CALENDÁRIOS DE REGA PARA CONDIÇÕES DE SECA E...
-
Upload
truongthien -
Category
Documents
-
view
213 -
download
0
Transcript of CALENDÁRIOS DE REGA PARA CONDIÇÕES DE SECA E...
CALENDÁRIOS DE REGA PARA CONDIÇÕES DE SECA E
SUA AVALIAÇÃO PELA PRODUTIVIDADE DA ÁGUA.
APLICAÇÃO A CEVADA E MILHO*
Paula Paredes1, Gonçalo C. Rodrigues1, 2, Isabel Alves1, Maria Rosário Cameira1,
José Paulo Melo-Abreu1, Maria Odete Torres1, Luis S. Pereira1
Resumo
O modelo SIMDualKc foi utilizado em conjunto com o modelo de água-produção
de Stewart para a predição da produção de cevada e de milho tendo os resultados
mostrado boa adequação desta metodologia. Várias alternativas de calendários de
rega para ambas as culturas foram desenvolvidas e avaliadas para condições de
seca. No caso da cevada, uma cultura típica de primavera, estudou-se o impacto das
datas de sementeira na produção, no uso da água e na produtividade física e
económica da água. Verificou-se que a antecipação da data de sementeira para
meados de Novembro permite economia de água mas conduz a um retorno
económico mais baixo para o agricultor, o qual pode ser negativo. Diferentemente,
para sementeira no início de Janeiro ocorre um aumento das necessidades de rega e
do uso da água mas aumenta também o retorno económico, sendo por isso uma
opção mais atrativa para o agricultor. A cevada em regime de sequeiro não é
economicamente viável em anos de seca. No caso do milho, uma vez que é uma
cultura tipicamente de verão, as necessidades de rega são bem maiores. Os
resultados mostraram que, para condições de seca, a adoção de um calendário de
rega moderadamente deficitário é adequada tanto em termos de poupança de água
como de retorno económico para o agricultor.
Abstract
The SIMDualKc model was used with the Stewarts water-yield model for
predicting barley and maize yields. Results showed a good performance of the
proposed approach. Under drought conditions, several irrigation scheduling
alternatives for both crops were designed and assessed. In addition, for barley,
impacts of alternative sowing dates were also studied. Results showed that sowing
barley by mid-November allowed water savings but a low to negative farm
economic return. Differently, when sowing was delayed for early January results
showed higher irrigation requirements and water use but higher economic returns too.
Results also showed that under drought conditions rainfed barley is not economically
1 LEAF, Instituto Superior de Agronomia, Universidade de Lisboa, Tapada da Ajuda 1349-017
Lisboa, Portugal. Emails: [email protected], [email protected],
[email protected], [email protected], [email protected] 2 COTR, Quinta da Saúde, Beja. Email: [email protected]
* Este artigo baseia-se em estudos anteriores (Paredes et al., 2014 e 2016; Pereira et al., 2015)
Predictabilidade Sazonal de Secas
feasible. Relative to maize, a typical summer crop, irrigation requirements are much
higher. To cope with water scarcity in drought years the adoption of moderate deficit
irrigation leads to lower water use and to acceptable economic returns. Thus, under
drought conditions a tradeoff between water savings and farmer economic return is
advisable.
1. Introdução
Na última década, devido à expansão da indústria cervejeira, assistiu-se a um
aumento da produção nacional de cevada para malte, a qual é produzida
maioritariamente na região do Ribatejo, onde representa 22% da área cultivada com
cerais de inverno/primavera. Na região do Mediterrâneo a maioria dos cereais de
inverno e primavera são cultivados em regime de sequeiro. No entanto, recorre-se
à rega de complemento para fazer face à grande variabilidade e incerteza da
precipitação para satisfazer as necessidades de água das culturas. A rega é praticada
nas fases críticas, de maior défice hídrico, com o objetivo de obter elevada
produção.
Conforme revisto por Pereira et al. (2015), para uma adequada gestão da rega da
cevada, é necessário identificar as fases críticas do ciclo cultural em termos de
impacto do défice hídrico na produção. Vários estudos (e.g. Thameur et al., 2012)
têm levado a concluir que as fases de floração e de formação da espiga são as mais
sensíveis ao stresse hídrico. No entanto, o impacto do stresse hídrico na produção
depende não só da fase em que este é imposto mas também da sua duração e
intensidade (Francia et al., 2011). Outros fatores que afetam a produção de cevada
incluem a fertilização (Day et al., 1987) e a salinidade (Katerji et al., 2009). A
sementeira direta tem-se revelado como uma prática que favorece a disponibilidade
de água para a cultura (Lampurlanés et al., 2002; Morell et al., 2011). A qualidade
do malte é também influenciada pela disponibilidade de água no solo (Qureshi e
Neibling, 2009). Uma vez que o excesso de água após a maturação do grão aumenta
a probabilidade do aparecimento de doenças que diminuem a qualidade do malte
(Forster, 2003), é aconselhável cessar a rega umas semanas antes de se efetuar a
colheita.
A data de sementeira da cevada está condicionada pelas condições climáticas
prevalecentes e pela data de colheita da cultura antecedente (Yau et al., 2011).
Adicionalmente, a data de sementeira, em particular quando em sequeiro, depende
da avaliação de riscos relativos à exposição a elevadas temperaturas e ao défice
hídrico no período de enchimento do grão que condicionam a produção do grão
(Yau et al., 2011).
No caso dos cereais de primavera-verão, particularmente o milho, uma adequada
gestão da rega é fundamental, em especial quando em condições de seca.
Analogamente ao que acontece no caso dos cereais de inverno, a seleção do
calendário de rega mais adequado depende da resposta da produção do milho à
água, como analisado em detalhe por Paredes et al. (2014).
Os resultados do trabalho extensivo efetuado por Stewart et al. (1977) mostraram
diferentes respostas do milho ao défice hídrico dependendo das fases de
Calendários de rega para condições de seca
desenvolvimento em que este era imposto, tendo sido concluído que os impactos
mais acentuadamente negativos ocorriam quando o stresse hídrico ocorria durante
os períodos de floração (que inclui a formação do pendão e a polinização) bem
como de formação do grão e de enchimento do grão. Várias aproximações
simplificadas foram desenvolvidas tendo por objetivo a avaliação dos impactos do
stresse hídrico na produção. O modelo mais comummente utilizado é o modelo
global de Stewart (S1) (Stewart et al., 1977), melhor conhecido após a sua
publicação por Doorenbos e Kassam (1979). O modelo assume, usando o fator de
resposta da cultura à água (Ky), uma relação linear entre o défice relativo de
evapotranspiração sazonal da cultura e as perdas relativas de produção:
(Ym− Ya
Ym) = K𝑦(
ETc− ETc act
ETc) (1)
onde Ya e Ym representam respetivamente a produção real e máxima potencial, e
ETc e ETc act representam respetivamente a evapotranspiração potencial e actual da
cultura. Diversos estudos foram desenvolvidos com o objetivo de
determinar/calibrar o valor de Ky para a cultura do milho, e.g., Alves et al. (1991),
Çakir (2004), Payero et al. (2006), Popova et al. (2006) e Popova e Pereira (2011).
Para a cevada, no entanto, não foram efetuados este tipo de estudos mas existem
estudos para o trigo de primavera, cultura semelhante em termos de resposta à água,
como o de Dehghanisanij et al. (2009).
O modelo S1 (Eq. 1) tem como limitação o facto de não considerar o efeito do
défice hídrico nas diferentes fases do desenvolvimento da cultura. Para obviar este
inconveniente, Stewart et al. (1977) propuseram o modelo fásico (S2), o qual
considera os efeitos do défice hídrico em três estádios do desenvolvimento, o
vegetativo, a floração e a maturação, utilizando diferentes fatores de resposta da
cultura à água (βi) para cada fase (i).
1 − Ya
Ym=
∑ [ βi(ETc, i− ETc act, i)]i
ETc (2)
Quando existe condicionamento da cultura (Stewart et al., 1977), ou seja, quando
ocorreram défices de água em períodos anteriores, a resposta da cultura ao défice
hídrico num estágio posterior é menor pelo que o fator βi deve ser ajustado nestas
circunstâncias. Conclusões semelhantes em termos de efeitos do stresse na
produção do milho e do condicionamento foram observadas e relatadas por Alves
et al. (1991).
Para avaliar os impactos do stresse hídrico na produção, quer de matéria seca quer
do produto final, podem ser utilizados modelos mais complexos e exigentes em
termos de parametrização, de natureza mecanicista. São exemplos destes modelos
de produção o CERES-Maize (DeJonge et al., 2012) e o AquaCrop (Hsiao et al.,
2009) aplicados à cultura do milho e o CERES-Barley (Nain e Kersebaum, 2007),
o WOFOST (Eitzinger et al. 2004) e o AquaCrop (Araya et al., 2010) para a cultura
da cevada.
As soluções combinando o modelo de balanço hídrico SIMDualKc (Rosa et al.,
2012) com os modelos S1 e S2 de Stewart são de menor complexidade mas de
elevada precisão como provado em aplicações a ambas as culturas (Paredes et al.,
Predictabilidade Sazonal de Secas
2014; Pereira et al., 2015). De facto, o modelo SIMDualKc realiza a separação da
evapotranspiração cultural nas suas componente evaporação do solo (Es) e
transpiração actual da cultura (Tc act) permitindo a utilização dos modelos S1 e S2
recorrendo à Tc act diária, o que melhora as aplicações relativamente ao uso da
ETc act. Além disso, o SIMDualKc é adequadamente preciso na simulação da água
do solo como descrito por Paredes et al. (2015) pelo que permite estabelecer
calendários de rega criteriosos e satisfazendo as estratégias de rega de ambas as
culturas.
