Caractéristiques chimiques du sol dans les zones en cours de conversion de forêts en pâturages dans le sud de l'Amazonie brésilienne

Rapports scientifiques volume 12, Numéro d'article : 22555 (2022) Citer cet article

574 accès

1 Citations

1 Altmétrique

Détails des métriques

Le sud de l'Amazonie brésilienne est l'une des plus grandes régions productrices de bétail du Brésil, cependant, la plupart des pâturages se trouvent sur des sols peu fertiles. Ainsi, les éleveurs de bovins compensent la faible production des pâturages, augmentant la taille des surfaces, générant davantage de déforestation et de brûlis. Ces pratiques augmentent le processus de dégradation chimique des sols amazoniens, les rendant de plus en plus stériles lorsqu'ils sont mal gérés. Avec cela, l'objectif du travail était d'évaluer les impacts causés dans les attributs chimiques des sols, dans les zones en conversion forêt-pâturage, dans le sud de l'Amazonie brésilienne. L'étude a été réalisée dans le district d'União Bandeirantes, dans une zone de forêt et deux zones de pâturages (herbe brachiaria et mambaça). Sur le terrain, des échantillons de sol ont été prélevés à deux profondeurs (0,00–0,10 et 0,10–0,20 m), pour effectuer des analyses chimiques. De plus, des analyses statistiques uni, bi et multivariées ont été réalisées, en plus des analyses géostatistiques ont été réalisées pour étudier la variabilité spatiale et les zones de gestion. La conversion de la forêt en pâturage a augmenté les niveaux de pH et de bases échangeables, réduisant la disponibilité de l'aluminium échangeable et l'acidité potentielle, cependant, elle induit des pertes de phosphore et de carbone organique du sol. Parmi les milieux de pâturage, la zone d'herbe mambaça a présenté une fertilité plus élevée. Une plus grande variabilité spatiale des attributs chimiques a été observée dans l'environnement avec l'herbe mambaça, indiquant une plus grande hétérogénéité dans la distribution des attributs dans la région. Nous attribuons ce comportement à l'intensité de pâturage plus élevée et aux micro-reliefs de la zone qui dirigent le flux d'eau et de nutriments.

L'État de Rondônia est étroitement lié à la production agricole et animale, parmi lesquelles se distingue la production bovine, étant le cinquième producteur parmi les États brésiliens avec 13 871 863 têtes de bovins. Porto Velho, la capitale de l'État, est un important producteur de bétail, occupant la septième place parmi les municipalités avec 968 778 têtes1. Cependant, des études montrent que les zones de pâturage se dégradent avec le temps, en raison de la faible gestion adoptée2, entraînant des pertes de production de lait et de viande. Par conséquent, des études dans la région qui évaluent la fertilité des sols sous les pâturages sont nécessaires pour fournir des informations sur les impacts générés et les attributs les plus sensibles.

Parmi les cultures commerciales, les espèces fourragères représentent les plantes d'intérêt économique les plus cultivées au Brésil et dans le monde3. Parmi les plantes fourragères utilisées par les animaux, les graminées du genre Brachiaria et Panicum sont les principales options pour nourrir le cheptel bovin brésilien4.

La pratique de la culture sur brûlis a été une alternative bon marché pour défricher les zones forestières et introduire des pâturages dans l'Amazonie5. Après son utilisation, si le sol n'est pas géré correctement, il peut provoquer des modifications négatives de ses attributs et, par conséquent, une dégradation. Dans ce cas, le relief plus incliné peut les intensifier6. Le relief, ou la position topographique, est susceptible de modifier la teneur en eau du sol et l'intensité des processus d'enlèvement et de dépôt des sédiments (érosion)7, augmentant les risques d'érosion et de perte de nutriments8. Dans des études évaluant la conversion forêt-pâturage, Araújo et al.9 et Lisbôa et al.10 ont montré que les attributs chimiques les plus sensibles sont la matière organique, Ca2+, Mg2+, K+ et P.

Dans les systèmes de pâturage, lorsqu'ils sont correctement gérés, ils peuvent améliorer de nombreuses propriétés du sol, telles que la rétention d'eau, la matière organique du sol et le cycle des éléments nutritifs11. Braz et al.12 ont observé une augmentation des stocks de carbone du sol après 8 ans d'utilisation avec des pâturages par rapport à la forêt, et que, si le feu est utilisé fréquemment pour le nettoyage, il y a une diminution. De plus, ils ont constaté que la conversion de la forêt en pâturage avec l'utilisation du feu augmente les valeurs de pH et la disponibilité de P, Ca2+ et K+ dans le sol, et diminue l'Al3+ échangeable.

Bien qu'il existe plusieurs études qui ont évalué les impacts causés sur le sol après la conversion des milieux forestiers en pâturages2,5,12,13 des études sont encore nécessaires dans la région de Rondônia, qui cherchent à augmenter la production de fourrage, en augmentant seulement la fertilité des sols, en éliminant la demande pour la déforestation. Avec cela, l'objectif était d'évaluer les impacts causés sur les attributs chimiques des sols, dans les zones de conversion forestière en pâturages, dans le sud de l'Amazonie brésilienne.

Lors de l'évaluation de la dispersion des variables (tableau 1), nous avons observé que le coefficient de variation (CV), présenté des valeurs variant de 6,71 à 65,37 %, étant classé comme faible (< 12 %), moyen (12–24 %) et élevé (> 60 %)14. Le pH dans toutes les zones et V% à la profondeur de 0,10 à 0,20 m dans la zone forestière ont montré un CV classé comme faible. Ca2+ à une profondeur de 0,00–0,10 m, Na+ à une profondeur de 0,10–0,20 m dans la zone de brachiaria et mambaça, et K+ à une profondeur de 0,10–0,20 m dans la zone de mambaça ont présenté un CV classé comme élevé. Les autres variables présentaient des CV classés comme modérés pour toutes les zones et profondeurs évaluées.

Dans les composantes de l'acidité du sol, on peut voir qu'il y avait une différence statistique pour toutes les variables (Fig. 1). Pour le pH, la zone avec mambaça a montré les valeurs les plus élevées à la profondeur 0,00–0,10 m (jusqu'à 4,88) ; cependant, à une profondeur de 0,10 à 0,20 m, il a été observé dans la zone avec des valeurs de brachiaria allant jusqu'à 5,03. Les valeurs les plus basses ont été trouvées dans la zone forestière aux deux profondeurs (3,73 et 3,53). Les niveaux les plus élevés d'Al3+ ont été obtenus dans la zone forestière aux deux profondeurs (1,77 et 1,93 cmolc kg−1), tandis que les zones de pâturage ont montré les niveaux les plus bas, avec des valeurs comprises entre 0,62 et 0,94 cmolc kg−1, ne différant pas statistiquement les unes des autres. .

Boîte à moustaches et test moyen des composants de l'acidité du sol dans différents environnements, à Porto Velho, Rondônia. La ligne verte indique la valeur moyenne des données. Différentes lettres minuscules indiquent qu'il y avait des différences significatives par le test de Tukey à 5 %.

La teneur la plus élevée en H + Al a été observée dans 0,00–0,10 m de brachiaria (8,16 cmolc kg−1) et dans la zone forestière à une profondeur de 0,10–0,20 m (6,44 cmolc kg−1), cependant, la zone d'herbe mambaça avait les niveaux les plus faibles (5,15 et 4,55 cmolc kg−1) aux deux profondeurs étudiées.

Les bases échangeables ont montré une différence significative pour les zones aux différentes profondeurs étudiées (Fig. 2). Les niveaux les plus élevés de bases ont été trouvés pour les zones de pâturage par rapport à la forêt à une profondeur de 0,00–0,10 m, une zone de brachiaria avec les niveaux les plus élevés de Ca2+ et Na+ (1,30 et 0,0119 cmolc kg−1), tandis que la zone avec mambaça l'herbe a les teneurs les plus élevées en Mg2+ et K+ (0,45 et 0,11 cmolc kg−1). À une profondeur de 0,10 à 0,20 m, la zone forestière présentait les niveaux les plus élevés de Ca2+, K+ et Na+ (0,5, 0,05 et 0,005 cmolc kg−1, respectivement), tandis que la zone d'herbe mambaça présentait les niveaux les plus élevés de Mg2+ (0,28 cmolc kg−1).

