Modelagem matemática do fluxo de emergência de plantas daninhas: ferramenta para decisão no manejo de cultivos

Abstract

Resumo -O surgimento de biótipos de plantas daninhas resistentes a herbicida e o aumento da pressão social para reduzir sua utilização, criou a necessidade de desenvolver ferramentas para aperfeiçoar a aplicação de herbicidas e melhorar o controle de plantas daninhas. Desta forma, o desenvolvimento de modelos de emergência de plantas daninhas tornou-se crucial para o desenvolvimento de estratégias de gerenciamento em áreas agrícolas. Esta revisão tem por objetivo apresentar os fatores que influenciam o fluxo de emergência de plantas daninhas, os principais modelos utilizados, os procedimentos da modelagem e os impactos práticos de sua utilização no manejo. O fluxo de emergência das plantas daninhas correlaciona-se diretamente com padrões de resposta das sementes à interferência dos fatores ambientais e práticas culturais. Os modelos de emergência empíricos e mecanicistas desenvolvidos permitem prever a emergência de plantas daninhas em diferentes anos e regiões geográficas, baseados em condições climáticas e ecofisiológicas. Os modelos mecanicistas são mais complexos e permitem a melhor compreensão sobre a emergência de plantas daninhas, enquanto modelos empíricos apresentam a simplicidade e a flexibilidade necessária para a tomada de decisão de controle. O conhecimento do fluxo de emergência de plantas daninhas permite desenvolver estratégias de manejo que proporcionam maior habilidade competitiva à cultura e, em decorrência, menores perdas de produtividade; bem como a seleção de medidas de controle que diminuam a utilização de herbicidas, a contaminação ambiental e aprimorem as tecnologias utilizadas na agricultura. Palavras-chave: modelo empírico, gerenciamento, tempo hidrotérmico Abstract -The appearance of weed biotypes resistant to herbicides and the increase in social pressure to reduce its use, created the need to develop tools to refine herbicides application and improve weed control. In this way, the development of weed emergence models has become crucial for the development of management strategies in agricultural areas. The objective of this review is to show the factors that influence the emergence flow and the main models used to predict weed emergence, the procedures of modeling and the practical impacts of their use for weed management. The emergence flow of weeds correlates directly with seed response patterns to the interference of environmental factors and cultural practices. The developed empirical and mechanistic emergence models allow predict weeds emergence in different years and geographic regions, based on climatic and ecophysiological conditions. However, mechanistic models are more complex and allow better

Features of germination, emergence modeling, longevity, and persistence in Bidens pilosa seed bank

“…The knowledge about the germination aspects of plants at different times of the year allows for adapting management practices (Zandoná et al 2018a), enabling the effective use of herbicides and integrated weed management practices. To obtain effectiveness in integrated weed management, practices focused on weed seeds and aspects of the seed bank should be considered; i.e., crop rotations, soil tillage, and harvest weed seed control (Haring and Flessner 2018).…”

Germinação de sementes de Amaranthus deflexus L. submetidas a diferentes condições de tempera-tura e estresse salino

“…Several authors, such as Buhler et al (1995), Vidal and Bauman (1996), Pereira et al (2012), andZandoná et al (2018), showed how the survival of species considered weeds may be related to non-germination of seeds in unfavorable environmental conditions, characterizing ecological significance, as it prevents the development of seedlings in soils without sufficient resources to support subsequent growth. Thus, species whose seeds do not have this control mechanism could all germinate at the same time, after a short period of soil wetting, compromising the development of formed individuals and future generations (Van Den Berg & Zeng, 2006;Pereira et al, 2012).…”