477
APLICAQID 00 tl>DKI.D CKRKS-MAIZK PARA PRKVIsm> M PROOOTmDADI M
aJLTURA DI MIUJO NA MICRORIGIIIO DI
RIBllmJO PRITO (SP)
Márcia Maria Gomes Costa
William T. H. Liu
Depto de Ciências Atmosféricas
IAG/USP, São Paulo
The Crop--Environment REsource Synthesis (CERES)-Maize
model was used to simulate maize yields for 1984-1989 in Ribeirão
Preto microregion, located in the São Paulo State. The model was
calibrated for an experimental station, city and microregion to
determine the genetics code Parameters based on the phenological
and yield data of 1988 crop season. The coefficients derived from
experimental station was based on the variety called double hibrid
AG401. The coefficients derived for the city and microregion were
generalized for alI the varieties planted in these regions. The
results showed that both the city and microregion models estimated
maize yielda quite well except for the year of 1985, which the
model
did not responde correctly to drought conditions. It
concludes that the CERES-Maize model has high potential for their
applications in these regions. Further tests should be conducted
for the other regions in Brazil before the model can be applied to
a larger scale of preduction.
1.INTRODUC2\O
o CERES-Maize é um modelo de simulação do crescimento,
desenvolvimento e produção do milho, que foi desenvolvido por uma equipe
de pesquisadores do DePartamento de Agricultura dos EUA, orientada pelo
Or. J.T. Ritchie. As simulações são feitas usando dados meteorológicos e
condições iniciais do solo.
Os principais processos fisiológicos equacionados no modelo
incluem fotoss1ntese, respiração, fenologia, iniciação e crescimento da
folha, crescimento do caule e da raiz, evapotranspiração, interceptação
da luz, iniciação e crescimento dos grãos, acúmulo e Particionamento da
biomassa, balanço de á.gua no solo e uso de á.gua pela cultura. A produção
final de grãos é um produto da população de plantas, grãos por planta e
peso por grão (Duchon, 1985). O modelo foi utilizado Para estimar a
produtividade no USA Corn Belt (Jones e Kiniry, 1986; Hodges et aI,
1987), nas planicies do norte da China (Wu et aI, 1989) e no Brasil, em
Minas Gerais (Liu et aI, 1989). Em todos os testes, observa-se que o
CERES-Maize tem o potencial de estimar a produtividade em grandes áreas.
O objetivo deste trabalho é testar a aplicabilidade do
modelo em prever a safra de milho na microregião de Ribeirão Preto.
478
Parâmetros de entrada
Os dados iniciais requeridos pelo modelo estão sumarizados
na tabela 1. Os parâmetros sobre o manejo da cultura, que incluem
densidade de plantas, profundidade de enraizamento, ciclo fenológico e
data de plantio foram extraidos dos relatórios do Ensaio Nacional de
Milho Normal realizado anualmente pelo CNPMS/EMBRAPA.
O tipo de solo predominate na microregião de Ribeirão Preto
é o latossolo roxo (Oliveira e Prado, 1984). A capacidade de água
disponivel no solo foi considerada ser de 100 mm/m de solo. Utilizou-se
uma profundidade de semeadura de 65 cm com o solo dividido em cinco
camadas de 10, 10, 15, 15 e 15 cm, respectivamente. A capacidade de
campo em cada camada foi extraida de Reichardt (1981), que apresenta
medidas desta variável para um latossol0 roxo de Jaboticabal (SP). As
demais variáveis do solo incluidas na tabela 1 foram estimadas segundo
tabelas e
equacões fornecidas
por Jones e Kiniry
(1986). As
produtividades de milho para o município e microregião foram fornecidas
pelo IBGE.
Dados Meteorológicos
requer dados meteorológicos diários de
O CERES-Maize
temperatura do ar máxima e m1nima, precipitação e radiação solar global.
A radiação solar foi estimada a partir dos dados de duração do brilho
solar e nebulosidade, baseando-se na equação de Black (1956) com a
correção para a excentricidade da órbita terestre (Iqbal,1983). Todos os
dados meteorológicos, referentes ao periodo de 1984 a 1989 na estação
meteorológica de Ribeirão Preto, foram fornecidos pelo Centro Regional
de Meteorologia e Climatologia do Ministério da Agricultura e Reforma
Agrária.
Calibração do Modelo
A calibração do CERES-Maize para uma área envolve a
determinação de
cinco coeficientes genéticos que
representam o
comportamento adequado
da cultura sob o clima da região. Tais
coeficientes controlam a data de florescimento,
de maturidade e a
produção de grãos. O ano de 1988 foi escolhido para a calibração por ter
sido um ano normal em termos de chuva. Foram efetuadas calibrações para
o Ensaio Nacional, município e microregião.
