Níveis de probabilidade de rendimento de quatro cultivares de soja em cinco datas de semeadura

Dallacort, Rivanildo; Freitas, Paulo Sérgio Lourenço de; Gonçalves, Antonio Carlos Andrade; Faria, Rogério Teixeira de; Rezende, Roberto; Bertonha, Altair

doi:10.4025/actasciagron.v30i2.1740

Resumos

O presente estudo foi realizado para a localidade de Palotina, Estado do Paraná, (latitude de 24º17'S, longitude de 53º50'30'' e altitude de 333 metros), onde se utilizou o modelo de simulação de crescimento e desenvolvimento da cultura da soja (Glycine max L. Merril), CROPGRO-soybean, o qual foi calibrado para as cultivares de soja CD 202, CD 204, CD 206 e CD 210, cultivados na região de Palotina, Estado do Paraná. Após a calibração, realizou-se a simulação da produtividade da soja para cinco datas de semeadura e em 25 safras, compreendidas entre o período de 1974 a 1999. Com as produtividades simuladas determinaram-se diferentes níveis de probabilidade de ocorrência destas produtividades, para as cinco datas de semeadura simuladas. Em 1º de outubro, observaram-se maiores produtividades, porém, nesta data também foram encontradas as menores produtividades; em 15 de outubro e 1º de novembro considerou-se a melhor data de semeadura da cultura da soja; estas apresentaram médias das quatro cultivares nas 25 simulações de 2.450 kg ha-1, e 2.303 kg ha-1, respectivamente. Em nível de 50% de probabilidade de rendimentos é uma ótima ferramenta para o agricultor, no auxílio à tomada de decisão quanto à época de semeadura da cultura da soja na região. Somente a semeadura realizada em 1º de dezembro apresentou produtividade inferior a 2.000 kg ha-1 neste nível.

simulação; CROPGRO-soybean; soja

This study was carried out in the region of Palotina, state of Paraná (latitude 24º17'S, longitude 53º50'30", altitude 333 m), using the growth and development simulation model for soybean crop (Glycine Max (L.) Merrill), CROPGRO-Soybean, which was calibrated to the soybean cultivars CD 202, CD 204, CD 206 and CD 210, grown in the region of Palotina, state of Paraná. After calibration, the simulation of soybean yield was carried out for five different sowing dates and in 25 harvest periods, from 1974 to 1999. From the analysis carried out in the simulations, varying probability levels were determined for the actual occurrence of these productivities, for each of the simulated sowing times. From the five simulated sowing dates, October 1st presented the highest yields, but also the lowest. October 15th and November 1st were considered the best dates for soybean sowing, presenting an average for the four cultivars in the 25 simulations of 2,450 kg ha-1 and 2,303 kg ha-1, respectively. The yield probability analysis proved to be a great tool in decision-making as for the time of sowing of soybean. Well into the 50% level of yield probability is a good number for the farmer, in assisting in the decision of when to sow soybean in the region. Only the sowing time of December 1st presented productivity inferior to 2,000 kg ha-1 with probability levels of 50%.

simulation; CROPGRO-soybean; soybean

PRODUÇÃO VEGETAL VEGETABLE PRODUCTION

Níveis de probabilidade de rendimento de quatro cultivares de soja em cinco datas de semeadura

Yield probability levels for four soybean cultivars in five sowing dates

Rivanildo DallacortI, ^* * Autor para correspondência. E-mail: rdallacort@gmail.com ; Paulo Sérgio Lourenço de Freitas^II; Antonio Carlos Andrade Gonçalves^II; Rogério Teixeira de Faria^III; Roberto Rezende^II; Altair Bertonha^II

^IDepartamento de Agronomia, Universidade do Estado de Mato Grosso, Campus Universitário de Tangará da Serra, 358, km 7, Cx. Postal 287, 78300-000, Tangará da Serra, Mato Grosso, Brasil

^IIDepartamento de Agronomia, Universidade Estadual de Maringá, Maringá, Paraná, Brasil

