Influência das variáveis físico-químicas do solo na produtividade da soja em diferentes perfis de solo

Autores

  • Walter Baida Garcia Coutinho Universidade Federal de Viçosa
  • Verônica Manhães Sant’Clair Universidade Federal de Viçosa (UFV)
  • Paulo Roberto Cecon Universidade Federal de Viçosa (UFV)
  • Anderson Rodrigo Silva Instituto Federal Goiano - Campus Urutaí
  • Wilhan Valasco dos Santos Instituto Federal Goiano - Campus Urutaí
  • Sebastião Martins-Filho Universidade Federal de Viçosa (UFV)
  • Antônio Policarpo Souza Carneiro Universidade Federal de Viçosa (UFV)
  • Ana Carolina Campana Nascimento Universidade Federal de Viçosa (UFV)

DOI:

https://doi.org/10.33837/msj.v9i2.1799

Palavras-chave:

Floresta aleatória, Perfil do solo, Manejo em profundidade, Produtividade da soja, Aprendizado de máquina

Resumo

O manejo da fertilidade do solo em profundidade é decisivo para o potencial produtivo da soja, pois amplia o volume de solo explorado pelas raízes e reduz as restrições físicas e químicas ao crescimento das plantas. Este estudo teve como objetivo quantificar a contribuição relativa de atributos físico-químicos do solo, amostrados de 0 a 200 cm de profundidade, para a predição da produtividade da soja em trabalhos de alto desempenho do Comitê Estratégico Soja Brasil (CESB). Um modelo de classificação Random Forest foi ajustado e avaliado por meio do erro out-of-bag (OOB), considerações fundamentadas na pureza das classes, valores de SHAP para interpretação do modelo e curvas de dependência parcial combinadas a uma métrica de pureza entre classes de produtividade. O modelo apresentou desempenho preditivo adequado (erro OOB ≈ 17,5%), e cinco preditores mostraram-se consistentemente importantes entre classes de produtividade e profundidades: teor de argila, capacidade de troca de cátions (CTC), fósforo, pH e cobre. Conclui-se que as decisões de manejo voltadas para altas produtividades devem considerar níveis de suficiência por camada de profundidade, integrando calagem, gessagem, adubação e práticas de descompactação que maximizem o volume de solo explorável pelas raízes e a extensão do perfil idealmente explorável. Os resultados reforçam a necessidade de diagnóstico do solo em profundidade, com amostragem além das camadas tradicionais de 0–20 e 20–40 cm, e demonstram o potencial de abordagens de aprendizado de máquina para integrar grandes volumes de dados de solo e apoiar recomendações de manejo mais precisas e orientadas à produtividade.

Referências

Alves, L. A., Fontoura, S. M. V., Tiecher, T., Pesini, G., Flores, J. P. M., Filippi, D., Moraes, R. P. de Pias, O. H. de C., & Bayer, C. (2025). Long-term soil acidity dynamics and crop yield response to phosphogypsum and limestone with different reactivities in a no-till Oxisol. European Journal of Agronomy, 171, 127803. DOI: https://doi.org/10.1016/j.eja.2025.127803

Barik, K. C., & Chandel, A. S. (2001). Effect of copper fertilization on plant growth, seed yield, copper and phosphorus uptake in soybean (Glycine max) and their residual availability in Mollisol. Indian Journal of Agronomy, 46(2), 319–326. DOI: https://doi.org/10.59797/ija.v46i2.3266

Barrow, N. J., & Hartemink, A. E. (2023). The effects of pH on nutrient availability depend on both soils and plants. DOI: https://doi.org/10.1007/s11104-023-05960-5

Bartosiewicz, B., Wawer, R., Poręba, L., & Siebielec, G. (2025). The impact of cover crops on soil quality. Current Agronomy, 54(2), 118–128. DOI: https://doi.org/10.2478/cag-2025-0010

Barbosa, J. Z., Motta, A. C. V., Poggere, G., & Prior, S. A. (2025). Winners of the Brazilian soybean yield contest: Climatic, soil, management, and economic factors. Oil Crop Science, 10(4), 294–302. DOI: https://doi.org/10.1016/j.ocsci.2025.07.003

