Estimativa de atributos físicos e químicos do solo para definição de zonas de manejo por meio de espectro de impedância elétrica

Abstract

A Agricultura Digital surge como uma importante ferramenta para o desenvolvimento de zonas de manejo, permitindo o monitoramento espacial e contínuo dos atributos do solo por meio de sensores de baixo custo, contribuindo para tomadas de decisão mais precisas, sustentáveis e acessíveis no manejo agrícola. Nesse contexto, no presente trabalho teve-se como objetivo avaliar o uso do espectro de impedância elétrica como ferramenta para diagnosticar atributos físico-químicos de amostras de solo. O estudo foi conduzido no Laboratório de Mecanização Agrícola da Universidade Federal de Viçosa, utilizando um analisador vetorial de redes de custo reduzido (LiteVNA 64) para obter o espectro de impedância elétrica de 71 amostras de solo provenientes de diferentes municípios brasileiros. As medições do espectro de impedância elétrica foram realizadas em duas condições, solo seco e solo umedecido (10% de umidade volumétrica), utilizando um eletrodo de duas hastes acoplado ao analisador vetorial. Os espectros de impedância elétrica foram processados em Python, sendo dividido em cinco regiões espectrais. Para cada região do espectro foram extraídos atributos dois atributos espectrais: de amplitude média e energia espectral. Os atributos espectrais foram correlacionados, usando correlação de Pearson, com os atributos físico-químicos das respectivas amostras de solo. Modelos preditivos, utilizando os métodos regressão linear multivariada e Random Forest Regressor, foram treinados para estimar as concentrações dos atributos físico-químicos das amostras do solo a partir dos atributos espectrais. A análise de correlação de Pearson indicou predominância de correlações fracas para atributos espectrais obtidos com amostras de solo seco. Já para atributos espectrais obtidos nas amostras de solo úmido observou-se maior número de correlações estatisticamente significativas, especialmente para atributos relacionados à textura, matéria orgânica e capacidade de troca catiônica. Os modelos preditivos apresentaram melhor desempenho quanto utilizados atributos espectrais obtidos com amostra de solo úmido, com destaque para argila (R² = 0,73) e areia grossa (R² = 0,83) na regressão linear, e para potássio (R² = 0,60), soma de bases (R² = 0,49) e capacidade de troca catiônica efetiva (R² = 0,52) no Random Forest. Conclui-se que o espectro de impedância elétrica,especialmente quando obtido em condições de solo úmido, apresenta potencial para estimar atributos físico-químicos do solo. Palavras-chave: espectroscopia de impedância elétrica; agricultura digital; sensores de solo em tempo real; atributos físico-químicos; aprendizado de máquina.Digital Agriculture has emerged as an important tool for the development of management zones, enabling the spatial and continuous monitoring of soil attributes through low-cost sensors, contributing to more precise, sustainable, and accessible decision-making in agricultural management. In this context, the objective of the present study was to evaluate the use of the electrical impedance spectrum as a tool for diagnosing physicochemical attributes of soil samples. The study was conducted at the Agricultural Mechanization Laboratory of the Federal University of Viçosa, using a low-cost vector network analyzer (LiteVNA 64) to obtain the electrical impedance spectrum of 71 soil samples collected from different Brazilian municipalities. Electrical impedance spectrum measurements were performed under two conditions: dry soil and moistened soil (10% volumetric moisture), using a two- rod electrode coupled to the vector network analyzer. The electrical impedance spectra were processed in Python and divided into five spectral regions. For each spectral region, two spectral attributes were extracted: mean amplitude and spectral energy. The spectral attributes were correlated, using Pearson correlation, with the physicochemical attributes of the respective soil samples. Predictive models, using multivariate linear regression and Random Forest Regressor methods, were trained to estimate the concentrations of the physicochemical attributes of the soil samples based on the spectral attributes. Pearson correlation analysis indicated a predominance of weak correlations for spectral attributes obtained from dry soil samples. In contrast, for spectral attributes obtained from moist soil samples, a greater number of statistically significant correlations was observed, especially for attributes related to texture, organic matter, and cation exchange capacity. The predictive models showed better performance when using spectral attributes obtained from moist soil samples, with emphasis on clay (R² = 0.73) and coarse sand (R² = 0.83) in linear regression, and potassium (R² = 0.60), sum of bases (R² = 0.49), and effective cation exchange capacity (R² = 0.52) in the Random Forest model. It is concluded that the electrical impedance spectrum, especially when obtained under moist soil conditions, shows potential for estimating physicochemical soil attributes.Keywords: electrical impedance spectroscopy; digital agriculture; real-time soil sensors; physicochemical attributes; machine learning.