Search

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Currently, crops such as soybeans are highly dependent on applying phosphate fertilizers. However, phosphorus (P) is a finite natural resource and proposing alternatives for P rational use is an urgent demand at a global level. Therefore, proposing studies that (a) help understand the mechanisms of P absorption and utilization adopted by soybean plants grown under low P availability; (b) evaluate the influence of low P availability in the soil on the partition and redistribution of the nutrient, investigating physiological markers of P deficiency during the crop cycle, and (c) verify changes in P forms in the rhizosphere soil and the tissues of soybean plants grown under low P availability; may help to select efficient genotypes and optimize P use through better management of fertilizers. The objective of this study was to investigate the P nutritional efficiency of soybeans based on physiological and morphological parameters and to evaluate changes in soil and plant tissues caused by low P availability in soils with different textures. Thus, three studies were carried out in a greenhouse (one in a hydroponic system and two in soil), using different levels of P availability. Study I showed that soybean genotypes with high P utilization efficiency (PUE) showed greater use of light energy and higher leaf area than the others. Furthermore, only the BMX 50i52 IPRO genotype was efficient in both P acquisition and utilization, as well as responsive to P. In addition, leaf area was a good indicator of P efficient genotypes. Study II revealed that soybean plants grown in soils unfertilized with P decreased their growth and altered the P redistribution and partitioning patterns within plant tissues. In addition, inorganic (Pi) and organic (Po) P concentrations decreased in plants grown on unfertilized Alfisol, while only Pi decreased in plants grown in unfertilized Oxisol. Similar to Study I, the leaf area was a physiological indicator sensitive to short-term P stress for soybeans. Finally, in Study III, we found that the inorganic P pool increased in the rhizosphere after soybean cultivation. However, our results showed that soil P pools with moderate and low lability, such as organic P and calcium-bound P, can also be accessed in the rhizosphere, even under high P availability. Additionally, soybean P uptake was closely related to changes in soil available P pool (Mehlich-3). Finally, we demonstrate the possibility of using plant variables as indicators of soil P changes. These results will help to increase the yield of soybean crop, reduce the use of phosphate fertilizers, reduce the risk of environmental contamination, and increase the profitability of soybean farmers. Atualmente, as culturas agrícolas como a soja [Glycine max (L.) Merr.], são altamente dependentes da aplicação de fertilizantes fosfatados. Contudo, o fósforo (P) é um recurso natural finito e propor alternativas de utilização racional de P são demandas urgentes a nível global. Diante disso, propor estudos que auxiliem na melhor compreensão dos mecanismos adotados por plantas de soja cultivadas em baixa disponibilidade de P poderão ajudar na seleção de genótipos eficientes e na otimização do uso de P através do melhor manejo dos fertilizantes. O objetivo do trabalho foi investigar a eficiência nutricional de P em soja a partir de parâmetros fisiológicos e morfológicos, e avaliar as alterações no solo e no tecido das plantas causadas pela baixa disponibilidade de P em solos com diferentes texturas. Três Estudos foram realizados em casa de vegetação, sendo um sistema hidropônico e dois em solo, utilizando diferentes níveis de disponibilidade de P. O Estudo I mostrou que genótipos de soja com alta eficiência de utilização de P (PUE) apresentaram maior aproveitamento da energia luminosa e área foliar em relação aos demais genótipos. Ademais, apenas o genótipo BMX 50i52 IPRO foi eficiente na aquisição, utilização, e resposta ao P. Além disso, a área foliar foi um bom indicador na seleção de genótipos eficientes. O Estudo II revelou que plantas de soja cultivadas em solos não fertilizados com P diminuíram seu crescimento e alteraram seus padrões de redistribuição e partição de P. Além disso, as concentrações de P inorgânico (Pi) e orgânico (Po) diminuíram em plantas cultivadas sobre Argissolo não fertilizado com P, enquanto apenas Pi diminuiu em plantas cultivadas em Latossolo não fertilizado com P. Assim como no Estudo I, o Estudo II demonstrou que a área foliar é um indicador fisiológico sensível ao estresse por P em curto prazo para soja. Por fim, com a realização do Estudo III, verificamos que o compartimento de P inorgânico aumentou no solo da rizosfera após o cultivo da soja. Entretanto, nossos resultados mostraram que compartimentos de P no solo com labilidade moderada e baixa, como P orgânico e P ligado ao cálcio, também podem ser acessados na rizosfera, mesmo sob alta disponibilidade de P. Além disso, a absorção de P pela soja foi melhor relacionada com as mudanças na fração disponível (Mehlich-3) de P no solo. Por fim, demonstramos a possibilidade de usar variáveis de plantas como indicadoras das mudanças do P no solo. Esses resultados ajudarão no aumento da produtividade das lavouras de soja, redução do uso de fertilizantes fosfatados, diminuindo o risco de contaminação ambiental, e aumentando a lucratividade dos sojicultores.