Batista, M. A., Inoue, T. T., Esper Neto, M., & Muniz, A. S. (2018). Princípios de fertilidade do solo, adubação e nutrição mineral. In J. U. T. Brandão Filho, P. S. L. Freitas, L. O. S. Berian, & R. Goto (Eds.), Hortaliças-fruto (pp. 113–162). EDUEM. DOI: https://doi.org/10.7476/9786586383010.0006

Bender, R. R., Haegele, J. W., & Below, F. E. (2015). Nutrient uptake, partitioning, and remobilization in modern soybean varieties. Agronomy Journal, 107(2), 563–573. DOI: https://doi.org/10.2134/agronj14.0435

Berveglieri, A., Imai, N. N., Watanabe, F. S. Y., Tommaselli, A. M. G., Ederli, G. M. P., Araújo, F. F. de, Lupatini, G. C., & Honkavaara, E. (2024). Remote prediction of soybean yield using UAV-based hyperspectral imaging and machine learning models. AgriEngineering, 6(3), 3242–3260. DOI: https://doi.org/10.3390/agriengineering6030185

Bossolani, J. W., Crusciol, C. A. C., Portugal, J. R., Moretti, L. G., Garcia, A., Rodrigues, V. A., Fonseca, M. de C. da, Bernart, L., Vilela, R. G., Mendonça, L. P., & Reis, A. R. dos. (2021). Long-term liming improves soil fertility and soybean root growth, reflecting improvements in leaf gas exchange and grain yield. European Journal of Agronomy, 128, 126308. DOI: https://doi.org/10.1016/j.eja.2021.126308

Caires, E. F., & Guimarães, A. M. (2018). A novel phosphogypsum application recommendation method under continuous no-till management in Brazil. Agronomy Journal, 110(5), 1987–1995. DOI: https://doi.org/10.2134/agronj2017.11.0642

Comitê Estratégico Soja Brasil. (2024). Desafio Nacional de

Máxima Produtividade de Soja. Disponível em: URL: <https://www.cesbrasil.org.br/>

Companhia Nacional de Abastecimento. (2024). Acompanhamento da safra brasileira de grãos (Vol. 11, Safra 2023/24, No. 11, Décimo primeiro levantamento). CONAB. URL: https://www.gov.br/conab

Cox, M. S., Gerard, P. D., Wardlaw, M. C., & Abshire, M. J. (2003). Variability of selected soil properties and their relationships with soybean yield. Soil Science Society of America Journal, 67(4), 1296–1302. DOI: https://doi.org/10.2136/sssaj2003.1296

Crusciol, C. A. C., Marques, R. R., Carmeis Filho, A. C. A., Soratto, R. P., Costa, C. H. M. da, Ferrari Neto, J., Castro, G. S. A., Pariz, C. M., Castilhos, A. M., & Franzluebbers, A. J. (2019). Lime and gypsum combination improves crop and forage yields and estimated meat production and revenue in a variable charge tropical soil. Nutrient Cycling in Agroecosystems, 115(3), 417–432. DOI: https://doi.org/10.1007/s10705-019-10017-0

Esper Neto, M., Lara, L. M., Oliveira, S. M. de, Santos, R. F., Braccini, A. L., Inoue, T. T., & Batista, M. A. (2021). Nutrient removal by grain in modern soybean varieties. Frontiers in Plant Science, 12, 615019. DOI: https://doi.org/10.3389/fpls.2021.615019

Fageria, N. K. (2009). The use of nutrients in crop plants. CRC Press.

