ABSTRACT The use of crop modeling can be useful to understand the interactions between the soil-plant-atmosphere system. The objective of this study was to evaluate sensitivity analysis of the AquaCrop model parameters for wheat crop in the Campos Gerais Region. The varietie tested was TBIO Sinuelo in Castro, Ponta Grossa and Itaberá cities. The analyzed parameters refer to crop phenology, transpiration, biomass production, yield formation, stresses and soil management. The sensitivity analysis was realized varying individually each input parameter in the AquaCrop for the calculation of the Relative Sensitivity Index (SI). The most sensitive parameters of the AquaCrop were: reference harvest index (HIo); water productivity normalized for evapotranspiration and CO2 concentration (WP*); crop coefficient when canopy expansion is complete (KcTR,x); fertility levels; and maximum canopy cover (CCx). The higher sensitivity of HIo and WP* is because they are directly related to two main equations of AquaCrop, linked to the estimates of dry above-ground biomass and yield formation, respectively. The AquaCrop counts WP* reflecting directly on dry above-ground biomass production and on final grain yield. The canopy decline coefficient (CDC) presented considerable sensitivity only in Castro due to the longer duration of the phenological cycle. Fertility levels and saturated hydraulic conductivity (Ksat) in Castro was the least sensitive parameters in the analysis.

Resumen Los valores de los atributos físico-hídricos del suelo para uso en modelos de simulación agrícola generalmente se obtienen usando métodos difíciles y demorados. El objetivo del presente trabajo fue analizar el desempeño del modelo AquaCrop para estimar la productividad de los cultivos soya y maíz en la región de los Campos Gerais (Brasil), de acuerdo con la opción de incluir los atributos físico-hídricos del suelo en el modelo. Las productividades reales de los cultivos y datos de entrada (suelo, clima, cultivo y manejo del suelo) se obtuvieron de las estaciones experimentales de la Fundación ABC, para los años cosecha entre 2006 y 2014. Se llevaron a cabo 64 simulaciones de productividad para soya (cuatro municipios) y 42 para maíz (tres municipios), evaluando escenarios de entrada de los datos del suelo en el AquaCrop de la siguiente manera: i) todos los atributos físico-hídricos del suelo medidos (estándar) y ii) sólo la clasificación textural del área (alternativo). Las productividades reales y simuladas se verificaron por análisis de regresión lineal simple e índices estadísticos (r, d, c). El escenario estándar obtuvo desempeños entre muy bueno y excelente (0.75<c≤1.0) para la soya y entre malo y excelente (0.40<c≤ 1.0) para el maíz. El escenario alternativo fue más variable, con desempeños entre pésimo y excelente (0.0<c≤1.0) para soya y entre pésimo y mediano (0.0<c≤0.65) para maíz. Utilizar solamente la clasificación de textura del suelo en el AquaCrop indicó una forma más fácil de estimar los rendimientos de los cultivos, pero los bajos desempeños pueden restringir estimativas de las productividades de los cultivos soya y maíz en Campos Gerais.

Abstract The values of the physical-water attributes of soils for use in agricultural simulation models are usually obtained using difficult and time-consuming methods. The objective of this study was to analyze the performance of the AquaCrop model to estimate soybean and maize crop productivity in the region of Campos Gerais (Brazil), with the option of including soil physical-water attributes in the model. Real crop productivities and input data (soil, climate, crop and soil management) were obtained from experimental stations of the ABC Foundation for the crop years 2006 to 2014. Sixty-four yield simulations were performed for soybean (four municipalities) and 42 for maize (three municipalities), evaluating input soil data scenarios of AquaCrop as follows: i) all soil physical-water attributes were measured (standard) and ii) the attributes were measured only using textural classification of the area (alternative). Real and simulated yields were verified by simple linear regression analyses and statistical indices (r, d, c). The standard scenario yielded performances between very good and excellent (0.75<c≤1.0) for soyb ean and b etween bad and excellent (0.40<c≤1.0) for maize. The alternative scenario was more variable, with performances between terrible and excellent (0.0<c≤1.0) for soybean and terrible and medium (0.0<c≤0.65) for maize. Using only the soil texture classification in AquaCrop indicated an easier way to estimate crop yields, but low performances may restrict estimates of soybean and maize yields in Campos Gerais.