No caso
do Ensaio Nacional, o ajuste dos parâmetros
genéticos foi feito para um único cultivar, o hibrido duplo AG402. O
procedimento de calibração tem como primeiro passo atribuir valores
iniciais aos cinco parâmetros genéticos. Tais valores iniciais são
t1picos de um cultivar tropical (Jones e Kiniry, 1896). São eles: Pl
360 (graus dia de crescimento (gdc) da emergência até final do
crescimento vegetativo);
P2 = 0.5 (coeficiente de sensitividade
fotoperi6dica); P5 = 900 (gdc entre o embonecamento e a maturidade); G2
500 (número potencial de grãos por planta) e G3
5.6 (taxa de
crescimento potencial dos grãos, em mg de grãos/planta). O coeficiente
P2 é normalmente determinado por estudos em ambientes controlados, mas
=
=
=
479
segundo Jones e Kiniry (1896) o valor 0.5 é adequado para a maior parte
dos hibridos tropicais.
O modelo rodado com os parâmetros iniciais superestBnou as
datas de embonecamento e maturação, e subestimou a produtividade. ASSBn,
o segundo passo é rodar o modelo iterativamente, fornecendo valores para
os parâmetros até encontrar o conjunto de coeficientes que forneça
estBnativas mais pr6xBnas das observadas. Para calibrar P1, a data de
embonecamento sBnulada é comparada com a data observada, e o valor de P1
é ajustado até que a diferença entre as datas prevista e sBnulada seja
mlnima. Um procedBnento análogo é usado para calibrar P5, ao comparar a
data de maturidade.
Os coeficientes G2 e G3 também são ajustados por um processo
iterativo. PrBneiro G3 é mantido constante, enquanto G2 é variado de 500
a 570, com incrementos de 10. Depois G2 é mantido constante e G3 é
variado de 5.6 a 6.5. Finalmente, os grupos de parâmetros assBn
calibrados com dados de 1988 para o Ensaio, município e microregião são
utilizados para rodar o modelo nos outros anos. A tabela 2 mostra os
três grupos de coeficientes calibrados.
J. RES!lLTAOOS..JLIll SCUSSAO.
A tabela 3 mostra os resultados da estimativa das datas do
ciclo fenol6gico do cultivar AG401 para o Ensaio Nacional de Milho
Normal. O erro médio da data sBnulada de embonecamento foi de -0.3 dia,
e o desvio padrão de 4.1 dias. No caso da data de maturidade o erro
médio da. previsão foi de 0.8 dia, com desvio padrão de 2.8 dias. O maior
erro ocorreu para 1987, quando o modelo adiantou em 7 dias a data de
embonecamento e em 4 dias a data de maturação. Esta superestimativa das
datas para 1987 provavelmente se deu devido às temperaturas médias mais
baixas ocorridas neste ano, pois a nebulosidade e a precipitação
estiveram aCBna da média durante vários perlodos do ciclo. No geral as
estBnativas das datas do ciclo foram boas, pois as diferenças com
relação às datas observadas são pequenas.
As simulaçOes da produtividade podem ser avaliadas através
da tabela 4. No caso do Ensaio Nacional, os erros estiveram acima de 10%
em 3 dos 6 anos testados. As maiores discrepâncias ocorreram em 1987 e
1985, quando o CERES-Maize superestimou a safra em 31.9 e 13.8%,
respectivamente. Já para o municlpio, as sBnulaçOes foram boas e os
erros estiveram abaixo de 10% em todos os anos, com exceção de 1985. As
previsOes também foram satisfat6rias para a microregião, mas o efeito do
aumento da produtividade com o tempo, devido aos avanços tecnológicos, é
significativo neste caso (note que as produçOes observadas crescem
constantemente de ano para ano) e por isso o modelo tende a superestimar
a safra de grãos nos primeiros anos anteriores a 1988 (1984 e 1985).
Nota-se
que
1985
foi
marcado por consideráveis
superestBnativas nas 3 áreas estudadas. Neste ano em particular o
balanço de água indicou condiçOes mais secas no solo durante os três
primeiros estágios, através de um fator de déficit hidrico que o modelo
fornece. Tal fator varia de O (indicando condiçOes normais) a 1
(indicando seca severa), e vai penalizar a produção final de grãos
afetando a fotossíntese e a expansão celular das folhas. Mas a
sensibilidade do modelo ao stres5 hídrico não foi suficiente para
produzir o efeito real do déficit na produção em 1985. Por outro lado, o
480
ano de 1981 teve uma estação chuvosa acima do normal, mas o efeito disso
s6 foi sentido no campo experimental, cuja produtividade teve uma queda
acentuada em relação aos outros anos. Também neste caso, a safra foi
superesttmada já que o CERES-Maize não contém nenhum fator que penalize
a produção no caso de ocorrência de excesso hidrico no solo.
o CERES-Maize produziu estimativas satisfatórias das datas
do ciclo feno16gico do cultivar AG401 no campo experimental do Ensaio
Nacional, com erros médios de -0.3 e 0.8 dia, e desvios padrão de 4.1 e
2.8 dias para as datas previstas de embonecamento e maturidade,
respectivamente. Quanto maior a área considerada, mais precisas tornamse as simulaçOes, fato este confirmado pelos erros menores nas previsOes
para o municipio e microregião. No caso da microregião a tendência do
crescimento tecnológico tem forte influência na produtividade, e
portanto a introdução no modelo de um fator de aumento linear da
produtividade poderia melhorar a qualidade das previsOes.
