Search

The challenge to increase agricultural production with a minimum environmental impact requires to reach the maximum efficiency in the capture and use of resources such as photosynthetically active radiation (PAR), water, and nitrogen (N). Such requisites are encompassed in the ecological intensification (EI) concept. The aims of this work were to evaluate at a crop sequence level: i) crops yields, ii) water and radiation productivity and its components, i.e. resource capture and resource use efficiency, and iii) partial factor productivity of applied N (PFPN), partial nutrient balance for N (PNB), N uptake and N utilization efficiency of a two-year, three-crop sequence (wheat [Triticum aestivum L.]/soybean [Glycine max (L.) Merr.] double crop – maize [Zea mays L.]) carried-out under EI principles in comparison with the same crop sequence under current farmer practices (FP) in two contrasting locations of the Argentinean Pampas, i.e. Paraná (-31°50′; -60°31′) at the northern Pampas and Balcarce (-37°45′ -58°18′) at the southern Pampas. Experiments were carried-out during four consecutive years, covering two complete cycles of the crop sequence. For the accumulated grain production of the crop sequence, EI management outyielded FP from 13 to 42%, depending on environmental conditions. Maize yield accounted for most of the variation (41–64%) of the accumulated grain yield of crop sequence, whether in EI as in FP. Average grain yield differences between EI and FP treatments were 274 g m −2 for maize, 69 g m −2 for wheat and -2 g m −2 for soybean. Water and radiation productivities of the sequence were higher in EI than in FP (26% for water and 17% for radiation; P < 0.0001), mainly because of increases in resource use efficiencies. EI reduced partial factor productivity of applied N, but improved partial nutrient balance for N as compared with FP. These reductions in partial factor productivity of applied N were less than proportional than the increases in N rate. Moreover, in spite of the higher N rate in EI respect to FP, N utilization efficiency (N ut E), i.e. grain per unit N uptake, was higher across all situations in EI. Our results showed that the challenge to obtain high grain yields by increasing N rate in a medium-input system could be achieved even with an increase in N ut E. Grain yields improvements, and increases in radiation and water productivity were reached by applying a set of agronomic practices that included improved genetics, crop and fertilizer N management englobed under EI concept. Fil: Caviglia, Octavio Pedro. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires; Argentina. Universidad Nacional de Entre Ríos; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Rizzalli, Roberto Héctor. Universidad Nacional de Mar del Plata; Argentina Fil: Monzon, Juan Pablo. Universidad Nacional de Mar del Plata; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Garcia, Fernando Oscar. Universidad Nacional de Mar del Plata; Argentina. International Plant Nutrition Institute Latinoamérica; Argentina Fil: Melchiori, Ricardo José Miguel. Instituto Nacional de Tecnología Agropecuaria; Argentina Fil: Martinez, J.J.. Instituto Nacional de Tecnología Agropecuaria; Argentina Fil: Cerrudo, Anibal Alejandro. Instituto Nacional de Tecnología Agropecuaria; Argentina. Universidad Nacional de Mar del Plata; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Irigoyen, Andrea Inés. Universidad Nacional de Mar del Plata; Argentina Fil: Barbieri, Pablo Andres. Universidad Nacional de Mar del Plata; Argentina. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Van Opstal, Natalia. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires; Argentina Fil: Andrade, Fernando Héctor. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Mar del Plata; Argentina. Instituto Nacional de Tecnología Agropecuaria. Centro Regional Buenos Aires; Argentina

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.

