Campus de Ilha Solteira UNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUITA FILHO" FACULDADE DE ENGENHARIA CAMPUS DE ILHA SOLTEIRA VINICIUS EVANGELISTA SILVA ATRIBUTOS DO SOLO E DESENVOLVIMENTO RADICULAR EM PLANTAÇÕES DE EUCALIPTO NO BRASIL Ilha Solteira 2019 PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA (SISTEMAS DE PRODUÇAO) VINICIUS EVANGELISTA SILVA ATRIBUTOS DO SOLO E DESENVOLVIMENTO RADICULAR EM PLANTAÇÕES DE EUCALIPTO NO BRASIL Tese apresentada à Faculdade de Engenharia do Campus de Ilha Solteira – UNESP como parte dos requisitos para obtenção do título de Doutor em Agronomia. Especialidade: Sistemas de Produção. Orientador: Salatiér Buzetti Coorientador: Jean-Paul Laclau Ilha Solteira 2019 DEDICATÓRIA À Deus. Aos silvicultores e cientistas do Brasil. Aos meus pais Maria Helena e Francisco Teixeira (em memória), aos meus filhos Marco Antônio e Theo, minha querida amada Cynara, e meus irmãos Wagner, Renata e Sabrina. AGRADECIMENTOS A Universidade Estadual Paulista (UNESP) e ao estado de São Paulo que me possibilitaram ter esta experiência radicalmente transformadora. Ao professor e orientador Salatiér Buzetti, pela aceitação na orientação, ensinamentos de vida, profissionais, espirituais e científicos. Ao meu co-orientador Jean-Paul Laclau pelos ensinamentos de engenharia florestal, e por me mostrar a importância de fazer “ciência para a sociedade”. Aos professores da Pós-graduação em Sistemas de Produção da UNESP, em especial, Fernando Tadeu, Fernando Tangerino, Thiago Nogueira, Alan Panosso, Katia Maltoni (minha querida anfitriã durante a pós) pela hospitalidade na UNESP e vários ensinamentos. Em especial, fica o meu eterno agradecimento aos professores Rafael Montanari e Marcelinho Minhoto por ter me “infiltrado” na UNESP de Ilha Solteira. Ao programa cooperativo TECHS que foi o grande laboratório de idéias e de recursos para que fosse possível a realização desta tese. Em especial, Stape, Otávio, Clayton, Rafaela por todo apoio técnico e pelas diversas contribuições durante a concepção e elaboração da tese. Agradeço também a todas instituições de pesquisas que participei a longo desta jornada: Programa Cooperativo em Silvicultura e Manejo (PTSM – ESALq / USP), NUTREE (UFV), Forest Productivity Cooperative (FPC), e que através da integração entre e empresas e universidades garantem um “sopro” de esperança que a ciência seja feita para a sociedade, e que esta perceba o retorno investido nas universidades. A Eldorado Brasil Celulose S.A pelo apoio na concessão de recursos financeiros e por possibilitar a minha formação profissional e no doutorado. Em especial, ao Sr. Germano Vieira quem foi um dos incentivadores da realização da minha pós-graduação, o meu muito obrigado. Um agradecimento especial ao João Flávio e Sharlles Dias que foram também dois grandes incentivadores e entusiastas desta tese e verdadeiros “companheiros florestais” para todas as discussões científicas e técnicas. Ao João Flávio meus profundos e sinceros agradecimentos por todo o exemplo e testemunho de sinceridade, sabedoria e valorização das pessoas. Aos meus queridos amigos da Eldorado: Leonardo Rosse, Luciano Ramos, João Leonardo, Fernando e Jenifer pelo apoio ao longo do curso de pós-graduação. Aos colegas de Ilha Solteira, Paulão, Sara, Edmar, Jailton, Karla Sena por todo o companheirismo, trocas de experiências e longas rodadas de estudos (pareciam que não teriam fim...) que enriqueceram e muito o nosso repertório e rol acadêmico. Aos meus grandes amigos da graduação João Paulo, Felipe, Nemer, Moacir, Otávio, André e Mauro pelo grande aprendizado durante o curso de engenharia florestal, companheirismo, e os bons momentos durante o convívio tão saudável. Aos amigos de Curvelo (MG), Otávio, Mauro, Daniel, Bruno, Raimundo, Isaac pela força e amizade. Aos funcionários da UNESP Márcia, Thais, João da Biblioteca, pelo profissionalismo e cordialidade. Enfim, a todos que participaram para o meu crescimento pessoal e profissional, eu agradeço. Muito obrigado! “A alegria está na luta, na tentativa, no sofrimento envolvido e não na vitória propriamente dita” Mahatma Gandhi RESUMO O desenvolvimento radicular em plantações de eucalipto tem sido apontado como uma das estratégias cruciais para sua adaptação e crescimento, em especial, em condições tropicais, que possuem solos pobres em nutrientes. Neste contexto, torna- se extremamente importante avaliar o perfil do solo nestas plantações, a luz de uma perspectiva de fornecimento de nutrientes e água para as plantações de eucalipto. Tendo isto em vista, especificamente nesta tese, dois trabalhos foram conduzidos para avaliar os atributos do solo e o desenvolvimento radicular em plantações de eucalipto no brasil, a saber: 1) Disponibilidade de Água no Solo em Plantios de Eucalipto em uma Cronossequência, e suas Relações com a Produtividade e Densidade Básica da Madeira e suas Estimativas Através de Redes Neurais Artificiais no Brasil; 2) Padrões e Distribuição Vertical dos Atributos do Solo na Plantação de Eucalipto no Brasil. A rede experimental completa possui 34 experimentos plantados em um gradiente climático no Brasil e 2 locais no Uruguai, com 36 locais experimentais no total. Avaliaram-se sítios desde baixo incremento médio anual (13,7 m³ ha-1 ano-1, 61% abaixo da média nacional de produtividade), até sítios com elevada produtividade com IMA de 67,2 m³ há-1 ano-1 (92% acima da média nacional de produção de madeira). No trabalho 1, avaliaram-se14 experimentos, e no trabalho 2, 4 experimentos, todos eles ao longo de um forte gradiente climático no Brasil. No caso do trabalho 1 foram avaliados atributos físico dos solos (teores de argila, silte, areia total, capacidade de campo, ponto de murcha permanente, etc.) amostrando-se os horizontes A e B do solo; e já no trabalho 2 os teores de P, K, Ca, Mg, S, e a granulometria do solo até onde houvesse ocorrência de raízes do eucalipto. Os valores potenciais de absorção de água (AD) aos 24 e 65 meses observados neste estudo foram superiores aos observados na literatura, indicando maior importância ou contribuição das raízes profundas na absorção de água do eucalipto na vida adulta. Por outro lado, os valores de AD aos 3 e 9 meses observados neste estudo foram inferiores aos observados na literatura, indicando que as raízes e a profundidade do solo são provavelmente subestimadas para os cálculos de AD nas idades mais jovens de eucalipto. Percebe-se que são necessários mais modelos sistêmicos que considerem e padronizem o AD de acordo com a idade e profundidade da raiz. Para concluir o estudo sobre distribuição vertical de raízes, este trabalho mostra uma exploração do solo muito profunda por raízes finas até uma profundidade de 20 m em plantações de eucalipto no Brasil. A distribuição vertical mostra claramente que os nutrientes estão concentrados na superfície do solo, mas há uma “fertilidade profunda do solo” que muitas vezes não é considerada na amostragem operacional nos sistemas de recomendação de fertilização das empresas florestais brasileiras, nem estão descritos nos principais manuais de agricultura e recomendação de fertilização no Brasil. Também na distribuição vertical, pode-se verificar que com o aumento do número de rotações e anos de ocupação dos solos com os plantios florestais, ocorre a hipótese do “aumento de nutrientes (P, K, B)”. Por outro lado, com o aumento da profundidade do sistema radicular constatou uma redução do estoque de nutrientes na superfície dos solos. Palavras-chave: Atributos químicos e físicos do solo. Raízes das camadas profundas do solo. Eucalyptus sp. Plantações florestais. ABSTRACT The root development in eucalyptus plantations has been pointed out as one of the crucial strategies for their adaptation and growth, especially in tropical conditions, which have nutrient poor soils. In this context, it is extremely important to evaluate the soil profile in these plantations, considering a nutrient and water supply perspective for eucalyptus plantations. With this in mind, specifically in this thesis, two studies were conducted to evaluate soil attributes and root development in eucalyptus plantations in Brazil, namely: 1) Availability of Soil Water in Eucalyptus Plantations in a Chronosequence, and their Relationships with the Productivity and Basic Density of Madeira and its Estimates through Artificial Neural Networks in Brazil; 2) Patterns and Vertical Distribution of Soil Attributes in Eucalyptus Plantation in Brazil. The complete experimental network has 34 experiments planted in a climatic gradient in Brazil and 2 sites in Uruguay, with 36 experimental sites in total. Sites were evaluated from low average annual increment (13.7 m³ ha-1 year-1, 61% below the national average of productivity), to sites with high productivity with an IMA of 67.2 m³ ha-1 year -1 (92% above the national average of wood production). In work 1, 14 experiments were evaluated, and in the work 2, 4 experiments, all of them along a strong climatic gradient in Brazil. In the case of work 1, physical attributes of the soils (clay, silt, total sand, field capacity, permanent wilting point, etc.) were evaluated; soil A and B horizons were sampled; and already at work 2 the contents of P, K, Ca, Mg, S, and the grain size of the soil up to where there was occurrence of eucalyptus roots. Potential water absorption (AD) values at 24 and 65 months observed in this study were higher than those observed in the literature, indicating greater importance or contribution of deep roots in the eucalyptus water absorption in adult life. On the other hand, the AD values at 3 and 9 months observed in this study were lower than those observed in the literature, indicating that roots and soil depth are probably underestimated for AD calculations at younger eucalyptus ages. It is noticed that more systemic models are needed that consider and standardize AD according to root age and depth. To conclude the study on vertical root distribution, this work shows very deep soil exploration by fine roots to a depth of 20 m in eucalyptus plantations in Brazil. The vertical distribution clearly shows that nutrients are concentrated on the soil surface, but there is "deep soil fertility" that is often not considered in the operational sampling in the fertilization recommendation systems of Brazilian forest companies nor are they described in the main manuals and fertilization recommendation in Brazil. Also in the vertical distribution, it can be verified that with the increase of the number of rotations and years of occupation of the soils with the forest plantations, the hypothesis of the "increase of nutrients (P, K, B)" occurs. On the other hand, at deeper of the root system verified a reduction of the nutrient stock in the surface of the soils. Keywords: Chemical and physical soil attributes. Roots of deep soil layers. Eucalyptus sp., Forest plantations. LISTA DE FIGURAS Figura 1 - Produtividade das plantações de eucalipto em todo o Brasil aumentou em quatro vezes entre 1970 e 2015, como resultado da intensificação do manejo e desenvolvimento de genótipos de rápido crescimento. A taxa de aumento da produtividade está atualmente próxima de 0 (dados do IBA, 2015). Imagem de uma plantação típica de 7 anos de idade sendo colhida com produção de madeira de tronco ao longo da rotação (incremento médio anual) de 25 Mg ha-1 ano–1(aproximadamente 50 m3 ha–1ano– 1)…………………………………………………………………………... 