Search

Soil organic carbon (SOC) has a key role in the global carbon (C) cycle. The complex relationships among the components of C cycle make the modelling of SOC variation difficult. Artificial neural networks (ANN) are models capable to determine interrelationships based on information. The objective was to develop and evaluate models based on the ANN technique to estimate the SOC in Mollisols of the Southeastern of Buenos Aires Province, Argentina (SEBA). Data from three long term experiments were used. Management and meteorological variables were selected as input. Management information included numerical variables (initial SOC (SOCI); number of years from the beginning of the experiment (Year), proportion of soybean in the crop sequence; (Prop soybean); crop yields (Yield), proportion of cropping in the crop rotation (Prop agri), and categorical variables (Crop, Tillage). In addition, two meteorological inputs (minimum (Tmin) and mean air temperature (Tmed)), were selected. The ANNs were adequate to estimate SOC in the upper 0.20 m of Mollisols of the SEBA. The model with the best performance included six management variables (SOCI, Year, Prop soybean, Tillage, Yield, Prop agri) and one meteorological variable (Tmin), all of them easily available and with low level of uncertainty. Soil organic C changes related to soil use in the SEBA could be satisfactorily estimated using an ANN developed with simple and easily available input variables. Artificial neural network technique appears as a valuable tool to develop robust models to help predicting SOC changes. El carbono orgánico del suelo (SOC) tiene un papel clave en el ciclo global del carbono. Las relaciones complejas entre los componentes del ciclo de C hacen difícil la modelización de la variación del SOC. Las Redes Neuronales Artificiales (ANN) son modelos capaces de determinar las interrelaciones existentes basadas en información disponible. El objetivo fue desarrollar y evaluar modelos basados en la técnica de ANN para estimar el SOC en Mollisoles del sudeste de la Provincia de Buenos Aires, Argentina (SEBA). Fueron empleados datos provenientes de tres experimentos de larga duración conducidos en el SEBA. Variables de manejo y meteorológicas fueron seleccionadas como entradas de las ANN. La información de manejo incluyó variables numéricas (SOC inicial (SOCI); número de años desde el inicio del experimento (Year), proporción de soja (Prop soybean), rendimiento de cultivos (Yield), proporción de la agricultura en la secuencia (Prop agri)) y variables categóricas (cultivo (Crop), sistema de labranza (Tillage)). Además, dos variables meteorológicas (temperatura mínima (Tmin) y temperatura promedio (Tmed)) fueron consideradas. Las ANN estimaron adecuadamente el SOC en los 0,20 m superiores de Mollisoles del SEBA. El modelo con mejor desempeño fue desarrollado a partir de una variable meteorológica (Tmin) y seis variables de manejo (SOCI, Year, Prop sowbean, Tillage, Yield, Prop agri), todas ellas fácilmente accesibles y con bajo nivel de incertidumbre. O carbono orgânico do solo (SOC) tem um papel fundamental no ciclo global do carbono. As relações complexas entre os componentes do ciclo do C dificulta a modelação da variação do SOC. As redes neuronais artificiais (ANN) são modelos capazes de determinar as inter-relações existentes com base em informação disponível. O objetivo deste trabalho foi desenvolver e avaliar modelos baseados na técnica de ANN para estimar o SOC em Molisolos do sudeste da província de Buenos Aires, Argentina (SEBA). Foram utilizados dados de três ensaios de longa duração conduzidos em SEBA. Variáveis meteorológicas e de gestão foram selecionadas como dados de entrada das ANN. Informações de gestão incluíram variáveis numéricas (concentração inicial de SOC (SOCI); número de anos desde o início do ensaio (Year), a proporção de soja na sequência da colheita; (Prop soja), rendimento da colheita (Yield); proporção de cultivo na sequência da rotação da cultura (Prop agri)) e variáveis categóricas (cultivo (Crop), e sistema de lavoura (Tillage)). Além disso, consideraram-se duas variáveis meteorológicas (temperatura média do ar (Tmed) e temperatura mínima do ar (Tmin)). Os modelos baseados em ANN demonstraram ser adequados para estimar o SOC nas camadas superiores (0,20 m) dos Molisolos do SEBA. O modelo com melhor desempenho foi desenvolvido a partir de uma variável meteorológica (Tmin) e seis variáveis de gestão (SOCI, Year, Prop soja, Tillage, Yield, Prop agri), sendo todas as varáveis facilmente acessíveis e com baixo nível de incerteza. As alterações no SOC relacionadas com o uso do solo no SEBA poderiam ser satisfatoriamente estimadas usando uma ANN desenvolvida a partir de variáveis simples e facilmente disponíveis. A técnica de ANN parece ser uma ferramenta válida para desenvolver modelos robustos para ajudar a prever as alterações de SOC.