Resumo A avaliação da produtividade das culturas com modelos de simulação pode ajudar na previsão de safras e no entendimento das interações resultantes do sistema solo-planta-atmosfera. Teve-se por objetivo no presente estudo calibrar e validar o modelo AquaCrop para a cultura do milho nas condições edafoclimáticas da região de Campos Gerais, Paraná, Brasil. As análises foram realizadas para a cultura do milho com dados de entrada do modelo (clima, cultura, solo e manejo do solo) obtidos na Estação Experimental da Fundação ABC, em Castro, Ponta Grossa e Socavão. O clima na região é subtropical úmido, com chuvas distribuídas uniformemente. O relevo varia de plano a suavemente ondulado. O período analisado no processo de calibração e validação compreendeu as safras de 2011 a 2016, e 2012 a 2016, respectivamente. Os dados utilizados na calibração do AquaCrop foram diferentes dos utilizados no processo de validação. Os rendimentos observados e simulados foram analisados em análises de regressão linear simples, erros absolutos e relativos, coeficiente de correlação (r) e índices concordância (d) e desempenho (c). A calibração do AquaCrop foi satisfatória nos locais estudados para a cultura do milho, obtendo erros absolutos variando de 6 a 121 kg ha–1. Os maiores erros de calibração ocorreram em Castro. Porém, os erros não foram suficientes para reduzir a performance no processo de validação para essa localidade. A validação do modelo resultou em desempenho “excelente” em todas as localidades avaliadas. O AquaCrop pode ser usado para prever a produção de milho com acurácia aceitável na região de Campos Gerais, Paraná, Brasil.

Abstract Crop productivity evaluation with models simulations can help in the prediction of harvests and in the understanding of the interactions resulting from the soil-plant-atmosphere continuum. The aim of this study was to calibrate and validate the AquaCrop model for maize crop in the edaphoclimatic conditions of Campos Gerais region, Paraná State, Brazil. The analyses were carried out for maize crop with model input data (climate, crop, soil and soil management) obtained from the ABC Foundation Experimental Station in Castro, Ponta Grossa and Socavão. The climate in the region is humid subtropical, with rainfall evenly distributed. The relief varies from flat to gently undulating. The period analyzed in the calibration and validation process comprised 2011 to 2016 and 2012 to 2016 harvests, respectively. The data used in the calibration of AquaCrop was different from those used in the validation process. Observed and simulated yields were evaluated by simple linear regression analyses, absolute and relative errors, correlation coefficient (r), concordance (d) and performance (c) indexes. The calibration of AquaCrop was satisfactory in the locations studied for maize crop, obtaining absolute errors varying from 6 to 121 kg ha–1. The highest calibration errors occurred in Castro. However, the errors were not enough to reduce the performance in the validation process for this localitie. The model validation resulted in “excellent” performance in all locations evaluated. The AquaCrop can be used to predict the maize yield with acceptable accuracy in the Campos Gerais Region, Paraná State, Brazil.

Resumo: O objetivo deste trabalho foi calibrar e validar o modelo AquaCrop para a cultura de trigo (Triticum aestivum) na região dos Campos Gerais, no Sul do Brasil. Foram avaliadas cinco cultivares nas safras de 2007 a 2017. Os dados de entrada no AquaCrop - referentes a clima, cultura, solo e manejo do solo -, coletados em campo, foram obtidos do banco de dados da Fundação ABC e da literatura. De 35 a 43% do total das safras foram selecionadas para calibração, e as demais, para validação. A calibração foi realizada para os parâmetros mais sensíveis à penalização da produtividade potencial da cultura. As produtividades simuladas foram comparadas às observadas em campo por meio de análises de regressão linear simples, raiz quadrada do erro médio (RMSE), coeficiente de correlação de Pearson (r), índice de concordância (d) e índice de desempenho (c). A calibração apresentou bons resultados (RMSE ≤ 609,78 kg ha-1; r ≥ 0,72; d ≥ 0,80) para todas as cultivares e locais avaliados, mas a validação não teve o mesmo desempenho (c ≤ 0,46). O ajuste por tentativa, tendo-se considerado a faixa de parâmetros calibrados nas colheitas, indicou desempenhos “muito bom” e “excelente” (Supera e Quartzo, respectivamente) para as cultivares em Castro, e “ruim” a “excelente” em Ponta Grossa.

