416 lines
11 KiB
Plaintext
416 lines
11 KiB
Plaintext
---
|
|
title: "ResumoExpandido"
|
|
author: "Adenor Vicente Wendling"
|
|
date: "16/09/2021"
|
|
output:
|
|
html_document: default
|
|
word_document: default
|
|
bibliography: Fruti.bib
|
|
csl: abnt.csl
|
|
always_allow_html: true
|
|
---
|
|
|
|
```{r include=FALSE}
|
|
library(dplyr)
|
|
library(readr)
|
|
library(kableExtra)
|
|
library(ggplot2)
|
|
library(plotrix)
|
|
```
|
|
|
|
#Introdução
|
|
Este documento rtem como finalidade avaliar a interação entre os resultados das análises de solo e aplicação anterior de calcário, e a coorelação entre pH e MO do solo analisado entre outras correlações.
|
|
|
|
|
|
Esses dados serão utilizados no resumo expandido que será submetido ao XI Contextos e Conceitos.
|
|
|
|
O link para acesso é: <https://sageventos.com.br/contextoseconceitos>
|
|
|
|
O prazo é até dia 30/09.
|
|
|
|
|
|
# Metodologia
|
|
## Os dados
|
|
Os dados são provenientes do projeto de extensão "Dagnóstico...." Foram coletadas 61 amostras, sendo a maioria associeados da APROPAL, e alguns outros interessados em desenvolver atividades agropecuárias e que foram contactados pelo líder Adelar.
|
|
As coletas foram realizadas em no mínimo 10 pontos por amostras, em áreas consideradas homogêneas. Essas coletas foram misturadas, e uma quanitade de aproximadamente 200 gr foi enviada ao Laboratório de solos do IFPR para análise.
|
|
As análises foram realizadas de acordo com (@PR2017).
|
|
Além dos dados das análises químicas, cada amostra veio acompanhada de um questionário, onde constam os seguintes dados: nome do agricultor; data da coleta; safra da última aplicação de calcário, e localização geogràfica (nem de todos, ainda).
|
|
|
|
```{r include=FALSE}
|
|
|
|
ArqBase <- read_delim("data/Assent_Result_Solo.csv", delim = ",")
|
|
|
|
#View(ArqBase)
|
|
#head(ArqBase)
|
|
ArqBase$Ca<-as.numeric(ArqBase$Ca)
|
|
|
|
```
|
|
|
|
```{r}
|
|
ArqBase%>%
|
|
kable(format="simple",
|
|
digits=1,
|
|
padding = 2,
|
|
caption = "Tabela 1 - Dados das amostras e resultados das análises químicas das amostras de solos do assentamento São Lourenço e Irati")
|
|
|
|
```
|
|
|
|
|
|
# Estatística descritiva
|
|
## pH
|
|
```{r}
|
|
summary(ArqBase$SatAl)
|
|
hist(ArqBase$SatAl)
|
|
sd(ArqBase$SatAl)
|
|
|
|
```
|
|
|
|
|
|
O pH médio das 61 análise é de 4,61, e a mediana é de 4,55.
|
|
|
|
## Classes de interpretação
|
|
Para definir as classes de interpretação do pH, foi utilizado p (@PR2017), cujos dados constam no chunk pHClasses.
|
|
```{r pHClasses}
|
|
ArqBase1<-ArqBase %>% mutate(ClassepH = case_when(
|
|
pH <4 ~ "Muito Baixo",
|
|
pH <4.4 ~ "Baixo",
|
|
pH <4.9 ~ "Médio",
|
|
pH <5.5 ~ "Alto",
|
|
pH <=6.0 ~ "Muito alto",
|
|
pH >6 ~ "Condição a evitar"))
|
|
|
|
```
|
|
|
|
|
|
```{r include=FALSE}
|
|
pH_Classes<-ArqBase1%>%
|
|
group_by(
|
|
ClassepH
|
|
)%>%
|
|
summarise(
|
|
"Amostras por Faixa"=n(),
|
|
"pH Médio" = mean(pH),
|
|
"pH Mediana"=median(pH)
|
|
)
|
|
|
|
```
|
|
|
|
```{r}
|
|
pH_Classes%>%
|
|
kable(format="simple",
|
|
digits=2,
|
|
padding = 2,
|
|
caption = "Tabela 2 - Classe de interpretação do solo, pH médio, mediana e número de amostras correspondentes")
|
|
```
|
|
|
|
Das 61 análises, 44 estão na classe de interpretação médio, baixo ou muito baixo, ou seja, com pH menor que 4,9, e apenas 5 com pH acima de 6.
