Autor: Revista Agraria Academica

Revista Agrária Acadêmica

agrariacad.com

doi: 10.32406/v9n1/2026/56-66/agrariacad

Padrões territoriais da diversificação produtiva municipal em Mato Grosso do Sul – evidências a partir de Random Forest Regression. Territorial patterns of municipal agricultural diversification in Mato Grosso do Sul – evidence from Random Forest Regression.

Rafael Rossi¹

^1- Docente e Pesquisador no Programa de Pós-Graduação em Recursos Naturais, Universidade Federal de Mato Grosso do Sul – UFMS , Campus Campo Grande/MS – Brasil. E-mail: r.rossi@ufms.br

Resumo

O presente artigo é instrumento por meio do qual investigamos os padrões territoriais da diversificação produtiva municipal em Mato Grosso do Sul a partir da análise de seis culturas alimentares tradicionais (banana, batata-doce, feijão, mandioca, melancia e milho) com dados da Pesquisa Agrícola Municipal (IBGE, 2024). A diversidade foi mensurada por meio do Índice de Shannon, enquanto os regimes produtivos dominantes foram identificados a partir da maior contribuição padronizada (z-score) entre as culturas. Aplicou-se análise de Contingência Bayesiana para avaliar a associação entre regime dominante e níveis de diversificação, além de Random Forest Regression (RFR) para modelar a estrutura multivariada da diversidade produtiva. No âmbito espacial, utilizou-se o modelo BYM2 para estimar o efeito espacial latente do Shannon e o Moran’s I Global para avaliar autocorrelação dos valores preditos. Conclui-se que a diversificação produtiva municipal se conforma em fenômeno estruturalmente organizado, cuja compreensão se beneficia da integração entre modelagem estatística multivariada e territorialização cartográfica.

Palavras-chave: Diversificação agrícola. Estatística Geográfica Inferencial. Ciências Agrárias.

Abstract

This article investigates the territorial patterns of municipal agricultural diversification in the state of Mato Grosso do Sul, Brazil, based on the analysis of six traditional food crops (banana, sweet potato, beans, cassava, watermelon, and maize) using data from the Municipal Agricultural Survey (IBGE, 2024). Diversification was measured through the Shannon Index, while dominant productive regimes were identified based on the highest standardized contribution (z-score) among the analyzed crops. Bayesian contingency analysis was applied to assess the association between dominant regime and levels of diversification, and Random Forest Regression (RFR) was employed to model the multivariate structure of productive diversity. From a spatial perspective, the BYM2 model was used to estimate the latent spatial effect of the Shannon Index, and Global Moran’s I was calculated to evaluate spatial autocorrelation of predicted values. It is concluded that municipal agricultural diversification constitutes a structurally organized phenomenon, whose understanding benefits from the integration of multivariate statistical modelling and cartographic territorialization.

Keywords: Agricultural diversification. Inferential Geographic Statistics. Agrarian Sciences.

Introdução

Um dos desafios contemporâneos à pesquisa no âmbito das Ciências Agrárias, e também, na Geografia, diz respeito à identificação e compreensão de diversos regimes produtivos alimentares em nível municipal. Nesse sentido, é importante reconhecermos que cada técnica quantitativa ou método teórico apresenta sempre as suas potencialidades, mas, igualmente, os seus limites.

A análise estatística, junto com o conhecimento científico geográfico, apresenta potencialidades para desvendar padrões, tendências, rupturas, agrupamentos ou fragmentações. Por isso mesmo, abordagens que se predisponham a traduzir tendências essenciais de dinâmicas agrárias, podem se beneficiar de análises como a Contingência Bayesiana e a Regressão Random Forest.

A abordagem Bayesiana tem sido cada vez mais utilizada em análises agrícolas e territoriais por permitir avaliar evidência probabilística de associação entre variáveis categóricas e estruturais (KRUSCHKE, 2015; MCELREATH, 2020). No que se refere à diversidade, aplicamos o índice de Shannon, comumente, utilizado para avaliar diversidade e estrutura produtiva por permitir capturar simultaneamente riqueza e equitabilidade dos componentes de um sistema (SHANNON, 1948; MAGURRAN, 2013).

A Contingência Bayesiana é um modelo probabilístico que avalia a associação entre duas variáveis categóricas estimando a força da evidência a favor da dependência ou independência entre elas, por meio do Fator de Bayes. Diferentemente do teste qui-quadrado clássico, ela não se limita a rejeitar ou não uma hipótese nula; ela quantifica o quanto os dados favorecem um modelo de associação em relação a um modelo de independência. Isso permite avaliar, por exemplo, se determinados regimes produtivos dominantes estão estruturalmente associados a níveis específicos de diversificação, sem reduzir a interpretação a um simples p-valor. Trata-se de uma leitura probabilística da organização territorial das categorias produtivas.

A análise de Contingência Bayesiana tem sido utilizada como alternativa probabilística aos testes clássicos de independência, permitindo avaliar a evidência de associação entre variáveis categóricas por meio de fatores de Bayes e probabilidades posteriores (KRUSCHKE, 2015; WAGENMAKERS et al., 2018).

Já a Regressão Random Forest é um método de aprendizado de máquina baseado na combinação de múltiplas árvores de decisão (ensemble learning), que estima uma variável contínua a partir de relações potencialmente não lineares e interativas entre preditores. Sua principal força é capturar estruturas complexas sem impor forma funcional prévia (como linearidade), além de fornecer métricas de importância das variáveis e valores preditos, município a município (BREIMAN, 2001; JAMES et al., 2013).

O objetivo, com o presente artigo, foi investigar os padrões territoriais de seis culturas alimentares tradicionais nos municípios de Mato Grosso do Sul: banana, batata-doce, feijão, melancia, mandioca e milho. Nesse aspecto, o estudo pode contribuir com trabalhos futuros para modelar a diversificação produtiva ou outros indicadores estruturais como resultado emergente de combinações produtivas, revelando hierarquias latentes e possibilitando posterior territorialização das predições.

Material e métodos

Os dados utilizados neste estudo foram obtidos na Pesquisa Agrícola Municipal (PAM) do Instituto Brasileiro de Geografia e Estatística (IBGE), disponíveis no Sistema IBGE de Recuperação Automática – SIDRA. A PAM fornece informações anuais sobre área plantada, área colhida, quantidade produzida e valor da produção agrícola para todos os municípios brasileiros. Para este trabalho, foram selecionadas as culturas alimentares de banana, batata-doce, feijão, mandioca, melancia e milho, referentes ao ano de 2024, considerando sua relevância estrutural na composição produtiva municipal e sua representatividade territorial no estado analisado (IBGE, 2024).

As variáveis de produção municipal foram transformadas por meio da função logarítmica natural na forma ln(x + 1), procedimento amplamente utilizado para reduzir assimetria, estabilizar variâncias e minimizar a influência de valores extremos em distribuições tipicamente não normais (OSBORNE, 2002). Posteriormente, as variáveis foram padronizadas via escore-z (z-score), permitindo comparabilidade entre culturas com diferentes magnitudes produtivas e evitando que variáveis de maior escala dominassem as análises multivariadas subsequentes (FIELD, 2013). Essa dupla transformação assegura maior robustez estatística na modelagem inferencial.

Para cada município, foi identificado o regime produtivo dominante, definido como a cultura com maior valor padronizado (z-score) entre as seis analisadas. Esse procedimento permite classificar os municípios segundo sua especialização relativa, preservando comparabilidade estatística entre variáveis previamente normalizadas. A estratégia está alinhada à literatura sobre especialização produtiva regional, que utiliza critérios de predominância relativa para identificar padrões estruturais territoriais (KRUGMAN, 1991). O regime dominante foi posteriormente utilizado como variável categórica em análises probabilísticas.