17 Figura 2 - Zoneamento do índice de aridez do Brasil e do Uruguai e localização dos sítios do TECHS……………………………………… 19 Figura 3 - Mapas Kriged de raízes com menos de 1 mm de diâmetro (número de intersecções de raízes contadas em uma área de 25 cm2 de parede de trincheira). Os poços foram perpendiculares ao plantio de linhas em uma cronossequência de plantios de Eucalyptus grandis até a profundidade de 6m em 1 e 2 anos após o plantio (A e B, respectivamente) e até uma profundidade de 10 m em 3,5 anos (C) e 6 anos de idade (D) encontra-se em solo arenoso (20% de argila). Densidades de raízes finas até uma profundidade de 10 m em um estande de 6 anos de idade em um solo argiloso também foram estudados (E). Os eucaliptos indicam a posição da árvore mais próxima (não na escala dos perfis do solo)……………………. 21 Figura 4 - Mapa pedológico e de localização dos sítios do TECHS no Brasil…. 31 Figura 5 - Esquema de uma repetição completa do experimento de estresse hídrico do TECHS com os 4 clones. As parcelas mensuradas foram as marcadas em amarelo que constituem as 80 plantas da parcela útil com chuva normal. Observe a linha de drenagem central. Dimensões de 144 m x 180 m (12 linhas por 60 plantas, 3 m x 3 m). 32 Figura 6 - A) Trincheira aberta no centro dos experimentos TECHS para a realização da coleta das amostras indeformadas; B) Separação dos horizontes A e B em Latossolo na região de Inocência (MS), Brasil... 36 Figura 7 - Esquema de amostragem do solo no campo nos quatro locais do TECHS. A) Ponto de coleta do solo (C) localizado entre os pontos de apoio 1, 2, 3 (pontos não coletados) para evitar pontos de coleta muito próximos às plantas e também pontos distantes dos troncos. B) Perfil do solo coletado até o momento em que as raízes foram observadas, exceto o sítio 13, que interrompeu a coleta a 2.000 cm de profundidade…………………………………………………………. 38 Figura 8 - A) distribuição em profundidade da densidade de raízes finas (DRF) aos 3, 9, 24, 65 meses de idade das plantações do clone A1 no estado de Mato Grosso do Sul, Brasil; B) distribuição profunda do potencial de absorção de água (AD %) aos 3, 9, 24, 65 meses de idade das plantações clone A1 no estado do Mato Grosso do Sul, Brasil………………………………………………………………… 49 Figura 9 - Esboço de uma repetição completa do teste de estresse hídrico do TECHS com o 1 clone (A1). Observe a linha de drenagem central. Dimensões totais de 21 m x 87 m (8 linhas por 30 plantas, espaçamento de 3,0 m x 3,0 m). Os gráficos entre as linhas vermelhas representam as parcelas destrutivas. A amostragem do solo ocorreu na parcela útil com precipitação normal na linha em amarelo…………………………………………………………………… 66 Figura 10 - Mapa de solos do Brasil e localização dos quatro sítios do TECHS utilizados neste estudo...................................................................... 69 Figura 11 - A) Coleta de solo com trado motorizado para amostragem de raízes finas; B) detalhe do torrão de solo contendo raiz.............................. 71 Figura 12 - Esquema de amostragem de solo nos quatro locais do TECHS. A) Ponto de coleta do solo (C) localizado entre os pontos de apoio 1, 2, 3 (pontos não coletados) para evitar pontos de coleta muito próximos às plantas e também pontos distantes dos troncos. B) Perfil do solo coletado até o momento em que as raízes foram observadas, exceto o sítio 13, que interrompeu a coleta a 2.000 cm de profundidade…………………………………………………………. 72 Figura 13 - Esquema de coleta de solos mostrando os locais de coleta dentro da parcela útil e fora do sistema de exclusão de chuva do TECHS. 73 Figura 14 - Amostras de solos coletadas nos sítios 13, 20, 22, e 30 do TECHS no Brasil organizadas verticalmente e na ordem decrescente……… 74 Figura 15 - Distribuição vertical dos atributos do solo nos quatro sítios do TECHS no Brasil. A) = teor de fósforo no solo extraído pelo método de resina trocadora de cátions (mg dm-3); B) = teor de potássio no solo extraído pelo método da resina trocadora de cátions (mg dm- 3), C) = teor de cálcio (mmolc dm-3), D) = teor de boro no solo (mg dm-3), E ) teor de cobre (mg dm-3), F) = teor de zinco no solo (mg dm-3), G) = teor de matéria orgânica (g dm-³), H) CTC = capacidade de troca de cátions (mmolc dm-3) , I) = teor de sulfato (mg dm-3), J) = teor de argila no solo (g kg-1), L) = teor de silte no solo (g kg-1), M = teor total de areia no solo solo (g kg-1)……………………………….. 85 Figura 16 - Análise dos componentes principais do solo, clima e de volume do eucalipto. A) Projeção das variáveis nos fatores 1 e 2. B) Contribuição relativa dos atributos para a variância total. Em que: 91 TSP - K = porcentagem no topo do solo de potássio, TSP - P = porcentagem no topo do solo de fósforo, PTSR = profundidade total do sistema radicular, AOS = anos ocupação do solo, TSP - B = porcentagem no topo do solo de boro, TSP - Ca = porcentagem no topo do solo de cálcio, TSP - MO = porcentagem no topo do solo de matéria orgânica, VCCC = volume comercial com casca, P (mm) = precipitação anual, DEF (mm) = déficit hídrico do solo, ETP = evapotranspiração potencial (mm), Tm ºC = temperatura média anual…………………………………………………………………….. Figura 17 - A) Anos de ocupação do solo antes da implementação do experimento de acordo com a contribuição relativa de nutrientes no topo do solo para fósforo, potássio e boro (variando de 0 a 1); B) profundidade total do sistema radicular (PTSR) de acordo com a contribuição relativa de nutrientes no topo do solo para fósforo, potássio e boro (variando de 0 a 1). Em que: AOS = anos ocupação do solo pela plantação florestal, TSP - P = percentagem de fósforo no topo do solo, TSP - K = percentagem de potássio no topo do solo, TSP - B = percentagem de boro no topo do solo……………… 93 LISTA DE TABELAS Tabela 1 - Os quatro genótipos de Eucalyptus na rede de experimentos TECHS, clima de origem em que cada clone foi desenvolvido durante os programas de melhoramento e onde foram selecionados………………………………………………………. 29 Tabela 2 - Histórico do uso e ocupação do solo antes da instalação do TECHS……………………………………………………………... 30 Tabela 3 - Descrição climática de 14 sítios do TECHS para o período de crescimento (0 a 48 meses) apresentados neste trabalho…… 34 Tabela 4 - Estatística descritiva dos atributos dendrométricos, de solo e climáticos em função de médias, medianas, valores mínimos e máximos, desvio padrão, coeficientes de variação, curtose, assimetria e teste de normalidade com classes de p-valor e normalidade para os sítios do TECHS no Brasil………………. 54 Tabela 5 - Características e acurácia das redes neurais artificiais ajustadas (RNA) para as variáveis capacidade de água disponível (CAD), absorção de água (AD), incremento médio anual (IMA), densidade básica da madeira (DB) ajustadas em função das variáveis independentes e variáveis solo- climáticas nos sítios do TECHS no Brasil……………………….. 57 Tabela 6 - Precisão da regressão ridge (RR) para a capacidade de água disponível (CAD), potencial de absorção de água (AD), incremento médio anual (IMA), densidade básica da madeira (DB) nos sítios do TECHS no Brasil……………………………. 58 Tabela 7 - Histórico de uso e ocupação do solo antes da instalação do TECHS. 67 Tabela 8 - Descrição climática de 4 dos sítios do TECHS ao longo da condução do experimento. Dados coletados em estações meteorológicas próprias dos sítios.......................................... 70 Tabela 9 - Média, desvio padrão e coeficiente de variação obtidos nos sítios TECHS 13, 20, 22 e 30 em função dos teores de fósforo, potássio, cálcio, boro, cobre, zinco, matéria orgânica, capacidade de troca de cátions, sulfato, argila, silte, e areia total no topo e no subsolo………………………………………… 81 Tabela 10 - Estoque de nutrientes e matéria orgânica do solo no topo do solo (STS), estoque total de nutrientes e contribuição relativa dos nutrientes presentes na camada superficial geralmente amostrados pelas empresas florestais brasileiras nos quatro sítios do TECHS no Brasil………………………………………… 88 Tabela 11 - Modelos locais e globais para predição dos teores de fósforo, potássio, cálcio, boro, cobre, zinco, matéria orgânica, capacidade de troca catiônica, sulfato, argila, silte e areia total em função dos atributos do solo e da camada de profundidade do solo……………………………………………………………… 90 LISTA DE SIGLAS E ABREVIATURAS ABNT Associação Brasileira de Normas Técnicas AD (mm) Água Disponível para o plantio em mm AD (%) Água Disponível para o plantio em % AF Teor de Areia Fina ARG Teor de Argila no Solo ARM Armazenamento de Água no Solo AT Teor Total de Areia no Solo BD Densidade Básica da Madeira CAD (mm) Capacidade de Água Disponível no Solo CC Capacidade de Campo DCR Densidade do Comprimento de Raiz DEF (mm) Déficit Hídrico de Água no Solo DS Densidade do Solo DP Densidade de Partícula DRF Densidade de Raízes Finas ETP (mm) Evapotranspiração Potencial IBÁ Indústria Brasileira de Árvores IPEF Instituto de Pesquisas e Estudos Florestais PCA Análises de Componentes Principais PT Porosidade Total do Solo PMP Ponto de Murcha Permanente PTSR Profundidade Total do Sistema Radicular RER Taxa de Alongamento da Raiz SLT Teor de Silte no Solo STS Estoque de Nutrientes e Matéria Orgânica no Topo do Solo TECHS Tolerância de Eucalyptus Clonais aos Estresses Hídricos e Térmicos TSP Proporção de Nutrientes e de Matéria Orgânica do Topo do Solo (0- 50cm) Unesp Universidade Estadual Paulista SUMÁRIO 1 INTRODUÇÃO GERAL ................................................................................. 14 2 REVISÃO DE LITERATURA ......................................................................... 16 2.1 PLANTAÇÕES DE EUCALIPTOS EM UM CONTEXTO GERAL ................... 16 2.2 O PROJETO TECHS E SUAS FERRAMENTAS PARA MELHORAR A PRODUTIVIDADE DO EUCALIPTO E REDUZIR A RESPOSTA DA SECA .. 17 2.3 O SISTEMA RADICULAR E A DISPONIBILIDADE DA ÁGUA E NUTRIENTES PARA AS PLANTAÇÕES DE EUCALIPTOS ................................................. 19 2.4 REGRESSÕES ATRAVÉS DE REDES NEURAIS ARTIFICIAIS E MÉTODOS DE COVARIÂNCIA ........................................................................................ 22 3 DISPONIBILIDADE DE ÁGUA NO SOLO EM PLANTAÇÕES DE EUCALIPTO EM UMA CRONOSSEQUÊNCIA .................................................................. 24 3.1 INTRODUÇÃO .............................................................................................. 26 3.2 MATERIAIS E MÉTODOS ............................................................................. 28 3.2.1 Caracterização Geral do Experimento ........................................................... 28 3.2.2 Amostragem de Solo ..................................................................................... 35 3.2.3 Metodologia de Amostragem de Raízes Finas .............................................. 37 3.2.4 Relação entre Densidade de Raízes e Absorção de Água ............................ 39 3.2.5 Avaliações Dendrométricas ........................................................................... 40 3.2.6 Análises Estatísticas (descritiva e teste de médias) ....................................... 42 3.3 RESULTADOS E DISCUSSÃO ..................................................................... 46 3.3.1 Potencial de Absorção de Água ..................................................................... 46 3.3.2 Potencial de absorção de água e suas relações com a água disponível para plantações de eucalipto ................................................................................. 49 3.3.3 Comparação entre estimativas de RNA e RR ................................................ 55 3.4 CONCLUSÕES ............................................................................................. 60 4 PADRÕES E DISTRIBUIÇÃO VERTICAL DOS ATRIBUTOS DO SOLO ATÉ 20 M DE PROFUNDIDADE EM PLANTAÇÕES CLONAIS DO EUCALIPTO UROPHYLLA NO BRASIL ............................................................................ 61 4.1 INTRODUÇÃO .............................................................................................. 