Spatio-temporal variability of sugarcane yield efficiency in the state of São Paulo, Brazil

Marin, Fábio Ricardo; Carvalho, Gustavo

doi:10.1590/s0100-204x2012000200001

Cited by 37 publications

(30 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the study period (1999-2010) the yield trend is approximated by a linear function, explaining already up to 95% of the sugarcane yield variation. Several authors [16,36] explain this trend by the growing interest of sugarcane in Brazil as a source of biofuels, the increased price of energy and the fact that much newly planted sugarcane (expansion class) has higher yields in the first harvest.…”

Section: Statistical Yield Estimation and Accuracy Assessmentmentioning

confidence: 99%

Enhanced Processing of 1-km Spatial Resolution fAPAR Time Series for Sugarcane Yield Forecasting and Monitoring

2013

View full text Add to dashboard Cite

A processing of remotely-sensed Fraction of Absorbed Photosynthetically Active Radiation (fAPAR) time series at 1-km spatial resolution is established to estimate sugarcane yield over the state of Sã o Paulo, Brazil. It includes selecting adequate time series according to the signal spatial purity, using thermal time instead of calendar time and smoothing temporally the irregularly sampled observations. A systematic construction of various metrics and their capacity to predict yield is explored to identify the best performance, and see how timely the yield forecast can be made. The resulting dataset not only reveals a strong spatio-temporal structure, but is also capable of detecting both absolute changes in biomass accumulation and changes in its inter-annual variability. Sugarcane yield can thus be estimated with a RMSE of 1.5 t/ha (or 2%) without taking into account the strong linear trend in yield increase witnessed in the past decade. Including the trend reduces the error to 0.6 t/ha, correctly predicting whether the yield in a given year is above or below the trend in 90% of cases. The methodological framework presented here could be applied beyond the specific case of sugarcane in Sã o Paulo, namely to other crops in other agro-ecological landscapes, to enhance current systems for monitoring agriculture or forecasting yield using remote sensing.

show abstract

Section: Statistical Yield Estimation and Accuracy Assessmentmentioning

confidence: 99%

Enhanced Processing of 1-km Spatial Resolution fAPAR Time Series for Sugarcane Yield Forecasting and Monitoring

2013

View full text Add to dashboard Cite

show abstract

“…The soil variability analysis using geostatistics enables the adjustment of the semivariogram for georeferenced data with spatial dependence. However, with the affinity between the spatial dependencies of any two attributes, modeled by crossed semivariogram, the kriging map for the main attribute can be obtained with difficulty, and it is of greater interest due to the secondary attribute, which is usually easy to obtain (Molin et al, 2007;Montanari et al, 2010;Siqueira et al, 2010;Dalchiavon et al, 2011a;Marin & Carvalho, 2012). Then, from the second attribute, more site-specific soil management for the primary attribute could be obtained.…”

Section: Introductionmentioning

confidence: 99%

Sugarcane productivity correlated with physical-chemical attributes to create soil management zone