A diversidade produtiva municipal foi mensurada por meio do Índice de Shannon, originalmente desenvolvido na teoria da informação (SHANNON, 1948) e amplamente aplicado em estudos ecológicos e econômicos para mensurar diversidade estrutural. O índice foi calculado a partir da proporção relativa de cada cultura no conjunto produtivo municipal, permitindo capturar simultaneamente riqueza (número de culturas presentes) e equitabilidade (distribuição relativa entre elas). Em contexto produtivo, valores mais elevados de H’ indicam maior diversificação agrícola municipal.

Com o objetivo de investigar a associação probabilística entre regime produtivo dominante e níveis de diversificação agrícola (Shannon categorizado em quartis), foi aplicada uma análise de Contingência Bayesiana. Diferentemente da abordagem frequentista tradicional, a inferência Bayesiana permite quantificar evidência relativa entre modelos por meio do Fator de Bayes (Bayes Factor), fornecendo medida contínua de suporte à hipótese de dependência entre as variáveis categóricas (KASS; RAFTERY, 1995). O procedimento possibilita avaliar se determinados regimes produtivos apresentam maior probabilidade de associação com níveis específicos de diversificação municipal.

Para modelar a relação entre as culturas agrícolas e o índice contínuo de Shannon, foi aplicada uma Random Forest Regression (RFR), método de aprendizado de máquina baseado em agregação de múltiplas árvores de decisão construídas sobre amostras bootstrap e seleção aleatória de preditores (BREIMAN, 2001). A RFR permite capturar relações não lineares e interações complexas sem impor pressupostos paramétricos estritos, sendo particularmente adequada para estruturas produtivas potencialmente heterogêneas. O objetivo foi estimar a capacidade preditiva das culturas sobre o nível de diversificação municipal e identificar sua importância relativa na estrutura produtiva.

No âmbito da investigação dos padrões espaciais, foram produzidos dois mapas. O primeiro, utilizando a técnica BYM2 (Besag–York–Mollié reparametrizado), uma formulação Bayesiana hierárquica para dados areais que decompõe a variação espacial em dois componentes: um estruturado (dependente da vizinhança, geralmente modelado por um CAR – Conditional Autoregressive) e outro não estruturado (efeito aleatório i.i.d.). Na parametrização BYM2, esses dois componentes são combinados por meio de um parâmetro de mistura (φ) que controla a proporção da variância atribuída à estrutura espacial, permitindo interpretação mais estável e comparável entre modelos. Quando se mapeia o efeito espacial latente, o que se representa é a tendência territorial acima ou abaixo do padrão médio, isto é, uma estrutura espacial não observável diretamente nos dados brutos, mas inferida pelo modelo como padrão residual persistente no território (RIEBLER et al., 2016; SIMPSON et al., 2017).

O segundo mapa elaborado diz respeito ao valor predito da diversificação (Shannon) estimado pela RFR. A cartografia, nesse contexto, não constitui etapa exploratória isolada, mas sim instrumento de interpretação espacial das estruturas produtivas estimadas, permitindo visualizar padrões territoriais derivados da modelagem preditiva.

Resultados e discussão

A partir da identificação do regime produtivo dominante em cada município e, também, da divisão em quartis do Índice Shannon, elaboramos uma tabela de Contingência Bayesiana. Os resultados estão apresentados na tabela 1.

Tabela 1 – Contingência Bayesiana

A tabela 1 evidencia uma distribuição assimétrica do regime produtivo dominante ao longo dos quartis de diversificação (Q_Shannon), sendo que os quartis 1 e 2 representam os níveis mais altos de diversidade, enquanto 3 e 4 indicam menor diversidade. Observa-se que, nos quartis superiores (1 e 2), há presença expressiva de municípios dominados por mandioca (55% no Q1 e 31,58% no Q2), enquanto o milho, embora ainda relevante (35% no Q1 e 63,16% no Q2), não é hegemônico nos níveis mais altos de diversidade.

Destaca-se que as culturas de batata-doce e feijão não aparecem como regimes produtivos dominantes na tabela 1, pois, embora estejam presentes na base de dados, não constituíram a principal cultura em nenhum dos municípios analisados segundo o critério de dominância adotado. Como a tabela apresenta apenas os regimes produtivos dominantes, essas culturas não foram incluídas na estrutura de contingência. Essa ausência não indica inexistência produtiva, mas apenas que essas culturas não representaram a maior participação relativa dentro da estrutura produtiva municipal.

Isso sugere que, nos territórios mais diversificados, a estrutura produtiva tende a ser relativamente mais equilibrada ou associada a gêneros alimentares como a mandioca, que historicamente se integra a sistemas agrícolas mais heterogêneos e policulturais.

Em contraste, nos quartis inferiores (3 e 4), que representam menor diversificação, a dominância do milho torna-se praticamente absoluta (80% no Q3 e 95% no Q4), enquanto a mandioca perde participação relativa (20% no Q3 e apenas 5% no Q4). Esse padrão indica uma associação territorial consistente entre especialização em milho e redução da diversidade produtiva municipal.

Os dados sugerem que a especialização cerealista se vincula a estruturas produtivas mais concentradas, ao passo que regimes baseados em mandioca aparecem mais frequentemente nos estratos superiores de diversidade. Trata-se, portanto, de uma evidência empírica coerente com a hipótese central desse artigo: os regimes produtivos dominantes organizam diferencialmente os níveis territoriais de diversificação. A figura 1 apresenta o mapa BYM2 do Índice Shannon.

Figura 1 – Mapa BYM2 do Índice Shannon.

O mapa da figura 1 apresenta o efeito espacial latente do Índice de Shannon estimado pelo modelo BYM2, ou seja, uma estrutura territorial inferida a partir da dependência espacial entre municípios, separando a variação estruturada (associada à vizinhança) da variação não estruturada. As áreas em azul indicam tendência territorial acima do padrão médio, enquanto as áreas em vermelho revelam tendência territorial abaixo do padrão médio estadual, não como reflexo direto dos valores observados, mas como padrão residual persistente captado pelo modelo.

Essa abordagem dialoga com a tradição da análise espacial que compreende que processos socioeconômicos e produtivos tendem a apresentar interdependência espacial sistemática, exigindo modelagem explícita dessa estrutura (ANSELIN, 1988; BESAG; YORK; MOLLIE, 1991). No contexto da produção do conhecimento, essa leitura permite compreender a diversificação produtiva como fenômeno territorialmente organizado, e não apenas como atributo isolado de cada unidade administrativa.

O uso do BYM2 reforça a incorporação de métodos quantitativos espacialmente estruturados na análise das transformações agrárias, ampliando a capacidade de identificar regimes produtivos regionalizados, continuidades espaciais e zonas de transição agrária. Ao evidenciar padrões latentes persistentes, o modelo contribui para a compreensão das dinâmicas de especialização e diversificação agrícola sob uma perspectiva relacional do espaço, na qual as configurações territoriais resultam de processos históricos e econômicos interdependentes (GOODCHILD, 2004; WARD; BROWN, 2009).

Pode-se observar tendências territoriais acima do padrão médio (em tons de azul) concentradas sobretudo na porção leste e sudeste do estado, enquanto padrões abaixo do padrão médio (em tons de vermelho) se destacam com maior intensidade na região central e em parte do norte, formando blocos espaciais relativamente contínuos; o valor médio de φ = 0,69 indica que cerca de 69% da variância do efeito latente é explicada pela componente espacial estruturada, evidenciando forte predominância da dependência territorial na organização da diversificação produtiva. Assim, o mapa não implica causalidade, mas oferece uma representação inferencial da organização espacial da diversificação produtiva, potencialmente útil para análises comparativas e planejamento territorial.

Nesse sentido, no prosseguimento de nossas análises, elaboramos uma Random Forest Regression (RFR) estimada com 300 árvores e divisão treino-teste (64 observações para treino e 15 para teste), apresentando estabilidade interna conforme indicado pelo erro out-of-bag. As métricas de desempenho, apresentadas na tabela 2. Inserimos o Índice Shannon como variável resposta e as culturas analisadas enquanto variáveis dependentes.

