Printer Friendly

Simulation of rice growth and yield in Rio Grande do Sul with the SimulArroz/Simulacao do crescimento e produtividade de arroz no Rio Grande do Sul pelo modelo SimulArroz.

INTRODUCAO

O Brasil e o maior produtor de arroz (Oryza sativa L.) fora do continente asiatico, sendo o Estado do Rio Grande do Sul (RS) responsavel por aproximadamente 60% do arroz produzido internamente (IRGA, 2013). No RS sao cultivados, anualmente, em torno de 1,1 milhoes de hectares de arroz no sistema irrigado por inundacao em seis regioes orizicolas (Fronteira Oeste, Campanha, Depressao Central, Zona Sul, Planicie Costeira Interna e Planicie Costeira Externa a Laguna dos Patos) as quais diferem em produtividade devido a disponibilidade de radiacao solar e temperatura do ar durante a estacao de crescimento da cultura (SOSBAI, 2012).

Modelos matematicos estao sendo cada vez mais usados na agricultura. Tais modelos sao simplificacoes da realidade que permitem a descricao das interacoes complexas que ocorrem em agroecossistemas (Streck & Alberto, 2006). Particularmente na area agricola, para ser representativo e confiavel, cada modelo matematico precisa ser adaptado e testado em diferentes ambientes. Apos ter seu desempenho testado os modelos agricolas sao ferramentas que podem ser usadas, por exemplo, para prever o crescimento, o desenvolvimento e a produtividade da cultura em funcao de variacoes das condicoes meteorologicas na cada safra (Shin et al., 2006; Shin et al., 2010; Streck et al., 2013a) e mesmo em cenarios climaticos futuros (Streck et al., 2006; Streck et al., 2013b).

O modelo SimulArroz e um modelo de simulacao, deterministico dinamico, baseado em processos (processbased model) para simular o crescimento, o desenvolvimento e a produtividade de graos na cultura do arroz (Streck et al., 2013c). Desenvolvido com base nos modelos InfoCrop (Aggarwal et al., 2006), ORYZA (Bouman & Laar, 2006) e no modelo de aparecimento de folhas de Wang-Engel modificado (Streck et al., 2008c) o SimulArroz e um modelo calibrado para cultivares de arroz usadas no Rio Grande do Sul e assim atende as demandas como ferramenta computacional em nivel regional. A capacidade preditiva de produtividade de graos do SimulArroz foi avaliada por Walter et al. (2012) nas condicoes de cultivo de arroz irrigado por inundacao no municipio de Santa Maria, situado na regiao orizicola da Depressao Central do RS, quando obtiveram bons resultados de predicao, com erros medios na ordem de 850 kg [ha.sup.-1]. No entanto, o desempenho do SimulArroz em descrever variaveis do crescimento de arroz e a produtividade de graos nas diversas regioes orizicolas do Estado do Rio Grande do Sul ainda nao foi avaliado, o que constituiu motivacao para este trabalho.

A hipotese neste trabalho e que o modelo SimulArroz, pelas suas bases ecofisiologicas, tem capacidade de simular com acuracia satisfatoria a producao de biomassa da cultura e a produtividade de graos nos ecossistemas orizicolas do Rio Grande do Sul. O objetivo neste trabalho foi avaliar o desempenho do modelo SimulArroz em simular a producao de biomassa da cultura do arroz na Depressao Central do Rio Grande do Sul e a produtividade de graos em diferentes regioes orizicolas do Rio Grande do Sul.

MATERIAL E METODOS

O modelo de simulacao do rendimento de graos de arroz usado neste estudo foi o modelo SimulArroz[C] (Streck et al., 2013c). O SimulArroz calcula a taxa de crescimento dos diferentes compartimentos da planta (raizes, caule, folhas e paniculas) e de desenvolvimento (emissao de folhas e avanco na fenologia da cultura) no passo de tempo de um dia usando variaveis meteorologicas disponiveis em estacoes meteorologicas (temperatura minima e maxima diaria do ar e radiacao solar).

O SimulArroz e composto por funcoes matematicas do modelo InfoCrop descritas em Aggarwal et al. (2006) e por funcoes do modelo ORYZA 2000 (Bouman & Laar, 2006) dos quais se distingue por ter, em seu codigo, funcoes de fenologia adaptadas para cultivares de arroz usadas no Rio Grande do Sul (Streck et al., 2011; Walter et al., 2012) e por conter um submodelo de emissao de folhas que calcula o numero de folhas acumuladas na haste principal pela Escala de Haun (Streck et al., 2008a). A descricao do desenvolvimento foliar pela Escala de Haun da um carater mecanistico a variavel do desenvolvimento pois ela e uma escala numerica continua, o que facilita sua modelagem numerica (Streck et al., 2013c).

