RESUMOModelos agrometeorológicos de estimativa de safra utilizam dados climatológicos coletados em estações convencionais de superfície. A precipitação é o elemento meteorológico que apresenta maior variabilidade espacial, e desta forma com o intuito de obter uma maior cobertura e disponibilidade de dados de precipitação pluvial vem sendo utilizados dados estimados por satélite. Com isso melhora a qualidade das estimativas de produtividade da cultura da soja no Estado de São Paulo. O objetivo foi estimar a produtividade da cultura da soja, para a região do Vale do Médio Paranapanema-SP, utilizando dados de temperatura e precipitação de estações meteorológicas convencionais e dados de precipitação estimados pelo satélite TRMM para o período de 1998 a 2008, por meio de modelagem agrometeorológico. O modelo de estimativa de produtividade utilizado levou em consideração tanto deficiência hídrica como o excedente hídrico e apresentou desempenho satisfatório e melhoria significativa com a inserção dos dados do satélite TRMM, com valores de índice de concordância 'd' variando de 0,80 a 0,90. Palavras-chave:Precipitação pluvial, variabilidade climática, TRMM. SILVA-FUZZO,D.F.; PRELA-PANTANO, A.; CAMARGO,M.B.P. AGROMETEOROLOGICAL MODELING TO ESTIMATE SOYBEAN YIELD IN THE VALLEY OF THE MIDDLE PARANAPANEMA-SP ABSTRACTAgrometeorological models to estimate harvest use climatological data collected in conventional surface stations. Precipitation is the weather parameter which presents the highest spatial variability. Therefore, in order to achieve greater coverage and rainfall data availability, data estimated by satellite have been used, and consequently, better estimates of soybean crop yield have been found in São Paulo state. The objective of this study was to estimate crop yield of soybean in the Valley of the Middle Paranapanema-SP, using data of temperature and precipitation from conventional meteorological stations and precipitation data estimated by the TRMM satellite in the period from 1998 to 2008 using agrometeorological modeling. The estimation model of productivity considered both water stress and water surplus, and using data of the TRMM satellite caused a significant improvement with values of concordance index 'd' of Willmott ranging from 0.80 to 0.90.
A obtenção de dados agrometeorológicos podem ser feitos por meio de redes de estações meteorológicas que registram dados atmosféricos. Porém, dada as dimensões do país, ainda não há uma rede de estações com cobertura suficiente para atender esta necessidade, principalmente em nível local. Estimativas de precipitação por satélite têm sido propostas em vários trabalhos científicos, contribuindo como uma ferramenta importante para a consistência dos dados climatológicos. As estimativas espaciais de precipitação podem se constituir numa ferramenta extremamente útil. Essas estimativas quando comparadas com valores pontuais medidos em superfície, mostram que podem fornecer uma boa noção da distribuição espacial das chuvas. Sob este contexto, o objetivo deste trabalho foi avaliar o desempenho das estimativas de precipitação pluvial do satélite TRMM, para o estado do Paraná - Brasil, e verificar a confiabilidade dos dados em relação aos dados observados em superfície (estações meteorológicas convencionais do SIMEPAR), para o período de 2000 a 2010. Os resultados mostraram que as estimativas de precipitação do satélite TRMM podem ser utilizadas como uma fonte alternativa de informações sobre a escassez de dados de estações de superfície.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.