Abstract: The objective of this work was to calibrate and validate the AquaCrop model for the wheat (Triticum aestivum) crop in the Campos Gerais region, in Southern Brazil. Five cultivars were evaluated in the harvests from 2007 to 2017. The input data for AquaCrop - related to climate, crop, soil, and soil management -, collected in the field, were obtained from the database of Fundação ABC and from the literature. From 35 to 43% of total harvests were selected for calibration, and the remaining, for validation. Calibration was performed for the parameters most sensitive to crop potential yield penalty. The simulated yields were compared with those observed in the field through simple linear regression analysis, root mean square error (RMSE), Pearson’s correlation coefficient (r), the index of agreement (d), and the performance index (c). Calibration showed good results (RMSE ≤ 609.78 kg ha-1; r ≥ 0.72; d ≥ 0.80) for all assessed cultivars and locations, but validation did not have the same performance (c ≤ 0.46). The attempted adjustment, considering the range of calibrated parameters in the harvests, indicated “very good” and “excellent” performances (Supera and Quartzo, respectively) for the cultivars in Castro and “tolerable” to “excellent” in Ponta Grossa.

RESUMO O fungo Sclerotinia sclerotiorum incide sobre a cultura da soja causando danos em sua produtividade. Entretanto, a quantificação de tais danos ainda demanda estudos, devido à interação com o ambiente em que o desenvolvimento da doença se insere. Assim, o presente estudo tem como objetivo quantificar em estudos observacionais, através de metanálise, a influência que o patógeno exerce sobre a cultura da soja e analisar a viabilidade do controle químico do mesmo com o fungicida fluazinam. Conduziram-se 121 estudos observacionais durante as safras 2011/2012 a 2014/2015 em que cada estudo consistia de uma parcela aplicada e outra sem aplicação do fungicida fluazinam. Agrupando-se os estudos por cultivares e safra de cultivo, estabeleceram-se 16 entradas de dados (K = 16) para condução de metanálise em modelos aleatórios. Observou-se que há diferença entre as respostas das cultivares avaliadas em produtividade em resposta a aplicação do fungicida. Ainda, como estimativa metanalítica, constatou-se que há resposta positiva em 243,44 kg.ha-1 com amplitude de 142,83 a 344,05 kg.ha-1. Para a região estudada, no sul do Paraná, a probabilidade de haver qualquer acréscimo de produtividade foi de 88,3%, sendo que para aumento em 60, 120, 300, 600 Kg.ha-1 as mesmas foram 81,5; 72,7; 69,9; 39,1 e 4,1 %, respectivamente. Considerando-se R$ 70,00 o custo da saca e R$ 160,00.ha-1 o custo da aplicação do fungicida, estimou-se em 69,9 % a probabilidade de retorno financeiro, quando utilizado o mesmo. Assim, a aplicação de fluazinam contribuiu no acréscimo de produtividade de soja frente à incidência de S.scleotiorum.

ABSTRACT The fungus Sclerotinia sclerotiorum affects the soybean crop by causing yield loss. However, quantification of such damage still demands studies due to the interaction with the environment where the disease is inserted. Thus, the present paper has as objective to quantify in observational studies, by meta-analysis, the influence of the pathogen on soybean crop and to analyze the viability of chemical control with the fungicide fluazinam. The conducted observational trials accounted for 121 during the seasons 2011/2012 to 2014/2015, in which each study consisted of a plot with application and another plot without application of the fungicide fluazinam. Grouping the studies according to cultivars and crop season, 16 data entries (K = 16) were established for meta-analysis in random models. There were differences between the cultivars evaluated for yield in response to fungicide application. Moreover, as meta-analytical estimate, there was a positive response at 243.44 kg.ha-1, with amplitude from 142.83 to 344.05 kg.ha-1. For the studied region, in the south of Paraná State, Brazil, the probability for yield increase was 88.3%, and for an increase of 60, 120, 300 and 600 kg.ha-1 the probability was 81.5; 72.2; 69.9; 39.1 and 4.1 %, respectively. Considering R$ 70.00 the cost of soybean bag and R$ 160.00.ha-1 the cost of fungicide application, 69.9 % was estimated as the probability of financial return when using the fungicide. Thus, fluazinam application contributed to increase soybean yield against S. sclerotiorum incidence.

