ESTIMATIVA DAS POROSIDADES EFETIVA E

TOTAL EM SOLOS BRASILEIROS

Estimate of the effective and total porosity for Brazilian soils
Miguel A. Alfaro Soto*
Chang Hung Kiang**

RESUMO – Este trabalho trata das relações entre as porosidades efetiva e total e algumas características físi-
cas e hídricas de solos brasileiros. A obtenção indireta das porosidades valeu-se de diversas propriedades do
solo, tais como textura, índices físicos e inclusive da condutividade hidráulica. Estes dados foram determina-
dos para este estudo ou obtidos da literatura especializada. As relações são dadas por equações obtidas por
regressão não-linear múltipla, em que os valores previstos foram confrontados com os medidos, para verifica-
ção de sua adequabilidade mediante métodos estatísticos. Testes como coeficiente de determinação, teste t,
erros padrão da estimativa e médio permitiram observar que, apesar da dispersão de resultados pela medição
da permeabilidade do solo ou da não utilização de outros parâmetros para previsão, tais como a matéria orgâ-
nica, podem ser obtidas previsões de porosidades total e efetiva muito significativas em relação às encontradas
por outros autores, isto para uma ampla faixa de texturas e condutividades hidráulicas.

SYNOPSIS – This work shows the relations between the total and effective porosity and some physical and
hydraulical characteristics from Brazilian soils. The indirect determination of the porosities was determined
using different soils properties as texture, physical index and hydraulical conductivity. These data had been
determined for this study or gotten of the specialized literature. The relations are given by equations gotten for
multiple nonlinear regressions, where the predicted and experimental values were confronted, for verification
of their adequateness through statistical methods. Tests for the determination coefficient, as the test t, standard
error of estimate and average had allowed to observe that, although the dispersion of results for the
measurement of the soil permeability or not the use of other parameters for forecasting, such as the organic
substance, could be gotten forecasts of total and effective porosities in relation to the results obtained for other
authors, considering an ample variety of values of textures and hydraulical conductivities.

PALAVRAS ChAVE – Previsão, porosidade efetiva, porosidade total, regressão não-linear.

1 – INTRODUÇÃO

A porosidade efetiva ou drenável constitui uma das mais relevantes propriedades físico-
hídricas no estudo de fluxos hidráulicos, tais como modelagem da contaminação do lençol freático
ou da drenagem (Mello et al., 2002). É definida como a fração da porosidade total, onde a água se
movimenta livremente, e pode ser expressa por:

(1)

* Pós Graduando, Laboratório de Estudo de Bacias, Departamento de Geologia Aplicada, Universidade

Estadual Paulista, LEBAC/DGA/UNESP. E-mail: alfaro@rc.unesp.br.
** Dr.Professor Adjunto, Laboratório de Estudo de Bacias, Departamento de Geologia Aplicada, Universidade
Estadual Paulista, LEBAC/DGA/UNESP. E-mail: chang@rc.unesp.br.

Geotecnia n.º 112 – Março 08 – pp. 35-46 35

onde ne representa a porosidade efetiva, Ve o volume de água drenável e V o volume total do meio
poroso (solo ou rocha) considerado. Na prática costuma-se expressar este parâmetro a partir da
equação:
(2)

onde θs representa a umidade volumétrica de saturação e θcc a umidade volumétrica corresponden-

te à capacidade de campo.

A capacidade de campo (CC), de Veihmeyer e Hendrickson (1931), corresponde à quantidade

de água retida pelo solo (isto é, umidade), após drenagem do excesso, e que geralmente ocorre após
dois a três dias de chuva ou irrigação em solos permeáveis, de estrutura e textura uniformes. Isto
porque o fluxo e a velocidade das variações de umidade decrescem com o tempo, até praticamente
cessar após o processo de infiltração.

Segundo Reichardt (1985), esta definição é considerada arbitrária, pois o processo de redistri-
buição da água é dinâmico e sua velocidade poderá diminuir, porém não será estacionária e sim
contínua, principalmente em solos de textura média e fina. No entanto, esse conceito é amplamente
utilizado devido à sua praticidade de aplicação para identificar o limite superior de retenção de água
num solo.

Diversos métodos foram propostos para determinação da porosidade efetiva. No entanto, a

complicação para sua obtenção reside na quantificação da porosidade na capacidade de campo,
quer pelas dificuldades acima citadas em relação a sua teorização, quer pelas limitações que os pro-
cessos experimentais apresentam e que devem ser levadas em conta para sua utilização. Dentre os
procedimentos de medição da CC diversos pesquisadores (Reichardt, 1996; Van Lier, 2000, entre
outros) têm recomendado os métodos de campo. Estas técnicas, contudo, demandam muito tempo
e são laboriosas. Assim, têm-se desenvolvido técnicas de laboratório que facilitam a determinação,
embora aproximada, desse parâmetro.

