Evaluación de la brecha de rendimiento para maíz tardío con distintas densidades de siembra en la región central de Córdoba, Argentina
Barra lateral del artículo
Contenido principal del artículo
Resumen
A partir del modelo AquaCrop se evaluó la brecha de rendimiento (BR) en maíz de siembra tardía en región central de Córdoba, Argentina, comparando densidades de siembra (DS) de 6 y 8 pl m-2. La ejecución del modelo entre 1960 y 2017 demandó analizar la consistencia del método de Penman-Monteith (PM) para estimar la tasa diaria de evapotranspiración de referencia (ETo) utilizando sólo registros de temperatura máxima y mínima (ETo_PMTxTn), en lugar del set completo de cuatro variables fundamentales. Los valores de ETo_PMTxTn explicaron 80 % de la variabilidad de aquellos obtenidos con el conjunto completo de variables. AquaCrop se calibró a partir de muestras de cobertura del cultivo, biomasa aérea y agua del suelo obtenidas en un lote de maíz tardío durante el ciclo 2015-2016. Fueron evaluadas tres fechas de siembra fijas y tres variables, sin encontrar diferencias significativas de BR para ambas DS. El adelanto o atraso de la siembra no representó un manejo que altere la condición del riesgo climático. Aunque el incremento de DS a 8 pl m-2 aumentó significativamente la BR también alcanzó rendimientos efectivos (RR) medios más altos a los obtenidos con 6 pl m-2 en 47 de los 57 ciclos de cultivo analizados.
Detalles del artículo
Cómo citar
Referencias
Abedinpour, M., Sarangi, A., Rajput, T. B. S., Man Singh, Pathak, H., Ahmad, T. (2012). Performance evaluation of AquaCrop model for maize crop in a semi-arid environment. Agricultural Water Management, 110, 55–66.doi:10.1016/j.agwat.2012.04.001
Allen, R. G., Pereira, L. S., Raes, D., Smith, M. (1998). Crop evapotranspiration: Guide-lines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. Rome, Italy: Food and Agriculture Organization of the United Nations
Almorox, J, Senatore, A., Quej, V. H., Mendicino, G.(2018). Worldwide assessment of the Penman–Monteith temperature approach for the estimation of monthly reference evapotranspiration. Theoretical and Applied Climatology,131 (1-2),693-703.doi: 10.1007/s00704-016-1996-2
Andrade, F. H., Otegui, M. E., Vega, C. (2000). Intercepted radiation at flowering and kernel number in maize. AgronomyJournal, 92, 92–97. doi:10.2134/agronj2000.92192x
Arbolave, M. R. (2018). Proyecciones 2018/19 para soja, maíz y trigo. Márgenes Agropecuarios, 34(399), 18-21.
Battisti, R., Sentelhas, P. C., Boote, K. J. (2017). Inter-comparison of performance of soybean crop simulation models and their ensemble in southern Brazil. Field Crops Research, 200, 28–37.doi:10.1016/j.fcr.2016.10.004
Battisti, R., Sentelhas, P. C., Lopes Pascoalino, J. A., Sako, H., de SáDantas, J. P., Ferreira Moraes, M. (2018). Soybean yield gap in the areas of yield contest in Brazil. International Journal of Plant Production, 12 (39), 159-168. doi: 10.1007/s42106-018-0016-0
Cantarero, M. G., Luque, S. F., Rubiolo, O. J. (2000). Efecto de la época de siembra y la densidad de plantas sobre el número de granos y el rendimiento de un híbrido de maíz en la región central de Córdoba (Argentina). AGRISCIENTIA, 17, 3-10.doi:10.31047/1668.298x.v17.n0
Cerliani, C., Esposito, G. P., Morla, F. D., Balboa, G. R., Naville, R. A.(2018). Relación entre la densidad óptima agronómica y el número de granos por planta en maíz (Zea mays L.). European Scientific Journal, 14(9), 1857–7881. doi:10.19044/esj.2018.v14n9p29
Cirilo, A. G. Andrade, F. H. (1994). Sowing date and maize productivity: I. Crop growth and dry matter partitioning. Crop Science, 34 (4), 1039-1043.doi:10.2135/cropsci1994.0011183X003400040037x
