RESUMO

Many researchers have shown the potential of Synthetic Aperture Radar (SAR) images for agricultural applications, particularly for monitoring regions with limitations in terms of acquiring cloud free optical images. Recently, Brazil and Germany began a feasibility study on the construction of an orbital L-band SAR sensor referred to as MAPSAR (Multi-Application Purpose SAR). This sensor provides L-band images in three spatial resolutions and polarimetric, interferometric and stereoscopic capabilities. Thus, studies are needed to evaluate the potential of future MAPSAR images. The objective of this study was to evaluate multipolarized MAPSAR images simulated by the airborne SAR-R99B sensor to distinguish coffee, cotton and pasture fields in Brazil. Discrimination among crops was evaluated through graphical and cluster analysis of mean backscatter values, considering single, dual and triple polarizations. Planting row direction of coffee influenced the backscatter and was divided into two classes: parallel and perpendicular to the sensor look direction. Single polarizations had poor ability to discriminate the crops. The overall accuracies were less than 59 %, but the understanding of the microwave interaction with the crops could be explored. Combinations of two polarizations could differentiate various fields of crops, highlighting the combination VV-HV that reached 78 % overall accuracy. The use of three polarizations resulted in 85.4 % overall accuracy, indicating that the classes pasture and parallel coffee were fully discriminated from the other classes. These results confirmed the potential of multipolarized MAPSAR images to distinguish the studied crops and showed considerable improvement in the accuracy of the results when the number of polarizations was increased.

RESUMO

Many researchers have shown the potential of Synthetic Aperture Radar (SAR) images for agricultural applications, particularly for monitoring regions with limitations in terms of acquiring cloud free optical images. Recently, Brazil and Germany began a feasibility study on the construction of an orbital L-band SAR sensor referred to as MAPSAR (Multi-Application Purpose SAR). This sensor provides L-band images in three spatial resolutions and polarimetric, interferometric and stereoscopic capabilities. Thus, studies are needed to evaluate the potential of future MAPSAR images. The objective of this study was to evaluate multipolarized MAPSAR images simulated by the airborne SAR-R99B sensor to distinguish coffee, cotton and pasture fields in Brazil. Discrimination among crops was evaluated through graphical and cluster analysis of mean backscatter values, considering single, dual and triple polarizations. Planting row direction of coffee influenced the backscatter and was divided into two classes: parallel and perpendicular to the sensor look direction. Single polarizations had poor ability to discriminate the crops. The overall accuracies were less than 59 %, but the understanding of the microwave interaction with the crops could be explored. Combinations of two polarizations could differentiate various fields of crops, highlighting the combination VV-HV that reached 78 % overall accuracy. The use of three polarizations resulted in 85.4 % overall accuracy, indicating that the classes pasture and parallel coffee were fully discriminated from the other classes. These results confirmed the potential of multipolarized MAPSAR images to distinguish the studied crops and showed considerable improvement in the accuracy of the results when the number of polarizations was increased.

RESUMO

This paper was aimed at evaluating the potential and the limitations of MODIS images for soybean classification and area estimation through a Spectral-Temporal Response Surface (STRS) method. A soybean thematic map from Rio Grande do Sul State, Brazil, derived from Landsat images was used as reference data to assist both sample training and results comparison. Six 16-day composite MODIS images were classified through a supervised maximum likelihood algorithm (MAXVER) adapted to the STRS method. The results were evaluated using the Kappa coefficient for the entire study area and for one region dominated by large farms and another by small ones. The STRS method underestimated the soybean area by 6.6%, for the entire study area, with a Kappa coefficient of 0.503. For regions with large and small farms the soybean area was overestimated by 8% (Kappa=0.424) and underestimated by 43.4% (Kappa=0.358), respectively. Eventually, MODIS images, through the STRS method, demonstrated good potential to classify and estimate soybean area, mainly in regions with large farms. For regions with small farms the correct identification and classification of soybean areas showed to be less efficient due to the low spatial resolution of MODIS images.