Uma das técnicas de laboratório se vale da curva de retenção de água no solo, que relaciona a
umidade com o potencial matricial ou total (ou sucção matricial ou total em termos de pressão) do
solo. A partir dessa relação, alguns pesquisadores (Ferreira e Marcos, 1983; Van Lier, 2000) as -
sumiram que a CC corresponde aproximadamente à umidade para um determinado valor de sucção
(6, 10 ou 33kPa). Porém, ainda é questionável a fixação do valor adequado de sucção para obtenção
da CC, em diferentes tipos de solos. Adicionalmente, Ferreira e Marcos (1983) têm sugerido que a
CC pode ser melhor caracterizada pelo ponto de inflexão da curva de retenção, ou seja, na interface
entre a dessaturação acentuada, em que ocorrem grandes mudanças de umidade com pequenas
variações de sucção, e a dessaturação residual, em que ocorrem pequenas mudanças de umidade
com grandes variações da sucção. Esta inflexão é obtida ao igualar a zero a segunda derivada da
equação de ajuste aos dados experimentais da curva de retenção, sendo que o ajuste deverá ser uma
equação polinomial de terceiro grau. Segundo esses pesquisadores, este método tem fornecido uma
boa estimativa da CC, quando comparada com resultados medidos in situ.
Este método de laboratório apresenta vantagens pela praticidade da sua determinação, embora
as medidas de sucção ou sua imposição esbarrem numa série de dificuldades experimentais. Assim,
comumente deve-se recorrer a diferentes técnicas de ensaio, com intuito de conhecer-se a sucção
na capacidade de campo ou dentro de uma faixa ampla o suficiente para utilização prática. Adicio-
nalmente, o prolongado tempo requerido nas técnicas de campo, as dificuldades operacionais
(ensaios não rotineiros) e os custos para execução dos ensaios têm inviabilizado as medições dire-
tas, favorecendo a determinação indireta da capacidade de campo, e inclusive das porosidades total

36
e efetiva, ao relacioná-las com algumas outras propriedades dos solos (Saxton et al., 1986; Macedo,
1991; entre outras).
Assim, o presente trabalho pretende fornecer subsídios para determinação das porosidades
total, efetiva e, conseqüentemente, da capacidade de campo a partir de métodos indiretos, visando
sua aplicação para solos brasileiros com características (mecânicas, hidráulicas, físicas, entre
outros) diferenciadas devido à sua natureza tropical.

2 – MATERIAIS E MÉTODOS

No presente estudo, foram empregados dados obtidos da literatura especializada (Fabian e

Ottoni Filho, 2000; Alfaro Soto, 1999 e 2004; Cirino e Guerra 1994), bem como os gerados neste
trabalho. A escolha desses dados deve-se à ampla faixa de variação de suas características físicas e
hidráulicas, fato de interesse para sua análise.
A Tabela 1 reúne as características das 39 amostras utilizadas neste estudo. Nesta tabela são
mostrados os resultados de porosidade total (θs), de capacidade de campo (θcc), porosidade efetiva (θe),
condutividade hidráulica do solo saturado (K), porcentagens de areia, silte, argila, massas específicas dos
sólidos (ρs) e do solo seco (ρd), índice de vazios (e) e a classificação textural obtidos para esses materiais.
Os solos de 1 a 6, 7 a 8, 9 a 20, 21 a 30 e 31 a 33 correspondem aos materiais sedimentares
das formações Rio Claro e Corumbataí, do Subgrupo Itararé, de Sedimentos recentes e da
Formação Adamantina, retirados nas cidades de Rio Claro, Santa Gertrudes, Paulínia,
Caraguatatuba e São Carlos (Alfaro Soto, 1999 e 2004) respectivamente, todas dentro do estado de
São Paulo. Já as amostras de 34 a 38 e 39 pertencem aos solos Podsólicos Vermelho-Amarelos
(Fabian e Ottoni Filho, 2000), arenosos (Cirino e Guerra, 1994), das cidades de Itaguaí-RJ e
Campina Grande-PB, respectivamente.
Como pode ser observado na Tabela 1 os solos estudados são heterogêneos, fato interessante
pois permite a obtenção de estimativas das porosidades total e efetiva numa ampla faixa de
variação. Assim, ocorrem valores de porosidade total entre 31,1 e 63,3, efetiva entre 10,1 e 48,6,
capacidade de campo entre 3,8 e 27,9, e condutividade hidráulica entre 10-6 e 10-2 cm/s, em solos
desde texturas arenosas até argilo-siltosas.
Os solos empregados neste trabalho são todos indeformados (com exceção do solo compactado
10). Para sua caracterização, foram realizados ensaios de granulometria (NBR-7181/84 – ABNT,
1984 b), massa específica dos sólidos (NBR-6508/84 – ABNT, 1984 a), massa específica do solo
seco (Nogueira, 2001) e de permeabilidade (NBR-13292 – ABNT, 1995). Cabe ressaltar, que a
maioria dos ensaios de permeabilidade foi realizada in situ, pelo método do permeâmetro Guelph
(Reynolds e Elrick, 1985).
Para determinação da curva de retenção foi empregado, em alguns casos, o método da câmara
de pressão (Richards, 1941) e, em outros, o método do papel filtro (Marinho, 1994). Em ambos os
métodos utilizou-se o processo de secagem a partir da condição de saturação, que consistiu em
colocar os corpos de prova assentes em placas porosas e imersos parcialmente em água destilada.
Após saturação, três das amostras foram reservadas para determinação do teor de umidade volumé-
trica de saturação ou porosidade total. Quanto às amostras restantes, a sucção matricial foi imposta
(método da câmara de pressão) para diferentes estágios ou medida indiretamente (papel filtro) para
diferentes graus de saturação, segundo os procedimentos sugeridos pelos autores supracitados.
Logo, as sucções, quer impostas ou medidas, foram relacionadas com suas respectivas umidades
para obtenção das curvas de retenção e da umidade volumétrica de saturação (sucção matricial nula).

