Modeling of corn yield in Brazil as a function of meteorological conditions and technological level

Abstract

-The objective of this work was to develop and evaluate a method for estimating corn yield using a minimum number of parameters and limited information about crop management. The proposed method estimates potential and attainable yields based on the technological level of the production systems and on relatively simple agrometeorological models. Corn yield was estimated for the crop seasons from 2000/2001 to 2007/2008, considering several locations and regions in Brazil, and was compared with the actual yield data from official surveys. There was a high correlation between the estimated and observed yield (0.76≤R 2 <0.92; p<0.01), with model efficiency (E1') ranging from 0.45 to 0.73; mean relative error (MRE) between -0.9 and 2.4%; and mean absolute error (MAE) of less than 70 kg ha -1 , depending on the technological level adopted. Based on these results, the proposed yield model can be recommended to forecast yields all over the country, contributing to make this process more precise and accurate.Index terms: Zea mays, large-area crop modeling, paremetrization, risk analysis, technological potential yield, yield forecast. Modelagem da produtividade de milho no Brasil em função das condições meteorológicas e do nível tecnológicoResumo -O objetivo deste trabalho foi desenvolver e avaliar um método para estimar a produtividade de milho com uso de um número mínimo de parâmetros e de informações limitadas sobre o manejo da cultura. O método proposto estima rendimentos potenciais e atingíveis com base no nível tecnológico dos sistemas de produção e em modelos agrometeorológicos relativamente simples. A produtividade de milho foi estimada para as safras de 2000/2001 a 2007/2008, tendo-se considerado vários locais e regiões do Brasil, e comparada aos dados de produção reais de levantamentos oficiais. A produtividade estimada apresentou alta correlação com a observada (0,76≤R 2 <0,92; p<0,01), com eficiência do modelo (E1') entre 0,45 e 0,73; erro médio relativo (MRE) entre -0,9 e 2,4%; e erro médio absoluto (MAE) inferior a 70 kg ha -1 , de acordo com o nível tecnológico considerado. Com base nestes resultados, este modelo pode ser recomendado para estimativas de produtividade em todo o País, e contribuir para tornar este processo mais preciso e exato.Termos para indexação: Zea mays, modelagem de cultura em grandes áreas, parametrização, análise de risco, produtividade potencial tecnológica, previsão de safra.

Desempenho Agronômico E Econômico De Genótipos De Milho Em Safrinha Tardia Na Região Sudoeste Da Amazônia

“…Verificou-se uma variação de 37,3% entre as cultivares avaliadas para esse atributo, com valores variando entre 45,3% à 8% para a variedade AL Piratininga. Ressaltase que durante a condução do experimento, observou-se déficit hídrico durante fases críticas do desenvolvimento das cultivares, tal como durante o florescimento de algumas cultivares, o que pode ter propiciado falhas na formação de grãos nas espigas (MONTEIRO et al, 2017). Neste sentido, a utilização de combinação de cultivares e foco em genótipos precoces, em épocas de semeadura de safrinha, são preferíveis visando minimizar o risco de perdas por condições climáticas adversas (SILVA et al, 2015a).…”

“…A semeadura da segunda safra (safrinha), apresenta-se como um cultivo de risco elevado devido à maior possibilidade de ocorrência de estiagens durante o desenvolvimento das plantas, que proporciona reflexos negativos sobre a produtividade de grãos (SOLER et al, 2007). Neste sentido, os produtores, têm optado tradicionalmente por alocar menor investimento nesta modalidade de cultivo de sequeiro, minimizando, desta forma, os riscos econômicos com o uso de sementes de menor custo e menor quantidade de fertilizantes (SILVA et al, 2015a;MONTEIRO et al, 2017). Nesse contexto, o controle de custos é essencial visando gerar suporte para tomadas de decisão e auxiliar no planejamento, gerenciamento e avaliação econômica das atividades (FALEIROS et al, 2018).…”

Modelagem Da Produtividade Do Milho Safrinha Em Função Das Condições Climáticas Do Mato Grosso Do Sul

“…A previsão da produtividade dos cultivos usando apenas variáveis climáticas é amplamente utilizada em muitos estudos e na construção de modelos, pois não há custo significativo e é de fácil aplicação (BASSO et al, 2013;PENG et al, 2017). Monteiro et al (2017) estimaram a produtividade de milho no sul do Brasil com base no nível tecnológico dos sistemas de produção e modelos agrometeorológicos relativamente simples, observaram alta correlação entre as produtividades estimada e observada com coeficiente de determinação (R 2 ) entre 0,76 e 0,92 (p<0,01) e o erro médio absoluto (MAE) inferior a 70 kg ha-1.…”

Modelos de simulação da cultura do milho - uso na determinação das quebras de produtividade (<em>Yield Gaps</em>) e na previsão de safra da cultura no Brasil

“…Um dos modelos de simulação mais empregados em simulações de cultura, dado sua simplicidade, é o proposto por Doorenbos e Kassam (1979), o qual se baseia na estimativa da produtividade potencial (PP) e atingível (PA) por meio de equações matemáticas que simulam PP para uma cultura padrão, determinada pela relação entre a radiação solar, temperatura do ar, fotoperíodo e a fotossíntese bruta, que, posteriormente, é corrigida para a cultura de interesse. Na sequência, a PA é obtida por um modelo que considera a penalização da PP pelo déficit hídrico, sendo essa aplicada a cada fase fenológica e modulada por um coeficiente de sensibilidade da cultura à deficiência hídrica (Pereira et al, 2002;Martins, 2012 , cana-de-açúcar (Gouvêa et al, 2009;dos Santos e Sentelhas, 2013;Monteiro e Sentelhas, 2017), entre outras. O déficit hídrico relativo, utilizado na penalização desse modelo é obtido através da relação entre evapotranspiração real (ETr) e a evapotranspiração potencial da cultura de interesse (ETc).…”

“…Numa situação intermediária em termos de complexidade estão os modelos híbridos, também conhecidos como modelos matemáticofisiológicos que descrevem alguns dos processos fisiológicos da planta associados à produtividade por meio de equações matemáticas e relações empíricas. Vale ressaltar que a qualidade dos resultados não necessariamente está ligada à complexidade do modelo utilizado, uma vez que modelos simples, quando bem calibrados, podem ser tão precisos e acurados quanto os modelos complexos Monteiro e Sentelhas, 2017). Apesar da existência de diferentes tipos de modelos de simulação da cultura do milho, com distintos níveis de complexidade, não se pode afirmar que exista um com melhor desempenho do que outro ou que qualquer que seja o modelo ele seja livre de erros, já que esses modelos são uma simplificação de um sistema biológico extremante complexo em que interagem aspectos relativos ao genótipo, ao ambiente físico (clima e solo) e ao manejo agrícola.…”