Theoretical and Applied Climatology

, Volume 102, Issue 3–4, pp 343–350 | Cite as

Extended time weather forecasts contributes to agricultural productivity estimates

  • Andrea de Oliveira Cardoso
  • Hilton Silveira Pinto
  • Ana Maria Heuminski de Ávila
  • Pedro Leite da Silva Dias
  • Fabio Ricardo Marin
  • Felipe Pilau
Original Paper

Abstract

Weather conditions in critical periods of the vegetative crop development influence crop productivity, thus being a basic parameter for crop forecast. Reliable extended period weather forecasts may contribute to improve the estimation of agricultural productivity. The production of soybean plays an important role in the Brazilian economy, because this country is ranked among the largest producers of soybeans in the world. This culture can be significantly affected by water conditions, depending on the intensity of water deficit. This work explores the role of extended period weather forecasts for estimating soybean productivity in the southern part of Brazil, Passo Fundo, and Londrina (State of Rio Grande do Sul and Paraná, respectively) in the 2005/2006 harvest. The goal was to investigate the possible contribution of precipitation forecasts as a substitute for the use of climatological data on crop forecasts. The results suggest that the use of meteorological forecasts generate more reliable productivity estimates during the growth period than those generated only through climatological information.

References

  1. AGRITEMPO (2007) Zoneamento Mapas. http://www.agritempo.gov.br. Accessed 1 Nov 2007
  2. Andrade K, Cavalcanti IFA (2004) Climatologia dos sistemas frontais e padrões de comportamento para o verão na América do Sul. In: XIII Congresso Brasileiro de Meteorologia, Sociedade Brasileira de Meteorologia. AnaisGoogle Scholar
  3. Aravequia JA, Quadro MFL (2003) Aspectos gerais da previsão numérica de tempo e clima. Centro de Previsão de Tempo e Estudos Climáticos. INPE-10211-PUD/135. http://mtc-m15.sid.inpe.br/col/sid.inpe.br/jeferson/2003/12.23.10.21/doc/publicacao.pdf. Accessed 10 August 2007
  4. Assad ED, Marin FR, Evangelista SR, Pilau FG, Farias JRB, Pinto HS, Zullo Júnior J (2007) Sistema de previsão da safra de soja para o Brasil. Pesqui Agropecu Bras 42(5):615–625Google Scholar
  5. Ávila AMH, Cardoso AO, Pinto HS (2009) Aplicação da correção estatística na previsão de tempo estendida, para três localidades da Região Sul. In: XVI Congresso Brasileiro de Agrometeorologia, Sociedade Brasileira de Agrometeorologia. AnaisGoogle Scholar
  6. Bonatti JP (1996) Modelo de Circulação Geral Atmosférico do CPTEC. Climanálise Especial, Edição Comemorativa de 10 anos. http://climanalise.cptec.inpe.br/∼rclimanl/boletim/cliesp10a/index1.shtml. Accessed 20 January 2005
  7. Camargo AP, Marin FR, Sentelhas PC, Picini AG (1999) Ajuste da equação de Thornthwaite para estimar a evapotranspiração potencial em climas áridos e superúmidos, com base na amplitude térmica. Rev Bras Agrometeorol 7:251–257Google Scholar
  8. Cantelaube P, Terres J (2005) Seasonal weather forecasts for crop yield modelling in Europe. Tellus 57(3):476–487CrossRefGoogle Scholar
  9. Cavalcanti IFA, Mendonça M, Nilo S, Fernandez PR, Herdies, D, Oliveira E (2004) Experimentos com mudanças na parametrização de convecção nos Modelos de Circulação Global Atmosférico CPTEC/COLA e Regional ETA e com mudança de CO2 no MCGA. http://mtc-m18.sid.inpe.br/col/sid.inpe.br/yolanda/2004/08.02.08.53/doc/v1.pdf. Accessed 5 Nov 2009
  10. CPTEC (2009) Centro de previsão de Tempo e Estudos Climáticos. Avaliação dos Modelos. http://avaliacaodemodelos.cptec.inpe.br. Accessed 1 Aug 2009
  11. Challinor AJ, Slingo JM, Wheeler TR, Craufurd PQ, Grimes DIF (2003) Toward a combined seasonal weather and crop productivity forecasting system: determination of the working spatial scale. J Appl Meteorol 42(2):175–192CrossRefGoogle Scholar
  12. Confalone AE, Dujmovich MN (1999) Influência do déficit hídrico sobre o desenvolvimento e rendimento da soja. Rev Bras Agrometeorol 6(2):165–169Google Scholar