37
 Tabela 1 – Características dos solos ensaiados.

Nº θs θcc θe K Areia Silte Argila ρs ρd e Classificação

(%) (%) (%) (cm/s) (%) (%) (%) (gcm-3) (gcm-3) ABNT

1 41,8 24,0 17,8 6,1E-04 67,3 24,1 8,7 2,58 1,50 0,72 Areia siltosa
2 49,8 28,7 21,0 3,2E-03 65,7 23,7 10,5 2,60 1,31 0,98 Areia siltosa
3 46,1 28,4 17,7 4,4E-03 64,4 23,3 12,3 2,61 1,41 0,85 Areia siltosa
4 47,0 29,7 17,3 5,1E-03 60,6 25,1 14,3 2,49 1,32 0,89 Areia siltosa
5 48,5 30,6 17,9 5,8E-04 61,1 20,8 18,0 2,62 1,35 0,94 Areia siltosa
6 48,0 30,5 17,5 1,2E-03 60,7 20,9 18,5 2,62 1,36 0,93 Areia siltosa
7 43,4 33,6 9,8 9,7E-04 7,8 16,0 76,0 2,71 1,56 0,74 Argila siltosa
8 50,0 44,0 6,0 9,1E-05 6,8 21,0 69,0 2,74 1,22 1,25 Argila siltosa
9 31,1 20,3 10,8 8,4E-04 40,0 9,0 51,0 2,58 1,22 1,12 Argila arenosa
10 37,6 33,8 3,8 3,5E-05 36,0 10,5 53,5 2,58 1,52 0,70 Argila arenosa
11 44,4 34,1 10,4 2,5E-03 34,0 9,0 57,0 2,58 1,20 1,15 Argila arenosa
12 43,6 35,0 8,6 NC 34,0 16,0 50,0 2,75 1,38 1,00 Argila arenosa
13 45,9 40,1 5,9 NC 34,0 29,0 37,0 2,73 1,44 0,90 Arg. silto-arenosa
14 41,2 25,0 16,2 NC 60,0 10,0 30,0 2,71 1,42 0,90 Argila arenosa
15 58,0 39,5 18,5 NC 46,0 26,0 28,0 2,67 1,18 1,26 Areia arg-siltosa
16 40,1 31,4 8,7 NC 38,0 15,0 47,0 2,63 1,43 0,84 Arg. areno-siltosa
17 43,7 35,7 8,0 NC 38,0 9,5 52,5 2,63 1,31 1,01 Argila-arenosa
18 45,4 33,9 11,5 NC 38,0 12,0 50,0 2,65 1,29 1,05 Arg. areno-siltosa
19 41,5 28,6 12,9 NC 40,0 12,0 48,0 2,71 1,22 1,22 Arg. areno-siltosa
20 41,5 34,8 6,7 NC 30,0 19,0 51,0 2,63 1,30 1,02 Arg. silto-arenosa
21 53,8 32,5 21,3 4,4E-04 57,0 27,0 16,0 2,67 1,23 1,17 Areia siltosa
22 54,3 39,3 15,0 3,7E-05 45,0 33,0 22,0 2,65 1,21 1,19 Areia siltosa
23 54,8 33,4 21,4 1,3E-04 60,0 34,0 6,0 2,66 1,20 1,21 Areia siltosa
24 51,9 34,7 17,2 2,5E-05 51,0 35,0 14,0 2,62 1,26 1,08 Areia siltosa
25 51,4 35,7 15,7 6,9E-03 52,0 40,0 8,0 2,61 1,27 1,06 Areia siltosa
26 47,8 28,6 19,2 2,2E-03 69,0 25,0 6,0 2,63 1,37 0,92 Areia siltosa
27 57,3 36,2 21,0 3,2E-03 54,0 40,0 6,0 2,57 1,10 1,34 Areia siltosa
28 63,3 45,3 17,9 1,1E-02 31,9 46,0 22,0 2,62 0,96 1,72 Silte arenoso
29 63,1 48,6 14,6 4,3E-06 27,0 48,0 25,0 2,58 0,95 1,71 Silte areno-argiloso
30 55,2 37,0 18,2 2,7E-05 55,0 40,0 5,0 2,66 1,19 1,23 Areia siltosa
31 59,2 39,3 19,9 1,6E-03 12,0 29,0 59,0 2,86 1,20 1,38 Argila siltosa
32 43,9 25,5 18,4 1,9E-03 66,5 7,5 26,0 2,72 1,56 0,74 Areia fina arg.
33 49,5 28,8 20,7 NC 65,0 5,0 30,0 2,75 1,44 0,91 Areia média a fina arg.
34 35,0 16,0 19,0 NC 80,0 6,0 14,0 2,63 1,70 0,55 Areia grossa argilosa
35 33,0 19,0 14,0 NC 78,0 5,0 17,0 2,65 1,77 0,50 Areia grossa argilosa
36 34,0 23,0 11,0 NC 68,0 6,0 26,0 2,66 1,74 0,53 Areia grossa argilosa
37 35,0 26,0 9,0 NC 57,0 6,0 37,0 2,65 1,71 0,55 Areia grossa argilosa
38 34,0 21,0 13,0 NC 71,0 6,0 24,0 2,65 1,73 0,53 Areia grossa argilosa
39 38,0 10,1 27,9 4,7E-03 89,6 4,0 6,4 2,65 1,49 0,78 Areia

NC: Não consta;

Solos 1 a 6: Formação Rio Claro;
Solos 7 a 8: Formação Corumbataí;
Solos 9 a 20: Subgrupo Itararé;
Solos 21 a 30: Sedimentos recentes;
Solos 31 a 33: Formação Adamantina (Alfaro Soto, 1999 e 2004);
Solos 34 e 38: Solos Podsólicos Vermelho-Amarelos (Fabian e Ottoni Filho, 2000);
Solo 39: Solos arenosos (Cirino e Guerra, 1994).

