No abstract

No abstract

No abstract

Process-based crop models calibration and structure affect data assimilation for estimating sugarcane yield / Izael Martins Fattori Junior. --Piracicaba, 2022. 70 p. Dissertação (Mestrado) --

The solar radiation is one of the most important weather variables for determining the potential yield of agricultural crops. Soybean is the main Brazilian agricultural commodity, with great social and economical importance for the country. It is well recognized that cloudiness is a limiting factor for crop growth rate. Few studies have been conducted to systematically evaluate how much cloud affect soybean yield and none, to our knowledge, is available for tropical soybean. The objective of this paper was to quantify the implications of cloudiness on soybean growth and development in tropical Brazil. To do so, experimental data associated with the simulations of the DSSAT/CROPGRO (DC) model was used, and two treatments were simulated: a) the first used measured solar radiation and b) the second used estimated solar radiation for non-cloud days. Thus, based on the model output variables (growth rate of aerial dry matter, grain yield, specific leaf weight, and light saturation point) and comparing the data with the literature review. We found that simulations exhibited an increase in the dry matter production rate of up to 23%, during days of clear sky, resulting in a yield increase between 26 and 37%. Also, the DC could simulate some adaptation in the plant when the solar radiation changes, like the specific foliar weight and the light-saturated photosynthesis rate.

A soja (Glycine max L.) é uma planta oleaginosa que se destaca por ser uma das principais culturas agrícolas do mundo, sendo a principal geradora de divisas para o Brasil. Essa espécie é sensível ao fotoperíodo, sendo considerada uma planta de dia curto. Outros elementos meteorológicos podem modificar a resposta da planta ao fotoperíodo, como a temperatura do ar. A relação entre essas variáveis e o desenvolvimento da planta pode ser incorporada em sistemas complexos, como o modelo DSSAT/CROPGRO-SOYBEAN. No entanto, tais modelos contam com parâmetros genéticos que agregam em si elementos de incerteza. Nesse sentido, a análise de sensibilidade pode contribuir para determinar o quão sensível as variáveis de saída de um modelo são em relação aos parâmetros e variáveis de entrada. Neste trabalho, buscou-se analisar a sensibilidade relativa, de variáveis vegetativas, a partir de variações pontuais em sete parâmetros do modelo relacionados ao fotoperíodo e a temperatura. Dentre os parâmetros analisados, apenas o CSDL, PPSEN e EM-FL foram representativos ao analisar a sensibilidade das variáveis de saída. O modelo conseguiu representar essa sensibilidade de forma coerente com aspectos fisiológicos da soja. As variáveis de saída mostraram maior sensibilidade relativa em relação ao CSDL.