Boîte à moustaches et test moyen des bases de sol échangeables dans différents environnements, à Porto Velho, Rondônia. La ligne verte indique la valeur moyenne des données. Différentes lettres minuscules indiquent qu'il y avait des différences significatives par le test de Tukey à 5 %.

À la profondeur de 0,00 à 0,10 m, la CEC a montré une différence significative, dans laquelle les valeurs les plus élevées ont été observées dans la zone de brachiaria (9,80 cmolc kg-1) et les plus basses pour la zone d'herbe mambaça (6,61 cmolc kg-1). À une profondeur de 0,10 à 0,20 m, les valeurs les plus élevées ont été observées pour la superficie forestière (7,04 cmolc kg−1) et les valeurs les plus faibles pour la superficie d'herbe mambaça (5,29 cmolc kg−1) (Fig. 3). La zone d'herbe mambaça a montré les valeurs les plus élevées de saturation en bases aux deux profondeurs étudiées (22,07 et 14,12 cmolc kg−1) (Fig. 3).

Boxplot et test moyen de la capacité d'échange cationique et de la saturation par les bases du sol dans différents environnements, à Porto Velho, Rondônia. La ligne verte indique la valeur moyenne des données. Différentes lettres minuscules indiquent qu'il y avait des différences significatives par le test de Tukey à 5 %.

La zone forestière présente les niveaux les plus élevés de P (5,52 et 3,39 mg kg−1) et de COT (23,88 et 18,09 g kg−1) aux deux profondeurs étudiées en relation avec les milieux de pâturage (Fig. 4). Parmi les zones de pâturage, l'herbe mambaça avait les niveaux les plus bas de P (3,53 et 1,81 mg kg-1) et les niveaux les plus élevés de COT (21,58 et 10,68 g kg-1).

Boxplot et test moyen pour le phosphore et le carbone organique total du sol dans différents environnements, à Porto Velho, Rondônia. La ligne verte indique la valeur moyenne des données. Différentes lettres minuscules indiquent qu'il y avait des différences significatives par le test de Tukey à 5 %.

Les interactions entre chaque attribut pour les milieux étudiés sont présentées dans le tableau 2. On observe que le pH a montré une corrélation positive significative avec Ca2+, Mg2+, V%, et négative pour Al3+ dans toutes les zones, et également négative pour H + Al dans milieux de pâturage. Al3+ a montré une corrélation négative avec les bases échangeables pour tous les domaines étudiés. De plus, nous avons observé une corrélation positive significative du pH avec K+ dans la zone de forêt et de mombaça, et avec Na+ et CEC pour la zone d'herbe de mombaça. La zone brachiaria, en revanche, a montré une corrélation négative entre le pH et la CEC. La CEC a également montré une corrélation positive et élevée avec H + Al (0,86–0,99) pour toutes les zones étudiées.

Le carbone organique total (COT) du sol a montré une corrélation positive significative avec Ca2+, Mg2+, K+, V%, CEC et P dans toutes les zones étudiées (tableau 2). Une corrélation positive a été observée entre le COT et P, indiquant que P est directement lié au COT et, par conséquent, à la matière organique. Le TOC a présenté une corrélation positive avec le pH dans les zones de forêt et de mombaça, cependant, une corrélation négative avec le pH dans la zone de brachiaria. Al3+ a montré une corrélation négative avec le COT dans les zones de pâturage.

L'analyse factorielle a montré des résultats significatifs pour la profondeur 0,00–0,10 et 0,10–0,20 m (KMO = 0,714 et 0,777 et p < 0,05 pour le test de sphéricité de Barlett), pour les variables étudiées dans les différents environnements, montrant l'adéquation à la construction du Principal Composantes (PC), permettant de transformer 11 variables originales en deux facteurs (Fig. 5) (Tableau 3).

Plan factoriel des attributs chimiques du sol dans les zones forestières et pastorales, à Porto Velho, Rondônia.

À une profondeur de 0,00 à 0,10 m, les deux facteurs étaient responsables de l'explication de 75,02 % de la variance des variables avec des valeurs propres supérieures à 1. PC1 explique 49,14 %, étant responsable des variables pH, Al3+, Ca2+ et Mg2+, PC2 explique 25,88 % de la variance, étant responsable de P et TOC. Dans PC1, pH, Ca2+ et Mg2+ ont montré des valeurs positives, tandis que Al3+ a présenté des valeurs négatives, cela indique que les attributs qui ont montré les mêmes signes ont une corrélation directe tandis que ceux qui ont des signes opposés ont une corrélation inverse. Au PC2, P et TOC ont montré des valeurs positives (tableau 3). En observant le plan factoriel pour une profondeur de 0,00 à 0,10 m, deux groupes se forment, le premier étant formé par la forêt, qui est discriminée par Al3+, P et TOC, qui ont des valeurs propres supérieures à la moyenne, et le second formé par zones de pâturage caractérisées par des valeurs élevées de pH, de Ca2+ et de Mg2+ (Fig. 5).

À une profondeur de 0,10 à 0,20 m, les deux facteurs expliquent 76,54 % de la variance explicative. PC1 a expliqué que 56,98 % étaient responsables de P, pH, Al3+, H + Al et COT, PC2 a expliqué que 19,56 % étaient responsables de Ca2+. Dans PC1, la plupart des attributs ont montré une valeur positive tandis que le pH a montré une valeur négative (tableau 3). A travers le plan factoriel, deux groupes se forment, le groupe un étant formé par la forêt, qui est discriminée par Al3+, H + Al, P et TOC, tandis que le groupe deux est composé de pâturages qui sont discriminés par le pH et le Ca2+ (Fig. 5 ).

Les figures 6, 7 et 8 montrent les semi-variogrammes pour les zones de forêt, brachiaria et mambaça, respectivement. On observe que toutes les variables ont montré une structure de dépendance spatiale, le modèle sphérique étant le seul ajusté dans toutes les zones et profondeurs évaluées. Le coefficient de détermination (R2) a montré des valeurs allant de 0,75 à 0,94 tandis que la validation croisée (CV) variait de 0,75 à 1,00 pour toutes les zones aux profondeurs étudiées.

Semi-variogrammes des attributs chimiques du sol dans une zone forestière à Porto Velho, Rondônia. Les valeurs entre parenthèses sont respectivement : plage, R2, Degré de Dépendance Spatiale (DSD) et validation croisée.

Semi-variogrammes des attributs chimiques du sol dans une zone à brachiaria à Porto Velho, Rondônia. Les valeurs entre parenthèses sont respectivement : plage, R2, Degré de Dépendance Spatiale (DSD) et validation croisée.

Semi-variogrammes des attributs chimiques du sol dans une zone d'herbe mambaça à Porto Velho, Rondônia. Les valeurs entre parenthèses sont respectivement : plage, R2, Degré de Dépendance Spatiale (DSD) et validation croisée.

La plage indique la distance maximale à laquelle l'attribut est spatialement corrélé15. Des valeurs de gamme ont été observées à la profondeur de 0,00 à 0,10 m allant de 18,20 (Al3+) à 83,10 m (P) dans la zone forestière, de 21,40 (Mg2+) à 88,00 m (Na+) pour brachiaria et de 15,68 (CEC) à 89,00 m ( Ca2+) pour la zone herbeuse de mombaça. À une profondeur de 0,10 à 0,20 m, une plage allant de 14,02 (V%) à 88,00 m (CEC) pour la forêt, 16,52 (H + Al) à 88,00 m (Al3+) pour brachiaria et 14,96 (V%) à 29,39 m (Na+) pour la zone herbeuse de mambaça.

Le Degré de Dépendance Spatiale (DSD) présentait des valeurs variant de 0,03 à 69,70% entre les zones étudiées, présentant une dépendance spatiale de forte (DSD < 25%) à modérée (26% > DSD < 75%)16, indiquant que les variables étudiées ne sont pas distribués aléatoirement dans l'espace17.

Lors de l'évaluation de la superficie forestière, à une profondeur de 0,00 à 0,10 m, il a été observé que pH, Al3+, H + Al, Ca2+, CEC, V et P présentaient une forte DSD tandis que les autres attributs présentaient une dépendance spatiale modérée. À une profondeur de 0,10 à 0,20 m, H + Al, Ca2+, Mg2+, Na+ et V% ont montré une DSD forte et les autres modérées. Dans la zone brachiaire, à 0,00–0,10 m, seuls Ca2+, Mg2+ et TOC ont montré une forte DSD, les autres attributs ont montré une DSD modérée. À une profondeur de 0,10 à 0,20 m, H + Al, Mg2+ et CEC présentaient un DSD fort, le reste des attributs présentait un DSD modéré. La zone avec de l'herbe mambaça présentait une forte DSD pour la plupart des attributs étudiés aux deux profondeurs, à l'exception du pH et du K+ à la profondeur de 0,00–0,10 m, qui présentaient une DSD modérée.