No modelo SimulArroz o ciclo de desenvolvimento da cultura e dividido em quatro fases (Walter et al., 2012): fase de emergencia (semeadura-emergencia), fase vegetativa (emergencia-diferenciacao da panicula), fase reprodutiva (diferenciacao da panicula-antese) e fase de enchimento de graos (antese-maturidade fisiologica). Cada uma das fases e completada quando atingida a soma termica calculada pela metodologia usada por Streck et al. (2011) e acumulada diariamente com base na temperatura minima e maxima diaria do ar e se considerando as tres temperaturas cardinais do desenvolvimento da cultura, temperatura base inferior (Tb - Abaixo da qual a planta nao se desenvolve), temperatura otima (Tot - em que o desenvolvimento e maximo) e temperatura base superior (TB - Acima da qual a planta nao se desenvolve) variando de acordo com a fase de desenvolvimento, ao longo do ciclo da cultura, sendo Tb = 11[degrees]C, Tot = 30[degrees]C e TB = 40 [degrees]C para a fase de emergencia e para a fase vegetativa; Tb = 15 [degrees]C, Tot = 25[degrees]C e TB = 35[degrees]C para a fase reprodutiva; Tb = 15 [degrees]C, Tot = 23[degrees]C e TB = 35[degrees]C para a fase de enchimento de graos (Walter et al., 2012).

O estagio de desenvolvimento (DVS) da cultura e calculado diariamente de modo que a fase de emergencia compreende os estagios de -1 (semeadura) ate 0 (emergencia), a fase vegetativa se inicia no estagio 0 e termina no estagio 0,65 (diferenciacao do primordio floral), a fase reprodutiva se inicia no estagio 0,65 e termina no estagio 1 (antese) e a fase de enchimento de graos corresponde ao periodo entre os estagios 1 e 2 (maturidade fisiologica). O DVS e calculado por:

DVS = STa/STT (1)

em que:

STa--soma termica diaria acumulada ([degrees]C); e

STT--soma termica diaria total ([degrees]C) para completar a fase.

O codigo fonte foi escrito em Fortran e o aplicativo em Java da versao 1.0 do SimulArroz usada neste estudo, esta disponivel para download gratuito em www.ufsm.br/simularroz. A opcao 'produtividade potencial' foi escolhida uma vez que os experimentos usados neste trabalho e descritos a seguir, foram conduzidos em condicoes de manejo potencial, ou seja, aplicando-se todas as tecnicas de manejo para obter a maxima produtividade.

Para testar o desempenho do modelo SimulArroz em simular a biomassa de folhas, colmos e paniculas, foi conduzido um experimento de campo em Santa Maria, RS (29[degrees] 43' S, 53[degrees] 43' W e altitude de 95 m) nos anos agricolas 2011/2012 e 2012/2013, com quatro cultivares, IRGA 421 (muito precoce), BRS Querencia (ciclo precoce), IRGA 424 (ciclo medio) e SCSBRS Tio Taka (ciclo tardio) e tres datas de semeadura no ano agricola 2011/12 (17 de outubro, 18 de novembro e 19 de dezembro de 2011) e uma data de semeadura no ano agricola 2012/2013 (19 de outubro de 2012) com as mesmas cultivares. O delineamento experimental foi em blocos ao caso, com quatro repeticoes. Cada parcela tinha 1,53 x 5 m, com linhas de plantas distanciadas 17 cm e uma densidade de plantas de 200 plantas [m.sup.-2] . A adubacao e as praticas de manejo, incluindo a irrigacao por inundacao a partir de V3, seguiram as indicacoes da cultura do arroz para o Rio Grande do Sul (SOSBAI, 2012).

Foram realizadas amostragens de massa fresca coletando-se plantas em 0,1 [m.sup.2] em cada parcela nos dois anos agricolas. As plantas de arroz foram separadas em folhas, colmos, paniculas e material senescente no ano agricola 2011/12 e em folhas + colmos e paniculas no ano agricola 2012/13; apos a separacao o material foi colocado em sacos de papel identificados e, posteriormente, colocado para secagem em estufa a 60[degrees]C ate atingir massa constante.

Para testar a capacidade de predicao da produtividade de arroz do modelo SimulArroz com dados independentes foi realizada uma busca bibliografica de trabalhos cientificos nos quais eram relatados valores de produtividade de graos em experimentos conduzidos em diferentes regioes orizicolas do Rio Grande do Sul; apenas tratamentos sem deficiencia ou estresse por fatores bioticos ou abioticos foram considerados na avaliacao do desempenho do modelo; os detalhes de cada um desses experimentos utilizados como dados independentes estao na Tabela 1.