Este trabalho objetivou avaliar o potencial e as limitações das imagens MODIS para classificação e estimativa de área de soja por meio do método de superfície de resposta espectro-temporal (Spectral-Temporal Response Surface - STRS). Um mapa temático das áreas com soja, oriundo da classificação de imagens Landsat do Estado do Rio Grande do Sul, foi utilizado como referência para auxiliar na orientação da amostragem dos pixels de treinamento e para a comparação dos resultados. Seis imagens compostas do sensor MODIS foram utilizadas para a classificação supervisionada da área de soja por meio do algoritmo de máxima verossimilhança (MAXVER) adaptado ao método STRS. Os resultados foram avaliados pelo coeficiente Kappa para a totalidade da área em estudo e também para uma região de latifúndios e outra de minifúndios. O método STRS subestimou em 6,6% a área de soja para toda a região estudada, sendo que a estatística Kappa foi de 0,503. Para as regiões de latifúndios e minifúndios, a área de soja foi superestimada em 8% (Kappa=0,424) e subestimada em 43,4% (Kappa=0,358), respectivamente. As imagens MODIS, por meio do método STRS, demonstraram ter potencial para classificar a área de soja, principalmente em regiões de latifúndios. Em regiões de minifúndios, a correta identificação e classificação das áreas de soja mostrou-se pouco eficiente em razão da baixa resolução espacial das imagens MODIS.

RESUMO

This paper was aimed at evaluating the potential and the limitations of MODIS images for soybean classification and area estimation through a Spectral-Temporal Response Surface (STRS) method. A soybean thematic map from Rio Grande do Sul State, Brazil, derived from Landsat images was used as reference data to assist both sample training and results comparison. Six 16-day composite MODIS images were classified through a supervised maximum likelihood algorithm (MAXVER) adapted to the STRS method. The results were evaluated using the Kappa coefficient for the entire study area and for one region dominated by large farms and another by small ones. The STRS method underestimated the soybean area by 6.6%, for the entire study area, with a Kappa coefficient of 0.503. For regions with large and small farms the soybean area was overestimated by 8% (Kappa=0.424) and underestimated by 43.4% (Kappa=0.358), respectively. Eventually, MODIS images, through the STRS method, demonstrated good potential to classify and estimate soybean area, mainly in regions with large farms. For regions with small farms the correct identification and classification of soybean areas showed to be less efficient due to the low spatial resolution of MODIS images.

Este trabalho objetivou avaliar o potencial e as limitações das imagens MODIS para classificação e estimativa de área de soja por meio do método de superfície de resposta espectro-temporal (Spectral-Temporal Response Surface - STRS). Um mapa temático das áreas com soja, oriundo da classificação de imagens Landsat do Estado do Rio Grande do Sul, foi utilizado como referência para auxiliar na orientação da amostragem dos pixels de treinamento e para a comparação dos resultados. Seis imagens compostas do sensor MODIS foram utilizadas para a classificação supervisionada da área de soja por meio do algoritmo de máxima verossimilhança (MAXVER) adaptado ao método STRS. Os resultados foram avaliados pelo coeficiente Kappa para a totalidade da área em estudo e também para uma região de latifúndios e outra de minifúndios. O método STRS subestimou em 6,6% a área de soja para toda a região estudada, sendo que a estatística Kappa foi de 0,503. Para as regiões de latifúndios e minifúndios, a área de soja foi superestimada em 8% (Kappa=0,424) e subestimada em 43,4% (Kappa=0,358), respectivamente. As imagens MODIS, por meio do método STRS, demonstraram ter potencial para classificar a área de soja, principalmente em regiões de latifúndios. Em regiões de minifúndios, a correta identificação e classificação das áreas de soja mostrou-se pouco eficiente em razão da baixa resolução espacial das imagens MODIS.

