5. Desarrollo del trabajo
5.3. Ahorro en costes
5.3.3. Incentivos
5.3.3.2. Dentro de la empresa. Los gerentes
As fontes primárias de dados fornecem a classificação física do solo e o tipo de uso a priori. Nas quinze áreas de visitas, considerando o ano das amostras de solo, inexistiam em 12 coordenadas geográficas (70,6%) atividades de exploração econômica do solo (Tabela 7), às quais o tipo de uso são “pastagem natural” e “sem uso agrícola”. A realização desta pesquisa configura-se no retorno as mesmas áreas após cinco, quatro e duas décadas das primeiras pesquisas de análises de fertilidade do solo no Cerrado de Mato Grosso e, agora, com uma paisagem natural modificada e distinta decorrente do modelo de exploração consolidado.
As amostras de solo foram coletadas nas quinze áreas de referência, durante a safra 2015/2016, para fins de levantamento de fertilidade. Para isso, foram coletadas amostras da parte superficial do solo a uma profundidade de 20 centímetros conforme o “Manual de Descrição e Coleta de Solo no Campo” da Embrapa (SANTOS, et. al., 2005). Foram utilizados trado holandês manual, saquinhos para armazenamento do solo e GPS para localização e captação das coordenadas geográficas de referência (Fotografia 1). Os talhões das áreas agrícolas foram escolhidos tomando como base as coordenadas geográficas dos levantamentos de solo anteriores da Embrapa, RADAMBR e DSEE-MT.
Assegura-se nesta pesquisa que as amostras de solo não foram coletadas em locais de depósitos de adubos e calcário, em amontoados de palhadas, com fezes animais, em beiras de estradas e em proximidades das cercas. Foram feitas amostras simples do solo em cada área de referência para obter os níveis de nutrientes e matéria-orgânica do solo. No local foram anotados: coordenada geográfica, altitude, tipo de uso do solo (cobertura/vegetação), presença ou ausência de cobertura seca no solo, sistema de manejo adotado.
Os procedimentos adotados na pesquisa de campo foram: identificação de área de reserva, identificação do sistema de manejo do solo na área agricultável e coleta das amostras de solo. Em cada coordenada geográfica de referência foram coletadas amostras de solo em dois locais distintos: i) na área de cultivo; ii) na área de reserva. Na área de cultivo, as amostras de solo foram coletadas em três períodos: i) antes do plantio da leguminosa; ii) após colheita da leguminosa e antes do plantio do algodão; iii) após colheita do algodão. Ao todo, foram feitas 60 coletas de solo.
72
Tabela 7- Observações Amostradas com Coordenada Geográfica, Município, Classificação do
Solo, Tipo de Uso e Ano da Análise Físico-química.
Nº Fonte Ano GeográficaCoord. Mun. Classificação do solo Tipo deUso Id
1 RADAMBR.V.26. 1978 134100 S575300 W CNP
Latossolo Vermelho-Escuro distrófico A moderado textura muito argilosa relevo plano
Pastagem natural A
2 DSEE-MT.MIR-355. 1997 131629 S580218 W CNP Latossolo Vermelho-Escuro distrófico Amoderado textura argilosa fase Cerrado relevo plano
Sem uso agrícola B
3 DSEE-MT.MIR-354. 1997 133300 S583400 W SAP Areia Quartzosa distrófica A moderadofase Cerrado Tropical Subcaducifólio relevo plano Terra preparada para o plantio C
4 DSEE-MT.MIR-355. 1997 133322 S582529 W SAP Areia Quartzosa distrófica A moderadofase Floresta Tropical Subcaducifólia relevo plano
Lavouras de soja D
5 DSEE-MT.MIR-355. 1997 134235 S573834 W CNP Areia Quartzosa distrófica A moderadofase Cerrado Tropical Subcaducifólia relevo suave ondulado
Sem uso agrícola E
6 DSEE-MT.MIR-355. 1997 135914 S580318 W CNP Latossolo Vermelho-Amarelo distrófico Amoderado textura média fase Cerrado Tropical Subcaducifólio relevo plano
Lavouras de Soja F
7 DSEE-MT.MIR-371. 1997 141116 S573366 W NMD Latossolo Vermelho-Escuro distrófico Amoderado textura média fase Cerrado Tropical Subcaducifólio relevo plano
Sem uso agrícola G
8 DSEE-MT.MIR-371. 1997 142221 S581154 W CNP Latossolo Vermelho-Escuro distrófico Amoderado textura média fase Cerrado Tropical Subcaducifólio relevo plano
Sem uso agrícola H
9 DSEE-MT.MIR-371. 1997 141739 S574513 W CNP Areia Quartzosa distrófica A moderadofase Cerrado Tropical Subcaducifólio relevo suave ondulado
Sem uso agrícola I
10 DSEE-MT.MIR-371. 1997 142521 S582225 W TGS
Latossolo Vermelho-Escuro distrófico (epiálico) A moderado textura média fase Cerrado Tropical Subcaducifólio relevo plano
Lavouras de soja J
11 DSEE-MT.MIR-371. 1997 142827 S582846 W TGS Areia Quartzosa distrófica A fraco faseCerrado Tropical Subcaducifólio relevo plano
Sem uso agrícola K
12 EMBRAPA.BTec-17. 1966 140800 S563900 W DMT Latossolo Vermelho-Escuro distrófico Amoderado textura argilosa relevo plano PastagemNatural L 13 DSEE-MT.MIR-372. 1997 140817 S562317 W DMT Areia Quartzosa distrófica A moderadofase Cerrado Tropical Subcaducifólio
relevo plano suave ondulado
Pastagem Natural M
14 DSEE-MT.MIR-372. 1997 140908 S562533 W DMT
Latossolo Vermelho-Amarelo distrófico A moderado textura média fase Cerrado Tropical Subcaducifólio relevo plano ondulado
Pastagem Natural N
15 DSEE-MT.MIR-372. 1997 141204 S562914 W DMT Latossolo Vermelho-Escuro distrófico Amoderado textura argilosa fase Cerrado Tropical Subcaducifólio relevo plano
Lavouras de soja O Fonte: Elaborado pela autora conforme publicações originais.