Com excecao da regiao da Campanha, para a qual nao foram encontrados dados de produtividade de cultivares descritas no SimulArroz ou nao havia dados meteorologicos nos locais dos experimentos obteve-se, para todas as demais regioes orizicolas, o total de 91 dados de produtividade de graos (kg [ha.sup.-1]) para teste do modelo. As datas de semeadura variaram de 1[degrees] de outubro ate 11 de marco em safras desde 1984/85 a 2009/10 e as cultivares testadas tinham ciclos de maturacao variando desde o ciclo muito precoce (como, por exemplo, a cultivar IRGA 421) ate o ciclo tardio (cultivar SCSBRS Tio Taka).

Os dados meteorologicos diarios (temperatura minima, maxima e radiacao solar), necessarios para rodar o SimulArroz em cada experimento da Tabela 1, foram obtidos de estacoes meteorologicas do INMET do municipio ou mais proximo a este.

O desempenho modelo SimulArroz foi avaliado pelas estatisticas: raiz do quadrado medio do erro (RQME - Eq. 2), RQME normalizado (RQMEn - Eq. 3), indice "BIAS" (Eq. 4), coeficiente de correlacao (r - Eq. 5), indice de concordancia (dw - Eq. 6) e indice de confianca (c - Eq. 7).

0 "RQME" expressa o erro medio do modelo (quanto menor o RQME melhor e o modelo) e foi calculado pela Eq. 2, como citado por Streck et al. (2008a,c):

RQME = [[[summation][(Si - Oi).sup.2]/n].sup.0,5] (2)

em que:

Si--valores simulados;

Oi--valores observados; e

n--numero de observacoes.

O RQME normalizado (RQMEn) que indica o erro medio relativo, foi calculado pela Eq. 3:

RQMEn = 100 X RQME/Oim (3)

em que:

Oim--media dos valores observados.

O RQME foi usado para a variavel produtividade de graos, pois tem aplicacao pratica ja que e um erro absoluto e assim mais apropriado para esta variavel (Walter et al., 2012). O RQMEn foi usado para as variaveis de biomassa visando facilitar a comparacao com dados de literatura em que esta estatistica foi usada (Bouman & Laar, 2006).

O valor de "BIAS", utilizado por Samboranha et al. (2013) e por Souza et al. (2008), foi obtido pela formula:

BIAS = ([summation]Si - [summation]Oi)/[summation]Oi) (4)

O indice "dw" foi calculado por (Borges & Mendiondo, 2007; Samboranha et al., 2013):

dw = 1 - [summation][[(Si - Oi).sup.2]]/[[[summation]([absolute value of Si - Oim]) + ([absolute value of Oi - Oim])].sup.2] (5)

O valor de r foi calculado por Borges & Mendiondo (2007) e Samboranha et al. (2013):

r = [summation](Oi - Oim) x (Si - Sm)/ [square root of [[summation][(Oi - Oim).sup.2]] x [summation][(Si - Sm).sup.2] (6)

em que:

Oim--media dos valores observados; e

Sm--media dos valores simulados.

O indice de confianca (c) indica o desempenho dos modelos e e calculado por (Borges & Mendiondo, 2007):

c = r x dw (7)

em que:

r--coeficiente de correlacao e dw e o coeficiente de concordancia.

Alem das estatisticas acima tambem foram realizados a analise de variancia (ANOVA) e o teste Tukey a 0,05, dentro de cada regiao considerando-se dois tratamentos (produtividade observada e simulada) e N repeticoes (dados coletados nos trabalhos em cada regiao orizicola).

RESULTADOS E DISCUSSAO

Valores elevados de correlacao (acima de 0,82) entre os valores de producao de biomassa observados e simulados foram verificados para todas as cultivares nos dois anos de cultivo (Tabela 2) significando que o SimulArroz consegue capturar a variacao de biomassa ao longo do ciclo de desenvolvimento da cultura do arroz. O desvio medio dos valores estimados em relacao aos valores observados (BIAS) e ligeiramente negativo e o indice de concordancia e proximo da unidade (Tabela 2) o que indica que o modelo SimulArroz tem elevada capacidade preditiva da producao de biomassa da cultura do arroz.

Avaliando a predicao de biomassa do modelo ORYZA 2000, Bouman & Laar (2006) encontraram erros medios relativos de 25, 31, 39 e 14% para biomassa total, folhas, colmos e paniculas, respectivamente. Comparando mencionados valores com os encontrados neste trabalho (RQMEn, Tabela 2) os erros medios para folhas e colmos sao semelhantes enquanto os erros encontrados pelos autores supracitados sao mais baixos para biomassa total e paniculas. Com base nesses resultados considera-se aceitaveis os erros de simulacao de biomassa com o SimulArroz para este conjunto de dados.