et al. 2013

View full text Add to dashboard Cite

RESUMO Produtividade de cana-de-açúcar correlacionada com atributos físico-químicos do solo visando à criação de zonas de manejoA importância socioeconômica da cana-de-açúcar para o Brasil é inquestionável por se tratar de matéria-prima destinada à produção de etanol e açúcar. A correta intervenção espacial na administração da lavoura decorrente das zonas de manejo do solo aumenta sua produtividade e a lucratividade agrícola. No ano de 2009, no município de Suzanápolis, no Estado de São Paulo (20° 28' 10'' S lat.; 50° 49' 20'' W long.), foram empregadas correlações (espaciais e de Pearson) entre atributos da cana-de-açúcar e alguns físico-químicos de um Argissolo Vermelho eutrófico, visando encontrar aquele que melhor se correlacionasse com a produtividade agrícola. Para tanto, instalou-se a malha geoestatística para a coleta de dados do solo e da planta, com 120 pontos amostrais, num talhão de 14,6 ha com a canade-açúcar de segundo corte. A população de plantas e o teor de matéria orgânica do solo, por evidenciarem substanciais correlações, lineares e espaciais, com a produtividade de colmos foram indicadores de zonas de manejo fortemente associados à referida produtividade.Palavras-chave: agricultura de precisão, geoestatística, manejo e conservação do solo, Saccharum spp., variabilidade espacial. The socioeconomic importance of sugar cane in Brazil is unquestionable because it is the raw material for the production of ethanol and sugar. The accurate spatial intervention in the management of the crop, resulting zones of soil management, increases productivity as well as its agricultural yields. The spatial and Person's correlations between sugarcane attributes and physico-chemical attributes of a Typic Tropustalf were studied in the growing season of 2009, in Suzanápolis, State of São Paulo, Brazil (20°28'10'' S lat.; 50°49'20'' W long.), in order to obtain the one that best correlates with agricultural productivity. Thus, the geostatistical grid with 120 sampling points was installed to soil and data collection in a plot of 14.6 ha with second crop sugarcane. Due to their substantial and excellent linear and spatial correlations with the productivity of the sugarcane, the population of plants and the organic matter content of the soil, by evidencing substantial correlations, linear and spatial, with the productivity of sugarcane, were indicators of management zones strongly attached to such productivity.

show abstract

“…KASSAM, 1979) é um modelo mais simples que os já mencionados, porém figura como uma opção viável já que tem apresentado resultados satisfatórios para estudos agrometeorológicos envolvendo a cultura da cana-de-açúcar (GOUVÊA et al, 2009;OLIVEIRA et al, 2012;CARVALHO, 2012;.…”

Section: (Food and Agriculture Organization Of The United Nations) (Munclassified

“…Para a cultura da cana-de-açúcar há diversos modelos de simulação, com destaque para os modelos mecanísticos sul-africano DSSAT/CANEGRO (INMAN-BAMBER, 1991;BEZUIDENHOUT, 2002) e australiano APSIM-Sugarcane que, embora desenvolvidos de maneira independente, apresentam origens similares (O'LEARY et al, 2000). KASSAM, 1979) é um modelo mais simples em estrutura (processos simulados e parâmetros) do que os demais supramencionados, contudo tem apresentado resultados satisfatórios para estudos agrometeorológicos para a cana-de-açúcar no Brasil (GOUVÊA et al, 2009;OLIVEIRA et al, 2012;CARVALHO, 2012;.…”

Section: Introductionunclassified

“…21 Figura 2.1 -Representação esquemática dos fatores que interferem na produtividade de colmos e sacarose da cultura da cana-de-açúcar Devido à grande variabilidade nos níveis de produtividade da cana-de-açúcar ao longo dos cortes e entre as regiões produtoras, estimações e previsões de produtividade de colmos e de sacarose são valiosas para o planejamento e para as tomadas de decisão no setor sucroenergético (LISSON et al, 2005;BEZUIDENHOUT et al, 2007; EVERINGHAM et al, 2009; BOCCA et al, 2015). As previsões geralmente são realizadas por especialistas com base no histórico da área (solo e clima), nas características da cultivar em questão, nas práticas de manejo adotadas e na ocorrência de pragas e doenças (BOCCA et al, 2015 KASSAM, 1979) é um modelo mais simples em estrutura (processos simulados e parâmetros) do que os demais supramencionados, contudo tem apresentado resultados satisfatórios para estudos agrometeorológicos para a cana-de-açúcar no Brasil (GOUVÊA et al, 2009;OLIVEIRA et al, 2012;CARVALHO, 2012;.Modelos complexos carregam consigo incertezas inerentes à sua estrutura, parâmetros e dados de entrada (O'NEILL, 1973 citado por REYNOLDS;ACOCK, 1985; GENARD, 1998). Pesquisas recentes têm demonstrado que o uso de modelos em conjunto (abordagem multimodelos) tem permitido reduzir as incertezas associadas às simulações de cada modelo individualmente.…”