Soil organic carbon (SOC) management requires a precise knowledge of how it is affected by soil use. Simulation models could help for this purpose. The AMG model is simple, requires information that is easily available, and uses few parameters. This model has neither been calibrated/adjusted nor validated for loamy soils with high SOC concentrations. We hypothesized that AMG would satisfactorily simulate SOC stock changes in soils with these characteristics. The aims of this work were: 1) to adjust and validate AMG for different tillage systems, nitrogen (N) fertilization levels and crop types for loamy-high-SOC Mollisols, and 2) to simulate future SOC changes under different production scenarios. We used SOC stocks (0-20 cm depth) from three long-term experiments (1976-2012) (tillage systems, crop rotations, and N fertilization) in the Southeastern Buenos Aires Province, Argentina (37º 45' S, 58º 18' W) on a complex of Mollisols. Data from two of those experiments was split into two groups to adjust unknown model parameters and for cross validation. Data from the third experiment was used for independent validation. The model was used to simulate SOC stock variation (30 yr) under different combinations of initial SOC stocks (SOCi, three levels) and crop rotations (six rotations regarding continuous cropping and crop-pasture rotations). Model performance was evaluated through statistical indicators based on observed-simulated value differences, and simple linear regression of observed on simulated values. Cross validation yielded promising indicators with the mean observed-simulated value differences close to 0 (P > 0.05). Root mean square error (RMSE) and RMSE as percentage of the mean of observed values (RMSEp) were 6.0 Mg C ha-1 and 7.5%, respectively, which are acceptable. Simple linear regression of observed and simulated values was highly significant (P < 0.01) with intercept and slope not different from zero and one (P > 0.05), respectively, although R2 was low. Indicators of model performance by groups of treatments were, in general, acceptable and did not show clear trends associated with any management type. However, model performance was poorer under no tillage (NT) and N fertilization probably because of little observed data available for that treatment factor combination. Validation with independent data confirmed that AMG simulated SOC change satisfactorily. Future scenario simulations showed that when the SOCi stock was high (close to SOC saturation), even rotations with high intensification and carbon input produced a SOC stock decrease. Conversely, when the SOCi stock was low (35% loss of SOC with respect to saturation) all scenarios led to a SOC stock increase. However, AMG failed to acceptably simulate the expected effect of pastures in the rotation. The AMG model satisfactorily simulated SOC stock changes due to different management techniques of soils with a loamy surface texture and high original SOC stock. Therefore, the model could be used as a tool to help management planning with an admissible simulation error (RMSEp ~6%). El manejo del carbono orgánico del suelo (SOC) requiere del conocimiento de cómo es afectado por su uso. Modelos de simulación podrían ayudar en esta tarea. El modelo AMG es simple, requiere información fácilmente disponible y se basa en pocos parámetros. Este modelo no ha sido calibrado ni validado para suelos de textura franca con elevado contenido de SOC. Nosotros hipotetizamos que AMG simulará satisfactoriamente los cambios en el SOC debidos al uso agrícola de suelos de tales características. Los objetivos fueron: 1) ajustar y validar AMG en diferentes condiciones de sistema de labranza, fertilización con nitrógeno (N) y tipos de cultivos para Mollisoles de textura superficial franca y elevado contenido de SOC, y 2) simular cambios futuros de SOC bajo diferentes escenarios de producción. Utilizamos los contenidos de SOC (0-20 cm) de tres experimentos de larga duración (1976-2012) de sistemas de labranza, rotaciones de cultivos y fertilización con N en el sudeste de la provincia de Buenos Aires, Argentina (37º 45' S, 58º 18' W) sobre un complejo de Mollisoles. Los datos de dos ellos fueron divididos en dos grupos al azar para ajustar algunos de