A gestão da cultura da cevada para obtenção de uma produção elevada e de
qualidade tem que ter em consideração quer a data de sementeira quer o calendário
de rega adequado às condições climáticas dominantes. No caso do milho, a
maximização do rendimento está também estreitamente ligada à otimização da
produção e da rega; porém, em condições de seca, a utilização de défices de água
controlados constitui opção para diminuir o uso da água sem comprometer
demasiado a produção e, consequentemente, o retorno económico.
Os objetivos do presente estudo são assim: (1) a avaliação da gestão da rega
praticada pelos agricultores em cereais de primavera e de verão em termos de uso
da água e produtividade da água; (2) o desenvolvimento e avaliação de calendários
de rega para convivência com a seca.
2. Cevada de sequeiro e com rega de complemento
2.1. Caracterização dos estudos realizados em cevada, Alpiarça
Os estudos de campo em cevada para malte (Hordeum vulgare L., variedade
Publican) foram efetuados na Quinta da Lagoalva de Cima, localizada em Alpiarça,
nos anos de 2012 e 2013, e tiveram como objetivo obter informação necessária à
modelação água-produção como descrito em Pereira et al. (2015) e Paredes et al.
(2015). A caracterização climática da região utilizando uma série de 19 anos de
dados é apresentada na Fig. 1.
Fig. 1. Precipitação média mensal ( ) e evapotranspiração de referência mensal (ETo) ( )
para a série de 19-anos de dados.
0
50
100
150
200
250
300
Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez
Pre
cip
itaç
ão, E
T o(m
m)
0
50
100
150
200
250
300
Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez
Pre
cip
ita
ção
, ET o
(mm
)
pre ETo
0
50
100
150
200
250
300
Jan Fev Mar Abr Maio Jun Jul Ago Set Out Nov Dez
Pre
cip
ita
ção
, ET o
(mm
)
pre ETo
Calendários de rega para condições de seca
A variedade utilizada caracteriza-se por ter uma grande capacidade de afilhamento
e elevado potencial produtivo. A sementeira pode ocorrer de meados de Novembro
a meados de Janeiro. Nos dois anos de estudo as datas de sementeira e das fases
culturais variaram conforme a Tabela 1. Foi utilizada uma densidade de sementeira
de 200 kg ha-1 e um espaçamento entrelinhas de 0.15 m. O solo da parcela de estudo
é de textura franco-arenosa e a água do solo foi monitorizada semanalmente (vd.
Paredes et al., 2015). A parcela, de 30 ha, era regada por aspersão com uma rampa
pivotante e dotações de rega a variar entre 5 e 10 mm por evento de rega.
Tabela 1. Datas e acumulação térmica (AGDD) dos estágios de desenvolvimento da
cevada dística, Alpiarça (adaptado de Pereira et al., 2015).
Sementeira
Início do
período de
crescimento
rápido
Início do
período
intermédio
Início do
período final Colheita
Data 16/01/2012 07/02 03/04 20/05 26/06
AGDD (ºC) 210 896 1552 2315
Data 06/12/2012 04/01 10/03 29/04 06/06
AGDD (ºC) 302 984 1671 2331
Durante os dois anos de estudo foram efetuadas amostragens da produção final em
8 locais, de 0.25 x 0.25 m2, próximos dos tubos de acesso das sondas de medição
da humidade do solo. Todas as amostras foram secas em estufa a uma temperatura
de 65±5oC até obtenção de peso constante que foi ajustado para 13% de humidade.
A Tabela 2 apresenta os resultados da produção de biomassa e de grão de cevada
relativos aos anos de 2012 e 2013.
Tabela 2. Produção de biomassa seca total e de grão para as duas campanhas da cevada
dística (adaptado de Pereira et al., 2015).
Biomassa total
(kg ha-1)
Grão
(kg ha-1)
2012 14463 (± 417) 6331 (±417)
2013 12503 (±1160) 5843 (±612)
Nota: Desvio padrão das amostras apresentado entre parêntesis
2.2. Estimativa da produção e da produtividade da água
Como referido anteriormente, utilizou-se no presente estudo uma aproximação
simplificada para estimar a produção de cevada combinando o modelo de balanço
hídrico SIMDualKc com uma adaptação do modelo S1 de Stewart (Eq. 1), em que,
em lugar da evapotranspiração foi utilizada a transpiração das culturas, pelo que a
produção real (Ya) foi estimada através de:
Ya = Ym −YmKy Td
Tc (3)
Predictabilidade Sazonal de Secas
onde Td é a diferença entre a transpiração potencial e a transpiração real (Td = Tc -
Tc act), com Tc act = Kcb act ETo. Tc e Tc act foram calculados com o modelo SIMDualKc
após adequada calibração; os valores de Ym correspondem às produções máximas
obtidas na área de estudo, ajustadas de modo a considerar as influências do clima e
da gestão da cultura, utilizando o método de Wageningen (Doorenbos e Kassam,
1979). Os valores assim obtidos de Ym foram de 7912 kg ha-1 e 6465 kg ha-1
respetivamente para o ano de 2012 e 2013; esta diferença de valores denota o
impacto da menor radiação e da menor densidade de plantas (342 vs. 319 plantas
por m2) que ocorreu no ano húmido de 2013. O valor de Ky = 1.25 foi utilizado
neste estudo (Pereira et al., 2015).
Os resultados relativos à validação das predições da produção de cevada usando a
aproximação simplificada são apresentados na Tabela 3; mostrando que os desvios
entre observações e simulações variam entre 6.4 e 10.6%, ou seja eram semelhantes
aos desvios padrões dos valores observados da produção. Em conclusão pode
afirmar-se que a aproximação simplificada é adequada. Os resultados obtidos são
comparáveis aos reportados na literatura para a cevada quando utilizando modelos
de produção (Tabela 4). Concluiu-se, assim, que a aproximação por nós utilizada é
apropriada para a avaliação dos impactos de défice hídrico na produção de cevada
dística.
Tabela 3. Valores de produção de cevada de malte (kg ha-1) observados e simulados pela
aproximação simplificada SIMDualKc-Stewart para os anos de 2012 e 2013 (adaptado de
Pereira et al., 2015).
Observado Estimado Diferença
(kg ha-1) (kg ha-1) (kg ha-1) %
2012 6331 (±417) 6638 307 4.8
2013 5843 (±612) 6465 622 10.6 Nota: Desvio padrão das amostragens apresentado entre parêntesis
Tabela 4. Exemplos de resultados de diferenças entre a produção observada e estimada por
modelos de produção.
Diferença (%) Modelo Autores
2 a 18 AquaCrop Araya et al. (2010)
2 a 27 AquaCrop Abrha et al. (2012)
3 e 17 AquaCrop Pereira et al. (2015)
2 CropSyst Donatelli et al. (1997)
2 a 4 CropSyst Belhouchette et al. (2008)
2 a 8 CERES-Barley Nain e Kersebaum (2007)
5 a 69 CERES-Barley Eitzinger et al. (2004)
13 a 52 WOFOST Eitzinger et al. (2004)
Como em estudos anteriores (Rodrigues e Pereira, 2009; Rodrigues et al., 2014) os
calendários alternativos de rega foram avaliados utilizando indicadores de
produtividade da água (WP, kg m-3) e de produtividade económica da água (EWPR,
adimensional). A WP ao nível da parcela é definida como a razão entre a produção
real da cultura e o total de água utilizado por esta (Pereira et al., 2012):
Calendários de rega para condições de seca
TWU
YWP a (4a)
onde Ya é a produção real, em kg ha-1, e TWU é o total de água utilizada (m3) para
obter Ya. Alternativamente a equação pode ser escrita discriminando as
componentes de TWU.
IDGSWCRP
YWP a
(4b)
onde P é a precipitação (m3), CR é a ascensão capilar (m3), ΔSW é a variação do
armazenamento de água no solo (m3), e GID é a rega bruta (m3). A rega bruta
depende da fração de água usada e benéfica (BWUF, Pereira et al., 2012), que foi
avaliada em três ocasiões segundo a metodologia de Merriam e Keller (1978) e foi
assim estimada em 0.80. As variáveis que constituem a TWU podem ser obtidas
através de observações de campo e/ou da modelação. De salientar que aumentos de
WP podem não levar obrigatoriamente a uma poupança de água pois é necessário
distinguir entre uso de água consumptivo e não consumptivo (Pereira et al., 2012).
Como o objetivo do agricultor é obter o maior retorno económico possível, surge a
necessidade de exprimir a produtividade da água em termos económicos (Pereira et
al., 2012). Exprimindo tanto o numerador como o denominador em termos
monetários, respetivamente o valor da produção (Valor Ya) e o custo da produção
quando a água usada é TWU, i.e., incluindo os custos dos fatores de produção,
obtém-se a razão da produtividade económica da água (EWPR):
TWUCusto
YValorEWPR a (5)
Nos custos da TWU não estão contabilizados os custos relativos ao capital, à terra ou
a empréstimos. A EWPR foi calculada utilizando os custos de produção e de rega do
agricultor e um preço da produção, relativo a 2012, no valor de 0.21 € kg-1.