38
 Obtidas as curvas de retenção para cada solo, os dados experimentais foram ajustados por
regressão não-linear pelo modelo de Van Genuchten (1980). Pelo ajuste foi possível determinar a
umidade volumétrica que corresponde à capacidade de campo e que, juntamente com o valor da
umidade de saturação, possibilitou a obtenção da porosidade efetiva pela equação (2).

De posse dos resultados dos solos amostrados, procedeu-se ao teste de expressões matemáti-
cas que relacionassem as porosidades total e efetiva com a textura do solo e/ou com índices físicos
ou parâmetros hidráulicos medidos. Para esse objetivo, foram empregados diferentes modelos não-
lineares, em que o ajuste foi realizado por regressão, com auxílio do programa Datafit v.8.1 da
Oakdale Engineering.

A qualidade dos resultados (θs, θe) calculados por cada modelo foi avaliada estatisticamente. A
avaliação consistiu na obtenção do coeficiente de determinação da regressão (R2), do erro padrão da
estimativa (EP), em confrontar os dados previstos e medidos mediante o teste t student, que verifica
a hipótese de igualdade dos valores médios desses resultados (para um nível de significância de 5%),
e finalmente a obtenção do erro médio (EM). EP e EM são dados pelas expressões seguintes:

e (3)

(4)

onde SQR representa a somatória dos quadrados do resíduo (θmi-θci), θmi e θci correspondem às
porosidades efetiva ou de saturação medida e calculada pelo modelo, respectivamente, para um
determinado solo i. O valor n representa o número total de amostras ou solos empregados na análise
e p, o número de parâmetros ou variáveis do modelo.

3 – RESULTADOS E ANÁLISES

A partir dos dados da Tabela 1, foram estabelecidas as variáveis a serem empregadas na

geração das equações por regressão. As variáveis dependentes são θs e θe, e as independentes os
parâmetros restantes (K, % areia, % silte, % argila, ρs, ρd, e), exceto θcc. No entanto, em alguns casos,
as variáveis independentes são resultado de relações matemáticas entre dois e até três parâmetros
entre si, como será visto posteriormente.

Diversos modelos lineares e não-lineares foram testados para previsão de θs e θe. As Tabelas 2 e 3
mostram os modelos que melhor reproduziram os dados observados. Nestas tabelas também são apresen -
tadas as diferentes variáveis independentes utilizadas em cada modelo. Já nas Tabelas 4 e 5 são mostrados
os parâmetros de ajuste por regressão, os coeficientes R2, e os erros EP e EM relativos a cada modelo.

Os indicadores da excelência do ajuste (R2, EP e EM) evidenciam a aderência dos dados pre-
vistos aos medidos. Porém, visto que utilizam um valor representativo na sua determinação, optou-
se por observar a qualidade da previsão ao longo da faixa de variação das porosidades θs e θe.
Assim, a Figura 1 mostra as porcentagens de erro determinadas para todos valores de θe, nos mo -
delos a e b (modelos com maior R2 dentre aqueles que possuem variáveis independentes, sem inclu -
são do K), e a Figura 2 para os modelos d e e (modelos com maior R2 dentre aqueles que possuem
variáveis independentes, inclusive K).

39
 Tabela 2 – Modelos utilizados para previsão da porosidade efetiva (θe) e suas
respectivas variáveis independentes.

Variável independente
Nº Modelo para a variável dependente θe
xi (i=1,2,3,..)

a θe=a+b.log(x1)+c.log(x1)2+d.log(x1)3+e.log(x1)4+f.log(x1)5+g.x2+h.x22+i.x23 areia/(silte+arg),
+j.x24+k.x25 Ln(e/(silte+arg))

b θe=a+b.ln(x1)+c/x2+d.ln(x1)2+e/x22+f.ln(x1)/x2+g.ln(x1)3+h/x23+i.ln(x1)/x22+ areia/ρd,
j.ln(x1)2/x2 1/(silte+arg)

c θe= exp(a.x1+b.x2+c.x3+d.x4+e) Areia, silte, argila, e

d θe=a+b/x1+c.log(x2)+d/x12+e.log(x2)2+f.log(x2)/x1+g/x13+h.log(x2)3+i.log(x2)2/x1 areia /ρd,

+j.log(x2)/x12 silte.arg.K

areia.e,
e θe=a+b/x1+c/x12+d/x13+e/x14+f/x15+g/x2+h/x22+i/x23+j/x24+k/x25
silte.arg.Ln(K)

areia,
f θe=a+b.x1+c.x12+d.x13+e.x14+f.x15+g.x2+h.x22+i.x23+j.x24+k.x25
silte. arg. K

e/(silte+arg),
g θe=a+b/x1+c/x12+d/x13+e/x14+f/x15+g/x2+h/x22+i/x23+j/x24+k/x25
K/(silte+arg)

Tabela 3 – Modelos utilizados para previsão da porosidade total (θs) e suas

respectivas variáveis independentes.

