Resumo O objetivo deste trabalho foi avaliar um método de previsão de safra para arroz irrigado por inundação no estado do Rio Grande do Sul, Brasil, por meio do modelo SimulArroz. Utilizou-se a versão 1.1 desse modelo e dados meteorológicos históricos, com seis cenários compostos pelos seguintes níveis de informação em campo: datas de semeadura (1 a 4) e número de cultivares e/ou ciclos de desenvolvimento (1 a 3) durante quatro safras (2014/2015 a 2017/2018). A raiz quadrada média do erro (RQME), para comparação da produtividade real com a produtividade simulada para o Rio Grande do Sul, foi de 618,3 e 1.024,8 kg ha−1, isto é, de 8 e 13%, respectivamente. A previsão de safra de arroz com aplicação do modelo SimulArroz e dados meteorológicos históricos para o Rio Grande do Sul apresenta boa capacidade preditiva quanto à produtividade, e o cenário recomendado para a previsão é o complex 1, com uso de três épocas de semeadura por local e das três cultivares mais representativas por região.

Abstract The objective of this work was to evaluate a flooded-rice yield forecasting method for the state of Rio Grande do Sul, Brazil, using the SimulArroz model. Version 1.1 of this model and historical meteorological data were used, with six different scenarios composed of the following levels of field information: number of sowing dates (1 to 4) and number of cultivars and/or development cycles (1 to 3) during four growing seasons (2014/2015 to 2017/2018). The root mean square error (RMSE) for comparing the actual yield with the simulated yield for Rio Grande do Sul was of 618.3 and 1,024.8 kg ha−1, i.e., of 8 and 13%, respectively. The forecast of rice yield by applying the SimulArroz model and historic meteorological data for Rio Grande do Sul shows a good predictability, and the recommended scenario is complex 1, using three sowing dates per site and the three most representative rice cultivars per region.

Resumo O objetivo deste trabalho foi determinar a densidade agronômica ótima de plantas (DAOP) para o milho (Zea mays), em ambientes de alta, média e baixa produtividade de grãos, bem como definir qual componente da produtividade é mais sensível às variações de densidade de plantas. Experimentos em fazenda foram conduzidos nos municípios de Júlio de Castilhos, na safra de 2018/2019, e de Entre-Ijuís, Jóia, Agudo e Júlio de Castilhos, na safra de 2019/2020, no estado do Rio Grande do Sul, Brasil. Os ambientes de produção foram classificados como de baixa (< 10 Mg ha-1), média (de 10 a 16 Mg ha-1) e alta (> 16 Mg ha-1) produtividade. Júlio de Castilhos foi identificado como ambiente de alta produtividade; Jóia e Entre-Ijuís, como de média produtividade; e Agudo, como de baixa produtividade. As DAOPs variaram de 60.000 a 140.000 plantas por hectare nos diferentes ambientes de produção. A DAOP foi de 110.300 a 116.200 plantas por hectare para o ambiente de alta produtividade, de 101.000 plantas por hectare para o ambiente de média produtividade e de 60.000 plantas per hectare para o ambiente de baixa produtividade. O número de grãos por fileira é o componente de rendimento mais sensível às variações de densidade de plantas, em todos os ambientes de produção.

Abstract The objective of this work was to determine the agronomic optimal plant density (AOPD) for corn (Zea mays) in environments with a high, medium, and low grain yield, as well as to define which yield component is the most sensitive to variations in plant density. On-farm experiments were conducted in the municipalities of Júlio de Castilhos, in the 2018/2019 growing season, and of Entre-Ijuís, Jóia, Agudo, and Júlio de Castilhos, in the 2019/2020 growing season, in the state of Rio Grande do Sul, Brazil. The production environments were classified as having a low (< 10 Mg ha-1), medium (from 10 to 16 Mg ha-1), and high (> 16 Mg ha-1) grain yield. Júlio de Castilhos was identified as a site of high yield; Jóia and Entre-Ijuís, as of medium yield; and Agudo, as of low yield. The AOPDs ranged from 60,000 to 140,000 plants per hectare in the different production environments. The AOPD was of 110,300 to 116,200 plants per hectare for the high-yield environment, 101,000 plants per hectare for the medium-yield environment, and 60,000 plants per hectare for the low-yield environment. The number of grains per row is the yield component that is the most sensitive to variations in plant density in all production environments.