Tabela 2 – Métricas de performance

De acordo com os dados da tabela 2, percebemos que a RFR indicou capacidade explicativa moderada (R² = 0,539), com erro quadrático médio (MSE = 0,083) e RMSE = 0,288. Esses valores sugerem que mais da metade da variação do Índice de Shannon é explicada pela composição produtiva municipal, evidenciando que a diversificação agrícola não ocorre de maneira aleatória, mas apresenta estrutura estatisticamente captável. Conforme Breiman (2001), a agregação de múltiplas árvores reduz variância e melhora a robustez preditiva, permitindo modelar relações não lineares típicas de sistemas produtivos territoriais. A tabela 3 explicita as métricas de importância da RFR de cada variável utilizada.

Tabela 3 – Métricas de importância das variáveis

A tabela 3 apresenta as métricas de importância das variáveis, evidenciando o milho como principal preditor da diversificação produtiva, seguido pela mandioca. O milho apresenta os maiores valores tanto na redução média de acurácia quanto no aumento total da pureza dos nós, indicando que sua remoção implicaria maior perda de desempenho do modelo. Esse resultado é relevante, pois indica que determinadas culturas estruturantes ocupam posição central na organização produtiva municipal. Atividades com maior peso econômico podem funcionar como eixos estruturadores do território, articulando diferentes escalas de produção e condicionando arranjos produtivos locais (SANTOS, 1996).

A mandioca, por sua vez, embora com menor magnitude preditiva que o milho, também exerce influência relevante, enquanto culturas como batata-doce e feijão apresentam contribuição marginal na explicação da variabilidade do Índice de Shannon. Esse padrão indica que a diversificação produtiva não depende apenas da presença numérica de culturas, mas da posição estrutural que determinadas atividades ocupam no sistema produtivo.

Conforme argumenta Krugman (1991), efeitos de escala e organização espacial podem gerar complexificação econômica mesmo em contextos de aparente especialização. Assim, a importância relativa das culturas revela uma dinâmica territorial na qual especialização e diversidade não são categorias necessariamente opostas. A figura 2 apresenta o gráfico da correlação preditiva entre os ranks preditos verificados com a RFR e os ranks do próprio Índice Shannon.

Figura 2 – Gráfico de correlação Bayesiana.

A correlação Bayesiana é uma medida da associação entre duas variáveis estimada a partir da distribuição posterior do coeficiente de correlação, permitindo quantificar a magnitude do efeito e, também, a evidência probabilística a favor ou contra a existência de associação. A correlação Bayesiana entre o Índice de Shannon observado e os valores estimados pela Random Forest Regression (RFR) apresentou Kendall’s τ = 0,732, com BF₁₀ = 3,887 × 10¹⁸, indicando associação monotônica forte e evidência decisiva a favor da hipótese de correlação. Isso pode ser visualizado na figura 2, pois os pontos estão fortemente alinhados à linha reta indicam elevada concordância entre os rankings do Shannon observado e do predito pela RFR, sugerindo forte associação monotônica e consistência preditiva do modelo.

Importante esclarecer que os ranks da figura 2 são ordenação dos municípios do menor para o maior valor das variáveis (Shannon observado e Shannon predito pela RFR). Esse resultado nos demonstra que a ordenação municipal produzida pelo modelo preditivo reproduz de forma consistente a hierarquia observada de diversificação produtiva. O Fator de Bayes extremamente elevado reforça que a relação não é produto de flutuação amostral, mas reflete estrutura sistemática capturada pela modelagem. Assim, a RFR demonstra não apenas capacidade explicativa (R² já explicitado anteriormente), mas também coerência ordinal robusta entre valores previstos e observados, justificando sua utilização como instrumento válido para inferência preditiva e posterior territorialização dos resultados, como apresentado na figura 3.

Figura 3 – Mapa da diversificação produtiva.

Com o objetivo de verificar a autocorrelação espacial sobre os valores preditos pela RFR, realizamos um Moran´s I Global. Obtivemos um valor de I = 0,057, indicando uma autocorrelação espacial positiva muito fraca, sugerindo que os valores preditos pela Random Forest Regression (RFR) apresentam apenas um leve padrão de similaridade entre municípios vizinhos definidos pela matriz Queen de ordem 2. O pseudo p-valor obtido por 999 permutações (p = 0,076) não atinge o nível convencional de significância estatística de 5%, o que implica que não há evidência robusta para rejeitar a hipótese nula de aleatoriedade espacial.

Esse resultado significa que a distribuição territorial dos valores preditos pelo modelo RFR não apresenta dependência espacial estatisticamente confirmada, estando mais próxima de um arranjo espacial aleatório do que de um cluster estruturado. O uso do procedimento de permutação reforça essa interpretação, pois o pseudo p-valor deriva da comparação entre o índice observado e a distribuição empírica gerada por rearranjos aleatórios dos dados no espaço, conforme proposto por Anselin (1995). Assim, embora haja um leve sinal de associação espacial positiva, ele é fraco e marginalmente significativo, recomendando cautela na interpretação de padrões espaciais globais.

O mapa da figura 3, por sua vez, explicita a diversificação produtiva estimada pela RFR evidenciando a distribuição territorial dos níveis previstos de Shannon em três classes, revelando contrastes espaciais significativos entre municípios de baixa, média e alta diversificação. Observamos a presença de extensas áreas com níveis mais baixos de diversificação, intercaladas por corredores e núcleos de maior intensidade estimada, sugerindo que a diversidade produtiva não se distribui de forma homogênea no território estadual.

Diferentemente do mapa BYM2 que explicitou a estrutura espacial latente do Índice Shannon, o mapa da figura 3 traduz uma estrutura inferida pelo modelo estatístico RFR, isto é, a intensidade estimada da diversificação a partir da combinação das culturas analisadas. A territorialização do valor predito permite visualizar como a estrutura produtiva, capturada estatisticamente, se materializa espacialmente, reforçando a importância da integração entre modelagem quantitativa e interpretação geográfica. Nesse sentido, o mapa não representa apenas dados observados, mas a espacialização de uma regularidade estrutural inferida, aproximando estatística preditiva e análise territorial em perspectiva complementar.

Percebemos que a classe de menor diversificação (vermelho) concentra-se predominantemente na porção oeste e centro-oeste do estado, enquanto a classe de maior diversificação (azul) apresenta maior presença no sul e em áreas do leste, com a classe intermediária distribuindo-se de forma mais fragmentada na faixa central e nordeste.

A análise conjunta dos resultados (contingência Bayesiana, BYM2, Random Forest Regression, correlação ordinal robusta e territorialização cartográfica) indica que a diversificação produtiva municipal em Mato Grosso do Sul não se configura como fenômeno aleatório, mas como expressão de uma estrutura produtiva organizada. A associação decisiva entre regimes dominantes e níveis de Shannon, aliada à capacidade explicativa moderada da RFR (R² = 0,539) e à forte correlação entre valores observados e previstos (τ = 0,732), revela coerência sistêmica entre especialização relativa e diversidade estrutural.

Esse padrão dialoga com a literatura que interpreta os territórios como sistemas complexos, nos quais especialização e diversificação podem coexistir de forma complementar, dependendo da escala, da inserção em mercados e da organização produtiva regional (ILBERY, 1998; MARSDEN, 1998). Assim, a evidência estatística e espacial sugere que culturas estruturantes, como o milho, não necessariamente restringem a diversidade, podendo integrar arranjos produtivos multifuncionais.

Além disso, a integração entre modelagem estatística e leitura espacial reforça abordagens contemporâneas que defendem o uso de métodos quantitativos para revelar regularidades estruturais na organização agrária (WOODS, 2011). A Random Forest, ao captar relações não lineares e hierarquias de importância entre culturas, evidencia que a diversificação emerge da posição estrutural que determinadas atividades ocupam no sistema produtivo, e não apenas da simples contagem de culturas. A territorialização dos valores preditos amplia essa leitura ao demonstrar que padrões estatísticos globais possuem expressão espacial concreta.

