Growth and Production of rice (oryza sativa l.) under different fertilization plans with Silicon

Abstract

The application of fertilizers to rice crops constitutes a large percentage of productions costs, which in recent years have increased; therefore, it is necessary to implement alternatives that optimize the application and improve profitability. It was evaluated the effect of different doses and application times of a fertilizer with silicon on a rice crop, Fedearroz 50 variety. The experimental design was completely randomized with a 2 × 5 factorial arrangement. The first factor was dose (20 and 40 kg ha -1 ) and the second factor was combination of period and application dose (100 % preplant, 50 % preplant + 50 % first fertilization, 100 % first fertilization, 50 % preplant +50 % second fertilization, 100 % second fertilization) for a total of 10 treatments that were applied in 2 locations (Ibagué and El Guamo). We found that the preplant fertilizer applications increased the production of root biomass throughout the crop cycle and that the biomass of the stems and leaves had a similar behavior with the two doses of silicon. The tillering in Ibagué presented a value of 520 clusters m -2 , 127 % higher than in El Guamo, which had a value of 229 clusters m -2 , a highly significant difference. Throughout the period, height showed a behavior model double logistic sigmoid; the height of the rice plants was higher in El Guamo. In the two localities, Ibagué and El Guamo, the most appropriate fertilizer dose of silicon was 20 kg ha -1 in the second fertilization.Keywords: Fertilizer, physiology, tillering, plant height, double logistic sigmoid. RESUMENLa aplicación de fertilizantes en el cultivo de arroz ocupa un gran porcentaje de los costos de producción, los cuales en los últimos años han incrementado, por lo tanto, se hace necesario implementar alternativas que optimicen la aplicación y mejoren la rentabilidad. Se evaluó el efecto de diferentes dosis y épocas de un fertilizante con silicio en el cultivo de arroz, variedad Fedearroz 50. El diseño experimental fue completamente al azar con factorial de 2 × 5. El primer factor fue la dosis (20 y 40 kg ha -1 ), y el segundo factor la combinación de época y dosis de aplicación (100 % presiembra, 50 % presiembra + 50 % 1a abonada, 100 % a la 1a abonada, 50 % presiembra + 50 % 2a abonada, 100 % a la 2a abonada) para un total de 10 tratamientos, aplicados en 2 localidades (Ibagué y El Guamo). Se encontró que las aplicaciones del fertilizante en presiembra generaron una mayor producción de biomasa radical a lo largo del ciclo de cultivo; la biomasa de tallos y hojas tuvo un comportamiento similar con las dos dosis aplicadas de silicio. El macollamiento en Ibagué presentó un valor de 520 macollas/m 2 , un 127 % más que en El Guamo, que tuvo un valor de 229 macollas/m 2 , por lo que las diferencias entre localidades son altamente significativas. A lo largo del tiempo la altura presentó un comportamiento de modelo logístico doble sigmoideo, en donde la altura de las plantas de arroz fue mayor en la localidad de El Guamo. En las dos localidades, la dosis de silicio qu...

Simulation of Internet of Things Water Management for Efficient Rice Irrigation in Rwanda

“…Rice water requirements change for each stage of growth, so the Markov chain process deals with this set of possible stages S and the set of possible actions A, where the effects of an action taken in a stage depend only on that stage and not on the prior history. We thus use the MCP approach to model the probabilistic transitions among a set of stages S = {s 1 , s 2 , • • • } [26], where each stage s i ∈ S is defined with a predetermined cumulative total soil water (TSW) range (Table 1). Water loss from each plot is monitored with a water level sensor and daily TSW calculations are summed to provide the cumulative value.…”

A Decision-making Module for Fertilization and Irrigation Control System in Rice Farming Using Markov Chain Process and SARSA Algorithms

“…Water and fertilizer requirements for rice change for each stage of growth so the MCP deals with this set of possible stages S and the set of possible actions A, where the effects of an action taken in a stage depend only on that stage and not on the prior history. As in [1] we use MCP to model the probabilistic transitions among a set of stages S = {s 1 , s 2 , • • •} [7], but here instead of just irrigation requirements we also model fertilization requirements, where each stage s i ∈ S is defined with a predetermined cumulative total soil water (TSW) and total soil fertilizer (TSF) range appropriate for Muvumba Valley. Water and fertilizer loss from each plot are monitored with a water level (WL) and fertilizer level (FL) sensors.…”

Estado nutricional en rosa hidropónica “Snowflake” bajo diferentes tratamientos de silicio

“…Variables de respuesta. La longitud de tallo floral se midió durante 14 semanas después del pinch y se ajustó a un modelo logístico doble sigmoide, el cual es uno de los modelos que mejor describe el crecimiento de las variables biológicas (Álvarez-Herrera et al, 2017). Este modelo se determinó mediante la ecuación (1):…”