Les figures 9, 10 et 11 montrent les cartes de krigeage pour les zones de forêt, de brachiaria et de mambaça, respectivement. On observe que la zone d'herbe mambaça a une plus grande variabilité en ce qui concerne la distribution des attributs par rapport aux autres zones.

Cartes de krigeage des attributs chimiques du sol dans une zone forestière à Porto Velho, Rondônia.

Cartes de krigeage des attributs chimiques du sol dans une zone d'herbe à brachiaria à Porto Velho, Rondônia.

Cartes de krigeage des attributs chimiques du sol dans une zone d'herbe mambaça à Porto Velho, Rondônia.

Les semi-variogrammes mis à l'échelle pour les trois zones étudiées sont présentés à la Fig. 12. Les graphiques ont été ajustés au modèle sphérique, qui présentait un R2 allant de 0,57 à 0,73 et une validation croisée de 0,76 à 0,85. Les zones étudiées présentaient des valeurs de gamme allant de 20,12 à 23,04 m, avec les valeurs les plus élevées trouvées dans la zone de brachiaria et les valeurs les plus basses dans la zone d'herbe mambaça. En ce qui concerne le DSD, toutes les zones ont montré une forte dépendance spatiale, à l'exception de brachiaria à une profondeur de 0,00 à 0,10 m16.

Semi-variogrammes à l'échelle pour les environnements étudiés à Porto Velho, Rondônia. Les valeurs entre parenthèses indiquent respectivement : étendue, degré de dépendance spatiale, R2 et validation croisée.

Le tableau 4 présente la densité minimale d'échantillonnage en fonction de l'intervalle estimé par les semi-variogrammes décalés, pour les deux profondeurs évaluées dans les différents milieux étudiés. La zone avec de l'herbe mambaça à une profondeur de 0,10–0,20 m a montré la densité d'échantillonnage la plus élevée, avec 13 échantillons ha−1, avec un espacement de 20 m, cependant, l'environnement forestier à une profondeur de 0,00–0 0,10 m a montré la plus faible valeur, avec 9 échantillons ha−1, avec un espacement de 21 m.

La figure 13 montre le semi-variogramme des ajustements des scores factoriels obtenus à partir de l'analyse en composantes principales. Les semi-variogrammes F1 (PC1) pour la profondeur 0,00–0,10 m dans les différents milieux sont liés aux bases échangeables (Ca2+ et Mg2+) et aux composantes de l'acidité du sol (pH et Al3+), les semi-variogrammes F2 (PC2) sont liés à P et TOC. À une profondeur de 0,10 à 0,20 m, F1 est lié aux composants de l'acidité du sol (pH, Al3+ et H + Al) et du COT, tandis que F2 est lié uniquement au Ca2+. Dans les semi-variogrammes, l'ajustement du modèle sphérique a prévalu, ce qui a montré un R2 et une validation croisée allant de 0,76 à 0,88 et 0,76 à 1,00, respectivement. En analysant spatialement, le F1 à la profondeur de 0,00 à 0,10 m a montré un DSD modéré (64,52%) pour la zone brachiaire et la plus longue portée (68,00 m), tandis que les autres zones présentaient un DSD fort. F2 a présenté un DSD fort pour toutes les zones étudiées, avec une plage de dépendance plus importante pour la zone forestière (25,00 m). Le F1 à une profondeur de 0,10 à 0,20 m a montré un DSD modéré pour la zone brachiaria (52,38%), qui avait également la plus longue portée (73,00 m), les autres zones ont montré un DSD fort. F2, en revanche, n'a présenté qu'un fort DSD pour tous les domaines évalués.

Semi-variogrammes expérimentaux ajustés aux scores des composantes principales pour les différents environnements étudiés à Porto Velho, Rondônia. Les valeurs entre parenthèses sont respectivement : intervalle, R2, degré de dépendance spatiale (DSD) et validation croisée.

Lors de l'évaluation des composantes de l'acidité du sol, il est clair que la zone boisée avait une acidité du sol plus élevée, avec des niveaux élevés d'Al3+ et H + Al par rapport aux zones de pâturages. Dans leur travail, Braz et al.12 ont trouvé des valeurs de pH plus faibles et des niveaux plus élevés d'Al3+ et de H + Al dans la zone forestière par rapport aux zones de pâturages et ont attribué ce résultat à l'utilisation du feu pour nettoyer la zone, qui, en raison de la , augmente le pH et par conséquent diminue Al3+. Silva Neto et al.13 expliquent ce mécanisme à travers les incendies qui se produisent, dont les cendres ainsi que les bases sont incorporées dans le sol, dissociant les ions H+ du complexe d'échange, et les cations basiques sont adsorbés sur les surfaces argileuses, augmentant la Valeurs de pH. De plus, la grande majorité des environnements amazoniens sont acides, en raison de la faible teneur en bases de la matière première et des fortes précipitations dans la région, qui lessivent les nutriments de surface13,18. Hong et al.19 attribuent que la variation du pH est fonction de l'espèce végétale prédominante. D'autre part, Jeddi et Chaieb20 rapportent la diminution du pH dans les milieux naturels due à la plus grande activité des micro-organismes proches de la rhizosphère des plantes et à la libération d'acides organiques racinaires. En ce qui concerne Al3+, les niveaux élevés trouvés dans la zone forestière peuvent être dus au faible apport de production de composés organiques capables de complexer l'aluminium21,22.

Les niveaux élevés de bases échangeables dans les zones de pâturage par rapport à la forêt corroborent Braz et al.12, qui ont trouvé des niveaux plus élevés de Ca2+ et K+ dans la zone de pâturage. Dans leurs travaux, Silva Neto et al.13 ont observé des niveaux plus élevés de cations dans les zones brûlées par rapport à la forêt, les mêmes auteurs attribuant les niveaux élevés de bases aux cendres déposées après le brûlage.

Dans les travaux d'Araújo et al.9, analysant la conversion forêt-pâturage, ils ont trouvé de faibles niveaux de P dans les premières profondeurs du sol. Lisbôa et al.10, étudiant des indicateurs de qualité des sols liés à la dégradation des pâturages à Latossolo, ont constaté que le carbone organique du sol est l'une des variables sensibles aux changements de gestion. L'accumulation ou la libération de COT dans l'atmosphère dépend du type de gestion appliqué au sol et au fourrage, où les pâturages cultivés dans des sols fertiles provoquent l'accumulation de C. En revanche, lorsqu'ils sont cultivés dans des sols peu fertiles, la mise en œuvre de pâturages entraîne dans les pertes de C dans le sol. Cependant, l'ampleur des pertes dépend du degré de dégradation des pâturages23. La stabilisation du carbone organique dans les sols sous différents types de gestion dépend de la quantité de carbone stockée dans le sol et du type de structure qui s'y dépose24.

Les niveaux inférieurs de P et le COT plus élevé dans la zone de l'herbe mambaça par rapport à la brachiaria sont dus aux besoins nutritionnels plus élevés de l'herbe mambaça par rapport à la brachiaria, qui en plus de nécessiter plus de nutriments, produit plus de biomasse qui contribue à un plus grand dépôt de COT dans le sol25,26.

Les interactions entre les attributs chimiques reflètent la capacité d'une variable à interférer avec l'autre directement ou de manière antagoniste. Les interactions entre le pH avec d'autres variables ont également été observées par Braz et al.12, qui ont étudié l'effet de la conversion de la forêt en pâturage et ont observé qu'avec une augmentation du pH, il y a une plus grande disponibilité des nutriments (bases échangeables) dans le sol et une diminution de la teneur en Al3+ échangeable dans les zones de pâturage. Selon Perin et al.27, l'augmentation du pH entraîne une diminution de la teneur en Al3+ due à sa précipitation, ce qui diminue par conséquent la teneur en H + Al.

