Soybean yield estimation by an agrometeorological model in a GIS

Berka, Luciana Miura Sugawara; Rudorff, Bernardo Friedrich Theodor; Shimabukuro, Yosio Edemir

doi:10.1590/s0103-90162003000300003

Cited by 16 publications

(13 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…O Fcc é calculado pela equação 3, que foi definida por Berka et al (2003) com base em dados tabulares apresentados em Doorenbos & Kassam (1979). Fcc = 0,515 -e 515 IAF) (3) em que: IAF é o índice de área foliar, que varia em função da fase fenológica do café.…”

Section: Methodsunclassified

“…Inicialmente este modelo foi escrito em linguagem Fortran por Rudorff (1985) e mais tarde implementado por Berka et al (2003) (Câmara et al, 1996). O modelo visa determinar a penalização da produtividade potencial decorrente da deficiência hídrica, que ocorre pelo somatório da relação entre a evapotranspiração real e a potencial (ETR/ETP) e de ky que relaciona a deficiência hídrica com a demanda de água pela cultura nos estádios fenológicos.…”

Section: Methodsunclassified

See 1 more Smart Citation

Estimativa da produtividade de café com base em um modelo agrometeorológico-espectral

Rosa

Moreira

Rudorff

et al. 2010

Pesq. agropec. bras.

Self Cite

View full text Add to dashboard Cite

Resumo -O objetivo deste trabalho foi avaliar um modelo agrometeorológico-espectral, para estimar a produtividade de cafezais. Utilizaram-se imagens do sensor MODIS e dados agrometeorológicos do modelo regional de previsão do tempo (ETA), para fornecer as variáveis de entrada para o modelo agrometeorológico-espectral da mesorregião geográfica sul/sudoeste do estado de Minas Gerais nos anos-agrícolas de 2003/2004 a 2007/2008. A variável espectral de entrada do modelo agrometeorológico-espectral, índice de área foliar (IAF), usada no cálculo da produtividade máxima, foi estimada com o índice de vegetação por diferença normalizada (NDVI), obtido de imagens MODIS. Outras variáveis de entrada no modelo foram: dados meteorológicos gerados pelo modelo ETA e a capacidade de água disponível no solo. Ao comparar a produtividade média estimada pelo modelo com a fornecida oficialmente pelo IBGE, as diferenças relativas obtidas em escala regional foram de: 0,4, 3,0, 5,3, 1,5 e 8,5% para os anos agrícolas 2003/2004, 2004/2005, 2005/2006, 2006/2007 e 2007/2008, respectivamente. O modelo agrometeorólogico-espectral, que tem como base o modelo de Doorenbos & Kassan, foi tão eficaz para estimar a produtividade dos cafezais quanto o modelo oficial do IBGE. Além disso, foi possível espacializar a quebra de produtividade e prever 80% da produtividade final na primeira quinzena de fevereiro, antes do início da colheita.Termos para indexação: Coffea, estatísticas agrícolas, índice de área foliar, modelagem, sensoriamento remoto. Coffee crop yield estimate using an agrometeorological-spectral modelAbstract -The objective of this work was to evaluate an agrometeorological-spectral model to estimate coffee crop yield. Images from the MODIS sensor and meteorological data from the ETA regional weather forecast model were used to provide input variables to the agrometeorological-spectral model, in the South-Southeast region of Minas Gerais State, Brazil, for crop years 2003/2004 to 2007/2008. The input spectral variable of the spectral-agrometeorological model, the leaf area index (LAI), used in the determination of the maximum yield, was estimated with the normalized-difference vegetation index (NDVI) obtained from MODIS images. Other input variables for the model were: meteorological data generated by the ETA model and the soil available water capacity. Comparing the estimated model average crop yield with those from IBGE, it was verified that the relative differences, at regional scale, were: 0.4; 3.0; 5.3; 1.5 and 8.5% for crop years 2003/2004, 2004/2005, 2005/2006, 2006/2007 and 2007/2008, respectively. The agrometeorological-spectral model, based on Doorenbos & Kassan model, was as efficient as the IBGE official model to estimate the coffee crop yield. Furthermore, it was possible to present the spatial variation of coffee crop yield loss and to predict 80% of final yield by the first fortight of February before the harvest.Index terms: Coffea, agricultural statistics, leaf area index, modeling, remote sensing. IntroduçãoNo Brasil,...

show abstract

Section: Methodsunclassified

Estimativa da produtividade de café com base em um modelo agrometeorológico-espectral

Rosa

Moreira

Rudorff

et al. 2010

Pesq. agropec. bras.

