|
|
Registro Completo |
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
14/07/2022 |
Data da última atualização: |
29/01/2024 |
Autoria: |
SILVA, M. R. da; STRECK, N. A.; CERA, J. C.; DUARTE JUNIOR, A. J.; RIBAS, G. G.; ROSSATO, I. G.; MEUS, L. D.; PEREIRA, V. F.; PILECCO, I. B.; BENEDETTI, R. P.; TONETTO, F.; ZANON, A. J. |
Afiliação: |
MICHEL ROCHA DA SILVA, CROPS TEAM; NEREU AUGUSTO STRECK, UNIVERSIDADE FEDERAL DE SANTA MARIA; JOSSANA CEOLIN CERA, INSTITUTO RIO GRANDENSE DO ARROZ; ARY JOSÉ DUARTE JUNIOR, UNIVERSIDADE FEDERAL DE SANTA MARIA; GIOVANA GHISLENI RIBAS, GRUPO DOM MARIO; IORAN GUEDES ROSSATO, UNIVERSIDADE FEDERAL DE SANTA MARIA; LORENZO DALCIN MEUS, UNIVERSIDADE FEDERAL DE SANTA MARIA; VLADISON FOGLIATO PEREIRA, UNIVERSIDADE FEDERAL DE SANTA MARIA; ISABELA BULEGON PILECCO, UNIVERSIDADE FEDERAL DE SANTA MARIA; ROMULO PULCINELLI BENEDETTI, CROPS TEAM; FRANCISCO TONETTO, UNIVERSIDADE FEDERAL DE SANTA MARIA; ALENCAR JUNIOR ZANON, UNIVERSIDADE FEDERAL DE SANTA MARIA. |
Título: |
Forecasting the rice yield in Rio Grande do Sul using the SimulArroz model. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, v. 57, e02969, 2022. |
DOI: |
https://doi.org/10.1590/S1678-3921.pab2022.v57.02069 |
Idioma: |
Inglês |
Notas: |
Título em português: Previsão de safra de arroz irrigado para o Rio Grande do Sul pelo modelo SimulArroz. |
Conteúdo: |
ABSTRACT - The objective of this work was to evaluate a flooded-rice yield forecasting method for the state of Rio Grande do Sul, Brazil, using the SimulArroz model. Version 1.1 of this model and historical meteorological data were used, with six different scenarios composed of the following levels of field information: number of sowing dates (1 to 4) and number of cultivars and/or development cycles (1 to 3) during four growing seasons (2014/2015 to 2017/2018). The root mean square error (RMSE) for comparing the actual yield with the simulated yield for Rio Grande do Sul was of 618.3 and 1,024.8 kg ha-¹, i.e., of 8 and 13%, respectively. The forecast of rice yield by applying the SimulArroz model and historic meteorological data for Rio Grande do Sul shows a good predictability, and the recommended scenario is complex 1, using three sowing dates per site and the three most representative rice cultivars per region. RESUMO - O objetivo deste trabalho foi avaliar um método de previsão de safra para arroz irrigado por inundação no estado do Rio Grande do Sul, Brasil, por meio do modelo SimulArroz. Utilizou-se a versão 1.1 desse modelo e dados meteorológicos históricos, com seis cenários compostos pelos seguintes níveis de informação em campo: datas de semeadura (1 a 4) e número de cultivares e/ou ciclos de desenvolvimento (1 a 3) durante quatro safras (2014/2015 a 2017/2018). A raiz quadrada média do erro (RQME), para comparação da produtividade real com a produtividade simulada para o Rio Grande do Sul, foi de 618,3 e 1.024,8 kg ha-¹, isto é, de 8 e 13%, respectivamente. A previsão de safra de arroz com aplicação do modelo SimulArroz e dados meteorológicos históricos para o Rio Grande do Sul apresenta boa capacidade preditiva quanto à produtividade, e o cenário recomendado para a previsão é o complex 1, com uso de três épocas de semeadura por local e das três cultivares mais representativas por região. MenosABSTRACT - The objective of this work was to evaluate a flooded-rice yield forecasting method for the state of Rio Grande do Sul, Brazil, using the SimulArroz model. Version 1.1 of this model and historical meteorological data were used, with