UNIVERSIDADE FEDERAL DE MATO GROSSO ...§ões-Teses...caracterizam uma região problemática, que...
Transcript of 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
2.5. Referências Bibliográficas ............................................................................... 39
3. ERODIBILIDADE PARA O ESTADO DE MATO GROSSO ................................. 45
RESUMO................................................................................................................... 45
ABSTRACT ............................................................................................................... 46
3.1. Introdução ....................................................................................................... 47
3.2. Material e Métodos .......................................................................................... 50
3.3. Resultados e Discussão .................................................................................. 55
3.4. Conclusões ..................................................................................................... 66
3.5. Referências Bibliográficas ............................................................................... 67
4. POTENCIAL NATURAL DE EROSÃO HÍDRICA PARA O ESTADO DE MATO GROSSO................................................................................................................... 71
RESUMO................................................................................................................... 71
ABSTRACT ............................................................................................................... 72
4.1. Introdução ....................................................................................................... 73
4.2. Material e Métodos .......................................................................................... 75
4.3. Resultados e Discussão .................................................................................. 82
4.4. Conclusões ..................................................................................................... 89
4.5. Referências Bibliográficas ............................................................................... 90
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
2.5. Referências Bibliográficas
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
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
3.2. Material e Métodos
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
3.3. Resultados e Discussão
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
3.5. Referências Bibliográficas
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
4.2. Material e Métodos
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
4.3. Resultados e Discussão
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
4.5. Referências Bibliográficas
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.
NOME DA ESTAÇÃO LAT. LONG. JAN. FEV. MAR. ABR. MAI. JUN. JUL. AGO. SET. OUT. NOV. DEZ. 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
Continuação: 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
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
Continuação: 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
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
Continuação: 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
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
Continuação: 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
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
Continuação: 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
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
Continuação: 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
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 12 63 4 21 0.76 3 2 0.17 0.09 5293 0.055 0.043
Argissolo Vermelho 31 7 29 33 4.94 2 3.5 0.22 1.53 2412 0.008 0.029
Argissolo Vermelho 56 21 16 7 1.08 1 1 0.40 0.61 3441 0.041 0.011
Argissolo Vermelho 27 8 16 49 0.40 2 1.5 0.19 0.11 1224 0.013 0.007
Argissolo Vermelho 53 18 10 19 1.34 1 1.5 0.37 0.71 2268 0.024 0.005
Argissolo Vermelho 35 15 25 25 2.75 6 2 0.25 0.96 3000 0.024 0.043
Argissolo Vermelho 38 11 16 35 1.67 2 1.5 0.27 0.63 1755 0.016 0.012
Argissolo Vermelho 52 27 10 11 2.24 3 3 0.38 1.16 3293 0.028 0.026
Argissolo Vermelho 28 38 20 14 0.95 3 3.5 0.24 0.26 4988 0.050 0.038
Argissolo Vermelho 18 31 24 27 1.63 6 1 0.17 0.29 4015 0.024 0.049
Argissolo Vermelho 4 70 13 13 0.96 3 2.5 0.13 0.04 7221 0.077 0.059
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
Argissolo Vermelho-Amarelo 49 14 12 25 1.91 2 1.5 0.34 0.94 1950 0.018 0.012
Argissolo Vermelho-Amarelo 25 63 5 7 2.00 6 2 0.26 0.50 6324 0.060 0.063
Argissolo Vermelho-Amarelo 30 34 16 20 1.26 2 1 0.25 0.38 4000 0.042 0.027
Argissolo Vermelho-Amarelo 34 24 21 21 1.31 2 2 0.26 0.44 3555 0.033 0.024
Argissolo Vermelho-Amarelo 38 28 7 27 1.55 3 3.5 0.29 0.59 2555 0.022 0.020
Argissolo Vermelho-Amarelo 24 13 24 39 2.12 2 1 0.18 0.51 2257 0.022 0.020
Continua...