A media da produtividade de graos de arroz observada nos experimentos nas regioes orizicolas da Depressao Central, Fronteira Oeste, Planicie Costeira Externa e Interna a Lagoa dos Patos e Zona Sul, foi de 7938, 9774, 8501, 8314 e 9759 kg [ha.sup.-1], respectivamente. A media da produtividade de graos simulada com o SimulArroz foi proxima da media observada nas diferentes regioes orizicolas e o desvio padrao observado tambem foi capturado pelo modelo (Figura 1). A regiao da Fronteira Oeste teve a maior produtividade observada (13.574 kg [ha.sup.-1]) com a cultivar IRGA 417 e tambem a maior diferenca entre a minima e a maxima produtividade (7.511 kg [ha.sup.-1]). Ja a menor produtividade constatada, foi de 4.451 kg [ha.sup.-1] no municipio de Cachoeirinha, regiao da Planicie Costeira Interna a Lagoa dos Patos, com a cultivar IRGA 421. O SimulArroz conseguiu simular satisfatoriamente a produtividade com erros proximos de 1000 kg [ha.sup.-1] e 200 kg [ha.sup.-1] para a maior e a menor produtividades acima citadas, respectivamente. A comparacao da media de produtividade observada e simulada em cada regiao orizicolas (graficos de barra na Figura 1) com o teste de Tukey a 0,05 indicou que nao ha diferenca estatistica. Estes resultados indicam que o modelo demonstrou ser bastante versatil, capturando a variacao de ambiente entre as regioes orizicolas e a diferenca de potencial produtivo das diferentes cultivares.

As estatisticas confirmam que o modelo SimulArroz conseguiu capturar as variacoes de produtividade existentes entre as regioes orizicolas do Estado (Tabela 3). O indice BIAS foi proximo de zero em todas as regioes. O indice de concordancia foi superior a 0,98 nas regioes Fronteira Oeste, Depressao Central e Planicie Costeira Interna a Lagoa dos Patos e nas regioes Planicie Costeira Externa a Lagoa dos Patos e Zona Sul os valores do indice de concordancia foram um pouco menores (Tabela 3) indicando que nessas regioes a predicao do modelo foi um pouco inferior; mesmo assim, os valores do indice de concordancia podem ser considerados satisfatorios de vez que as variacoes das produtividades de graos observadas nas diferentes regioes foram capturadas pelo modelo. O coeficiente de correlacao e o indice de confianca foram menores na Depressao Central e na Zona Sul, como mais um indicativo de que na Zona Sul o modelo teve menor precisao.

A RQME variou de 1.022 a 2.134 kg [ha.sup.-1] e na media do estado do RS foi 1.541 kg [ha.sup.-1] (Tabela 3) enquanto o RQMEn foi, para esses valores, 12, 21,9 e 17,4%, respectivamente. Utilizando rendimentos publicados pelo IRGA (Instituto Rio- Grandense do Arroz) e resultados de experimentos realizados em Santa Maria (regiao da Depressao Central do Rio Grande do Sul), Walter et al. (2012) encontraram erros de 850 kg [ha.sup.-1] no teste da versao do modelo fato que deu origem ao SimulArroz.

Os erros encontrados para este conjunto de dados (Tabela 3) na regiao da Depressao Central foram um pouco maiores que os encontrados por Walter et al. (2012) passivel de ser explicado pelo maior numero de safras usadas no presente trabalho (safras de 1984/85 a 2006/07) e principalmente safras anteriores as avaliadas por Walter et al. (2012). Quanto mais antigos os dados de safra sao esperados, maiores erros de simulacao, em funcao de que o SimulArroz, foi calibrado com experimentos durante a decada de 2000 (Streck et al., 2013b) em que a utilizacao de tecnologias de manejo (data de entrada da agua, manejo de adubacao e fitossanitario) era maior que nos anos 80 e 90.

Entre as outras regioes se destaca a Planicie Costeira Interna e Externa em que o RQME foi o menor com RQMEn de 14 e 12%, respectivamente. Esses erros sao, em todas as regioes, considerados aceitaveis, com base nas condicoes tao diversas de anos e cultivares dos dados independentes (Tabela 1). Considerando que ha varios fatores que contribuem para os erros neste tipo de teste, desde as proprias simplificacoes, que sao inerentes ao uso de modelos matematicos ate a distancia entre a estacao meteorologica e o local do experimento os diferentes locais em que foram conduzidos os experimentos, tendencia tecnologica de evolucao da produtividade, cultivares, manejo etc. pode-se inferir que o modelo conseguiu capturar a variacao da produtividade.