63 4.2 MATERIAIS E MÉTODOS ............................................................................. 65 4.2.1 Caracterização Experimental geral ................................................................ 65 4.2.2 Caracterização Edafoclimática ...................................................................... 68 4.2.3 Coleta de Solos ............................................................................................. 70 4.2.4 Análises de Solos .......................................................................................... 75 4.2.5 Análises Estatísticas ...................................................................................... 77 4.3 RESULTADOS E DISCUSSÃO ..................................................................... 79 4.4 CONCLUSÕES ............................................................................................. 97 REFERÊNCIAS ............................................................................................. 98 AGRADECIMENTOS .................................................................................. 109 ANEXOS ..................................................................................................... 110 14 1 INTRODUÇÃO GERAL As plantações clonais são hoje uma regra nas plantações de eucaliptos, tanto nas áreas tradicionais de produção como nas novas fronteiras florestais. No entanto, enquanto nas áreas tradicionais há maior segurança quanto à adaptação e capacidade produtiva dos clones, em novas áreas há maiores riscos de perda de produtividade devido a estresses ambientais diferentes daqueles de onde os clones foram selecionados. Neste sentido, o projeto TECHS (Tolerância de Eucalyptus Clonais aos Estresses Hídrico e Térmico) é um programa cooperativo criado por 42 instituições, com 26 empresas florestais presentes no Brasil e no Uruguai, e 16 instituições de pesquisa no Brasil, EUA, Chile. Entre os principais estresses ambientais que afetam negativamente a produtividade do eucalipto, três se destacam por estarem presentes nas novas fronteiras florestais, a saber: i) Estresse hídrico, principalmente no centro-oeste, norte, nordeste e parte do sudeste do Brasil; ii) Estresse térmico relacionado a altas temperaturas (acima de 36ºC) no Brasil tropical, ou a baixas temperaturas (abaixo de 5ºC), no sul do Brasil e no Uruguai. Além disso, mesmo em áreas de plantio tradicionais, os efeitos das variações intra e interanuais da água e da temperatura devido às mudanças climáticas impõem uma maior compreensão da sensibilidade dos clones a essas tensões. iii) Estresse relacionados ao solo em termos nutricionais e de suprimentos de água, pois o solo atua diretamente tanto no balanço hídrico da cultura do eucalipto, quanto no balanço e ciclo de nutrientes das plantações de eucalipto. Nesse sentido, buscou-se ao longo de um gradiente climático selecionar solos com características químicas e físicas de contração para entender as relações entre os atributos do solo e a resposta da seca. Nesse sentido, muitos esforços já foram dedicados à compreensão dos fatores climáticos, ecofisiológicos que regem a produtividade do eucalipto e sua modelagem dendrométrica (BINKLEY et al., 2017; HAKAMADA et al., 2017; SCOLFORO et al., 2019a; SCOLFORO et al. 2019b). No entanto, ainda existem estudos incipientes na plataforma TECHS que abordam a contribuição dos solos das camadas profundas 15 para a oferta de nutrientes, bem como o armazenamento de água para as plantações de eucalipto. Especificamente nesta tese, dois estudos foram conduzidos para avaliar os atributos do solos e desenvolvimento radicular em plantações de eucalipto no brasil, a saber: Estudo 1: Disponibilidade de Água no Solo em Plantios de Eucalipto em uma Cronossequência e suas Relações com a Produtividade e Densidade Básica da Madeira e suas Estimativas Através de Redes Neurais Artificiais no Brasil. Estudo 2: Padrões e Distribuição Vertical dos Atributos do Solo na Plantação de Eucalipto no Brasil. O objetivo do presente estudo foi caracterizar a distribuição vertical dos atributos do solo em camadas profundas de plantações de eucalipto no Brasil, e também gerar equações para estimar dos teores de atributos do solo das camadas profundas através dos teores observados nas camadas superficiais dos solos, facilmente acessíveis amostragens de solos convencionais (tradagens). 16 2 REVISÃO DE LITERATURA 2.1 PLANTAÇÕES DE EUCALIPTOS EM UM CONTEXTO GERAL Existem atualmente cerca de 20 milhões de hectares de eucaliptos plantados em todo o mundo (BOOTH, 2013). Desse total, cerca de 5,63 milhões de plantios de eucalipto (INDÚSTRIA BRASILEIRA DE ÁRVORES - IBÁ, 2017) estão presentes no Brasil, ou seja, cerca de 28% de todas as plantações de eucalipto no mundo. No Brasil, as plantações de eucalipto estão localizadas principalmente nos estados de Minas Gerais (24%), São Paulo (17%) e Mato Grosso do Sul (15%), um estado que liderou essa expansão, registrando um aumento de 400 mil ha nos últimos cinco anos, com taxa média de crescimento de 13% ao ano (INDÚSTRIA BRASILEIRA DE ÁRVORES - IBÁ, 2017). No caso específico do Mato Grosso do Sul, as áreas estão concentradas na parte leste do estado, devido ao baixo valor relativo das terras, abrangendo os municípios de Três Lagoas e Ribas do Rio Pardo (SANTOS, 2011a). Assim, seu cultivo ocupou novas regiões do país, além das tradicionais, como as do sul e do sudeste (SANTANA et al., 2008). Assim, as florestas plantadas de eucalipto se expandiram em regiões que apresentam solos de baixa fertilidade natural e acentuado déficit hídrico, como no bioma Cerrado (GAVA et al., 1997; ALVES, 2011). Em alguns casos, a silvicultura está se expandindo até mesmo em áreas de transição entre o cerrado, a caatinga e as florestas amazônicas (IBÁ, 2017), regiões estas ainda menos informações em relação ao manejo florestal adequado. Neste sentido, a rápida expansão da silvicultura brasileira traz a necessidade de ter menores demandas de área, além de garantir altos níveis de produtividade. As dificuldades na obtenção de terra em grandes quantidades para a silvicultura, assim como os altos preços da rápida inflação da terra pressionados pela produção de alimentos e pela pecuária (IBÁ, 2015; SILVA; HERNANDEZ, 2015) são notórios. Neste contexto, o Brasil deixou de ser o país mais competitivo em termos de custo de produção de madeira, perdendo para países como Rússia, Indonésia e Estados Unidos, devido à inflação intrínseca emergente do setor (CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA - CEPEA, 2017). De forma detalhada, isto ocorreu em função dos elevados preços da terra, insumos e mão-de- obra nos últimos anos (IBÁ, 2015), bem como a migração de plantações para áreas 17 marginais, onde o conhecimento sobre solos e produtividade florestal nesses ambientes ainda é muito limitado (FERRAZ et al., 2013). Por isso, o setor de florestas plantadas do Brasil passa por um processo de estagnação do aumento de produtividade (BINKLEY et al., 2017) na última década (Figura 1). Figura 1 - Produtividade das plantações de eucalipto em todo o Brasil aumentou em quatro vezes entre 1970 e 2015, como resultado da intensificação do manejo e desenvolvimento de genótipos de rápido crescimento. A taxa de aumento da produtividade está atualmente próxima de 0 (dados do IBA, 2015). Imagem de uma plantação típica de 7 anos de idade sendo colhida com produção de madeira de tronco ao longo da rotação (incremento médio anual) de 25 Mg ha-1 ano–1 (aproximadamente 50 m3 ha–1 ano–1). Fonte: Binkley et al. (2017). Ou seja, se o aumento da produtividade não acompanha o aumento da inflação intrínseca do setor (NICKELL, 1995), e o setor / país perde competitividade em relação aos principais players do mercado mundial (FIGUEIREDO, 2008). 2.2 O PROJETO TECHS E SUAS FERRAMENTAS PARA MELHORAR A PRODUTIVIDADE DO EUCALIPTO E REDUZIR A RESPOSTA DA SECA Uma das formas eficientes de reduzir o custo da madeira é aumentar a produtividade florestal, e uma das estratégias para alcançar esse objetivo é conhecer 18 os principais estresses ambientais para o eucalipto, e os respectivos fatores que reduzem a produtividade. Entre estes, dois se destacam pela associação com as novas fronteiras florestais, a saber: i) Estresse hídrico, principalmente no centro-oeste, norte, nordeste e parte do sudeste do Brasil; e ii) estresse térmico relacionado a altas temperaturas no Brasil tropical ou a baixas temperaturas no sul do Brasil. Assim, o programa cooperativo sobre Tolerância de Eucalyptus Clonais aos Estresses Hídrico e Térmico (TECHS) foi proposto por meio de uma rede experimental bastante robusta instalada no Brasil e no Uruguai. Rotineiramente no meio científico, um grande esforço científico é feito para isolar e quantificar esses fatores de produção florestal (BILLINGS, 1952; STAPE et al., 2004; GONÇALVES et al., 2012). Mas, às vezes, torna-se difícil e complexo separá-los, devido à confusão espacial e temporal intrínseca desses fatores e à produtividade das florestas plantadas (BILLINGS, 1952; STAPE et al., 2010). Como todos os experimentos do TECHS foram plantados ao mesmo tempo, possíveis confundimentos temporais são reduzidos, e a questão espacial está sendo muito bem avaliada devido ao fato de que os TECHS estão localizados em 33 locais no Brasil e no Uruguai (Figura 2), em um forte gradiente climático. 19 Figura 2 - Zoneamento do índice de aridez do Brasil e do Uruguai e localização dos sítios do TECHS. Fonte: Stape et al. (2014). Neste sentido, percebe-se claramente o grande potencial do TECHS para avaliar os fatores responsáveis pelo aumento da produtividade, incluindo os fatores edáficos e os relacionados aos mecanismos de desenvolvimento radicular do eucalipto. 2.3 O SISTEMA RADICULAR E A DISPONIBILIDADE DA ÁGUA E NUTRIENTES PARA AS PLANTAÇÕES DE EUCALIPTOS As raízes das plantas são um dos principais meios para acessar os recursos do solo, e seu comprimento e número são indicadores da capacidade de absorção de água e nutrientes (FREITAS et al., 2008). A absorção de água pelas raízes profundas é geralmente considerada um meio eficaz de adaptação à seca nos trópicos e florestas subtropicais (CHRISTINA et al., 2017). Especialmente para os ecossistemas florestais, a profundidade do solo exerce um grande efeito sobre a dinâmica sazonal 20 das raízes, uma vez que as árvores têm a capacidade de absorver água e nutrientes das camadas profundas. Isso é muito importante em países tropicais que possuem um período seco bem definido e alta evapotranspiração, por exemplo, nas regiões de Cerrado do Brasil ou nas regiões áridas da Austrália (ALVARES et al., 2013, FLORES et al., 2016). O enraizamento profundo pode aumentar a taxa de sobrevivência das plântulas à seca prolongada nas florestas mediterrânicas (PAZ, 2003; PADILLA; PUGNAIRE, 2007). Essas florestas possuem um sistema de raízes com alta densidade de raízes superficiais (LACLAU et al., 2013) e raízes com mais de 18 m de profundidade, sendo essa profundidade máxima aproximadamente proporcional à altura do dossel (CHRISTINA et al., 2011). No trabalho de Bakker et al. (2006), embora a produção de biomassa de raízes finas de Pinus pinaster não tenha sido significativamente diferente em locais secos e úmidos em locais secos, a produção atingiu 1382 g m-2, enquanto no local úmido apenas 545 g m-2. Konôpka et al. (2006) observaram em Cryptomera japonica, um alto poder de absorção de água e nutrientes no verão. Além disso, eles descobriram que a produção de raízes finas em maior quantidade foi devido ao estresse hídrico ou à predominância da alocação de carbono no solo orgânico, enquanto a taxa de mortalidade dessas raízes finas foi menor até o final do verão. Assim, os autores concluíram que