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Viticulture occupies an area of approximately 7.3 million hectares worldwide and 75 thousand hectares in Brazil. The State of Rio Grande do Sul (RS) is responsible for more than 60% of the area cultivated with vines in the country. Among the grape production regions in the state, Campanha Gaúcha is the pioneer in the cultivation of wine vines (Vitis vinifera L.). In this region, vineyards are usually implanted in sandy, acidic soils, with low soil organic matter (SOM) and low natural phosphorus (P) availability. Thus, it is necessary to apply limestone and phosphate fertilizers to make grape production viable. However, as P is a non-renewable resource with finite reserves, its rational use becomes economically and environmentally essential. Thus, long-term field studies, which provide information about the seasonality of the nutritional demand of vines, as well as strategies adopted by these plants to recover this nutrient from the soil, are promising from a sustainable point of view. This can be achieved through the combined use of data from long-term experiments and advanced mathematical tools, such as the Bayesian approach. The objective of this study was to evaluate the effects of long-term phosphate fertilization in vineyards on vine nutrition and production and grape quality. Thus, three Studies were carried out in vineyards with a long history of P application to the so il. The studies performed in southern Brazil, and the white and red vine cultivars were 'Chardonnay' and 'Pinot Noir', respectively. Study I established critical levels of P in the soil of 37 mg dm-3, in leaves sampled at flowering of 1,63 g kg-1, and in leaves sampled at veraison of 1.12 g kg-1 (‘Chardonnay’) and 1.38 g kg-1 (‘Pinot Noir’). It implied maximum technical efficiency doses of 42 and 66 kg P2O5 ha-1, respectively, for these cultivars. Study II showed that ‘Pinot Noir’ grapevines are at least twice more responsive to P supply than ‘Chardonnay’. The number of clusters is the main yield component. Additionally, as yield increases, the berry components decrease. The P concentration in leaves at flowering is a good indicator of total soluble solids in grape berries. Lastly, from Study III, we verified that ‘Pinot Noir’ grapevines can recover four-fold more P under a high P supply. Furthermore, soil inorganic and organic P pools are the most affected in long term. The results obtained from these studies will enable to obtain higher yields in vineyards. Additionally, they will optimize the use of phosphate fertilizers, reducing the potential for environmental contamination and increasing the profitability of winegrowers. Likewise, they will help the winegrower in the vineyard logistics, allowing management practices in the current season to estimate the quality of the grapes at harvest. A viticultura ocupa uma área de aproximadamente 7,3 milhões de hectares no mundo, e 75 mil hectares no Brasil. O Estado do Rio Grande do Sul (RS) é responsável por mais de 60% da área cultivada com videiras no País. Dentre as regiões Gaúchas de produção de uva, a Campanha é a pioneira no cultivo de videiras viníferas (Vitis vinifera L.). Nessa região, geralmente os vinhedos são implantados em solos de textura arenosa, ácidos, com baixos teores de matéria orgânica do solo (MOS) e baixa disponibilidade natural de fósforo (P). Desta forma, torna-se necessária a aplicação de corretivos da acidez e fertilizantes fosfatados para viabilizar a produção de uva. Contudo, como o P é um recurso não renovável de reservas finitas, e seu uso racional se torna imprescindível econômica e ambientalmente. Assim, estudos à campo de longa duração, os quais forneçam informações a respeito da sazonalidade da demanda nutricional das videiras, bem como, estratégias adotadas por essas plantas para recuperar nutrientes do solo são promissoras do ponto de vista sustentável. Isso pode ser alcançado a partir do uso combinado de dados oriundos de experimentos de longa duração e ferramentas matemáticas avançadas, como a abordagem bayesiana. O objetivo do trabalho foi avaliar os efeitos da adubação fosfatada de longo prazo em vinhedos sobre a nutrição e produção da videira e composição da uva. Assim , três E studos foram realizados em vinhedos co m longo histórico de aplicação de doses de P no solo. Os estudos foram conduzidos no Sul do Brasil , e as cultivares de videira branca e tinta foram ‘Chardonnay’ e ‘Pinot Noir’, respectivamen t e . O Estudo I propõem níveis críticos de P no solo de 37 mg dm-3, em folhas coletas no florescimento de 1,63 g kg-1, e em veraison de 1.12 g kg-1 para videiras ‘Chardonnay’ e 1.38 g kg-1 para videiras ‘Pinot Noir’. Isso implicou na recomendação das doses de 42 e 66 kg P2O5 ha-1, respectivamente, para essas cultivares. O Estudo II mostrou que videiras ‘Pinot Noir’ são no mínimo duas vezes mais responsivas à oferta de P, em comparação a videiras ‘Chardonnay’. O número de cachos é o componente de rendimento que mais influencia a produtividade. Além disso, a medida que a produtividade aumenta, os parâmetros de composição da uva diminuem. A concentração de P nas folhas no florescimento é um bom indicador da concentração de sólidos solúveis totais nas bagas. Por fim, com a realização do Estudo III, verificamos que as videiras ‘Pinot Noir’ recuperam quatro vezes mais P do solo quando em elevado suprimento de P. Além disso, os pools inorgânico e orgânico de P no solo são os mais afetados a longo prazo. Esses resultados ajudarão no aumento da produtividade dos vinhedos, redução do uso de fertilizantes fosfatados, diminuindo o risco de contaminação ambiental e aumentando a lucratividade dos viticultores. Além disso, permitirão ao viticultor otimizar a logística do vinhedo, a partir de práticas de manejo na safra corrente que estimam com acurácia a qualidade final das uvas na colheita.