Le COT est l'un des attributs liés à la matière organique du sol qui influence le plus la qualité chimique du sol. Dans leurs travaux, Petter et al.28 ont montré qu'il existe une corrélation positive entre TOC et CEC. Cela est dû à la capacité de la matière organique à fournir des charges et des nutriments au sol, car la fraction humique de la matière organique peut présenter 200–500 cmolc kg−1 de charge négative sur le sol29. Ceci favorise l'adsorption des bases échangeables, les maintient dans le complexe d'échange du sol et évite leur perte par lessivage30. Dans leur étude, Galang et al.31 ont montré que les stocks de P inorganique dans les couches superficielles du sol sont dus à la conversion du P organique, et cette conversion diminue avec l'augmentation de la température et du temps. Souvent, le COT est lié à l'acidité du sol, en particulier dans la région amazonienne où il y a une forte activité biologique, qui, combinée à un environnement chaud et humide, favorise une plus grande production de CO2 dans la solution du sol, qui agit comme une source d'acidité du sol13. Cependant, la matière organique a la capacité de complexer l'aluminium en raison de la production de composés organiques résultant de sa décomposition21,22, un processus qui peut être intensifié dans les sols de pâturage en raison d'une plus grande exposition aux facteurs climatiques.

Dans les deux profondeurs, les milieux de pâturages différaient du milieu forestier. Nous attribuons cela à l'utilisation du feu pour nettoyer les zones, qui, en raison de l'augmentation des nutriments présents dans les cendres dans le sol, a fourni un pH plus élevé et la disponibilité des nutriments2. Cependant, lors de la conversion aux pâturages, les sols amazoniens étant naturellement acides, il est nécessaire d'adopter des pratiques correctives et d'améliorer l'apport de nutriments32.

Le CV permet de comparer la variabilité entre des échantillons de variables avec des unités différentes, mais il ne permet pas d'analyser la variabilité spatiale des attributs du sol ou leur modèle spatial33. Les zones de pâturage (brachiaria et mambaça) ont présenté un CV plus élevé que la zone forestière. Cette variation des valeurs de CV plus élevées dans les zones de pâturage peut être attribuée aux interactions complexes des processus de formation et des pratiques de gestion adoptées dans le sol et dans les cultures34.

Dans leur travail, Oliveira et al.33 ont étudié les sols en Amazonas et ont observé la prédominance du modèle sphérique dans l'ajustement des semi-variogrammes pour les attributs du sol des zones forestières et le modèle exponentiel dans les pâturages. Cependant, dans ce travail, on observe la prédominance du modèle sphérique, indiquant que les attributs ont une grande continuité spatiale et sont moins erratiques sur de courtes distances35.

La zone avec brachiaria a montré les valeurs de gamme les plus élevées pour la plupart des variables étudiées par rapport aux autres zones, indiquant que la zone de brachiaria a moins de variabilité et est plus homogène. D'autre part, la zone avec mombaça a montré les valeurs de gamme les plus basses, indiquant que les attributs chimiques de cette zone ont une plus grande variabilité et leur distribution est plus hétérogène. Cette plus grande variabilité dans la zone de mombaça peut être liée à la plus grande intensité de pâturage, qui correspond à 6,14 animaux ha−1 par rapport à la zone de brachiaria, qui est de 4,50 animaux ha−1. L'intensité de pâturage plus élevée liée aux zones de préférence de pâturage36, avec un microrelief local qui dirige le flux d'eau et de nutriments présents dans le sol37, contribue à la génération d'une variabilité des attributs chimiques dans les zones de pâturage.

Oliveira et al.33, ont étudié différentes gestions des sols dans le sud de l'Amazonas, les auteurs ont trouvé une DSD forte dans la zone forestière et modérée dans la zone de pâturage avec brachiaria pour les attributs chimiques à une profondeur de 0,00 à 0,20 m. La superficie de l'herbe mambaça a montré une forte DSD pour la plupart des variables en relation avec les environnements de forêt et de brachiaria, montrant que les attributs chimiques dans cet environnement de culture sont plus influencés par les propriétés intrinsèques du sol, liées à des facteurs de formation tels que le matériau d'origine, relief et climat16.

En tant que produit de la géostatistique, nous disposons de cartes de krigeage qui permettent l'observation de la distribution des attributs étudiés. Avec cela, il est possible d'établir des critères d'utilisation et de gestion de manière isolée, permettant de rationner la gestion par rapport à la fertilisation et à la correction chimique du sol, en distribuant les nutriments dans les zones qui en ont le plus besoin36. Cela permet de réduire les coûts de production, d'augmenter la productivité et de réduire les risques de pollution de l'environnement avec l'utilisation excessive d'engrais chimiques38.

Les zones de gestion sont des sous-zones d'une parcelle plus grande où les attributs du sol peuvent être considérés comme homogènes, ils prennent en compte non seulement la même classe de sol, mais aussi la variabilité spatiale existant au sein de la même classe de sol39. Ainsi, la zone de gestion peut être définie au sein d'une même classe de sol à partir d'échantillons de sols quadrillés40, utilisés pour élaborer des semi-variogrammes. Des analyses multivariées, principalement celles des composantes principales, ont été utilisées pour synthétiser de nouvelles variables basées sur l'interaction de plusieurs variables originales, et ainsi différencier des zones au sein d'un même système de gestion des sols41.

Lors de l'évaluation des cartes de krigeage des scores (Fig. 14), la formation de cinq zones de gestion est observée. Pour Burak et al.42, plus les scores sont élevés, plus les contributions aux corrélations positives entre les variables qui composent chaque facteur sont importantes. En revanche, plus les scores sont faibles, plus les contributions aux corrélations négatives sont importantes. Ainsi, lorsque l'on regarde les cartes F1 à une profondeur de 0,00 à 0,10 m, il est évident que la plupart des scores sont positifs pour les zones de pâturages, tandis que dans la zone forestière, ils présentent des scores négatifs plus élevés. Les zones avec des scores positifs indiquent une corrélation directe entre le pH et les bases (Ca2+ et Mg2+), mais les zones avec les scores négatifs les plus élevés sont dues à Al3+, qui est moins disponible à mesure que le pH et les bases augmentent. Pour F2, la zone forestière a montré la plupart des scores positifs, tandis que les zones de pâturage ont montré les plus négatifs. Cela montre que la disponibilité de P est corrélée à l'augmentation du COT dans la zone forestière, et dans les environnements de pâturage, cela se produit moins fréquemment. Pour une profondeur de 0,10 à 0,20 m, F1 dans la zone forestière a montré la plupart des scores positifs, tandis que les scores des pâturages ont montré la plupart des scores négatifs, indiquant que le COT dans la forêt est corrélé avec les composants de l'acidité, cependant, cette corrélation se produit moins fréquemment dans les pâturages. Ces corrélations observées montrent que chaque zone de chaque milieu a besoin d'une gestion spécifique, plus ou moins intensive, et ainsi d'augmenter l'efficacité de l'utilisation des ressources naturelles, de réduire l'impact de l'agriculture sur l'environnement et d'optimiser les coûts économiques pour le système de culture38, 43.

Cartes de krigeage des scores des composants principaux pour les différents environnements étudiés à Porto Velho, Rondônia.

La conversion de la forêt en pâturage par le feu a permis d'augmenter le pH et les valeurs des bases échangeables, réduisant les teneurs en aluminium échangeable et l'acidité potentielle, cependant, elle induit des pertes de phosphore et de carbone organique dans le sol.

Grâce à l'analyse multivariée, la formation de deux groupes a été observée, la forêt et les pâturages. L'environnement forestier se caractérise par une plus grande acidité, avec des niveaux plus élevés de P, de carbone organique total, d'aluminium échangeable et d'acidité potentielle, tandis que les environnements de pâturage sont caractérisés par un pH plus élevé et des niveaux plus élevés de bases échangeables. Parmi les environnements de pâturage, l'herbe mambaça a montré une fertilité plus élevée.

L'herbe mambaça a montré une plus grande variabilité spatiale des attributs chimiques, qui a été attribuée à une plus grande intensité de pâturage et aux microreliefs qui dirigent le flux d'eau et de nutriments.

La variabilité des superficies a généré des zones de gestion spécifiques pour les composants de l'acidité, des bases échangeables, du phosphore et du carbone organique des sols. Dans ces milieux, il est nécessaire d'établir des zones de gestion spécifiques, plus ou moins intensives, pour une plus grande efficacité dans l'utilisation des ressources naturelles, la réduction de l'impact de l'agriculture sur l'environnement et l'optimisation des coûts économiques.