a produção e mortalidade de raízes finas de Cryptomeria japonica apresentaram variações sazonais entre período seco e chuvoso. Laclau et al. (2001a) demonstraram alta heterogeneidade na distribuição espacial de Eucalyptus spp. e a redução de sua densidade com o aumento da profundidade (Figura 3). Este mesmo autor alerta que nestes ambientes torna-se muito importante avaliar o balanço hidráulico das culturas florestais para o correto manejo da água, considerando a perspectiva de que as raízes exploram as camadas profundas do perfil do solo. Entretanto, estudos e modelos que abordam a capacidade hídrica disponível para o cultivo de eucalipto (FERCHAUD et al., 2015, FREYCON et al., 2015) ainda são incipientes. Os estudos com raízes profundas não são muito fáceis de executá-los no campo, assumindo que as raízes da árvore atingem altas profundidades, por exemplo, estudos de Stone e Kalisz (1991) com profundidades máximas de enraizamento de 60 m para eucalipto. A grande importância do balanço 21 hídrico para a silvicultura consiste no melhor planejamento da prevenção de compactação das áreas, segurança hídrica da bacia hidrográfica, sustentabilidade econômica, o correto uso da água para as plantações florestais (SCARDUA, 2014). Figura 3 - Mapas Kriged de raízes com menos de 1 mm de diâmetro (número de intersecções de raízes contadas em uma área de 25 cm2 de parede de trincheira). Os poços foram perpendiculares ao plantio de linhas em uma cronossequência de plantios de Eucalyptus grandis até a profundidade de 6m em 1 e 2 anos após o plantio (A e B, respectivamente) e até uma profundidade de 10 m em 3,5 anos (C) e 6 anos de idade (D) encontra-se em solo arenoso (20% de argila). Densidades de raízes finas até uma profundidade de 10 m em um estande de 6 anos de idade em um solo argiloso também foram estudados (E). Os eucaliptos indicam a posição da árvore mais próxima (não na escala dos perfis do solo). Fonte: Laclau et al. (2013). 22 Entretanto, apesar de seu papel fundamental no ecossistema, o funcionamento das raízes e dos solos das camadas profundas ainda é pouco compreendido devido às dificuldades impostas pelas técnicas utilizadas em seu estudo e, consequentemente, à falta de dados (JANSSENS et al., 2002). Às dificuldades operacionais somam-se os altos custos dos trabalhos que envolvem os sistemas radiculares (KREJCI et al., 1986; VOGT et al., 1997). 2.4 REGRESSÕES ATRAVÉS DE REDES NEURAIS ARTIFICIAIS E MÉTODOS DE COVARIÂNCIA Existem várias ferramentas de natureza estatística que podem ser adotadas para auxiliar no processamento de relações entre variáveis dependentes e independentes, dentre as mais utilizadas estão a regressão e a interpolação. Embora a estimação por regressão permita a determinação de uma equação que expresse o comportamento de uma dada variável dependente com menor complexidade e fácil interpretação, pode haver situações em que estas não sejam capazes de denotar tal desempenho pela falta de qualidade no ajuste ou ausência do mesmo. A inteligência artificial é uma técnica que permite análises flexíveis e estimativas confiáveis. Seu uso está aumentando e fornece resultados adequados em Ciências Florestais, como estimativa de volume, altura de árvores e modelagem do crescimento e produção florestal (BINOTI, 2010). Redes Neurais Artificiais (RNA), ou conexionismo, são modelos computacionais que simulam aproximadamente a estrutura, processamento de informação e aquisição de conhecimento do cérebro humano e sistema nervoso, apresentando uma memória associativa e distribuída capaz de estabelecer relações entre variáveis independentes para estimar variáveis dependentes (COELHO et al., 2007). Matematicamente, trata-se de um sistema massivo e paralelo cujas unidades de processamento simples são os neurônios artificiais, dispostos em uma ou mais camadas e interligados entre si com pesos ajustáveis por um grande número de conexões (BULLINÁRIA, 2011). O RNA possui as seguintes características: analogia neurobiológica, mapeamento de entrada e saída, tolerância a falhas e ruído, adaptabilidade de pesos de conexão a modificações ambientais e a capacidade de generalizar o conhecimento assimilado por aprendizagem a um conjunto de dados desconhecidos (BINOTI, 2010). 23 Existe na literatura um conjunto de métodos de regressão para a estimação de valores ambientais, dentre eles: mínimos quadrados (LS), melhor predição linear não viesada (BLUP), BayesA e BayesB (MEUWISSEN et al., 2001). A regressão não- paramétrica do kernel usando modelos aditivos generalizados (GIANOLA et al., 2006), Bayesiano LASSO (PARC), Bayes B Accelerated (MEUWISSEN, 2009). A regressão de RKHS (Sistema reprodutivo Hilbert Spaces), Bayes C, BayesCt, BayesD, BayesDt (HABIER et al., 2010), Regressão via Partial Least Squares (PLSR) (SOLBERG et al., 2009), e Regressão via Componentes Principais (PCR) (SOLBERG et al., 2009). Os métodos BLUP (regressão aleatória) LASSO e Bayes A e B pertencem à classe de regressão explícita. Por outro lado, o método RKHS pertence à classe de regressão implícita e é um método semi-paramétrico (GIANOLA; VAN KAAM, 2008; GIANOLA; CAMPOS, 2009). O método dos mínimos quadrados (regressão fixa) é ineficiente devido a: impossibilidade de estimar todos os efeitos simultaneamente, uma vez que o número de efeitos a serem estimados é maior que o número de dados; estimar um efeito de cada vez e verificar sua significância, leva a superestimar os efeitos significativos; a precisão do método é baixa. Habier et al. (2007) compararam os métodos de quadrados (denominados por eles como regressão fixa), BLUP (chamados por eles de regressão aleatória ou RR- BLUP ou Regressão Ridge ou da “cumieira”) e Bayes B, em termos de precisão seletiva a longo prazo, após várias gerações. Nessa situação, a precisão tende a melhorar na relação de parentesco na geração de estimativa de efeitos genômicos. Neste sentido, optou-se neste trabalho pela comparação entre as RNA’s e a RR para verificar o desempenho destas técnicas estatísticas para realizar a regressão entre os atributos de solos, plantas e a CAD do solo. 24 3 DISPONIBILIDADE DE ÁGUA NO SOLO EM PLANTAÇÕES DE EUCALIPTO EM UMA CRONOSSEQUÊNCIA RESUMO Florestas tropicais (nativas e plantadas) são muito dependentes de fatores hídricos. Diante disso, o conhecimento sobre o balanço hídrico das florestas tropicais para o manejo correto da água torna-se muito importante considerando a perspectiva de que as raízes exploram as camadas profundas do perfil do solo. Entretanto, estudos e modelos que abordam a capacidade hídrica disponível para o cultivo de eucalipto ainda são incipientes e não consideram a eficiência de absorção das raízes. O objetivo do presente trabalho foi avaliar a disponibilidade de água no solo em plantios de eucalipto em uma cronossequência, relações com produtividade e densidade básica da madeira e suas estimativas através de redes neurais artificiais (RNA) no Brasil. Dois ensaios de campo foram realizados para estimar a água disponível no solo para o plantio de eucalipto (AD). O primeiro estudo avaliou a densidade de raízes finas (DRF) em uma cronosequência para quantificar a captação potencial de água pelas raízes. O segundo avaliou a caracterização da capacidade hídrica do solo disponível (CAD) através da quantificação do ponto de murcha permanente (PMP) e capacidade de campo (CC) em 14 sítios florestais no Brasil. A partir das variáveis de solos e de densidades de raízes finas, foram realizadas regressões através de redes neurais artificiais (RNA) e Regressão Ridge (RR), e respectivas comparações de acurácia entre as respectivas metodologias Os AD nas idades de 3, 9, 24, 65 meses foram, respectivamente, 17,3%, 59,8%, 28,5%, 21,8%, com uma média geral de 26% em todos os estratos. Nenhuma camada foi observada com 100% de AD, uma vez que os valores de DRF observados neste trabalho foram baixos em comparação com culturas anuais, como cereais. Não foram observadas diferenças significativas entre os horizontes (A e B) com nível de significância de 5%. Uma grande variação nos valores de CAD e AD foi observada com um coeficiente de variação de 43%. Os valores de AD aos 24 e 65 meses observados neste estudo foram superiores aos observados na literatura. Este fato indica maior importância ou contribuição de raízes profundas na absorção de água do eucalipto na idade adulta. Por outro lado, os valores de AD aos 3 e 9 meses observados neste estudo foram inferiores aos observados na literatura, indicando que as raízes e a profundidade do solo são provavelmente subestimadas para os cálculos de AD nas idades mais jovens de eucalipto. Percebe-se que são necessários mais modelos sistêmicos que considerem e padronizem o AD de acordo com a idade e profundidade da raiz. O incremento médio anual (IMA) apresentou correlação não significativa com a densidade básica da madeira (DB) (R = -0,17, p = 0,078), uma vez que os clones utilizados neste estudo mostraram homogeneidade nas DB’s. Observaram-se correlações negativas entre DB e deficit hídrico no solo (R = -0,25, p = 0,017), o que se justifica pelo baixo crescimento, redução no acúmulo de carbono e redução do tamanho das plantações de eucalipto em locais secos. As estimativas de CAD, AD, IMA, DB realizadas com RNA foram mais precisas do que aquelas com RR. Palavras-chave: Absorção de água. CAD do solo. Florestas plantadas. Regressão ridge e redes neurais. 25 ABSTRACT Tropical forests (native and planted) are very dependent on water factors. In view of this, knowledge about the water balance of tropical forests for the correct water management becomes very important considering the perspective that the roots explore the deep layers of the soil profile. However, studies and models that address the available water capacity for eucalyptus cultivation are still incipient and do not consider the root absorption efficiency. The objective of the present work was to evaluate the availability of soil water in eucalyptus plantations in a cronossequence, relations with productivity and basic wood density and its estimates through artificial neural networks (ANN) in Brazil. Two field trials were carried out to estimate the water available in the soil for eucalyptus plantation (PWA). The first study evaluated the fine root density (FRD) in a chronosequence to quantify the potential uptake of water by the roots. The second evaluated the characterization of the available soil water capacity (AWC) through the quantification of the permanent wilt point (PWP) and field capacity (FC) in 14 forest sites in Brazil. PWA at the ages of 3, 9, 24, 65 months were, respectively, 17.3%, 59.8%, 28.5%, 21.8%, with an overall mean of 26% in all strata. No layer was observed with 100% PWA, since the FRD values observed in this work were low compared to annual crops, such as cereals. No significant differences were observed between the horizons (A and B) with a significance level of 5%. A large variation in the values of AWC and PWA was observed with a coefficient of variation of 43%. The PWA values at 24 and 65 months observed in this study were higher than those observed in the literature. This fact, indicating greater importance or contribution of deep roots in the eucalyptus water absorption in adulthood. On the other hand, PWA values at 3 and 9 months observed in this study were lower than those observed in the literature, indicating that roots and soil depth are probably underestimated for PWA calculations at younger eucalyptus ages. It is noticed that more systemic models are needed that consider and standardize the PWA according to the age and depth of the root. The AAI presented a non-significant correlation with BWD (R = -0.17, p = 0.078), since the clones used in this study showed homogeneity in BWD. We observed negative correlations between BWD and SWD (R = -0,25, p = 0,017) which is justified by the low growth, reduction in carbon accumulation, and reduction of eucalyptus plantation size in dry places. The estimates of AWC, PWA's, AAI, BWD performed with ANN were more accurate than those with RR. Keywords: Water absorption. CAD of soil. Planted forests. Regression ridge and neural networks. 