Valores de variáveis granulométricas de 3 camadas do
solo em 50 sítios cultivados com teca (Tectona
grandis). Tais valores complementam os dados
teca_qui que possui registros das variáveis
quimícas do solo e medidas resumo das variáveis
granulométricas. As variáveis foram determinadas em amostras do
mesmo ponto nos 50 locais mas feitas um período após a amostragem
que resultou na determinação das variáveis químicas em
teca_qui.
O experimento foi realizado no ano de 2015, em lavouras de Teca, pertencentes a duas fazendas, situadas na Região Oeste do Estado De mato Grosso. A seleção das áreas de estudo dentro das fazendas foi realizado por meio de caminhamento livre, percorrendo toda a área com teca de 1869 ha, realizando observações de campo e delimitando parcelas dentro dos talhões a partir das características dos solos, da posição na paisagem e do desenvolvimento da cultura. Foram alocadas 50 parcelas com 600 m\(^2\) (20 \(\times\) 30 m) cada. Como critério de seleção, foram selecionados talhões com área superior a sete hectares (7 ha), utilizando apenas as áreas com a mesma densidade de plantio, práticas de manejo com idades entre 13-14 anos.
Format
Um data.frame com 150 observações e 8 variáveis, em
que
locIndentifica o sítio, do total de 50, de onde a amostra foi extraída.
camFator que indica a profundidade (cm) da camada da qual foi extraída a amostra de solo. Todas as amostras de uma mesma localização são de camadas no mesmo ponto.
afinaAreia fina, g kg\(^{-1}\), particulas retidas entre as peneiras de 0.053 à 0.25 mm.
amediAreia média, g kg\(^{-1}\), particulas retidas entre as peneiras de 0.25 à 0.5 mm.
agrosAreia grossa, g kg\(^{-1}\), particulas retidas entre as peneiras de 0.5 à 2 mm.
areAreia total como a soma das frações fina, média e grossa, g kg\(^{-1}\).
Source
Everton Oliveira Soares (TCC em Engenharia Florestal: Quantificação das Frações Grosseiras do Solo e Produtividade da Teca na Região Sudoeste de Mato Grosso), Ana Flavia Silva Amorim (TCC em Engenharia Florestal), Juberto Babilonia de Sousa (colaborador), Milson Evaldo Serafim (orientador).
Examples
#> 'data.frame': 150 obs. of 6 variables: #> $ loc : int 1 1 1 2 2 2 3 3 3 4 ... #> $ cam : Factor w/ 3 levels "[0, 5)","[5, 40)",..: 1 2 3 1 2 3 1 2 3 1 ... #> $ afina: num 393 353 518 509 516 ... #> $ amedi: num 117.4 93.4 148.6 167.6 129.8 ... #> $ agros: num 148 153.1 66.2 72.3 66.3 ... #> $ are : num 658 589 733 749 712 ...library(lattice) # Matriz de pares de diagramas de dispersão. splom(teca_gran[, -c(1:2)], type = c("p", "r"))# Funde os dados quimícos com os granulométricos. teca_solo <- merge(teca_qui, teca_gran, by = c("loc", "cam")) str(teca_solo)#> 'data.frame': 150 obs. of 19 variables: #> $ loc : int 1 1 1 10 10 10 11 11 11 12 ... #> $ cam : Factor w/ 3 levels "[0, 5)","[5, 40)",..: 1 3 2 1 3 2 1 3 2 1 ... #> $ ph : num 6.8 6.7 6.7 5.8 5.5 5 7.3 6.4 6 7 ... #> $ p : num 22.51 0.01 0.83 4.97 0.1 ... #> $ k : num 72.24 7.23 13.42 34.06 7.23 ... #> $ ca : num 8.27 2.33 2.91 1.73 0.36 0.72 7.43 2.23 2.3 6.68 ... #> $ mg : num 1.7 0.51 1.77 0.69 0.12 0.37 2.32 1.02 0.75 2.25 ... #> $ al : num 0 0 0 0.1 1.4 0.6 0 0 0 0 ... #> $ ctc : num 12.47 4.52 6.57 4.73 4.54 ... #> $ sat : num 81.4 63.2 71.7 53 11 ... #> $ mo : num 72.2 9.7 25.6 24.3 8.8 6.9 39.2 8.4 14.2 41.4 ... #> $ arg : num 184 286 215 310 380 ... #> $ are.x: num 770 674 750 646 593 ... #> $ cas : num 1.8 3.7 2.2 0.8 1.4 1.6 97.2 88.9 98.8 34.2 ... #> $ acc : num 770 676 750 646 594 ... #> $ afina: num 393 518 353 491 431 ... #> $ amedi: num 117.4 148.6 93.4 133.3 97.2 ... #> $ agros: num 148 66.2 153.1 93.6 78.6 ... #> $ are.y: num 658 733 589 718 607 ...# Gráfico das variáveis que aparecem nas duas bases. splom(teca_solo[, grep("\\.[xy]$", names(teca_solo))])