six different scenarios composed of the following levels of field information: number of sowing dates (1 to 4) and number of cultivars and/or development cycles (1 to 3) during four growing seasons (2014/2015 to 2017/2018). The root mean square error (RMSE) for comparing the actual yield with the simulated yield for Rio Grande do Sul was of 618.3 and 1,024.8 kg ha-¹, i.e., of 8 and 13%, respectively. The forecast of rice yield by applying the SimulArroz model and historic meteorological data for Rio Grande do Sul shows a good predictability, and the recommended scenario is complex 1, using three sowing dates per site and the three most representative rice cultivars per region. RESUMO - O objetivo deste trabalho foi avaliar um método de previsão de safra para arroz irrigado por inundação no estado do Rio Grande do Sul, Brasil, por meio do modelo SimulArroz. Utilizou-se a versão 1.1 desse modelo e dados meteorológicos históricos, com seis cenários compostos pelos seguintes níveis de informação em campo: datas de semeadura (1 a 4) e número de cultivares e/ou ciclos de desenvolvimento (1 a 3) durante quatro safras (2014/2015 a 2017/2018). A raiz quadrada média do erro (RQME), para comparação da produtividade real com a produtividade simulad... Mostrar Tudo |
Thesagro: |
Arroz; Arroz Irrigado; Época de Semeadura; Oryza Sativa; Produtividade; Safra. |
Thesaurus Nal: |
Meteorological data; Oryza; Rice; Sowing date. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1144733/1/Forecasting-rice-yield-2022.pdf
|
Marc: |
LEADER 03154naa a2200397 a 4500 001 2144733 005 2024-01-29 008 2022 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.1590/S1678-3921.pab2022.v57.02069$2DOI 100 1 $aSILVA, M. R. da 245 $aForecasting the rice yield in Rio Grande do Sul using the SimulArroz model.$h[electronic resource] 260 $c2022 500 $aTítulo em português: Previsão de safra de arroz irrigado para o Rio Grande do Sul pelo modelo SimulArroz. 520 $aABSTRACT - The objective of this work was to evaluate a flooded-rice yield forecasting method for the state of Rio Grande do Sul, Brazil, using the SimulArroz model. Version 1.1 of this model and historical meteorological data were used, with six different scenarios composed of the following levels of field information: number of sowing dates (1 to 4) and number of cultivars and/or development cycles (1 to 3) during four growing seasons (2014/2015 to 2017/2018). The root mean square error (RMSE) for comparing the actual yield with the simulated yield for Rio Grande do Sul was of 618.3 and 1,024.8 kg ha-¹, i.e., of 8 and 13%, respectively. The forecast of rice yield by applying the SimulArroz model and historic meteorological data for Rio Grande do Sul shows a good predictability, and the recommended scenario is complex 1, using three sowing dates per site and the three most representative rice cultivars per region. RESUMO - O objetivo deste trabalho foi avaliar um método de previsão de safra para arroz irrigado por inundação no estado do Rio Grande do Sul, Brasil, por meio do modelo SimulArroz. Utilizou-se a versão 1.1 desse modelo e dados meteorológicos históricos, com seis cenários compostos pelos seguintes níveis de informação em campo: datas de semeadura (1 a 4) e número de cultivares e/ou ciclos de desenvolvimento (1 a 3) durante quatro safras (2014/2015 a 2017/2018). A raiz quadrada média do erro (RQME), para comparação da produtividade real com a produtividade simulada para o Rio Grande do Sul, foi de 618,3 e 1.024,8 kg ha-¹, isto é, de 8 e 13%, respectivamente. A previsão de safra de arroz com aplicação do modelo SimulArroz e dados meteorológicos históricos para o Rio Grande do Sul apresenta boa capacidade preditiva quanto à produtividade, e o cenário recomendado para a previsão é o complex 1, com uso de três épocas de semeadura por local e das três cultivares mais representativas por região. 