Constantin, J., Willaume, M., Murgue, C., Lacroix, B., Therond, O. (2015). The soil-crop models STICS and AqYield predict yield and soil watercontent for irrigated crops equally well with limited data. Agricultural and Forest Meteorology, 206, 55–68.doi:10.1016/j.agrformet.2015.02.011
Cox, W.J. (1996). Whole plant physiological and yield responses of maize to plant density. Agronomy Journal, 88 (3), 489–496.doi:10.2134/agronj1996.00021962008800030022x
Cross, H. Z., Zuber, M. S.(1972). Prediction of flowering dates inmaize based on different methods of estimating thermal units.Agronomy Journal, 64 (3), 351-355.doi:10.2134/agronj1972.00021962006400030029x
Dardanelli, J. D., Bachmeier, O. A., Sereno, R., Gil, R. (1997). Rooting depth and soil water extraction patterns of different crops in a silty loam Haplustoll. Field CropsResearch, 54 (1), 29–38.doi:10.1016/s0378-4290(97)00017-8
de la Casa, A., Ovando, G., Bressanini, L., Martínez, J., Díaz, G., Miranda, C. (2018). Soybean crop coverage estimation from NDVI images with different spatial resolution to evaluate yield variability in a plot. ISPRS Journal of Photogrammetry and Remote Sensing,146,531-547.doi:10.1016/j.isprsjprs.2018.10.018
de la Casa, A., Ovando, G., Bressanini, L., Martínez, J., Miranda, C., Díaz, G. (2016). Evaluación de un lote de maíz bajo riego y siembra variable con el modelo AquaCrop en Córdoba, Argentina.Revista Argentina de Agrometeorología, 7,1–13.
de la Casa, A. C., Ovando, G. G. (2016). Variation of reference evapotranspiration in the central region of Argentina between 1941 and 2010. Journal of Hydrology: Regional Studies, 5, 66–79.doi: 10.1016/j.ejrh.2015.11.009
Djaman, K., Tabari, H., Balde, A. B., Diop, L., Futakuchi, K., Irmak, S.(2016). Analyses, calibration and validation of evapotranspiration models to predict grass-reference evapotranspiration in the Senegal River delta. Journal of Hydrology: Regional Studies, 8, 82–94. doi: 10.1016/j.ejrh.2016.06.003
Donohue, R. J., McVicar, T. R., Roderick, M. L. (2010). Assessing the ability of potential evaporation formulations to capture the dynamics in evaporative demand within a changing climate. Journalof Hydrology, 386 (1-4), 186–197.doi:10.1016/j.jhydrol.2010.03.020
FAO (Food and Agriculture Organization of the United Nations). EToCalculator 2012 (versión 3.1). [Programa de cómputo]. Rome, Italy: Land and Water Division, FAO.
Flores-Gallardo, H., Ojeda-Bustamante, W., Flores-Magdaleno, H., Sifuentes-Ibarra, E., Mejía-Saénz, E. (2013). Simulación del rendimiento de maíz (Zea mays L.) en el norte de Sinaloa usando el modelo AquaCrop. Agrociencia, 47 (4), 347–359.ISSN: 1405-3195.Recuperado de: https://www.redalyc.org/articulo.oa?id=30226975004
Friedman, S. P. (2016). Evaluating the role of water availability in determining the yield–plant population density relationship. Soil ScienceSociety of America Journal, 80 (3), 563–578.doi:10.2136/sssaj2015.11.0395
Gilmore, E. C. Jr., Rogers, J. S.(1958). Heat units as a method ofmeasuring maturity in corn. Agronomy Journal, 50 (10), 611-615.doi:10.2134/agronj1958.00021962005000100014x
Grassini, P., Yang, H., Cassman, K. G. (2009). Limits to maize productivity in Western Corn-Belt: A simulation analysis for fully irrigated and rainfed conditions. Agricultural and ForestMeteorology, 149 (8), 1254–1265.doi:10.1016/j.agrformet.2009.02.012
Grassini, P., Thorburn, J., Burr, C., Cassman, K. G. (2011). High-yield irrigated maize in the Western U.S. Corn Belt: I. On-farm yield, yield potential, and impact of agronomic practices. Field Crops Research, 120 (1), 142–150.doi:10.1016/j.fcr.2010.09.012
Heng, L. K., Hsiao, T. C. Evett, S.R. Howell, T.A., Steduto, P. (2009). Validating the FAO AquaCrop Model for Irrigated and Water Deficient Field Maize. Agronomy Journal. Agronomy Journal, 101 (3), 488–498.doi:10.2134/agronj2008.0029xs