Como observaram Lorenconi et al. (2010) e Swain et al. (2007) que testaram a producao de materia seca em arroz com o modelo ORYZA e apesar de observarem bom desempenho do modelo, enfatizaram a necessidade constante de melhorias e ajustes do modelo matematico. E provavel que o SimulArroz tambem necessita de atualizacoes, principalmente no que diz respeito a simulacao do crescimento da cultura pois muitos fatores precisam ser considerados para definicao desta variavel que influencia diretamente a produtividade; entretanto, a atual versao do SimulArroz (www.ufsm.br/simularroz) pode ser usada como ferramenta computacional para se estudar o crescimento, o desenvolvimento e a produtividade de arroz para todas as regioes orizicolas do Rio Grande do Sul.

CONCLUSOES

1. O modelo SimulArroz apresenta desempenho satisfatorio em simular a producao de biomassa de diferentes cultivares e datas de semeadura de arroz, na regiao central do Rio Grande do Sul.

2. O modelo SimulArroz tambem e capaz de simular a produtividade de graos e sua variacao nas diferentes regioes orizicolas do Rio Grande do Sul com precisao media superior a 70%.

DOI: http://dx.doi.org/10.1590/1807-1929/agriambi.v19n12p1159-1165

LITERATURA CITADA

Aggarwal, P. K.; Kalra, N.; Chander, S.; Pathak, H. InfoCrop: A dynamic simulation model for the assessment of crop yields, losses due to pests, and environmental impact of agro-ecosystems in tropical environments, I. Model escription. Agricultural Systems, v.89, p.1-25, 2006. http://dx.doi.org/10.1016/j.agsy.2005.08.001

Borges, A. C.; Mendiondo, E. M. Comparacao entre equacoes empiricas para estimativa da evapotranspiracao de referencia na Bacia do Rio Jacupiranga. Revista Brasileira de Engenharia Agricola Ambiental, v.11, p.293-300, 2007. http://dx.doi. org/10.1590/S1415-43662007000300008

Bouman, B. A. M.; Laar, H. H. van. Description and evaluation of rice growth model ORYZA2000 under nitrogen-limited conditions. Agricultural Systems, v.87, p.249-273, 2006. http://dx.doi. org/10.1016/j.agsy.2004.09.011

Camargo, E. R.; Marchesan, E.; Avila, L. A. da; Silva, L. S. da; Rossato, T. L; Massoni, P. F. Manutencao da area foliar e produtividade de arroz irrigado com a aplicacao de fertilizantes foliares no estadio de emborrachamento. Ciencia Rural, v.38, p.1439-1442, 2008. http://dx.doi.org/10.1590/S0103-84782008000500038

Freitas, T. F. S.; Oliveira, J. V. Efeito do tratamento de sementes no desenvolvimento inicial e na produtividade de graos de arroz irrigado. In: Congresso Brasileiro de Arroz Irrigado, 7, 2011. Balneario Camboriu, Anais ... Itajai: EPAGRI/SOSBAI, 2011. p.631-634.

IRGA--Instituto Rio-Grandense do Arroz. Dados de safra: Serie historica da area plantada, producao e rendimento. http://www. irga.rs.gov.br/upload/20131024101611producao_rs_e_brasil. pdf. 13 Mar. 2013.

Kempf, D.; Lopes, S. I. G.; Lopes, M. C. B.; Rosso, A. de F.; Carmona, P. S.; Cremonese, J. L.; Freitas, P. R. S.; Ritzel, A.; Barroso, E.; Comoreto, R. C. de M. Rendimento de linhagens avancadas em semeadura pre-germinada, safra 2009/10. In: Congresso Brasileiro de Arroz Irrigado, 7, 2011, Balneario Camburiu, Anais ... Itajai: EPAGRI/SOSBAI, 2011. p.224-227.

Lopes, M. C. B.; Lopes, S. I. G.; Carmona, P. G.; Oliveira, C. L. E.; Trojan, S. C.da; Hernandes, G. Avaliacao de genotipos, no ensaio de rendimento preliminar, do programa de melhoramento genetico do instituto Rio-grandense do arroz, na safra 2005/06. In: Congresso Brasileiro de Arroz Irrigado, 5, 2007, 1, 2007. Pelotas. Anais ... Pelotas: Embrapa Clima Temperado, 2007. p.195-197.

Lorenconi, R.; Neto, D. D.; Heinemann, A. B. Calibracao e avaliacao do modelo ORYZA-APSIM para o arroz de terras altas no Brasil. Revista Ciencia Agronomica, v.41, p. 605-613, 2010. http://dx.doi. org/10.1590/S1806-66902010000400013

Marchezan, E.; Aude, M. I. S.; Storck, L. Comportamento de genotipos de arroz irrigado em Santa Maria. Ciencia Rural, v.26, p.147-148, 1996. http://dx.doi.org/10.1590/S0103-84781996000100027

Marchezan, E.; Camargo, E. R.; Lopes, S. I. G.; Santos, F. dos M.; Michelon, S. Desempenho de genotipos de arroz irrigado cultivados no sistema pre-germinado com inundacao continua. Ciencia Rural, v.34, p.1349-1354, 2004. http://dx.doi.org/10.1590/S0103-84782004000500005

