedimentar do Paraná).

O contraste observado entre sul e norte da macrorregião centro sul, mesmo com

ambas apresentando áreas planas e com valores de erodibilidade similares, se deu

em função dos reduzidos valores de erosividade nas regiões mais baixas (baixada

cuiabana e pantanal). Isso ocorre por dois motivos: primeiro, devido aos valores de

erosividade possuírem relação direta com a altitude (Moreira et al., 2006; Mello et al.,

2013); e segundo, devido ao menor volume precipitado nas regiões da baixada

cuiabana e pantanal, em função das altas temperaturas, capazes de reduzir a

umidade relativa das massas de ar úmido que chegam do norte (Zavattini, 2009).

Ao sul da macrorregião centro sul predomina a pecuária (Tabela 1), dessa

maneira, a coincidência de PNE baixo com atividades de baixo risco, caracteriza áreas

de pouca vulnerabilidade a erosão. Na porção norte da macrorregião centro sul o

sistema produtivo é bem diversificado, produzindo culturas anuais, cana-de-açúcar e

também pecuária (Tabela 1). Para os cultivos anuais, assim como mencionado para

a macrorregião médio norte, devem prevalecer a utilização de práticas mitigadoras de

processos erosivos, principalmente em áreas de PNE alto. O cultivo de cana-de-

87

açúcar, assim como a pecuária, é considerado uma atividade segura, pela sua

capacidade de cobrir e proteger a superfície dos solos (Castro e Queiroz Neto, 2009).

Na entressafra essa proteção é dependente da manutenção de restos culturais.

Aproximadamente 30% da macrorregião oeste apresenta PNE alto e

considerado crítico. Assim como ocorre na macrorregião centro sul, na porção norte

da macrorregião oeste predominam atividades agrícolas e na porção sul pecuária e

áreas florestadas. Contudo, diferente das regiões agrícolas da macrorregião centro

sul, onde predominam valores de PNE reduzidos, na macrorregião oeste (mais

especificamente Sapezal e Campos de Júlio) estas se localizam nas regiões de PNE

alto, caracterizando áreas problemáticas e que devem ser monitoradas quanto as

taxas anuais de perda de solo.

Essas áreas de PNE alto, correspondentes aos municípios de Sapezal e Campos

de Júlio, se dão devido aos elevados valores de erosividade e de erodibilidade. Desta

maneira, para estas regiões, recomenda-se a adoção das práticas mitigadoras de

processos erosivos citadas anteriormente. Nessas áreas, a superfície do solo deve

encontrar-se coberta ao longo de todo o ano, através do incremento de materiais

orgânicos. Tal atividade evita que a ação erosiva das chuvas atue sobre a superfície

desses solos susceptíveis (Panachuki et al., 2011; Menezes et al., 2009; Cardoso et

al., 2012) e diminuem os valores de erodibilidade, devido a ação cimentante do

material orgânico adicionado ao solo (Parwada e Van Tol, 2016).

A macrorregião nordeste do Estado é marcada pelos diferentes usos e

coberturas do solo (Tabela 1). Predominam em sua porção sul o cultivo de culturas

anuais, na porção leste pecuária e ao norte encontram-se as áreas cobertas por matas

nativas do bioma amazônico. De acordo com a Figura 6, nas regiões mais

intensamente cultivadas (uso agrícola), ao sul da macrorregião, ocorrem áreas de

PNE nas classes baixa e média, assim como observado na macrorregião médio norte,

onde os pré-requisitos para conservação dos solos referem-se apenas à adoção de

práticas conservacionistas.

Assim como na macrorregião nordeste, a macrorregião sudeste é caracterizada

pela diversidade de atividades. Ao norte, região de Primavera do Leste, predominam

áreas agrícolas, onde os valores de PNE são médios. Nas porções leste e oeste

predominam as atividades de pecuária e cultivos de cana-de-açúcar, respectivamente.

Na região central, referente a Rondonópolis, as atividades diversificam entre pecuária

e agricultura. Predominam nessa macrorregião áreas com valores de PNE na classe

88

média, que totalizam 60% de sua extensão. De maneira geral, as áreas necessitam

de maiores cuidados nessa macrorregião são aquelas localizadas ao norte, com PNE

médio e cultivadas com culturas anuais.

89

4.4. Conclusões

Predominam no estado de Mato Grosso solos com PNE nas classes baixa,

média e alta (20%, 58% e 22%, respectivamente).

Áreas de PNE baixo se localizam predominantemente nas regiões planas,

correspondentes aos planaltos sobre a bacia sedimentar do Paraná, Baixada

Cuiabana e Pantanal.

Devido à grande extensão, as áreas de PNE médio ocupam proporções

significativas de todas as macrorregiões.

As áreas com PNE alto, consideradas críticas, apresentaram maiores

proporções nas macrorregiões oeste, noroeste e norte.

Nas macrorregiões noroeste e norte, as áreas críticas (PNE alto) não são

consideradas problemáticas, devido aos usos atuais.

As áreas críticas (PNE alto) ao norte da macrorregião oeste, são consideradas

problemáticas por estarem atualmente sendo utilizadas com agricultura, e devem ser

monitoradas quanto as taxas anuais de perda de solo.

As áreas críticas (PNE alto) da macrorregião oeste são influenciadas pelos altos

valores de erodibilidade e de erosividade, e nas macrorregiões noroeste e norte, pelos

altos valores de erosividade e relevo acidentado.

90


ALVES, L. M. Clima da região Centro-Oeste do Brasil. In: Tempo e Clima no Brasil. Cavalcanti. I. F. A.; Ferreira, N. J.; Silva, M. G. A. J.; Silva Dias, M. A. F. (org.). São Paulo: Oficina de Textos, 2009; p. 235-242. AQUINO, F. D. G.; AGUIAR, L. M. S.; CAMARGO, A. J. A.; DUBOC, E.; OLIVEIRA-FILHO, E. C.; PARRON, L. M. Sustentabilidade no bioma Cerrado: visão geral e desafios. In: PARRON, L. M.; AGUIAR, L. M. S.; DUBOC, E.; OLIVEIRA FILHO, E. C.; CAMARGO, A. J. A.; AQUINO, F. G. Cerrado, desafios e oportunidades para o desenvolvimento sustentável. Planaltina – DF. Embrapa Cerrados. 2008. Capítulo 1. p. 23-30, 2008. BERTONI, J.; LOMBARDI NETO, F. Conservação do solo. Piracicaba: Livroceres. 392p., 1985. BIRO, K.; PRADHAN, B.; BUCHROITHNER, M.; MAKESCHIN, F. Land use/land cover change analysis and its impact on soil properties in the northern part of Gadarif region, Sudan. Land Degradation & Development, v. 24, n. 1, p. 90-102, 2011. CABRAL, J. B. P.; BECEGATO, V. A.; SCOPEL, I.; LOPES, R. M. Uso de técnicas de geoprocessamento para mapear o potencial natural de erosão da chuva na bacia hidrográfica do reservatório de Cachoeira Dourada GO/MH. Raega - o espaço geográfico em análise, v. 10, 2005. CARDOSO, D. P.; SILVA, M. L. N.; CARVALHO, G. J.; FREITAS, D. A. F.; AVANZI, J. C. Plantas de cobertura no controle das perdas de solo, água e nutrientes por erosão hídrica. Revista Brasileira de Engenharia Agrícola e Ambiental, v.16, p.632-638, 2012. CASTRO, S. S.; QUEIROZ NETO, J. P. Soil erosion in Brazil from coffee to the present-day soy bean production. Developments in Earth Surface Processes, v. 13, p. 195-221, 2009. CHANDRAMOHAN, T.; DURBUDE, D. G. Estimation of soil erosion potential using universal soil loss equation. Journal of the Indian Society of Remote Sensing, v. 30, n. 4, p. 181-190, 2002. CORREA, E.; MORAES, I.; JUNIOR, G.; JUNIOR, C. Resistência à penetração e densidade do solo como indicadores na análise da susceptibilidade a erosão hídrica dos solos. Revista Geonorte, Edição Especial 4, v.10, n.1, p.141-146, 2014. COUTINHO, A.C. Dinâmica das queimadas no Estado do Mato Grosso e suas relações com as atividades antrópicas e a economia local. Tese de Doutorado, Universidade de São Paulo – ESALQ. 308p, 2005. CUNHA, E. R.; BACANI, V. M.; PANACHUKI, E. Modeling soil erosion using RUSLE and GIS in a watershed occupied by rural settlement in the Brazilian Cerrado. Natural Hazards, v. 85, n. 2, p. 851-868, 2017.

