Sistema de monitoramento de produtividade de milho 2ª safra no Mato Grosso

Rogerio de Souza Nóia Júnior, José Lucas Safanelli, Lucas Fernandes de Souza, Rodrigo Fernando Maule, Alberto Barreto, Leonardo Nazário Silva dos Santo, Caroliny Fatima Chaves da Paixão, Leandro Rodrigues da Silva Souza, Anderson Rodrigo da Silva, Durval Dourado Neto

Resumo


O Brasil é o terceiro maior produtor e exportador mundial de milho, e o estado do Mato Grosso (MT) é responsável por cerca de 50% da produção nacional de milho, com potencial de produzir mais de 40 milhões de toneladas, em mais de 6 milhões de hectares. Quase todo o milho produzido no MT é proveniente da 2ª safra (semeado após a colheita da cultura de verão). Eventos climáticos adversos têm afetado a produção estadual de milho, ameaçando o fornecimento nacional de alimentos. Assim, este estudo objetivou testar o modelo de simulação de cultura da zona agroecológica (MZA-FAO) como ferramenta de monitoramento da produtividade de  milho 2ª safra, no Mato Grosso. O sistema de monitoramento da produtividade foi testado em 2021, um ano com baixa produtividade de milho, devido a eventos de seca e a altas temperaturas do ar. O proposto sistema foi capaz de indicar perdas de produtividade em 2021, dois meses antes da colheita. Este resultado indica que possíveis interrupções no fornecimento de alimentos causados por eventos climáticos extremos poderiam ser antecipadas, contribuindo para seu melhor planejamento.


Palavras-chave


eventos climáticos extremos; segurança alimentar; modelos de simulação de cultura; modelagem agrícola; Zea mays L.

Texto completo:

PDF

Referências


ALVARES, C.A., STAPE, J.L., SENTELHAS, P. C., DE MORAES GONÇALVES, J.L., SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, p. 711–728, 2013. DOI: https://doi.org/10.1127/0941-2948/2013/0507

BATTISTI, R., FERREIRA, M.D.P., TAVARES, É. B., KNAPP, F. M., BENDER, F. D., CASAROLI, D., ALVES JÚNIOR, J. Rules for grown soybean-maize cropping system in Midwestern Brazil: Food production and economic profits. Agricultural Systems, v. 182, 102850, 2020. DOI: https://doi.org/10.1016/j.agsy.2020.102850

BATTISTI, R., SENTELHAS, P. C. Characterizing Brazilian soybean-growing regions by water deficit patterns. Field Crops Research, v. 240, p. 95–105, 2019. https://doi.org/10.1016/j.fcr.2019.06.007

BATTISTI, R., SENTELHAS, P.C. Improvement of soybean resilience to drought through deep root system in Brazil. Agronomy Journal, v. 109, p. 1612–1622, 2017. DOI: https://doi.org/10.2134/agronj2017.01.0023

BATTISTI, R., SENTELHAS, P.C., BOOTE, K.J., DE, G. M., CÂMARA, S., FARIAS, J. R.B., BASSO, C. J. Assessment of soybean yield with altered water-related genetic improvement traits under climate change in Southern Brazil. European Journal of Agronomy, v. 83, p. 1–14, 2017. DOI: https://doi.org/10.1016/j.eja.2016.11.004

CEPEA. Center for Advanced Studies in Applied Economics: Commodities prices [WWW Document]. Agricultural series, 2022. Available at: (Accessed in 4.4.22).

CONAB, 2022. National Supply Company: Agricultural information system [WWW Document]. Available at (Accessed in 2.2.22).

DIAS, H. B., SENTELHAS, P.C. Evaluation of three sugarcane simulation models and their ensemble for yield estimation in commercially managed fields. Field Crops Research, v. 213, p. 174-185, 2017. DOI: https://doi.org/10.1016/j.fcr.2017.07.022

DOORENBOS, J., KASSAM, A. H. (Ed.). Yield response to water. Baghdad: International Expert Consultation, 1979. p. 258-279

DUARTE, Y.C.N., SENTELHAS, P.C. Intercomparison and Performance of Maize Crop Models and Their Ensemble for Yield Simulations in Brazil. International Journal of Plant Production, 2019. https://doi.org/10.1007/s42106-019-00073-5

FAO stat. FAOSTAT: FAO statistical databases [WWW Document], 2022. Avaliable at: (accessed in 6.6.22).

IBGE. Brazilian Institute of Geography and Statistics [WWW Document]. Municipal agricultural research, 2022. Available at (accessed in 2.2.22).

IBGE. Mapas interativos: solos [WWW Document], 2014. Available at (accessed 6.20.18).

IMEA. Instituto Mato-grossense de Economia Agropecuária [WWW Document], 2022. Available at (Accessed in 4.4.22).

KASSAM, A. H. Net biomass production and yields of crops. Soil Resources, Management and Conservation Service, Land and Water Development Division, FAO, 1974. 38p.

NÓIA JÚNIOR, R.S., SENTELHAS, P. C. Yield gap of the double-crop system of main-season soybean with off-season maize in Brazil. Crop and Pasture Science, 71, 445–458, 2020.

NÓIA JÚNIOR, R.S., SENTELHAS, P.C. Soybean-maize succession in Brazil: Impacts of sowing dates on climate variability, yields and economic profitability. European Journal of Agronomy, v. 103, 2019a. DOI: https://doi.org/10.1016/j.eja.2018.12.008

NÓIA JÚNIOR, R. S., SENTELHAS, P.C. Soybean-maize off-season double crop system in Brazil as affected by El Niño Southern Oscillation phases. Agricultural Systems, v. 173, p. 254–267. DOI: https://doi.org/10.1016/j.agsy.2019.03.012

R CORE TEAM. R: A Language and Environment for Statistical Computing, 2017. R Foundation for Statistical Computing, Vienna, Austria. Available at:

RADAMBRASIL. Levantamento de recursos naturais. v.10. Rio de Janeiro: Folha AS.21-SANTARÉM, 1976. 507p.

TEAM, P.P. The POWER Project [WWW Document], 2021. NASA Prediction of Worldwide Energy Resources. Available at:

WILLMOTT, C.J., ACKLESON, S.G., DAVIS, R.E., FEDDEMA, J.J., KLINK, K.M., LEGATES, D.R., O’DONNELL, J., ROWE, C.M. Statistics for the evaluation and comparison of models. Journal of Geophysical Research, v. 90, 8995, 1985. https://doi.org/10.1029/JC090iC05p08995




DOI: http://dx.doi.org/10.31062/agrom.v30.e027074

Apontamentos

  • Não há apontamentos.


Embrapa Trigo

Rodovia BR-285, km 294, Caixa Postal: 3081

CEP 99050-970 Passo Fundo/RS