O objetivo principal deste trabalho foi testar redes neurais artificiais (RNAs) do tipo multilayer perceptron (MLP) na estimativa da evapotranspiração de referência e da evapotranspiração na linha de plantio de limeira ácida. As RNAs foram treinadas sob algoritmo de gradiente conjugado de erros, com funções de ativação sigmóide na camada intermediária e linear na camada de saída. Foram conduzidas análises comparativas com modelos de regressão. Valores diários de evapotranspiração de referência foram calculados usando o modelo Penman-Monteith (EToPM) a partir de dados meteorológicos (1997-2006) observados em Piracicaba, estado de São Paulo, Brasil (latitude: 22º 42 30 S; longitude: 47º 38 30 W; altitude: 546 m). Os modelos foram desenvolvidos a partir de dados de radiação solar global (Rg), saldo de radiação (Rn) ou radiação no topo da atmosfera (RTA) em combinação com temperatura do ar (Tar), déficit de pressão de vapor no ar (DPV) e velocidade do vento (u). Bom desempenho foi obtido quando os dados de Rg ou Rn estavam disponíveis, mesmo com a falta de uma ou mais das outras variáveis exigidas pelo modelo Penman- Monteith. As RNAs mostraram melhor desempenho do que os modelos de regressão, especialmente quando RTA foi considerada na entrada. O erro absoluto médio (MAE) das RNAs variou de 0,1 a 0,2 mm d-1, representando de 4 a 6 % dos valores médios de EToPM. A evapotranspiração na linha de plantio, condutância difusiva e transpiração foliar foram obtidas em pomar adulto de limeira ácida (Citrus latifolia Tan.), com espaçamento 7 m × 4 m , orientação Leste-Oeste das linhas de plantio e sem limitação hídrica, em Piracicaba, Brasil. A condutância à difusão de vapor (gs) e transpiração foliar (T) foram determinadas com porômetro de equilíbrio constante e balanço nulo, em folhas completamente expandidas, na parte média da copa nas faces expostas da linha de plantio, a intervalos horários ao longo de 42 dias. A densidade de fluxo de fótons fotossintéticos (DFFF) incidentes sobre a folha, temperatura e déficit de pressão de vapor no ar (Tar e DPV) no interior do pomar e o horário de observação (h) foram combinados nos modelos de estimativa de gs e T. Somente os modelos ajustados para o inverno apresentaram bom desempenho. Medidas lisimétricas foram utilizadas na determinação da evapotranspiração diurna na linha de plantio (ETli 9-17h). Saldo de radiação (Rn), temperatura do ar (Tar), déficit de pressão de vapor (DPV), evapotranspiração de referência estimada pelo modelo Penman-Monteith (EToPM) e dia do ano foram combinados na estimativa de ETli 9-17h. O desempenho das RNAs foi superior ao dos modelos com base em regressão. O erro médio absoluto (MAE) nos modelos RNAs variou entre 3,6 e 10,6 L planta-1, representando de 6 a 18% dos valores médios de ETli 9-17h. Os modelos incluindo o efeito temporal apresentaram melhor desempenho. A estimativa da evapotranspiração de referência na escala diária e da evapotranspiração diurna na linha de plantio pelos modelos propostos mostrou-se adequada. Ficou evidente a existência de outros efeitos temporais operando concomitantemente com o ambiente atmosférico na determinação de gs e ETli 9-17h. The main objective of this study was to test artificial neural networks (ANNs) of multilayer perceptron type (MLP) for estimating reference evapotranspiration, diffusive leaf conductance and crop evapotranspiration of a mature and irrigated citrus orchard. The ANNs were trained under conjugate gradient algorithm. The sigmoid and linear activation functions were used for the hidden and output nodes, respectively. Comparative analyses with regression models were carried out. Daily values of reference evapotranspiration were computed using the Penman-Monteith method (EToPM) from climatic data (1997-2006) at Piracicaba, Brazil. All models were developed considering global radiation (Rg), net radiation (Rn) or extraterrestrial radiation (Ra) in combination with air temperature (Tar), air vapor pressure deficit (VPD) and wind velocity (u) as input data. Good performance was obtained for any model when net radiation or solar radiation were available, even missing one or more of other variables required by the Penman-Monteith equation. The performance of ANNs were improved when compared to those obtained with regression model basis, especially when Ra was considered as input data. Mean absolute error (MAE) from ANNs varied from 0.1 to 0.2 mm d-1, representing between 4 and 6 % of the mean EToPM values. Crop evapotranspiration, leaf diffusive conductance and leaf transpiration data were obtained from an acid lime (Citrus latifolia Tan.) mature orchard, located at the same region. The orchard, with East-West planting rows and 7 m × 4 m spacing, was drip irrigated to maintain non-limiting water conditions. Leaf diffusive conductance to water vapor (gs) and transpiration (T) were measured on fully expanded leaves, in the middle height of the canopy, at Northen and Southern exposed faces, in hourly intervals along 42 selected days, using a steady-state null-balance porometer. Variability of gs and T values were described as function of the exposition faces of the planting rows, time of day and season. Significant differences between exposition faces for gs and T values were only observed in the spring. The relationship between gs or T values and leaf environmental conditions varied according to the season. Photosynthetic photon flux density (PPFD) incident on the leaf, air temperature (Tar) and vapor pressure deficit (VPD) and time of day (h) were used as inputs. Adequate performance was only observed for winter models. Lysimetric data were used to determine diurnal evapotranspiration from orchard row (ETli 9-17h). Net radiation (Rn), air temperature and deficit pressure vapor (Tar, DPV) and Penman-Monteith reference evapotranspiration (EToPM) data were combined in the regression analyses and developing process of ANNs. Also any other temporal effect was taken into account by including day of the year (DOY). Mean absolute error (MAE) for ANNs models varied from 3.6 to 10.6 L plant-1, representing between 6 and 18% of mean ETli 9-17h values. Errors decreased when DOY was included. According to the results, it can be concluded that it is possible to estimate daily EToPM and diurnal citrus orchard evapotranspiration (ETli 9-17h) accurately by the proposed models. Relevance of other temporal effects operating on gs and ETli 9-17h determination, in addition to environmental variations, was evident.