los parámetros del modelo y para validación cruzada, respectivamente. Los datos del tercer experimento fueron utilizados para una validación independiente. El modelo fue usado para simular la variación del SOC (30 años) bajo diferentes combinaciones de contenido inicial de SOC (SOCi, tres niveles) y rotaciones de cultivos (seis rotaciones considerando agricultura continua y rotaciones cultivo-pastura). El desempeño del modelo fue evaluado a través de indicadores estadísticos basados en la diferencia observados-simulados y regresiones lineales simples de observados vs. simulados. La validación cruzada dio resultados prometedores con una media de observados-simulados cercana a 0 (P > 0,05). La raíz del cuadrado medio del error (RMSE) y el RMSE como porcentaje de la media de los valores observados (RMSEp) fueron 6,0 Mg C ha-1 y 7,5%, respectivamente, que son valores aceptables. La regresión lineal simple de observados vs. simulados fue altamente significativa (P< 0,01) con ordenada al origen igual a 0 y pendiente igual a 1 (P > 0,05), aunque el R2 fue bajo. Los indicadores por grupos de tratamientos fueron, en general, aceptables y no mostraron tendencias asociadas a un manejo en particular. Sin embargo, el desempeño del modelo fue más pobre bajo siembra directa (NT) con fertilización con N, posiblemente debido a la poca información disponible para esa combinación de tratamientos. La validación con datos independientes confirmó el buen desempeño de AMG. Las simulaciones a futuro mostraron que cuando SOCi era alto (cercano a la saturación de SOC), aún las rotaciones con alta intensificación y aporte de carbono provocaron disminución del contenido de SOC. Por el contrario, cuando SOCi fue bajo (35% de pérdida del SOC a saturación) todos los escenarios condujeron a aumentar el SOC. Sin embargo, AMG no fue capaz de simular aceptablemente el efecto esperado de las pasturas en la rotación. El modelo AMG simuló satisfactoriamente los cambios en contenido de SOC debido a diferentes manejos del suelo con textura franca y elevado contenido original de SOC. Por lo tanto, el modelo podría ser utilizado como herramienta de apoyo a la planificación del manejo con un error admisible (RMSEp ~6%). A gestão do carbono orgânico do solo (SOC) necessita de um conhecimento rigoroso de como o uso do solo a pode afetar . Com esse objetivo podem ser utilizados modelos de simulação. O modelo AMG é simples, requer informação facilmente disponível e baseia-se num reduzido número de parâmetros. Esse modelo não tem contudo sido calibrado/ajustado nem validado para solos argilosos com elevado nível de SOC. Neste estudo partiu-se da hipótese que o modelo AMG poderá simular satisfatoriamente as variações de SOC devidas ao uso agrícola em solos com essas características. Os objetivos foram: 1) ajustar e validar o AMG sob diferentes condições de sistema de preparação do solo, fertilização com azoto (N) e tipos de cultura para Molisolos com textura argilosa e elevado teor de SOC, e 2) simular variações futuras de SOC sob diferentes cenários de produção. Para as simulações utilizaram-se os teores de SOC (0-20 cm) de três ensaios de longa duração (1976-2012) com sistemas de preparação do solo, rotações de culturas e fertilização com N no sueste da provincia de Buenos Aires, Argentina (37º 45' S, 58º 18' W) sobre um complexo de Molisolos. Os dados provenientes de dois de esses ensaios foram divididos em dois grupos ao acaso para ajustar parâmetros do modelo e para a validação cruzada, respetivamente. Os dados do terceiro ensaio forma usados para validar o modelo. O modelo foi usado para simular a variação de SOC (30 anos) sob diferentes combinações de teor inicial de SOC (SOCi, três níveis) e rotações de culturas (seis rotações com agricultura continua e rotações cultura-pastagem). O desempenho do modelo foi avaliado mediante índices estatísticos baseados na diferença observados-simulados, e regressões lineares simples entre observados e simulados. A validação cruzada apresentou resultados promissores com uma média da diferença entre observados e simulados próxima de 0 (P > 0,05). A raiz do quadrado médio do erro (RMSE) e o RMSE expresso como percentagem da média dos valores observados (RMSEp) foram 6,0 Mg C ha-1 e 7,5%, respetivamente, os