L'étude a été réalisée dans le quartier União Bandeirantes situé dans la municipalité de Porto Velho, Rondônia, Brésil (Fig. 15), en 2019, de septembre à octobre, à la fin de la saison sèche, dans trois zones, deux des zones cultivées avec de l'herbe brachiaria (Brachiaria brizantha cv. Marandu) et de l'herbe mambaça (Panicum maximum cv. Mombaça) et une zone de forêt indigène. Les zones d'étude sont situées aux coordonnées 9°45′41.21″ sud et 64°31′43.18″ ouest pour brachiaria, 9°45′9.67″ sud et 64°32′5.88″ ouest pour la forêt et 9°45′ 12.29″ sud et 64°32′30.11″ ouest jusqu'à mambaça.

Carte de localisation et d'élévation des zones d'étude.

Le climat de la région appartient au groupe A (Tropical Rainy Climate) et au type Am (pluies de mousson), avec une courte saison sèche entre juin et septembre. La pluviométrie annuelle moyenne varie de 2500 à 2800 mm. La température moyenne annuelle est comprise entre 24 et 26 °C. L'humidité relative est assez élevée, variant entre 85 et 90% en saison des pluies et entre 60 et 70% en saison sèche44. La typologie de la végétation est appelée forêt dense ombrophile, constituée d'arbres denses et multistratifiés de 25 à 30 m de hauteur45.

La zone d'étude se situe sur les plateaux de la dépression amazonienne, le relief régional présente une surface lisse ondulée, avec une altitude allant de 100 à 200 m. Les sols retrouvés sont élaborés à partir de couvertures sédimentaires indifférenciées, associées à des milieux de cônes alluvionnaires, de canaux fluviaux, de plaines inondables et de lacs, constituées de sédiments dont la granulométrie varie du gravier à l'argile, avec une latéritisation importante46.

Tous les sols ont un relief local variant de plat à lisse ondulé et bien drainé. Ils sont classés comme "Latossolo Amarelo Distrófico típico, A moderado, textura argilosa" selon le système brésilien de classification des sols47 (tableau 5).

Les zones ont été nettoyées à l'aide d'une tronçonneuse et d'un feu, puis les semis de fourrages ont été effectués. Il est important de préciser que le chaulage et la fertilisation n'ont jamais été effectués. Au total, 110 animaux sont élevés sur la zone de 44,28 ha, qui alternent entre les enclos de brachiaria et d'herbe mambaça tous les 45 jours. La zone à brachiaria a été implantée en 2008 avec une extension de 26,36 ha, est restée inutilisée pendant un an et a été peu utilisée jusqu'en 2010, après quoi 4,5 animaux par ha ont été utilisés. La zone d'herbe mambaça a 17,92 ha, a été introduite en 2007, est restée inutilisée pendant trois ans, après quoi 6,14 animaux par ha ont été utilisés dans la rotation de 45 jours entre les brachiaria.

Dans les enclos où les pâturages étaient en cours de restauration après le pâturage, des mailles d'étude de grille de 90 × 60 m ont été établies pour les deux zones à brachiaria et mambaça, et de 90 × 50 m pour la zone forestière avec un espacement régulier de 10 m entre l'échantillon points. Les sols ont été échantillonnés aux points de croisement des mailles, sous les profondeurs de 0,00–0,10 et 0,10–0,20 m, soit un total de 60 points d'échantillonnage pour la zone forestière et 70 points pour les zones de pâturage, soit un total de 400 échantillons.

Les points de croisement des mailles ont été géoréférencés avec un appareil GPS (DATUM SIRGAS 2000) pour la construction du Modèle Numérique d'Elévation (MDE). Aux mêmes points échantillonnés à l'aide d'un niveau de précision et d'une visée (règle), le relevé altimétrique a été réalisé dans le but d'étudier le relief dans les mailles.

Pour obtenir les échantillons aux points de croisement des mailles, des échantillons ont été prélevés dans chaque zone avec une structure conservée sous forme de mottes de 10 cm de hauteur. Ces échantillons ont été utilisés pour déterminer les propriétés chimiques du sol.

Après que le sol ait subi le processus de séchage à l'ombre et tamisé dans une maille de 2 mm, caractérisant une terre fine séchée à l'air (ADFE), des analyses chimiques ont été réalisées selon la méthodologie proposée par Teixeira et al.48. Ont été déterminés : le pH de l'eau, l'acidité potentielle (H + Al), l'aluminium échangeable (Al3+), le calcium (Ca2+), le magnésium (Mg2+), le phosphore (P), le potassium (K+) et le carbone organique total (TOC).

Le pH dans l'eau a été déterminé potentiométriquement, à l'aide d'un pHmètre dans un rapport sol/eau de 1:2,5.

Le calcium (Ca2+), le magnésium (Mg2+) et l'aluminium échangeable (Al3+) ont été extraits par une solution de KCl 1 mol L−1. Les teneurs en Al3+ ont été déterminées par titrage, en utilisant NaOH 0,025 mol L-1 et du bleu de bromothymol comme indicateur colorimétrique. Les niveaux de Ca2+ et Mg2+ ont été déterminés par spectrométrie d'absorption atomique.

L'acidité potentielle (H + Al) a été extraite avec de l'acétate de calcium tamponné à pH 7,00 et le titrage a été déterminé en utilisant NaOH 0,025 mol L-1 et de la phénolphtaléine comme indicateur.

Le potassium et le phosphore disponible ont été extraits par Mehlich-1. Les niveaux de P ont été déterminés par spectrophotomètre UV-Vis et les niveaux de K+ par spectrophotométrie de flamme.

Sur la base des déterminations des cations échangeables et de l'acidité potentielle, la capacité potentielle d'échange de cations (CEC) et la saturation en bases (V%) ont été calculées.

Le carbone organique total (COT) a été déterminé à l'aide de la méthode Walkley-Black49, modifiée par Yeomans et Bremner50.

Afin de caractériser physiquement le sol étudié, des analyses granulométriques, de texture, de densité et de porosité ont été réalisées48. La granulométrie a été déterminée en tamisant le sol après séchage et en séparant les fractions de gravier et de terre fine séchée à l'air (ADFE). La texture du sol a été déterminée par la méthode de la pipette, avec une solution de NaOH 1 mol L-1 comme dispersant chimique et une agitation mécanique à l'aide de l'agitateur de type Wagner, dans un appareil à rotation lente pendant 16 h à 50 tr/min. Les fractions de sable grossier et fin ont été séparées par tamisage, et les fractions d'argile et de limon ont été séparées par sédimentation. De plus, l'analyse de l'argile dispersée dans l'eau (CDW) a été effectuée, puis le degré de floculation (GF) a été calculé par la proportion de la différence entre l'argile totale et l'argile dispersée dans l'eau (CDW). La densité du sol (SD) a été obtenue par la méthode de l'anneau volumétrique et la densité particulaire (PD) par la méthode du ballon volumétrique. La porosité totale (TP) a été calculée à partir des données sur les densités du sol et des particules, en utilisant l'équation suivante : TP = (1 − SD/PD).

Après détermination des attributs chimiques, les données ont été soumises à des analyses univariées, bivariées et multivariées à l'aide du logiciel statistique Statistica 751.

La statistique univariée a été évaluée à l'aide de statistiques descriptives, en calculant la moyenne, la médiane, le coefficient de variation, l'asymétrie et l'aplatissement. De plus, des graphiques en boîtes à moustaches ont été créés afin de représenter les statistiques descriptives et la distribution des données primaires. L'hypothèse de normalité des données dans chaque environnement a été examinée à l'aide du test de Kolmogorov-Smirnov (KS). Ensuite, une analyse de variance ANOVA a été effectuée et, lorsqu'elle était significative, des comparaisons des moyennes des variables entre les trois environnements étudiés ont été effectuées, en utilisant le test de Tukey à 5% de probabilité.

Par le test de Kolmogorov-Smirnov à 5 % de probabilité, la normalité a été observée dans la distribution des données pour la plupart des variables étudiées, à l'exception de Na+ dans les zones de forêt et d'herbe mambaça (et brachiaria à 0,10-0,20 m), pour Al3+ à la profondeur de 0,00 à 0,10 m dans les zones de brachiaria et mambaça, pour Ca2+ et Mg2+ à une profondeur de 0,10 à 0,20 m dans la zone de brachiaria, et pour K+ à une profondeur de 0,10 à 0,20 m dans les zones de brachiaria et mambaça (Tableau 1).