Nesse sentido, os resultados contribuem para a pesquisa agrária ao demonstrar empiricamente que a análise integrada entre inferência estatística e cartografia permite compreender como estruturas produtivas se organizam, se distribuem e se articulam territorialmente, oferecendo base analítica mais robusta para interpretação dos regimes agrícolas contemporâneos.

Considerações finais

Os resultados demonstram que a diversificação produtiva municipal em Mato Grosso do Sul não se distribui de maneira aleatória, mas expressa uma organização estrutural associada aos regimes produtivos dominantes. A evidência probabilística fornecida pela Contingência Bayesiana reforça que determinados regimes, — especialmente a dominância do milho, se associam, de modo sistêmico, a níveis inferiores de diversificação, enquanto a mandioca aparece com maior frequência nos estratos superiores de diversidade. Essa configuração sugere que especialização e diversidade não constituem categorias mutuamente excludentes, mas podem organizar-se de forma diferenciada no território.

Do ponto de vista metodológico, a integração entre Random Forest Regression, análise Bayesiana e modelagem espacial (BYM2) evidencia o potencial da Estatística Geográfica Inferencial para revelar estruturas produtivas latentes e hierarquias territoriais. O efeito espacial latente identificado (φ = 0,69) indica predominância da dependência territorial na organização da diversidade, enquanto a fraca autocorrelação dos valores preditos sugere que a estrutura multivariada captada pela RFR não se traduz automaticamente em clusterização espacial global. Assim, o artigo contribui ao demonstrar que a articulação entre inferência estatística robusta e leitura espacial permite compreender com maior precisão a dinâmica dos regimes agrícolas contemporâneos, ampliando o repertório analítico sem recorrer a pressupostos causalistas indevidos.

Referências bibliográficas

ANSELIN, L. Local Indicators of Spatial Association – LISA. Geographical Analysis, v. 27, n. 2, p. 93-115, 1995. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x

ANSELIN, L. Spatial econometrics: Methods and Models. Dordrecht: Springer, 1988, 284p. https://doi.org/10.1007/978-94-015-7799-1

BESAG, J.; YORK, J.; MOLLIE, A. Bayesian image restoration, with two applications in spatial statistics. Annals of the Institute of Statistical Mathematics, v. 43, p. 1-20, 1991. https://doi.org/10.1007/BF00116466

BREIMAN, L. Random Forests. Machine Learning, v. 45, p. 5-32, 2001. https://doi.org/10.1023/A:1010933404324

FIELD, A. Discovering statistics using IBM SPSS statistics. London: Sage Publications, 2013, 952p. https://books.google.com.br/books/about/Discovering_Statistics_Using_IBM_SPSS_St.html

GOODCHILD, M. F. GIScience, Geography, Form, and Process. Annals of the Association of American Geographers, v. 94, n. 4, p. 709-714, 2004. https://doi.org/10.1111/j.1467-8306.2004.00424.x

IBGE. Instituto Brasileiro de Geografia e Estatística. Pesquisa Agrícola Municipal – PAM 2024. Rio de Janeiro: IBGE, 2024. https://sidra.ibge.gov.br/pesquisa/pam/tabelas

ILBERY, B. The Geography of Rural Change. London: Longman, 1998, 267p. https://books.google.com.br/books/about/The_Geography_of_Rural_Change.html

JAMES, G.; WITTEN, D.; HASTIE, T.; TIBSHIRANI, R. An Introduction to Statistical Learning: with Applications in R. 1^st edition. New York: Springer, 2013, 426p. https://doi.org/10.1007/978-1-4614-7138-7

KASS, R. E.; RAFTERY, A. E. Bayes factors. Journal of the American Statistical Association, v. 90, n. 430, p. 773-795, 1995. https://doi.org/10.1080/01621459.1995.10476572

KRUGMAN, P. Geography and Trade. Cambridge: The MIT Press, 1992, 156p. https://mitpress.mit.edu/9780262610865/geography-and-trade/

KRUSCHKE, J. Doing Bayesian Data Analysis. Academic Press, 2015. https://www.sciencedirect.com/book/monograph/9780124058880/doing-bayesian-data-analysis

MAGURRAN, A. E. Measuring Biological Diversity. Wiley, 2013, 272p. https://books.google.com.br/books/about/Measuring_Biological_Diversity.html

MARSDEN, T. New rural territories: regulating the differentiated rural spaces. Journal of Rural Studies, v. 14, n. 1, p. 107-117, 1998. https://doi.org/10.1016/S0743-0167(97)00041-7

MCELREATH, R. Statistical Rethinking. A Bayesian Course with Examples in R and STAN. 2^nd edition. New York: CRC Press, 2020, 612p. https://doi.org/10.1201/9780429029608

OSBORNE, J. Notes on the use of data transformations. Practical Assessment, Research & Evaluation, v. 8, n. 1, p. 1-7, 2002. https://doi.org/10.7275/4vng-5608

RIEBLER, A.; SORBYE, S. H.; RUE, H.; SIMPSON, D. An intuitive Bayesian spatial model for disease mapping that accounts for scaling. Statistical Methods in Medical Research, v. 25, n. 4, p. 1145-1165, 2016. https://doi.org/10.1177/0962280216660421

SANTOS, M. A Natureza do Espaço: Técnica e Tempo, Razão e Emoção. 4ª edição. São Paulo: EDUSP, 1996, 392p. https://books.google.com.br/books/about/A_Natureza_do_Espaco.html

SHANNON, C. E. A mathematical theory of communication. Bell System Technical Journal, v. 27, n. 3, p. 379-423, 1948. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x

SIMPSON, D.; RUE, H.; RIEBLER, A.; MARTINS, T. G.; SORBYE, S. H. Penalising model component complexity: a principled, practical approach to constructing priors. Statistical Science, v. 32, n. 1, p. 1-28, 2017. https://doi.org/10.1214/16-STS576

WAGENMAKERS, E.-J.; MARSMAN, M.; JAMIL, T.; LY, A.; VERHAGEN, J.; LOVE, J.; SELKER, R.; GRONAU, Q. F.; ŠMÍRA, M.; EPSKAMP, S.; MATZKE, D.; ROUDER, J. N.; MOREY, R. D. Bayesian inference for psychology. Part I: theoretical advantages and practical ramifications. Psychonomic Bulletin & Review, v. 25, p. 35-37, 2018. https://doi.org/10.3758/s13423-017-1343-3

WARD, N.; BROWN, D. L. Placing the rural in regional development. Regional Studies, v. 43, n. 10, p. 1237-1244, 2009. https://doi.org/10.1080/00343400903234696

WOODS, M. Rural. 1^st edition. London: Routledge, 2011, 352p. https://www.routledge.com/Rural/Woods/p/book/9780415442404

Recebido em 25 de fevereiro de 2026

Retornado para ajustes em 11 de março de 2026

Recebido com ajustes em 11 de fevereiro de 2026

Aceito em 12 de março de 2026

Revista Agrária Acadêmica

agrariacad.com

doi: 10.32406/v9n1/2026/43-54/agrariacad

Eficiência agronômica do pó de rocha nefelina sienito, avaliada em Latossolo Amarelo cultivado com milheto. Agronomic efficiency of nepheline syenite rock powder, evaluated in a Yellow Latosol cultivated with millet.

João Paulo Santos Medeiros¹, Ellen Francine Barbosa Neves¹, Alayane Marçal Reis¹, Denilson Silva Sousa², Kamila Araujo de Sousa Nascimento², Dilaine Suellen Caires Neves^3*, Vanêssa Brito Fernandes Neves⁴, Orlando Silvio Caires Neves⁵

^1- Discente do Curso de Biologia, IMS, UFBA , Vitória da Conquista, Bahia, Brasil.

^2- Discente do Curso de Biotecnologia, IMS, UFBA , Vitória da Conquista, Bahia, Brasil.