104
Continuação: 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-Amarelo 52 27 8 13 1.00 1 1 0.38 0.52 3045 0.037 0.009
Argissolo Vermelho-Amarelo 30 35 14 21 2.13 3 2.5 0.25 0.64 3871 0.034 0.033
Argissolo Vermelho-Amarelo 8 51 24 17 2.73 2 3.5 0.13 0.22 6225 0.048 0.050
Argissolo Vermelho-Amarelo 6 58 21 15 1.44 2 1.5 0.13 0.09 6715 0.070 0.052
Argissolo Vermelho-Amarelo 28 61 9 2 0.00 3 3.5 0.27 0.00 6860 0.078 0.047
Argissolo Vermelho-Amarelo 14 20 46 20 0.00 3 2 0.13 0.00 5280 0.058 0.045
Argissolo Vermelho-Amarelo 20 49 18 13 0.00 3 1.5 0.21 0.00 5829 0.065 0.044
Argissolo Vermelho-Amarelo 29 57 7 7 0.98 3 3.5 0.27 0.28 5952 0.061 0.044
Argissolo Vermelho-Amarelo 33 50 6 11 4.44 1 3 0.29 1.46 4984 0.026 0.039
Argissolo Vermelho-Amarelo 19 57 9 15 0.98 1 1 0.21 0.19 5610 0.066 0.035
Argissolo Vermelho-Amarelo 36 25 22 17 1.91 3 3 0.27 0.69 3901 0.035 0.032
Argissolo Vermelho-Amarelo 24 29 22 25 1.91 2 1.5 0.20 0.46 3825 0.036 0.030
Argissolo Vermelho-Amarelo 37 44 8 11 0.00 3 2.5 0.31 0.00 4628 0.050 0.029
Argissolo Vermelho-Amarelo 40 11 26 23 2.44 3 2.5 0.28 0.98 2849 0.023 0.027
Argissolo Vermelho-Amarelo 29 42 12 17 1.24 1 1 0.25 0.36 4482 0.052 0.026
Argissolo Vermelho-Amarelo 20 32 27 21 3.23 6 1 0.18 0.65 4661 0.024 0.057
Argissolo Vermelho-Amarelo 10 13 24 53 1.89 3 2.5 0.09 0.19 1739 0.014 0.023
Argissolo Vermelho-Amarelo 17 24 17 42 0.33 3 4 0.15 0.06 2378 0.023 0.022
Argissolo Vermelho-Amarelo 45 39 5 11 1.51 1 1.5 0.35 0.68 3916 0.040 0.019
Argissolo Vermelho-Amarelo 45 22 12 21 1.03 3 2.5 0.33 0.46 2686 0.025 0.018
Argissolo Vermelho-Amarelo 56 21 12 11 1.24 3 3.5 0.40 0.69 2937 0.027 0.018
Continua...
105
Continuação: 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-Amarelo 30 16 21 33 1.55 1 1 0.22 0.46 2479 0.030 0.014
Argissolo Vermelho-Amarelo 35 17 21 27 1.10 1 2 0.26 0.39 2774 0.025 0.013
Argissolo Vermelho-Amarelo 58 25 8 9 0.48 3 2 0.42 0.28 3003 0.029 0.013
Argissolo Vermelho-Amarelo 67 10 6 17 1.22 3 2.5 0.45 0.82 1328 0.011 0.003
Argissolo Vermelho-Amarelo 22 18 27 33 5.73 3 2.5 0.17 1.26 3015 0.016 0.038
Argissolo Vermelho-Amarelo 17 7 37 39 2.70 6 1.5 0.13 0.46 2684 0.014 0.044
Argissolo Vermelho-Amarelo 35 26 22 17 1.94 6 3 0.27 0.68 3984 0.048 0.047
Argissolo Vermelho-Amarelo 55 35 4 6 1.29 3 2 0.41 0.71 3666 0.034 0.022
Argissolo Vermelho-Amarelo 2 49 28 21 0.00 3 3.5 0.09 0.00 6083 0.068 0.053
Argissolo Vermelho-Amarelo 14 37 28 21 2.70 3 2.5 0.15 0.38 5135 0.044 0.046
Argissolo Vermelho-Amarelo 3 18 45 34 0.00 3 2 0.05 0.00 4158 0.044 0.041
Argissolo Vermelho-Amarelo 11 24 35 30 0.00 3 2.5 0.11 0.00 4130 0.044 0.037
Argissolo Vermelho-Amarelo 20 34 19 27 2.41 3 2.5 0.18 0.48 3869 0.033 0.036
Argissolo Vermelho-Amarelo 29 37 13 21 1.43 2 1.5 0.25 0.41 3950 0.039 0.027
Argissolo Vermelho-Amarelo 7 6 39 48 0.00 3 2 0.06 0.00 2340 0.023 0.027
Argissolo Vermelho-Amarelo 70 17 8 5 0.52 2 1.5 0.48 0.36 2375 0.025 0.000
Argissolo Vermelho-Amarelo 26 11 22 41 0.29 6 2 0.19 0.08 1947 0.018 0.030
Argissolo Vermelho-Amarelo 26 12 23 39 0.67 2 1.5 0.19 0.17 2135 0.022 0.015
Argissolo Vermelho-Amarelo 29 26 18 27 1.01 3 3.5 0.23 0.29 3212 0.030 0.026
Argissolo Vermelho-Amarelo 17 19 27 37 2.51 3 3.5 0.14 0.43 2898 0.023 0.031
Continua...