|
|
|
|
### Aplicação anterior de Calcário
|
|
Uma das questões do formulário pedia para preencher sobre a aplicação anterior de calcário na área. Para isso, foram dadas 5 alternativas: "0 = Não sabe", "1 = na safra passada", "2 = entre 2 a 5 safras passadas", 5 = mais de 5 safras passadas", "0 = nunca".
|
|
|
|
|
|
#### Média de pH por época de calagem
|
|
```{r include=FALSE}
|
|
pH_epoca_cal<-ArqBase%>%
|
|
group_by(
|
|
"Última Calagem"=FaixapH
|
|
)%>%
|
|
summarise(
|
|
"Num amostras" = n(),
|
|
"Média pH" = mean(pH),
|
|
"Média V%"=mean(Sat_Base)*100,
|
|
"Média CTCpH7"=mean(CTCpH7)
|
|
)
|
|
#head(pH_epoca_cal)
|
|
```
|
|
|
|
|
|
```{r}
|
|
pH_epoca_cal %>%
|
|
kbl( digits=2,
|
|
padding = 2,
|
|
caption = "Tabela 3 - pH, V%, CTCpH7 e numero de amostras de acordo com a época da última calagem nas amostras coletadas nos assentamentos São Lourenço e Margem do Iratir, Palmas, PR") %>%
|
|
kable_classic(full_width = F, html_font = "Cambria")
|
|
|
|
```
|
|
|
|
|
|
Das 61 amostras, 22 nunca receberam calcário, e apresentam pH médio de 4,53.
|
|
As demais, que receberam calcário, e tem pH médio de 4,58
|
|
|
|
Parece que há um aumneto da saturação de base nos solos onde foi aplicado calcário na safra passada ou até 5 safras.
|
|
|
|
Já nos solos onde o calcário foi aplicado há mais de 5 safras, apresenta pH semelhante aquelas onde não foi aplicado calçario.
|
|
|
|
Isso já dá uma baita discussão.....
|
|
|
|
Vamos ver se tem relação com a necessidade de calagem.
|
|
|
|
Vou calcular a necessidade de calagem considerando o V% adequado de 80, pela fórmula
|
|
|
|
|
|
$NC(t ha^{⁻1}) = \[(V2 - V1) * CTCph7]/ PRNT$
|
|
|
|
```{r}
|
|
ArqBase1<-ArqBase1%>%
|
|
mutate(NC=(0.8 - Sat_Base)*CTCpH7)
|
|
View(ArqBase1)
|
|
|
|
NC_Calagem<-ArqBase1%>%
|
|
group_by(
|
|
ClassepH
|
|
)%>%
|
|
summarise(
|
|
Média = mean(NC),
|
|
Mediana=median(NC),
|
|
Faixas = n()
|
|
)
|
|
#View(ArqBase)
|
|
NC_Calagem
|
|
|
|
|
|
|
|
```
|
|
|
|
E aqui está a grande diferença.
|
|
|
|
Nas áreas/amostras onde foi aplicado calcário nos últimos 5 anos, a necessidade é de 12 a 13 t/ha.
|
|
|
|
Nas áreas onde não foi aplicado calcário, ou onde a aplicação foi há mais de 5 anos, a necessidade é de 17 a 18 t, ambos para atingir uma saturação de 80%
|
|
|
|
|
|
|
|
## Gŕafico da NC
|
|
```{r }
|
|
ggplot(ArqBase1, aes(y = NC, x =as.factor(FaixapH) )) +
|
|
geom_boxplot()+
|
|
labs(x= "Aplicação anterior de calcário", y= "Necessidade de Calcário (t ha-1)")
|
|
|
|
|
|
ggplot(ArqBase1, aes(y = NC, x =Cultura_A )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
## Gráfico da Saturação de bases
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = Sat_Base, x =as.factor(FaixapH) )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
## Gráfico dos níveis de fósforo de acordo com a última aplicação de calcário
|
|
Este gráfico, ou esses dados só tem valor, se acreditarmos que, ao aplicar calcário, também foi aplicado fósforo, já que ambos são recomendados para correção do solo.
|
|
No entanto, nada impede que tenha sido aplicado fósforo em outra época, que não junto à aplicação do calcário.