26 3.1 INTRODUÇÃO A dinâmica do sistema radicular de uma planta é de extrema importância para definições de técnicas de manejo das plantações florestais (FREITAS et al., 2008; CHRISTINA et al., 2017). Isto tem aplicações práticas para o manejo da adubação e do manejo de água, pois tanto a lixiviação dos nutrientes e a absorção de água dependem da presença de raízes finas no solo. Observando a importância do sistema radicular de uma planta e a escassez de estudos sobre o assunto, torna-se muito importante entender as relações e a dinâmica do sistema radicular das árvores com relação aos fatores ambientais que influenciam a produção de raízes finas, aos recursos disponíveis no solo, às variações na longevidade das raízes e nos processos de senescência e substituição das raízes finas. A proliferação de raízes finas na camada da superfície orgânica do solo no ecossistema florestal é vista como uma estratégia para adquirir nutrientes em solos inférteis, nos quais há limitação de nutrientes. Isso é muito importante em floresta tropical, onde a maioria dos solos são altamente intemperizados, e a camada de raízes, frequentemente desenvolve-se dentro da camada orgânica para captura, ao longo do ano, de nutrientes produzidos pela decomposição da matéria orgânica (LACLAU et al., 2004). Witschoreck et al. (2003), trabalhando com Eucalyptus urophylla S. T. Blake, observaram que 72,8% das raízes finas menores que 2 mm e 76,1% do comprimento dessas raízes se concentravam nos primeiros 30 cm do solo, ocorrendo redução da densidade do sistema radicular com o aumento da profundidade. Usman et al. (1999) observaram 58 e 59% das raízes finas na camada de 0-20 cm, 28 e 32% na camada de 20-40cm e 13 e 10% na profundidade de 40-60cm para Quercus leucotrichophora A. Camus Ex. Bahadur e Pinus roxburghii Sarg., respectivamente. Segundo Witschoreck et al. (2003), a concentração de raízes finas na camada superior do solo está correlacionada com concentrações mais altas de matéria orgânica e nutrientes, e com as condições físicas favoráveis desta camada. Sayer et al. (2006) observaram que, independentemente da quantidade de camada orgânica presente no solo, a presença e a quantidade de serapilheira aumentam a colonização de raízes finas nesta camada. 27 Neste sentido, torna-se de grande relevância cientifica e operacional para as empresas de base florestal, desenvolver e propor equações e métodos estatísticos para estimar o potencial de absorção de água e nutrientes nas camadas profundas, visto as dificuldades de acesso às raízes profundas, por vários motivos já discutidos anteriormente. Neste escopo, existem várias ferramentas de natureza estatística que podem ser adotadas para auxiliar neste processamento, e dentre as mais utilizadas estão a regressão e a interpolação. Embora a estimação por regressão permita a determinação de uma equação que expresse o comportamento de uma dada variável dependente com menor complexidade e fácil interpretação, pode haver situações em que estas não sejam capazes de denotar tal desempenho pela falta de qualidade no ajuste ou ausência do mesmo. Para contornar tal problema, a inteligência artificial é uma técnica que permite análises flexíveis e estimativas confiáveis. Seu uso está aumentando e fornece resultados adequados em Ciências Florestais, como estimativa de volume, altura de árvores e modelagem do crescimento e produção florestal (BINOTI, 2010). As RNA’s, ou conexionismo, são modelos computacionais que simulam aproximadamente a estrutura, processamento de informação e aquisição de conhecimento do cérebro humano e sistema nervoso, apresentando uma memória associativa e distribuída capaz de estabelecer relações entre variáveis independentes para estimar variáveis dependentes (COELHO et al., 2007). Matematicamente, trata- se de um sistema massivo e paralelo, cujas unidades de processamento simples são os neurônios artificiais, dispostos em uma ou mais camadas e interligados entre si com pesos ajustáveis por um grande número de conexões (BULLINÁRIA, 2011). O RNA possui as seguintes características: analogia neurobiológica, mapeamento de entrada e saída, tolerância a falhas e ruído, adaptabilidade de pesos de conexão a modificações ambientais e a capacidade de generalizar o conhecimento assimilado por aprendizagem a um conjunto de dados desconhecidos (BINOTI, 2010). O objetivo do presente trabalho foi avaliar a disponibilidade de água no solo em plantios de eucalipto em uma cronossequência, relações com produtividade e densidade básica da madeira e suas estimativas através de redes neurais artificiais no Brasil. 28 3.2 MATERIAIS E MÉTODOS 3.2.1 Caracterização Geral do Experimento Um grupo de melhoristas das empresas florestais que participaram do TECHS definiram um grupo de 18 clones de eucalipto. Estes clones representavam os diferentes materiais genéticos em uso naquela época (2011), mas com características de espécies diferentes, suscetibilidade a estresses hídricos e térmicos. A diversidade de comportamentos ecofisiológicos dentro de níveis apropriados de produtividade foi um dos critérios de escolha destes materiais genéticos. Todas as medições e informações desses clones foram compartilhadas entre as empresas participantes do TECHS para definir o grupo de clones a serem usados no TECHS. Devido à grande amplitude climática do Brasil, os clones foram divididos em 4 grupos: a) Clones tropicais e de regiões Úmidas (Tipo U); b) clones e regiões tropicais mais secas (tipo S); c) Clones de regiões subtropicais mais frias (Tipo F); e d) clones intermediários e mais maior adaptabilidade a diferentes condições edafoclimáticas (tipo P). Neste trabalho, foram utilizados apenas 4 clones com maior adaptabilidade ou comumente chamados de clones “plásticos”, por serem clones amplamente plantados operacionalmente nas empresas florestais, a saber: A1, C3, K2, Q8. As principais características genéticas e alguns parâmetros climáticos dos clones utilizados nesses estudos são apresentados, segundo dados de Flores et al. (2016) e Binkley et al. (2017) (Tabela 1). 29 Tabela 1 - Os quatro genótipos de Eucalyptus na rede de experimentos TECHS, clima de origem em que cada clone foi desenvolvido durante os programas de melhoramento e onde foram selecionados. Clones Espécies Temperatura Média Anual (ºC) Precipitação (mm) Clima Ocorrência natural Clima em que o clone foi selecionado A1 E. urophylla 16-27 1000-2000 Tropical e Subtropical Predominantemente Aw, e ocorrência menor em clima Af, Am, Cwa e Cwb Cwa C3¹ E. grandis x E. camaldulensis 15-22 e 16-27 800-2000 e 500-1500 Tropical e Subtropical E. grandis - Predominantemente Cfa, e em menor extensão em clima Cwa, Cwb and Cfb. E. camaldulensis - predominante Aw, e menos extensão em clma As, Cwa, Cwb As K2 E. saligna 13-18 900-1400 Subtropical Predominantemente em Cfb, Cfa, Cwb Cfb Q8 E. grandis 15-22 800-2000 Subtropical Predominantemente em Cfa, e menor extensão em clima Cwa, Cwb e Cfb. Af ¹ O clone C3 é um híbrido de E. grandis x E. camaldulensis e, portanto, os parâmetros climáticos das duas espécies foram descritos. Fonte: Elaborado pelo próprio autor. As plantações foram implantadas em áreas de reflorestamento (Eucalyptus sp. E Pinus sp.), pastagem geralmente com gramíneas, bem como em áreas de Cerrado (Tabela 2). O número de rotações variou de 1 a 5, e a duração média da rotação da floresta foi entre 6 e 7 anos. O preparo do solo foi realizado conforme o operacional das empresas florestais brasileiras, cuja média variava de 40 a 50 cm de profundidade, e o estrondamento lateral de 70 cm, utilizando o subsolador / escarificador para preparo do solo, em linhas paralelas. Essas informações serão importantes para justificar o conteúdo dos atributos do solo, bem como os resultados de produtividade apresentados neste trabalho. Buscou-se através dos técnicos / representante das empresas florestais, descrever o histórico de uso e ocupação do solo antes da instalação do experimento TECHS. Observa-se que os anos de ocupação do solo (AOS) das áreas de plantações no Brasil variam de áreas muito novas (implantação em áreas de Cerrado) a áreas com 45 anos de plantações de eucalipto. Esses dados retratam bem a realidade do Brasil entre as áreas tradicionais de plantio com amplo conhecimento de silvicultura e 30 alto nível tecnológico utilizado na produção de madeira (por exemplo, TECHS 20 como local tradicional para áreas florestais), para áreas de fronteira silvicultural com pouco conhecimento em termos de solo e condições climáticas (por exemplo, o TECHS 13 como um local de fronteira florestal). A ordem de solo com maior ocorrência entre os experimentos foi o Latossolo (67%), seguida de Neossolo (21%), Argissolo (8%) e Cambissolo (4%). De acordo com o mapeamento mais atualizado de solos no Brasil (SANTOS et al., 2011b), os Latossolos ocorrem em aproximadamente 31% do território brasileiro, e isso mostra que as áreas florestais são geralmente deslocadas para áreas marginais com menor fertilidade natural e solos altamente intemperizados, mas profundos, como é o caso dos Latossolos (Tabela 2 e Figura 4). Tabela 2 - Histórico do uso e ocupação do solo antes da instalação do TECHS. TECH S Município Estad o Ordem de Solo Espécie / fitofisionomia antes da instalação do experimento Anos de ocupação do solo (AOS) 2 Arapoti PR Latossolo Pinus sp. 40 anos 4 Belo Oriente MG Latossolo Eucalyptus sp. 40 anos 5 Guanhães MG Latossolo Eucalyptus sp. 30 anos 7 Rio Verde GO Neossolo Eucalyptus sp. 20 anos 9 Estrela do Sul MG Latossolo Pinus sp. 35 anos 10 Botucatu SP Latossolo Eucalyptus sp. - 11 Chapadão do Sul MS Latossolo Pastagem - 14 Inocência MS Neossolo Pastagem - 20 Mogi-Guaçu SP Latossolo Eucalyptus sp. 45 anos 22 Telemaco Borba PR Latossolo Eucalyptus sp. 8 anos 23 Otacílio Costa SC Cambissolo Pinus sp. 16 anos 24 Borebi SP Neossolo Eucalyptus sp. 14 anos 29 Urbano Santos MA Neossolo Cerrado - 33 Buri SP Latossolo Eucalyptus sp. 20 anos Fonte: Elaborado pelo próprio autor. 