91

DIAS, E. R.; SILVA, R. M. ESTIMATIVA DO RISCO À EROSÃO DO SOLO NO MUNICÍPIO DE LUCENA–PARAÍBA. Caminhos de Geografia, v. 16, n. 54, 2015. DURÃES, M. F.; MELLO, C. R. D. Distribuição espacial da erosão potencial e atual do solo na Bacia Hidrográfica do Rio Sapucaí, MG. Engenharia Sanitária e Ambiental, v. 21, n. 4, p. 677-685, 2016. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA - EMBRAPA. Serviço Nacional de Levantamento e Conservação de Solos (Rio de Janeiro, RJ). Súmula da 10. Reunião Técnica de Levantamento de Solos. Rio de Janeiro, 1979. 83p. FIXEN, P. E. Reservas mundiais de nutrientes dos fertilizantes. Informações agronômicas, v. 126, p. 8-14, 2009. GALDINO, S.; RISSO, A.; SORIANO, B. M. A.; VIEIRA, L. M.; PADOVANI, C. R.; MELO, E. C.; ALMEIDA JÚNIOR, N. D. Erosão potencial laminar hídrica na Bacia do Alto Taquari. Revista Brasileira de Recursos Hídricos, v. 9, n. 2, p. 125-133, 2004. GAN, M.; RODRIGRUES, L. R.; RAO, V. B. Monção na américa do sul. In: CAVALCANTI, I. F. A.; FERREIRA, N.J.; SILVA, M. G. A. J.; DIAS, M. A. F. S. Tempo e clima no Brasil. São Paulo: Oficina de Textos, 2009. 463p. Governo de Mato Grosso, Geografia. Disponível em: < http://www.mt.gov.br/geografia>. Acesso em: 21 de novembro de 2016. GUADAGNIN, J. C.; BERTOL, I.; CASSOL, P. C.; AMARAL, A. J. Perdas de solo, água e nitrogênio por erosão hídrica em diferentes sistemas de manejo. Revista Brasileira de Ciência do Solo, v. 29, n. 2, p. 277-286, 2005.

GUERRA A. J. T.; SILVA A. S.; BOTELHO R. G. M. Erosão e conservação dos solos: conceitos temas e aplicações. 3ª ed. Rio de Janeiro: Bertrand Brasil. 2007, 340p.

HIGA L. T.; SCHLITCTING A. F.; CATALANI T. G. T.; GRIGIO A. M.; GAMARRA R. M.; PARANHOS FILHO A. C. Modelo de estabilidade dos solos à erosão. Anuário do Instituto de Geociências – UFRJ 37:05-15, 2014. IBGE, Instituto Brasileiro de Geografia e Estatística. Unidades da Federação, Mato Grosso. Disponível em: < http://www.ibge.gov.br/estadosat/perfil.php?sigla=mt>. Acesso em: 21 de novembro de 2016. IMEA, Mapa de macrorregiões do IMEA. Disponível em: < http://www.imea.com.br/upload/publicacoes/arquivos/justificativamapa.pdf>. Acesso em: 12 de Outubro de 2016. KORT, J.; COLLINS, M.; DITSCH, D. A review of soil erosion potential associated with biomass crops. Biomass and Bioenergy, v. 14, n. 4, p. 351-359, 1998.


92

LU, D.; LI, G.; VALLADARES, G. S.; BATISTELLA, M. Mapping soil erosion risk in Rondonia, Brazilian Amazonia: using RUSLE, remote sensing and GIS. Land Degradation & Development, v. 15, n. 5, p. 499-512, 2004. MELLO, G.; BUENO, C.; PEREIRA, G. Variabilidade espacial de perdas de solo, do potencial natural e risco de erosão em áreas intensamente cultivadas. R. Bras. Eng. Agric. Ambiental, v. 10, p. 315-322, 2006. MELLO, C. D.; VIOLA, M. R.; BESKOW, S.; NORTON, L. D. Multivariate models for annual rainfall erosivity in Brazil. Geoderma, v. 202, p. 88-102, 2013. MENEZES, L. A. S.; LEANDRO, W. M.; DE OLIVEIRA JÚNIOR, J. P.; FERREIRA, A. C. B.; SANTANA, J. G.; BARROS, R. G. Produção de fitomassa de diferentes espécies, isoladas e consorciadas, com potencial de utilização para cobertura do solo. Bioscience Journal, v. 25, n. 1, 2009. MOREIRA, M. C.; CECÍLIO, R. A.; PINTO, F. D. A. D. C.; PRUSKI, F. F. Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o estado de São Paulo. Revista Brasileira de Ciência do Solo, v. 30, n. 6, p. 1069-1074, 2006. OLIVEIRA, P. T. S.; SOBRINHO, T. A.; RODRIGUES, D. B. B.; PANACHUKI, E. Erosion risk mapping applied to environmental zoning. Water Resources Management, v. 25, n. 3, p. 1021-1036, 2011. OLIVEIRA, P. T.; RODRIGUES, D. B.; SOBRINHO, T. A.; CARVALHO, D. F. D.; PANACHUKI, E. Spatial variability of the rainfall erosive potential in the State of Mato Grosso do Sul, Brazil. Engenharia Agrícola, v. 32, n. 1, p. 69-79, 2012a. PANACHUKI, E.; BERTOL, I.; ALVES SOBRINHO, T.; OLIVEIRA, P. T. S. D.; RODRIGUES, D. B. B. Perdas de solo e de água e infiltração de água em Latossolo vermelho sob sistemas de manejo. Revista Brasileira de Ciência do Solo, v.35, p.1777-1785, 2011. PARWADA, C.; VAN TOL, J. Soil properties influencing erodibility of soils in the Ntabelanga area, Eastern Cape Province, South Africa. Acta Agriculturae Scandinavica, Section B, Soil & Plant Science, p. 1-10, 2016. RISSE, L. M.; NEARING; M. A., LAFLEN; J. M.; NICKS, A. D. Error assessment in the universal soil loss equation. Soil Science society of America journal, v. 57, n. 3, p. 825-833, 1993. RODRIGUES, D. B. B.; ALVES SOBRINHO, T.; OLIVEIRA, P. T. S. D.; PANACHUKI, E. Nova abordagem sobre o modelo Brasileiro de serviços ambientais. Revista Brasileira de Ciência do Solo, v.35, p.1037-1045, 2011. SALGADO, A. A. R.; BUENO, G. T.; DINIZ, A. D.; MARENT, B. R. Long-term geomorphological evolution of the Brazilian territory. In: VIEIRA, B. C.; SALGADO, A.; SANTOS, L. Landscapes and Landforms of Brazil. Springer Netherlands, 2015. p. 10-32.