Variável independente
Nº Modelo para a variável dependente θs
xi (i=1,2,3,..)

i θs=a+b.log(x1)+c.log(x1)2+d.log(x1)3+e.log(x1)4+f.log(x1)5+g/x2+h/x22+i/x23+ Areia/(silte+argila)
j/x24+k/x25 Ln(e/(silte+argila))

j θs =a+b.log(x1)+c.log(x1)2+d.log(x1)3+e.log(x1)4+f.log(x1)5+g.x2+h.x22+i.x23+ Areia/(silte+argila)
j.x24+k.x25 Argila

k θs =a.x1+b.x2+c.x3+d.x4+e Areia, silte, argila, e

l θs =a+b.x1+c.x1 +d.x1 +e.x1 +f.x1 +g.x2+h.x2 +i.x2 +j.x2 +k.x2

2 3 4 5 2 3 4 5
Areia, K

m θs = a.x1+b.x2+c.x3+d.x4+e.x5+f Areia, silte, argila, K, e

n θs =a+b.x1+c.x12+d.x13+e.x14+f.x15+g.x2+h.x22+i.x23+j.x24+k.x25 areia, K/ρd

Os indicadores da excelência do ajuste (R2, EP e EM) evidenciam a aderência dos dados

previstos aos medidos. Porém, visto que utilizam um valor representativo na sua determinação,
optou-se por observar a qualidade da previsão ao longo da faixa de variação das porosidades θs e
θe. Assim, a Figura 1 mostra as porcentagens de erro determinadas para todos valores de θe, nos
modelos a e b (modelos com maior R2 dentre aqueles que possuem variáveis independentes, sem
inclusão do K), e a Figura 2 para os modelos d e e (modelos com maior R2 dentre aqueles que
possuem variáveis independentes, inclusive K).

A Figura 1 mostra que, nos modelos em que as variáveis independentes não incluem K, o erro
(seja sub ou super-estimado) tende a diminuir com o acréscimo do valor de θe. No entanto, na Figu-
ra 2, para os modelos em que K participa, nota-se uma maior variabilidade do erro, sem qualquer

40
 Tabela 4 – Parâmetros de regressão, coeficientes de determinação (R2), erros padrão da estimativa (EP) e
médio (EM) dos modelos, para previsão da porosidade efetiva (θe).

Equação
Parâmetro
a b c d e f g

a -3,3722E+03 -8,63096E+03 1,7682E-02 3,9107E+01 1,3435E+01 -4,5028E+01 4,2968E+00

b 3,8663E+00 5,32643E+03 -5,3821E-03 -1,1376E+03 2,0727E+03 1,1420E+01 3,6661E+00
c -2,9658E+00 1,28919E+02 -5,2435E-03 -1,0492E+01 -1,6445E+05 -6,9686E-01 -1,8778E-01
d -4,7039E+00 -1,07479E+03 1,0042E+00 8,7191E+03 3,7804E+06 1,8016E-02 3,7915E-03
e 1,6404E+00 -5,64363E-01 1,0237E+00 -2,1850E+00 -3,1736E+07 -2,0629E-04 -3,3788E-05
f 1,1037E+00 -5,60275E+01 - 4,4739E+02 8,6575E+07 8,6254E-07 1,0892E-07
g -3,9243E+03 7,08802E+01 - -1,9362E+04 -1,6663E+04 8,4697E-01 1,7466E-05
h -1,8187E+03 7,96787E-04 - -1,8940E-02 -8,8655E+07 4,7632E+00 -7,1538E-11
i -4,2599E+02 1,25483E-01 - 8,4039E+01 -1,6400E+11 -6,7684E+00 6,5568E-17
j -5,0879E+01 6,03824E+00 - -1,3779E+03 -9,9708E+13 2,2462E+00 -1,8865E-23
k -2,4889E+00 - - - -1,0807E+16 -1,5374E-01 9,0047E-31
R2 0,967 0,956 0,768 0,971 0,958 0,885 0,873
EP 1,2 1,3 2,8 1,1 1,4 2,4 2,5
EM 6 7 16 4 5 12 8

Tabela 5 – Parâmetros de regressão, coeficientes de determinação (R2), erros padrão da estimativa (EP) e
médio (EM) dos modelos, para previsão da porosidade total (θs).

Equação
Parâmetro
i j k l m n

a -9,7434E+04 7,3001E+01 -6,7342E-01 -3,9140E+01 -4,5459E-01 -3,6929E+01

b -6,5680E+00 -1,1919E+01 -3,7473E-01 2,0483E+01 -4,7262E-02 1,9915E+01
c -5,0537E-01 -2,5268E+00 -7,1476E-01 -1,2638E+00 -4,5904E-01 -1,2294E+00
d -4,1098E+00 -2,1647E+00 1,4263E+01 3,2387E-02 -3,4827E+01 3,1506E-02
e -5,9401E-01 5,5426E-01 9,4563E+01 -3,6657E-04 9,1512E+00 -3,5633E-04
f 3,8379E-01 5,9689E-01 - 1,5116E-06 7,4595E+01 1,4667E-06
g -1854296,55 -4,1046E+00 - -3,5632E+04 - -42746,1
h -13982715 3,3502E-01 - 2,9678E+07 - 44237525,1
i -52186191,3 -1,2231E-02 - -8,9465E+09 - -16299364827,3
j -96284589,7 1,8760E-04 - 1,0913E+12 - 2,35E+12
k -70167354,7 -1,0076E-06 - -4,5255E+13 - -1,09E+14
R2 0,841 0,829 0,827 0,836 0,817 0,808
EP 4 4 4 4 4 5
EM 5 6 5 5 5 5

tendência relacionada ao acréscimo de θe. Este comportamento foi provavelmente influenciado

pela variabilidade dos valores de K, pois, como é sabido, a determinação deste parâmetro fornece
maior coeficiente de variação em relação a outros ensaios geotécnicos (Lee et al., 1983).
As Figuras 3 e 4 mostram as porcentagens de erro determinadas para todos os valores de θs,
nos modelos i e j (modelos com maior R2 e variáveis independentes, sem inclusão do K) e modelos
l e m (modelos com maior R2 e variáveis independentes, inclusive K), respectivamente. As figuras