^IIIInstituto Agronômico do Paraná, Londrina, Paraná, Brasil

RESUMO

O presente estudo foi realizado para a localidade de Palotina, Estado do Paraná, (latitude de 24º17'S, longitude de 53º50'30'' e altitude de 333 metros), onde se utilizou o modelo de simulação de crescimento e desenvolvimento da cultura da soja (Glycine max L. Merril), CROPGRO-soybean, o qual foi calibrado para as cultivares de soja CD 202, CD 204, CD 206 e CD 210, cultivados na região de Palotina, Estado do Paraná. Após a calibração, realizou-se a simulação da produtividade da soja para cinco datas de semeadura e em 25 safras, compreendidas entre o período de 1974 a 1999. Com as produtividades simuladas determinaram-se diferentes níveis de probabilidade de ocorrência destas produtividades, para as cinco datas de semeadura simuladas. Em 1º de outubro, observaram-se maiores produtividades, porém, nesta data também foram encontradas as menores produtividades; em 15 de outubro e 1º de novembro considerou-se a melhor data de semeadura da cultura da soja; estas apresentaram médias das quatro cultivares nas 25 simulações de 2.450 kg ha^-1, e 2.303 kg ha^-1, respectivamente. Em nível de 50% de probabilidade de rendimentos é uma ótima ferramenta para o agricultor, no auxílio à tomada de decisão quanto à época de semeadura da cultura da soja na região. Somente a semeadura realizada em 1º de dezembro apresentou produtividade inferior a 2.000 kg ha^-1 neste nível.

Palavras-chave: simulação, CROPGRO-soybean, soja.

ABSTRACT

This study was carried out in the region of Palotina, state of Paraná (latitude 24º17'S, longitude 53º50'30", altitude 333 m), using the growth and development simulation model for soybean crop (Glycine Max (L.) Merrill), CROPGRO-Soybean, which was calibrated to the soybean cultivars CD 202, CD 204, CD 206 and CD 210, grown in the region of Palotina, state of Paraná. After calibration, the simulation of soybean yield was carried out for five different sowing dates and in 25 harvest periods, from 1974 to 1999. From the analysis carried out in the simulations, varying probability levels were determined for the actual occurrence of these productivities, for each of the simulated sowing times. From the five simulated sowing dates, October 1^st presented the highest yields, but also the lowest. October 15^th and November 1^st were considered the best dates for soybean sowing, presenting an average for the four cultivars in the 25 simulations of 2,450 kg ha^-1 and 2,303 kg ha^-1, respectively. The yield probability analysis proved to be a great tool in decision-making as for the time of sowing of soybean. Well into the 50% level of yield probability is a good number for the farmer, in assisting in the decision of when to sow soybean in the region. Only the sowing time of December 1^st presented productivity inferior to 2,000 kg ha^-1 with probability levels of 50%.

Key words: simulation, CROPGRO-soybean, soybean.

Texto completo disponível apenas em PDF.

Full text available only in PDF format.

Received on May 30, 2006.

Accepted on October 09, 2007.

BASTOS, E.A. et al Simulation of growth and development of irrigated cowpea in Piauí state by CROPGRO model. Pesq. Agropecu. Bras., Brasília, v. 37, n. 10, p. 1381-1387, 2001.
BHATIA, V.S. et al Yeld and its attributes as effected by planting dates in soybean (Glycine max) varieties. Ind. J. Agricult. Sci., [s.l.], v. 69, n. 10, p. 696-699, 1999.
BOOTE, K.J. et al Simulation of crop growth: CROPGRO model. In: PEART, R.M.; CURRY, R.B. (Ed.). Agricultural Systems Modeling and Simulation Chap. 18. Marcel Dekker, New York, 1997. p. 1-42.
FARIA, R.T. et al Simulação da fenologia e produção do feijoeiro pelo modelo BEANGRO. In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 10., Piracicaba, 1997. Anais... Piracicaba: Sociedade Brasileira de Agrometeorologia, 1997a. p. 141-142.
FARIA, R.T. et al Determination of a long-term optimal irrigation strategy for dry beans in Parana state, Brazil. Sci. Agric., Piracicaba, v. 54, p. 155-164, 1997b. (Número especial).
FREITAS, P.S.L. et al Penalização da produtividade da cultura do milho imposta pelo modelo CERES-Maize. Acta Sci. Agron., Maringá, v. 27, n. 1, p. 97-105, 2005.
HEINMANN, A.B. et al Center pivot irrigation management optimization using the CROPGRO model. Trans. ASAE, St. Joseph, v. 43, n. 6, p. 1507-1516, 2000.
HEINMANN, A.B. et al Determination of spatial water requirements at county and regional levels using crop models and GIS: an example for the state of Parana. Agricult. Water Manag., Holland, v. 52, n. 3, p. 177-196, 2002.
HUNT, L.A. et al GENCALC: Software to facilitate the use of crop models for analyzing field experiments. Agron. J., Madison, v. 85, p. 1090-1094, 1993.
JONES, J.W.; RITCHIE, J.T. Crop growth models. In: HOFFMAN, G.L. et al (Ed.). Management of farm irrigation system. St. Joseph: ASAE, 1990. p. 63-89.
MEIRELLES, E.J.L. et al Risco climático de quebra de produtividade da cultura do feijoeiro em Santo Antônio de Goiás, Bragantia, Campinas, v. 62, n. 1, p. 163-171, 2003.
RITCHIE, J.T. A user-oriented model of the soil water balance in wheat. In: FRY, E.; ATKIN, T.K. (Ed.). Wheat growth and modeling. NATO-ASI Series Plenun Press, 1985. p. 293-305
RUÍZ-NOGUEIRA, B. et al Calibration and use of CROPGRO-soybean model for improving soybean management under rainfed conditions. Agric. Sys., [s.l.], v. 68, n. 2, p. 151-173, 2001.
WHISLER, F.D. et al Crop simulation models in agronomic systems. Adv. Agron., San Diego, v. 40, p. 141-208, 1986.
WILKERSON, G.G. et al Modeling soybean growth for crop management. Trans. ASAE, Mishoe, v. 26, p. 63-73, 1983.