93

Secretária de Estado e Planejamento, SEPLAN. Zoneamento Sócio-Econômico-Ecológico do Estado de Mato Grosso, ZSEE. (2008) - Cuiabá, Governo do Estado de Mato Grosso. 338 p. SILVA, A. M. Potencial natural de erosão no município de Sorocaba, São Paulo, Brasil. Revista Internacional de Desastres Naturales, Accidentes e Infraestructura Civil, v. 8, n. 1, 2008. SILVA, A. M.; WATANABE, C. H.; ALVARES, C. A. Natural potential for erosion for Brazilian territory. INTECH Open Access Publisher, 2011. SILVA, R.; Santos, C. A. G.; MONTENEGRO, S. Identification of critical erosion prone areas and estimation of natural potential for erosion using GIS and Remote Sensing. Revista Brasileira de Cartografia, v. 65, n. 2, p. 125-136, 2013. SILVA, V. C. B.; MACHADO, P. S. SIG na análise ambiental: susceptibilidade erosiva da bacia hidrográfica do córrego Mutuca, Nova Lima–Minas Gerais. Revista de Geografia, v. 31, n. 2, 2014. SOUZA, A. P.; MOTA, L. L.; ZAMADEI, T.; MARTIN, C. C.; ALMEIDA, F. T.; PAULINO, J. Classificação climática e balanço hídrico climatológico no estado de Mato Grosso. Nativa, v. 1, n. 1, p. 34-43, 2013. VALLADARES, G. S.; GOMES, A.; TORRESAN, F. E.; RODRIGUES, C. A. G.; GREGO, C. R. Modelo multicritério aditivo na geração de mapas de suscetibilidade à erosão em área rural. Pesquisa Agropecuária Brasileira, Brasília, v. 47, n. 9, p. 1376-1383, 2012. VIEIRA, B. C.; SALGADO, A. A. R.; SANTOS, L. J. C. Brazil: A Land of Beautiful and Undiscovered Landscapes. In: VIEIRA, B. C.; SALGADO, A.; SANTOS, L. Landscapes and Landforms of Brazil. Springer Netherlands, 2015. p. 3-7. WEILL, M. D. A. M.; SPAROVEK, G. Estudo da erosão na microbacia do Ceveiro (Piracicaba, SP): I-Estimativa das taxas de perda de solo e estudo de sensibilidade dos fatores do modelo EUPS. Revista Brasileira de Ciência do Solo, v. 32, n. 4, p. 801-814, 2008. WISCHMEIER, W.H.; SMITH, D.D. Predicting rainfall erosion losses: a guide to conservation planning. Washington, United States Departament of Agriculture, 1978. 58p. (Agriculture Handbook, 537). ZAVATTINI, J. A. As chuvas e as massas de ar no estado de Mato Grosso do Sul: estudo geográfico com vista à regionalização climática. Ed. Cultura acadêmica, São Paulo, 2009.

94

5. CONCLUSÕES GERAIS

Nos meses de outubro a abril concentra-se 91% da erosividade anual.

Os meses de outubro, janeiro e fevereiro são considerados os mais críticos, por

serem responsáveis por 41% da erosividade anual e pela ocorrência de áreas

agrícolas em época de colheita e plantio.

O estado de Mato Grosso possui na maioria do seu território (98%) solos de

baixa e média erodibilidade. As áreas mais críticas (alta erodibilidade) ocupam 1,95%

do Estado, e se localizam nas macrorregiões nordeste, noroeste e oeste.

Predominam no estado de Mato Grosso solos com PNE nas classes baixa,

média e alta (20%, 58% e 22%, respectivamente).

As áreas com PNE alto, consideradas críticas, apresentaram maiores

proporções nas macrorregiões noroeste, norte e oeste, sendo na última consideradas

problemáticas devido a utilização com agricultura.

As áreas de PNE alto na macrorregião oeste ocorrem devido aos altos valores

de erodibilidade e de erosividade, e nas macrorregiões noroeste e norte, devido aos

altos valores de erosividade e relevo acidentado.

95

6. APÊNDICES

6.1 APÊNDICE A – Estações pluviométricas utilizadas e seus respectivos valores de erosividade mensais e anual.

NOME DA ESTAÇÃO LAT. LONG. JAN. FEV. MAR. ABR. MAI. JUN. JUL. AGO. SET. OUT. NOV. DEZ. ANUAL

Ac. do Córrego Grande -16.6 -55.2 733.5 620.8 541.0 287.0 185.6 60.4 40.9 47.3 180.7 307.2 595.1 699.8 4299.4

Acorizal -15.2 -56.4 1646.6 1566.2 1384.1 903.0 402.0 142.4 93.1 166.9 460.4 916.8 1413.1 1750.8 10845.3

Agropecuária Cajabi -10.7 -54.5 1997.6 1841.7 1617.4 1051.5 342.1 97.6 47.4 201.3 602.4 1307.5 1414.4 1738.5 12259.4

Agrovensa -12.8 -54.8 1416.6 1257.4 1092.7 646.3 116.5 17.1 47.9 49.8 265.5 658.9 1067.9 1337.7 7974.3

Água Boa -14.6 -54.0 1409.8 1323.9 1179.2 482.1 232.3 47.9 14.0 60.7 365.3 689.0 1078.7 1495.7 8378.6

Alô Brasil -12.2 -51.7 1484.7 1180.8 1278.1 691.6 266.8 52.7 22.9 133.9 317.1 788.0 947.6 1239.9 8404.0

Alta Floresta -9.9 -56.1 1771.1 1878.1 1803.7 1189.8 475.9 134.2 87.8 228.3 785.2 1269.5 1407.2 1756.2 12787.2

Alto Araguaia -17.3 -53.2 1344.0 1182.3 1086.1 521.3 244.1 173.9 66.5 115.5 421.4 753.6 1118.6 1294.1 8321.5

Alto Garças -16.9 -53.5 1238.9 1064.8 1109.4 611.4 264.4 201.6 48.4 129.1 402.3 626.0 1030.2 1383.4 8109.8

Alto Jaurú -15.4 -58.6 1373.9 1560.9 1619.0 905.2 477.2 201.2 167.8 152.1 330.2 854.5 1117.1 1592.5 10351.6

Alto Paraguai -14.6 -56.6 1736.6 2032.2 1265.0 874.2 415.9 46.3 82.6 78.6 446.0 811.4 1633.1 1921.2 11343.1

Arenápolis (Canaã) -14.5 -56.8 1970.0 1666.3 1502.2 573.9 121.6 18.5 7.7 58.4 168.1 684.5 1063.8 1842.7 9677.8

Bacaval -13.5 -59.0 2159.6 1506.5 1670.8 1018.7 267.6 131.3 63.8 266.7 522.5 1095.5 1212.7 1656.8 11572.6

Baia Nova -16.4 -55.6 1206.9 871.7 947.7 523.7 224.2 93.9 100.1 88.4 335.8 586.4 928.9 1068.5 6976.0

Barão do Melgaço -16.2 -55.9 1328.9 992.1 1075.6 523.8 264.1 117.6 67.7 129.1 375.9 623.0 804.8 1188.0 7490.7

Barra do Bugres -15.1 -57.2 1131.5 1017.5 840.6 496.8 222.3 57.7 59.5 133.8 274.7 430.5 710.5 1158.3 6533.5

Barra do Garças -15.9 -52.2 884.1 740.2 640.0 272.4 101.9 44.3 43.6 143.7 236.4 457.5 653.0 784.6 5001.8

Barraquinho -15.6 -57.5 701.8 636.6 566.1 254.6 234.6 134.6 84.5 86.1 187.5 369.0 542.5 765.0 4562.9

Bate Papo -11.7 -51.4 1496.9 1693.8 1283.7 611.3 204.4 39.7 15.2 37.9 276.8 1060.4 1507.0 2024.4 10251.4

Bela Vista do Norte -17.6 -57.7 1054.2 768.2 597.7 317.5 223.5 132.9 140.6 87.3 365.6 537.0 740.0 867.9 5832.2

Continua...

96

Continuação: 6.1 APÊNDICE A – Estações pluviométricas utilizadas e seus respectivos valores de erosividade mensais e anual.