106
Continuação: 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-Amarelo 41 20 16 23 1.41 1 3 0.30 0.58 2772 0.016 0.012
Argissolo Vermelho-Amarelo 41 20 16 23 1.41 1 3 0.30 0.58 2772 0.016 0.012
Argissolo Vermelho-Amarelo 9 20 26 45 1.10 3 3 0.09 0.10 2530 0.023 0.028
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
Continuação: 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)
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
Continuação: 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)
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 20 58 5 17 2.79 6 2 0.22 0.56 5229 0.044 0.058
Latossolo Vermelho 13 65 11 11 1.50 3 1.5 0.18 0.19 6764 0.068 0.054
Latossolo Vermelho 31 41 23 5 2.37 3 2 0.50 1.52 9177 0.060 0.066
Latossolo Vermelho 26 48 13 13 6.43 3 1.5 0.24 1.67 5307 0.027 0.055
Latossolo Vermelho 12 14 42 32 3.94 3 2 0.10 0.47 3808 0.027 0.040
Latossolo Vermelho 59 20 10 11 3.59 1 2 0.41 2.12 2670 0.019 0.020
Latossolo Vermelho 25 34 11 30 3.23 3 3.5 0.21 0.81 3150 0.024 0.032
Latossolo Vermelho 32 51 11 6 0.00 2 1.5 0.29 0.00 5828 0.067 0.035
Latossolo Vermelho 21 32 16 31 2.30 3 1.5 0.19 0.48 3312 0.028 0.031
Latossolo Vermelho 25 51 4 20 1.07 3 2 0.24 0.27 4400 0.043 0.034
Latossolo Vermelho 9 50 10 31 1.77 2 2 0.13 0.16 4140 0.038 0.033
Latossolo Vermelho 31 31 9 29 0.38 3 2 0.25 0.12 2840 0.028 0.020
Latossolo Vermelho 37 34 12 17 8.14 3 3.5 0.29 3.01 3818 0.013 0.055
Latossolo Vermelho 32 24 5 39 1.65 1 3 0.24 0.53 1769 0.006 0.008
Latossolo Vermelho 19 54 7 20 3.97 2 1.5 0.21 0.75 4880 0.038 0.040
Latossolo Vermelho 16 48 15 21 3.27 3 1 0.18 0.52 4977 0.040 0.045
Latossolo Vermelho 41 18 10 31 4.13 3 1.5 0.29 1.69 1932 0.012 0.027
Continua...
109
Continuação: 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)
Latossolo Vermelho 21 20 18 41 1.63 3 1 0.17 0.34 2242 0.019 0.023
Latossolo Vermelho 19 44 12 25 2.20 6 2 0.19 0.42 4200 0.037 0.051
Latossolo Vermelho 17 25 31 27 3.49 5 2 0.15 0.59 4088 0.031 0.050
Latossolo Vermelho 16 59 10 15 2.01 3 2 0.19 0.32 5865 0.055 0.048
Latossolo Vermelho 6 7 57 30 2.18 3 2 0.06 0.13 4480 0.039 0.045
Latossolo Vermelho 14 24 35 27 3.70 3 1 0.13 0.52 4307 0.032 0.043
Latossolo Vermelho 10 29 32 29 3.75 3 2.5 0.11 0.37 4331 0.032 0.043
Latossolo Vermelho 24 59 8 9 1.22 2 2 0.25 0.29 6097 0.062 0.042
Latossolo Vermelho 22 28 21 29 2.48 3 2.5 0.20 0.54 4779 0.035 0.042
Latossolo Vermelho 5 22 36 37 2.08 4 1 0.07 0.10 3654 0.027 0.042
Latossolo Vermelho 16 54 19 11 0.00 1 1.5 0.19 0.00 6497 0.078 0.041
Latossolo Vermelho 30 18 33 19 3.37 3 3.5 0.23 1.01 4131 0.032 0.041
Latossolo Vermelho 17 63 5 15 0.67 2 2.5 0.21 0.11 5780 0.059 0.040
Latossolo Vermelho 26 59 6 9 1.08 2 2 0.26 0.28 5915 0.060 0.040
Latossolo Vermelho 14 24 33 29 2.63 3 1.5 0.13 0.37 4047 0.034 0.039
Latossolo Vermelho 15 29 32 24 0.00 3 2 0.14 0.00 4636 0.050 0.039
Latossolo Vermelho 19 20 32 29 3.56 3 1 0.16 0.68 3692 0.027 0.038
Latossolo Vermelho 20 27 28 25 4.35 2 1.5 0.17 0.87 4125 0.030 0.038
Latossolo Vermelho 30 47 10 13 1.24 3 3 0.27 0.37 4959 0.049 0.038
Latossolo Vermelho 18 21 32 29 2.48 3 2.5 0.15 0.45 3763 0.031 0.037
Latossolo Vermelho 33 49 7 11 0.89 3 2.5 0.29 0.30 4984 0.050 0.036
Continua...
