OPTIMIZATION OF THE MAIZE HYBRID PLANT POPULATION IN A HETEROGENEOUS AGRICULTURAL FIELD
Palavras-chave:
maize hybrids; agricultural productivity; net economic return; Zea mays L.Resumo
O objetivo deste estudo foi quantificar o impacto da escolha do híbrido de milho e do ajuste da população de plantas em diferentes zonas de produtividade de uma área agrícola. O experimento foi realizado na safra 2015/2016, no município de Boa Vista das Missões-RS, em uma área de 114,91 hectares, sendo 38,2% de baixa produtividade e 61,8% de alta produtividade. Utilizou-se um delineamento experimental de blocos ao acaso em esquema fatorial (2x5), com dois tipos de zona de produtividade, cinco densidades de semeadura (60, 75, 90, 105 e 120 mil plantas por hectare) e quatro repetições. Os híbridos utilizados foram Agroeste 1677 VT PRO3® (AS1677), BioGene 7318 YH (BG7318) e Pioneer 1630H (P1630). Foram avaliadas variáveis como o número de fileiras de grãos, número de grãos por fileira, número de grãos por espiga, diâmetro da espiga e peso de mil grãos. A produtividade de grãos foi determinada por meio de colheita manual das linhas centrais da área. Análises de variância foram realizadas para verificar os efeitos da zona de produtividade e da população de plantas nas características agronômicas, com significância avaliada pelo teste F. A análise de modelos de regressão foi utilizada para calcular o retorno econômico líquido (REL) e a máxima eficiência técnica (MET). A população ideal de plantas variou conforme a zona de produtividade, com o híbrido AS1677 apresentando a melhor resposta à população elevada em ambas as zonas, enquanto o híbrido P1630 teve o pior desempenho. O estudo sugere que o uso de taxas de semeadura variáveis pode aumentar a produtividade em áreas de alta produtividade e otimizar o uso de recursos em zonas de baixa produtividade, necessitando de mais pesquisas para validar a técnica.
Downloads
Referências
ALI, A.; RONDELLI, V.; MARTELLI, R.; FALSONE, G.; LUPIA, F.; BARBANTI, L. Management zones delineation through clustering techniques based on soils traits, NDVI data, and multiple year crop yields. Agriculture, v. 12, n. 2, p. 1-20, 2022. DOI: https://doi.org/10.3390/agriculture12020231.
ALVARES, C.A.; STAPE, J.L.; SENTELHAS, P.C.; GONÇALVES, J.L.M.; SPAROVEK, G. Köppen climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2014. DOI: http://dx.doi.org/10.1127/0941-2948/2013/0507.
BERUSKI, G.C.; SCHIEBELBEIN, L.M.; PEREIRA, A.B.; Maize yield components as affected by plant population, planting date, crop growing season and soil coverings in Brazil. Agriculture, v. 10, n. 12, 579, 2020. DOI: http://dx.doi.org/10.3390/agriculture101205791.
BERZSENYI, Z.; TOKATLIDIS, I.S. Density-dependence rather maturity determines hybrid selection in dryland maize production. Agronomy Journal, v. 104, p. 331-336, 2012. DOI: https://doi.org/10.2134/agronj2011.0205.
BOTTEGA, E. L.; SAFANELLI, J. L.; ZERAATPISHEH, M.; AMADO, T. J. C.; QUEIROZ, D. M.; OLIVEIRA, Z. B. Site-specific management zones delineation based on apparent soil electrical conductivity in two contrasting fields of Southern Brazil. Agronomy, v. 12, n. 6, p. 1-13, 2022. DOI: https://doi.org/10.3390/agronomy12061390.
CIAMPITTI, I.A.; VYN, T.J. Physiological perspective of changes over time in maize grain yield dependency on nitrogen uptake and associated nitrogen efficiencies: A review. Field Crops Research, v. 133, p. 48-67, 2012. DOI: https://doi.org/10.1016/j.fcr.2012.03.008.
CORASSA, G.M.; AMADO, T.J.C.; STRIEDER, M.L.; SCHWALBERT, R.; PIRES, J.L.F.; CARTER, P.R.; CIAMPITTI, I.A. Optimum soybean seeding rates by yield environment in Southern Brazil. Agronomy Journal, v. 110, p. 2430-2438, 2018. DOI: https://doi.org/10.2134/agronj2018.04.0239.
DOBERMAN, A.; ARKEBAUER, T.; CASSMAN, K.G.; DRIJBER, R.A.; LINDQUIST, J.L.; SPECHT, J.E. Understanding maize yield potential in different environments. Lincoln: University Of Nebraska, 2003.
DU, Z.; YANG, L.; ZHANG, D.; CUI, T.; HE, X. XIAO, T.; LI, H.; XING, S.; XIE, C. Optimizing maize planting density based on soil organic matter to achieve synergistic improvements of yield, economic benefits, and resource use efficiency. Science of the Total Environment, v. 906, p. 1-13, 2024. DOI: https://doi.org/10.1016/j.scitotenv.2023.167597.
HAARHOFF, S.J.; SWANEPOEL, P.A. Plant population and maize grain yield: a global systematic review of rainfed trials. Crop Science, v. 58, p. 1819-1829, 2018. DOI: https://doi.org/10.2135/cropsci2018.01.0003.
HUNTER, M.C.; SMITH, R.G.; SCHIPANSKI, M.E.; ATWOOD, L.W.; MORTENSEN, D.A. Agriculture in 2050: Recalibrating targets for sustainable intensification. Bioscience, v. 67, p. 386-391, 2017. DOI: https://doi.org/10.1093/biosci/bix010.