41
mostram que não existem tendências evidentes do erro com o acréscimo da θs. No entanto, em
ambos casos os maiores erros foram identificados na estimativa de valores menores de θs, fato que
entre outros, deve ter influenciado na obtenção de ajustes menos precisos em relação aos obtidos
na previsão de θs. Esta tendência foi observada para distintos modelos empregados e sugere
principalmente a possibilidade de erro de medição ou a necessidade de emprego de uma variável
adicional que seja capaz de descrever o fenômeno. A esse respeito, Saxton et al. (1986) sugerem
que a inclusão da variável matéria orgânica (MO), na previsão de qs, poderia melhorar a aderência
dos dados medidos aos calculados.

Conhecida a variabilidade (diferença entre valores medidos e previstos) produzida pela

previsão dentro dos intervalos de θe e θs considerados, verificou-se se esse fato permitiria ainda
— —
valores médios ( θe e θs) calculados iguais aos valores médios medidos (hipótese nula Ho). Assim,
a hipótese foi testada para um nível de significância de 5%, para o teste t student, tendo sido aceita
para todos os modelos avaliados.

30 30
Equação a
20 Equação b 20
10 10
Erro (%)
Erro (%)

0
0
-10
9.8
10.8
11.5
13.0
14.6
15.7
17.2
3.8
6.0
8.0
8.7

17.5
17.8
17.9
18.4
19.0
19.9
21.0
21.3
27.9

-10
3.8
6.0
9.8
10.4

10.8
14.6
15.0
15.7
17.2
17.3
17.5
17.7
17.8
17.9
17.9
18.2
18.4
19.2
19.9
21.0
21.0
21.3
21.4
27.9
-20
-20 Equação d
-30
Equação e
-40 -30

Porosidade efetiva medida (% ) Porosidade efetiva medida (% )

Fig. 1 – Porcentagem de erro determinada para os Fig. 2 – Porcentagem de erro determinada para os
modelos a e b, utilizando todos valores de θs. modelos d e e, utilizando todos valores de θs.

30 20
20 10
10
0
0
E rr o ( % )
Erro (%)

-10
31.1
37.6
38.0
41.8
43.4

47.8
43.9
44.4
46.1
47.0

48.0
48.5
49.8
50.0
51.4
51.9
53.8
54.3
54.8
55.2
57.3
59.2
63.1
63.3

-10
31.1
34
35
37.6
40.1
41.5
41.8
43.6
43.9
45.4
46.1
47.8
48.5
49.8
51.4
53.8
54.8
57.3
59.2
63.3

-20
-20
-30 -30
Equação i Equação l
-40 Equação j -40
Equação m
-50 -50
Porosidade total medida (-) Porosidade total medida (% )

Fig. 3 – Porcentagem de erro determinada para os Fig. 4 – Porcentagem de erro determinada para os
modelos i e j, utilizando todos valores de θe. modelos l e m, utilizando todos valores de θe.

Por outro lado, conforme pode ser observado na Tabela 4, os modelos que melhor se ajustaram
aos valores experimentais de θe, seja pelos valores maiores de R2, seja pelos valores menores de EP
e EM, foram os modelos a, b, d, e. Já para previsão de θs (Tabela 5), os modelos mais adequados
foram i, j, l, m. Seja na previsão de θe ou θs, cabe ressaltar que a inclusão da condutividade
hidráulica como variável independente permitiu obter-se elevados coeficientes de determinação,

42
embora a medição de K admita dispersão (elevados coeficientes de variação) dos seus resultados,
como já dito anteriormente. Isto se deve provavelmente ao fato de que a maioria das medições de
K, no presente trabalho (75%), foi pelo método do permeâmetro Guelph que, segundo apontado por
Alfaro Soto (1999), permite menor variabilidade dos resultados em relação ao permeâmetro de
parede rígida em laboratório.

Nas Figuras 5 e 6 é mostrado o confronto entre θe medidos e previstos respectivamente para

os modelos a (sem inclusão de K) e d (com inclusão de K), que permitiram um dos melhores
resultados de ajuste. Nestas figuras se observa a maior aderência dos valores previstos, que se
aproximam da reta 1:1. Estes modelos mostraram melhores resultados de R2 que os utilizados por
outros autores (Melo et al., 2002; Gupta e Larson, 1979) para medição de θe ou mesmo da capaci-
dade de campo.

Nas Figuras 7 e 8 é ilustrado o confronto de θs medidos e previstos pelos modelos i (sem

inclusão de K) e l (com inclusão de K), respectivamente. Foram também aqui encontrados resulta-
dos com altos valores de R2. No entanto, estes valores não são superiores aos que outros autores
encontraram, entre eles Saxton et al. (1986). Diferente desses autores, as análises de regressão no
presente trabalho não contaram com a variável matéria orgânica (MO), o que pode ter influenciado
na previsão de qs, como mencionado anteriormente.