*

Autor para correspondência. E-mail:

rdallacort@gmail.com

Datas de Publicação

Publicação nesta coleção
16 Ago 2013
Data do Fascículo
Jun 2008

Histórico

Recebido
30 Maio 2006
Aceito
09 Out 2007

This work is licensed under a Creative Commons Attribution 4.0 International License.

[1] BASTOS, E.A. et al Simulation of growth and development of irrigated cowpea in Piauí state by CROPGRO model. Pesq. Agropecu. Bras., Brasília, v. 37, n. 10, p. 1381-1387, 2001.

[2] BHATIA, V.S. et al Yeld and its attributes as effected by planting dates in soybean (Glycine max) varieties. Ind. J. Agricult. Sci., [s.l.], v. 69, n. 10, p. 696-699, 1999.

[3] BOOTE, K.J. et al Simulation of crop growth: CROPGRO model. In: PEART, R.M.; CURRY, R.B. (Ed.). Agricultural Systems Modeling and Simulation Chap. 18. Marcel Dekker, New York, 1997. p. 1-42.

[4] FARIA, R.T. et al Simulação da fenologia e produção do feijoeiro pelo modelo BEANGRO. In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 10., Piracicaba, 1997. Anais... Piracicaba: Sociedade Brasileira de Agrometeorologia, 1997a. p. 141-142.

[5] FARIA, R.T. et al Determination of a long-term optimal irrigation strategy for dry beans in Parana state, Brazil. Sci. Agric., Piracicaba, v. 54, p. 155-164, 1997b. (Número especial).

[6] FREITAS, P.S.L. et al Penalização da produtividade da cultura do milho imposta pelo modelo CERES-Maize. Acta Sci. Agron., Maringá, v. 27, n. 1, p. 97-105, 2005.

[7] HEINMANN, A.B. et al Center pivot irrigation management optimization using the CROPGRO model. Trans. ASAE, St. Joseph, v. 43, n. 6, p. 1507-1516, 2000.

[8] HEINMANN, A.B. et al Determination of spatial water requirements at county and regional levels using crop models and GIS: an example for the state of Parana. Agricult. Water Manag., Holland, v. 52, n. 3, p. 177-196, 2002.

[9] HUNT, L.A. et al GENCALC: Software to facilitate the use of crop models for analyzing field experiments. Agron. J., Madison, v. 85, p. 1090-1094, 1993.

[10] JONES, J.W.; RITCHIE, J.T. Crop growth models. In: HOFFMAN, G.L. et al (Ed.). Management of farm irrigation system. St. Joseph: ASAE, 1990. p. 63-89.

[11] MEIRELLES, E.J.L. et al Risco climático de quebra de produtividade da cultura do feijoeiro em Santo Antônio de Goiás, Bragantia, Campinas, v. 62, n. 1, p. 163-171, 2003.

[12] RITCHIE, J.T. A user-oriented model of the soil water balance in wheat. In: FRY, E.; ATKIN, T.K. (Ed.). Wheat growth and modeling. NATO-ASI Series Plenun Press, 1985. p. 293-305

[13] RUÍZ-NOGUEIRA, B. et al Calibration and use of CROPGRO-soybean model for improving soybean management under rainfed conditions. Agric. Sys., [s.l.], v. 68, n. 2, p. 151-173, 2001.

[14] WHISLER, F.D. et al Crop simulation models in agronomic systems. Adv. Agron., San Diego, v. 40, p. 141-208, 1986.

[15] WILKERSON, G.G. et al Modeling soybean growth for crop management. Trans. ASAE, Mishoe, v. 26, p. 63-73, 1983.