Self Cite

View full text Add to dashboard Cite

show abstract

“…Such forecasts have been developed for a number of crops, e.g. maize (Ines et al , ), wheat (Hansen et al , ) and soybean (Berka et al , ). There has also been one such study for predicting walnut yield using meteorological data alone (Lobell et al , ).…”

Section: Introductionmentioning

confidence: 99%

Predicting walnut (Juglans spp.) crop yield using meteorological and airborne pollen data

Prentović

Radišić

Smith

et al. 2014

Annals of Applied Biology

View full text Add to dashboard Cite

Crop yield determines economy by influencing prices on the trade market, and so accurate forecasts of the yield are important for planning various aspects of agricultural production. The main aim of this study is to construct a model for predicting walnut yield in an important walnut production area (the region of Novi Sad in Northern Serbia). Relationships between the amount of walnuts produced annually (2000)(2001)(2002)(2003)(2004)(2005)(2006)(2007)(2008)(2009)(2010)(2011) and abiotic (e.g. meteorological) and biotic (e.g. airborne pollen data) factors were examined using Pearson correlation analysis. Walnut yield data were then entered into linear regression models with variables that had the highest correlations. The models were constructed using 10 years of data, and tested using 2 years of data not included in constructing the model. This paper has shown that walnut yield is greatly dependent on weather conditions, particularly during fertilisation and seed growth, but the amount of available airborne pollen also plays an important role. The introduction of the seasonal pollen index, as a proxy for the amount of pollen available for fertilisation, improved the performance of models predicting walnut yield.

show abstract

“…Para que os modelos possam gerar prognósticos em grandes regiões e viabilizem sua aplicação em escalas estadual ou nacional, é fundamental a sua associação aos Sistemas de Informações Geográficas (SIG) (Hartkamp et al, 1999). Berka et al (2003) propuseram um modelo agronômico para monitoramento e estimativa da produtividade de soja, implementado em um SIG, que pode ser empregado em qualquer região, pela substituição das variáveis de entrada.…”

Section: Introductionunclassified

Imagens do sensor MODIS associadas a um modelo agronômico para estimar a produtividade de soja

Rizzi

Rudorff

2007

Pesq. agropec. bras.

Self Cite

View full text Add to dashboard Cite

O objetivo deste trabalho foi estimar a produtividade de soja no Rio Grande do Sul, nas safras de 2000/2001 a 2002/2003, por meio de um modelo agronômico implementado em um Sistema de Informação Geográfica (SIG). Duas abordagens foram utilizadas: o modelo agronômico (AGRO), com valores de índice de área foliar (IAF) obtidos da literatura; e o modelo agronômico-espectral (AGROESPEC), com valores de IAF estimados a partir das imagens MODIS (moderate resolution imaging spectroradiometer). As estimativas de produtividade obtidas pelo modelo foram comparadas àquelas fornecidas pelo Instituto Brasileiro de Geografia e Estatística (IBGE), com o uso do teste t para pares de observação. Nas safras 2000/2001 e 2001/2002, não foram observadas diferenças significativas. Para 2002/2003, o modelo subestimou o valor de produtividade em 7,87 e 7,04%, nas abordagens AGRO e AGROESPEC, respectivamente, em comparação à produtividade fornecida pelo IBGE. Ambas as abordagens do modelo permitiram avaliação objetiva e quantitativa do efeito das condições meteorológicas sobre a produtividade de soja. Entretanto, o AGROESPEC forneceu estimativas mais detalhadas, no que se refere à variação espacial da produtividade, em razão do emprego dos valores de IAF estimados a partir das imagens MODIS.

show abstract

Soybean yield estimation by an agrometeorological model in a GIS

Cited by 16 publications

References 8 publications

Estimativa da produtividade de café com base em um modelo agrometeorológico-espectral

Estimativa da produtividade de café com base em um modelo agrometeorológico-espectral

Predicting walnut (Juglans spp.) crop yield using meteorological and airborne pollen data

Imagens do sensor MODIS associadas a um modelo agronômico para estimar a produtividade de soja

Contact Info

Product

Resources

About