Uncertainties in the prediction of spatial variability of soil CO2 emissions and related properties

Carregando...
Imagem de Miniatura

Data

2012-11-01

Autores

Teixeira, Daniel de Bortoli
Bicalho, Elton da Silva
Panosso, Alan Rodrigo
Perillo, Luciano Ito
Iamaguti, Juliano Luciani
Pereira, Gener Tadeu [UNESP]
La Scala Jr, Newton [UNESP]

Título da Revista

ISSN da Revista

Título de Volume

Editor

Sociedade Brasileira de Ciência do Solo

Resumo

A emissão de CO2 do solo apresenta alta variabilidade espacial, devido à grande dependência espacial observada nas propriedades do solo que a influenciam. Neste estudo, objetivou-se: caracterizar e relacionar a variabilidade espacial da respiração do solo e propriedades relacionadas; avaliar a acurácia dos resultados fornecidos pelo método da krigagem ordinária e simulação sequencial gaussiana; e avaliar a incerteza na predição da variabilidade espacial da emissão de CO2 do solo e demais propriedades utilizando a simulação sequencial gaussiana. O estudo foi conduzido em uma malha amostral irregular com 141 pontos, instalada sobre a cultura de cana-de-açúcar. Nesses pontos foram avaliados a emissão de CO2 do solo, a temperatura do solo, a porosidade livre de água, o teor de matéria orgânica e a densidade do solo. Todas as variáveis apresentaram estrutura de dependência espacial. A emissão de CO2 do solo mostrou correlações positivas com a matéria orgânica (r = 0,25, p < 0,05) e a porosidade livre de água (r = 0,27, p <0,01) e negativa com a densidade do solo (r = -0,41, p < 0,01). No entanto, quando os valores estimados espacialmente (N=8833) são considerados, a porosidade livre de água passa a ser a principal variável responsável pelas características espaciais da respiração do solo, apresentando correlação de 0,26 (p < 0,01). As simulações individuais propiciaram, para todas as variáveis analisadas, melhor reprodução das funções de distribuição acumuladas e dos variogramas, em comparação à krigagem e estimativa E-type. As maiores incertezas na predição da emissão de CO2 estiveram associadas às regiões da área estudada com maiores valores observados e estimados, produzindo estimativas, ao longo do período estudado, de 0,18 a 1,85 t CO2 ha-1, dependendo dos diferentes cenários simulados. O conhecimento das incertezas gerado por meio dos diferentes cenários de estimativa pode ser incluído em inventários de gases do efeito estufa, resultando em estimativas mais conservadoras do potencial de emissão desses gases.
The soil CO2 emission has high spatial variability because it depends strongly on soil properties. The purpose of this study was to (i) characterize the spatial variability of soil respiration and related properties, (ii) evaluate the accuracy of results of the ordinary kriging method and sequential Gaussian simulation, and (iii) evaluate the uncertainty in predicting the spatial variability of soil CO2 emission and other properties using sequential Gaussian simulations. The study was conducted in a sugarcane area, using a regular sampling grid with 141 points, where soil CO2 emission, soil temperature, air-filled pore space, soil organic matter and soil bulk density were evaluated. All variables showed spatial dependence structure. The soil CO2 emission was positively correlated with organic matter (r = 0.25, p < 0.05) and air-filled pore space (r = 0.27, p < 0.01) and negatively with soil bulk density (r = -0.41, p < 0.01). However, when the estimated spatial values were considered, the air-filled pore space was the variable mainly responsible for the spatial characteristics of soil respiration, with a correlation of 0.26 (p < 0.01). For all variables, individual simulations represented the cumulative distribution functions and variograms better than ordinary kriging and E-type estimates. The greatest uncertainties in predicting soil CO2 emission were associated with areas with the highest estimated values, which produced estimates from 0.18 to 1.85 t CO2 ha-1, according to the different scenarios considered. The knowledge of the uncertainties generated by the different scenarios can be used in inventories of greenhouse gases, to provide conservative estimates of the potential emission of these gases.

Descrição

Palavras-chave

Soil respiration, Geostatistics, ordinary kriging, Sequential Gaussian simulation, Sugarcane, Respiração do solo, Geoestatística, krigagem ordinária, simulação sequencial gaussiana, Cana crua

Como citar

Revista Brasileira de Ciência do Solo. Sociedade Brasileira de Ciência do Solo, v. 36, n. 5, p. 1466-1475, 2012.