^3- Servidora Técnica de Laboratório, Instituto Multidisciplinar em Saúde – IMS, Universidade Federal da Bahia – UFBA . Rua Hormindo Barros, 58, Quadra 17, Lote 58, Bairro Candeias, CEP: 45.029-094, Vitória da Conquista, Bahia, Brasil. ^*E-mail: dilainecaires12@gmail.com

^4- Docente da Universidade Estadual do Sudoeste da Bahia – UESB . Estrada do Bem Querer s/n, Vitória da Conquista, Bahia, Brasil.

^5- Docente do Instituto Multidisciplinar em Saúde – IMS, Universidade Federal da Bahia – UFBA , Vitória da Conquista, Bahia, Brasil.

Resumo

Para melhorar a qualidade do solo em atividades agrícolas, o Brasil recorre a alternativas como a aplicação de fontes solúveis de nutrientes, tornando muitas vezes o país dependente do mercado externo. Nesse cenário o pó de rocha nefelina sienito se mostra como uma opção promissora como remineralizador de solos, cumprindo as normas exigidas para tal. O objetivo do presente trabalho foi avaliar a eficiência agronômica do pó da rocha nefelina sienito como remineralizador de solos. Os tratamentos foram compostos por doses de nefelina (200, 400, 600, 800 e 1.000 mg de K dm^-3) do pó de rocha (baseadas no fornecimento de potássio), uma testemunha absoluta (sem adição de fontes de potássio) e uma testemunha positiva (sem pó de rocha e com adubação na forma de KCl). A solubilização lenta e o efeito residual no solo do pó de rocha nefelina sienito, sobretudo em relação ao potássio, o tornam alternativa viável para ser utilizado como fonte alternativa de fertilizante agrícola.

Palavras-chave: Pennisetum glaucum (L.). Nutrição de plantas. Remineralizador de solo.

Abstract

To improve agricultural soil quality, Brazil resorts to alternatives such as the application of soluble nutrient sources, often making the country dependent on the foreign market. Nepheline syenite rock powder appears to be a promising option as a soil remineralizer. The objective of the present study was to evaluate the agronomic efficiency of nepheline syenite rock powder as a soil remineralizer. The treatments consisted of nepheline doses (200, 400, 600, 800, and 1,000 mg of K dm⁻³) of rock powder (based on potassium supply), an absolute control (without the addition of potassium sources), and a positive control (without rock powder and with fertilization in the form of KCl). The slow solubilization and residual effect in the soil of nepheline syenite rock powder, especially with regard to potassium, make it a viable alternative for use as an alternative source of agricultural fertilizer.

Keywords: Pennisetum glaucum (L.). Plant nutrition. Soil remineralizer.

Introdução

Por conta da sua extensão territorial e clima adequado para diversas culturas agrícolas, o Brasil vem se destacando mundialmente nesse cenário, porém, embora as atividades agrícolas sejam produtivas e rentáveis, o país possui solos intemperizados e ácidos, consequentemente, com baixa disponibilidade de nutrientes (ALMEIDA et al., 2022; RABEL et al., 2018).

Por esse motivo, diversas alternativas são adotadas para aprimorar a qualidade dos solos nas atividades agrícolas do país, como a utilização massiva de fontes solúveis de nutrientes que muitas vezes faz do Brasil dependente da extração e produção externa desses recursos (ALMEIDA et al., 2022; MANNING; THEODORO, 2020). Devido ao seu grande potencial geológico e diversidade, além de investimentos significativos e contínuos em infraestrutura e tecnologia, o Brasil tem ocupado posição de destaque no cenário mundial da mineração, gerando preocupação acerca do esgotamento desses recursos num âmbito mundial (MANNING, 2015). Dessa forma, a busca por caminhos alternativos de prover esses nutrientes ao solo é incentivada, sendo uma dessas formas, a utilização de pós de rochas como remineralizadores de solos (ZHANG et al., 2018), que vem sendo estudados como alternativa para promover a qualidade dos solos, e como meio de reaproveitamento dos resíduos da mineração de recursos geológicos naturais (CHRISTMANN, 2018).

Os remineralizadores (RMs) são formados a partir de rochas trituradas, que são aplicadas no solo visando uma melhoria da sua qualidade, e consequentemente a melhoria da qualidade das culturas vegetais, tais como aumento da produtividade de biomassa, expansão foliar, e melhoria no peso seco vegetal (ALMEIDA et al., 2022; PEREIRA et al., 2021; RABEL et al., 2018). No entanto, ainda é necessário que os efeitos dos pós de rochas sejam estudados, visando um melhor entendimento das funções e qualidades de cada tipo de rocha utilizada, assim como seu papel na agricultura (SILVA et al., 2017; ALMEIDA et al., 2022). A Instrução Normativa (IN) nº 53/2013 do Ministério da Agricultura, Pecuária e Abastecimento (MAPA), traz a definição, normatização e regras para comercialização dos remineralizadores (D´OLIVEIRA et al., 2023). A IN nº 53/2013 (MAPA, 2013) determina que o remineralizador de solos tenha as seguintes garantias mínimas, definidas em cinco critérios: soma de bases totais (CaO + MgO + K₂O) no mínimo 9%; teor mínimo de K₂O total de 1%; conteúdo máximo de 25% de quartzo (sílica livre); concentrações máximas de elementos potencialmente tóxicos (arsênio: 15 ppm; cádmio: 10 ppm; mercúrio: 0,1 ppm; chumbo: 200 ppm).

Neste cenário, o pó da rocha nefelina sienito se mostra como um potencial remineralizador de solos, por ser uma rocha ígnea rica em feldspatos sódicos, praticamente livre de quartzo, com a presença de minerais ferromagnesianos, tais como: piroxênio sódico, anfibólio alcalino e biotita. A rocha apresenta composição química aceitável para uso como remineralizador, no que diz respeito às especificações de soma dos álcalis (K₂O, CaO e MgO) que é de 9,2%, ausência de quartzo (sílica livre) e concentrações de elementos deletérios abaixo dos valores críticos, conforme IN 5/2016 (FRANÇA et al., 2019). Além disso, testes do pó da rocha nefelina sienito, em culturas de soja, demonstram que o mesmo possui efeitos semelhantes ao KCl, e que, mesmo com baixa solubilidade é eficiente na disponibilidade de K⁺ para as plantas (FREIRE et al., 2023). No entanto, novas pesquisas com diferentes abordagens devem ser realizadas.

Dessa forma, o objetivo do presente trabalho foi avaliar a eficiência agronômica do pó da rocha nefelina sienito como remineralizador de solos, em culturas de milheto plantada em Latossolo Amarelo.

Material e métodos

O experimento foi conduzido em casa de vegetação localizada no Instituto Multidisciplinar em Saúde, Campus Anísio Teixeira, da Universidade Federal da Bahia (IMS-CAT-UFBA), localizada na cidade de Vitória da Conquista – BA, onde as plantas (todos os tratamentos) foram cultivadas em vasos com a capacidade para sete litros, que foram preenchidos com Latossolo Amarelo coletados na região sudoeste da Bahia, cujos resultados das análises físicas e químicas estão apresentadas na Tabela 1.

Tabela 1 – Resultados das análises física e química do Latossolo Amarelo (LA) antes da incubação. Laboratório Campo Análises.

Os solos foram coletados em ambiente de mata um uma camada de 0 a 20 cm, desprezando a serrapilheira. Após coletados, os solos foram secos ao ar, peneirados em malha de 4 mm e homogeneizados.

O pó de rocha estudado foi de nefelina sienito (pó – 100% passante em peneira de 2,0 mm), advinda do resíduo do beneficiamento para a indústria, em estoque numa pilha, na região de Itarantim-BA. A análise granulométrica, apresentada na Tabela 2, foi realizada pelo laboratório LABORGEO, utilizando-se a metodologia NBR NM 248 (ABNT, 2003).

Foram realizadas análises mineralógicas/petrográficas do pó de rocha, além da caracterização química (teores totais de óxidos maiores e de elementos potencialmente tóxicos do produto objeto do estudo). As análises foram realizadas em laboratórios de instituições credenciadas por órgãos oficiais. Em relação aos elementos potencialmente tóxicos presentes no remineralizador, segundo especificações e garantias contidas na IN nº 53/2013 (MAPA, 2013), para registro os teores devem ser, no máximo: Arsênio (As): 15 ppm; Cádmio (Cd): 10 ppm; Mercúrio (Hg): 0,1 ppm; e Chumbo (Pb): 200 ppm.