31 Figura 4 – Mapa pedológico e de localização dos sítios do TECHS no Brasil. Fonte: Elaborado pelo próprio autor. Adaptado de Santos et al. (2011b). Foram geradas as recomendações de adubação em função das análises de solos realizadas antes do plantio dos experimentos, sendo que as amostras foram coletadas nas camadas de 0-40cm. Um “plus” de 10% foi acrescentado nas recomendações de adubação de todos os sítios do TECHS para garantir que não houvesse qualquer limitação nutricional nos experimentos. Neste sentido, todas as parcelas foram fertilizadas intensivamente durante o primeiro ano com 70 kg N ha−1, 32 45 kg P ha−1, 85 kg K ha−1, 500 kg Ca ha−1, 90 kg Mg ha−1, 40 kg S ha−1, 3 kg B ha−1, 1 kg Cu ha−1 e 1 kg Zn ha−1. As fontes de fertilizantes utilizadas foram: NPK + micros, calagem e gessagem. O parcelamento de aplicação de fertilizantes variou entre os locais, com a aplicação total dividida entre 2 a 4 aplicações, desde o pré-plantio até 12 meses de idade. Herbicidas foram usados para manter as parcelas livres de plantas daninhas. Cada clone foi plantado em parcela única, com 8 linhas × 30 árvores (tamanho de parcela de 24 x 90 m - 2160 m2), com árvores no espaçamento de 3 x 3 m (1111 plantas ha-1). Uma borda de cada parcela tinha 5 linhas (cada uma com 8 árvores) disponíveis para amostragem destrutiva ao longo do projeto (Figura 5). Foram mensurados neste trabalho apenas as árvores presentes nas parcelas com chuva normal. O diâmetro à altura do peito (DAP) e a altura total das 80 árvores centrais das parcelas com e sem chuva foram medidos, como mostra a Figura 5. Figura 5 - Esquema de uma repetição completa do experimento de estresse hídrico do TECHS com os 4 clones. As parcelas mensuradas foram as marcadas em amarelo que constituem as 80 plantas da parcela útil com chuva normal. Observe a linha de drenagem central. Dimensões de 144 m x 180 m (12 linhas por 60 plantas, 3 m x 3 m). Fonte: Elaborado pelo próprio autor. o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o oo o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o o Destrutiva Chuva normal Útil DestrutivaÚtil Redução de chuva Destrutiva Redução de chuva Útil DestrutivaÚtil Chuva normal Clone A1 Clone C3 Clone Q8 Clone K2 33 Estações meteorológicas foram instaladas em cada sítio do TECHS em 2012, o que nos permitiu registrar dados meteorológicos diariamente. Nos casos dos sítios que não possuíam estações meteorológicas próprias, utilizou-se então os dados da rede de estações meteorológicas automáticas do Instituto Nacional de Meteorologia – INMET. Variáveis como temperatura média anual (Tm ºC), precipitação média anual (P (mm)), déficit hídrico no solo (DEF (mm)), evapotranspiração potencial e real média anual (ETP e ETR (mm)) calculada pelo método Penman-Monteith usando a capacidade de armazenamento da água no solo no local específico de cada sítio segundo a metodologia proposta por Rolim et al. (1998) (Tabela 3). Para a caracterização climática dos sítios optamos pela realização da classificação climática de Koppen (Koppen, 1936), como feito recentemente por Kottek et al. (2006), Peel et al. (2007) e Alvares et al. (2013), a fim de permitir reprodutibilidade da classificação climática para eventuais estudos futuros. O Índice de Aridez foi calculado usando a fórmula sugerida pelo Programa das Nações Unidas para o Meio Ambiente (United Nation Environment Program - UNEP, 1992), que tem sido utilizada para a classificação de terras susceptíveis aos processos de desertificação, conforme a equação abaixo: Indice de aridez= P (mm) ETP (mm) Os experimentos foram realizados em diferentes regiões do Brasil, com as regiões do sul (por exemplo, TECHS 22), sudeste (por exemplo, TECHS 4), centro- oeste (por exemplo TECHS 14) e norte (por exemplo TECHS 29). Um forte contraste entre a latitude foi observado nos locais deste experimento (por exemplo, TECHS 29 com latitude de -3,40 ° e TECHS 23 com latitude de -27,50 °). Outro ponto que pode ser destacado em relação às variações das condições ambientais experimentais é em relação à altitude no nível do mar, por exemplo, TECHS 29 com 81 metros em relação ao nível do mar, e TECHS 9 com 969 metros em relação ao nível do mar. Isso dá uma robustez estatística a esse trabalho, já que abrange praticamente todo o território brasileiro em termos climáticos. Os locais apresentaram uma variação de cerca de 10 ° C (17,1 - 27,5 ° C) entre os locais mais frios e mais quentes. A precipitação média anual variou de cerca de 609 a 1525 mm. Da mesma forma, os tipos climáticos variaram do clima tropical com 34 verão seco e mês mais seco com precipitação menor que 60mm, até o clima Cwb com clima subtropical com temperatura amena no verão e precipitação acima de 40mm no mês mais seco (ALVARES et al., 2013). Tabela 3 - Descrição climática de 14 sítios do TECHS para o período de crescimento (0 a 48 meses) apresentados neste trabalho. TECHS Lat. Long. Attitude (m) Município Estado T.m ºC P (mm) ETP (mm) ETR (mm) DEF (mm) Classe Classe climática Koppen Índice de aridez 2 -24,5 -50,0 770 Arapoti PR 18,4 1436 569 562 7 Subtropical Cwb Super úmido 4 -19,3 -42,4 243 Belo Oriente MG 23,0 1065 1002 828 174 Tropical Aw Úmido 5 -18,6 -42,9 873 Guanhães MG 21,0 1013 796 704 92 Tropical As Úmido 7 -18,0 -50,9 681 Rio Verde GO 23,2 1319 1036 724 312 Tropical Aw Úmido 9 -18,7 -47,9 969 Estrela do Sul MG 23,5 1334 1067 928 139 Tropical Aw Úmido 10 -23,0 -48,5 869 Botucatu SP 21,4 1332 842 783 58 Tropical Aw Úmido 11 -18,7 -52,6 783 Chapadão do Sul MS 22,8 1154 983 780 203 Tropical Aw Úmido 14 -20,0 -51,6 480 Inocência MS 24,3 1026 1188 916 272 Tropical Aw Sub úmido 20 -22,4 -47,0 633 Mogi Guaçu SP 22,3 1255 942 867 75 Tropical Aw Úmido 22 -24,2 -50,5 888 Telêmaco Borba PR 17,8 1436 569 561 7 Subtropical Cwb Super úmido 23 -27,5 -50,1 870 Otacílio Costa SC 17,1 1525 481 476 5 Subtropical Cfa Super úmido 24 -22,7 -49,0 656 Borebi SP 22,0 1116 908 800 109 Tropical Aw Úmido 29 -3,4 -43,1 81 Urbano Santos MA 27,5 878 1492 656 836 Tropical Aw Sub úmido 33 -23,9 -48,7 695 Buri SP 20,0 1196 662 645 17 Subtropical Cwb Úmido Tm ºC = temperatura média anual, P (mm) = precipitação média anual, ETP (mm) = evapotranspiração potencial média anual calculada pelo método Penman-Monteith usando a capacidade de armazenamento da água no solo no local específico de cada sítio, ETR (mm) = evapotranspiração real anual média, DEF (mm) = déficit hídrico médio anual usando a capacidade de armazenamento de água no solo do local específico. Fonte: Elaborado pelo próprio autor. Foi quantificado o ponto de murcha permanente (PMP) em uma tensão de -1 500 kpa e a capacidade de campo (CC) foram determinados em uma tensão de -10 kpa em amostras de solo indeformadas para o cálculo da capacidade de água disponível (CAD). O CAD foi calculado pela diferença entre CC e PMP, conforme a equação abaixo: CAD (mm)=(((θCC.DS)-(θPMP.DS)).DS.10).P Em que: 35 CAD (mm) = capacidade de água disponível para a camada de 1 metro de profundidade. θCC = umidade na capacidade de campo do solo em massa (kg kg-1). θPMP = umidade no ponto de murcha do solo em uma base massa (kg kg-1). DS = densidade do solo (g dm³). P = profundidade da camada de solo (cm). A densidade de partículas (DP) foi determinada pelos métodos do anel volumétrico, e a densidade do solo (DS), por meio do balão volumétrico, porosidade total (PT) dada pela equação PT = 1 - (DP/DS) de acordo com a metodologia proposta. pela EMBRAPA, 1997. Análise granulométrica foi realizada pelo método do densímetro (EMBRAPA, 1997), e as amostras foram dispersas com hexametafosfato de sódio, argila (ARG), silte (SLT), areia grossa (AG), areia fina (AF), areia total (AT = AG + AF) granulometria foram consideradas. As amostras foram submetidas a duas cargas para determinação do ponto de apagamento permanente - PMP (-1500 kpa) e camada de campo CC (-10 kpa), conforme metodologia descrita pela EMBRAPA, 1997. A CAD (mm) foi utilizada para obter os cálculos de armazenamento de água no solo (ARM), déficit hídrico do solo (DEF) e excesso de água no solo. 3.2.2. Amostragem de Solo Os tratamentos do experimento consistiram de um esquema fatorial 2 x 2: climas tropicais e subtropicais; horizontes A e B (ou C dependendo da ordem de solo). Neste sentido, trincheiras com 2 metros de profundidade, 1,20 metros de largura e 1,50 metros de comprimento foram abertas no centro do experimento para realizar a coleta de amostras indeformadas, conforme a Figura 6. O delineamento experimental foi inteiramente casualizado com 3 repetições. O número de graus de liberdade para as análises estatísticas totalizou 12. 36 Figura 6 - A) Trincheira aberta no centro dos experimentos TECHS para a realização da coleta das amostras indeformadas; B) Separação dos horizontes A e B em Latossolo na região de Inocência (MS), Brasil. A) B) Fonte: Elaborado pelo próprio autor. As coletas de amostras indeformadas de solo ocorreram entre janeiro e julho de 2017. As plantações de eucalipto tinham idade entre 5,0 e 5,5 anos no momento da amostragem indeformada. Um técnico / especialista da empresa ou de outra empresa vizinha (colaboradora) foi responsável pela identificação e separação dos horizontes para a coleta de amostras indeformadas. No caso do sítio 33 a coleta foi realizada por um pedólogo com a respectiva classificação do solo. Posteriormente, foi necessário realizar a coleta de solo nos dois horizontes de solo mais representativos (diagnóstico A e B ou A e C quando são solos do tipo Neossolo). Cada local do TECHS possuía seis amostras indeformadas, três das quais estavam no horizonte da superfície e tinham forte interferência de matéria orgânica, geralmente A, e três outras amostras no horizonte subsuperficial B (Bt, Bi, Bw, etc). A sequência da atividade consistiu nas seguintes etapas: 1 - Posicionar horizontalmente o trecho Uhland (contendo um anel volumétrico previamente identificado - TECHS, Sítio, Horizonte, Repetição) no perfil de solo aberto, 37 especificamente no horizonte a ser amostrado; 2 - Mediante o levantamento e a punção do peso do curso do Uhland, foi coletada a amostra de solo, não permitindo que o solo chegasse ao topo do amostrador de Uhland, de forma que a porção superior da amostra de solo não se compactasse; 3 - O amostrador foi retirado do solo, puxando-o após girá-lo em seu curso; 4 - Com o auxílio de uma faca, a tampa protetora do anel foi aberta e a faca inserida na parte inferior do anel (entre o anel e a base do amostrador) para facilitar a remoção do anel; 5 - Com isso, o anel foi empurrado através do orifício no amostrador de Uhland para remover a amostra; 6 - Com o auxílio da faca, o excesso de solo aderido ao anel foi removido em ambas as extremidades, tornando as dimensões da amostra de solo consistentes com as dimensões internas do anel; 7 - O anel foi embalado com filme de PVC e colocado dentro de uma caixa de isopor para o respectivo transporte; 8 - O amostrador e a faca foram limpos; 9 - Outro anel previamente identificado no amostrador foi colocado para a próxima amostragem. Se houvesse a presença de raiz, pedra, fenda entre a parede do anel e o solo, depressão do solo em relação ao tamanho do anel ou qualquer outra observação que comprometa o volume do solo correspondente às dimensões do anel, esta foi descartada e nova coleta foi realizada. 