Marchezan, E.; Garcia, G.A.; Camargo, E.R; Massoni, P.F.S.; Arosemena, D. R.; Oliveira, A. P. B. de B. Manejo da irrigacao em cultivares de arroz no sistema pre-germinado. Ciencia Rural, v.37, p.45-50, 2007. http://dx.doi.org/10.1590/S0103-84782007000100008

Marcolin, E.; Jaeger, R. L.; Fonseca, E. L. Rendimentos de graos e eficiencia de uso de agua em lavouras comerciais de arroz irrigado com manejo adequado. In: Congresso Brasileiro de Arroz Irrigado, 7, 2011. Balneario Camboriu, Anais...Itajai: EPAGRI/SOSBAI, 2011. p.362-365.

Rosso, A. F.; Scherer, R.; Wang, L.; Yuntian, W; Carmona, P. S.; Leal, C. E. B.; Freitas, P. R. da S.; Ritzel, A.; Oliveira, I. C. de P.; Cremonese, J. L.; Trojan, S.; Chaves, A. da C.; Neves, G.; Jaeger, R. L.; Piazzetta, D. Avaliacao de genotipos de arroz hibrido do programa de melhoramento genetico da parceria Instituto Rio-Grandense do Arroz/Fazenda Ana Paula, na safra 2009/10. In: Congresso Brasileiro de Arroz Irrigado, 7, 2011. Balneario Camboriu, Anais ... Itajai: EPAGRI/SOSBAI, 2011. p.54-57.

Samboranha, F. K.; Streck, N. A.; Uhlmann, L. O.; Gabriel, L. F.; Modelagem matematica do desenvolvimento foliar em mandioca. Revista Ciencia Agronomica, v.44, p.815-824, 2013. http://dx.doi. org/10.1590/S1806-66902013000400019

Scivittaro, W B.; Silva, P. da S.; Steinmetz, S.; Severo, A. C. M. Uso da agua pelo arroz: efeito do periodo de supressao da irrigacao. In: Congresso Brasileiro de Arroz Irrigado, 7, 2011. Balneario Camboriu, Anais ... Itajai: EPAGRI/SOSBAI, 2011. p.315-318.

Shin, D. W.; Baigorria, G. A.; Lim, Y. K.; Cocke, S.; Larow, T. E. ; O'brien, J. J.; Jones, J. W.. Assessing maize and peanut yield simulations with various seasonal climate data in the Southeastern United States. Journal of Applied Meteorology and Climatology, v.49, p.592-603, 2010. http://dx.doi. org/10.1175/2009JAMC2293.1

Shin, D. W; Bellow, J. G.; Larow, T. E.; Cocke, S.; O'brien, J. J. The role of an advanced land model in seasonal dynamical downscaling for crop model application. Journal of Applied Meteorology and Climatology, v.45, p.686-701, 2006. http://dx.doi.org/10.1175/JAM2366.1

Streck, N. A.; Alberto, C. M. Estudo numerico do impacto da mudanca climatica sobre o rendimento de trigo, soja e milho. Pesquisa Agropecuaria Brasileira, v.41, p.1351-1359, 2006. http://dx.doi. org/10.1590/S0100-204X2006000900002

Streck, N. A.; Bosco, L. C; Lago, I. Simulating leaf appearance in rice. Agronomy Journal, v.100, p.490-501, 2008a. http://dx.doi. org/10.2134/agronj2007.0156

Streck, N. A.; Bosco, L. C.; Lucas, D. D. P; Lago, I. Modelagem da emissao de folhas em arroz cultivado e em arroz-vermelho. Pesquisa Agropecuaria Brasileira, v.43, p.559-567, 2008b. http://dx.doi.org/10.1590/S0100-204X2008000500002

Streck, N. A.; Charao, A. S.; Walter, L. C.; Rosa, H. T.; Benedetti, R. P.; Marchezan, E.; Silva, M. da R. SimulArroz: Um aplicativo para estimar a produtividade de arroz no Rio Grande do Sul. In: Congresso Brasileiro de Arroz Irrigado, 8, 2013, Santa Maria. Anais ... Santa Maria: SOSBAI, 2013a. p.1618-1627.