unclassified

See 1 more Smart Citation

Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil

Dias¹

View full text Add to dashboard Cite

Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil Henrique Boriolo DiasDissertação apresentada para obtenção do título de Mestre em Ciências. Piracicaba 2016 Dados Internacionais de Catalogação na Publicação DIVISÃO DE BIBLIOTECA -DIBD/ESALQ/USPDias, Henrique Boriolo Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil / Henrique Boriolo Dias. --versão revisada de acordo com a resolução CoPGr 6018 de 2011. --Piracicaba, 2016. 166 p. : il.Dissertação (Mestrado) --Escola Superior de Agricultura "Luiz de Queiroz". Aos meus pais Neusa S. B. Dias e Moacir F. Dias e ao meu irmão Fernando B. Dias, os quais sempre me apoiaram, cada qual à sua maneira.À minha tia e segunda mãe, Madalena F. Dias, que sempre me apoiou e incentivou a buscar os meus sonhos.À Clarissa B. Gomes, amiga e companheira desde minha graduação, por todo amor, carinho, paciência e incentivo dispensados durante todos os momentos.Ao meu orientador e, sobretudo, amigo Prof. Paulo Cesar Sentelhas pelos ensinamentos, oportunidades, confiança depositada e por todo incentivo durante a minha vida acadêmica e profissional.Aos meus orientadores em outras ocasiões, Prof. Antonio C. de Azevedo e Fabio V.Scarpare, pelos ensinamentos. RESUMOIntercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil O sistema de produção da cana-de-açúcar é altamente complexo e a expansão do cultivo tem ocorrido para locais com considerável déficit hídrico (DH). Nesse contexto, o DH e o manejo agrícola são os principais fatores determinantes das quebras de produtividade da cana-de-açúcar, sendo a irrigação uma das alternativas para minimizá-las. Modelos de simulação podem ser utilizados para avaliar a quebra de produtividade e os impactos da irrigação na cana-de-açúcar. Assim, o presente estudo teve por objetivos: i) avaliar e ajustar os modelos MZA-FAO, DSSAT/CANEGRO e APSIM-Sugarcane e propor um fator de manejo (kdec); ii) avaliar a magnitude da quebra de produtividade e suas causas (DH e manejo); iii) avaliar os impactos da irrigação na produtividade da cana-de-açúcar e; iv) estimar o número de dias de suspensão da irrigação antes da colheita. Comparando-se com dados de produtividade de cana de 12 meses com diversos cortes e sistemas (sequeiro e irrigado) para diversas regiões brasileiras, o desempenho de todos os modelos foi fraco com grande erro absoluto médio (EAM > 29 t ha -1 ) e baixa precisão (R 2 < 0,54), já que esses não consideram o manejo agrícola. A introdução do kdec propiciou melhoria no desempenho dos modelos (EAM < 14 t ha -1 e R 2 ≥ 0,63). Utilizando a média de produtividade dos três modelos, a precisão e acurácia melhoraram e o EAM diminuiu. Para o estudo da quebra de produtividade foram utilizadas simulações apenas de cana...

show abstract

Spatio-temporal variability of sugarcane yield efficiency in the state of São Paulo, Brazil

Cited by 37 publications

References 12 publications

Enhanced Processing of 1-km Spatial Resolution fAPAR Time Series for Sugarcane Yield Forecasting and Monitoring

Enhanced Processing of 1-km Spatial Resolution fAPAR Time Series for Sugarcane Yield Forecasting and Monitoring

Sugarcane productivity correlated with physical-chemical attributes to create soil management zone

Intercomparação de modelos de simulação da cana-de-açúcar e seu uso na avaliação da quebra de produtividade e dos impactos da irrigação em diferentes regiões do Brasil

Contact Info

Product

Resources

About