Fotografia 1- Materiais de coleta do solo utilizados no campo.
Fonte: Atividade de campo.
Após coleta das amostras de solo, estas foram encaminhadas para laboratório de análises físico-químicas15. De posse das análises foi possível reconhecer o nível de acidez (pH), o teor
15As análises de solo foram realizadas pela AGROANÁLISE LABORATÓRIOS INTEGRADOS, empresa que utiliza o Método Embrapa de Análise de Solos e possui o selo do Programa de Análise de Qualidade de Laboratórios de Fertilidade (PAQLF) da Embrapa Solos. O estado de Mato Grosso possui treze empresas recomendadas pela Embrapa, sendo que apenas duas estão na Região Metropolitana de Cuiabá e a citada empresa é uma delas.
74
químico a partir dos macronutrientes (C, H, N, P, K, S), micronutrientes (Zn, Cu, Fe, Mn, B, S), matéria orgânica e o teor físico de areia, silte, argila. Para interpretação dos níveis encontrados nas análises de solo, alguns valores analíticos são estabelecidos como padrão para a produção das culturas em geral no Cerrado, os quais encontram-se agrupados na Tabela 8. Os atributos químicos foram submetidos à estatística descritiva, para conhecer a posição e dispersão dos dados. As estatísticas a serem produzidas por essas amostras de solo serão usadas para fazer predições sobre vários parâmetros da “população” pedológica.
Tabela 8- Níveis de Fertilidade para interpretação química e física de análises do solo sob
Cerrado no estado de Mato Grosso.
Química (Atributos) Unidade Muitobaixo Baixo (Suficiente)Médio Alto
pH em água (Acidez Ativa)1 pH > 7,1 >= 6,0 5,0 - 5,9 < 5,0 Alumínio (Al)1 cmolc/dm3 <= 0,3 0,4 - 1,0 > 1,0 P (Argila > 35%)1 mg/dm3 <= 5,0 6,0 - 10,0 > 10,0 P (Argila < 15%)1 mg/dm3 <= 10,0 11,0 - 20,0 > 20,0 P (Argila de 15-30%)1 mg/dm3 <= 20,0 21,0 - 30,0 > 30,0 Potássio (K)1 cmolc/dm3 <= 0,12 0,13 - 0,21 > 0,21
Cálcio (Ca)1 cmolc/dm3 <= 1,5 1,6 - 4,0 > 4,0
Magnésio (Mg)1 cmolc/dm3 <= 0,5 0,6 - 1,0 > 1,0 Soma de Bases (SB = Ca + Mg + K)1 cmolc/dm3 <= 2,0 2,1 - 5,0 > 5,0 CTC efetiva (t = SB + Al)1 cmolc/dm3 <= 2,5 2,6 - 6,0 > 6,0 CTC a pH7 (T = SB + H + Al)1 cmolc/dm3 <= 4,5 4,6 - 10,0 > 10,0 Saturação por Bases (V)1 % <= 25 26,0 - 50,0 51,0 - 70,0 > 71,0 Matéria Orgânica (MO)1 % <= 1,5 1,6 - 3,0 > 3,0
Relação C/N2 g/kg <=20,0 21,0 - 30,0 > 30,0 Enxofre (S)3 mg/dm3 < 4,0 5,0 - 9,0 > 10,0 Zinco (Zn)3 mg/dm3 < 1,0 1,1 - 1,6 > 1,6 Cobre (Cu)3 mg/dm3 < 0,4 0,5 - 0,8 > 0,8 Manganês (Mn)3 mg/dm3 < 1,9 2,0 - 5,0 > 5,0 Boro (B)3 mg/dm3 < 0,2 0,3 - 0,5 > 0,5 Ferro (Fe)4 mg/dm3 < 5,0 5,0 - 12,0 > 12,0
Física (Textura) Arenoso Média Argiloso Muito argiloso
Argila2 % <= 15 16 - 34 35 – 60 > 60
Fonte: (1.) LUZ, FERREIRA, BEZERRA, 2002. // (2.) LOPES, 1998, p. 41 // (3.). LOPES, GUILHERME, 1992, p. 47 // (4.) SFREDO, 2008, p. 132.
