Uso de sensor de condutividade elétrica aparente e umidade do solo para manejo de fertirrigação

Abstract

O uso racional de fertilizantes é essencial para o manejo eficiente dos recursos hídricos e do solo. Para isso, torna-se indispensável a adoção de sensores e técnicas de agricultura de precisão que possibilitem a otimização dos insumos agrícolas. Objetivou-se utilizar o multisensor Soil Smart Sensor para o monitoramento da condutividade elétrica aparente (CEa) e da umidade do solo em canteiro de alface fertirrigado. Adaptou-se o multisensor para operar de forma estacionária, sendo necessário realizar modificações no programa e integrar um módulo de relógio de tempo real. A medição da CEa foi baseada no método da resistividade, empregando quatro eletrodos dispostos linearmente e equidistantes. Um sinal elétrico foi gerado por meio de dois eletrodos externos. Um resistor shunt de 180 ohms foi inserido em série com um dos eletrodos, permitindo a medição da corrente elétrica. O campo elétrico induzido no solo teve seu potencial captado pelos dois eletrodos intermediários. O sensor de umidade operou com base no princípio capacitivo, aplicando um sinal elétrico no solo através de dois eletrodos. Para calibração do sensor de umidade, foram realizadas cinco medições de tensão gerada pelo circuito, com coleta de três amostras de solo para cada leitura, sendo a umidade determinada pelo método da estufa. A curva de calibração foi ajustada por meio de modelo logarítmico implementado em programa em Python, sendo o coeficiente de determinação (R²) utilizado como critério de ajuste. O experimento foi conduzido em dois canteiros de alface. Em cada canteiro, instalou-se um multisensor. O sistema de irrigação por gotejamento foi composto por mangueiras com gotejadores de vazão de 1,32 L h⁻¹. No Canteiro 1 foi utilizada apenas irrigação e no Canteiro 2 aplicou-se fertirrigação. A CEa e a umidade do solo foram registradas automaticamente a cada 1 h. Foram calculadas médias aritméticas diárias dos valores de CEa e umidade, sendo elaborados gráficos em função dos dias de experimento, além da relação entre a umidade e CEa do solo. O processamento dos dados e a geração dos gráficos foram realizados com auxílio de programa em Python. A curva de calibração dos sensores de umidade demonstrou tendência de aumento da tensão elétrica conforme a umidade do solo diminuía. Os valores de R² obtidos para os multisensores foram de 0,959 e 0,998. Antes da primeira fertirrigação, a CEa no Canteiro 1 era superior à do Canteiro 2 e, após as aplicações de fertilizante, a CEa do Canteiro 2 tornou-se maior. Identificou-se uma tendência de redução da umidade do solo após as fertirrigações, o que contribuiu para a diminuição da CEa. Em dias específicos do experimento, como nos dias 17 e 28, a variação da umidade foi de apenas 0,24%, enquanto a CEa apresentou variação de 16,3%, comportamento associado às alterações estruturais e redistribuição dos poros do solo durante os processos de umedecimento e secagem. Dessa forma, a versão adaptada do Soil Smart Sensor demonstrou capacidade de detectar variações na condutividade elétrica aparente e na umidade do solo em condições de campo, revelando seu potencial para aplicação no monitoramento e manejo da fertirrigação. Palavras-chave: Agricultura de precisão; Sistema embarcado; Método capacitivo.Rational fertilizer use is essential for the efficient management of water and soil resources. To achieve this, the adoption of sensors and precision agriculture techniques becomes indispensable for optimizing agricultural inputs. This study aimed to use the multisensor Soil Smart Sensor to monitor apparent electrical conductivity (ECa) and soil moisture in a fertigated lettuce bed. The multisensor was adapted to operate in a stationary mode, requiring modifications to the software and the integration of a real-time clock module. ECa measurement was based on the resistivity method, using four electrodes arranged linearly and equidistantly. An electrical signal was generated through two external electrodes. A 180-ohm shunt resistor was inserted in series with one of the electrodes, allowing the measurement of electric current. The electric field induced in the soil had its potential measured by the two intermediate electrodes. The soil moisture sensor operated based on the capacitive principle, applying an electrical signal to the soil through two electrodes. For the calibration of the moisture sensor, five voltage measurements were carried out, with three soil samples collected for each reading. Soil moisture was determined using the gravimetric oven-drying method. The calibration curve was fitted using a logarithmic model implemented in Python, with the coefficient of determination (R²) used as the adjustment criterion. The experiment was conducted in two lettuce beds, with a multisensor installed in each. The drip irrigation system consisted of hoses with emitters delivering 1.32 L h⁻¹, spaced 0.30 m apart. In Bed 1, only irrigation was applied, while in Bed 2, fertigation was used. ECa and soil moisture were automatically recorded every hour. Daily arithmetic means of ECa and soil moisture were calculated, and graphs were generated as a function of the experimental days, including the relationship between soil moisture and ECa. Data processing and graph generation were performed using Python. The calibration curve of the moisture sensors showed a tendency for voltage to increase as soil moisture decreased. The R² values obtained for the two multisensors were 0.959 and 0.998. Before the first fertigation event, the ECa in Bed 1 was higher than in Bed 2; after fertilizer application, ECa in Bed 2 became higher. A trend of decreasing soil moisture was identified after fertigation events, which contributed to a reduction in ECa. On specific experimental days, such as days 17 and 28, soil moisture varied by only 0.24%, while ECa varied by 16.3%, a behavior likely associated with structural changes and pore redistribution in the soil during wetting and drying cycles. Thus, the adapted version of the Soil Smart Sensor demonstrated the ability to accurately detect variations in apparent electrical conductivity and soil moisture under field conditions, highlighting its potential for monitoring and managing fertigation. Keywords: Precision agriculture; Embedded system; Capacitive method.