Filippi, D., Denardin, L. G. de O., Ambrosini, V. G., Alves, L. A., Flores, J. P. M., Martins, A. P., Pias, O. H. de C., & Tiecher, T. (2021). Concentration and removal of macronutrients by soybean seeds over 45 years in Brazil: A meta-analysis. Revista Brasileira de Ciência do Solo, 45, e0200186. DOI: https://doi.org/10.36783/18069657rbcs20200186

Frene, J. P., Pandey, B. K., & Castrillo, G. (2024). Under pressure: Elucidating soil compaction and its effect on soil functions. Plant and Soil, 502, 267–278. DOI: https://doi.org/10.1007/s11104-024-06573-2

Gazolla-Neto, A., Fernandes, M. C., Vergara, R. O., Gadotti, G. I., & Villela, F. A. (2016). Spatial distribution of the chemical properties of the soil and of soybean yield in the field. Revista Ciência Agronômica, 47(2), 325–333. DOI: https://doi.org/10.5935/1806-6690.20160038

Hanyabui, E., Apori, S. O., Frimpong, K. A., Atiah, K., Abindaw, T., Ali, M., Asiamah, J. Y., & Byalebeka, J. (2020). Phosphorus sorption in tropical soils. AIMS Agriculture and Food, 5(4), 599–616. DOI: https://doi.org/10.3934/agrfood.2020.4.599

Havlin, J. L., Tisdale, S. L., Nelson, W. L., & Beaton, J. D. (2014). Soil fertility and fertilization: An introduction to nutrient management (8th ed.). Pearson Prentice Hall.

Kuhn, M. (2008). Building predictive models in R using the caret package. Journal of Statistical Software, 28(5), 1–26. DOI: https://doi.org/10.18637/jss.v028.i05

Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. In Advances in neural information processing systems (Vol. 30). Curran Associates. DOI: https://doi.org/10.48550/arXiv.1705.07874

Malavolta, E. (1979). ABC da adubação. (4th ed.). Editora Agronômica CERES.

Marin, F. R., Zanon, A. J., Monzon, J. P., Andrade, J. F., Silva, E. H. F. M., Richter, G. L., Antolin, L. A. S., Ribeiro, B. S. M. R., Ribas, G. G., Battisti, R., Heinemann, A. B., & Grassini, P. (2022). Protecting the Amazon forest and reducing global warming via agricultural intensification. Nature Sustainability, 5(12), 1018–1026. DOI: https://doi.org/10.1038/s41893-022-00968-8

Minato, E. A., Brignoli, F. M., Esper Neto, M., Besen, M. R., Cassim, B. M. A. R., Lima, R. S., Tormena, C. A., Inoue, T. T., & Batista, M. A. (2023). Lime and gypsum application to low-acidity soils: Changes in soil chemical properties, residual lime content and crop agronomic performance. Soil and Tillage Research, 234, 105860. DOI: https://doi.org/10.1016/j.still.2023.105860

Moreira, A., & Moraes, L. A. C. (2019). Soybean response to copper applied to two soils with different levels of organic matter and clay. Journal of Plant Nutrition, 42(16), 1857–1867. DOI: https://doi.org/10.1080/01904167.2019.1655039

Moraes, F. A. de, Moreira, S. G., Peixoto, D. S., Silva, J. C. R., Macedo, J. R., Silva, M. M., Silva, B. M., Sanchez, P. A., & Nunes, M. R. (2023). Lime incorporation up to 40 cm deep increases root growth and crop yield in highly weathered tropical soils. European Journal of Agronomy, 144, 126763. DOI: https://doi.org/10.1016/j.eja.2023.126763

Müller, M., Schneider, J.R., Klein, V.A., Silva, E., Junior, J.P.S., Souza, A.M., & Chavarria, G. (2021). Soybean root growth in response to chemical, physical, and biological soil variations. Frontiers in Plant Science, 12, 602569. DOI: https://doi.org/10.3389/fpls.2021.602569

Oliveira, D. B. de, Lacerda, J. J. de J., Cavalcante, A. P., Bezerra, K. G., Silva, A. P. M. da, Miranda, A. C. G., Rambo, T. P., Maschio, R., Andrade, H. A. F. de, Costa, P. M., Sousa, C. A. F. de, Oliveira Júnior, J. O. L., Sagrilo, E., & Souza, H. A. de. (2024). Lime and gypsum rates effects in new soybean areas in the Cerrado of Matopiba, Brazil. Agriculture, 14(7), 1034. DOI: https://doi.org/10.3390/agriculture14071034

Penn, C. J., & Camberato, J. J. (2019). A critical review on soil chemical processes that control how soil pH affects phosphorus availability to plants. Agriculture, 9(6), 120. DOI: https://doi.org/10.3390/agriculture9060120

R Core Team. (2025). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. URL: https://www.R-project.org/

Raij, B. van. (2011). Fertilidade do solo e manejo dos nutrientes. International Plant Nutrition Institute.