3.2.3. Metodologia de Amostragem de Raízes Finas O sistema radicular das plantas de eucalipto foi avaliado em uma cronosequência de 3, 9, 24 e 65 meses. A amostragem foi realizada apenas no sítio 14, sendo a área escolhida ao lado do experimento TECHS. Amostras de solo foram coletadas com um trado semi-mecanizado usando uma broca de 100 mm de diâmetro. As coletas foram realizadas entre os dias 26 e 31 de maio de 2014. Este período foi selecionado porque foi o final da estação chuvosa, o que garante que as raízes estivessem em um pico de absorção de água e o solo estivesse em alta capacidade de umidade. A distribuição das raízes foi avaliada em relação à profundidade e distância do tronco, sendo amostradas em três diferentes distâncias de tronco. As amostras foram separadas por camadas de 0-25, 25-50, 50-100, 100-150 cm e assim por diante até a última raiz ser encontrada. Total de 15 pontos amostrados até a profundidade máxima das raízes, sendo escavados 2 m além de onde a última raiz foi 38 encontrada. Os pontos foram distribuídos em diferentes plantas dentro da parcela, cada ponto em uma posição diferente em relação ao tronco, aumentando a representatividade da amostragem (Figura 7). O ponto 1 está na linha de plantio, no meio de duas plantas, o ponto 2 no meio de duas linhas de plantio entre duas plantas paralelas e o ponto 3 no meio de duas linhas de plantio entre quatro árvores, tornando- se o ponto mais distante das plantas. Clone A1 foi selecionado para a prospecção de DRF. Figura 7 - Esquema de amostragem do solo no campo nos quatro locais do TECHS. A) Ponto de coleta do solo (C) localizado entre os pontos de apoio 1, 2, 3 (pontos não coletados) para evitar pontos de coleta muito próximos às plantas e também pontos distantes dos troncos. B) Perfil do solo coletado até o momento em que as raízes foram observadas, exceto o sítio 13, que interrompeu a coleta a 2.000 cm de profundidade. Fonte: Elaborado pelo próprio autor. Após as coletas, todo o solo foi armazenado em sacos plásticos para evitar a perda e a umidade do solo. As amostras foram levadas ao laboratório de separação de raízes em Itatinga-SP, sendo armazenadas em geladeira para evitar a decomposição das raízes. As amostras de solo foram lavadas suavemente e as raízes 39 finas (diâmetro < 2 mm) foram cuidadosamente separadas manualmente (CHRISTINA et al., 2011). As raízes vivas e mortas foram separadas com base em critérios de cor e resistência. Enquanto as raízes vivas eram marrons e flexíveis, as raízes mortas eram negras e frágeis. Apenas raízes vivas foram estudadas, as raízes mortas foram descartadas. Uma subamostra (10% em peso de cada amostra) foi lavada em peneiras com uma malha de 300 mesh, para separar as raízes com menos de 1 cm de comprimento e o restante da amostra foi peneirado com uma malha de 500 mesh separar apenas as raízes maiores e iguais a um centímetro de comprimento. Assim, 100% das raízes maiores e iguais a 1 cm e 10% das raízes menores que 1 cm foram separadas, estimando raízes totais menores que 1 cm em toda a amostra. As raízes foram secas a 65 ° C por 72 horas para determinar sua massa seca. A umidade do solo em cada camada foi medida a partir de 20 g de solo seco a 105 ° C por 72 horas. Massas secas de raízes finas, separadas em laboratório (mais massa de raízes <1cm estimada em relação à subamostra), foram totalizadas para cada camada de solo. A biomassa da densidade de raízes finas (DRF) foi estimada a partir da determinação da densidade radicular (g kg-1 de solo) e da densidade aparente do solo. 3.2.4. Relação entre Densidade de Raízes e Absorção de Água Em estudos que tratam de raízes e absorção de água, a distribuição de raízes é frequentemente descrita usando a densidade do comprimento de raiz (DCR), ou seja, o comprimento total de raiz por unidade de volume do solo (GREGORY, 2006). No caso deste estudo, determinamos o DRF e realizamos a conversão para comprimento de raiz fina (DCR) usando o modelo proposto por Witschoreck et al. (2003) em uma relação direta entre biomassa e comprimento de raízes finas. A relação entre o comprimento da raiz fina (DCR) e a potencial absorção de água (AD) foi calculada pelo modelo matemático proposto por King (2003) adaptado por Ferchaud et al. (2015), conforme a equação abaixo: 𝐴𝐷 = (𝑎 − 𝑦𝑜). (1 − 𝑒− 𝐷𝐶𝑅 𝑘) + 𝑦𝑜 Em que: AD= potencial de absorção de água (%). 40 𝑎 = qual é o maior AD alcançável pela cultura (a = 100% no modelo original). 𝑦𝑜 = que é o AD obtido em camadas de solo de raiz livre devido a possível ascensão capilar de água (y0 = 0 no modelo original). 𝑘 = é um "coeficiente de captura de recursos" que resume os detalhes da fisiologia e do solo do transporte de absorção de água. Um maior valor de k leva a um aumento mais rápido na extração de água quando a densidade da raiz aumenta. Um valor comum para todas as idades de plantio foi escolhido para a otimização dos parâmetros para 𝑎 e 𝑘 foi realizada com o solver do Excel usando o método GRG não-linear. O critério minimizado foi RMSE. O valor médio de 𝑘 foi de 6,94, sendo maior que o de King (2003). O mesmo autor aponta que valores de 2,0 encontram valores de 𝑘 para densidade de comprimento radicular maior que 0,6 cm cm³ (DRF acima de 0,37 g dm³). O comprimento médio da raiz deste estudo foi de 0,0824 cm cm-3 (0,0511 g dm-³), o que tornou necessário ajustar os valores de 𝑘 para este estudo. A partir da equação de CAD 1mt., a água disponível para plantio (AD) aos 3, 9, 24 e 65 meses de idade foi calculada de acordo com o AD calculado em função do DRF e da profundidade da camada, de acordo com a equação descrita abaixo: 𝐴𝐷 (𝑚𝑚) 3, 9, 24, 65 mounths = ∑ 𝐶𝐴𝐷1mt. . 𝐴𝐷(%) ∗ 𝑃 𝑖=𝑛 𝑖=1 Em que: AD (mm) 3, 9, 24, 65 months = água disponível para plantio aos 3, 9, 24, 65 meses de idade. CAD (mm) = capacidade de água disponível para a camada de 1 metro de profundidade em mm. AD (%) = potencial absorção de água em%. P = profundidade da camada em centímetros. 3.2.5. Avaliações Dendrométricas 41 As medidas dendrométricas padrões deste trabalho incluem o crescimento em diâmetro a altura do peito (DAP) e altura total de planta de 80 árvores para cada parcela, medido a cada 6 meses após o primeiro ano de plantio. Foram considerados os dados dendrométricos para os clones A1, C3, K2, Q8. Cada empresa foi responsável por essas medições após o treinamento de padronização através do protocolo de medição elaborado pela equipe técnica do TECHS. Para o cálculo do volume comercial com casca (VCCC), foram utilizados modelos volumétricos baseados em equações de volume genéricas e amplamente utilizadas no Brasil calibradas para Eucalyptus sp. para a mesma densidade de plantio no TECHS. Todas as avaliações deste trabalho ocorreram na medição realizada nos aniversários do 6º ano de idade dos experimentos, mas a idade variou de 68 a 75 meses, com média de 72,3 meses de idade. Para padronizar a IMA na mesma idade, utilizou-se a metodologia de curva-guia, conforme a equação abaixo: 𝐼𝑀𝐴 6 𝑎𝑛𝑜𝑠 = 𝑖𝑑𝑎𝑑𝑒. 𝐼𝑀𝐴 𝑖𝑑𝑎𝑑𝑒. 265,6. 𝑒−1,56−0,58∗𝑖𝑑𝑎𝑑𝑒. 265,6. 𝑒−1,56−0,58.6 6 Em que: IMA 6 anos: incremento médio anual aos 6 anos de idade. IMA idade: incremento médio anual na idade do inventário realizado. A idade de 6 anos foi escolhida por ser convencionalmente a idade de rotação do eucalipto no Brasil. Para determinar a densidade básica da madeira (DB), (madeira + casca) de 3 cm de espessura da haste da árvore abatida nos DAP a 0% 25%, 50%, 75% e 100% (até 5 cm de diâmetro) da altura total. Ao cortar os discos, certificou-se de que a casca esteva completa ao redor da madeira. Após a retirada dos discos, os mesmos foram armazenados em sacos plásticos e levados para o Laboratório de Qualidade da Madeira da Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Para a determinação da densidade básica das amostras, foi utilizado o método de imersão em água, que consiste em saturar a amostra e determinar o volume através da flutuação (BARBOSA; BREITSCHAFT, 2006). Após a determinação do volume, os discos da madeira descascada foram secos até atingir uma massa constante em um forno a 103 ± 2 º C. A partir da massa seca e do volume saturado, determinou-se a 42 densidade básica da madeira descascada dividindo-se a massa seca pelo respectivo volume saturado, seguindo a NBR 11941-02 (ABNT, 2003). 3.2.6. Análises Estatísticas (descritiva e teste de médias) 3.2.6.1. Estatísticas Descritivas O software Excel ® 2013 foi utilizado para cálculos de estatística descritiva: média, desvio padrão, coeficiente de variação, valores mínimo e máximo. Os pontos anômalos (outliers) foram então identificados, conforme identificado no gráfico de ramos e folhas, e substituídos pelos valores médios dos vizinhos para evitar que valores extremos, que geralmente não são representativos dos tratamentos médios aplicados, afetariam a média valores produzidos pelos ecossistemas produtivos de madeira (BARBOSA et al., 2012). De acordo com a classificação do coeficiente de variação (C.V.) proposta por Pimentel-Gomes e Garcia (2002), a variabilidade de um atributo pode ser classificada de acordo com a magnitude de seu coeficiente de variação. Assim, utilizou-se o coeficiente de variação (C.V.) no qual a relação percentual entre o desvio padrão e a média, expressa de forma padronizada, o grau de dispersão da variável. Segundo Pimentel-Gomes e Garcia (2002), a magnitude do coeficiente de variação (CV) pode classificar a variabilidade de uma propriedade. As classes foram estabelecidas como baixas (CV ≤ 10%), médias (10% 30%). Diferenças entre os atributos dos solos nos horizontes A e B foram avaliadas através do teste de médias (Tukey) ao nível de 5% de probabilidade. Correlações lineares de Pearson (R) foram realizadas para entender objetivamente as relações entre os atributos IMA e DB, DB e Clima, e CAD e AD (mm) e atributos do solo. Foram feitas correlações entre as variáveis que são pouco estudadas e tentam gerar informações relevantes sobre essas variáveis. 43 3.2.6.2. Redes Neurais Artificiais O treinamento de uma rede neural artificial (RNA), também chamado de aprendizagem, consiste no ajuste dos parâmetros da rede (pesos e Bias) por meio de um algoritmo de aprendizagem. Nesse processo, os dados de treinamento (conjunto de exemplos) são apresentados a uma arquitetura pré-estabelecida, ou seja, um certo número de matrizes de neurônios em camadas. Após isso, o algoritmo de treinamento desenha características para representar as informações fornecidas e executar uma tarefa específica. As variáveis utilizadas como entrada de RNA para estimativa de CAD (mm), AD 3 meses (mm), AD 24 meses (mm), AD 65 meses (mm), IMA, DB pelas variáveis climáticas e edáficas foram numéricas e categóricas, e entre todas as variáveis (edáficas e climáticas). Como possível alternativa ao método de regressão em RNA, foram utilizadas redes feedforward, treinadas através do algoritmo de retropropagação, ou seja, durante o treinamento da rede, foram realizados cálculos da camada de entrada da rede para a camada de saída e propagação do erro para as camadas anteriores. Em todo o pré-processamento, a normalização e equalização dos dados foram realizadas visando uma maior sensibilidade da rede à variação dos dados e melhor capturar seu comportamento. Os dados foram divididos em grupos de calibração (60% das amostras), validação (20%) e teste (20%), utilizando o método de amostragem aleatória. RNA Linear, Multilayer Perceptron (MLP), Radial Basis Finction (RBF) foram treinadas. Destes, dois foram selecionados com base nos desvios dos valores estimados e observados e, portanto, as melhores redes foram selecionadas para o estudo. A definição de arquitetura de rede, número de camadas e número de neurônios por camada foi otimizada pela ferramenta Intelligent Problem Solver (IPS) do software Statistica 7.0 (STATSOFT, 2007). Foram testadas 1000 interações de RNA, sendo as 15 melhores retidas com base nos valores do coeficiente de regressão de Pearson (R) entre os valores estimados e observados pela rede, com 10 neurônios na camada central. 44 3.2.6.3. Regressão Ridge A distinção entre regressão fixa, Regressão Ridge (RR) e variável aleatória de regressão está associada ao parâmetro de penalidade λ, o qual é dado pela equação (RESENDE et al., 2010): 𝜆 = (1 − 𝑥2) 𝑥2 Em que: 𝜆 = constante lambda; 𝑥 = variância do atributo solo e clima avaliado. Especificamente, uma constante (lambda) será adicionada à diagonal da matriz de correlação, que é então re-padronizada para que todos os elementos diagonais sejam iguais a 1.0 (e os elementos sejam divididos pela constante). Em outras palavras, a regressão de crista diminui artificialmente os coeficientes de correlação, de modo que estimativas mais estáveis (ainda tendenciosas) (coeficientes lambda) podem ser calculadas. Pequenos valores de λ já são suficientes para reduzir o impacto da multicolinearidade entre as covariáveis presentes na matriz de regressão, que é aproximadamente singular. O valor de λ igual a zero caracteriza a regressão fixa. Valores pequenos de λ (0,01 a 0,1) caracterizam a regressão da crista (RR) e altos valores λ (maiores que 0,1) caracterizam a regressão aleatória. Usamos a Regressão de Ridge (RR) para comparar com as estimativas de CAD, AD, IMA, DB geradas por RNAs. RR é uma técnica para análise de dados de regressão múltipla que sofrem de multicolinearidade, como por exemplo, os teores de argila e areia grossa deste estudo. O fator lambda da regressão da crista utilizada foi de 10%, tolerância nas estimativas de 0,0001 e fator de significância de 5%. A avaliação da acurácia e precisão das equações ajustadas e o resultado do treinamento das redes neurais artificiais RNA e RR foram realizadas através da raiz do quadrado médio do erro absoluto e percentual (RMSE e RMSE %), erro padrão da média absoluto (EPMa), erro padrão da porcentagem média (EPM%), coeficiente de 45 correlação de Pearson entre os valores estimados e observados (LAFETÁ et al., 2018). Os erros médios foram assim definidos de acordo com as equações abaixo: RMSE = ∑ √ (𝑦obs. − 𝑦est.)2 (𝑛 − 1) 𝑛 𝑖=1 RMSE% = 100 ∗ ∑ √ (𝑦obs. − 𝑦est.)2 (𝑛 − 1) 𝑛 𝑖=1 ( 𝑦obs. 