Os resultados obtidos para o pó de rocha nefelina sienito, em laudo emitido pelo IBRA (Instituto Brasileiro de Análises) estão apresentados na Tabela 3.

Tabela 2 – Distribuição granulométrica da amostra do pó de rocha nefelina sienito, obtida pela metodologia NBR NM 248. Laboratório Laborgeo.

Tabela 3 – Teores dos óxidos detectados no pó de rocha nefelina sienito. Laboratório Laborgeo.

Foi utilizado o delineamento inteiramente casualizado, com cinco doses do remineralizador, mais uma testemunha absoluta (sem adição do pó de rocha e sem adubação potássica) e uma testemunha positiva (sem pó de rocha e com adubação potássica na forma de KCl), com quatro repetições (Tabela 4). Tal metodologia é recomendada pela Embrapa para experimentos que visem avaliar a eficiência agronômica de remineralizadores de solo.

As doses do pó de rocha foram calculadas com base no teor de K₂O presente na rocha (7,57%), sendo a menor dose equivalente à dose do tratamento testemunha positiva (200 mg dm^-3 de K), conforme a recomendação para cultivos experimentais em vasos (RESENDE et al., 2012). Utilizou-se como fonte solúvel de potássio o KCl.

A correção do solo visou elevar a saturação por bases para 80%, conforme recomendação de Sousa e Lobato (2004), para experimentos discriminatórios e utilizou- se carbonato de cálcio e carbonato de magnésio na relação Ca: Mg 3:1. Além do calcário, a incubação foi conduzida com as respectivas doses do pó de rocha definidas para o experimento. Para a testemunha positiva utilizou-se o KCl como fonte de potássio na dose basal de 200 mg dm^-3.

Tabela 4 – Descrição dos tratamentos aplicados.

^* Corretivo: Calcário.

^** Outros: Nitrogênio (N); Fósforo (P), Enxofre (S); Micronutrientes (B, Zn, Mn, Co, Cu e Mo).

Após o período de incubação e antes da implantação das culturas, as doses dos nutrientes fornecidos na adubação básica foram aplicadas segundo recomendações de Novais et al. (1991) e Resende et al. (2012), sendo de 100; 250; 30; 0,5; 2,0; 3,0; 4,0 e 0,25 mg dm^-3 de N, P, S, B, Cu, Mn, Zn e Mo, respectivamente.

Após o período de incubação, foi realizado o plantio do milheto a partir de semeadura, a reposição da água nos vasos foi diária, visando a manutenção da umidade em 70% do volume total de poros. Para irrigação, os vasos foram pesados diariamente e complementados com água deionizada. A colheita do milheto ocorreu 60 dias após o plantio. Após a colheita, as plantas foram avaliadas quanto à altura e diâmetro do caule/colmo, matéria fresca da parte aérea e raiz, matéria seca de parte aérea, raiz e total.

Tanto a parte aérea quanto as raízes foram lavadas em solução de HCl a 3%, seguida de lavagem em água corrente e água destilada. Após a lavagem, foram secas em estufa de circulação forçada a 60 ºC, até atingirem peso constante para determinação da matéria vegetal seca. O material seco foi acondicionado em embalagem adequada e remetido para análise química do tecido vegetal em laboratório certificado (Campo Análises). Foram determinados os teores dos macros e microelementos nutrientes de plantas e com base nestes e na matéria seca, foram calculados os acúmulos dos elementos nas plantas objeto do estudo.

Para a eficiência agronômica relativa utilizou-se o parâmetro matéria seca total e para a absorção relativa de K, o acúmulo de potássio na planta. Para ambos os casos, o tratamento com a utilização da fonte solúvel de potássio (KCl) foi considerado como 100%.

Os dados obtidos foram submetidos à análise de normalidade e de variância e, quando significativos ao nível de 5% de probabilidade de erro, analisados pelo teste Tukey (p<0,05) quando se incluía a testemunha positiva e por regressão quando se excluía a testemunha positiva para se avaliar apenas o efeito das doses do remineralizador. As análises foram realizadas com o auxílio do Programa Estatístico SISVAR (FERREIRA, 2019).

Resultados e discussão

O pó de rocha utilizado continha 7,57% de K₂O, que após os estudos preliminares de incubação em solo mostrou considerável solubilidade, passando para a solução do solo e consequentemente sendo absorvido pelas plantas. Adicionalmente, constata-se que tem liberação lenta e contribui para efeito residual no solo, como pode ser verificado na Tabela 5.

Tabela 5 – pH e teores de P, K, S, Ca e Mg no Latossolo Amarelo após incubação com calcário e pó de rocha.

Os níveis de potássio no Latossolo Amarelo após a incubação com calcário e cloreto de potássio (T2) atingiram 261 mg dm^-3 de K, e após o cultivo do milheto, reduziu para 25,6 mg dm^-3 de K, representando um resíduo de apenas 9,8%. Como a fonte utilizada é de alta solubilidade, e os vasos não tinham dreno, infere-se que todo potássio adicionado tenha sido solubilizado nos 30 dias de incubação.

Os maiores teores de potássio encontrados no solo após o cultivo do milheto foram nos tratamentos que se utilizou o pó de rocha nas dosagens de 800 e 1000 mg dm^-3 de K (Tabela 6) e após o cultivo. Esse resultado está de acordo com Aquino (2020), que observou um aumento linear da disponibilidade com o aumento doses e de potássio nos tratamentos com rochas ricas em nefelina sienito. Nestes tratamentos, os teores iniciais de potássio no solo após a incubação foram de 151 e 155 mg dm^-3 de K, respectivamente, e após o cultivo esses níveis baixaram para 79,5 e 98,4 mg dm^-3 de K no solo. Ou seja, reduções após a extração das plantas de 53 e 63%, respectivamente. Como os T2, T6 e T7 não diferiram significativamente para a produção de matéria seca total do milheto, estima-se que o pó de rocha continuou se solubilizando e liberando o potássio durante o período do cultivo e que ao final ainda apresentou níveis mais elevados deste elemento.

Tabela 6 – pH e teores de P, K, S, Ca e Mg no Latossolo Amarelo após o cultivo do milheto.

A principal função do potássio na bioquímica é seu efeito na ativação de vários sistemas enzimáticos (CARVALHO et al., 1999). A ação do potássio é pouco conhecida, porém, sabe-se que na folha aumenta a atividade assimiladora e a síntese de carbono, e na sua falta à fotossíntese diminui e a respiração aumenta, além de ser um elemento móvel que se distribui por toda planta, é catalisador da passagem de aminoácidos a proteínas e diminui a suscetibilidade da planta às doenças.

O pH do solo após o final do período de 60 dias de cultivo foi de 4,82, não apresentando diferença significativa para os demais tratamentos, exceto na maior dose do pó de rocha aplicada ao solo (T7), que atingiu 5,43, muito próximo do pH medido quando se iniciou o plantio, que era de 5,51, demonstrando um certo “poder tampão” do pó de rocha nefelina sienito.

Outro ponto importante a ser observado foi a elevação nos teores de fósforo do Latossolo Amarelo após o cultivo do milheto, que para o T5, T6 e T7 foram significativamente superiores aos demais (Tabela 6). Como a dose basal de P foi a mesma para todos os tratamentos, atribui-se ao pó de rocha tal elevação, indicando que, na condição testada, o solo é enriquecido em P advindo da solubilização da nefelina sienito aplicada na forma de pó. Comportamento semelhante ao observado para o P e K, também se observou para o Ca (Tabela 6). Estes resultados confirmam achados da literatura, que relatam potencial de liberação de nutrientes por materiais rochosos (RIBEIRO et al., 2010; LUCHESE et al., 2021).

