Species‐genotypic parameters of the CROPGRO Perennial Forage Model: Implications for comparison of three tropical pasture grasses

Abstract

Brachiaria and Cynodon are two of the most important pasture grasses worldwide. Computer model simulations can be used to study pasture species growth and physiological aspects to identify gaps of knowledge for genetic improvement and management strategies. The objective of this research was to compare the performance relative to calibrated parameters of the CROPGRO‐Perennial Forage Model (CROPGRO‐PFM) for simulating three different species (“Marandu” palisadegrass, “Convert HD 364®” brachiariagrass and “Tifton 85” bermudagrass) grown under similar management. The field experiment consisted of two harvest frequencies, 28 and 42 days, under irrigated and rainfed conditions. Data used to calibrate the model included regular forage harvests, plant‐part composition, leaf photosynthesis, leaf area index, light interception and plant nitrogen concentration. The simulation of biomass production of the three grasses presented d‐statistic values higher than 0.80, RMSE ranging from 313 to 619 kg/ha and ratio observed/simulated ranging 0.968 to 1.027. Harvest frequency treatments of 28 and 42 days were well simulated by the model. A sensitivity analysis was conducted to evaluate the most influential parameters needed for model calibration and to contrast the grasses, showing that the differences among the three grasses are mostly driven by plant‐part composition and assimilate partitioning among plant organs.

Investigating DSSAT: Bermudagrass Response to Nitrogen as Influenced by Soil and Climate

“…For example, Pequeno et al (2014) simulated forage production of Brachiaria brizantha using the perennial forage model from Piracicaba, Brazil. For the same location, Pequeno et al (2018) evaluated the performance of this model for three grasses, including 'Tifton 85' bermudagrass (Cynodon spp.). Woli et al (2017) (Burton, 1947), many early plant breeding and production experiments with bermudagrass were evaluated by the USDA/ARS and University of Georgia Coastal Plain Experiment Station.…”

Respostas agronômicas e microclimáticas dentro de gaiolas de exclusão e seus impactos na estimativa do acúmulo de forragem em pastos sob lotação contínua

“…Como dados de Rg e U média foram utilizados as leituras realizadas dentro e fora da gaiola de exclusão. Todos os parâmetros para espécie, cultivar e ecótipo utilizados no modelo foram os apresentados por Pequeno et al (2018) para o capim Mulato II.…”

Calibração de modelos produtivos e da dinâmica de água no solo da plataforma APSIM para capim-marandu, aveia preta e azevém

“…Panicum maximum) cv. Tanzânia PEQUENO et al, 2018) e uma última abordagem também para o capim-marandu . Mais recentemente, o mesmo modelo foi parametrizado para a estimativa do crescimento de Urochloa brizantha cv.…”

“…Além disso, no presente trabalho, foi alterado o efeito do fator hídrico sobre os cálculos ao crescimento dos órgãos da planta, a simulação da massa de folha e colmo foram as que apresentaram melhores resultados, considerando os dois experimentos. Em comparação a outras parametrizações para forrageiras tropicais que utilizaram o modelo CROPGRO-Perennial Forage, uma série de autores observam menores valores de RMSE em relação ao presente trabalho(PEDREIRA et al, 2011;PEQUENO;PEQUENO et al, 2018; BOSI et al, 2020b). Esse trabalho obteve RMSE na estimativa de folha de 542,2 kg DM ha -1 (Sequeiro ) e 411,1 kg DM ha -1 (Irrigado ) para o Experimento 1 (Tabela 12), enquanto outros trabalhos obtiveram RMSE de 291 a 521 kg DM ha -1(PEDREIRA et al, 2011;PEQUENO;PEQUENO et al, 2018; BOSI et al, 2020b).No trabalho de(BOSI et al, 2020b), os autores observaram maior RMSE para estimativa da massa de folha em sistema de corte irrigado (RMSE = 521,5 kg DM ha -1 ) em relação ao sistema de pastejo (RMSE = 309,5 kg DM ha -1 ).…”

“…Também em sistema sob corte,, observaram RMSE de 450 a 693 kg DM ha -1 na estimativa de biomassa total, valores maiores do que os apresentados no presente trabalho (Tabela 12).Com exceção da massa de coroa e do LAI, as estimativas das características produtivas e biométricas, apresentaram menores erros (ME, MAE e RMSE) para o sistema Irrigado (Tabela 12). Padrão semelhante para as variáveis massa de folha, biomassa viva, LAI e SLA foi observado em outros trabalhos, considerando os valores de RMSE (PEQUENO; PEDREIRA;PEQUENO et al, 2018; BOSI et al, 2020b). Entretanto, ao avaliar o índice de concordância "d", percebe-se que a variável SLA é melhor estimada no sistema Sequeiro , sendo esse fato observado no Experimento 1 e nos trabalhosde Pequeno et al (2018) eBosi et al (2020a).…”