Na Tabela 5 apresentam-se os resultados do uso da água assim como os indicadores
de produtividade da água da cevada para os anos de estudo. Os resultados mostram
as condições climáticas contrastantes dos anos de estudo. Em 2012 ocorreu um
défice moderado traduzido por um défice de transpiração (Td) de 42 mm o qual
afetou a produção obtida. Em 2013, devido à elevada precipitação, não se verificou
défice hídrico mas a produção obtida foi menor por terem sido menores tanto a
densidade de plantas antes do afilhamento, como a radiação e a transpiração.
Em 2013 obteve-se uma maior WP mas a EWPR foi mais elevada no ano seco,
2012, quando foi obtida uma maior produção. Os valores de WP obtidos no presente
estudo (1.58 e 1.71 kg ha-1) situam-se na gama de variação relatada por Cossani et
al. (2012), sendo que valores mais baixos foram referidos por Cantero-Martínez et
al. (2003) e por Albrizio et al. (2010).
Predictabilidade Sazonal de Secas
Tabela 5. Uso da água, produção de grão e indicadores de produtividade da água em
cevada cultivada nos anos de 2012 e 2013 (adaptado de Paredes et al., 2016).
2012, ano seco 2013, ano húmido
Precipitação (mm) 115 568
Rega bruta (GID, mm) 181 -
Percolação profunda (mm) 0 170
Escoamento superficial (mm) 2 60
Variação do armazenamento de água no solo (mm) 108 13
Total de água utilizada (TWU, mm) 400 351
Transpiração real (Tc act, mm) 289 270
Produção observada de grão (kg ha-1) 6331 5843
Produtividade da água (WP, kg m-3) 1.58 1.71
Razão da produtividade económica da água (EWRP) 1.28 1.24
2.3. Impacto da data de sementeira na produção de cevada em sequeiro
Como referido anteriormente, a variedade Publican tem um período de sementeira
que varia entre meados de Novembro a Janeiro. Assim, e tendo por base as datas de
sementeira observadas nos anos de estudo, foram utilizadas as seguintes datas
alternativas de sementeira: 16 e 30 de Novembro, 6, 16 e 30 de Dezembro, 6 e 16
de Janeiro. Utilizando distintas datas de sementeira foi possível avaliar a viabilidade
da cevada de sequeiro em condições de seca. Para a definição das correspondentes
datas das fases do ciclo cultural utilizou-se a média dos GDD observados em campo
(Tabela 2).
De modo a avaliar o impacto da data de sementeira foi utilizada uma série de 19
anos de dados de precipitação e ETo da estação meteorológica de Santarém. Com
base nessa série de dados calculou-se uma série de necessidades líquidas de rega
(NIR) para as diferentes datas de sementeira (Fig. 2).
Sementeira a 16 Novembro ( ), 30 Novembro ( ), 6 Dezembro (___
),
16 Dezembro ( ), 30 Dezembro ( ), 6 Janeiro ( ), 16 Janeiro (- - -)
Fig. 2. Necessidades líquidas de rega da cevada dística de acordo com a data de
sementeira (adaptado de Paredes et al., 2016).
0
40
80
120
160
200
240
280
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
NIR
(m
m)
Probabilidade (%)
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
Calendários de rega para condições de seca
Verifica-se que semeando em Novembro as NIR são baixas, variando entre 0 e 158
mm com a procura climática e, sobretudo, com a precipitação. As NIR aumentam
à medida que a data de sementeira é atrasada; assim, semeando no final de
Dezembro as NIR variam entre 0 a 231 mm, e se a sementeira for efetuada em
meados de Janeiro variam entre 18 a 280 mm. A data de colheita está dependente
da data de sementeira, variando de final de Maio a meados de Julho se a sementeira
for respetivamente em Novembro ou Janeiro. Os resultados na Fig. 2 mostram que
a cevada de sequeiro enfrenta condições climáticas muito diversas.
A Fig. 3a apresenta as curvas de probabilidade empíricas das perdas relativas de
produção (RYL = Ky(Tc−Tc act)
Tc 100) relativas a várias datas de sementeira.
a)
b)
Sementeira a 16 Novembro ( ), 30 Novembro ( ), 6 Dezembro (___
),
16 Dezembro ( ), 30 Dezembro ( ), 6 Janeiro ( ), 16 Janeiro (- - -)
Fig. 3. Perdas relativas de produção (RYL) e produção potencial (Ym) da cevada dística
de sequeiro para distintas datas de sementeira (adaptado de Paredes et al., 2016).
Os resultados mostram que as menores RYL são obtidas quando as necessidades de
rega são menores e quando as chuvas são mais abundantes. A vulnerabilidade da
cevada de sequeiro aumenta à medida que se atrasa a data de sementeira. RYL
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabilidade (%)
3500
4000
4500
5000
5500
6000
6500
7000
7500
8000
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
Y m(k
g h
a-1)
Probabilidade (%)
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
Predictabilidade Sazonal de Secas
inferiores a 25% foram obtidas para sementeira em Novembro, aumentando para
43% se a sementeira for em Dezembro e para 48% se em meados de Janeiro (Fig.
3a). Estes resultados são semelhantes aos relatados por Popova et al. (2014) para
milho de sequeiro. Por outro lado, a produção potencial (Ym) aumenta à medida que
a sementeira é retardada, estabilizando quando a sementeira é feita em Janeiro, com
poucas diferenças entre início e meados do mês (Fig. 3b). Os valores simulados de
produção real estão condicionados quer pelas RYL (Fig. 3a) como pela Ym (Fig.
3b); os resultados mostram vantagem na adoção da sementeira a 6 de Janeiro uma
vez que a Ya é mais alta ainda que apresente RYL elevadas mas que são
compensadas por uma Ym mais elevada. Conclui-se que a produção de cevada de
sequeiro é muito afetada tanto pela data de sementeira como pela variabilidade
climática prevalecente durante o ciclo cultural.
A Fig. 4 apresenta os indicadores de produtividade da água (WP) para cevada de
sequeiro. A maior WP corresponde a sementeira no início de Janeiro, o que se
relaciona com a maior produção potencial (Fig. 3b). De salientar que a WP relativa
à sementeira a 16 de Janeiro (Fig. 4) é a segunda mais elevada. Em contraste, a
menor WP (Fig. 4) corresponde a sementeira em Novembro, o que se deve a uma
menor Ym apesar de RYL ser menor (Fig. 3a).
Sementeira a 16 Novembro ( ), 30 Novembro ( ), 6 Dezembro (___
), 16
Dezembro ( ), 30 Dezembro ( ), 6 Janeiro ( ), 16 Janeiro (- - -)
Fig. 4. Produtividade da água em cevada de sequeiro para diferentes datas de sementeira
(adaptado de Paredes et al., 2016).
A EWPR (Fig. 5) apresenta uma tendência semelhante à WP (Fig. 4). Os resultados
mostram que para qualquer das datas de sementeira existe uma elevada
probabilidade de rendimento negativo para o agricultor, ou seja, EWPR <1, em
particular quando a sementeira é realizada em Novembro ou início de Dezembro
(Fig. 5). Pode concluir-se que a cevada de sequeiro na área de estudo pode não ser
praticável em termos económicos, em particular em anos de seca. Os resultados da
Fig. 5 mostram uma clara vantagem de proceder à sementeira no início de Janeiro
uma vez que existe maior probabilidade de um retorno económico positivo.
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
WP
(kg
m-3
)
Probabilidade (%)
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
Calendários de rega para condições de seca
Sementeira a 16 Novembro ( ), 30 Novembro ( ), 6 Dezembro (___
), 16
Dezembro ( ), 30 Dezembro ( ), 6 Janeiro ( ), 16 Janeiro (- - -)
Fig. 5. Razão da produtividade económica da água em cevada de sequeiro para distintas
datas de sementeira (a linha horizontal define o limiar de rentabilidade, EWPR = 1.00)
(adaptado de Paredes et al., 2016).
2.4. Impacto da data de sementeira e dos calendários de rega da cevada em
condições de seca
A simulação de cenários alternativos para a cevada foi efetuada para condições de
seca severa, definida para condições de procura climática forte, com probabilidade
de excedência de 20%. Assim, consideraram-se as datas de sementeira descritas na
Seção anterior e vários cenários de défice hídrico:
Cenário 1: sequeiro
Cenário 2: rega de complemento para satisfação das necessidades de água da
cultura quando o défice de gestão admitido (MAD) iguala a fração de
esgotamento da água do solo que não causa ´stress hídrico (p), i.e., MAD = p;
Cenário 3: défice suave ao longo do ciclo cultural (MAD = 1.10 p);
Cenário 4: défice suave na fase de floração/enchimento do grão (MAD = 1.10 p)
e moderado nas outras fases do ciclo (MAD = 1.20 p).
Foi adotada uma dotação fixa de rega de 8 mm de acordo com Pereira et al. (2015),
terminando a rega 25 dias antes da colheita de modo a evitar alterações que afetam
a qualidade de malte do grão.
As NIR para as distintas datas de sementeira em condições de seca severa são
apresentadas na Fig. 6 mostrando o aumento das NIR com o atraso da sementeira,
com um máximo NIR = 197 mm quando se considera a sementeira a 16 Janeiro. A
duração do ciclo cultural diminui de 196 para 168 dias, quando se semeia
respetivamente a 16 de Novembro e 16 de Janeiro e a colheita é esperada
respetivamente para final de Maio e início de Julho.