110
Continuação: 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)
Latossolo Vermelho 16 24 13 47 1.77 6 1 0.14 0.28 1961 0.003 0.036
Latossolo Vermelho 24 41 18 17 1.51 2 1.5 0.22 0.36 4897 0.049 0.036
Latossolo Vermelho 29 27 27 17 2.41 2 2.5 0.23 0.70 4482 0.036 0.035
Latossolo Vermelho 25 63 1 11 1.60 1 1 0.26 0.40 5696 0.064 0.035
Latossolo Vermelho 22 33 24 21 0.00 3 2.5 0.20 0.00 4503 0.049 0.035
Latossolo Vermelho 25 21 30 24 3.35 2 1.5 0.20 0.84 3876 0.030 0.034
Latossolo Vermelho 35 41 7 17 1.96 3 2.5 0.29 0.69 3984 0.035 0.032
Latossolo Vermelho 39 45 10 6 0.91 2 1 0.32 0.36 5170 0.057 0.031
Latossolo Vermelho 32 43 14 11 1.70 1 2.5 0.27 0.54 5073 0.043 0.031
Latossolo Vermelho 31 40 13 16 0.00 3 2 0.26 0.00 4452 0.048 0.030
Latossolo Vermelho 27 23 26 24 2.37 2 2 0.21 0.64 3724 0.031 0.030
Latossolo Vermelho 33 24 20 23 1.27 3 3.5 0.25 0.42 3388 0.031 0.027
Latossolo Vermelho 28 15 8 49 1.41 6 1.5 0.21 0.39 1173 0.003 0.027
Latossolo Vermelho 25 10 28 37 2.60 3 1.5 0.18 0.65 2394 0.019 0.027
Latossolo Vermelho 6 41 24 29 2.58 6 1 0.10 0.15 4615 0.026 0.056
Latossolo Vermelho 19 21 25 35 2.49 2 4 0.16 0.47 2990 0.016 0.026
Latossolo Vermelho 24 15 24 37 2.29 3 1.5 0.18 0.55 2457 0.020 0.026
Latossolo Vermelho 23 55 2 20 0.81 1 3 0.23 0.19 4560 0.037 0.026
Latossolo Vermelho 36 13 29 22 2.82 3 1 0.26 1.02 3276 0.026 0.032
Latossolo Vermelho 23 23 23 31 2.60 3 3.5 0.19 0.60 3174 0.026 0.032
Latossolo Vermelho 31 22 22 25 3.01 3 1 0.24 0.93 3300 0.026 0.033
Continua...
111
Continuação: 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)
Latossolo Vermelho 26 22 21 31 2.63 2 2 0.20 0.68 2967 0.024 0.025
Latossolo Vermelho 15 24 18 43 1.63 3 1.5 0.14 0.25 2394 0.020 0.025
Latossolo Vermelho 49 14 20 17 2.34 3 1.5 0.34 1.15 2822 0.023 0.025
Latossolo Vermelho 32 24 13 31 2.32 3 2.5 0.25 0.74 2553 0.021 0.025
Latossolo Vermelho 17 24 26 33 2.61 1 1 0.15 0.44 3350 0.036 0.025
Latossolo Vermelho 37 5 35 23 2.70 3 2 0.25 1.00 3080 0.024 0.031
Latossolo Vermelho 13 16 20 51 2.89 3 1.5 0.11 0.38 1764 0.013 0.024
Latossolo Vermelho 28 26 18 28 2.65 1 1.5 0.22 0.74 3168 0.030 0.022
Latossolo Vermelho 23 18 22 37 1.67 2 4 0.18 0.38 2520 0.013 0.020
Latossolo Vermelho 28 18 15 39 1.70 3 3 0.21 0.48 2013 0.017 0.020
Latossolo Vermelho 32 9 26 33 2.12 2 1.5 0.22 0.68 2345 0.021 0.019
Latossolo Vermelho 42 6 29 23 1.87 2 1 0.29 0.79 2695 0.027 0.019
Latossolo Vermelho 11 19 35 35 5.80 1 2 0.10 0.64 3510 0.019 0.031
Latossolo Vermelho 19 11 31 39 1.87 1 3 0.14 0.36 2562 0.013 0.018
Latossolo Vermelho 51 10 22 17 3.78 3 3 0.35 1.93 2656 0.018 0.031
Latossolo Vermelho 28 17 22 33 4.73 2 1.5 0.21 1.32 2613 0.018 0.029
Latossolo Vermelho 47 30 6 17 2.56 1 1 0.35 1.20 2988 0.032 0.017
Latossolo Vermelho 53 6 21 20 5.30 1 1.5 0.36 2.81 2160 0.016 0.027
Latossolo Vermelho 27 18 22 33 2.03 6 1.5 0.21 0.55 2680 0.016 0.040
Latossolo Vermelho 71 13 7 9 1.12 3 2 0.48 0.79 1820 0.016 0.005
Latossolo Vermelho 50 30 5 15 0.57 3 2 0.37 0.28 2975 0.029 0.015
Continua...