A simulação da safra foi boa, com erros abaixo de 10% na
maior parte dos anos. Mas a resposta do modelo à condição hidrica do
solo não foi adequada para situaçOes de déficit ou excesso hidrico.
5. REFERENCIAS BIBLIQGRAFlCA5
over the
189.
BLACK, J.N. (1956) - The Distribution of Solar Radiation
Earth' s Surface. Arch. Meteor. Geophys. Biokltmato1., 1: 165-
DUCHON, C.E.
(1985)
Corn Yield Prediction Using
Climatology. J. Clim. Appl. Met., 5:581-590.
HODGES, T.; BOTNER, O.; SAKAMOTO, C.M. & HAUS HAUG, J.
(1981) - Using the CERES-Maize Model to Estimate Production for US Corn
Belt. Agric. For. Met., 40:293-303.
IQBAL, M. (1983)- An Introduction to Solar Radiation.
Academic Press, N. Y., 390 pp.
JONES, C.A.
& KINIRY, J.R. (1986) - CERES-Maize: a
Simulation Model of Maize Growth and Development. Texas A&M University
Press, Temple, Texas, 193 pp.
LIU, W. T.H; BOTNER, D.M. & SAKAMOTO, C.M. (1989) Aplication
of CERES-Maize Model to Yield Prediction oí a Brazilian Maize Hibrid.
Agric. For. Met., 45:299-312.
OLIVEIRA, J .B. & PRADO, H. (1984) - Levantamento Pedológico
Semi-Detalhado do Estado de São Paulo: Quadrlcula de São Carlos. Boletin
Técnico N~98 - IAC, Campinas-SP.
REICHARDT, K. (1981) - A gua em Sistemas Agrlcolas. Editora
Mariole, Sia Paulo-SP, 188 pp.
WU, Y.; SAKAMOTO, C.M. & BOTNER, D.M. (1989)- On the
Aplication of CERES-Maize Model to the North China Plaino Agric. For.
Met., 49:9-22.
481
Tabela 1 - SumárIo dos dados inIcIais.
cultura
parâmetros do solo e da
denSIdade de plantas
profundIdade de semeadura
albedo do solo
coeficiente de drenagem
número da curva de escoamento
profundIdade de enraIzamento
número de
camadas do solo
camada
espessura capacidade de campo
(cm)
% em volume
1
10
37. O
2
10
36.0
3
15
34. O
4
15
33.0
5
15
32. O
5.2 plantas/m2
5 cm
0.13
0.19
85
65 cm
5
ponto de murcha
~ l?m volume
21. 5
22.5
24.0
25.0
26.0
Tabela 2 - Conjunto de parâmetros genéticos
com dados do ano de 1988.
Parâmetro
Pl
P2
P5
G2
83
Ensaio Nacional
270
0.5
850
570
6.2
município
270
0.5
850
500
4.5
rabela 3
Datas de semeadura
Jbservadas para o cultivar A6401.
Ano
1984
1985
1986
1987
1988
1989
Semeadura
e
datas
embonecamento
prev obs dif
7
4
11
-2
354 356
-2
40
38
39
-7
32
34
32
2
24
27
3
309
292
343
338
341
329
calibrados
microregião
270
0.5
850
500
4.2
previstas
e
matur idade
prev obs dif
60
57
3
42
43
-1
93
90
3
86
90
-4
84
83
1
77
74
3
Tabela 4 Produtividades Previstas pelo modelo
<Yprev,
Kg/ha) e observadas <Yobs, Kg/ha) para o fnsaio Nacional,
município e mlcroreglao no período de 1984 a 1989,
e
seus
respectivos erros percentuais
Ano
1984
1985
1986
1987
1988
1989
Ensaio Nacional
Yprev Yobs erro X
5433
6523
6897
5776
5915
6429
5584
5731
7813
4378
5912
6584
-2.7
13.8
11. 7
31. 9
0.05
-2.3
Município
Yprev Yobs erro X
3459
4153
3630
3678
3768
3814
3100
3400
3700
3900
4093 4020
-9.3
33.9
6.7
-0.6
-3.4
1.8
Microregião
Yprev Yobs erro X
3229
3876
3388
3432
3515
3820
2792
2949
3180
3388
3600
3705
15.6
31. 4
6.5
1.3
-24
3.1