0.70
0.80
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
EWP
R()
Probabilidade (%)
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10
.5
15
.8
21
.1
26
.3
31
.6
36
.8
42
.1
47
.4
52
.6
57
.9
63
.2
68
.4
73
.7
78
.9
84
.2
89
.5
94
.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
0
5
10
15
20
25
30
35
40
45
50
5.3
10.5
15.8
21.1
26.3
31.6
36.8
42.1
47.4
52.6
57.9
63.2
68.4
73.7
78.9
84.2
89.5
94.7
RY
L (%
)
Probabildade (%)
16-Nov 30-Nov 6dez 16dez 30dez 06-Jan 16-Jan
Predictabilidade Sazonal de Secas
Fig. 6. Necessidades líquidas de rega (NIR) da cevada dística, para diferentes datas de
sementeira, em condições de seca severa (adaptado de Paredes et al., 2016).
As quantidades de rega sazonal bruta (GID) e os totais de água utilizada (TWU)
para cada cenário de rega e data de sementeira são apresentados na Fig. 7. Verifica-
se que a tanto a GID como a TWU relativas aos cenários de rega (2 a 4) aumentam
à medida que a data de sementeira é protelada. Como esperado, o valor mais baixo
da TWU (Fig. 7b) é sempre obtido no caso do sequeiro para qualquer das datas de
sementeira. Os valores de TWU em sequeiro variam pouco entre um máximo a 6
de Dezembro (373 mm) e o mínimo a 16 de Janeiro (341 mm).
a) b)
● rega completa, Δ défice muito suave, □ défice suave, sequeiro
Fig. 7. Quantidade de rega bruta (GID) e o total de água utilizada (TWU) para os
diferentes cenários de rega e de datas de sementeira da cevada dística em condições de
seca severa (adaptado de Paredes et al., 2016).
A produção real (Fig. 8a) mais elevada é obtida nos cenários de rega completa,
sendo o maior valor conseguido se a sementeira ocorre a 6 de Janeiro. Estes
resultados relacionam-se com a produção potencial (Ym) (Fig. 8a) e com as baixas
RYL (Fig. 8b). As diferenças de produção entre os cenários de rega completa e
deficitária aumentam à medida que a data de sementeira é adiada.
0
50
100
150
200
250
300
16-Nov 30-Nov 06-Dez 16-Dez 30-Dez 06-Jan 16-Jan
NIR
(m
m)
0
20
40
60
80
100
120
140
160
180
200
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
GID
(m
m)
240
290
340
390
440
490
540
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
TWU
(m
m)
240
290
340
390
440
490
540
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
TWU
(m
m)
Rainfed Full VMild Mild
Calendários de rega para condições de seca
a) b)
● rega completa, Δ défice muito suave, □ défice suave, sequeiro
Fig. 8. (a) Produção potencial (Ym, ) e produção real (Ya) e (b) perdas relativas de
produção (RYL) da cevada dística para diferentes cenários de rega e várias datas de
sementeira, em condições de seca severa (adaptado de Paredes et al., 2016).
Analisando os indicadores de produtividade da água (Fig. 9a) verifica-se que estes
apresentam valores muito semelhantes para todos os cenários de rega de
complemento, o que se explica pela pequena variação das razões entre produção
(Fig. 8a) e TWU (Fig. 7b). No entanto, existe uma tendência para a WP aumentar à
medida que a sementeira é mais tardia. Os valores de WP obtidos nestas condições
são semelhantes ao valor de WP observado no ano seco de 2012. Os valores mais
baixos de WP foram obtidos em condições de sequeiro, nomeadamente se
semeando em meados de Novembro. Confirma-se a vantagem da sementeira
ocorrer no início de Janeiro.
a) b)
● rega completa, Δ défice muito suave, □ défice suave, sequeiro
Fig. 9. (a) Produtividade da água (WP) e (b) razão da produtividade económica da água
(EWPR) da cevada dística para diferentes cenários de rega e várias datas de sementeira
em condições de seca severa (adaptado de Paredes et al., 2016).
A Fig. 9b apresenta os resultados de EWPR, ou seja, do retorno económico do
agricultor por cada € investido. Verifica-se para este indicador um comportamento
semelhante ao da WP, aumentando para sementeira tardia, o que se deve à Ym (Fig.
8b). No entanto, contrariamente à WP, os valores de EWPR mais elevados são
obtidos quando a rega é calendarizada para a satisfação das necessidades da cultura.
3000
3500
4000
4500
5000
5500
6000
6500
7000
7500
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
Y me
Ya
(kg
ha-1
)
0
5
10
15
20
25
30
35
40
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
RY
L (%
)
240
290
340
390
440
490
540
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
TWU
(m
m)
Rainfed Full VMild Mild0
1000
2000
3000
4000
5000
6000
7000
8000
0
100
200
300
400
500
600
16-Nov 30-Nov 06-Dec 16-Dec 30-Dec 06-Jan 16-Jan
Y a(k
g h
a-1)
GID
, TW
U (
mm
)
GID-Full GID-mild TWU-full TWU-mild yield-full yield-mild
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
WP
(kg
m-3
)
0.70
0.80
0.90
1.00
1.10
1.20
1.30
1.40
1.50
1.60
1.70
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
EWP
R()
240
290
340
390
440
490
540
16-Nov 30-Nov 6-Dez 16-Dez 30-Dez 06-Jan 16-Jan
TWU
(m
m)
Rainfed Full VMild Mild
Predictabilidade Sazonal de Secas
Como os custos da rega representam uma fração relativamente pequena nos custos
totais da exploração, o denominador da EWPR não se modifica muito quando haja
menor uso da água pelo que as diferenças entre as alternativas refletem
principalmente as diferenças em termos de produção obtida (Fig. 8a). O valor mais
elevado de EWPR refere-se a sementeira a 6 de Janeiro utilizando rega completa
(EWPR = 1.45). Os resultados indicam (Fig. 9b) que a cevada de sequeiro não é
economicamente viável em condições de seca para quaisquer datas de sementeira
(EWPR < 1.0). Em condições de seca severa, e para todos os cenários de rega, a
sementeira a 16 de Novembro não é viável e no caso da sementeira a 30 de
Novembro só é viável o cenário de rega completa.
Em conclusão, em condições de seca severa, os resultados relativos ao uso da água
apontam para vantagens de semear em meados de Novembro, o que está de acordo
com as medidas de mitigação usualmente propostas para cereais de inverno (Saadi
et al., 2015). No entanto, este é o cenário menos favorável em termos de
rendimento. Em contraste, a sementeira em inícios de Janeiro aumenta as
necessidades de água mas permite obter produções mais elevadas e maior retorno
económico, tanto quando se adota rega completa como rega deficitária. A adoção
de rega deficitária em condições de seca terá de ser acompanhada por uma gestão
adequada dos calendários de rega, podendo a utilização de previsões
meteorológicas ajudar nesta tarefa e apoiar a tomada de decisão em tempo real.
3. Impactos da rega deficitária do milho
3.1. Caracterização dos estudos efetuados em Alpiarça e Coruche
Com o objetivo de melhorar a informação sobre as relações água-produção foram
efetuados estudos em parcelas da Quinta da Lagoalva de Cima, em Alpiarça, de
2010 a 2012, com uma área de cerca de 200 ha cultivados com milho (Zea mays
L.). Nos estudos utilizou-se a variedade PR33Y74 (FAO 600) com uma densidade
aproximada de 82000 plantas ha-1. Todas as observações/medições efetuadas, assim
como a caracterização dos solos das três parcelas são descritas em Paredes et al.
(2014, 2015). As observações de campo incluíram as datas de início de cada fase
de desenvolvimento da cultura (Tabela 6).
Tabela 6. Datas e acumulação térmica (AGDD) para os estágios de desenvolvimento de
milho, Alpiarça (adaptado de Paredes et al., 2014).
Estágios de desenvolvimento do milho
Ano
Parcel
a
Sementeira Início do período de
crescimento rápido
Início do
período
intermédio
Início do
período
final
Colheita
2010 1 Data 25/05/2010 26/06 18/07 03/09 13/10
2
AGDD (oC) 310 684 1448 1810
2011 1 Data 27/04/2011 18/05 29/06 18/08 20/09
AGDD (oC) 297 716 1490 1955
2012 2 Data 16/04/2012 09/05 25/06 21/08 20/09
AGDD (oC) 252 687 1457 1902
3 Data 30/05/2012 16/06 17/07 13/09 12/10
CGDD (oC) 257 680 1416 1785
Calendários de rega para condições de seca
Foram colhidas amostras da produção final em locais próximos dos tubos acesso
das sondas de medição da humidade do solo, correspondendo a uma área total de
amostragem de 6.7 m2. As amostras foram secas em estufa a 65±5oC até obtenção
de peso constante, depois ajustado para 13% de humidade. Os resultados da
produção de biomassa e grão de milho apresentam-se na Tabela 7.