112
Continuação: 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)
Latossolo Vermelho 19 10 30 41 1.58 6 1.5 0.14 0.30 2360 0.014 0.039
Latossolo Vermelho 9 11 33 47 4.83 3 3.5 0.08 0.43 2332 0.014 0.030
Latossolo Vermelho 45 9 23 23 8.03 2 1 0.31 3.61 2464 0.012 0.045
Latossolo Vermelho 69 17 5 9 1.55 3 3.5 0.47 1.07 2002 0.017 0.010
Latossolo Vermelho 42 23 6 29 0.89 2 2 0.31 0.38 2059 0.018 0.009
Latossolo Vermelho 72 9 10 9 1.67 2 1.5 0.48 1.20 1729 0.016 0.004
Latossolo Vermelho 76 9 6 9 2.53 1 2 0.51 1.92 1365 0.010 0.003
Latossolo Vermelho 43 19 11 27 2.55 3 4 0.31 1.09 2190 0.017 0.022
Latossolo Vermelho 24 48 12 16 4.30 1 3 0.23 1.03 5040 0.027 0.038
Latossolo Vermelho 51 17 15 17 3.25 6 1 0.36 1.66 2656 0.007 0.041
Latossolo Vermelho 70 11 10 9 3.89 3 3 0.47 2.72 1911 0.012 0.026
Latossolo Vermelho 24 37 18 21 2.70 2 1.5 0.21 0.65 4345 0.038 0.035
Latossolo Vermelho 31 43 13 13 7.84 3 2.5 0.27 2.43 4872 0.018 0.058
Latossolo Vermelho 56 17 14 13 4.59 3 2.5 0.39 2.57 2697 0.017 0.036
Latossolo Vermelho 56 17 14 13 4.59 3 2.5 0.39 2.57 2697 0.017 0.036
Latossolo Vermelho 5 17 24 54 4.87 2 1.5 0.06 0.24 1886 0.013 0.022
Latossolo Vermelho 57 16 16 11 4.09 3 1.5 0.40 2.33 2848 0.019 0.034
Latossolo Vermelho 25 25 30 20 8.17 3 2 0.20 2.04 4400 0.015 0.055
Latossolo Vermelho 18 36 7 39 1.82 6 1 0.17 0.33 2623 0.009 0.039
Latossolo Vermelho 6 34 27 33 2.43 2 3 0.09 0.15 4087 0.030 0.035
Latossolo Vermelho 25 30 16 29 2.46 6 1 0.21 0.61 3266 0.014 0.044
Latossolo Vermelho 25 30 16 29 2.46 6 1 0.21 0.61 3266 0.014 0.044
Continua...
113
Continuação: 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)
Latossolo Vermelho 8 12 21 59 1.50 6 2 0.07 0.12 1353 0.011 0.034
Latossolo Vermelho 14 4 41 41 4.08 6 4 0.10 0.57 2655 0.043 0.046
Latossolo Vermelho 23 13 29 35 2.75 3 1.5 0.17 0.63 2730 0.021 0.030
Latossolo Vermelho 24 9 24 43 5.40 6 2 0.17 1.30 1881 0.010 0.044
Latossolo Vermelho 13 19 16 52 1.27 3 3.5 0.11 0.17 1680 0.014 0.020
Latossolo Vermelho 8 43 30 19 1.43 3 2.5 0.12 0.11 5913 0.058 0.051
Latossolo Vermelho 10 49 18 23 2.53 1 2.5 0.14 0.25 5159 0.040 0.037
Latossolo Vermelho 16 28 29 27 1.82 2 1 0.11 0.20 3276 0.038 0.029
Latossolo Vermelho 9 11 36 44 3.70 3 3.5 0.08 0.33 2632 0.018 0.032
Latossolo Vermelho 14 28 14 44 0.52 3 3 0.13 0.07 2352 0.022 0.023
Latossolo Vermelho 14 28 14 44 0.52 3 3 0.13 0.07 2352 0.022 0.023
Latossolo Vermelho 17 17 19 47 2.65 2 1.5 0.14 0.45 1908 0.016 0.019
Latossolo Vermelho 37 6 14 43 2.25 3 3 0.25 0.83 1140 0.008 0.015
Latossolo Vermelho 37 6 14 43 2.25 3 3 0.25 0.83 1140 0.008 0.015
Latossolo Vermelho 33 51 9 7 2.17 3 3.5 0.29 0.72 5580 0.051 0.044
Latossolo Vermelho 50 14 21 15 2.29 6 3 0.35 1.14 2975 0.037 0.039
Latossolo Vermelho 16 31 20 33 0.38 3 2.5 0.15 0.06 3417 0.034 0.030
Latossolo Vermelho 50 30 9 11 0.62 3 2 0.37 0.31 3471 0.034 0.019
Latossolo Vermelho 64 20 7 9 1.05 3 3 0.45 0.67 2457 0.022 0.011
Latossolo Vermelho 59 18 12 11 3.42 3 3 0.41 2.02 2670 0.019 0.028
Latossolo Vermelho 59 21 7 13 1.48 2 1 0.42 0.87 2436 0.025 0.010
Latossolo Vermelho 36 27 23 14 3.59 2 1.5 0.28 1.29 4300 0.034 0.037
Continua...