Bosque F. Barros -15.8 -56.4 1377.7 1125.0 1612.6 480.3 109.6 29.3 6.7 43.5 149.0 334.5 778.5 1183.0 7229.6

Boteco dos Mineiros -11.8 -59.3 2057.4 1588.4 1359.1 459.3 106.7 12.7 2.8 50.2 92.8 711.1 1020.6 1514.1 8975.1

Brasfor -14.4 -58.2 1558.0 1347.7 1648.8 1068.3 435.8 179.9 114.1 185.7 433.1 1016.8 1481.4 1616.2 11085.9

Brasnorte -12.1 -58.0 1887.2 1661.4 1638.4 457.7 65.4 5.0 1.0 8.0 93.8 654.3 1057.4 1780.9 9310.5

Cáceres (DNPVN) -16.1 -57.7 1301.4 1109.5 1072.2 558.7 278.3 142.7 135.3 170.2 257.7 526.8 952.6 1527.9 8033.2

Cachimbo -9.8 -54.9 1824.1 1924.1 1868.5 1128.0 393.7 87.1 54.8 189.9 617.9 1272.4 1511.7 1873.1 12745.3

Cachoeirão -11.7 -55.7 1499.9 1362.2 1102.8 524.8 45.3 4.4 2.1 7.7 212.5 634.2 1403.6 1688.9 8488.5

Cachoeirinha -12.0 -59.7 1849.7 1889.5 1803.4 951.8 435.9 149.0 63.7 157.4 447.0 942.0 1276.7 1795.7 11761.8

Cafelândia do Leste -16.7 -53.1 1400.3 1286.1 1264.7 475.7 184.1 126.5 65.4 122.8 287.0 560.7 969.7 1347.3 8090.3

Camargo Correia (PARTICULAR)

-14.2 -56.4 1221.1 1091.8 942.0 512.3 293.1 57.9 15.6 80.5 190.1 628.0 797.9 1132.7 6962.9

Chapada dos Guimarães

-15.5 -55.7 2172.3 1912.2 1697.0 1111.3 605.3 239.8 193.0 176.6 532.7 1104.5 1470.1 1797.6 13012.2

Colider -10.8 -55.4 1889.2 1779.2 1565.6 1107.4 344.9 64.4 105.6 116.5 592.0 1043.0 1295.6 1744.5 11648.0

Concisa -9.8 -60.7 1931.6 1680.0 1821.0 1080.6 434.6 287.1 86.7 236.7 477.6 929.3 1258.4 1672.5 11896.0

Cuiabá -15.6 -56.1 1356.1 1472.9 1306.7 844.9 497.2 139.4 97.9 71.3 530.3 947.7 1131.4 1286.3 9682.1

Deciolândia -14.2 -57.5 1932.2 1705.1 1645.5 1115.1 399.8 152.7 88.6 269.9 532.0 1030.3 1422.2 1890.3 12183.7

Descalvados -16.7 -57.7 1265.3 1397.7 1063.8 508.0 300.1 163.3 157.4 228.4 361.0 806.6 927.0 1398.8 8577.3

Destacamento da Corixa

-16.4 -58.3 1416.9 1248.3 1044.6 453.7 313.6 144.9 98.3 135.0 386.6 552.3 771.2 1338.6 7904.0

Divínea -12.9 -51.8 1380.9 1225.0 1156.1 563.9 122.4 74.0 5.4 47.9 314.7 734.4 1038.6 1387.8 8051.0

Espigão -11.4 -52.2 1177.7 1000.8 1027.7 598.1 202.6 53.9 18.5 74.6 446.4 721.8 1036.3 1336.6 7694.9

Estância Rodeio -13.8 -53.2 1490.7 1326.3 1194.7 556.9 187.8 43.9 33.7 130.5 254.0 638.1 921.6 1439.7 8217.8

Fazenda Agrochapada -13.4 -54.3 2266.4 2195.8 1764.8 732.7 207.3 37.5 14.3 72.1 261.2 1012.6 1153.7 1964.3 11682.6

Fazenda Agrotrep -10.9 -57.6 1471.9 1338.3 785.5 164.6 44.8 4.8 87.5 359.9 667.7 955.2 1759.4 1425.5 9065.2

Continua...

97



Fazenda Areião -15.4 -60.0 1661.0 1541.8 1319.4 1064.2 458.5 177.4 206.0 228.1 231.8 619.8 1111.6 1402.0 10021.7

Fazenda Becker -14.0 -53.4 1103.6 1146.3 1015.8 513.1 143.7 31.6 27.3 133.3 226.4 619.0 939.7 1800.1 7700.0

Fazenda Castanhal -10.4 -61.0 1976.9 1883.0 1863.9 1022.3 417.3 70.3 39.4 221.9 497.8 942.4 1308.9 1655.6 11899.7

Fazenda Corrente Verde

-14.8 -55.3 1466.0 1187.8 1102.7 552.1 241.1 46.2 35.2 104.3 307.1 735.4 935.6 1511.1 8224.7

Fazenda Corrente Verde PR4

-14.9 -55.3 1455.6 1087.3 976.9 457.1 220.3 87.2 46.5 125.0 384.3 663.8 1016.0 1457.5 7977.3

Fazenda Estiva PR3 -15.2 -55.7 1500.4 1340.7 1051.7 466.5 90.0 13.5 9.7 30.2 217.3 487.4 959.0 1536.6 7703.1

Fazenda Itaúba -11.5 -56.4 1890.1 1825.2 1718.5 1271.4 448.9 188.6 42.1 133.0 608.9 928.3 1412.6 1656.7 12124.3

Fazenda Raizama (Coimbra)

-14.8 -55.9 1791.4 1809.6 1382.3 727.6 207.7 114.4 70.4 58.4 358.1 871.6 1066.4 1709.0 10166.8

Fazenda Santa Emília -10.5 -53.6 2115.3 1891.9 1404.1 1097.2 332.8 121.3 30.8 133.0 563.5 1329.3 1531.8 1899.2 12450.4

Fazenda Seco -15.6 -56.1 1478.0 1457.0 1428.7 868.7 379.6 194.8 76.9 171.7 444.4 818.2 1173.6 1519.0 10010.5

Fazenda Sete de Setembro

-13.9 -52.4 1492.0 1353.0 1236.5 437.4 138.6 38.3 6.5 64.2 274.0 666.2 891.6 1449.0 8047.4

Fazenda Taquari -17.8 -53.3 1336.4 1149.8 1126.1 613.8 261.1 221.5 61.7 147.5 392.7 657.6 1029.4 1318.8 8316.5

Fazenda Tratex -11.0 -55.5 1521.1 1103.0 1345.8 694.2 166.2 32.9 44.5 62.4 452.5 675.2 1117.1 1553.8 8768.7

Fazenda Trombador -11.8 -58.1 2144.4 1908.0 1653.4 795.1 190.2 57.1 17.3 99.3 370.9 843.1 1242.3 2034.5 11355.7

Fazenda Tucunaré -13.2 -59.9 1633.8 1163.3 1278.8 791.8 245.7 99.4 39.5 159.9 342.5 784.6 1026.7 1510.2 9076.3

Flechas -16.0 -57.3 1058.0 1041.6 905.6 290.5 175.8 54.7 33.2 10.4 164.4 505.8 917.0 1314.8 6471.9

Fontanilhas -11.3 -58.3 2047.2 1951.3 1938.7 804.2 219.6 45.8 1.2 105.1 333.8 820.6 1173.2 2025.5 11466.2

Garapu -13.5 -52.5 1764.2 2050.0 1875.2 1237.1 1048.0 657.2 169.3 126.1 247.7 735.2 1001.1 1680.8 12592.0

General Carneiro -15.7 -52.8 1412.7 1238.4 1205.8 472.7 153.7 158.9 47.2 68.2 286.6 586.5 880.7 1397.1 7908.4

Guiratinga -16.4 -53.8 1439.0 1148.1 1083.0 452.9 257.5 131.3 51.7 108.9 461.4 639.7 985.8 1459.3 8218.7

Humboldt -10.2 -59.5 1946.6 2071.0 1790.4 1077.6 442.1 169.6 123.7 163.5 467.8 866.4 1264.6 1713.7 12097.0

Continua...