Tabela 7. Produção de biomassa e de grão de milho, Alpiarça (adaptado de Paredes et al.,
2014)
Parcela, ano Biomassa (t ha-1) Grão
(t ha-1)
1, 2010 41.86(±8.37) 20.62(±4.14)
2, 2010 26.27(±5.25) 12.78(±2.56)
1, 2011 40.02(±5.86) 19.46(±2.97)
2, 2012 38.70(±7.09) 19.32(±2.63)
3, 2012 33.62(±7.64) 16.53(±3.72)
Foram igualmente utilizados estudos de campo realizados na Estação Experimental
António Teixeira, localizada dentro do Perímetro de Rega do Vale do Sorraia,
Coruche. Os ensaios de campo foram delineados com o objetivo de avaliar os
impactos de diferentes níveis de défice hídrico em distintas fases do ciclo cultural
do milho. O clima é semelhante ao de Alpiarça (Fig. 1). O milho era da variedade
LG18 (FAO 300) e a densidade de sementeira foi de 90000 plantas ha-1. A
sementeira realizou-se a 10 de Maio, a emergência ocorreu a 25 de Maio, o máximo
desenvolvimento do coberto ocorreu de 12 a 19 de Julho dependendo do tratamento
de rega e a senescência, também dependente do tratamento de rega, iniciou-se entre
1 e 28 de Agosto. A colheita foi efetuada a 5 de Setembro em todos os tratamentos
(Alves et al., 1991). O solo era areno-limoso com capacidade de campo θFC = 0.22
(m3 m-3), coeficiente de emurchecimento θWP = 0.075 (m3 m-3) e conteúdo volumétrico
à saturação θsat = 0.37 (m3 m-3).
As observações e medições efetuadas no campo experimental de Coruche para cada
tratamento de rega incluíram:
(i) as datas dos estágios de desenvolvimento;
(ii) os índices de área foliar (LAI, m2 m-2), medidos ao longo do ciclo da cultura
utilizando um medidor portátil (LI-COR modelo LI-3000 A);
(iii) a produção final de grão (Tabela 8), em amostras colhidas numa área de 1.6 m2
por tratamento. As amostras foram secas em estufa a uma temperatura de 65±5oC e
a produção foi depois ajustada para 13% de humidade do grão.
(iv) as dotações de rega (D, mm), determinadas utilizando pluviómetros colocados
acima do copado e próximos dos tubos de acesso das sondas de medição do
conteúdo de água do solo. Os tratamentos de rega foram configurados utilizando a
técnica do gradiente de rega (Hanks et al., 1976) usando um sistema de rega por
aspersão fixa. A rega foi efetuada em média cada 5 dias, utilizando-se um
termómetro de infravermelhos para confirmar o estado hídrico das plantas (Alves e
Pereira, 2000);
(v) o conteúdo de água do solo medido antes e após cada rega utilizando uma sonda
Predictabilidade Sazonal de Secas
de neutrões DIDCOT previamente calibrada; as medições foram efetuadas às
profundidades de 0.10, 0.15, 0.20, 0.30, 0.40, 0.50, 0.60, 0.80, 1.00 e 1.20 m;
(vi) a evapotranspiração real (ETc act), determinada para os períodos que medeiam
dois eventos de rega sucessivos usando o balanço hídrico do solo (Doorenbos e
Pruitt, 1977). A percolação profunda foi estimada com base nas medições de água
do solo abaixo da profundidade radicular (0.60 a 1.20 m). Observou-se que o
escoamento superficial foi nulo, tal como a ascensão capilar uma vez que a toalha
freática era profunda.
Foram estabelecidas várias estratégias de rega, incluindo rega completa e
deficitária, considerando as seguintes fases críticas de desenvolvimento do milho:
vegetativa, floração/formação do grão e maturação (Alves et al., 1991). Foram
selecionadas para o presente estudo seis estratégias de rega com várias repetições
(Paredes et al., 2014):
(A) rega completa em todas as fases da cultura;
(B) défice hídrico imposto na fase vegetativa;
(C) défice hídrico imposto na maturação;
(D) défice hídrico imposto durante as fases vegetativa e de floração;
(E) défice hídrico imposto nas fases vegetativa e de maturação; e
(F) défice hídrico imposto ao longo do ciclo da cultura.
Informação detalhada dos estudos são encontrados em Alves et al. (1991).
Tabela 8. Produção de biomassa e de grão de milho para os diferentes tratamentos de
rega, Vale do Sorraia (Alves et al., 1991).
Tratamento Biomassa total (t ha-1) Grão
(t ha-1)
A 26.57(±3.42) 12.15(±1.20)
B 21.61(±2.19) 10.03(±1.27)
C 25.02(±0.96) 12.23(±0.40)
D 17.59(±0.88) 6.65(±0.26)
E 19.06(±0.27) 7.11(±1.13)
F 14.02(±0.39) 6.66(±0.98) Nota: Desvio padrão das amostras apresentado entre parêntesis
3.2. Estimação da produção de milho
A aproximação simplificada descrita na Seção 2.2, combinação SIMDualKc-
Stewart, foi utilizada para estimar a produção de milho. No modelo global de
Stewart (S1), no presente estudo, utilizou-se o fator de resposta do milho (Ky= 1.32)
obtido no estudo por Paredes et al. (2014). Este valor situa-se na gama de variação
de Ky obtida por Stewart et al. (1977) [Ky = 1.03 a 1.72], sendo compatível com os
valores referidos por Popova et al. (2006) [Ky= 1.00 e 1.48].
Utilizou-se uma adaptação do modelo S2 utilizando a Tc act em vez da ETc act
(Paredes et al., 2014). Alves et al. (1991) obtiveram os fatores de resposta do milho
na fase vegetativa (βv), floração/formação do grão (βf) e maturação (βm). Assim, a
Calendários de rega para condições de seca
Eq. 3 tomou a seguinte forma
Ya = Ym −Ym (βvTd,v+ βfTd,f+βmTd,m)
Tc (6)
onde Ym é a produção potencial, Tc é a transpiração máxima sazonal (mm) e Td,v,
Td,f e Td,m são os défices de transpiração (Tc - Tc act) respetivamente para as fases
vegetativa, floração/formação do grão e maturação.
Os valores dos fatores de resposta ao stresse derivados por Alves et al. (1991) e
usados no presente estudo foram βv = 2.1 e βm = 2.1. Porém como o milho tem a
capacidade de se adaptar ao stresse, o que se designa por condicionamento, os
valores dos fatores de resposta ao stresse tomam valores diferentes quando este
ocorre. Assim, no caso do stresse ser imposto ao longo do ciclo cultural, adotaram-
se βv = 1.2, βf = 2.8 e βm = 0.9. Estes valores são comparáveis com os obtidos por
Stewart et al. (1977): 1.0 < βv < 1.8, 0.8 <βf < 5.7 e 0.6 <βm< 2.8. Doorenbos e
Kassam (1979) propuseram um valor de 1.5 < βf < 2.3. Igbadun et al. (2007)
obtiveram um valor mais baixo, βf = 0.86, que pode ser explicado pela utilização de
variedade de milho mais resistente. Como os impactos do défice hídrico na fase de
floração/formação de grão são muito elevados (Stewart et al., 1977; Alves et al.,
1991; Karam et al., 2003; Farré e Faci, 2009) esses tratamentos não foram
considerados no presente estudo.
A produção potencial (Ym) é influenciada por variados fatores, nomeadamente a
radiação, a temperatura e a duração do ciclo da cultura. A Ym utilizada no presente
estudo foi obtida tendo em consideração a produção observada no tratamento de
rega completa, onde não foi observado stresse, e informação proveniente dos
agricultores na área de estudo, depois ajustada utilizando o método de Wageningen
(Doorenbos e Kassam, 1979). Assim, para o estudo efetuado em Alpiarça com a
variedade de milho PR33Y74 (FAO 600) Ym foi 21952 kg ha-1 para 2010, 19779
kg ha-1 em 2011, e 20595 kg ha-1 e 16865 kg ha-1 respetivamente para as parcela 2
e 3 em 2012, com o valor mais baixo correspondendo a uma menor duração do ciclo
(Tabela 5). Para o caso da experimentação em Coruche, em que se utilizou a
variedade de milho LG18 (FAO 300), Ym = 14169 kg ha-1.
O conjunto de dados de ambos os estudos foi utilizado com o modelo SIMDualKc,
após calibração, para derivar os valores de Tc act e ETc act utilizando-se as produções
observadas para obter as relações produção-T e produção-ET da Fig. 10. Os
resultados mostram que, como esperado, existe uma melhor correlação entre
produção-T do que produção-ET o que se deve ao fato de a evaporação não
contribuir para a produção e por isso provocar algum viés na estimativa.
Predictabilidade Sazonal de Secas
a) b)
Fig. 10. Relação entre a produção de milho observada e: a) a evapotranspiração real (ETc
act) e b) a transpiração da cultura (Tc act) (◊ observações em Alpiarça e observações no
Vale do Sorraia) (adaptado de Paredes et al., 2014).
Os resultados da predição da produção quando se utilizam os modelos S1 e S2 são
apresentados na Fig. 11 mostrando que ambos os modelos conseguem simular bem
as produções obtidas em condições muito distintas, com o modelo S2 a apresentar
menores erros de estima. Tal é explicado pelo impacto diferenciado do stresse nas
distintas fases do ciclo cultural.
a) b)
b0 1.00 1.00
R2 0.84 0.92
RMSE (kg ha-1) 1800 1209
AAE (kg ha-1) 1507 926
ARE (%) 18.5 10.0
EF 0.81 0.92
b0 - coeficiente de regressão da regressão linear forçada à origem; R2 - coeficiente de determinação; RMSE raiz
(quadrada) do erro quadrático médio; AAE - erro médio absoluto; ARE - erro médio relativo; EF - eficiência de
modelação.