Os parâmetros altura de plantas e diâmetro do colmo não diferiram significativamente entre os tratamentos, embora a matéria seca total obtida no tratamento cuja fonte de K foi o cloreto de potássio tenha sido maior que o tratamento onde não se aplicou potássio (T1), esta não diferiu significativamente dos T5, T6 e T7, indicando efeito positivo também do pó de rocha sobre o desenvolvimento das plantas do milheto cultivadas no Latossolo Amarelo (Tabela 7).

Tabela 7 – Altura (ALT), diâmetro do colmo (DC), peso fresco da parte aérea (PFPA), peso fresco de raízes (PFRA), peso seco da parte aérea (PSPA), peso seco das raízes (PSRA) e matéria seca total (MST) plantas de milheto cultivadas em vasos contendo Latossolo Amarelo e submetidas a tratamentos com pó de rocha.

Médias seguidas pelas mesmas letras, na mesma coluna, não diferem entre si, teste Tukey a 5% probabilidade.

Além do remineralizador estudado apresentar composição multinutriente, verificou-se relação positiva entre a produção de matéria seca, a absorção de K pelas plantas e a quantidade aplicada do remineralizador. Resende et al. (2012) atestam a dificuldade experimental de isolar os efeitos dos outros nutrientes em fontes complexas como os remineralizadores obtidos de rochas silicáticas. Desta forma, o desenvolvimento das plantas aferido pela produção de matéria seca não pode ser atribuído somente ao efeito decorrente do fornecimento de K, apesar de os indicadores apontarem para o efeito mais pronunciado deste elemento.

Os teores de N e Ca analisados na parte aérea do milheto não diferiram significativamente entre os tratamentos, independentemente da dose, presença ou ausência e da fonte de K utilizada (Tabela 8). Para o P, Mg e S, apesar de se observar diferenças significativas, estas não foram tão pronunciadas, embora tenha ficado claro o efeito de concentração pela análise dos dados dos teores de P, assim com demostrado em estudo semelhante por Aquino (2020). Na parte aérea da planta, o efeito mais pronunciado e significativo coube aos teores de K, que foram baixos (9,71 g kg^-1) no tratamento em que não se aplicou potássio, passando para 28,91 g kg^-1 onde se aplicou a dose de 200 mg dm^-3 de K na forma de KCl, representando uma concentração 198% maior. Entretanto, estatisticamente a concentração encontrada no T2 foi igual às detectadas nos T5, T6 e T7, revelando o potencial do pó de rocha em liberar potássio para a absorção das plantas.

Tabela 8 –  Teores de N, P, K, Ca, Mg E S na parte aérea de plantas de milheto cultivadas em vasos contendo Latossolo Amarelo e submetidas a tratamentos com pó de rocha.

Os teores dos micronutrientes na parte aérea do milheto cultivado no Latossolo Amarelo variaram pouco (Zn e Mn) ou não foram significativamente diferentes (B, Fe e Cu), conforme pode ser verificado na Tabela 9. Importante destacar que o coeficiente de variação para os teores de Fe foi de aproximadamente 38%.

Tabela 9 –  Teores de B, Zn, Fe, Mn Cu na parte aérea de plantas de milheto cultivadas em vasos contendo Latossolo Amarelo e submetidas a tratamentos com pó de rocha.

As raízes das plantas absorvem os nutrientes que estão na solução do solo, sendo que maior disponibilidade de nutrientes deve promover maior absorção, uma vez que as plantas não têm um mecanismo para selecionar o que entra em contato com a superfície radicular, com consequente entrada na planta pelo processo de absorção.

Na Tabela 10 estão apresentados os resultados dos teores dos macronutrientes nas raízes do milheto, sendo que para N, P e Mg as doses e fontes de K aplicadas não influenciaram nos seus teores. Doses mais elevadas do pó de rocha promoveram aumentos significativos nos teores de Ca e S. Já para os teores de K, a dose aplicada via cloreto de potássio só diferiu significativamente do tratamento em que não se aplicou potássio para o cultivo do milheto. Esse resultado é indicativo de que, independentemente da dose do pó de rocha, o processo de liberação lento do K da sua estrutura proporciona contato contínuo das raízes com o potássio que está sendo liberado, embora em doses mais elevadas (600 mg de K dm^-3, ou superiores), o efeito é mais pronunciado, refletindo em maiores teores de K nas raízes do milheto (Tabela 10).

Tabela 10 – Teores de N, P, K, Ca, Mg E S nas raízes de plantas de milheto cultivadas em vasos contendo Latossolo Amarelo e submetidas a tratamentos com pó de rocha.

As doses e fontes de K aplicadas no Latossolo Amarelo para o cultivo do milheto não influenciaram significativamente, ou influenciaram muito pouco na concentração dos micronutrientes nas raízes das plantas, por consequente, mesmo comportamento foi verificado para o acúmulo dos micronutrientes nas plantas.

Os resultados obtidos para acúmulo dos macronutrientes (g vaso^-1) nas plantas do milheto estão apresentados na Tabela 11.

Tabela 11 – Acúmulo de N, P, K, Ca, Mg E S em plantas de milheto cultivadas em vasos contendo Latossolo Amarelo e submetidas a tratamentos com pó de rocha.

Mais uma vez, o destaque recai sobre o acúmulo de potássio, em que o tratamento testemunha positiva (T2), que teve o fornecimento de 200 mg dm^-3 de K, aplicados na forma de KCl, apresentou maior acúmulo de K; entretanto, não diferindo significativamente do acúmulo obtido no tratamento em que se aplicou 1000 mg dm^-3 de K via do pó de rocha. Aparentemente, há uma grande diferença entre as doses, mas é importante destacar que após o cultivo do milheto os teores residuais de K no solo foram bem superiores no T7 do que no T3 (Tabela 6). Ainda, em todos os tratamentos com a aplicação do pó de rocha os valores determinados para o acúmulo de potássio foram significativamente superiores do que aqueles onde este não foi aplicado.

O pó de rocha nefelina sienito se solubiliza no solo Latossolo Amarelo, fornece potássio para a absorção das plantas de milheto e promove o crescimento destas.

Os níveis naturais de potássio no Latossolo Amarelo foram suficientes para promover produção de matéria seca do milheto na casa de 83% daquela obtida no tratamento com a utilização de fonte solúvel de potássio e quando se aplicou o pó de rocha, a eficiência relativa chegou a 94% no tratamento com a dose de 800 mg dm^-3 de K aplicado via pó de rocha (Tabela 12).

Tabela 12 – Eficiência agronômica e relativa (%) do pó de rocha frente à fonte solúvel de K (T2), obtida em plantas de milheto cultivadas em vasos com Latossolo Amarelo.

A absorção de potássio é maior, mas doses mais elevadas do pó de rocha, entretanto, não reflete em grandes aumentos na produção de matéria seca. Por exemplo, no T6 para se produzir 94% da matéria seca comparada ao T2, foram necessários 79% do K utilizado no mesmo tratamento.

Fica evidente pela análise de todos os dados apresentados que o pó de rocha nefelina sienito é eficiente em fornecer nutrientes para o crescimento e desenvolvimento das plantas de milheto, mas fica mais evidente ainda, o seu potencial residual, o que promoverá economia de fertilizantes para o cultivo de ciclo futuros.

Tal comportamento fica mais evidente em relação ao potássio, pois o uso do pó de rocha nefelina sienito é uma estratégia eficaz para fornecer potássio de forma gradual ao solo.

Conclusão

O pó de rocha nefelina sienito possui caracterização química e desempenho agronômico adequados para seu enquadramento como remineralizador de solo. A solubilização lenta e o efeito residual no solo do pó de rocha nefelina sienito, sobretudo em relação ao potássio, o torna alternativa viável para ser utilizado como fonte alternativa de fertilizante agrícola.

Conflitos de interesse

Não houve conflito de interesses dos autores.

