Inputs and yield optimization on irrigated maize

Abstract

This dissertation describes efforts to move toward the study of soil and the management of yield variability through research that explored and evaluated the potential of some techniques to provide greater understanding and knowledge of an agricultural field, even in situations where there is no prior knowledge of its behavior. The first experiment used a principal components analysis (PCA) in the study of the spatial and temporal variability of maize grain yield. The results of this experiment demonstrated that the 1st and 2nd principal components could be used to identify field zones with different spatial and temporal behaviors. The second experiment applied stochastic and sequential Gaussian simulation techniques to spatially and temporally forecast and model maize productivity. This technique enabled the modeling of spatial uncertainty in maize productivity based on probabilistic maps with different confidence levels. The third experiment examined different fertilization input scenarios based on yield/nutrient inputs ratio and break-even yields to optimize agronomic, economic and environmental support decisions. According to the results, it is possible to reduce agricultural production costs through the differential management of inputs. The outcomes showed that differential management decisions can maximize returns and reduce activity risk without having to implement major changes on the farm; Sumário: Otimização da produtividade e dos fatores de produção no milho de regadio O presente trabalho de investigação, que considerou três estudos, explora e avalia o potencial de alguns modelos no estudo da gestão da variabilidade espacial e temporal da produtividade e dos nutrientes no âmbito da produção de regadio. O primeiro estudo focou a utilização da técnica estatística Análise de Componentes Principais (ACP) no estudo da variabilidade temporal da produtividade da cultura do milho na região do Alto Alentejo. Os resultados desta experiência mostraram que as duas primeiras componentes principais permitem identificar zonas da parcela agrícola com diferente comportamento espacial e ambiental. No segundo estudo avaliou-se o desempenho da simulação sequencial Gaussiana na previsão e modelação da produtividade da cultura do milho. Esta técnica permitiu modelar a incerteza espacial da produtividade com base em mapas de probabilidade com diferentes níveis de confiança. O terceiro estudo avaliou diferentes cenários de fertilização a partir do rácio produtividade/nutrientes e do breakeven da produtividade de forma a otimizar, em termos agronómicos, económicos e ambientais, as tomadas de decisão. De acordo com os resultados obtidos, foi possível obter uma redução substancial dos custos de produção através da sugestão da aplicação diferenciada da fertilização. Os resultados mostraram que é possível reduzir os riscos, quer económicos quer ambientais, da atividade agrícola sem grandes alterações no processo produtivo da exploração agrícola.