Apesar de ser evidente que a escolha dos modelos mais apropriados para previsão de θe e θs
dependem dos maiores valores de R2 e menores valores de EP e EM, não se deve descartar o
emprego dos outros modelos aqui apresentados. Da literatura especializada, se observa que os
critérios sugeridos por vários autores, para uma boa previsão, são diferentes. Por exemplo, Mello
et al. (2002) sugerem que o ajuste de um modelo com R2 0,88 e EM 10,9% permite classificar a
equação como boa para estimar θe. Assim, visando constatar a validade dos outros modelos aqui
apresentados, optou-se por verificar o comportamento da variabilidade da porcentagem do erro
com o resíduo absoluto de alguns modelos de previsão de θe e θs. A Figura 9 mostra essa relação
quando empregados os modelos a e b, para previsão de θe, e os modelos i e j, para previsão de θs,
bem como as curvas de ajuste obtidas para os dados experimentais.

35.0 35
Porosidade efetiva (%) prevista
Porosidade efetiva (%) prevista

30.0 30

25.0 25

20.0 20

15.0 15

10.0 10

5.0 5

0.0 0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
Porosidade efetiva (% ) medida Porosidade efetiva (% ) medida

Fig. 5 – θe medidas versus θe previstas pelo Fig. 6 – θe medidas versus θe previstas pelo
modelo a. modelo d.

Da Figura 9 se observa que a porcentagem do erro pode aumentar com variações do residual
absoluto, principalmente a partir de um ponto de inflexão. Após essa inflexão, a porcentagem de
erro pode variar em maior magnitude, o que resulta indesejável para a estimativa das porosidades
e principalmente para θs (maior variabilidade do residual absoluto).

43
 70 70

Porosidade efetiva (%) prevista

Porosidade efetiva (%) prevista

60 60

50 50

40 40

30 30

20 20
20 30 40 50 60 70 20 30 40 50 60 70
Porosidade efetiva (% ) medida Porosidade efetiva (% ) medida

Fig. 7 – θs medidas versus θs previstas pelo Fig. 8 – θs medidas versus θs previstas pelo
modelo i. modelo l.

Com a finalidade de identificar esse ponto de inflexão, optou-se pela obtenção da primeira
derivada f(RA) de ambas curvas de ajuste, dada pela expressão:

f(RA)=d(E)/d(RA) (5)

onde E representa a equação de ajuste de potência e polinomial de 3º grau para os dados %Erro
versus %Residual Absoluto (Figura 9), provenientes das porosidades efetiva e total, respectivamen-
te, e RA correspondente à porcentagem do residual absoluto. A Figura 10 ilustra os valores obtidos
a partir da equação (5).

Da Figura 10 pode-se observar que o ponto de inflexão (%Erro versus %RA) ocorre aproxi-
madamente em 0,9 e 6,5 de %RA para os dados de qe e qs, respectivamente. Assim, para esses
valores obtemos os %Erro, segundo as curvas de ajuste da Figura 9, resultando em 7 e 14 % para
θe e θs, respectivamente.

Adotando-se as %Erro na inflexão acima calculadas, porém como erros médios (EM) admis -
síveis, poderemos estabelecer aproximadamente o limite para evitar erros excessivos para os mo -
delos de ajuste apresentados. No entanto, o EM admissível para a θs, resulta menos restritivo em

80 9
Porosidade efetiva 8
70
Porosidade total
60 Ajuste – potência (R2 = 0,889) 7
Ajute polinomial de 3º (R2 = 0,993)
50 6
Erro (%)

5
f (RA)

40
4
30
3
20
2 Porosidade total
10
1 Porosidade efetiva
0 0
0 2 4 6 8 10 12 14 16
0 5 10 15
Residual Absoluto (%) Residual Absoluto (%)

Fig. 9 – Erro (%) versus Residual Absoluto (%) e Fig. 10 – f (RA) versus Residual absoluto (%) para
suas respectivas curvas de ajuste, quando dados de θe e θs.
empregados os modelos a e b, para previsão de θe,
e i e j, para previsão de θs.

44
relação a θe devido a que seus modelos de previsão produziram maiores magnitudes de % Erros.
Sendo assim, se estabeleceu arbitrariamente um novo valor de %RA igual a 2% (Figura 10) que
permita cumprir o objetivo de evitar erros excessivos na previsão tanto de θe como de θs. Com este
novo valor se obteve %Erro de 15 e 6% para θe e θs respectivamente.

Da Tabela 4 se observa que, a maioria dos modelos para previsão de θe não ultrapassaram o
EM=15% (mostrando R2 entre 0,967 e 0,873), exceto o modelo c que coincidentemente mostrou o
menor valor (R2 = 0,768). Já a Tabela 5 mostra que para previsão de θs todos os modelos, tiveram
EM ≤ 6% onde o R2 variou entre 0,841 e 0,808. Disto resulta que, a maioria dos modelos (com
exceção do c) podem-se apresentar aceitáveis para a estimativa preliminar de θe e θs neste tipo de
solos.

4 – CONCLUSÃO

A partir de dados de 39 amostras de solos inalterados brasileiros, obteve-se suas porosidades

total e efetiva, cujas relações podem ser descritas mediante diferentes equações não-lineares,
ajustadas aos dados experimentais por regressão.