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES As global food security issues become increasingly challenging, reliable estimates of crop yields are becoming more imperative than ever for the scientific community. Today, with greater ease of accessing remote sensing data from satellite-embedded sensors, this source of information has become very promising for developing crop yield forecast models. Nevertheless, the use of such models is still limited in most operational efforts to monitor crop yield at different geographic scales. In general, satellite-based yield forecast models can be evaluated by considering three aspects: i) the accuracy of the predictions; ii) the date when the yield forecast is released in relation to the crop harvest date; and iii) the spatial scale of the forecasting unit, (e.g. country, state, county, field, etc.). The main objectives of this study were: i) to develop a complete model based on satellite images capable of predicting corn (in the US Corn Belt) and soybean (in the state of Rio Grande do Sul – Brazil) in county and municipality levels, respectively; ii) evaluate the performance of the model after the inclusion of weather variables along with satellite derived vegetation indices; iii) test different machine learning algorithms to predict yield at the regional level; and iv) evaluate the generalization capacity of predictive models developed at field level when applied to fields in different regions from which they were parameterized. The main results were: i) satellite-based predictive models and weather variables can anticipate corn yield by up to 122 days (approximately 16 days prior to the first USDA/NASS state-level corn yield report) with an mean absolute error of less than 1 Mg ha-1, and soybean yield by up to 70 days with an mean absolute error of 0.42 Mg ha-1; ii) air temperature, canopy surface temperature and vapor pressure deficit improved model performance in relation to models based only on vegetation indices (NDVI and EVI); iii) the Long Short Term Memory Neural Network algorithm performed better compared to the other algorithms tested (e.g. random forest and ordinary least squares regression); and iv) the models parameterized at field level presented limited generalization capacity outside the limits where they were adjusted, but similarities in the data distribution used for model parameterization can provide guidance on how they can be extrapolated. The results presented in this study have potential to assist farmers and policy makers in the decision making process. Future studies on this topic should explore the fusion of mechanistic (process-based) with empirical models in order to increase the spatio-temporal limits of predictability and make models less dependent on third party data. À medida que as questões relacionadas à segurança alimentar global se tornam cada vez mais desafiadores, estimativas confiáveis da produtividade de culturas agrícolas passam a ser mais imperativas do que nunca para a comunidade científica. Atualmente, com a maior facilidade de acesso a dados provenientes de sensores embarcados em satélites, essa fonte de informação tem se tornado muito promissora para o desenvolvimento de modelos de previsão de produtividade de culturas agrícolas. Apesar disso, seu uso ainda é limitado na maioria dos esforços operacionais para monitorar produtividade em diferentes escalas geográficas. De maneira geral, os modelos de previsão de produtividade baseados em imagens de satélite podem ser avaliados considerando três aspectos: i) a acurácia das previsões; ii) a antecedência com que a previsão é realizada em relação à data de colheita; e iii) a escala espacial da unidade de previsão, (e.g. país, estado, município, área agrícola, etc.). Os principais objetivos desse estudo foram: i) desenvolver um modelo de previsão de produtividade com base em imagens de satélite capazes de predizer a produtividade da cultura do milho (no Corn Belt dos Estados Unidos) e da soja (no estado do Rio Grande do Sul- Brasil) nos níveis de condado e município, respectivamente; ii) avaliar o desempenho do modelo após a inclusão de variáveis meteorológicas juntamente aos índices de vegetação derivados de satélite; iii) testar diferentes algoritmos de aprendizado de máquina para prever a produtividade em nível regional; e iv) avaliar a capacidade de generalização dos modelos preditivos desenvolvidos em nível de área agrícola quando aplicados para áreas localizadas em diferentes regiões em relação à onde eles foram parametrizados. Os