KATSENIONS, N.; SPARANGIS, P.; CHANIOTI, S.; GIANNOGLOU, M.; LEONIDAKIS, D.; CHRISTOPOULOS, M. V.; KATSAROS, G.; EFTHIMIADOU, A. Genotype x Environment interaction of yield and grain quality traits of maize hybrids in Greece. Agronomy, v. 11, n 2, p. 1-17, 2021. DOI: https://doi.org/10.3390/agronomy11020357.
LACASA, J.; GASPAR, A.; HINDS, M.; DON, S. J.; BERNING, D.; CIAMPITTI, I. A. Bayesian approach for maize yield response to plant density from both agronomic and economic viewpoints in North America. Scientific Reports, v. 10, p. 1-9, 2020. DOI: https://doi.org/10.1038/s41598-020-72693-1.
LAJILI, A.; CAMBOURIS, A.N.; CHOKMANI, K.; DUCHEMIN, M.; PERRON, I.; ZEBARTH, B.J.; BISWAS, A.; ADAMCHUK, V.I. Analysis of four delineation methods to identify potential management zones in a commercial potato field in Eastern Canada. Agronomy, v. 11, 432, 2021. DOI: https://doi.org/10.3390/agronomy11030432.
LASHKARI, M.; MADANI, H.; GOLZARDI, M.R.A.F.; ZARGARI, K. Effect of plant density on yield and yield components of different maize (Zea mays L.) hybrids. American-Eurasian Journal of Agricultural and Environmental Science, v. 10, p. 450-457, 2011.
LIU, W.; LU, F.; CHEN, G.; XU, X.; YU, H. Site-specific management zones based on geostatistical and fuzzy clustering approach in a coastal reclaimed area of abandoned salt pan. Chilean Journal of Agricultural Research, v. 81, n. 3, p. 420-433, 2021. DOI: http://dx.doi.org/10.4067/S0718-58392021000300420.
LUO, N; WANG, X.; HOU, J.; WANG, Y.; WANG, P.; MENG, Q. Agronomic optimal plant density for yield improvement in the major maize regions of China. Crop Science, v. 60, p. 1580-1590, 2020. DOI: http://dx.doi.org/10.1002/csc2.20000.
MAESTRINI, B.; BASSO, B. Subfield crop yields and temporal stability in thousands of US Midwest fields. Precision Agriculture, v. 22, p. 1749-1767, 2021. DOI: https://doi.org/10.1007/s11119-021-09810-1.
MANSFIELD, B.D.; MUMM, R.H. Survey of plant density tolerance in U.S. maize germplasm. Crop Science, v. 54, p. 157-173, 2014. DOI: http://dx.doi.org/10.2135/cropsci2013.04.0252.
MENEGATTI, L.A.A.; MOLIN, J.P. Removing errors in productivity maps via raw data filtering. Brazilian Journal of Agricultural and Environmental Engineering, v. 8, n. 1, p. 126-134, 2004. DOI: https://doi.org/10.1590/S1415-43662004000100019.
MUNNAF, M.A; HAESAERT, G.; MOUAZEN, A.M. Site-specific seeding for maize production using management zone maps delineated with multi-sensors data fusion scheme. Soil Tillage Research, v. 220, 105377, 2022. DOI: https://doi.org/10.1016/j.still.2022.105377.
PASUQUIN, J.M.; PAMPOLINO, M.F.; WITT, C.; DOBERMAN, A.; OBERTHUR, T.; FISHER, M.J.; INUBUSHI, K. Closing yield gaps in maize production in Southeats Asia trough site-specific nutrient management. Field Crops Research, v. 156, p. 219-230, 2014. DOI: https://doi.org/10.1016/j.fcr.2013.11.016.
POTT, L.P.; AMADO, T.J.C.; LEAL, O.A.; CIAMPITTI, I.A. Mitigation of soil compaction for boosting crop productivity at varying yield environments in southern Brazil. European Journal of Soil Science, v. 71, p. 1157-1172, 2019. DOI: https://doi.org/10.1111/ejss.12880.
QGIS DEVELOPMENT TEAM. QGIS Geographic Information System. Available in: http://www.qgis.org/. Accessed on: Nov 17, 2015.
R CORE TEAM. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2024.
RITCHIE, S.W.; HANWAY, J.J.; BENSON, G.O. How a corn plant develops. Special Bulletin, Iowa, n. 48, 1993.
SANTOS, H.G. et al. Brazilian Soil Classification System. 5. ed. Brasília: Embrapa, 2018. p. 335.
SHIMIZU, G.; MARUBAYASHI, R.; GONÇALVES, L. AgroR: experimental statistics and graphics for agricultural sciences. 2023. Available in: https://agronomiar.github.io/AgroR_package/index.html. Accessed on: Aug 2, 2024.
STEVENS, R.; LUCK, J. D.; EVANS, J. T.; THOMPSON, L. J. Site-specific zone delineation for varying Maize Hybrids based on field variability: a multi-hybrid planting application case study in eastern Nebraska. Precision Agriculture, v. 24, n. 6, p. 1-18, 2023. http://dx.doi.org/ 10.1007/s11119-022-09978-0.
YUAN, Y.; SHI, B.; YOST, R.; LIU, X.; TIAN, Y.; ZHU, Y.; CAO, W.; CAO, Q. Optimization of management zone delineation for precision crop management in an intensive farming system. Plants, v. 11, n. 19, p. 1-19, 2022. DOI: https://doi.org/10.3390/plants11192611.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Colloquium Agrariae. ISSN: 1809-8215
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.