Resumo: O objetivo deste trabalho foi modelar, no modelo SimulArroz, as três cultivares de arroz (Oryza sativa) irrigado atualmente mais cultivadas no Estado do Rio Grande do Sul. Os experimentos para calibrar e validar o modelo foram conduzidos nos municípios de Cachoeirinha, Santa Maria, Uruguaiana, Santa Vitória do Palmar e Cachoeira do Sul, durante quatro safras. Foram avaliados o número de folhas, a fenologia, a biomassa da matéria seca da parte aérea e a produtividade de cada cultivar. Os resultados mostraram uma leve superestimativa dos estádios R1, R4 e R9; no entanto, no geral, o modelo SimulArroz apresentou bom desempenho na simulação da fenologia do arroz para os três genótipos estudados. Além disso, o modelo teve uma precisão razoável em simular matéria seca da parte aérea e produtividade. A raiz quadrada do erro quadrático médio (RMSE) para matéria seca da parte aérea (folhas, caules, panículas e grãos) variou de 0,5 a 3,0 Mg ha-1. Para produtividade, a RMSE variou de 0,8 a 1,3 Mg ha-1. A calibração do modelo SimulArroz é eficiente em simular o crescimento, o desenvolvimento e a produtividade de grãos das cultivares de arroz irrigado mais importantes no Sul do Brasil e pode ser utilizada para estimar a previsão de safra e o potencial de produtividade, bem como para estudos de lacunas de produtividade.

Abstract: The objective of this work was to model, in the SimulArroz model, the three flood-irrigated rice (Oryza sativa) cultivars currently most grown in the state of Rio Grande do Sul, Brazil. The experiments to calibrate and validate the model were conducted in the municipalities of Cachoeirinha, Santa Maria, Uruguaiana, Santa Vitória do Palmar, and Cachoeira do Sul during four crop seasons. The number of leaves, phenology, aboveground dry matter biomass, and yield of each cultivar were evaluated. The results showed a slight overestimate of the R1, R4, and R9 stages; however, overall, the SimulArroz model had a good performance in simulating rice phenology for the three studied genotypes. Furthermore, the model had a reasonable accuracy in simulating aboveground dry matter and yield. The root-mean-square error (RMSE) for aboveground dry matter (leaves, stems, panicles, and grains) ranged from 0.5 to 3.0 Mg ha-1. For yield, the RMSE ranged from 0.8 to 1.3 Mg ha-1. The calibration of the SimulArroz model is efficient in simulating the growth, development, and grain yield of the most important flood-irrigated rice cultivars in Southern Brazil and can be used to estimate harvest forecast and yield potential, as well for yield gap studies.

Resumo: O objetivo deste trabalho foi modelar a competição de arroz-daninho (Oryza sativa) e capim-arroz (Echinochloa spp.) com o arroz irrigado por inundação e introduzi-la como um submodelo no modelo SimulArroz. A competição das duas ervas daninhas com o arroz irrigado foi modelada com o uso da equação da hipérbole retangular. Os coeficientes “i” e “a” da hipérbole retangular referentes a cada erva foram obtidos na literatura e em experimentos de campo conduzidos no Rio Grande do Sul. No SimulArroz, a perda de produtividade foi aplicada para penalizar a produtividade nos três níveis tecnológicos (alto, médio e baixo) para maturidade fisiológica. Para o arroz-daninho, os valores do coeficiente imédio, para os níveis tecnológicos alto, médio e baixo, foram 1,04, 1,50 e 3,57, respectivamente, e, para o capim-arroz, foram 4,70, 10,49 e 15,51, respectivamente. O coeficiente “a” foi 100 para o arroz-daninho, e o amédio, para o capim-arroz, foi 101,63, 104,92, 96,88 para os níveis tecnológicos alto, médio e baixo, respectivamente. A abordagem de perda de produtividade foi adequada para modelar a competição de arroz-daninho e capim-arroz com o arroz irrigado. O submodelo de perda de produtividade pela competição de arroz-daninho e capim-arroz com o arroz irrigado melhora a capacidade preditiva do modelo SimulArroz.

Abstract: The objective of this work was to model weedy rice (Oryza sativa) and barnyard grass (Echinochloa spp.) competition with flood-irrigated rice, introducing it as a submodule into the SimulArroz model. The competition of both weeds with irrigated rice was modeled using the rectangular hyperbola equation. The “i” and “a” coefficients of the rectangular hyperbola for each of these weeds were obtained from the literature and from field experiments carried out in the state of Rio Grande do Sul, Brazil. In SimulArroz, yield loss was applied to penalize yield in all three technological levels (high, medium, and low) of physiological maturity. For weedy rice, the coefficient values of imean for the high, medium, and low technological levels were 1.04, 1.50, and 3.57 respectively, and, for barnyard grass, 4.70, 10.49, and 15.51 respectively. Coefficient “a” was 100 for weedy rice, and amean values for barnyard grass were 101.63, 104.92, and 96.88 for the high, medium, and low levels, respectively. The yield loss approach was suitable to model the competition of weedy rice and barnyard grass with irrigated rice. The submodule yield loss caused by the competition of weedy rice and barnyard grass with irrigated rice improves the predictive capacity of the SimulArroz model.