650 $aMeteorological data 650 $aOryza 650 $aRice 650 $aSowing date 650 $aArroz 650 $aArroz Irrigado 650 $aÉpoca de Semeadura 650 $aOryza Sativa 650 $aProdutividade 650 $aSafra 700 1 $aSTRECK, N. A. 700 1 $aCERA, J. C. 700 1 $aDUARTE JUNIOR, A. J. 700 1 $aRIBAS, G. G. 700 1 $aROSSATO, I. G. 700 1 $aMEUS, L. D. 700 1 $aPEREIRA, V. F. 700 1 $aPILECCO, I. B. 700 1 $aBENEDETTI, R. P. 700 1 $aTONETTO, F. 700 1 $aZANON, A. J. 773 $tPesquisa Agropecuária Brasileira$gv. 57, e02969, 2022.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Pecuária Sudeste. |
Data corrente: |
17/08/2022 |
Data da última atualização: |
15/12/2023 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
LOBO, A. A. G.; FURTADO, A. J.; SILVA, G. V. DA; PASQUINI NETO, R.; BERNDT, A.; BUENO, I. C. DA S. |
Afiliação: |
ANNELISE AILA GOMES LOBO, University of Sao Paulo, Pirassununga, SP; ALTHIERES JOSÉ FURTADO, University of Sao Paulo, Pirassununga, SP; GABRIELE VOLTARELI DA SILVA, University of Sao Paulo, Pirassununga, SP; ROLANDO PASQUINI NETO, University of Sao Paulo, Pirassununga, SP; ALEXANDRE BERNDT, CPPSE; IVES CLAUDIO DA SILVA BUENO, University of Sao Paulo, Pirassununga, SP. |
Título: |
Methane emission from Nellore cattle on intensified and integrated grazing systems in the seasons during two years consecutively. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
In: REUNIÃO DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 57., 2022, Campinas. Tropical animal science and pratice to feed the planet: proceedings. Brasília, DF: SBZ; São Carlos, SP: Embrapa Pecuária Sudeste, 2022. |
Páginas: |
p. 306. |
Idioma: |
Inglês |
Conteúdo: |
Intensification and integration of grazing systems result in better animal performance and bring beneficial effects to the environment through the reduction of enteric methane emissions as well as improves growth and muscle development. |
Palavras-Chave: |
ILPF; Integration of grazing systems; Tropical seasons. |
Thesaurus NAL: |
Grazing; Methane; Nellore. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1145520/1/MethaneEmissionNellore.pdf
|
Marc: |
LEADER 01157nam a2200253 a 4500 001 2145520 005 2023-12-15 008 2022 bl uuuu u00u1 u #d 100 1 $aLOBO, A. A. G. 245 $aMethane emission from Nellore cattle on intensified and integrated grazing systems in the seasons during two years consecutively.$h[electronic resource] 260 $aIn: REUNIÃO DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 57., 2022, Campinas. Tropical animal science and pratice to feed the planet: proceedings. Brasília, DF: SBZ; São Carlos, SP: Embrapa Pecuária Sudeste$c2022 300 $ap. 306. 520 $aIntensification and integration of grazing systems result in better animal performance and bring beneficial effects to the environment through the reduction of enteric methane emissions as well as improves growth and muscle development. 650 $aGrazing 650 $aMethane 650 $aNellore 653 $aILPF 653 $aIntegration of grazing systems 653 $aTropical seasons 700 1 $aFURTADO, A. J. 700 1 $aSILVA, G. V. DA 700 1 $aPASQUINI NETO, R. 700 1 $aBERNDT, A. 700 1 $aBUENO, I. C. DA S.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pecuária Sudeste (CPPSE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|