Fig. 11. Retas de regressão e indicadores de ajustamento entre a produção de milho
observada e simulada (kg ha-1) usando os modelos (a) S1 e (b) S2 (◊ observações em
Alpiarça e ♦ observações no Vale do Sorraia) (adaptado de Paredes et al., 2014).
Os valores elevados de R2 indicam que os valores de produção estimados pelos
modelos são estatisticamente próximos dos valores observados. O RMSE quando
se aplica o modelo S1 representa menos de 10% da produção média observada e o
Produção = 33 ETc act - 5106R² = 0.76
0
5000
10000
15000
20000
25000
0 200 400 600 800
Pro
du
ção
ob
serv
ada
(kg
ha-1
)
ETc act simulada (mm)
Produção = 47 Tc act - 6579R² = 0.80
0
5000
10000
15000
20000
25000
0 200 400 600 800
Pro
du
ção
ob
serv
ada
(kg
ha-1
)
Tc act simulada (mm)
Produção = 47 Tc act - 6579R² = 0.80
0
5000
10000
15000
20000
25000
0 200 400 600 800
Pro
du
ção
ob
serv
ada
(kg
ha-1
)
Tc act simulada (mm)
Series1
lagoalva
sorraia
Linear (Series1)
0
5000
10000
15000
20000
25000
0 5000 10000 15000 20000 25000
Y asi
mu
lad
o c
om
o S
1 (k
g h
a-1)
Ya observado (kg ha-1)
0
5000
10000
15000
20000
25000
0 5000 10000 15000 20000 25000
Y asi
mu
lad
o c
om
o S
2 (
kg h
a-1)
Ya observado (kg ha-1)
Calendários de rega para condições de seca
RMSE relativo ao modelo S2 representa aproximadamente 7%. AAE e ARE são
baixos em ambos os casos mostrando a boa precisão dos modelos S1 e S2. Ambos
os valores de EF são elevados indicando que o erro quadrático médio dos resíduos
é bastante menor do que a variância das observações, pelo que ambos os modelos
se podem considerar bons preditores da produção de milho. Os resultados obtidos
com ambos os modelos (Fig. 11) são comparáveis com os de outros estudos que
utilizaram modelos de produção (vide Tabela 9).
Tabela 9. Exemplos de resultados da estimação da produção de milho utilizando modelos
expressos em termos do NRMSE reportados na literatura.
NRMSE* (%) Modelo Autores
9 RZWQM-CERES-Maize Ma et al. (2006)
13 DSSAT Ma et al. (2006)
13 a 16 CERES-Maize DeJonge et al. (2012)
14 AquaCrop Hsiao et al. (2009)
34 AquaCrop Heng et al. (2009)
43 AquaCrop Katerji et al. (2013)
7 a 18 AquaCrop Ahmadi et al. (2015)
* NRMSE = RMSE/��
3.3. Estimação da produtividade da água
A estimação da produtividade da água dos calendários de rega dos agricultores
seguiu a metodologia descrita na Secção 2.2. Na Tabela 10 são apresentados os
indicadores de produtividade da água relativos à gestão efetuada pelos agricultores;
adicionalmente, apresentam-se o uso da água e a transpiração simulada.
Tabela 10. Uso da água, produção de grão e indicadores de produtividade da água em
milho relativo observados em Alpiarça (adaptado de Paredes et al., 2014).
2010 2011 2012
Parcela 1 2 1 2 3
Precipitação (mm) 89 89 283 108 39
Rega bruta (GID, mm) 780 840 539 722 620
BWUF () 0.80 0.70 0.85 0.81 0.86
Percolação profunda (mm) 13 18 36 2 0
Escoamento superficial (mm) 0 0 2 0 0
Variação do armazenamento de água no solo (mm) -54 -59 -74 32 54
Total de água utilizada (TWU, mm) 815 870 748 862 713
Transpiração real (Tc act, mm) 474 451 525 596 506
Produção observada de grão (kg ha-1) 20615 12775 19459 19322 16530
Produtividade da água (WP, kg m-3) 2.53 1.47 2.60 2.24 2.32
Razão da produtividade económica da água (EWPR) 2.84 1.74 2.80 2.69 2.35
No cálculo da produtividade económica para os diferentes anos, os custos dos
fatores de produção e os preços unitários da produção foram atualizados
anualmente. As GID foram estimadas utilizando as BWUF médias observadas em
campo, as quais variaram entre 0.70 e 0.86; o valor mais baixo foi observado na
parcela 2 em 2010 e o mais elevado na parcela 3 em 2012 (Tabela 10). Os resultados
da BWUF mostram que o agricultor procurou melhorar os sistemas de rega após as
Predictabilidade Sazonal de Secas
avaliações de campo. O melhor resultado da WP foi obtido em 2011, o que se deveu
à elevada produção e a uma adequada calendarização da rega que permitiu aplicar
menos água para obter 1 kg de milho. Valores de WP relativamente semelhantes
aos do presente estudo foram referidos por Di Paolo e Rinaldi (2008), com WP a
variar de 1.44 a 2.25 kg m-3, Hernández et al. (2015) com valores de WP entre 1.45
e 2.45 kg m-3.
Os resultados económicos, expressos em termos de EWPR, foram menos
influenciados pela melhoria da BWUF pois os custos da rega são uma pequena
fração dos custos de produção. A EWPR reflete a influência do valor da produção
uma vez que os custos de produção variaram pouco no período de 2010 a 2012. O
maior retorno económico foi obtido em 2010 na parcela 1, onde por cada euro
investido o agricultor recebeu 2.84 euros; este resultado corresponde a elevada
produção e a custos de produção que refletem a elevada BWUF. O lucro mais baixo
foi obtido para a parcela 2 em 2010 refletindo a menor produção associada a custos
de produção mais elevados, os quais foram influenciados pela baixa BWUF.
3.4. Calendários de rega para conviver com as secas
As necessidades líquidas de rega (NIR) do milho foram calculadas utilizando a série
de 19 anos de dados de precipitação e ETo descrita na Secção 2.3. A data de
sementeira selecionada foi a observada em 2010 (Tabela 6), que possibilita a
ocupação do campo durante o período de inverno com outra cultura, por exemplo a
ervilha. As datas das fases do ciclo cultural foram definidas utilizando os GDD
médios observados em campo (Tabela 5). A Fig. 12 apresenta as NIR do milho, que
variam entre 479 e 788 mm de acordo com a procura climática e a precipitação,.
Assim, foram desenhadas várias estratégias de rega usando o modelo SIMDualKc,
com o objetivo de conviver com a seca; estas estratégias foram avaliadas para
condições de procura climática forte, i.e. seca severa, a que corresponde uma NIR
com uma probabilidade de excedência de 20%.
Fig. 12. Necessidades líquidas de rega do milho em Alpiarça.
0
100
200
300
400
500
600
700
800
900
1000
1100
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95
NIR
(m
m)
Probabilidade (%)
Calendários de rega para condições de seca
A Ym para o ano de seca severa (Ym = 18258 kg ha-1) foi obtida utilizando o método
de Wageningen (Doorenbos e Kassam, 1979). Para estimar as perdas de produção
utilizou-se o modelo S2 anteriormente descrito. As estratégias de rega definidas,
que consideram uma dotação fixa I = 15 mm e diferentes limiares de défice (MAD
),
foram as seguintes:
Cenário 1 - rega para satisfação das necessidades de água da cultura, MAD = p;
Cenário 2 - MAD = 1.10 p; 1.20 p, 1.05 p; 1.20 p, respetivamente para as fases
inicial, de desenvolvimento, intermédia e final do ciclo cultural;
Cenário 3 - MAD = 1.20 p; 1.30 p, 1.10 p; 1.30 p para as mesmas fases;
Cenário 4 - MAD = 1.20 p; 1.40 p, 1.20 p; 1.40 p para as mesmas fases.
Em todas os casos a rega cessa 30 dias antes da colheita para permitir que o grão
atinja um teor de água mais adequado à sua conservação pós-colheita.
A Fig. 13a apresenta a quantidade bruta de água de rega (GID) e o total de uso da
água (TWU) para cada cenário de rega enquanto as produções atuais Ya (kg ha-1) e
as perdas relativas de produção (RYL) simuladas usando a combinação SIMDualKc
com o modelo S2 se apresentam na Fig. 13b, em ambos os casos referentes aos
cenários de rega acima definidos.
a) b)
Fig. 13. Quantidade de rega bruta (GID, ♦) e total de água utilizada (TWU, ○) (a) e
produção real (Ya, x) e perdas relativas de produção (RYL, ∆) (b) para os vários cenários
de rega do milho em condições de seca severa.
Pela análise dos resultados da Fig. 13, verifica-se que, em condições de seca severa,
a cultura do milho para ser gerida com carência hídrica limitada (RYL < 5%,
cenário 1), requer uma dotação total de rega de 800 mm. Optando pela rega
deficitária controlada (RYL < 10%, cenário 2), verifica-se uma poupança de água
de 12% relativamente ao calendário correspondente a conforto hídrico (cenário 1),
com uma poupança de 5 regas. Se considerarmos o cenário 4, a poupança de água
de rega sobe para 37% mas a produção reduz-se em 20%.