quais são valores considerados aceitáveis. A regressão linear simples entre observados e simulados foi altamente significativa (P < 0,01) com um coeficiente linear da reta de regressão próximo de 0 e com um coeficiente angular da reta próximo de 1 (P > 0,05), apesar do valor de R2 ser baixo. Os índices por grupos de tratamentos foram, em geral, aceitáveis e não mostraram tendências associadas a uma gestão em particular. Contudo, o desempenho do modelo foi mais pobre em condições de fertilização com NT e N, possivelmente devido à pouca informação disponível para essa combinação de tratamentos. A validação com dados independentes confirmou que o AMG simulou a alteração do SOC de forma satisfatória. Os cenários futuros mostraram que quando o nível de SOCi foi elevado (próximo a saturação de SOC), mesmo as rotações com elevada intensificação e aportes de carbono provocaram diminuição do conteúdo de SOC. Pelo contrário, quando SOCi foi baixo (35% de perdas do SOC a saturação) todos os cenários aumentaram o nível de SOC. No entanto, o AMG não simulou aceitavelmente o efeito das pastagens na rotação. O modelo AMG simulou satisfatoriamente as variações de SOC devido a diferentes gestões do solo com textura argilosa e elevado teor inicial de SOC. Como tal, o modelo poderia ser usado como ferramenta de apoio no planeamento da gestão com um erro considerado admissível (RMSEp ~6%). EEA Balcarce Fil: Moreno, Rocio. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina Fil: Studdert, Guillermo. Unidad Integrada Balcarce, Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Balcarce, Argentina. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina. Fil: Monterubbianesi, María Gloria. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina Fil: Irigoyen, Andrea Inés. Universidad Nacional de Mar del Plata. Facultad de Ciencias Agrarias; Argentina

Soybean is the main rainfed crop in a wide range of latitudes and sowing dates of the Argentine Pampas. It is sown alone or as a second crop after other winter and summer crops. Modelling approaches have proved to be helpful in the decision making process. The on-farm evaluation of CROPGRO is rather difficult since input data are scarce and frequently of worse quality than those from experimental works. Moreover, CROPGRO simulation of water dynamic processes and their relation with biomass production has not been comprehensively evaluated in soybean crops. The aims of this study were (i) to evaluate the CROPGRO-soybean performance, with emphasis on water demand and supply and biomass production under water limited conditions, (ii) to generate a revised CROPGRO model improving those aspects, and (iii) to compare simulations outputs using the original and the revised CROPGRO models, with on-farm crop data set. In the revised model, we multiplied potential evapotranspiration by 1–1.22 when LAI increased from 0 to ≥4.0. We set a root extension rate of 4.0 cm/thermal day and a maximum rooting depth of 2.5 m. Finally, we included a nonlinear equation to simulate the relationship between relative transpiration and relative gross photosynthesis. The ability of the revised CROPGRO-soybean to simulate water content depletion and biomass production was tested against several experiments with an imposed drought period. We also calibrated cultivar parameters using “ad hoc” tests in a range of environments (combinations of sowing dates and locations). The models were evaluated with data from 155 commercial farms. V (%) (root mean square error as percentage of the observed mean) for the total cycle length, vegetative period, and reproductive phase simulations were 7, 13 and 15%, respectively. The revised CROPGRO was more accurate in simulating crop yield, biomass, harvest index and yield numeric components. V (%) values ranged from 11 to 17% (revised version) and from 13 to 22% (original version). Besides, V (%) values for yield were 16% with the revised model versus 32% with the original one, considering only paddocks with higher water stress level. The robust prediction of phenology, biomass and yield components obtained with the revised model across different environmental conditions, support its use in the decision making process of the soybean crop at the farm scale.