Observou-se uma significante correlação (R2 em torno do 0,97, EM aproximadamente 1,1)

entre a porosidade efetiva, parâmetros texturais e de índices físicos do solo, inclusive com a con-
dutividade hidráulica, cuja dispersão foi provavelmente minimizada ao utilizar métodos in situ
(permeâmetro Guelph) para a sua determinação. O mesmo ocorre quando se relacionaram estas
propriedades com a porosidade total, atingindo consideráveis coeficientes de correlação similares
às encontradas por outros autores (R2 em torno do 0,84, EM aproximadamente 5,0), que utilizaram
ainda o teor de matéria orgânica como variável adicional.

Sendo assim, as equações propostas se mostram como um expediente muito útil na estimativa
de duas propriedades hidráulicas de grande importância, θs e θe, que podem ser calculadas com
maior precisão a partir de ensaios rotineiros, geralmente utilizados na caracterização de solos.

5 – REFERÊNCIAS BIBLIOGRÁFICAS

Alfaro Soto, M. A. (1999). Estudo da condutividade hidráulica não saturada. Dissertação de

Mestrado – Universidade de São Paulo (USP), Escola de Engenharia de São Carlos (EESC).
São Carlos, p. 198.
Alfaro Soto M. A. (2004). Comparação entre métodos de imposição e de controle de sucção em
ensaios com solos não saturados. Tese de Doutorado – Universidade de São Paulo (USP),
Escola de Engenharia de São Carlos (EESC). São Carlos, p. 206.
Associação Brasileira de Normas Técnicas (1984a). MB-28 NBR 6508: Determinação da massa
Específica.
Associação Brasileira de Normas Técnicas (1984b). MB-32 NBR 7181: Solo-Análise Granulométrica.
Associação Brasileira de Normas Técnicas (1995). NBR 13292/04/1995: Determinação do
coeficiente de permeabilidade dos solos granulares à carga constante.
Cirino, C. G. e Guerra, H. O. C. (1994). Utilização das relações energia-umidade na caracteriza -
ção físico-hídrica dos solos. Pesq. Agropec. Bras. Brasília. v. 29, no 12, p. 1073-1078.

45
Fabian, A. J. e Ottoni Filho, T. B. (2000). Determinação de capacidade de campo in situ ou através
de equações de regressão. Pesq. Agropec. Brás. Brasília. v. 35, no 5, p.1029-1036.
Ferreira, M. M. e Marcos, Z. Z. (1983). Estimativa da capacidade de campo de latossolo roxo
distrófico e regosolo através do ponto de inflexão da curva característica de umidade. Ciência
e prática, Lavras, v. 7, no 1, p. 96-101.
Gupta, S. C.; Larson, W. E (1979). Estimating soil water retention characteristics from particle size
distribution, organic matter content, and bulk density. Water Resources Research. Washington,
v. 20, p.1633-1635.
Lee, J. F.; White W. E; Ingles O. G. (1983). Geotechnical Engineering, USA, Pitman Publishing
Inc. p.508.
Macedo, J. R. (1991). Determinação de retenção hídrica por correlação múltipla e de
variabilidade espacial em solos podzólicos de Seropédia, R.J. Rio de Janeiro. Dissertação de
mestrado, UFRJ, p.174.
Marinho, F. A. M (1994). Medição da sucção com o método do papel filtro. Anais do X
COBRAMSEF, v. 2, p.515-522.
Mello, C. R. de; Oliveira G. C. de; Resk D. V. S.; Lima, J. M. de; Dias Júnior, M. S. de. (2002).
Estimativa da capacidade de campo baseada no ponto de inflexão da curva característica.
Ciênc. Agrotec., Lavras, v. 26, no 4, p. 836-841.
Nogueira, J. B. (2001). Mecânica dos solos. Ensaios de laboratório. EESC-USP, São Carlos. p.248.
Reichardt, K. (1985). Processos de Transferência no sistema solo-planta-atmosfera. Fund., Cargill,
Campinas, p. 466.
Reichardt, K. (1996). Dinâmica da matéria e da energia em ecossistemas. Piracicaba: ESALQ,
p.505.
Richards, L. A. (1941). A pressure membrane extraction apparatus for soil suction. Soil Science v.
51, p. 377-386.
Reynolds, W. D.; Elrick, D. E. (1985). In situ measurement of field - saturated hydraulic
conductivity, sorptivity and the a-parameter using the Guelph permeameter. Soil Science, v.
140, n∞ 4, p. 292-302.
Saxton K. E.; Rawls, W. J.; Romberger, J. S.; Padendick, R. I. (1986). Estimating generalized soil-
water characteristic from texture. Soil Science Society of America. Journal, Madison, v. 50,
p.1031-1036.
Van Genuchten, M. T. (1980). A closed-form equation for predicting the hydraulic conductivity of
unsaturated soils. Soil Sci. Soc.Am.J., v. 44, no 5, p. 892-898.
Van Lier, Q. J. (2000). Índices de disponibilidade de água para as plantas. In: Novais, R. F.;
Alvarez, V. H.; Schaefer, C. E. G. R.Tópicos em Ciência do Solo. Viçosa: Sociedade Brasileira
de Ciência do Solo, v.1, p. 95-106.
Veihmeyer, F. J. e Hendrickson, A. H. (1931). Methods of measuring field capacity and permanent
wilting percentage of soils. Soil Science, Baltimore, v. 68, no 2, p.75-94.

46