Streck, N. A.; Lago, I.; Gabriel, L. F.; Samboranha, F. K. Simulating maize phenology as a function of air temperature with a linear and a nonlinear model. Pesquisa Agropecuaria Brasileira, v.43, p.449-455, 2008c. http://dx.doi.org/10.1590/S0100204X2008000400002

Streck, N. A.; Lago, I.; Oliveira, F. B.; Heldwein, A. B.; Avila, L. de A.; Bosco, L.C. Modeling the development of cultivated rice and weedy red rice. Transactions of the ASAE, v.54, p.371-384, 2011. http://dx.doi.org/10.13031/2013.36234

Streck, N. A. Silva, M. R. da; Rosa, H. T.; Walter, L. C.; Benedetti, R. P.; Carli, C. de; Charao, A. S.; Marcolin, E.; Ferraz, S. E. T.; Marchesan, E. Acompanhamento da safra 2012/2013 de arroz Irrigado no Rio Grande do Sul por modelagem numerica. Ciencia e Natura, p.368-372, 2013b.

Streck, N. A. ; Uhlmann, L. O. ; Gabriel, L. F. Leafdevelopment of cultivated rice and weedy red rice under elevated temperature scenarios. Revista Brasileira de Engenharia Agricola e Ambiental, v.17, p.190-199, 2013c. http://dx.doi.org/10.1590/S1415-43662013000200010

SOSBAI--Sociedade Sul Brasileira de Arroz Irrigado. Arroz irrigado: Recomendacoes tecnicas da pesquisa para o sul do Brasil, 29. Itajai: SOSBAI, 2012. 177p.

Souza, C. A. M.; Silva, G. da F.; Xavier, A. C.; Mendonca, A. de R.; Almeida, A. de Q. Avaliacao de modelos de afilamento naosegmentados na estimacao da altura e volume comercial de Eucalyptus sp. Ciencia Florestal, v.18, p.387-399, 2008.

Swain, D. K.; Herath, S.; Bhaskar, B. C.; Krishnan, P.; Rao, K. S.; Nayak, S. K.; Dash, R. N. Developing ORYZA IN for mediumand dong-duration rice: variety selection under non water stress Conditions. Agronomy Journal, v.99, p.428-440, 2007. http:// dx.doi.org/10.2134/agronj2006.0204 Walter, L. C.; Rosa, H. T.; Streck, N. A.; Ferraz, S. E. T. Adaptacao e avaliacao do modelo InfoCrop para simulacao do rendimento de graos da cultura do arroz irrigado. Engenharia Agricola, v.32, p.510-521, 2012. http://dx.doi.org/10.1590/S0100-69162012000300010

Hamilton T. Rosa (1), Lidiane C. Walter (1), Nereu A. Streck (2), Cristiano De Carli (3), Giovana G. Ribas (2) & Enio Marchesan (2)

(1) Instituto Federal Farroupilha. Santo Augusto, RS. E-mail: hamilton.rosa@iffarroupilha.edu.br; lidiane.walter@iffarroupilha.edu.br (Autor correspondente)

(2) Departamento de Fitotecnia/Universidade Federal de Santa Maria. Santa Maria, RS. E-mail: nstreck2@yahoo.com.br; giovana.ghisleni@hotmail.com; eniomarchesan@gmail.com

(3) Departamento de Fitossanidade/Universidade Federal de Santa Maria. Santa Maria, RS. E-mail: cristianodcarli@yahoo.com.br

Protocolo 362-2014-12/10/2014 * Aprovado em 29/05/2015 * Publicado em 03/11/2015

Tabela 1. Dados independentes de produtividade de graos de arroz
usados na avaliacao do modelo SimulArroz nas regioes orizicolas do
Rio Grande do Sul: Depressao Central (DC), Fronteira Oeste (FO),
Planicie Costeira Interna a Lagoa dos Patos (PCI), Planicie Costeira
Externa a Lagoa dos Patos (PCE) e Zona Sul (ZS)

                                                           Regioes
Data(s) de semeadura              Cultivar(es)            orizicolas

12/10/2009, 23/10/2009,    IRGA 424,                         PCI
05/11/2009                 EPAGR1109

21/10/2009, 23/10/2009,    IRGA 409, IRGA 417, IRGA      DC, F0, PCI,
29/10/2009 e 12/11/2009    424, IRGA 409 e IRGA 417        PCE e ZS

09/11/2009, 21/10/2009     IRGA 424, SCSBRS TioTaka,       DC e PCE
                           IRGA 424, IRGA 425, SCS116
                           Saturu

20/11/1984 a 20/11/1995    IRGA 416, IRGA 409 e BRS           DC
                           TAIM

11/10/2000, 24/11/2000 e   BR IRGA 409, IRGA 417, IRGA        DC
19/11/2002                 420,
                           BRS TAIM

30/11/2002,18/10/2003 e    IRGA 420 e BRS TAIM                nr
23/10/2004

11/03/2005                 IRGA 417                           DC

20/10/2009 e 13/11/2009    IRGA 424                          PCE

17/11/2007 e 30/10/2008    BRS Querencia                      ZS

01/10/2004, 29/10/2004,    SCSBRS Tio Taka, IRGA 417,      PCE, ZS
27/10/2005,03/11/2005 e    EPAGR1 108,109, IRGA 409,
05/11/2005                 410,418,419,420,421

