03629nam a2200193 a 450000100080000000500110000800800410001910000160006024501610007626001720023752028810040965000250329065000180331565300260333365300120335970000180337170000220338970000240341118656612023-06-29       2010    bl uuuu     u00u1 u    #d1 aCRUZ, P. G.  aModelos empíricos para a estimativa de matéria seca de cv. Marandu utilizando variáveis agroclimáticas. I. Geração dos modelos.h[electronic resource]  aIn: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 2., 2010, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação Agropecuária: Embrapa Pecuária Sudestec2010  aA radiação solar, temperatura do ar e a umidade do solo são os principais fatores ambientais determinantes do potencial produtivo e das variações estacionais de produção de forragem. A abordagem empírica, baseada em dados observados, é uma opção viável no processo de modelagem, já que permite o desenvolvimento de modelo que forneça predições precisas e que, ao mesmo tempo, seja o mais simples possível. O objetivo deste estudo foi gerar modelos lineares para predição da taxa de acúmulo de matéria seca de cv. Marandu em função de variáveis climáticas. Para gerar os modelos empíricos foram utilizados os dados de taxa média de acúmulo de matéria seca (TAMS) relativos a 29 períodos de crescimento nos anos de 1998, 2000, 2001 e 2002, cultivados em condições de sequeiro, na Embrapa Pecuária Sudeste em São Carlos ? SP. As variáveis climáticas foram temperatura mínima (Tmin), temperatura máxima (Tmax), temperatura média (Tmed), radiação (RG), graus-dia (GD, Tb=17ºC), evapotranspiração real (ETr), obtida a partir do balanço hídrico climatológico, unidades fototérmicas (UF) (Villa Nova et al., 1983) e o índice climático de crescimento (ICC) (temperatura média, radiação solar e relação ETr/ETp (Fitzpatrick e Nix, 1970). Nessas variáveis, à exceção a ETr e UF, foi adicionado um fator de penalização de disponibilidade hídrica dado pela relação ETr/ETp. Foram realizadas regressões lineares simples e múltiplas entre as variáveis climáticas (variável independente) e a TAMS (variável dependente). Para regressão linear múltipla utilizou-se o procedimento que indicou o melhor ajuste nas variáveis Tmim, RG e ETr. A seleção dos modelos baseou-se no coeficiente de determinação (r²), na raiz do quadrado médio do resíduo (RQMR) e no critério de informação de Akaike (AIC). Os modelos lineares gerados foram: TAMS= 11,93Tmin-134,95; TAMS= 1,03Tmax-20,83; TAMS= 13,86Tmed-242,47; TAMS= 6,21RG-52,92; TAMS= 13,86GD-6,92; TAMS= 25,46ETr-2,69; TAMS= 233,54ICC+7,99; TAMS= 0,003UF+40,42; TAMS= 4,11Tmaxc+29,61; TAMS= 5,78Tminc-17,24; TAMS= 4,83Tmedc-24,83; TAMS= 4,44RGc-6,36; TAMS= 12,9GDc+6,52; TAMS= 8,3Tmin-51,8RG+22ETr-36,3. Os modelos apresentaram boa capacidade preditora da TAMS em função das variáveis climáticas, e resultaram em valores de r² que variaram de 0,44 a 0,84 (variável independente Tmax e regressão múltipla, respectivamente). Os maiores valores de r² e menores valores de RQMR e AIC, indicativos de melhor ajuste, foram para os modelos ICC, GDC, e a regressão linear múltipla (0,75, 17,9 e 236,9; 0,75, 17,8 e 242,6; 0,84, 14,7 e 222,5; respectivamente). A estimativa de TAMS, quando o efeito limitante for ambiental, se mostrou satisfatória quando as variáveis preditoras reúnem mais de um fator climático como luz, temperatura e disponibilidade de água.  aBrachiaria Brizantha  aMatéria Seca  aGeração dos modelos  aMarandu1 aSANTOS, P. M.1 aARAÚJO, L. C. de1 aPEZZOPANE, J. R. M.