98



Ilha Camargo -17.1 -56.6 1221.8 973.7 1027.5 452.5 269.2 108.4 102.8 132.2 281.5 556.4 799.6 1163.0 7088.6

Indeco -10.1 -55.6 1894.7 1825.0 1625.5 1169.7 447.8 105.3 110.7 202.9 713.5 1097.5 1299.9 1818.5 12311.1

Itiquira -17.2 -54.1 1833.6 1717.1 1491.7 782.4 311.6 168.1 60.6 157.0 472.0 727.2 1190.1 1765.1 10676.6

Jaciara -16.0 -55.0 1505.2 1038.7 1123.5 567.1 205.6 65.4 99.6 78.1 286.7 751.4 998.0 1495.2 8214.5

Juara -11.3 -57.5 1881.0 1961.5 1620.1 960.1 358.3 137.1 58.3 184.0 509.4 1005.3 1147.0 1916.3 11738.4

Juína -11.4 -58.7 1720.0 1560.3 1702.6 622.5 87.0 9.5 2.2 22.6 196.9 653.8 1275.9 1707.9 9561.4

Juruena -10.3 -58.5 1878.0 1752.0 1693.5 1168.8 344.7 112.3 66.0 141.9 526.6 1046.9 1366.9 1975.2 12072.8

Juz. Foz Peixoto de Azevedo

-9.6 -56.0 1913.2 1592.6 1875.9 1498.8 419.7 186.9 48.8 281.4 746.0 1020.9 1228.1 1836.6 12648.8

Marilândia -14.4 -57.0 1417.1 1090.4 1028.2 543.5 252.0 51.1 55.9 96.5 269.0 676.7 795.1 1324.8 7600.4

Mato Grosso -15.0 -59.9 1076.4 956.6 823.7 478.3 236.4 134.2 115.3 170.6 229.1 427.6 635.0 885.9 6169.3

Nortelândia -14.5 -56.8 1205.4 1054.5 923.3 552.0 219.3 59.8 51.2 100.9 244.4 575.0 775.4 1234.2 6995.3

Nossa Senhora da Guia

-15.4 -56.2 1737.9 1693.2 1407.2 1022.3 525.5 237.1 106.5 167.3 530.2 898.5 1303.3 1456.3 11085.3

Nova Brasilandia -14.9 -55.0 1625.7 1195.4 1152.6 594.8 356.9 45.7 14.4 88.0 264.1 614.1 956.7 1340.5 8248.9

Nova Maringá -13.0 -57.1 2092.9 1533.2 1540.9 552.7 46.5 10.8 4.8 22.3 142.0 529.3 999.9 1419.9 8895.2

Nova Mutum -13.8 -56.1 2116.6 1683.7 1099.8 562.4 82.3 33.6 7.2 20.9 127.3 724.7 1082.8 1526.4 9067.7

Novo Planeta -9.6 -57.4 1675.8 1601.4 1744.0 1146.1 475.7 69.8 76.4 173.4 572.2 1133.0 1144.9 1875.9 11688.5

Novo Tangará -10.8 -58.8 1745.4 1700.9 1662.8 997.6 263.6 87.1 41.0 325.3 507.2 1046.8 1295.2 1948.5 11621.4

Núcleo Ariel -9.9 -58.2 1123.4 876.9 1056.9 820.0 403.8 151.9 74.8 394.4 526.7 617.9 822.9 1037.7 7907.3

Núcleo Col. Rio Ferro -12.5 -54.9 2327.0 1977.9 1266.2 616.6 179.8 32.7 27.7 30.0 319.2 886.2 1449.9 1997.3 11110.4

Orion -17.0 -58.3 1034.9 713.4 629.6 330.4 217.1 104.9 75.3 105.8 198.5 404.1 643.2 918.0 5375.2

Padronal -13.8 -59.8 2126.9 1748.1 1669.6 546.0 188.3 13.0 6.5 37.5 161.2 522.4 1112.1 1584.2 9715.9

Paranaita -9.7 -56.5 1298.9 1323.9 1463.2 682.3 299.1 64.8 25.5 81.0 341.4 939.2 863.7 1856.8 9239.8

Paranatinga -14.4 -54.0 1653.7 1139.2 1101.7 577.6 223.3 104.8 45.4 85.7 321.7 801.1 1157.1 1507.5 8718.9

Continua...

99



Parecis (BR-364) -14.2 -56.9 1920.5 1717.0 1694.0 941.0 415.0 130.8 165.1 145.2 393.7 1056.2 1357.9 1985.7 11922.1

Passagem da BR-309 -14.0 -53.4 966.9 759.7 711.1 368.6 155.4 76.8 39.9 106.8 252.4 482.9 764.6 909.3 5594.6

Pindaíba -15.0 -52.2 793.9 689.1 599.5 264.5 98.2 37.9 23.3 48.3 182.4 323.8 630.1 782.4 4473.5

Poconé -16.3 -56.5 1259.2 1068.6 873.9 405.1 131.4 27.0 11.6 32.5 196.6 354.8 785.9 1425.6 6572.2

Ponte Alta -15.4 -55.3 1798.7 1718.3 1743.5 1209.9 335.0 124.9 87.4 199.1 604.8 1032.6 1185.3 1656.0 11695.5

Ponte Branca -16.8 -52.8 1506.1 1046.9 1148.0 478.5 190.0 77.1 39.3 130.9 341.1 617.8 1197.0 1397.6 8170.4

Ponte Cabaçal (MT-125)

-15.5 -57.9 1689.3 1629.3 1213.8 628.4 315.0 139.2 54.1 214.8 356.4 540.3 1049.2 1578.9 9408.6

Pontes e Lacerda -15.2 -59.4 1733.0 1641.1 1517.0 895.1 396.7 186.8 105.1 198.6 355.6 605.8 1078.2 1658.5 10371.4

Porto Alegre do Norte -10.9 -51.6 1294.9 1249.6 1192.8 663.8 171.0 53.1 5.3 50.8 288.3 729.2 904.8 1653.1 8256.6

Porto Cerrado -16.5 -56.4 1021.4 805.7 746.9 380.3 220.0 84.2 57.3 102.9 230.9 458.5 805.2 892.2 5805.4

Porto Conceição -17.1 -57.4 912.7 801.5 727.8 310.1 352.2 107.8 84.1 92.5 336.4 373.0 535.1 860.8 5493.9

Porto dos Gaúchos -11.5 -57.4 1886.4 1814.4 1944.8 856.9 369.0 109.9 72.1 188.3 543.9 1055.3 1387.5 1892.7 12121.1

Porto Esperidião -15.9 -58.5 1098.9 1114.2 871.8 193.9 209.5 89.1 58.5 68.7 120.1 329.6 652.3 1061.5 5868.0

Porto Esperidião 2 -15.9 -58.5 1517.6 1403.4 1254.3 615.1 323.2 120.5 142.7 145.0 304.1 644.4 1024.0 1462.2 8956.5

Porto Estrela -15.3 -57.2 1176.2 851.6 753.9 398.5 185.8 114.0 58.1 109.5 240.5 409.7 713.1 889.7 5900.7

Porto Roncador -13.6 -55.3 2106.8 2013.5 1439.9 646.9 279.1 85.9 7.9 152.7 300.8 830.3 1322.7 2028.1 11214.5

Posto Correntes -17.6 -54.8 1289.0 1085.5 965.3 374.5 166.8 43.4 24.2 29.8 176.0 429.0 1311.9 1138.3 7033.6

Pousada Matrinxã -13.6 -53.1 1276.2 1257.7 920.1 495.3 123.9 33.7 50.5 60.2 298.8 546.5 824.3 2175.5 8062.9

Poxoréo (ext. São José)

-15.9 -54.4 1917.6 1420.5 1482.4 563.9 224.9 102.0 22.3 142.3 565.2 968.3 1354.7 2065.2 10829.3

Quebó -14.7 -56.1 1555.0 1548.4 1244.0 418.7 88.8 13.6 8.3 18.1 151.4 490.8 1209.1 1636.2 8382.5

Rancho de Deus -11.0 -54.8 1739.4 1716.5 1772.9 1048.0 234.6 60.9 65.0 71.2 440.0 1029.9 1677.0 1832.7 11688.1

Rio das Mortes -15.3 -54.2 1447.4 975.9 1179.0 507.9 290.3 81.6 81.1 107.1 416.5 625.2 1184.6 1406.5 8303.1

Rondonópolis -16.5 -54.7 1130.0 891.3 755.7 397.1 239.3 97.4 50.6 98.7 365.7 481.0 833.3 1053.1 6393.1

Continua...