Hsiao, T. C., Heng, L. K., Steduto, P., Rojas-Lara, B., Raes, D., Fereres, E. (2009). AquaCrop-The FAO crop model to simulate yield response to water: III. Parameterization and testing for maize. Agronomy Journal, 101, 448–459.doi:10.2134/agronj2008.0218s
Li, J., Xie, R. Z., Wang, K. R., Ming, B., Guo, Y. Q., Zhang, G. Q., Li, S. K. (2015). Variations in maize dry matter, harvest index, and grain yield with plant density. Agronomy Journal, 107 (3),829–834.doi:10.2134/agronj14.0522
Lobell, D. B., Cassman, K. G., Field, C. B. (2009). Crop yield gaps: their importance, magnitude, and causes. Annual Review of Environment and Resources, 34, 179-204. doi: 10.1146/annurev.environ.041008.093740
Irmak, S., Kabenge, I., Skaggs, K. E., Mutiibwa, D. (2012). Trend and magnitude of changes in climate variables and reference evapotranspiration over 116–yr period in the Platte River Basin, Central Nebraska, USA. Journal of Hydrology, 420 (4), 228–244.doi: 10.1016/j.jhydrol.2011.12.006
McVicar, T. R., Roderick, M. L., Donohue, R. J., Li, L. T., Van Niel, T. G., Thomas, A., Grieser, J., Jhajharia, D., Himri, Y., Mahowald, N. M., Mescherskaya, A. V., Kruger, A. C., Rehman, S., Dinpashoh, Y. (2012). Global review and synthesis of trends in observed terrestrial near-surface wind speeds: Implications for evaporation. Journal ofHydrology, 416-417, 182-205.doi: 10.1016/j.jhydrol.2011.10.024
McMaster, G. S., Wilhelm, W. W. (1997). Growing degree-days: one equation, two interpretations. Agricultural and Forest Meteorology, 87, 291-300.doi: 10.1016/S0168-1923(97)00027-0
Méndez, M. J., Casagrande, G., Vergara, G. (octubre2014). Balance hídrico del cultivo de maíz en siembras de primavera temprana y tardía en la región semiárida argentina.Documento presentado en laReunión Binacional Uruguay-Argentina de Agrometeorología. Piriápolis, Uruguay.
Raes, D., Steduto, P., Hsiao, T. C., Fereres, E. (2009). AquaCrop-The FAO crop model to predict yield response to water: II Main algorithms and software description. Agronomy Journal, 101, 438–447.doi:10.2134/agronj2008.0140s
Sangoi, L., Gracietti, M. A., Rampazzo, C., Bianchetti, P. (2002). Response of Brazilian maize hybrids from different eras to changes in plant density. Field Crops Research, 79 (1), 39–51. doi:10.1016/S0378-4290(02)00124-7
Sarlangue, T., Andrade, F. H., Calviño, P. A., Purcell. L. C. (2007). Why do maize hybrids respond differently to variations in plant density? Agronomy Journal, 99, 984–991. doi:10.2134/agronj2006.0205
Steduto, P., Hsiao, T. C., Raes, D., Fereres, E. (2009). AquaCrop– the FAO crop model to simulate yield response towater: I. Concepts and underlying principles. Agronomy Journal, 101 (3), 426–437.doi:10.2134/agronj2008.0139s
Stricevic, R., Cosic, M., Djurovic, N., Pejic, B., Maksimovic, L. (2011). Assessment of the FAO AquaCrop model in the simulation of rainfed and supplementally irrigated maize, sugar beet and sunflower. AgriculturalWater Management, 98 (10), 1615–1621.doi:10.1016/j.agwat.2011.05.011
Vicente-Serrano, S. M., Bidegain, M., Tomas-Burguera, M., Dominguez-Castro, F., El Kenawy, A., McVicar, T. R., Azorin-Molina, C., López-Moreno, J. I., Nieto, R., Gimeno, L., Giménez, A. (2017). A comparison of temporal variability of observed and model-based pan evaporation over Uruguay (1973–2014). International Journal of Climatology,38(1), 337–350. doi:10.1002/joc.5179
Willey, R. W., Heath, S. B. (1969). The quantitative relationships between plant population and crop yield. Advances in Agronomy, 21, 281–321. doi:10.1016/S0065-2113(08)60100-5
Willmott, C. J., Robeson, S. M., Matsuura, K. (2012). A refined index of model performance. International Journal of Climatology, 32 (13), 2088–2094.doi: 10.1002/joc.2419