  13. CONAB (2009) Companhia Nacional do Abastecimento. Metodologia de Cálculo de Custo de Produção da CONAB. http://www.conab.gov.br. Accessed 10 Feb 2009
  14. Doorenbos J, Kassam AH (1979) Yields response to water. Rome: FAO, 306p. (FAO: irrigation and drainage paper, 33)Google Scholar
  15. EMBRAPA (2004) Empresa Brasileira de Pesquisa Agropecuária. Tecnologias de produção de soja na região central do Brasil 2004. Embrapa Soja. Sistema de Produção. Exigências Climáticas. http://www.cnpso.embrapa.br/producaosoja/SojanoBrasil.htm . Accessed 5 June 2007
  16. FAO (2007) Food and Agriculture Organization of the United Nations. Statistical databases: Faostat: agriculture, 2007. http://www.fao.org. Accessed 10 Jan 2009
  17. Farias JRB, Assad ED, Almeida IR et al (2001) Caracterização de risco de déficit hídrico nas regiões produtoras de soja no Brasil. Rev Bras Agrometeorol 9(3):415–421Google Scholar
  18. Fontana DC, Berlato MA, Lauschner MH, Melo RW (2001) Modelo de estimativa de rendimento de soja no Estado do Rio Grande do Sul. Pesqui Agropecu Bras 36:399–403Google Scholar
  19. Gneiting T, Raftery AE (2005) Weather forecasting with ensemble methods. Science 310(5746):248–249CrossRefGoogle Scholar
  20. Grimm A, Ferraz SET, Gomes J (1998) Precipitation anomalies in Southern Brazil associated with El. Niño and La Niña events. J Climate 11:2863–2880CrossRefGoogle Scholar
  21. Hoogenboom G (2000) Contribution of agrometeorology to the simulation of crop production and its application. Agric For Meteorol 103:137–157CrossRefGoogle Scholar
  22. IBGE (2008) Instituto Brasileiro de Geografia e Estatística. Banco de Dados Agregados. Sistema IBGE de Recuperação Automática (SIDRA). http://www.sidra.ibge.gov.br. Accessed 15 December 2008
  23. IBGE (2009) Instituto Brasileiro de Geografia e Estatística. Levantamento Sistemático da Produção Agrícola, 21 (9): 1-80. http://www.ibge.gov.br. Accessed 7 Nov 2009
  24. Marin FR, Pezzopane JRM, Pedro M Jr, Godoy IJ, Gouvêa JRF (2006) Estimativa da produtividade e determinação das melhores épocas de semeadura para a cultura do amendoim no Estado de São Paulo. Rev Bras Agrometeorol 14(1):64–75Google Scholar
  25. Mendonça AM, Bonatti JP (2004) Avaliação Objetiva do Sistema de Previsão de Tempo Global por Ensemble do Cptec e Relação entre o Espalhamento e o Desempenho do Ensemble Médio. In: XIII Congresso Brasileiro de Meteorologia, Sociedade Brasileira de Meteorologia. AnaisGoogle Scholar
  26. Moraes AVC, Camargo MBP, Mascarenhas HAA, Miranda MAC, Pereira JCVNA (1998) Teste e análise de modelos agrometeorológicos de estimativa de produtividade para a cultura da soja na região de ribeirão preto. Bragantia 57(2):393–406CrossRefGoogle Scholar
  27. Pereira AR, Pruitt WO (2004) Adaptation of the Thornthwaite scheme for estimating daily reference evapotranspiration. Agric Water Manage 66:251–257CrossRefGoogle Scholar
  28. Sivillo JK, Ahlquist JE, Toth Z (1997) An ensemble forecasting primer. Weather Forecast 12:809–818CrossRefGoogle Scholar
  29. Thomas AL, Costa JA (1994) Influência do déficit hídrico sobre o rendimento da soja. Pesqui Agropecu Bras 29(9):1389–1396Google Scholar
  30. USDA (2005) United States Department of Agriculture. Soybean and products: world trade, 2005. http://www.fas.usda.gov/oilseeds/circular/2005/05-05/table8.pdf. Accessed 1 Feb 2009
  31. Velasco I, Fritsch JM (1987) Mesoscale convective complex in the Americas. J Geophys Res 92:9591–9613CrossRefGoogle Scholar

Copyright information

© Springer-Verlag 2010

Authors and Affiliations

  • Andrea de Oliveira Cardoso
    • 1
  • Hilton Silveira Pinto
    • 1
  • Ana Maria Heuminski de Ávila
    • 1
  • Pedro Leite da Silva Dias
    • 2
  • Fabio Ricardo Marin
    • 3
  • Felipe Pilau
    • 3
  1. 1.CEPAGRIUNICAMP, Cidade Universitária Zeferino VazCampinasBrazil
  2. 2.Department of Atmospheric Sciences, IAGUSP, Cidade UniversitáriaSão PauloBrazil
  3. 3.Embrapa Informática AgropecuáriaEmbrapa Cidade Universitária Zeferino VazCampinasBrazil

Personalised recommendations