                           experimental
Data(s) de semeadura       Condicao        Referencias

12/10/2009, 23/10/2009,    Lavoura         Marcolin et al. (2011)
05/11/2009                 comercial

21/10/2009, 23/10/2009,    Experimento a   Rosso et al. (2011)
29/10/2009 e 12/11/2009    campo

09/11/2009, 21/10/2009     Experimento a   Kempt et al. (2011)
                           campo

20/11/1984 a 20/11/1995    Experimento a   Marchezan et al., (1996)
                           campo

11/10/2000, 24/11/2000 e   Experimento a   Marchezan etal. (2004)
19/11/2002                 campo

30/11/2002,18/10/2003 e    Experimento a   Marchezan etal. (2007)
23/10/2004                 campo

11/03/2005                 Experimento a   Camargo etal. (2008)
                           campo

20/10/2009 e 13/11/2009    Experimento a   Freitas & Oliveira (2011)
                           campo

17/11/2007 e 30/10/2008    Experimento a   Sclvlttaro et al. (2011)
                           campo

01/10/2004, 29/10/2004,    Experimento a   Lopes et al. (2007)
27/10/2005,03/11/2005 e    campo
05/11/2005

Tabela 2. Estatisticas do desempenho da simulacao de
biomassa seca de arroz (g [m.sup.-2]) com o modelo SimulArroz
no ano agricola 2011/2012 em Santa Maria, RS, em tres
datas de semeadura (17/11/2011, 18/11/2011, 19/12/2011)
e quatro cultivares (IRGA 421, IRGA 417, BRS Querencia
e SCSBRS Tio Taka) e no ano agricola 2012/2013

                                        Estatistica

                        RQMEn
    Compartimento        (%)      BIAS       dw         r         c

Ano agricola 2011/12

Parte aerea              34,7    -0,068    0,9987    0,9403    0,9390
Folhas                   29,5    -0,106    0,9985    0,9381    0,9367
Colmos                   35,3    -0,294    0,9968    0,9523    0,9492
Paniculas                29,5    -0,267    0,9990    0,8537    0,8508
Biomassa senescida       63,6    -0,308    0,9961    0,8253    0,8222

Ano agricola 2012/13

MS de colmos e folhas   16,64     -0,13    0,9946    0,9591    0,9539
Paniculas               22,77     -0,04    0,9899    0,9031    0,8939

RQMEn - Raiz do quadrado medio do erro normalizado; BIAS - Indice
que mede o desvio medio dos valores estimados em relacao aos
valores observados; dw - Indice de concordancia; r - Coeficiente de
correlacao; c - Indice de confianca

Tabela 3. Estatisticas do desempenho da simulacao da
produtividade de graos de arroz (kg [ha.sup.-1]) nas regioes
orizicolas do Rio Grande do Sul com o modelo SimulArroz

                                           Estatistica

                           RQME
      Regioes               (kg
     orizicolas         [ha.sup.1])   BIAS      dw        r        c

Depressao Central          1778      0,0273   0,9817   0,3734   0,3666
Fronteira Oeste            1422      -0,005   0,9874   0,7300   0,7208
PCI a Lagoa dos Patos      1165      0,0443   0,9910   0,6538   0,6479
PCE a Lagoa dos Patos      1022      -0,051   0,9336   0,6791   0,6340
Zona Sul                   2134      -0,158   0,8411   0,5066   0,4252
Todas Regioes              1541       0,021   0,9960   0,5513   0,5491

RQME - Raiz do quadrado medio do erro; BIAS - Indice que mede o
desvio medio dos valores estimados em relacao aos valores
observados; dw - Indice de concordancia; r - Coeficiente de
correlacao; c - Indice de confianca; PCI - Planicie Costeira
Interna; PCE - Planicie Costeira Externa
COPYRIGHT 2015 ATECEL--Associacao Tecnico Cientifica Ernesto Luiz de Oliveira Junior
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2015 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:texto en ingles
Author:Rosa, Hamilton T.; Walter, Lidiane C.; Streck, Nereu A.; De Carli, Cristiano; Ribas, Giovana G.; Mar
Publication:Revista Brasileira de Engenharia Agricola e Ambiental
Date:Dec 1, 2015
Words:5140
Previous Article:Water use efficiency of coriander produced in a low-cost hydroponic system/Eficiencia do uso da agua na producao do coentro em hidroponia de baixo...
Next Article:Dry matter production and macronutrient leaf composition in lettuce under fertigation with nitrogen, potassium and silicon/Producao e composicao...
Topics:

Terms of use | Privacy policy | Copyright © 2018 Farlex, Inc. | Feedback | For webmasters