Contribuição dos autores

João Paulo Santos Medeiros, Ellen Francine Barbosa Neves, Alayane Marçal Reis, Denilson Silva Sousa, Kamila Araujo de Sousa Nascimento – curadoria de dados, investigação e metodologia; Dilaine Suellen Caires Neves – curadoria de dados, investigação, metodologia, redação, preparação do rascunho original; Vanêssa Brito Fernandes Neves – conceitualização, metodologia, redação, revisão e edição; Orlando Silvio Caires Neves – conceitualização, metodologia, redação, revisão, edição, obtenção de financiamento e administração do projeto.

Referências bibliográficas

ABNT. Associação Brasileira de Normas Técnicas. NBR NM 248. Agregados – Determinação da composição granulométrica. Rio de Janeiro: ABNT, 2003, 13p. https://abnt.org.br/

ALMEIDA, J. A.; CUNHA, G. O. M.; HEBERLE, D. A.; MAFRA, Á. L. Potential of olivine melilitite as a soil remineralizer according to particle size and rates. Pesquisa Agropecuária Brasileira, v. 57, e01445, p. 1-15, 2022. https://doi.org/10.1590/S1678-3921.pab2022.v57.01445

AQUINO, J. M.; TANIUCHI, C. A. K.; MAGINI, C.; BERNI, G. V. The potential of alkaline rocks from the Fortaleza volcanic province (Brazil) as natural fertilizers. Journal of South American Earth Sciences, v. 103, 102800, 2020. https://doi.org/10.1016/j.jsames.2020.102800

CARVALHO, O. S.; SILVA, O. R. R. F.; MEDEIROS, J. C. Adubação e calagem. In: BELTRÃO, N. E. M; AZEVEDO, D. M. P. (Eds.). O Agronegócio do Algodão no Brasil. Campina Grande, PB: Embrapa Algodão, v. 1, p. 175-210, 1999.

CHRISTMANN, P. Towards a more equitable use of mineral resources. Natural Resources Research, v. 27, n. 2, p. 159-177, 2018. https://doi.org/10.1007/s11053-017-9343-6

D`OLIVEIRA, P. D.; ROCHA, W. S. D.; MARTINS, C. E. Uso de pó de rocha em plantas forrageiras. Comunicado Técnico, 96. Juiz de Fora, MG: Embrapa Gado de Leite, 2023, 16p. https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1157266

FERREIRA, D. F. SISVAR: Um sistema de análise computacional para desenhos do tipo split plot com efeitos fixos. Revista Brasileira de Biometria, v. 37, n. 4, p. 529-535, 2019. https://doi.org/10.28951/rbb.v37i4.450

FRANÇA, S. C. A.; TRAMPUS, B. C.; BRAGA, P. F. A.; MOKARZEL, D. Avaliação de extração de potássio de nefelina sienito para uso como remineralizador de solos. In: Encontro Nacional de Tratamento de Minérios e Metalurgia Extrativa, 28., 2019. Anais… Belo Horizonte – MG: ENTMME, 2019. https://publicacoes.entmme.org/filebase/2019/PDF

FREIRE, Y. B. D.; FONSECA, I. S.; SANTOS, R. A.; VALICHESKI, R. R.; OLIVEIRA, S. S. C.; STÜRMER, S. L. K. Uso do pó de rocha nefelina-sienito como fonte alternativa de potássio no cultivo da soja. Revista em Agronegócio e Meio Ambiente, v. 16, n. 4, p. 1-19, 2023. https://doi.org/10.17765/2176-9168.2023v16n4e11565

LUCHESE, A. V.; PIVETTA, L. A.; BATISTA, M. A.; STEINER, F.; GIARETTA, A. D. S.; CURTIS, J. C. D. Agronomic feasibility of using basalt powder as soil nutrient remineralizer. African Journal of Agricultural Research, v. 17, n. 3, p. 487-497, 2021. https://doi.org/10.5897/AJAR2020.15234

MANNING, D. A. C. How will minerals feed the world in 2050? Proceedings of the Geologists’ Association, v. 126, n. 1, p. 14-17, 2015. https://doi.org/10.1016/j.pgeola.2014.12.005

MANNING, D. A. C.; THEODORO, S. H. Enabling food security through use of local rocks and minerals. The Extractive Industries and Society, v. 7, n. 2, p. 480-487, 2020. https://doi.org/10.1016/j.exis.2018.11.002

MAPA. Ministério da Agricultura e Pecuária. Instrução Normativa nº 53, de 23 de outubro de 2013 (alterada pela IN nº 6, de 10 de março de 2016 e pela IN nº 5, de 3 de janeiro de 2020). https://www.gov.br/agricultura/pt-br/legislacao/in-53-2013-com-as-alteracoes-da-in-3-de-15-01-2020.pdf

NOVAIS, R. F.; NEVES, J. C. L.; BARROS, N. F. Ensaio em ambiente controlado. In: OLIVEIRA, A. J.; GARRIDO, W. E.; ARAÚJO, J. D.; LOURENÇO, S. (Coords.). Métodos de pesquisa em fertilidade do solo. Brasília, DF: Embrapa-SEA, cap. 2, p.189-255, 1991. (Documentos, 3).

PEREIRA, L. F.; RIBEIRO JUNIOR, W. Q.; RAMOS, M. L. G.; SANTOS, N. Z.; SOARES, G. F.; CASARI, R. A. C. N.; MULLER, O.; TAVARES, C. J.; MARTINS, É. S.; RASCHER, U.; GUIMARÃES, C. A. L.; PEREIRA, A. F.; MERTZ-HENNING, L. M.; SOUSA, C. A. F. Physiological changes in soybean cultivated with soil remineralizer in the Cerrado under variable water regimes. Pesquisa Agropecuária Brasileira, v. 56, e01455, p. 1-12, 2021. https://doi.org/10.1590/S1678-3921.pab2021.v56.26940

RABEL, D. O.; MOTTA, A. C. V.; BARBOSA, J. Z.; MELO, V. F.; PRIOR, S. A. Depth distribution of exchangeable aluminum in acid soils: a study from subtropical Brazil. Acta Scientiarum. Agronomy, v. 40, n. 1, e39320, p. 1-10, 2018. https://doi.org/10.4025/actasciagron.v40i1.39320

RESENDE, A. V.; FURTINI NETO, A. E.; MARTINS, E. S.; HURTADO, S. M. C.; OLIVEIRA, C. G.; SENA, M. C. Protocolo de avaliação agronômica de rochas e produtos derivados como fontes de nutrientes às plantas ou condicionadores de solo. Sete Lagoas: Embrapa Milho e Sorgo, 2012, 30p. https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/939641

RIBEIRO, L. S.; SANTOS, A. R.; SOUZA, L. F. S.; SOUZA, J. S. Rochas silicáticas portadoras de potássio como fontes do nutriente para as plantas solo. Revista Brasileira de Ciência do Solo, v. 34, n. 3, p. 891-897, 2010. https://doi.org/10.1590/S0100-06832010000300030

SILVA, V. N.; SILVA, L. E. S. F.; SILVA, A. J. N.; STAMFORD, N. P.; MACEDO, G. R. Solubility curve of rock powder inoculated with microorganisms in the production of biofertilizers. Agriculture and Natural Resources, v. 51, n. 3, p. 142-147, 2017. https://doi.org/10.1016/j.anres.2017.01.001

SOUSA, D. M. G.; LOBATO, E. Correção da acidez do solo. In: SOUSA, D. M. G.; LOBATO, E. (Eds.). Cerrado: correção do solo e adubação. 2ª edição. Brasília, DF: Embrapa Informação Tecnológica, p. 81-96, 2004. https://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/555355

ZHANG, G.; KANG, J.; WANG, T.; ZHU, C. Review and outlook for agromineral research in agriculture and climate mitigation. Soil Research, v. 56, n. 2, p. 113-122, 2018. https://doi.org/10.1071/SR17157

Recebido em 14 de janeiro de 2026

Retornado para ajustes em 11 de fevereiro de 2026

Recebido com ajustes em 24 de fevereiro de 2026

Aceito em 2 de março de 2026