3.2.3 Análise Fatorial: entendimento da fertilidade do solo
A análise fatorial é constituída pela análise de componentes principais e análise de fatores comuns, sendo uma abordagem estatística utilizada para analisar inter-relações
(correlações) entre um grande número de variáveis e explicar essas variáveis em termos de suas dimensões inerentes comuns, chamados de fatores. Tende por objetivo condensar a informação contida em várias variáveis originais, em um conjunto menor de variáveis estatísticas com a mínima perda de informações (HAIR et al., 2007).
A análise fatorial avalia a correlação existente entre um grande número de variáveis e identifica a possibilidade dessas variáveis serem agrupadas em um número menor de variáveis latentes e que se possa identificar o significado do agrupamento realizado. Então, busca-se avaliar a possibilidade de agrupar variáveis ( , , , … , , ) em um número menor de fatores ( , , , … , ). O fator representa a parcela da variação do total dos dados que pode ser explicada de forma conjunta para todas as variáveis que o compõem (CORRAR et. al., 2009).
No modelo de análise fatorial as em uma variável podem ser explicadas a partir de um conjunto de fatores (CORRAR et. al., 2009). O modelo matemático é:
=∝ +∝ + ⋯ +∝ + =∝ +∝ + ⋯ +∝ + ⋮ ⋮ ⋮ ⋮ ⋮ =∝ +∝ + ⋯ +∝ + (1) em que: − Variáveis (i= 1,..., p);
∝ − Cargas fatoriais relacionadas a cada fator (i= 1,..., p; j= 1,..., m);
− Vetor dos fatores (j= 1,..., m);
− Vetor de erros.
Cargas fatoriais são valores que medem o grau de correlação entre as variáveis originais e os fatores. O quadrado da carga fatorial representa o quanto do percentual da variação de uma variável é explicado pelo fator. A interpretação dos fatores só é possível pela existência de parâmetros da AF que relacional os fatores as variáveis, são as cargas fatoriais. Elas representam a correlação (co-variância) entre o fator e as variáveis em estudo (CORRAR et. al., 2009).
O escore fatorial resulta da multiplicação dos coeficientes ( ) pelo valor das variáveis originais. Em forma de equação:
= + + + ⋯ + (2)
76
= Fatores comuns não relacionados; = Coeficientes dos escores fatoriais; = Variáveis originais.
Escore fatorial é um número resultante da multiplicação dos coeficientes pelo valor das variáveis originais. Quando existe mais de um fator, o escore fatorial representa as coordenadas da variável em relação aos eixos, que são fatores (CORRAR et. al., 2009).
A estrutura inicial utilizada para determinar a matriz de cargas fatoriais, pode não fornecer um padrão significativo de cargas das variáveis. A confirmação dessa estrutura inicial pode ser feita por meio de vários métodos de rotação de fatores (SANTANA, 2007).
O objetivo da rotação é aumentar o poder explicativo dos fatores. E isso só é possível pelas cargas fatoriais ser representadas como pontos entre os eixos (fatores). Estes eixos podem ser girados sem alterar a distância entre os pontos. Todavia, as coordenadas do ponto em relação aos eixos são alteradas, ou seja, as cargas fatoriais são alteradas na rotação. A rotação não altera a variância obtida na etapa anterior. O que ocorre é o rearranjo dos autovalores. O método de rotação Varimax busca minimizar a ocorrência de uma variável possuir altas cargas fatoriais para diferentes fatores, permitindo identificar uma variável com um único fator (CORRAR et. al., 2009).
De acordo Hair et. al (2007), o método de Kaiser-Meyer-Olkin (KMO) mede a adequação dos dados, ou seja, mede o ajuste dos dados, analisando todas as variáveis simultaneamente. Conforme Corrar et al (2009) para que os fatores encontrados na análise fatorial consigam descrever satisfatoriamente as variações dos dados originais, o KMO deve possuir grau de explicação maior do 0,5. E para que seja possível a aplicação da análise fatorial, recomenda-se que o valor de significância (teste de significância) não ultrapasse 0,05.
Além deste, o Teste de Barlett testa a hipótese que a matriz de correlação é uma matriz identidade, ou seja, não há correlação entre as variáveis. O Teste Bartlett de esfericidade é um teste estatístico para a presença de correlações entre as variáveis, é uma medida dessa natureza. Ele fornece a probabilidade estatística de que a matriz de correlação tenha correlações significantes entre pelo menos algumas variáveis (HAIR et. al. 2007).
Na tabela de comunalidades (communalities) pode-se verificar o poder de explicação dos fatores considerando os valores obtidos (CORRAR et. al., 2009). As comunalidades são estimativas da variância compartilhada, ou comum, entre as variáveis. Para obter valores satisfatórios da comunalidade e que as variáveis possuam uma boa relação com os fatores é necessário que o valor das extrações sejam acima de 0,5 (HAIR et. al., 2007). Para que o poder de explicação dos fatores extraídos, após a rotação de fatores, seja considerado válido é
necessário que a variação acumulada dos fatores apresente valores superiores a 60% dos dados considerados.