Rosa, S. F. da, Reinert, D. J., Reichert, J. M., Fleig, F. D., Rodrigues, M. F., & Gelain, N. S. (2018). Propriedades físicas e químicas de um Argissolo sob cultivo de Eucalyptus dunnii Maiden no Pampa Gaúcho. Ciência Florestal, 28(2), 580–590. DOI: https://doi.org/10.5902/1980509832040

Sawchik, J., & Mallarino, A. P. (2008). Variability of soil properties, early phosphorus and potassium uptake, and incidence of soybean sudden death syndrome. Agronomy Journal, 100(5), 1450–1462. DOI: https://doi.org/10.2134/agronj2007.0303

Silva, G. F. da, Luperini, B. C. O., Barcelos, J. P. de Q., Putti, F. F., Mooney, S. J., & Calonego, J. C. (2025). Mechanical chiseling versus root bio-tillage on soil physical quality and soybean yield in a long-term no-till system. Agronomy, 15(5), 1249. DOI: https://doi.org/10.3390/agronomy15051249

Silva, J. M., Almeida, C. X. de, Pena, L. K., Jorge, R. F., Silva, L. R. da, & Duarte, I. R. G. (2022). Estimativa da macroporosidade e microporosidade em função de sistemas de manejo e plantas de cobertura em Latossolo Vermelho cultivado com soja. Research, Society and Development, 11(3), e54411326833. DOI: https://doi.org/10.33448/rsd-v11i3.26833

Sposito, G. (2008). The chemistry of soils (2nd ed.). Oxford University Press.

Teixeira, P. C., Donagemma, G. K., Fontana, A., & Teixeira, W. G. (2017). Manual de métodos de análise de solo (3rd ed.). Embrapa.

Vitantonio-Mazzini, L. N., Gómez, D., Gambin, B. L., Di Mauro, G., Iglesias, R., Costanzi, J., Jobbágy, E. G., & Borrás, L. (2020). Sowing date, genotype choice, and water environment control soybean yields in central Argentina. Crop Science, 61(1), 715–728. DOI: https://doi.org/10.1002/csc2.20315

von Bloh, M., Nóia Júnior, R. de S., Wangerpohl, X., Saltık, A. O., Haller, V., & Kaiser, L. (2023). Machine learning for soybean yield forecasting in Brazil. Agricultural and Forest Meteorology, 341, 109670. DOI: https://doi.org/10.1016/j.agrformet. 2023.109670

Weil, R. R., & Brady, N. C. (2017). The nature and properties of soils (15th ed.). Pearson.

Downloads

Publicado

2026-06-08

Como Citar

Baida Garcia Coutinho, W., Manhães Sant’Clair, V., Cecon, P. R., Silva, A. R., Valasco dos Santos, W., Martins-Filho, S., … Campana Nascimento, A. C. (2026). Influência das variáveis físico-químicas do solo na produtividade da soja em diferentes perfis de solo. Multi-Science Journal, 9(2), 1–8. https://doi.org/10.33837/msj.v9i2.1799

Edição

v. 9 n. 2 (2026)

Seção

Ciências Agrárias

Licença

Copyright (c) 2026 Walter Baida Garcia Coutinho, Verônica Manhães SantClair, Paulo Roberto Cecon, Anderson Rodrigo Silva, Wilhan Valasco Santos, Sebastião Martins Filho, Antônio Policarpo Souza Carneiro, Ana Carolina Campana Nascimento

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License. Autores que publicam nesta revista concordam com os seguintes termos:

    1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
    2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
    3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).