100



Rondonópolis (DNOS) -16.5 -54.6 1362.6 1480.5 1039.8 406.1 333.4 78.7 58.7 87.4 316.4 613.3 1169.5 1900.7 8847.3

Rosário Oeste -14.8 -56.4 1377.3 1510.2 1241.6 406.5 180.5 18.1 15.7 11.1 155.8 357.5 835.3 1512.5 7622.2

Santa Ecolástica -16.8 -54.4 1326.8 1122.8 937.9 415.5 163.8 86.0 28.5 94.1 327.2 443.2 776.7 1331.3 7053.8

Santa Edwiges -15.7 -56.1 1416.3 954.1 1104.7 541.5 232.1 91.1 44.2 43.0 323.1 566.3 1079.1 1088.3 7483.8

Santa Felicidade -11.9 -55.0 2393.2 1894.8 1397.7 417.5 37.2 4.2 0.9 13.6 100.4 749.6 1368.6 1552.2 9930.0

Santa Lúcia -16.9 -55.9 1145.3 820.9 748.6 374.9 253.9 79.2 74.7 64.5 213.8 487.7 714.2 851.5 5829.2

Santa Rosa -8.9 -57.4 1846.0 1762.3 1738.2 1377.7 663.3 84.4 72.7 252.1 671.9 976.0 1214.8 1845.5 12504.8

Santa Terezinha -16.7 -54.3 790.9 654.3 605.1 322.4 179.6 82.5 53.2 77.6 219.2 379.3 538.1 798.5 4700.6

St. Antônio do Leverger -12.3 -51.0 1417.3 1363.4 1256.8 348.7 50.3 3.1 4.1 5.2 54.5 796.5 1300.2 1724.1 8324.2

St. Antônio do Paraiso -17.5 -55.2 691.0 551.2 444.1 223.2 169.5 131.9 79.0 58.4 217.5 309.6 521.2 649.4 4045.9

São Felix do Araguaia -11.6 -50.7 1437.9 1148.6 1210.3 653.6 143.7 18.3 17.1 76.8 175.2 693.5 1079.8 1622.1 8276.8

São Gerônimo -17.2 -55.0 789.4 626.0 506.8 223.6 200.4 71.5 103.7 62.3 284.2 443.6 629.2 616.0 4556.6

São João -16.9 -56.6 1338.3 1103.4 1043.6 315.2 143.3 43.2 19.2 63.7 158.0 315.3 847.1 1189.6 6579.9

São José da Serra -15.8 -55.3 1580.6 1044.3 1189.4 470.0 130.6 19.8 11.6 40.6 239.2 605.8 1237.9 1441.5 8011.3

São José do Boriréu -16.9 -56.2 1042.4 852.1 729.0 342.5 223.0 160.2 78.0 124.1 218.6 528.3 755.7 961.9 6015.9

São José do Piquiri -17.3 -56.4 681.9 519.1 566.7 267.4 189.1 157.4 158.6 152.0 267.8 350.3 616.0 618.8 4545.1

São José do Sepotuba -15.1 -57.7 724.1 663.7 517.4 319.9 166.5 39.0 51.7 46.5 178.5 253.4 525.4 688.9 4175.0

São José do Sepotuba -15.1 -57.8 1592.8 1021.6 1102.7 541.2 176.6 117.5 61.9 73.8 367.0 686.9 1090.3 1190.9 8023.1

São Vicente da Serra (Part)

-15.7 -55.4 1803.2 1747.0 1499.2 1205.8 546.7 182.0 114.7 257.7 572.2 980.5 1294.6 1439.0 11642.6

Sarare -16.8 -57.0 635.3 522.3 338.5 224.3 183.3 51.1 108.4 77.7 150.0 257.3 556.0 739.6 3843.6

Serra Dourada -13.7 -52.0 1524.2 1318.2 1123.7 454.0 125.2 26.2 18.8 60.0 291.9 743.7 1011.0 1467.1 8163.8

Sinop (Faz. Sempre Verde)

-11.7 -55.5 1893.6 1550.7 1256.8 606.9 47.9 2.8 1.4 21.5 147.6 643.0 1453.1 1880.4 9505.7

Suia Liquilândia -11.7 -51.7 1448.5 1152.8 1064.3 593.0 274.1 15.0 22.1 29.9 311.0 896.8 1169.9 1501.9 8479.3

Continua...

101



Taiamã -16.7 -55.5 647.2 572.4 505.3 265.3 158.9 70.4 57.0 77.7 136.7 314.2 526.8 675.8 4007.6

Tangará -14.6 -57.5 2107.0 1583.8 1562.8 1028.8 475.0 103.8 108.9 229.8 598.9 1062.0 1407.1 1762.5 12030.4

Tapirapuã -14.9 -57.8 1819.5 1595.7 1422.1 859.7 477.9 166.2 106.1 270.5 535.9 941.9 1262.9 1846.7 11305.3

Teles Pires -12.7 -55.8 2020.2 2037.6 1297.5 742.7 227.8 57.5 4.9 46.7 280.2 889.3 1426.5 1641.1 10672.1

Tesouro -16.1 -53.5 1480.8 1229.1 1171.7 443.0 215.2 163.6 60.4 102.6 407.5 667.7 1199.6 1530.8 8672.0

Toriqueje -15.3 -53.1 887.6 650.4 676.8 280.0 151.8 53.0 71.5 90.6 268.3 451.1 712.4 787.1 5080.4

Torixoréu -16.2 -52.5 1476.8 1134.7 1144.2 434.0 130.9 98.9 46.0 79.4 346.0 498.3 945.6 1434.3 7769.2

Trecho Médio -14.1 -51.7 2956.7 2217.7 2428.6 1358.4 513.6 39.9 5.4 6.4 18.3 151.3 743.3 1189.7 11629.1

Trivelato -9.9 -57.1 2089.8 1572.5 1739.7 1320.9 364.3 84.8 70.3 180.4 640.4 1107.9 1578.3 2007.5 12757.0

Usina Casca III PR2 -15.4 -55.4 1457.8 1133.3 1164.1 584.3 237.1 51.2 100.2 105.8 344.3 626.2 1064.2 1320.6 8189.1

Vale do Natal -10.6 -58.9 1915.1 1801.5 1985.7 1066.0 371.7 115.1 95.5 150.3 455.9 938.1 1440.5 1743.5 12078.9

Vale Rico -16.4 -54.2 804.3 666.0 613.5 316.6 180.7 69.1 77.6 77.0 242.5 381.9 550.4 772.8 4752.5

Vila Alegre -14.7 -52.4 1951.4 1659.8 1783.0 1081.0 442.1 92.2 67.5 191.1 418.8 991.3 1370.4 1525.7 11574.4

Vila Rica -10.0 -51.1 1961.9 1670.1 1577.1 860.1 348.9 122.5 0.0 75.2 375.0 1170.2 1174.5 1689.8 11025.1

Vila São José do Xingu -10.8 -52.7 1465.6 1410.8 1231.1 632.4 201.8 129.7 47.8 114.6 459.6 944.3 1085.7 1409.9 9133.2

Xavantina -14.1 -52.2 1346.7 1199.4 1188.8 533.7 150.6 44.5 50.7 75.2 309.3 732.0 1051.9 1431.7 8114.4

Cáceres -16.1 -57.8 1114.0 846.4 601.8 421.4 218.5 122.3 130.1 72.7 213.9 460.2 733.2 941.2 5875.8

Gleba Celeste -12.2 -56.5 1776.8 2097.3 1636.4 663.7 162.6 36.9 34.9 58.6 305.1 915.1 1497.6 1983.7 11168.8

Nova Xavantina -14.7 -52.4 797.0 694.9 596.6 230.9 50.2 188.8 32.4 17.4 125.3 320.3 628.2 773.7 4455.8

Canarana -13.5 -52.5 1601.3 1759.3 1109.5 294.4 12.9 36.5 41.7 0.6 228.9 654.9 1115.8 1194.9 8050.5

Matupá -10.3 -54.9 2204.9 2362.3 2103.7 1053.7 102.9 9.3 17.3 54.6 442.3 1233.4 947.4 1574.6 12106.5

S J. Rio Claro -13.6 -56.7 923.5 712.5 600.2 269.2 142.2 32.3 42.6 141.6 170.5 404.9 588.0 998.5 5026.0

Rondonópolis -16.5 -54.6 1717.8 1275.4 1059.1 795.5 217.2 189.3 83.2 41.0 247.7 668.8 867.6 1627.9 8790.4

Diamantino -14.4 -56.4 1677.3 1686.2 1402.5 481.6 137.7 14.7 15.6 42.4 213.6 630.8 1140.1 1447.1 8889.4

Continua...