Cette normalité est également observée pour la moyenne et la médiane proches l'une de l'autre (Figs. 1, 2, 3 et 4). L'asymétrie des données a montré des valeurs autour de −0,51 à 1,33 (tableau 1). Des valeurs d'asymétrie supérieures à zéro ont été trouvées pour V% à la profondeur de 0,00–0,10 m et Na+ à la profondeur de 0,10–0,20 m dans la zone forestière, pH et TOC à la profondeur de 0,10–0,20 m dans la zone brachiaria et Al3+ dans la zone de mombaça, indiquant que la distribution est asymétrique à droite. Les autres attributs évalués pour les profondeurs et les surfaces ont montré une distribution asymétrique à gauche52. Pour des valeurs d'aplatissement allant de - 1,49 à 1,63 ont été observées, celles-ci doivent de préférence être nulles, cependant des valeurs entre - 2 et + 2 sont acceptables53.

La statistique bivariée a été utilisée pour vérifier les corrélations entre les variables étudiées, paire par paire, afin d'étudier l'influence directe ou antagoniste de l'une sur l'autre. Le test de corrélation de Pearson à 5 % de probabilité a été utilisé dans l'évaluation.

Dans l'analyse multivariée, une analyse factorielle des composants principaux (PC) a été réalisée afin de trouver la signification statistique des ensembles d'attributs chimiques du sol qui discriminent le plus les environnements, par rapport aux différentes zones étudiées, obtenus comme une réponse dont les environnements subissent le plus l'influence de ses attributs chimiques par l'action anthropique.

L'adéquation de l'analyse factorielle a été faite par la mesure de Kaiser-Meyer-Olkin (KMO), qui évalue les corrélations simples et partielles des variables, et par le test de sphéricité de Bartlett, qui vise à rejeter l'égalité entre la matrice de corrélation avec identité. L'extraction des facteurs a été effectuée par l'analyse de la composante principale, en incorporant les variables qui présentaient un point commun égal ou supérieur à cinq (5,0). Le choix du nombre de facteurs à utiliser a été fait par le critère de Kaiser (facteurs avec des valeurs propres supérieures à 1,0). La rotation orthogonale (varimax) a été effectuée afin de simplifier l'analyse factorielle, et de la représenter dans un plan factoriel des variables et des scores pour les principales composantes54.

La géostatistique a été utilisée pour évaluer la variabilité spatiale des attributs chimiques du sol et les scores obtenus par analyse factorielle. Pour effectuer l'analyse géostatistique, il était nécessaire de savoir s'il existe ou non une dépendance spatiale aux attributs étudiés, vérifiée à travers le graphique du semi-variogramme. Sur la base de l'hypothèse stationnaire de l'hypothèse intrinsèque, par laquelle le semi-variogramme a été estimé :

étant ŷ(h) = valeur de la semi-variance pour une distance h ; \(\eta\)(h) = nombre de paires impliquées dans le calcul de la semi-variance ; Z(xi) = valeur de l'attribut Z en position xi ; Z(xi + h) = valeur de l'attribut Z séparée par une distance h de la position xi.

L'ajustement des semi-variogrammes a été effectué sur la base du meilleur coefficient de détermination (R2) et de validation croisée (CV), estimé par le Logiciel GS+7.055. A partir de ces ajustements, les coefficients du modèle théorique du semi-variogramme ont été définis : effet pépite (C0) = valeur de la semi-variance pour la distance nulle, qui représente la composante de variation aléatoire ; variance structurelle (C1); seuil (C0 + C1) = valeur de la semi-variance dans laquelle la courbe se stabilise sur une valeur constante ; et range (a) = distance de l'origine à l'endroit où le seuil atteint des valeurs stables, exprimant la distance au-delà de laquelle les échantillons ne sont pas corrélés56.

Pour l'analyse du degré de dépendance spatiale (DSD) des attributs à l'étude, la classification de Cambardella et al.16 a été utilisée, dans laquelle les propriétés du sol sont considérées avec une forte dépendance spatiale si le rapport de l'effet pépite (C0) au seuil (C0 + C1) est inférieur à 25 %. Si le rapport est compris entre 26 et 75 %, la dépendance spatiale est considérée comme modérée, alors que si la propriété du sol est supérieure à 75 % à environ 95 %, ils sont classés en dépendance spatiale faible.

Après ajustement des modèles mathématiques autorisés, les données ont été interpolées par krigeage dans la version 13.0057 du logiciel Surfer. La construction des cartes de Krigagem a permis de vérifier et de relier spatialement les attributs chimiques.

Dans ce travail, des semi-variogrammes mis à l'échelle pour toutes les variables dans chaque zone et profondeur étudiées ont été utilisés afin de les réduire à la même échelle, facilitant la comparaison entre les résultats de différentes zones58. Les semi-variogrammes expérimentaux ont été mis à l'échelle en divisant les semi-variances par la variance statistique59. Le choix du modèle de semi-variogramme mis à l'échelle qui correspondait le mieux aux données a été fait sur la base de R2 et CV, en plus d'une connaissance pratique du comportement des attributs dans les environnements.

Grâce à la portée des semi-variogrammes mis à l'échelle, le nombre minimum d'échantillons a été déterminé afin qu'il soit possible de favoriser la caractérisation de la variabilité spatiale des attributs étudiés dans chaque zone et profondeur60.

étant N = nombre minimum d'échantillons requis pour déterminer une maille d'échantillonnage ; A = superficie totale, en ha ; a = portée du semi-variogramme, en m.

L'ensemble de données PDIR-CDR généré et analysé au cours de l'étude en cours est disponible auprès de l'auteur correspondant sur demande raisonnable.

Association brésilienne des industries d'exportation de viande—ABIEC (2019). Profil de l'élevage au Brésil. Disponible sur : http://www.abiec.com.br/PublicacoesLista.aspx. Consulté le 09 mai 2019.

Zenero, MDO Caractérisation et classification des sols sous forêt et pâturage dans un projet agroextractiviste en Amazonie orientale. Rév. Bras. Ciênc. Solo 40, 1–17. https://doi.org/10.1590/18069657rbcs201601650 (2016).

Article Google Scholar

Vitória EL, Fernandes HC, Teixeira MM, Cecon PR & Lacerda EG Corrélation linéaire et spatiale entre la productivité de Brachiaria brizantha, la densité du sol et la porosité totale en fonction du système de gestion du sol. Ing. Agricole 32, 909–919. https://doi.org/10.1590/S0100-69162012000500010 (2012).

Article Google Scholar

Silva, JL et al. Masse fourragère et caractéristiques structurales et chimiques des cultivars Brachiaria et Panicum. Science Animal Bras. 17, 342–348. https://doi.org/10.1590/1089-6891v17i332914 (2016).

Article Google Scholar

Navarrete, D., Sitch, S., Aragao, LEOC & Pedroni, L. La conversion des forêts en pâturages en Amazonie colombienne conduit à une dynamique contrastée du carbone du sol en fonction des pratiques de gestion des terres. Glob. Changer Biol. 22, 3503–3517. https://doi.org/10.1111/gcb.13266 (2016).

Annonces d'article Google Scholar

Torres, FN, Richter, R. & Vohlan, MA Approche multisensorielle pour la cartographie à haute résolution de la couverture terrestre et de la dégradation des pâturages dans les tropiques humides : une étude de cas du paysage fragmenté de Rio de Janeiro. Int. J. Appl. Terre Obs. Géoinf. 78, 189–201. https://doi.org/10.1016/j.jag.2019.01.011 (2019).

Article Google Scholar

Chagas, CS, Fontana, A., Carvalho Junior, W. & Caires, SM Attributs topographiques dans la différenciation des ultisols. Tour. Bras. Science Solo 37, 1441–1453. https://doi.org/10.1590/S0100-06832013000600002 (2013).

Article Google Scholar

Merten, GH, Araújo, AG, Biscaia, RCM, Barbosa, GMC & Conte, O. Ruissellement de surface sans labour et pertes de sol dans le sud du Brésil. Travail du sol Rés. 152, 85–93. https://doi.org/10.1016/j.still.2015.03.014 (2015).