𝑛 ) 𝐸𝑃𝑀𝑎 = 𝑆𝐷 √𝑛 𝐸𝑃𝑀% = 100 ∗ 𝑆𝐷 √𝑛 ∑ ( 𝑦obs. 𝑛 ) Em que: RMSE = raiz do quadrado médio do erro absoluto. RMSE % = raiz do quadrado médio do erro percentual. EPMa = erro padrão da média como uma porcentagem. EPM% = erro padrão da média absoluta. 𝑦obs. = valores observados das variáveis de resposta CAD, AD, IMA, DB. 𝑦est = valores estimados das variáveis de resposta CAD, AD, IMA, DB. 𝑆𝐷 = desvio padrão da média. 𝑛 = número de observações na amostra. Os ajustes dos modelos RR e RNA foram realizados utilizando o software Statistica 7.0 (STATSOFT, 2007). 46 3.3 RESULTADOS E DISCUSSÃO 3.3.1. Potencial de Absorção de Água Observa-se que as raízes finas ocupam o solo rapidamente (Figura 8A), pois aos 3 meses de idade já havia razies subsuperficiais. Nota-se que as raízes atingiram profundidades máximas de 75, 225, 775 e 1575 cm com a idade de 3, 9, 24 e 65 meses de idade, respectivamente. Uma taxa de crescimento radicular de 0,89 cm dia- 1 também foi observada, e a taxa de geotropismo negativa foi considerada. O DRF variou de 0,46 g dm-³, com média de 0,06 g dm-³, com os maiores valores de DRF na camada 0-12,5 e 12,5-37,5 cm. Houve uma forte tendência de redução de DRF e AD devido ao aumento da profundidade do solo, evidenciado por linhas de tendência exponenciais com altos valores de R². Esta diminuição exponencial é mais ou menos verificada para a maioria das culturas, mas não para a alfafa ou miscanto (FERCHAUD et al., 2015). Laclau et al. (2013) observaram alta DRF nos 3 metros superiores do solo e raízes finas e esparsas em camadas muito profundas do solo, o que possibilitou evitar a perda de água por drenagem profunda após o fechamento do dossel. Nesse mesmo sentido, Laclau et al. (2001a) demonstraram alta heterogeneidade na distribuição espacial de Eucalyptus spp. e a redução de sua densidade com o aumento da profundidade. Uma das variações observadas entre os resultados dos diferentes autores pode ser devido à profundidade efetiva do solo exercer grande efeito sobre a dinâmica sazonal das raízes de Cryptomeria japonica, sugerindo que as variações do perfil, como temperatura, umidade e densidade do solo, paralelamente às condições propriedades fisiológicas da planta, influenciam substancialmente a dinâmica das raízes finas desta espécie (KONÔPKA et al., 2006). Gonçalves (1995) verificou que quanto maiores as taxas de crescimento das árvores de Eucalyptus grandis W. Hill ex Maiden, menor a densidade de raízes finas nas diferentes camadas do solo. As maiores densidades dessas raízes foram encontradas em solos menos férteis, enquanto nos solos mais férteis, com maior disponibilidade de bases e menor concentração de alumínio, os autores observaram menor número de raízes. King et al. (2003) observaram densidades radiculares superiores às deste trabalho (0,59 g dm-³), provavelmente devido ao cultivo de cereais com sistemas radiculares 47 fasciculados, enquanto o eucalipto seminal possui um sistema radicular axial ou pivotante. Outro ponto importante para a dinâmica do conteúdo de DRF está relacionado ao tempo de coleta, ou mesmo à umidade presente nas camadas que podem estimular fortemente as raízes em seu desenvolvimento (FERCHAUD et al., 2015). Outro fator apontado por Ferchaud et al. (2015) foi que a extensão da raiz de culturas perenes atingiu o status máximo desde que as culturas tinham 4 anos de idade, o que sugere que teríamos densidades de raízes mais altas se as amostras tivessem sido coletadas aos 4 anos de idade. AD nas idades de 3, 9, 24, 65 meses foram, respectivamente, 17,3%, 59,8%, 28,5%, 21,8%, com uma média geral de 26% em todos os estratos. Não foram observados em nenhuma camada com 100% de AD, nem mesmo nas camadas superficiais do solo. A AD variou de 99% a 0,18% nas camadas onde as raízes de eucalipto foram identificadas. Em muitos trabalhos de cálculo do balanço hídrico, apenas água de até 1,0 a 2,0 metros de profundidade que geram a CAD do solo de 100, 200, 300 mm é considerada, muitas vezes sem referência à idade de plantio do eucalipto (SOUZA et al., 2006). No entanto, a absorção em algumas camadas exige muita atenção, por exemplo, a AD observada na camada de 1455 cm de 28% com a idade de 65 meses, ou mesmo a AD na profundidade de 725 cm com 38%, o que deve ser considerado no cálculo de AD de eucalipto. Em nenhuma camada foi observada 100% da AD, uma vez que os valores de DRF observados neste trabalho foram baixos em comparação com culturas anuais, como por exemplo, os cereais. Houve uma forte correlação linear positiva entre DRF e AD (r = 0,87, p <0,0001). No entanto, a forma da relação (assintótica curvilínea) mostrou que as raízes com baixa densidade foram relativamente mais eficientes para recuperar a água do que as raízes mais rasas e mais densas. Este fator foi equalizado pelo fator 𝑘. Nesse sentido, o fator 𝑘 médio observado neste estudo foi de 6,94 cm². Em estudos realizados por Ferchaud et al. (2015). Neste estudo, os valores de 𝑘 de 12,6, 24,4, 39,6, 23,9, 7,3, 3,1 cm² para as culturas de Miscanthus, Switchgrass, Festuca, Alfafa, Sorgo e Triticale foram observados. No entanto, no presente estudo, King et al. (2003) utilizaram valores fixos de 𝑘 de 2,0 cm² para culturas de cereais, argumentando que seriam valores razoáveis para culturas com DRF acima de 0,37 g dm-³ ou 0,60 cm cm-³. As diferenças observadas para valores de 𝑘, com valores mais baixos para culturas perenes de ciclos mais longos, podem ser parcialmente 48 explicadas pelas diferenças na evaporação do solo entre as diferentes idades das plantações de eucalipto que apresentam cobertura de dossel muito diferente. Esses modelos são muito interessantes do ponto de vista prático, pois permitem interpretar e captar valores de AD relativamente altos em camadas profundas de solos, como AD de 28% a 1455 cm de profundidade aos 65 meses de idade. Robertson et al. (1993) encontraram o mesmo tipo de relação entre consumo de água e DRF para o sorgo granífero com um patamar acima de um limiar de DRF. Zhang et al. (2004) também relataram maior absorção de água por comprimento de raiz unitária em profundidade do que perto da superfície do solo para trigo de inverno irrigado. Quando a densidade da raiz aumenta, a competição entre as raízes vizinhas é também aumentada, reduzindo sua eficiência relativa. Pela demonstração do elevado potencial de absorção de água deste estudo, tem-se a acrescentar e ponderar que existem algumas estratégias e processos adicionais de absorção de água pelas plantações de eucalipto segundo estudos realizados por Christina et al. (2017): 1) o rápido crescimento das raízes após o plantio fornece acesso a grandes quantidades de água armazenadas em camadas de solo nos primeiros 2 anos. 2) raízes de eucalipto atingiram o lençol freático a uma profundidade de 12 m depois de 2 anos. Embora a retirada média de água em profundidades superiores a 10 m representou apenas 5% da transpiração do dossel do plantio até a idade de 5 anos, a proporção da captação de água perto do lençol freático foi muito mais alta durante os períodos de estiagem. 3) o lençol freático subiu de 18 para 12 m abaixo do solo durante 2 anos após a colheita do stand anterior e depois caiu até a idade de colheita, pois as taxas de evapotranspiração excederam a precipitação anual. Neste sentido, percebe-se que as raízes vivas não necessariamente permanecem ativas, em especial, no período chuvoso, que a absorção se restringiu as camadas superficiais, e as raízes profundas, principalmente as próximas ao lençol freático, tornam-se ativas no período seco, o que permite as altas taxas de transpiração ao longo de todo o ano. 49 Figura 8 - A) distribuição em profundidade da densidade de raízes finas (DRF) aos 3, 9, 24, 65 meses de idade das plantações do clone A1 no estado de Mato Grosso do Sul, Brasil; B) distribuição profunda do potencial de absorção de água (AD %) aos 3, 9, 24, 65 meses de idade das plantações clone A1 no estado do Mato Grosso do Sul, Brasil. A) B) Fonte: Elaborado pelo próprio autor. 3.3.2. Potencial de absorção de água e suas relações com a água disponível para plantações de eucalipto O IMA apresentou um alto coeficiente de variação (35%), sendo o contraste entre os locais menos e mais produtivos muito alto (por exemplo, local com menor produtividade o sítio 29 com produtividade de 13,7 m³ ha-1 ano-1, por exemplo, local com maior produtividade 22 com produtividade máxima de 67,2 m³ ha-1 ano-1) (Tabela 4). Isso é demonstrado analisando e interpretando o coeficiente de curtose de 0,21, onde podemos dizer que a função de distribuição é leptocúrtica e tem a curva da função de distribuição reduzida a um pico mais alto. Neste caso, dizemos que esta distribuição tem caudas pesadas, isto é, eles têm extremos muito diferentes. Isso torna este trabalho muito interessante e relevante, uma vez que temos alta variabilidade e 3 meses = 153,64e-65,75x R² = 0,8316 9 meses = 376,02e-14,04x R² = 0,8674 24 meses = 457,72e-7,982x R² = 0,7526 D 65 meses = 840,8e-11,59x R² = 0,6708 0 200 400 600 800 1000 1200 1400 1600 1800 0,00 0,10 0,20 0,30 0,40 0,50 D R F DRF (g cm-³) 3 mounths 9 mounths 24 mounths 65 mounths Exponencial (9 mounths) Exponencial (24 mounths) Exponencial (65 mounths) 3 meses = 159,13e-7,425x R² = 0,8606 9 meses = 428,74e-2,996x R² = 0,886 24 meses = 714,97e-3,384x R² = 0,9456 65 meses = 1348,6e-4,094x R² = 0,7744 0 200 400 600 800 1000 1200 1400 1600 1800 0% 20% 40% 60% 80% 100% 120% AD (%) 3 mounths 9 mounths 24 mounths 65 mounths Exponencial (3 mounths) Exponencial (9 mounths) Exponencial (24 mounths) Exponencial (65 mounths) 50 contraste entre os locais, e os modelos e extrapolações com dados de experimentos dessa natureza geralmente representam a população como um todo. Em 2016, o Brasil liderou o ranking mundial de produtividade florestal, com média de 35,7 m³ ha-1 ano-1 para os plantios de eucalipto, de acordo com informações reportadas pelas principais empresas do setor (IBÁ, 2017). O IMA observado neste estudo foi 15,7% superior à média nacional. Stape et al. (2010) relataram que a produtividade demonstrada nos experimentos está mais próxima da produtividade atingível do local devido aos cuidados adicionais tomados nos experimentos e geralmente os experimentos ocorrem em pequenas áreas, enquanto a produtividade observada em áreas operacionais ou comerciais é interferida por ervas daninhas afetam a competição, as pragas, doenças que são penalizadores da produtividade atingível. Por outro lado, a produtividade média deste trabalho está de acordo com a média nacional dos trabalhos realizadas por diversos autores no Brasil (CORRÊA et al., 2015, SOUZA et al., 2017), em condições experimentais. Foi realizada correlação linear de Pearson entre IMA e DB e observamos uma correlação não significativa (R = -0,17, p = 0,078). O DB apresentou um baixo coeficiente de variação. O local com os menores valores de DB foi o sítio 29, com o IMA entre os clones 15,7 m³ ha-1 ano-1, e o local com os maiores valores de DB foi o local 20, com IMA de 38,4 m³ ha-1 ano-1. Os coeficientes de variação foram considerados baixos, o que também pode ser justificado pelo coeficiente