102



Poxoréu -15.8 -54.4 1416.8 1077.5 1120.2 463.8 200.5 97.4 24.4 132.0 464.7 759.6 1031.9 1516.0 8304.8

Cuiabá -15.6 -56.1 1507.3 1524.7 1460.1 1013.5 454.5 138.5 172.9 148.5 437.4 958.5 1085.2 1458.8 10359.9

103

6.2 APÊNDICE B – Perfis de solo utilizados e seus respectivos valores de erodibilidade (em destaque).

CLASSE DE SOLO DO PERFIL

AREIA GROSSA

AREIA FINA

SILTE ARGILA MO p s DMP

Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Argissolo Vermelho 8 52 19 21 5.01 3 3 0.13 0.40 5609 0.036 0.051


Argissolo Vermelho 31 7 29 33 4.94 2 3.5 0.22 1.53 2412 0.008 0.029










Argissolo Vermelho-Amarelo 8 70 13 9 1.93 3 3.5 0.16 0.15 7553 0.074 0.062

Argissolo Vermelho-Amarelo 63 20 10 7 1.05 1 1 0.44 0.66 2790 0.034 0.004







Continua...

104

Continuação: 6.2 APÊNDICE B – Perfis de solo utilizados e seus respectivos valores de erodibilidade (em destaque).


AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)






















Continua...

105



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)





















Continua...

106



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)




Cambissolo 3 52 32 13 1.22 3 3.5 0.10 0.04 7308 0.076 0.062

Cambissolo 0 44 36 20 1.79 3 3.5 0.07 0.00 6400 0.062 0.057

Cambissolo 1 33 35 31 0.62 6 2.5 0.06 0.01 4692 0.055 0.058

Cambissolo 3 48 28 21 2.24 3 2.5 0.09 0.07 6004 0.055 0.053

Cambissolo 4 56 20 20 1.41 3 2.5 0.11 0.06 6080 0.060 0.052

Cambissolo 12 7 54 27 2.63 3 2.5 0.09 0.32 4453 0.037 0.044

Cambissolo 5 16 56 23 9.51 2 2.5 0.06 0.48 5544 0.011 0.051

Cambissolo 17 56 14 13 1.82 3 2.5 0.20 0.31 6090 0.058 0.050

Cambissolo 2 31 47 20 7.22 6 2 0.07 0.14 6240 0.028 0.071

Cambissolo 8 53 24 15 0.12 3 2.5 0.13 0.01 6545 0.074 0.054

Cambissolo 12 45 28 15 1.29 3 2.5 0.15 0.15 6205 0.062 0.052

Cambissolo 3 37 36 24 0.81 3 3.5 0.08 0.02 5548 0.057 0.050

Cambissolo 14 45 11 30 2.01 6 1 0.16 0.28 3920 0.022 0.049

Cambissolo 1 47 29 23 1.19 2 1 0.08 0.01 5852 0.063 0.048

Cambissolo 4 47 24 25 1.75 3 2.5 0.10 0.07 5325 0.050 0.048

Cambissolo 11 31 37 21 1.48 3 3 0.12 0.16 5372 0.052 0.048

Cambissolo 1 14 54 31 2.10 3 3.5 0.03 0.02 4692 0.042 0.047

Cambissolo 20 38 25 17 1.60 3 2.5 0.19 0.32 5229 0.050 0.044

Continua...

107



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Cambissolo 4 34 28 34 1.72 3 3 0.08 0.07 4092 0.037 0.040

Cambissolo 17 34 24 25 2.49 1 3 0.16 0.42 4350 0.028 0.031

Cambissolo 5 7 44 44 1.26 2 1 0.05 0.06 2856 0.030 0.028

Cambissolo 21 9 35 35 0.19 3 1.5 0.15 0.04 2860 0.028 0.026

Cambissolo 56 14 17 13 1.41 3 2 0.39 0.79 2697 0.024 0.017

Cambissolo 46 4 23 27 2.27 2 1.5 0.31 1.04 1971 0.017 0.015

Cambissolo 5 52 20 23 0.98 3 1.5 0.11 0.05 5544 0.057 0.048

Cambissolo 2 20 40 38 2.36 3 2.5 0.05 0.05 3720 0.031 0.039

Cambissolo 1 48 26 25 1.00 3 2.5 0.08 0.01 5550 0.057 0.050

Cambissolo 12 10 37 41 2.01 2 1 0.10 0.24 2773 0.028 0.026

Cambissolo 9 9 32 50 1.14 3 1.5 0.08 0.10 2050 0.018 0.025

Cambissolo 7 70 10 13 0.58 1 2 0.15 0.04 6960 0.076 0.047

Cambissolo 18 37 25 20 0.00 6 3 0.18 0.00 4960 0.067 0.053

Cambissolo 16 57 17 10 0.00 1 1 0.19 0.00 6660 0.084 0.042

Cambissolo 23 30 29 18 0.72 3 2 0.20 0.17 4838 0.050 0.039

Cambissolo 3 45 24 28 1.32 1 1 0.09 0.04 4968 0.057 0.036

Cambissolo 29 32 24 15 0.79 2 4 0.24 0.23 4760 0.040 0.032

Cambissolo 21 13 46 20 1.69 2 3 0.17 0.37 4779 0.040 0.038

Cambissolo 30 42 12 16 0.00 3 1.5 0.26 0.00 4536 0.049 0.031

Gleissolo 2 14 37 47 0.98 2 1 0.04 0.02 2703 0.029 0.027

Gleissolo 10 49 12 29 2.05 3 1.5 0.14 0.20 4331 0.039 0.039

Continua...

108



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Gleissolo 32 50 11 7 1.20 1 1 0.28 0.39 5673 0.065 0.033

Gleissolo 34 26 27 13 2.00 2 2 0.26 0.68 4611 0.042 0.034

Gleissolo 4 25 41 30 0.00 3 2.5 0.07 0.00 4620 0.050 0.044

Latossolo Vermelho 4 39 36 21 6.17 6 3 0.09 0.25 5925 0.045 0.068


Latossolo Vermelho 13 65 11 11 1.50 3 1.5 0.18 0.19 6764 0.068 0.054
















Continua...

109



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)






















Continua...

110



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)






















Continua...

111



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)






















Continua...

112



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

113



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

114



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)








Latossolo Vermelho-Amarelo 31 32 16 21 0.00 3 2.5 0.25 0.00 3792 0.040 0.026

Latossolo Vermelho-Amarelo 26 11 24 39 2.30 6 1 0.19 0.60 2135 0.004 0.037














Continua...

115



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

116



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

117



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

118



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)























Continua...

119



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)











Neossolo 52 31 8 9 1.43 6 2 0.39 0.74 3549 0.033 0.037

Neossolo 46 40 5 9 1.51 6 1 0.36 0.70 4095 0.025 0.042

Neossolo 20 68 3 9 0.77 2 2 0.23 0.15 6461 0.069 0.044

Neossolo 30 56 5 9 3.66 1 1 0.28 1.10 5551 0.051 0.040

Neossolo 40 54 2 4 0.71 2 1 0.34 0.28 5376 0.060 0.031

Neossolo 32 55 8 5 2.53 2 4 0.29 0.81 5985 0.044 0.044

Neossolo 55 39 3 3 2.01 6 1.5 0.42 1.11 4074 0.030 0.043

Neossolo 40 52 2 6 1.07 3 1.5 0.34 0.43 5076 0.051 0.034

Neossolo 43 38 10 9 2.24 2 3.5 0.34 0.96 4368 0.032 0.030

Neossolo 54 40 3 3 1.22 3 2.5 0.41 0.66 4171 0.040 0.026

Neossolo 56 35 3 6 1.82 3 2.5 0.42 1.02 3572 0.032 0.024

Neossolo 55 37 3 5 1.24 1 3 0.41 0.68 3800 0.027 0.014

Continua...