principais resultados foram: i) modelos preditivos baseados em imagens de satélite e variáveis meteorológicas podem antecipar a produtividade da cultura do milho em até 122 dias (aproximadamente 16 dias antes do primeiro relatório de produtividade de milho em nível estadual da USDA/NASS) com um erro médio absoluto menor que 1 Mg ha-1, e em até 70 dias para a soja com erro médio absoluto de 0,42 Mg ha-1; ii) temperatura do ar, temperatura da superfície do dossel e deficit de pressão de vapor melhoraram o desempenho dos modelos em relação aos modelos baseados apenas em índices de vegetação (NDVI e EVI); iii) o algoritmo Long Short Term Neural Network apresentou desempenho superior em comparação com os outros algoritmos testados (e.g. random forest e regressão ordinária de mínimos quadrados); iv) os modelos de previsão de produtividade parametrizados em nível de área agrícola apresentaram capacidade de generalização limitada fora dos limites onde foram ajustados, mas as semelhanças nos dados usados para parametrização do modelo podem fornecer diretrizes de como eles podem ser extrapolados. Os resultados apresentados nesse estudo têm potencial para auxiliar agricultores e agentes formuladores de políticas durante o processo de tomada de decisão. Estudos futuros sobre esse tópico devem explorar a fusão de modelos mecanísticos (baseados em processos) com modelos empíricos, a fim de aumentar os limites espaçotemporais de predicabilidade e tornar os modelos menos dependente de dados oriundos de terceiros.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES According the concept of precision agriculture and new technologies for agriculture, there were several studies to improve tools at an extremely important stage in crop management, which is the identification and control of weeds. Therefore, the spatial variability of weed distribution is not being considered in deciding their management in most cases. In this sense, the objective of this study was: (i) the use of a hyperspectral sensor to identify more efficient spectral bands in distinguishing weeds from other targets (sandy soil, clay soil and plant residues) in pre-planting; (ii) elaborate vegetation indices to evaluate the accuracy of weed distinction and other targets. Two databases were used, the first from a field experiment conducted at the Federal University of Santa Maria as training data, and the second database was built with readings on-farm as validation data. The HandHeld 2 spectrometer, ASD®, with wavelengths of 325-1075nm, was used to perform spectral curves readings of weed species and other targets: clay soil, sandy soil, and residues. Subsequently, the wavelengths were grouped into spectral bands, as well as the calculation of vegetation indices for data analysis. The results showed that the data collected in the field experiment (training data) and in the farms (validation data) obtained similar spectral curves, where the red and near infrared spectral bands obtained higher accuracy compared to the other bands. The vegetation indices used increased the discrimination accuracy in relation to the isolated spectral bands. The work provides a valid tool for distinguishing weeds from other targets using proximal sensor pre-sowing of crops based on spectral curves. Visto o conceito de agricultura de precisão e as novas tecnologias para a agricultura, tem-se a busca do aprimoramento de ferramentas de uma etapa de extrema importância no manejo de culturas agrícolas, que é a identificação e controle de plantas daninhas. Para tanto, a variabilidade espacial da distribuição das plantas daninhas não está sendo consideradas na decisão de seus manejos na maioria dos casos. Neste sentido, objetivou-se com este trabalho: (i) a utilização de sensor hiperespectral para identificar bandas espectrais mais eficazes na distinção de plantas daninhas em relação à outros alvos (solo arenoso, solo argiloso e resíduos vegetais) em pré-semeadura; (ii) calcular índices de vegetação para avaliação da acurácia da distinção de plantas daninhas e outros alvos. Foram utilizados dois bancos de dados, o primeiro provindo de experimento de campo realizado na Universidade Federal de Santa Maria para calibração do modelo, e o segundo banco de dados foi construído com leituras em fazenda de produtores rurais, para validação do modelo. Foi utilizado o espectrorradiômetro HandHeld 2, ASD®, com comprimentos de onda de 325-1075nm, para realizar leituras das curvas espectrais de espécies de plantas daninhas e outros alvos: solo argiloso, solo arenoso, e resíduos vegetais. Posteriormente foram agrupados os comprimentos de onda em bandas espectrais, bem como cálculo de índices de vegetação para análise dos dados. Os resultados demonstraram que os dados coletados no experimento de campo (calibração) e nas fazendas (validação) obtiveram curvas espectrais similares, onde as bandas espectrais do vermelho e do infravermelho próximo obtiveram maior acurácia comparado com as outras bandas. Os índices de vegetação utilizados aumentaram a acurácia da discriminação em relação à bandas espectrais isoladas. O trabalho fornece uma válida ferramenta para distinção de plantas daninhas de outros alvos com a utilização de sensor proximal em pré-semeadura de culturas agrícolas baseado em curvas espectrais.