Dry matter production of Tanzania grass as a function of agrometeorological variables

Abstract

-The objective of this work was to develop and validate linear regression models to estimate the production of dry matter by Tanzania grass (Megathyrsus maximus, cultivar Tanzania) as a function of agrometeorological variables. For this purpose, data on the growth of this forage grass from 2000 to 2005, under dry-field conditions in São Carlos, SP, Brazil, were correlated to the following climatic parameters: minimum and mean temperatures, degree-days, and potential and actual evapotranspiration. Simple linear regressions were performed between agrometeorological variables (independent) and the dry matter accumulation rate (dependent). The estimates were validated with independent data obtained in São Carlos and Piracicaba, SP, Brazil. The best statistical results in the development and validation of the models were obtained with the agrometeorological parameters that consider thermal and water availability effects together, such as actual evapotranspiration, accumulation of degree-days corrected by water availability, and the climatic growth index, based on average temperature, solar radiation, and water availability. These variables can be used in simulations and models to predict the production of Tanzania grass.Index terms: Panicum maximum, climatic growth index, degree-days, evapotranspiration, modeling. Produção de matéria seca de capim-tanzânia em função de variáveis agrometeorológicasResumo -O objetivo deste trabalho foi desenvolver e validar modelos de regressão linear para a estimativa de produção de matéria seca de capim-tanzânia (Megathyrsus maximus, cultivar Tanzania) em função de variáveis agrometeorológicas. Para tanto, dados de períodos de crescimento da forragem entre 2000 e 2005, em condições de sequeiro em São Carlos, SP, foram correlacionados aos seguintes parâmetros climáticos: temperaturas mínima e média, graus-dia, evapotranspiração potencial e atual. Foram realizadas regressões lineares simples entre as variáveis agrometeorológicas (independentes) e a taxa média de acúmulo (dependente). As estimativas foram validadas com dados independentes obtidos em São Carlos e Piracicaba, SP. Os melhores resultados estatísticos observados no desenvolvimento e na validação dos modelos foram obtidos para parâmetros agrometeorológicos que levem em consideração o efeito térmico e hídrico conjuntamente, como evapotranspiração real, acúmulo de graus-dia corrigido pela disponibilidade hídrica e índice climático de crescimento, baseado na temperatura média, na radiação solar e na disponibilidade hídrica. Essas variáveis podem ser utilizadas em simulações e modelos para prever a produção do capim-tanzânia.Termos para indexação: Panicum maximum, índice climático de crescimento, graus-dia, evapotranspiração, modelagem.

Estrutura E Produtividade De Capim-Tanzânia Submetido a Diferentes Frequências De Desfolhação

“…As características agrometeorológicas têm participação direta no acúmulo de matéria seca do capimTanzânia, principalmente nos parâmetros agrometeorológicos que levem em consideração o efeito térmico e hídrico conjuntamente, baseado na temperatura média, radiação solar e na disponibilidade hídrica (19) . Não houve diferença significativa (P>0,05) quanto à taxa de acúmulo de forragem entre os tratamentos, tendo média de 72,6 kg de massa seca (MS) ha -1 .dia -1 .…”

Vegetative Development and Growing Degree-Days of Tropical and Winter Forages

“…Pasture growth is influenced by seasonal weather patterns, mainly solar radiation and temperature (Vogeler et al, 2016). In tropical countries such as Brazil, the high temperatures favor forage growth and, when properly managed, high yields have been achieved (Pezzopane et al, 2012;Gomes et al, 2015b;Andrade et al, 2016;Antoniel et al, 2016;Martuscello et al, 2016;Sanches et al, 2016).…”

Species‐genotypic parameters of the CROPGRO Perennial Forage Model: Implications for comparison of three tropical pasture grasses

“…Other tropical forage modelling groups have used biophysical models, such as APSIM (Araujo et al., ), ALMANAC (Kiniry et al., ), global‐scale process‐based models such as Orchidee Grassland Management Model (Chang et al., ; Parton, Schimel, Cole, & Ojima, ; Parton et al., ; ), Century Agroecosystem Model (Metherell, Harding, Cole, & Parton, ; Parton et al., ) and empirical models based on climatic variables (Cruz, Santos, Pezzopane, Oliveira, & de Araujo, ; Pezzopane, Santos, Mendonça, de Araujo, & da Cruz, ; Tonato, Barioni, Pedreira, Dantas, & Malaquias, ). However, there is a lack of understanding of many complex interactions among genotypic traits, environment and management that could be explored by using detailed mechanistic simulation modelling (Andrade et al., ; Jones et al., ).…”