120



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Neossolo 34 53 4 9 4.87 2 1 0.30 1.65 5187 0.038 0.046

Neossolo 54 34 7 5 2.60 3 2.5 0.40 1.40 3895 0.032 0.032

Neossolo 53 39 1 7 0.65 3 1.5 0.40 0.35 3720 0.037 0.019

Neossolo 69 17 5 9 0.52 6 1 0.47 0.36 2002 0.006 0.016

Neossolo 22 68 4 6 1.81 3 2.5 0.25 0.40 6768 0.066 0.053

Neossolo 40 54 2 4 0.83 6 1.5 0.34 0.33 5376 0.049 0.049

Neossolo 25 67 4 4 0.00 3 1.5 0.26 0.00 6816 0.078 0.048

Neossolo 30 57 6 7 2.03 3 2.5 0.28 0.61 5859 0.054 0.046

Neossolo 28 57 8 7 0.55 3 2 0.27 0.15 6045 0.065 0.043

Neossolo 52 39 6 3 3.03 3 2 0.40 1.57 4365 0.035 0.037

Neossolo 42 53 1 4 1.07 3 2.5 0.35 0.45 5184 0.052 0.035

Neossolo 43 41 11 5 1.27 2 2 0.34 0.55 4940 0.048 0.030

Neossolo 57 34 4 5 2.49 3 3.5 0.42 1.42 3610 0.030 0.029

Neossolo 40 37 16 7 0.64 2 1 0.32 0.25 4929 0.055 0.028

Neossolo 45 45 1 9 1.15 3 2 0.36 0.52 4186 0.040 0.027

Neossolo 61 29 6 4 2.43 2 3.5 0.44 1.48 3360 0.021 0.022

Neossolo 81 9 7 3 1.57 6 4 0.54 1.27 1552 0.038 0.018

Neossolo 59 25 9 7 1.05 3 2.5 0.42 0.62 3162 0.030 0.017

Neossolo 53 27 12 8 0.00 3 2 0.39 0.00 3588 0.037 0.016

Neossolo 79 10 8 3 2.49 3 2.5 0.53 1.97 1746 0.013 0.014

Neossolo 62 32 3 3 1.24 1 1.5 0.45 0.77 3395 0.036 0.009

Neossolo 74 16 5 5 1.12 3 2 0.51 0.83 1995 0.017 0.005

Continua...

121



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Neossolo 71 22 4 3 0.58 2 1 0.49 0.42 2522 0.028 0.001

Neossolo 43 45 5 7 1.07 1 1.5 0.35 0.46 4650 0.050 0.022

Neossolo 53 37 7 3 5.76 1 1 0.40 3.05 4268 0.032 0.043

Neossolo 53 37 7 3 5.76 1 1 0.40 3.05 4268 0.032 0.043

Neossolo 30 57 4 9 2.03 3 3.5 0.28 0.61 5551 0.051 0.044

Neossolo 36 55 4 5 0.98 3 2.5 0.32 0.35 5605 0.057 0.039

Neossolo 81 9 5 5 2.17 6 3 0.54 1.76 1330 0.023 0.021

Neossolo 61 22 6 11 1.38 3 2.5 0.43 0.84 2492 0.022 0.014

Neossolo 56 35 4 5 1.00 3 1.5 0.42 0.56 3705 0.036 0.021

Neossolo 43 41 11 5 1.27 2 2 0.34 0.55 4940 0.048 0.030

Neossolo 42 45 2 11 0.26 1 1.5 0.34 0.11 4183 0.048 0.015

Neossolo 24 63 6 7 0.88 3 2 0.25 0.21 6417 0.067 0.048

Neossolo 73 14 4 9 0.88 3 1.5 0.50 0.64 1638 0.014 0.001

Neossolo 41 50 6 3 1.84 2 3 0.34 0.75 5432 0.047 0.036

Neossolo 48 40 5 7 1.15 3 3.5 0.37 0.55 4185 0.040 0.027

Neossolo 20 72 5 3 1.07 2 1 0.24 0.21 7469 0.083 0.052

Neossolo 49 37 3 11 0.89 2 1.5 0.37 0.44 3560 0.037 0.017

Neossolo 38 50 5 7 1.05 3 3.5 0.32 0.40 5115 0.051 0.035

Neossolo 42 44 7 7 1.41 2 3.5 0.34 0.59 4743 0.039 0.029

Neossolo 64 29 3 4 0.62 3 2 0.46 0.40 3072 0.030 0.012

Neossolo 21 74 2 3 1.51 2 1 0.25 0.32 7372 0.079 0.052

Neossolo 21 74 2 3 1.51 2 1 0.25 0.32 7372 0.079 0.052

Continua...

122



AREIA GROSSA

AREIA FINA


Denardin (1990)

R Denardin (1990)

M

K Wischmeier e

Smith (1978)

K Denardin

(1990)

Neossolo 34 26 27 13 2.00 3 4 0.26 0.68 4611 0.042 0.038

Neossolo 63 28 4 5 1.74 3 3.5 0.45 1.09 3040 0.027 0.019

Neossolo 64 30 2 4 1.39 3 2.5 0.46 0.89 3072 0.028 0.017

Neossolo 6 82 3 9 0.09 3 3 0.16 0.01 7735 0.089 0.061

Neossolo 15 78 5 2 0.00 3 3.5 0.22 0.00 8134 0.095 0.061

Neossolo 26 62 5 7 1.01 6 1 0.26 0.26 6231 0.052 0.060

Neossolo 31 54 10 5 1.67 5 3.5 0.28 0.52 6080 0.072 0.055

Nitossolo 7 14 53 26 1.46 3 3 0.07 0.10 4958 0.048 0.047

Nitossolo 17 27 36 20 4.27 1 3 0.08 0.30 3180 0.027 0.027

Nitossolo 7 32 20 41 1.63 1 1 0.10 0.11 3068 0.036 0.023

Plintossolo 8 53 24 15 2.17 3 1.5 0.13 0.17 6545 0.061 0.056

Plintossolo 27 24 20 29 1.17 2 1.5 0.21 0.32 3124 0.031 0.022

Plintossolo 17 21 35 27 2.37 3 1 0.15 0.40 4088 0.035 0.039

Plintossolo 12 73 2 13 1.00 1 2 0.19 0.12 6525 0.068 0.043

Plintossolo 43 36 2 19 1.12 1 1 0.33 0.48 3078 0.037 0.011

Plintossolo 43 36 2 19 1.12 1 1 0.33 0.48 3078 0.037 0.011

Plintossolo 31 42 14 13 1.65 6 2.5 0.27 0.51 4872 0.052 0.052

Plintossolo 0 3 58 39 2.89 3 1 0.01 0.00 3721 0.030 0.041

Plintossolo 41 34 20 5 0.55 6 4 0.32 0.23 5130 0.079 0.047

Plintossolo 30 49 12 9 1.00 6 1 0.27 0.30 5551 0.044 0.054

123

6.3 APÊNDICE C – Fluxograma ilustrativo da metodologia utilizada para

obtenção dos mapas de erosividade mensal (EI30) e erosividade anual (R).

124

6.4 APÊNDICE D – Fluxograma ilustrativo da metodologia utilizada para

obtenção do mapa de erodibilidade (K).

125

6.5 APÊNDICE E – Fluxograma ilustrativo da metodologia utilizada para

obtenção do mapa de Potencial Natural de Erosão (PNE).

UNIVERSIDADE FEDERAL DE MATO GROSSO ...§ões-Teses...caracterizam uma região problemática, que...

Documents

Transcript of UNIVERSIDADE FEDERAL DE MATO GROSSO ...§ões-Teses...caracterizam uma região problemática, que...