114
Continuação: 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)
Latossolo Vermelho 67 17 7 9 1.41 6 2.5 0.46 0.94 2184 0.025 0.024
Latossolo Vermelho 30 22 18 30 1.46 2 3.5 0.23 0.44 2800 0.018 0.020
Latossolo Vermelho 21 19 27 33 5.37 2 1.5 0.17 1.13 3082 0.020 0.033
Latossolo Vermelho 21 19 27 33 5.37 2 1.5 0.17 1.13 3082 0.020 0.033
Latossolo Vermelho 61 20 10 9 1.05 3 2.5 0.43 0.64 2730 0.025 0.014
Latossolo Vermelho 22 10 27 41 2.94 6 1 0.16 0.65 2183 0.003 0.040
Latossolo Vermelho 12 26 33 29 2.25 1 1.5 0.12 0.27 4189 0.041 0.031
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
Latossolo Vermelho-Amarelo 6 37 33 24 2.46 6 1 0.07 0.02 4970 0.034 0.060
Latossolo Vermelho-Amarelo 18 23 34 25 4.27 3 3 0.16 0.77 4275 0.030 0.044
Latossolo Vermelho-Amarelo 5 81 5 9 1.62 6 1.5 0.15 0.08 7826 0.072 0.077
Latossolo Vermelho-Amarelo 30 50 7 13 2.49 6 2 0.27 0.75 4959 0.043 0.055
Latossolo Vermelho-Amarelo 28 42 16 14 2.06 6 2 0.25 0.58 4988 0.045 0.055
Latossolo Vermelho-Amarelo 27 8 34 31 2.43 3 3.5 0.19 0.65 2898 0.023 0.030
Latossolo Vermelho-Amarelo 59 7 21 13 2.10 3 3 0.40 1.24 2436 0.020 0.020
Latossolo Vermelho-Amarelo 21 61 2 16 0.81 3 2.5 0.23 0.17 5292 0.054 0.040
Latossolo Vermelho-Amarelo 42 39 4 15 0.86 6 3.5 0.33 0.36 3655 0.055 0.037
Latossolo Vermelho-Amarelo 7 22 30 41 6.16 2 1 0.08 0.43 3068 0.020 0.031
Latossolo Vermelho-Amarelo 19 43 9 29 1.24 2 1.5 0.19 0.24 3692 0.037 0.027
Latossolo Vermelho-Amarelo 30 23 16 31 3.23 2 3.5 0.23 0.97 2691 0.013 0.025
Latossolo Vermelho-Amarelo 40 34 6 20 1.41 3 3.5 0.31 0.56 3200 0.029 0.024
Continua...
115
Continuação: 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)
Latossolo Vermelho-Amarelo 42 34 7 17 0.96 3 2.5 0.32 0.40 3403 0.032 0.023
Latossolo Vermelho-Amarelo 31 17 13 39 3.35 2 1 0.23 1.04 1830 0.017 0.019
Latossolo Vermelho-Amarelo 31 28 12 29 2.34 1 1.5 0.24 0.73 2840 0.027 0.018
Latossolo Vermelho-Amarelo 21 20 10 49 1.08 2 1 0.17 0.23 1530 0.017 0.012
Latossolo Vermelho-Amarelo 17 7 15 61 2.44 2 1.5 0.12 0.42 858 0.008 0.012
Latossolo Vermelho-Amarelo 32 25 14 29 1.41 3 2 0.25 0.45 2769 0.025 0.023
Latossolo Vermelho-Amarelo 23 34 20 23 2.48 1 1.5 0.20 0.57 4158 0.039 0.029
Latossolo Vermelho-Amarelo 31 35 21 13 7.34 3 3 0.26 2.28 4872 0.021 0.057
Latossolo Vermelho-Amarelo 36 40 1 23 2.53 3 2 0.29 0.91 3157 0.026 0.028
Latossolo Vermelho-Amarelo 39 27 5 29 1.01 3 2.5 0.29 0.40 2272 0.020 0.016
Latossolo Vermelho-Amarelo 28 47 11 14 1.07 6 2.5 0.25 0.30 4988 0.056 0.051
Latossolo Vermelho-Amarelo 22 57 12 9 1.60 3 2.5 0.23 0.35 6279 0.061 0.050
Latossolo Vermelho-Amarelo 20 47 20 13 2.37 3 2.5 0.20 0.47 5829 0.052 0.049
Latossolo Vermelho-Amarelo 4 67 14 15 1.03 1 1 0.13 0.04 6885 0.081 0.048
Latossolo Vermelho-Amarelo 5 25 43 27 2.01 3 1.5 0.08 0.10 4964 0.045 0.047
Latossolo Vermelho-Amarelo 23 32 28 17 3.70 3 2.5 0.20 0.85 4980 0.038 0.047
Latossolo Vermelho-Amarelo 18 70 5 7 1.15 1 2 0.22 0.21 6975 0.072 0.045
Latossolo Vermelho-Amarelo 28 45 14 13 2.53 2 1 0.25 0.71 5133 0.049 0.039
Latossolo Vermelho-Amarelo 42 31 18 9 2.15 3 1.5 0.32 0.90 4459 0.039 0.036
Latossolo Vermelho-Amarelo 30 23 12 35 1.74 6 3.5 0.23 0.52 2275 0.038 0.035
Latossolo Vermelho-Amarelo 18 24 29 29 3.99 2 2 0.16 0.72 3763 0.026 0.035
Latossolo Vermelho-Amarelo 36 42 9 13 1.75 3 2 0.30 0.63 4437 0.041 0.034
Continua...