Analisando os cenários de rega em termos de produtividade da água (Fig. 14)
verifica-se que o valor mais baixo, WP = 1.86 kg m-3, corresponde ao calendário de
rega com conforto hídrico, enquanto o mais elevado, WP = 2.20 kg m-3, se verifica
para os cenários 3 e 4 de rega deficitária, porém com perdas relativas de produção
0
100
200
300
400
500
600
700
800
900
1000
Cenário 1 Cenário 2 Cenário 3 Cenário 4
GID
e T
WU
(m
m)
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
Cenário 1 Cenário 2 Cenário 3 Cenário 4
0
5
10
15
20
25
Y a(k
g h
a-1)
RY
L (%
)
Predictabilidade Sazonal de Secas
superiores, 15 e 20% (Fig. 13b) sendo que estas são proporcionais à diminuição da
TWU (Fig. 13a). No entanto, as estratégias que conduzem a uma maior poupança
de água (Fig. 13a) e maior WP têm distinto retorno económico, sendo que a EWPR
decresce então para, respetivamente, 2.16 e 2.00 euros por cada euro investido (Fig.
14). Verifica-se que todas as estratégias propostas são viáveis para os preços atuais
do milho uma vez EWPR é sempre superior a 1.00.
Em conclusão, em condições de disponibilidade limitada de água dever-se-á
procurar um equilíbrio entre poupança de água e retorno económico para o
agricultor. Assim, os calendários deficitários apresentam-se como uma boa
alternativa mas os agricultores devem ser apoiados nas decisões relativas à gestão
da rega, mas evitando sempre a imposição de défice hídrico significativo durante
os períodos de floração e enchimento do grão. O apoio à gestão da rega deverá ser
efetuado mediante a utilização de dados de previsão meteorológica de curto e médio
prazo.
Fig. 14. Produtividade da água (WP, ●) e razão da produtividade económica da água
(EWPR, □) em milho para diferentes cenários de rega em condições de seca severa.
Em conclusão, em condições de seca e disponibilidade limitada de água dever-se-á
procurar um equilíbrio entre a poupança de água e o retorno económico para o
agricultor. Assim, os calendários deficitários mostram ser uma boa alternativa.
Porém, os agricultores devem ser apoiados nas decisões relativas à gestão da rega
de forma a evitar sempre a imposição de défices hídricos significativos durante os
períodos de floração e enchimento do grão. O apoio à gestão da rega deverá
preferencialmente ser efetuado mediante a utilização de dados de previsão
meteorológica, de curto e médio prazo, a ser usados como dados de entrada num
modelo de balanço hídrico como o SIMDualKc.
4. Conclusões
A aproximação simplificada usada para a estimar os impactos do défice hídrico na
produção e que combina o modelo de balanço hídrico SIMDualKc com os modelo
S1 e S2 de água-produção de Stewart, foi testada para cereais de primavera e de
verão, respetivamente a cevada para malte e o milho. O modelo SIMDualKc foi
1.00
1.20
1.40
1.60
1.80
2.00
2.20
2.40
1.80
2.00
2.20
2.40
Cenário 1 Cenário 2 Cenário 3 Cenário 4
EWP
R (
)
WP
(kg
ha-1
)
Calendários de rega para condições de seca
previamente calibrado para cada cultura (Paredes et al., 2015) e os resultados
relativos à transpiração da cultura foram utilizados como dados de entrada dos
modelos água-produção de Stewart. Os resultados obtidos mostram um bom
desempenho desta aproximação simplificada na predição da produção de ambas as
culturas em condições climáticas distintas, nomeadamente em termos de
precipitação contrastante, conduzindo a desvios pequenos entre observações e
predições, conforme mostrou a sua comparação com resultados publicados
referindo a aplicação de vários modelos a ambas as culturas. O modelo SIMDualKc
foi utilizado para simular diferentes estratégias de gestão da água.
Os resultados para a cevada mostraram que a antecipação da data de sementeira
conduz a menores necessidades de rega mas origina uma menor produção potencial.
Consequentemente, é previsível que o retorno económico para o agricultor,
expresso em termos de rácio da produtividade económica da água seja menor para
sementeira em Novembro relativamente a início de Janeiro. A opção de semear em
Janeiro aumenta as necessidades de rega mas também as produções e o retorno
económico. Concluiu-se também que a cevada em regime de sequeiro é uma opção
frequentemente não viável em termos económicos, em particular em condições de
seca. Em condições de seca a sementeira em Novembro não é economicamente
viável, mesmo utilizando rega para satisfação completa das necessidades de água
da cultura uma vez que o retorno económico para o agricultor é quase sempre
negativo. Ao invés, o retorno é positivo se a sementeira for atrasada para final de
Dezembro ou início de Janeiro, incluindo quando se utiliza rega deficitária
controlada.
Os calendários de rega do milho estudados para condições de seca mostraram a
adequação de défice hídrico moderado ao longo do ciclo da cultura com exceção
das fases de floração e de enchimento do grão, em que o défice deve ser suave de
modo a impedir elevados impactos negativos na produção. Esta adequação foi
expressa em termos de uso da água e de produtividade económica (retorno
económico). Verificou-se que adotando o calendário mais deficitário se poderia
reduzir o consumo de água de rega em 37%, mas com um decréscimo de produção
de 20%, i.e. com redução do retorno económico de 2.40 para 2.00 €/€. Assim, em
condições de seca dever-se-á procurar um equilíbrio entre poupança de água e
retorno económico para o agricultor.
A utilização de modelos de calendarização da rega, como o SIMDualKc, em tempo
real utilizando dados de previsão meteorológica é aconselhável para o apoio à
decisão do agricultor em condições de seca.
Agradecimentos
O primeiro autor agradece à FCT a bolsa de pós-doutoramento
(SFRH/BPD/102478/2014) que lhe foi atribuída. O presente estudo foi financiado
pelo projeto PTDC/GEOMET/3476/2012 “Avaliação da Predictabilidade e
hibridação de Previsões sazonais de seca na Europa Ocidental – PHDROUGHT”.
Predictabilidade Sazonal de Secas
Referências
Abrha, B., Delbecque, N., Raes, D., Tsegay, A., Todorovic, M., Heng, L., Vanutrecht, E.,
Geerts, S., Garcia-Vila, M., Deckers, S., 2012. Sowing strategies for barley (Hordeum
vulgare L.) based on modelled yield response to water with AquaCrop. Expl. Agric. 48,
252-271.
Ahmadi, S.H., Mosallaeepour, E., Kamgar-Haghighi, A.A., Sepaskhah, A.R., 2015.
Modeling maize yield and soil water content with AquaCrop under full and deficit
irrigation managements. Water Resour. Manage. 29, 2837-2853.
Albrizio, R., Todorovic, M., Matic, T., Stellaci, A.M., 2010. Comparing the interactive
effects of water and nitrogen on durum wheat and barley grown in a Mediterranean
environment. Field Crop. Res. 115(2), 179-190.
Allen, R.G., Pereira, L.S., Raes, D., Smith, M., 1998. Crop Evapotranspiration. Guidelines
for Computing Crop Water Requirements. FAO Irrig. Drain. Paper 56, FAO, Rome,
Italy, 300 p.
Alves, I., Fontes, J.C., Pereira, L.S., 1991. Water-yield relations for corn. In: Planning,
Operation, and Management of Irrigation Systems for Water and Energy Conservation
(Proc. Special Tech. Session). Chinese Nat.Com. ICID, Beijing, vol. I-A, 154-161.
Alves, I., Pereira, L.S., 2000. Non-water-stressed baselines for irrigation scheduling with
infrared thermometers: A new approach. Irrigation Sci. 19, 101-106.
Araya, A., Habtu, S., Hadgu, K.M., Kebede, A., Dejene, T., 2010. Test of AquaCrop model
in simulating biomass and yield of water deficient and irrigated barley (Hordeum
vulgare). Agric. Water Manage. 97, 1838-1846.
Belhouchette, H., Braudeau, E., Hachicha, M., Donatelli, M., Mohtar, R. H., Wery, J.,
2008. Integrating spatial soil organization data with a regional agricultural management
simulation model: a case study in northern Tunisia. Trans. ASABE, 51(3), 1099-1109.
Çakir, R., 2004. Effect of water stress at different development stages on vegetative and
reproductive growth of corn. Field Crops Res. 89, 1-16.
Cantero-Martínez, C., Angas, P., Lampurlanés, J., 2003. Growth, yield and water
productivity of barley (Hordeum vulgare L.) affected by tillage and N fertilization in
Mediterranean semiarid, rainfed conditions of Spain. Field Crop. Res. 84, 341-357.
Cossani, C.M., Slafer, G.A., Savin, R., 2012. Nitrogen and water use efficiencies of wheat and
barley under a Mediterranean environment in Catalonia. Field Crop. Res. 128, 109-118.
Day, W., Lawlor, D.W., Day, A.T., 1987. The Effect of drought on barley yield and water
use in two contrasting years. Irrigation Sci. 8, 115-130.
Dehghanisanij, H., Nakhjavani, M. M., Tahiri, A. Z., Anyoji, H. (2009). Assessment of
wheat and maize water productivities and production function for cropping system
decisions in arid and semiarid regions. Irrig. Drain. 58, 105-115.