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = Fosforo, x =as.factor(FaixapH) )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
No gráfico, com 10 outlayers altos, fica evidente que nestas áreas houve alguma adição de fósforo, elevando esse níveis.
|
|
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = Fosforo, x =Cultura_A )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
|
|
### Matéria Orgânica
|
|
|
|
```{r}
|
|
summary(ArqBase1$MO)
|
|
hist(ArqBase1$MO)
|
|
```
|
|
|
|
A média geral de matéria organica no solo das amostra é de 8%, com variação de 0 a 18,7%.
|
|
|
|
|
|
#### Classe de Interpretação de Matéria Orgânica
|
|
|
|
```{r}
|
|
ArqBase1<-ArqBase1 %>% mutate(ClasseMO = case_when(
|
|
MO <0.7 ~ "Muito Baixo",
|
|
MO <1.49 ~ "Baixo",
|
|
MO <2.49 ~ "Médio",
|
|
MO <3.49 ~ "Alto",
|
|
MO >3.5 ~ "Muito alto"))
|
|
|
|
MO_Classes<-ArqBase1%>%
|
|
group_by(
|
|
ClasseMO
|
|
)%>%
|
|
summarise(
|
|
Media = mean(MO),
|
|
Mediana=median(MO),
|
|
n=n()
|
|
)
|
|
MO_Classes
|
|
```
|
|
|
|
A maioria das amostras (53) apresentou Matéria orgânica Muito alta. Isso se deve ao fato de estarmos numa altitude superior a 1000 m, com baixa interperização da materia orgânica. Outro fator que pode contribuir para isso, é que essas áreas não são cultivadas há muito anos (não temos essa informação, apenas especulação)
|
|
|
|
## Gráfico do nível de Mo por classe (só para treinar gráficos)
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = MO, x =ClasseMO )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
## Gráfico de níveis de MO conforme cultura_A
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = MO, x =Cultura_A )) +
|
|
geom_boxplot()
|
|
```
|
|
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = MO, x =Cultura_A )) +
|
|
geom_point()
|
|
```
|
|
|
|
### Fósforo
|
|
```{r}
|
|
summary(ArqBase1$Fosforo)
|
|
hist(ArqBase1$Fosforo)
|
|
```
|
|
Observa-se no histograma, que há outleyers. Verifiquei na listagem, e observei que há duas análises com resultado = 0, e 5 com resultado acima de 78. Vou excluir esses para verificar os dados depois disso
|
|
|
|
```{r}
|
|
fosforo1<-ArqBase1%>%
|
|
filter(Fosforo<78& Fosforo>0)
|
|
|
|
hist(fosforo1$Fosforo)
|
|
summary(fosforo1$Fosforo)
|
|
```
|
|
|
|
Depois de extraídos os outlayers, temos média de 7 mg k-1 de Fósforo.
|
|
|
|
#### Classes de interpretação geral.
|
|
Para as classes de interpretação do fósforo, o Manual do Paraná diferencia entre quantidade de argila e cultura.
|
|
Em relação à argila, todas as amostras possuem mais de 50% de argila, por isso não há distinção entre a argila para interpretação do P.
|
|
Emr relação à cultura, há diferenças na interpretação para culturas em geral e para olerícolas (estas duas categorias atendem ao que é cultivado pelos assentados).
|
|
##### Classe de interpretação para culturas em geral
|
|
```{r}
|
|
ArqBase1<-ArqBase1 %>% mutate(ClasseP_Geral = case_when(
|
|
Fosforo <3 ~ "Muito Baixo",
|
|
Fosforo <6.99 ~ "Baixo",
|
|
Fosforo <9.99 ~ "Médio",
|
|
Fosforo <12 ~ "Alto",
|
|
Fosforo <60 ~ "Muito alto",
|
|
Fosforo > 60 ~"Condição a evitar"))
|
|
|
|
P_G_Classes<-ArqBase1%>%
|
|
group_by(
|
|
ClasseP_Geral
|
|
)%>%
|
|
summarise(
|
|
Media = mean(Fosforo),
|
|
Mediana=median(Fosforo),
|
|
n=n()
|
|
)
|
|
P_G_Classes
|
|
medioouMenor<-21+4+19
|
|
AltoouMaior<-2+6+9
|
|
```
|
|
Para a categoria de culturas em geral, temos 44 amostras. As outras 17 amostras estão nas classes Alto, muito alto ou condição a evitar.