Resumo: O objetivo deste trabalho foi avaliar o efeito do atraso da colheita sobre umidade dos grãos, massa de mil grãos e produtividade da soja, assim como identificar as variáveis agrometeorológicas mais importantes durante o período pré-colheita e propor algoritmos empíricos para a estimativa das perdas de produtividade. Os experimentos foram realizados em Castro, PR, e Itaberá, SP, nas safras de 2011/2012 a 2013/2014, da cultivar de soja 'NA5909RG', em sete ambientes. Os tratamentos consistiram de oito momentos de colheita de soja a partir do estádio fenológico R8.2. A análise de grupos de experimentos mostrou interação significativa entre ambientes e momentos de colheita. A umidade e a produção de grãos são influenciadas diretamente pelo número de dias com precipitação pluvial igual ou superior a 3 mm. No estádio fenológico R8.2, são obtidos os maiores valores de produtividade; no entanto, após esse estádio, há declínio da produtividade em consequência do atraso da colheita. As maiores perdas acumuladas de produtividade ocorrem em ambientes com alta frequência de precipitações pluviais e com temperatura e radiação solar global elevadas. Dois algoritmos com base em variáveis agrometeorológicas são propostos para a estimativa da perda de produtividade de soja.

Abstract: The objective of this work was to evaluate the effect of harvest delay on grain moisture, thousand grain weight, and soybean productivity, as well as to identify the most important meteorological variables during pre-harvest and to propose empirical algorithms to estimate soybean yield losses. The experiments were carried out in the municipalities of Castro, in the state of Paraná, and of Itaberá, in the state of São Paulo, Brazil, in the seasons from 2011/2012 to 2013/2014, with the soybean cultivar 'NA5909RG', in seven environments. Treatments consisted of eight harvest times of soybean after phenological stage R8.2. The analysis of group of experiments showed a significant interaction between environments and harvest times. Grain moisture and grain yield are directly affected by the number of days with rainfall equal to or higher than 3 mm. At the R8.2 phenological stage, the highest values of productivity are obtained; however, after this stage, there is a decline of productivity as a consequence of harvest delay. The greatest, accumulated losses of productivity occur in environments with high frequency of rainfall, and high temperature and solar radiation. Two algorithms based on agrometeorological variables are proposed to estimate soybean yield loss.

O presente estudo teve por objetivo avaliar o desempenho de modelos simplificados e agro-meteorológicos na estimativa da produtividade da cultura da soja, na região de Ponta Grossa, Estado do Paraná, visando à previsão e ao planejamento de safras. A região estudada possui Latossolo Vermelho distrófico típico e clima Cfb. Os dados de produtividade da cultura da soja (11 safras) e climáticos foram disponibilizados pela Fundação ABC e Simepar, respectivamente. A evapotranspiração de referência foi estimada com o método de Penman-Monteith e os balanços hídricos diários foram determinados com um programa desenvolvido especialmente para esta finalidade. Dentre as inúmeras análises realizadas, os melhores resultados foram obtidos, considerando-se: (a) a disposição temporal das produtividades reais das safras da cultura da soja em dois grupos, denominados 'Ano 1' e 'Ano 2', em função da rotação de culturas na região; (b) o ajuste dos coeficientes e fatores dos modelos em análises de regressão múltipla. Os modelos de Stewart et al. (1976) e Jensen (1968) possibilitaram as melhores estimativas de produtividade (R² > 0,73).

The objective of this study was to evaluate the performance of simplified and agrometeorological models in the soybean crop productivity estimate, looking for crop season prediction and planning, in the Ponta Grossa region, Paraná State, Brazil. The soil of the studied region is classified as Typic Hapludox and the climate as Cfb. The soybean crop productivity (11 seasons) and climate data were provided by the ABC Foundation and SIMEPAR, respectively. The reference evapotranspiration was estimated by the Penman-Monteith method and the daily water balances were determined using a program especially developed for this purpose. After innumerable analyses, the best results were obtained when the following were considered: (a) the temporal distribution of real productivity of soybean crop seasons in two groups, which were called 'Year 1' and 'Year 2', according to the experimental crop rotation (b) the fit of model coefficient and factors to multiple regression analyses. The Stewart et al. (1976) and Jensen (1968) models provided the best productivity estimates (R² > 0.73).