DeJonge, K.C., Ascough II, J.C., Andales, A.A., Hansen, N.C., Garcia, L.A., Arabi, M.,
2012. Improving evapotranspiration simulations in the CERES-Maize model under
limited irrigation. Agric. Water Manage. 115, 92-103.
Di Paolo, E., Rinaldi, M., 2008. Yield response of corn to irrigation and nitrogen
fertilization in a Mediterranean environment. Field Crop. Res. 105, 202-210.
Donatelli, M., Stockle, C., Ceotto, E., Rinaldi, M., 1997. Evaluation of CropSyst for cropping
systems at two locations of northern and southern Italy. Europ. J. Agron. 6, 35-45.
Doorenbos, J., Kassam, A.H., 1979. Yield Response to Water. Irrigation and Drainage
Paper 33, FAO, Rome, 193 pp.
Calendários de rega para condições de seca
Doorenbos, J., Pruitt, W.O., 1977. Guidelines for Predicting Crop Water Requirements.
FAO Irrigation and Drainage Paper 24, FAO, Rome, Italy, 156 pp.
Eitzinger, J., Trnka, M., Hösch, J., Žalud, Z., Dubrovský, M., 2004. Comparison of CERES,
WOFOST and SWAP models in simulating soil water content during growing season
under different soil conditions. Ecol. Model. 171, 223-246.
Farré, I., Faci, J.-M., 2009. Deficit irrigation in maize for reducing agricultural water use
in a Mediterranean environment. Agric. Water Manage. 96, 383–394.
Forster, R.L., 2003. Barley diseases. In: R.L. Robertson, J.C. Stark (Eds.), Idaho Spring
Barley Production Guide, Univ. Idaho Extension Bull. 742, 36-43.
Francia, E., Tondelli, A., Rizza, F., Badeck, F.W., Nicosia, O.L.D., Akar, T., Grando, S.,
Al-Yassin, A., Benbelkacem, A., Thomas, W.T.B., van Eeuwijk, F., Romagosa, I.,
Stanca, A.M., Pecchioni, N., 2011. Determinants of barley grain yield in a wide range
of Mediterranean environments. Field Crop. Res. 120, 169-178.
Hanks, R.J., Keller, J., Rasmussen, V.P., Wilson, G.D., 1976. Line source sprinkler for
continuous variable irrigation-crop production studies. Soil Sci. Soc. Am. J. 40, 426-429.
Heng, L. K., Hsiao, T., Evett, S., Howell, T., Steduto, P., 2009. Validating the FAO
AquaCrop model for irrigated and water deficient field maize. Agron. J. 101, 488-498.
Hernández M., Echarte, L., Della Maggiora, A., Cambareri, M., Barbieri, P., Cerrudo, D.,
2015. Maize water use efficiency and evapotranspiration response to N supply under
contrasting soil water availability. Field Crops Res. 178, 8-15.
Hsiao, T.C., Heng, L., 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. Agron. J. 101, 448–459.
Igbadun, H.E., Tarimo, A.K.P.R., Salim, B.A., Mahoo, H.F., 2007. Evaluation of selected crop
water production functions for an irrigated maize crop. Agric. Water Manage. 94, 1-10.
Karam, F., Breidy, J., Stephan, C., Rouphael, J., 2003. Evapotranspiration, yield and water
use efficiency of drip irrigated corn in the Bekaa Valley of Lebanon. Agric. Water
Manage. 63, 125–137.
Katerji, N., Mastrorilli, M., van Hoorn, J.W., Lahmer, F.Z., Hamdy, A., Oweis, T., 2009.
Durum wheat and barley productivity in saline–drought environments. Eur. J. Agron.
31, 1-9.
Katerji, N., Campi, P., Mastrorilli, M., 2013. Productivity, evapotranspiration, and water
use efficiency of corn and tomato crops simulated by AquaCrop under contrasting water
stress conditions in the Mediterranean region. Agric. Water Manage 130, 14-26.
Lampurlanés, J., Angás, P, Cantero-Martınez, C., 2002. Tillage effects on water storage
during fallow, and on barley root growth and yield in two contrasting soils of the semi-
arid Segarra region in Spain. Soil Till. Res. 65, 207-220.
Ma, L., Hoogenboom, G., Ahuja, L.R., Ascough II, J.C., Saseendran, S.A., 2006.
Evaluation of the RZWQM-CERES-Maize hybrid model for maize production. Agric.
Syst. 87, 274-295.
Merriam, J.L., Keller, J., 1978. Farm irrigation system evaluation: A Guide for
management. Utah St. Univ., Logan, 271 p.
Morell, F.J., Lampurlanés, J., Álvaro-Fuentes, J., Cantero-Martínez, C., 2011. Yield and
water use efficiency of barley in a semiarid Mediterranean agroecosystem: Long-term
effects of tillage and N fertilization. Soil Till. Res. 117, 76-84.
Predictabilidade Sazonal de Secas
Nain, A.S., Kersebaum, K.C., 2007. Calibration and validation of CERES model for
simulating water and nutrients in Germany. In: K.Ch. Kersebaum, J.-M. Hecker, W.
Mirschel, M. Wegehenkel (Eds.) Modelling Water and Nutrient Dynamics in Soil-Crop
Systems, Springer, pp. 161-181.
Paredes, P., Rodrigues, G.C., Alves, I., Pereira, L.S., 2014. Partitioning evapotranspiration,
yield prediction and economic returns of maize under various irrigation management
strategies. Agric. Water Manage. 135, 27-39.
Paredes, P., Paço T.A., Rosa R.G., Pôças I., Neves M., Pereira, L.S., 2015. Avaliação do
uso da água em regadio: aplicação do modelo SIMDualKc a cevada, milho e olival.
(neste livro).
Paredes, P., Rodrigues, G.C., Cameira, M.R., Torres, M.O., Pereira, L.S., 2016. Modeling
to assess impacts of barley sowing dates and supplemental irrigation on yield, water use
and productivity and farm economic returns aimed at coping with drought years. Agric.
Water Manage. (submetido).
Payero, J.O., Melvin, S.R., Irmak, S., Tarkalson, D., 2006. Yield response of corn to deficit
irrigation in a semiarid climate. Agric. Water Manage. 84, 101–112.
Pereira, L.S., Cordery, I., Iacovides, I., 2012. Improved indicators of water use performance
and productivity for sustainable water conservation and saving. Agric. Water Manage.
108, 39-51.
Pereira, L.S., Paredes, P., Rodrigues, G.C., Neves, M., 2015. Modeling barley water use
and evapotranspiration partitioning in two contrasting rainfall years. Assessing
SIMDualKc and AquaCrop models. Agric. Water Manage. 159, 239-254.
Popova, Z., Pereira, L.S., 2011. Modelling for maize irrigation scheduling using long term
experimental data from Plovdiv region, Bulgaria. Agric. Water Manage. 98, 675-683.
Popova, Z., Eneva, S., Pereira, L.S., 2006.Model validation, crop coefficients and yield
response factors for maize irrigation scheduling based on long-term experiments.
Biosyst. Eng. 95(1), 139-149.
Popova, Z., Ivanova, M., Martins, D., Pereira, L.S., Doneva, K., Alexandrov, V., Kercheva,
M., 2014. Vulnerability of Bulgarian agriculture to drought and climate variability with
focus on rainfed maize systems. Nat. Hazards 74, 865-886.
Qureshi, Z.A., Neibling, H., 2009. Response of two-row malting spring barley to water
cutoff under sprinkler irrigation. Agric. Water Manage. 96, 141-148.
Rodrigues, G.C., Pereira, L.S., 2009. Assessing economic impacts of deficit irrigation as
related to water productivity and water costs. Biosyst. Eng. 103, 536-551.
Rodrigues G.C., Paredes P., Gonçalves J.M., Alves I., Pereira L.S., 2013. Comparing
sprinkler and drip irrigation systems for full and deficit irrigated maize using
multicriteria analysis and simulation modeling: ranking for water saving vs. farm
economic returns. Agric. Water Manage. 126, 85-96.
Rosa, R.D., Paredes, P., Rodrigues, G.C., Alves, I., Fernando, R.M., Pereira, L.S., Allen,
R.G., 2012. Implementing the dual crop coefficient approach in interactive software. 1.
Background and computational strategy. Agric. Water Manage. 103, 8-24.
Saadi, S., Todorovic, M., Tanasijevic, L., Pereira, L.S., Pizzigalli, C., Lionello, P., 2015.
Climate change and Mediterranean agriculture: Impacts on winter wheat and tomato crop
evapotranspiration, irrigation requirements and yield. Agric. Water Manage. 147, 103-115.
Calendários de rega para condições de seca
Stewart, J.I., Hagan, R.M., Pruitt, W.O., Danielson, R.E., Franklin, W.T., Hanks, R.J.,
Riley, J.P., Jackson, E.B., 1977. Optimizing crop production through control of water
and salinity levels in the soil. Reports. Paper 67. Utah Water Research Laboratory,
Logan, USA, 191 p.
Thameur, A., Lachihe, B., Ferchichi, A., 2012. Drought effect on growth, gas exchange
and yield, in two strains of local barley Ardhaoui, under water deficit conditions in
southern Tunisia. J. Environ. Manage. 113, 495-500.
Yau, S.-K., Nimah, M., Farran, M., 2011. Early sowing and irrigation to increase barley
yields and water use efficiency in Mediterranean conditions. Agric. Water Manage. 98,
1776-1781.