|
|
|
|
##### Classe de interpretação para olerícolas
|
|
```{r}
|
|
ArqBase1<-ArqBase1 %>% mutate(ClasseP_ole = case_when(
|
|
Fosforo <8.0 ~ "Muito Baixo",
|
|
Fosforo <20.99 ~ "Baixo",
|
|
Fosforo <49.99 ~ "Médio",
|
|
Fosforo <99.9 ~ "Alto",
|
|
Fosforo <300 ~ "Muito alto",
|
|
Fosforo < 1000 ~"Condição a evitar"))
|
|
|
|
P_ole_Classes<-ArqBase1%>%
|
|
group_by(
|
|
ClasseP_ole
|
|
)%>%
|
|
summarise(
|
|
Media = mean(Fosforo),
|
|
Mediana=median(Fosforo),
|
|
n=n()
|
|
)
|
|
P_ole_Classes
|
|
medioouMenor<-41+5+9
|
|
AltoouMaior<-2+4
|
|
```
|
|
|
|
No caso das classes do P pára olerícolas, temos 55 médias, baixas ou muito baixas, e apenas 2 na classe alto, e 4 na classe muito alto.
|
|
|
|
Lembro que foram nestes cálculos considera-se todas as amostras.
|
|
|
|
## Coreelações
|
|
```{r}
|
|
cor.test(ArqBase1$"MO",ArqBase$pH)
|
|
|
|
cor.test(ArqBase$Fosforo,ArqBase$pH)
|
|
|
|
```
|
|
Não há correlação entre Materia orgânica e pH.
|
|
|
|
Não há correlação entre Fósforo e pH
|
|
|
|
# Estatística ANOVA
|
|
```{r}
|
|
AOV_pH <- aov( FaixapH~ pH, data = ArqBase1)
|
|
coef(AOV_pH)
|
|
summary(AOV_pH)
|
|
```
|
|
|
|
```{r}
|
|
AOV_CTC <- aov( FaixapH~ CTCefet, data = ArqBase1)
|
|
coef(AOV_CTC)
|
|
summary(AOV_CTC)
|
|
```
|
|
|
|
```{r}
|
|
AOV_Ncal <- aov( FaixapH~ NC, data = ArqBase1)
|
|
coef(AOV_Ncal)
|
|
summary(AOV_Ncal)
|
|
```
|
|
|
|
|
|
|
|
|
|
# Com ou sem calcário
|
|
Para testar se a aplicação de calcário alterou o pH ou CTC, vou agrupar em dois grupos
|
|
1 - área que recebeu calcário nos últimos anos
|
|
2 - Anrea que não recebeu calcário
|
|
|
|
```{r pH_SimNao}
|
|
ArqBase1<-ArqBase %>% mutate(pHCartesiano = case_when(
|
|
FaixapH <=0 ~"sem calcário",
|
|
FaixapH >0 ~ "com calcário"))
|
|
|
|
```
|
|
|
|
```{r}
|
|
t.test( pH ~pHCartesiano, data=ArqBase1)
|
|
|
|
t.test(CTCpH7~ pHCartesiano, data=ArqBase1)
|
|
|
|
t.test(NC~ pHCartesiano, data=ArqBase1)
|
|
|
|
t.test(H_Al~ pHCartesiano, data=ArqBase1)
|
|
|
|
t.test(Sat_Base ~ pHCartesiano, data=ArqBase1)
|
|
|
|
t.test(SatAl ~ pHCartesiano, data=ArqBase1)
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
```{r}
|
|
ggplot(ArqBase1, aes(y = NC, x =pHCartesiano )) +
|
|
geom_boxplot()+
|
|
labs(x= "", y='Necessidade de Calcário (t/ha)')
|
|
|
|
labs(title =expression(Blah[1][d]))
|
|
```
|
|
|
|
```
|
|
|
|
# Referências |