Article Google Scholar

Araújo, EA, Ker, JC, Mendonça, ES, Silva, IR & Oliveira, KO Impact de la conversion forêt-pâturage sur les stocks et la dynamique du carbone du sol et des substances humiques dans le biome amazonien. Acta Amazon. 41, 103–114. https://doi.org/10.1590/S0044-59672011000100012 (2011).

Article Google Scholar

Lisbôa, FM, Donagemma, GK, Burak, DL, Passos, RR & Mendonça, ES Indicateurs de qualité Oxisol liés à la dégradation des pâturages. Recherche Agro. Bras. 51, 1184–1193. https://doi.org/10.1590/s0100-204x2016000900018 (2016).

Article Google Scholar

Franzluebbers, AJ, Stuedemann, JA & Franklin, DH Infiltration d'eau et propriétés structurelles de la surface du sol influencées par la circulation des animaux dans le sud du Piémont aux États-Unis. Renouveler. Agric. Système alimentaire 27, 256–265. https://doi.org/10.1017/S1742170511000378 (2011).

Article Google Scholar

Braz, AMB, Fernandes, AR & Alleoni, LRF Attributs du sol après la conversion de la forêt en pâturage en Amazonie. Dégradation des terres. Dév. 24, 33–38. https://doi.org/10.1002/ldr.1100 (2013).

Article Google Scholar

Silva Neto, ECD et al. Évaluation temporelle des attributs chimiques du sol après l'agriculture itinérante sur brûlis dans l'ouest de l'Amazonie brésilienne. Acta Scientiarum. Agro. 41, e42609. https://doi.org/10.4025/actasciagron.v41i1.42609 (2019).

Article Google Scholar

Warrick, AW & Nielsen, DR Variabilité spatiale des propriétés physiques du sol sur le terrain. Dans Applications of Soil Physics (éd. Hillel, D.) (Academic Press, New York, 1980). https://doi.org/10.1016/b978-0-12-348580-9.50018-3.

Chapitre Google Scholar

Dalchiavon, FC, Carvalho, MP, Andreotti, M. & Montanari, R. Variabilité spatiale des attributs de fertilité d'un Oxisol sous système de non-labour. Tour. Science Agro. 43, 453–461. https://doi.org/10.1590/S1806-66902012000300006 (2012).

Article Google Scholar

Cambardella, CA et al. Variabilité à l'échelle du terrain des propriétés du sol dans le centre de l'Iowa. Sol Sci. Soc. Suis. J. 58, 1501-1511. https://doi.org/10.2136/sssaj1994.03615995005800050033x (1994).

Annonces d'article Google Scholar

Cavalcante, EGS, Alves, MC, Souza, ZM & Pereira, GT Variabilité spatiale des attributs physiques du sol sous différentes utilisations et gestions. Tour. Bras. Ing. Agricole Environnement 15, 237–243. https://doi.org/10.1590/S1415-43662011000300003 (2011).

Article Google Scholar

Cravo, MS, Smyth, TJ & Brasil, EC Le chaulage dans un latosol jaune dystrophique de l'Amazonie et son influence sur les attributs chimiques du sol et le rendement des cultures annuelles. Tour. Bras. Science Solo 36, 895–908. https://doi.org/10.1590/S0100-06832012000300020 (2012).

Article CAS Google Scholar

Hong, S. et al. Le boisement neutralise le pH du sol. Nat. Commun. 9, 520. https://doi.org/10.1038/s41467-018-02970-1 (2018).

Article ADS CAS Google Scholar

Jeddi, K. & Chaieb, M. Modifications des propriétés du sol et de la végétation suite à l'exclusion du pâturage du bétail dans les environnements arides dégradés du sud tunisien. Flore 205, 184–189. https://doi.org/10.1016/j.flora.2009.03.002 (2010).

Article Google Scholar

Ciotta, MN et al. Acidification d'un Oxisol en semis direct. Tour. Bras. Science Solo 26, 1055-1064. https://doi.org/10.1590/S0100-06832002000400023 (2002).

Article CAS Google Scholar

Mantovanelli, BC et al. Répartition spatiale des composants de l'acidité du sol dans une zone de prairie naturelle de la région de Humaitá, Amazonas. Tour. Science Agroenvironnement 14, 1–9. https://doi.org/10.1590/S1806-66902010000400001 (2016).

Article Google Scholar

Carvalho, JLN et al. Impact des systèmes de pâturage, d'agriculture et de culture-élevage sur les stocks de C du sol au Brésil. Travail du sol Rés. 110, 175–186. https://doi.org/10.1016/j.still.2010.07.011 (2010).

Article Google Scholar

Assunção, SA, Pereira, MG, Rosset, JS, Berbara, RLL & García, AC Apport de carbone et qualité structurelle de la matière organique du sol en fonction de la gestion agricole dans une région de climat tropical du Brésil. Sci. Environ. 658, 901–911. https://doi.org/10.1016/j.scitotenv.2018.12.271 (2019).

Article ADS CAS Google Scholar

Freitas, KR et al. Evaluation de la composition chimique et bromatologique de l'herbe Mombaça (Panicum maximum) soumise à différentes doses d'azote. Biosci. J. 23, 1–10. https://doi.org/10.1590/S0034-737X2012000500005 (2007).

Article Google Scholar

Mendonça, VZD, Mello, LM, Pereira, FC, Silva, JODR & Yano, É. H. Production de maïs pour l'ensilage en association avec le fourrage dans l'intégration agriculture-élevage bovin. Ing. Agric. 34, 738–745. https://doi.org/10.1590/S0100-69162014000400013 (2014).

Article Google Scholar

Perin, E., Ceretta, CA & Klamt, E. Période d'utilisation agricole et propriétés chimiques de deux Ferralsols dans la région de Planalto Medio de l'État de Rio Grande do Sul, Brésil. Rév. Bras. Ciênc. Vérité 27, 665–674. https://doi.org/10.1590/S0100-06832003000400011 (2003).

Article CAS Google Scholar

Petter, FA et al. Culture de soja et cultures de couverture comme stratégie d'agriculture à faible émission de carbone : séquestration du CO2 et augmentation des stocks de carbone dans un oxisol du sud de l'Amazonie. Geoderma Reg. 11, 53–61. https://doi.org/10.1016/j.geodrs.2017.09.001 (2017).

Article Google Scholar

Alleoni, LRF, Mello, JWVD & Rocha, WSDD Química e Mineralogia do Solo Volume 2 (SBCS, Viçosa, 2009).

Google Scholar

Feng, C., Ma, Y., Fu, S. & Chen, HY Dynamique du carbone et des nutriments du sol après l'arrêt des perturbations anthropiques dans les forêts subtropicales dégradées. Dégradation des terres. Dév. 28, 2457–2467. https://doi.org/10.1002/ldr.2781 (2017).

Article Google Scholar

Galang, MA, Markewitz, D. & Morris, LA Transformations du phosphore du sol sous brûlage forestier et traitements thermiques en laboratoire. Géoderme 55, 401–408. https://doi.org/10.1016/j.geoderma.2009.12.02 (2010).

Annonces d'article Google Scholar

Pantoja, JCM et al. Analyse multivariée dans l'évaluation des attributs du sol dans les zones sous différentes utilisations dans la région de Humaitá, AM. Rév. Ambiente Água 14, 1–16. https://doi.org/10.4136/ambi-agua.2342 (2019).

Article CAS Google Scholar

Oliveira, IA et al. Variabilité spatiale et densité d'échantillonnage de la susceptibilité magnétique et attributs des ultisols de la région de Manicoré, AM. Tour. Bras. Science Solo 39, 668–681. https://doi.org/10.1590/01000683rbcs20140496 (2015).

Article CAS Google Scholar

Bottega, EL, Queiroz, DM, Pinto, FAC & Souza, CMA Variabilité spatiale des attributs du sol dans un système de non-labour avec rotation des cultures dans le cerrado brésilien. Tour. Science Agro. 44, 1–9. https://doi.org/10.1590/S1806-66902013000100001 (2013).

Article Google Scholar

Isaaks, EH & Srivastava, RM Une introduction à la géostatistique appliquée (Oxford University Press, New York, 1989).

Google Scholar

Alencar, NM, Melo, JC, Santos, AC, Cunha, OFR et Paula Neto, JJ Répartition spatiale des propriétés du sol, production d'herbe marandu avec intensité de pâturage. Tour. Ing. Agricole 24, 338–349. https://doi.org/10.13083/reveng.v24i4.602 (2016).

