Remaining phosphorus estimated by pedotransfer function

Abstract

Although the determination of remaining phosphorus (Prem) is simple, accurate values could also be estimated with a pedotransfer function (PTF) aiming at the additional use of soil analysis data and/or Prem replacement by an even simpler determination. The purpose of this paper was to develop a pedotransfer function to estimate Prem values of soils of the State of São Paulo based on properties with easier or routine laboratory determination. A pedotransfer function was developed by artificial neural networks (ANN) from a database of Prem values, pH values measured in 1 mol L-1 NaF solution (pH NaF) and soil chemical and physical properties of samples collected during soil classification activities carried out in the State of São Paulo by the Agronomic Institute of Campinas (IAC). Furthermore, a pedotransfer function was developed by regressing Prem values against the same predictor variables of the ANN-based PTF. Results showed that Prem values can be calculated more accurately with the ANN-based pedotransfer function with the input variables pH NaF values along with the sum of exchangeable bases (SB) and the exchangeable aluminum (Al3+) soil content. In addition, the accuracy of the Prem estimates by ANN-based PTF were more sensitive to increases in the experimental database size. Although the database used in this study was not comprehensive enough for the establishment of a definitive pedotrasnfer function for Prem estimation, results indicated the inclusion of Prem and pH NaF measurements among the soil testing evaluations as promising ind order to provide a greater database for the development of an ANN-based pedotransfer function for accurate Prem estimates from pH NaF, SB, and Al3+ values.Embora de simples determinação, valores exatos de fósforo remanescente (Prem) poderiam ser estimados com uma função de pedotransferência visando ao aproveitamento adicional de resultados de análises de avaliação da fertilidade do solo ou sua substituição por uma determinação ainda mais simples. O objetivo do presente trabalho foi desenvolver uma função de pedotransferência para estimar o Prem em amostras de solos do Estado de São Paulo a partir de atributos de mais fácil ou rotineira determinação laboratorial. Uma função de pedotransferência foi desenvolvida por meio de redes neurais artificiais a partir de um conjunto de dados formado por valores de Prem, de pH determinado em solução de NaF 1 mol L-1 (pH NaF) e de outros atributos de amostras coletadas durante as atividades de classificação de solo realizadas no Estado de São Paulo pelo Instituto Agronômico de Campinas. Adicionalmente, uma função de pedotransferência foi ajustada por meio de regressão linear múltipla, considerando-se o Prem como variável dependente das mesmas variáveis de entrada da função de pedotransferência desenvolvida via redes neurais artificiais. Os resultados indicaram que valores mais exatos de Prem podem ser estimados pela função de pedotransferência baseada em redes neurais artificiais tendo como variáveis de entrada valores de pH NaF, da soma de bases trocáveis (SB) e do teor de alumínio trocável (Al3+). Adicionalmente, observou-se que a exatidão das estimativas de Prem fornecidas pela rede neural artificial foi mais sensível ao aumento do número de dados experimentais utilizados para o desenvolvimento da função de pedotransferência. Apesar de o conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para estimativas de Prem, os resultados sugerem como promissora a inclusão de medidas de Prem e de pH NaF entre as análises de avaliação da fertilidade do solo com vistas à formação de um maior banco de dados, que permita o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais para o cálculo de valores suficientemente exatos de Prem a partir de valores de pH NaF, SB e Al3+.