116
Continuação: 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)
Latossolo Vermelho-Amarelo 27 59 1 13 0.89 2 2 0.26 0.24 5220 0.053 0.034
Latossolo Vermelho-Amarelo 29 46 15 10 0.00 2 1 0.26 0.00 5490 0.065 0.034
Latossolo Vermelho-Amarelo 25 51 7 17 1.43 2 1 0.24 0.36 4814 0.050 0.034
Latossolo Vermelho-Amarelo 22 46 7 25 1.60 3 1 0.21 0.35 3975 0.037 0.033
Latossolo Vermelho-Amarelo 49 37 3 11 0.65 6 1.5 0.37 0.32 3560 0.029 0.033
Latossolo Vermelho-Amarelo 28 42 17 13 2.03 1 1 0.25 0.57 5133 0.055 0.033
Latossolo Vermelho-Amarelo 7 25 33 35 2.06 3 2.5 0.09 0.14 3770 0.033 0.038
Latossolo Vermelho-Amarelo 15 25 25 35 2.27 3 2 0.14 0.34 3250 0.027 0.033
Latossolo Vermelho-Amarelo 27 27 21 25 1.70 3 1.5 0.22 0.46 3600 0.032 0.031
Latossolo Vermelho-Amarelo 21 46 10 23 1.27 2 1 0.21 0.27 4312 0.046 0.031
Latossolo Vermelho-Amarelo 31 26 20 23 1.82 3 3 0.24 0.57 3542 0.031 0.030
Latossolo Vermelho-Amarelo 21 24 16 39 4.35 3 1.5 0.17 0.91 2440 0.015 0.030
Latossolo Vermelho-Amarelo 21 30 23 26 3.53 1 1 0.18 0.74 3922 0.038 0.030
Latossolo Vermelho-Amarelo 44 32 11 13 2.10 3 2 0.34 0.92 3741 0.032 0.030
Latossolo Vermelho-Amarelo 44 27 8 21 2.63 6 2.5 0.33 1.16 2765 0.028 0.039
Latossolo Vermelho-Amarelo 40 38 13 9 0.00 3 3 0.32 0.00 4641 0.050 0.028
Latossolo Vermelho-Amarelo 45 34 12 9 0.98 3 1.5 0.34 0.44 4186 0.041 0.028
Latossolo Vermelho-Amarelo 5 31 27 37 1.27 1 1 0.08 0.05 3596 0.043 0.027
Latossolo Vermelho-Amarelo 12 9 32 47 3.97 6 3 0.10 0.48 2173 0.027 0.042
Latossolo Vermelho-Amarelo 26 15 26 33 2.80 2 2 0.19 0.73 2747 0.021 0.025
Latossolo Vermelho-Amarelo 28 47 5 20 1.62 1 3 0.25 0.45 4160 0.030 0.024
Latossolo Vermelho-Amarelo 33 40 7 20 2.58 1 3 0.28 0.85 3760 0.022 0.024
Continua...
117
Continuação: 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)
Latossolo Vermelho-Amarelo 26 20 21 33 0.53 3 3 0.20 0.14 2747 0.026 0.023
Latossolo Vermelho-Amarelo 27 42 8 23 1.44 1 1 0.24 0.39 3850 0.044 0.022
Latossolo Vermelho-Amarelo 14 6 27 53 2.36 3 1.5 0.10 0.33 1551 0.012 0.022
Latossolo Vermelho-Amarelo 38 25 10 27 1.79 3 2.5 0.29 0.68 2555 0.022 0.022
Latossolo Vermelho-Amarelo 39 19 17 25 2.55 6 2 0.28 0.99 2700 0.021 0.039
Latossolo Vermelho-Amarelo 62 4 19 15 3.42 2 1.5 0.41 2.12 1955 0.016 0.020
Latossolo Vermelho-Amarelo 55 28 10 7 1.53 2 2 0.40 0.84 3534 0.032 0.019
Latossolo Vermelho-Amarelo 37 28 6 29 1.31 3 2.5 0.28 0.48 2414 0.021 0.019
Latossolo Vermelho-Amarelo 23 29 15 33 1.36 1 1 0.19 0.31 2948 0.035 0.017
Latossolo Vermelho-Amarelo 40 18 21 21 1.77 1 3 0.29 0.71 3081 0.018 0.017
Latossolo Vermelho-Amarelo 46 25 16 13 1.26 1 1 0.34 0.58 3567 0.042 0.016
Latossolo Vermelho-Amarelo 19 24 16 41 0.74 1 1 0.16 0.14 2360 0.030 0.013
Latossolo Vermelho-Amarelo 30 24 9 37 2.37 1 1 0.23 0.71 2079 0.025 0.013
Latossolo Vermelho-Amarelo 56 2 19 23 2.22 1 2 0.37 1.24 1617 0.012 0.006
Latossolo Vermelho-Amarelo 16 20 31 33 3.53 6 1 0.14 0.56 3417 0.012 0.050
Latossolo Vermelho-Amarelo 22 8 15 55 1.70 2 1 0.16 0.37 1035 0.012 0.011
Latossolo Vermelho-Amarelo 48 21 2 29 2.15 2 3 0.34 1.03 1633 0.008 0.010
Latossolo Vermelho-Amarelo 56 10 14 20 1.82 2 2 0.38 1.02 1920 0.016 0.010
Latossolo Vermelho-Amarelo 17 6 22 55 2.05 1 2 0.12 0.35 1260 0.009 0.010
Latossolo Vermelho-Amarelo 40 48 3 9 0.89 6 4 0.33 0.36 4641 0.072 0.044
Latossolo Vermelho-Amarelo 31 42 4 23 1.03 2 1 0.27 0.32 3542 0.038 0.022
Latossolo Vermelho-Amarelo 23 29 21 27 4.09 3 2.5 0.20 0.94 3650 0.025 0.038
Continua...