Article Google Scholar

Artur, AG et al. Variabilité spatiale des attributs chimiques du sol associée au microrelief. Tour. Bras. Ing. Agricole Environnement 18, 141–149. https://doi.org/10.1590/S1415-43662014000200003 (2014).

Article Google Scholar

Santos, KEL, Bernardi, ADC, Bettiol, GM & Crestana, S. Géostatistique et géotraitement dans la prise de décision sur l'utilisation des intrants dans un pâturage. Tour. Bras. Ing. Biosystèmes 11, 294–307. https://doi.org/10.18011/bioeng2017v11n3p294-307 (2017).

Article Google Scholar

Oliveira, JF et al. Variabilité spatiale de la qualité physique des sols des zones de gestion. Précis. Agric. 20, 1251–1273. https://doi.org/10.1007/s11119-019-09639-9 (2019).

Article Google Scholar

Lal, R. & Stewart, BA Agriculture spécifique au sol : agriculture de précision (CRC Press, Boca Raton, 2015).

Réserver Google Scholar

Panishkan, K., Areekijseree, M., Sanmanee, N. & Swangjang, K. Classification des sols basée sur leur composition à l'aide d'une analyse en composantes principales. Environnement Asie 3, 47–52. https://doi.org/10.14456/ea.2010.7 (2010).

Article Google Scholar

Burak, DL, Passos, RR & Andrade, FV Variabilité spatiale des attributs chimiques du sol sous le café Conilon : Relation avec la texture, la matière organique et le relief. Bragantia 71, 538–547. https://doi.org/10.1590/S0006-87052012000400012 (2012).

Article CAS Google Scholar

Matias, SSR et al. Recommandation de chaulage basée sur la variabilité spatiale des attributs chimiques du sol dans le Cerrado brésilien. Tour. Science Agrar. 42, 896–907. https://doi.org/10.19084/rca.17735 (2019).

Article Google Scholar

Alvares, CA, Stape, JL, Sentelhas, PC, Gonçalves, JLM & Sparovek, carte de classification climatique de G. Köppen pour le Brésil. Météorol. Z. 22, 711–728. https://doi.org/10.1127/0941-2948/2013/0507 (2013).

Article Google Scholar

Perigolo, NA, Medeiros, MB & Simon, MF Types de végétation de la partie supérieure du fleuve Madère à Rondônia, Brésil. Brittonia 69(423–446), 2017. https://doi.org/10.1007/s12228-017-9505-1 (2017).

Article Google Scholar

Adamy, A. Géodiversité dans l'état de Rondônia. Porto Velho : CPRM 337. https://scholar.google.com/scholar_lookup?title=Geodiversidade%20do%20estado%20de%20Rond%C3%B4nia&publication_year=2010&author=A.%20Adamy (2010).

Santos, HG et al. Système brésilien de classification des sols, 5e (éd. Embrapa, B.). https://www.embrapa.br/solos/sibcs (2018).

Teixeira, PC, Donagema, GK, Ademir, F. & Teixeira, WG Manuel des méthodes d'analyse des sols, 3e (éd. Embrapa, B.). https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1085209/manual-de-metodos-de-analise-de-solo (2017).

Walkley, A. & Black, IA Un examen de la méthode degtjareff pour déterminer la matière organique du sol et une proposition de modification de la méthode de titrage à l'acide chromique. Sol Sci. 37, 29–38. https://doi.org/10.1097/00010694-193401000-00003 (1934).

Article ADS CAS Google Scholar

Yeomans, JC & Bremner, JM Une méthode rapide et précise pour la détermination de routine du carbone organique dans le sol. Commun. Sol Sci. Plante anale. 19, 1467-1476. https://doi.org/10.1080/00103628809368027 (1988).

Article CAS Google Scholar

STATSOFT Inc. Statistica (système logiciel d'analyse de données), version 7.0. États-Unis (2004).

Zanão Júnior, LA, Lana, RMQ, Carvalho-Zanão, MP & Guimarães, ED Variabilité spatiale des attributs chimiques à différentes profondeurs dans un Oxisol sous système de non-labour. Tour. Cérès 57, 429–438. https://doi.org/10.1590/S0034-737X2010000300021 (2010).

Article Google Scholar

Negreiros Neto, JV et al. Variabilité spatiale des attributs physico-chimiques d'un Latosol rouge-jaune dystrophique sous système de non-labour. Séminaire Ciênc. Agrar. 35, 193–204. https://doi.org/10.5433/1679-0359.2014v35n1p193 (2014).

Article Google Scholar

Mingoti, SA Analyse des données par des méthodes statistiques multivariées. Université fédérale de Minas Gerais—Belo Horizonte 295 (2007).

Logiciel de conception gamma (GS+). Géostatistique pour les sciences de l'environnement 7e éd. Plainwell : conception gamma (2004).

Oliver, MA & Webster, R. Un guide didactique sur la géostatistique : Calcul et modélisation des variogrammes et du krigeage. CATENA 113, 56–69. https://doi.org/10.1016/j.catena.2013.09.006 (2014).

Article Google Scholar

Golden Software Inc. SURFER pour Windows, Realese 13.0 : Contournage et cartographie de surface 3D pour les ingénieurs scientifiques, guide de l'utilisateur. New York, États-Unis (1999).

Ceddia, MB et al. Topographie et variabilité spatiale des propriétés physiques du sol. Sci. Agricola 66, 338–352. https://doi.org/10.1590/S0103-90162009000300009 (2009).

Article Google Scholar

Guimarães, CE Variabilité spatiale de l'humidité du sol et de la densité apparente dans un Oxisol. Master, Université de Campinas, Campinas. https://bdtd.ibict.br/vufind/Record/CAMP_17e6c9a953ce973b569359e4153b912a (1993).

Oliveira, IA et al. Utilisation de semi-variogrammes à l'échelle dans l'échantillon de planification des propriétés chimiques du sol dans le sud de l'Amazonas, au Brésil. Rév. Bras. Ciênc. Solo 39, 31–39. https://doi.org/10.1590/01000683rbcs20150525 (2015).

Article CAS Google Scholar

Télécharger les références

Amazon Environment and Soil Research Group (GPSAA), Faculté des sciences agraires, Université fédérale d'Amazonas (FCA/UFAM), Manaus, AM, Brésil

Alan Ferreira Leite de Lima & Wildson Benedito Mendes Brito

Amazon Environment and Soil Research Group (GPSAA), Department of Soils and Rural Engineering, Agricultural Sciences Center, Federal University of Paraíba (DSER/CCA/UFPB), Areia, PB, Brésil

Milton Cesar Costa Campos

Amazon Environment and Soil Research Group (GPSAA), Institute of Education, Agriculture and Environment, Federal University of Amazonas (IEAA/UFAM), Humaitá, AM, Brésil

Thalita Silva Martins, Guilherme Abadia Silva & José Maurício da Cunha

Amazon Environment and Soil Research Group (GPSAA), Higher Study Center of Itacoatiara, Amazonas State University (CESIT/UEA), Itacoatiara, AM, Brésil

Luis Antonio Coutrim dos Santos

Amazon Environment and Soil Research Group (GPSAA), Institut fédéral de l'éducation, des sciences et de la technologie de Rondônia (IFRO), Ariquemes, RO, Brésil

Ivanildo Amorim de Oliveira

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

AFLL : Conceptualisation, Méthodologie, Investigation, Validation, Analyse formelle, Rédaction, Administration de projet. MCCC et LACS : Conceptualisation, Ressources, Supervision. TSM, GAS et WBMB : Méthodologie, Investigation. IAO et JMC : révision et édition.

Correspondance à Alan Ferreira Leite de Lima.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur n'importe quel support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournir un lien vers la licence Creative Commons et indiquer si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

de Lima, AFL, Campos, MCC, Martins, TS et al. Caractéristiques chimiques du sol dans les zones en cours de conversion de forêts en pâturages dans le sud de l'Amazonie brésilienne. Sci Rep 12, 22555 (2022). https://doi.org/10.1038/s41598-022-25406-9

Télécharger la citation

Reçu : 10 août 2022

Accepté : 29 novembre 2022

Publié: 29 décembre 2022

DOI : https://doi.org/10.1038/s41598-022-25406-9

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.