118
Continuação: 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)
Latossolo Vermelho-Amarelo 19 24 24 33 2.18 3 3.5 0.16 0.42 3216 0.027 0.032
Latossolo Vermelho-Amarelo 38 16 17 29 3.16 3 3 0.27 1.20 2343 0.017 0.026
Latossolo Vermelho-Amarelo 38 16 17 29 3.16 3 3 0.27 1.20 2343 0.017 0.026
Latossolo Vermelho-Amarelo 60 20 9 11 2.61 3 1.5 0.42 1.57 2581 0.020 0.022
Latossolo Vermelho-Amarelo 15 27 9 49 1.10 2 1.5 0.14 0.17 1836 0.018 0.016
Latossolo Vermelho-Amarelo 15 27 9 49 1.10 2 1.5 0.14 0.17 1836 0.018 0.016
Latossolo Vermelho-Amarelo 12 41 24 23 4.11 3 3.5 0.14 0.49 5005 0.036 0.047
Latossolo Vermelho-Amarelo 14 9 42 35 4.94 3 4 0.11 0.69 3315 0.020 0.039
Latossolo Vermelho-Amarelo 10 40 30 20 2.34 1 2 0.13 0.23 5600 0.050 0.041
Latossolo Vermelho-Amarelo 32 7 24 37 2.15 6 1 0.22 0.69 1953 0.003 0.035
Latossolo Vermelho-Amarelo 19 19 25 37 2.55 3 2.5 0.16 0.48 2772 0.022 0.029
Latossolo Vermelho-Amarelo 26 28 15 31 1.77 3 1.5 0.21 0.46 2967 0.026 0.027
Latossolo Vermelho-Amarelo 26 28 15 31 1.77 3 1.5 0.21 0.46 2967 0.026 0.027
Latossolo Vermelho-Amarelo 29 49 8 14 5.31 1 1.5 0.26 1.54 4902 0.034 0.041
Latossolo Vermelho-Amarelo 29 49 8 14 5.31 1 1.5 0.26 1.54 4902 0.034 0.041
Latossolo Vermelho-Amarelo 24 23 30 23 2.61 6 1 0.19 0.63 4081 0.021 0.052
Latossolo Vermelho-Amarelo 27 38 16 19 1.46 1 1 0.23 0.39 4374 0.050 0.027
Latossolo Vermelho-Amarelo 49 36 6 9 0.84 1 1 0.37 0.41 3822 0.046 0.014
Latossolo Vermelho-Amarelo 24 15 32 29 3.27 3 3.5 0.18 0.78 3337 0.025 0.035
Latossolo Vermelho-Amarelo 52 30 7 11 1.57 3 3.5 0.38 0.81 3293 0.030 0.022
Latossolo Vermelho-Amarelo 66 16 9 9 1.15 2 1.5 0.45 0.76 2275 0.022 0.005
Latossolo Vermelho-Amarelo 39 32 22 7 2.46 2 3.5 0.30 0.96 5022 0.037 0.037
Continua...
119
Continuação: 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)
Latossolo Vermelho-Amarelo 13 68 6 13 1.93 3 2 0.19 0.25 6438 0.061 0.052
Latossolo Vermelho-Amarelo 25 58 7 10 2.56 2 1 0.25 0.64 5850 0.056 0.044
Latossolo Vermelho-Amarelo 25 58 7 10 2.56 2 1 0.25 0.64 5850 0.056 0.044
Latossolo Vermelho-Amarelo 72 15 8 5 1.62 3 2.5 0.49 1.16 2185 0.018 0.011
Latossolo Vermelho-Amarelo 71 12 8 9 1.65 3 1 0.48 1.17 1820 0.015 0.009
Latossolo Vermelho-Amarelo 25 24 14 37 4.28 6 2.5 0.20 1.07 2394 0.022 0.043
Latossolo Vermelho-Amarelo 0 40 21 39 1.22 3 3.5 0.06 0.00 3721 0.035 0.037
Latossolo Vermelho-Amarelo 21 17 27 35 2.55 1 1 0.17 0.53 2860 0.031 0.021
Latossolo Vermelho-Amarelo 12 25 26 37 1.62 6 2.5 0.12 0.19 3213 0.035 0.045
Latossolo Vermelho-Amarelo 34 42 5 19 0.65 6 3 0.28 0.22 3807 0.051 0.040
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
Continuação: 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)
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
Continuação: 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)
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
Continuação: 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)
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).