RESUMO

This paper evaluates a sampling square method to estimate soybean crop area in Rio Grande do Sul State, Brazil. A soybean thematic map obtained from multitemporal Landsat images classification for the crop year of 2000/01 was used as reference data. The State area was divided into cells of 1 x 1km and stratified into three soybean area densities (0-20, 20-40 and 40-67%) at municipality level. A probabilistic technique was used to determine four sample rates representing 0.06, 0.12, 0.24 and 0.48% of the study area, being each one randomly sampled one hundred times. The soybean area for each sample was evaluated based on the reference data map. The one hundred estimates for each sample rate were then compared with the reference data for the entire study area. Best results were obtained for the highest sample rate with low Coefficient of Variation (5.2%), indicating that this method is not only suitable to accurate estimate soybean crop area, at State level, but it is also an appropriate alternative for early forecast or when cloud free satellite images are not available. The best three samples for the highest sample rate were selected to estimate soybean area over images acquired in the following crop year (2001/02). In this case, an increment between 11.4 and 12.5% in relation to 2000/01 was observed, indicating that the IBGE estimate (8.8%) is underestimated.

Este trabalho objetivou avaliar um método de amostragem por segmentos regulares na estimativa da área plantada com soja no Estado do Rio Grande do Sul. Um mapa temático das áreas com soja, oriundo da classificação multitemporal de imagens do satélite Landsat, ano-safra 2000/01, foi utilizado como dado de referência para comparação dos resultados. A área de estudo foi dividida em segmentos regulares de 1 x 1km e estratificada em relação ao percentual de soja cultivado no município, em três extratos: a) 0-20; b) 20-40 e c) 40-67%. Um método probabilístico foi utilizado para definir quatro números amostrais, representando 0,06, 0,12, 0,24 e 0,48% da área de estudo, sendo cada um sorteado aleatoriamente cem vezes. A estimativa da área de soja para cada sorteio foi calculada analisando-se a área de cada segmento sorteado sobre o mapa temático e então comparada ao dado de referência. Os melhores resultados foram obtidos para o maior número amostral, o qual teve baixo Coeficiente de Variação (5,2%), indicando que o método, além de fornecer a área plantada com soja, em nível estadual, pode ser usado para prever a área plantada no início da safra ou nos anos em que não se dispõe de imagens de satélite livres de nuvens. Os três melhores sorteios para o maior número amostral tiveram sua área de soja também quantificada através do mapeamento de imagens adquiridas no ano-safra subseqüente (2001/02). Neste caso, foi observado um incremento entre 11,4 e 12,5% em relação ao ano-safra 2000/01, indicando que o incremento informado pelo IBGE (8,8%) está subestimado.

RESUMO

This paper evaluates a sampling square method to estimate soybean crop area in Rio Grande do Sul State, Brazil. A soybean thematic map obtained from multitemporal Landsat images classification for the crop year of 2000/01 was used as reference data. The State area was divided into cells of 1 x 1km and stratified into three soybean area densities (0-20, 20-40 and 40-67%) at municipality level. A probabilistic technique was used to determine four sample rates representing 0.06, 0.12, 0.24 and 0.48% of the study area, being each one randomly sampled one hundred times. The soybean area for each sample was evaluated based on the reference data map. The one hundred estimates for each sample rate were then compared with the reference data for the entire study area. Best results were obtained for the highest sample rate with low Coefficient of Variation (5.2%), indicating that this method is not only suitable to accurate estimate soybean crop area, at State level, but it is also an appropriate alternative for early forecast or when cloud free satellite images are not available. The best three samples for the highest sample rate were selected to estimate soybean area over images acquired in the following crop year (2001/02). In this case, an increment between 11.4 and 12.5% in relation to 2000/01 was observed, indicating that the IBGE estimate (8.8%) is underestimated.

Este trabalho objetivou avaliar um método de amostragem por segmentos regulares na estimativa da área plantada com soja no Estado do Rio Grande do Sul. Um mapa temático das áreas com soja, oriundo da classificação multitemporal de imagens do satélite Landsat, ano-safra 2000/01, foi utilizado como dado de referência para comparação dos resultados. A área de estudo foi dividida em segmentos regulares de 1 x 1km e estratificada em relação ao percentual de soja cultivado no município, em três extratos: a) 0-20; b) 20-40 e c) 40-67%. Um método probabilístico foi utilizado para definir quatro números amostrais, representando 0,06, 0,12, 0,24 e 0,48% da área de estudo, sendo cada um sorteado aleatoriamente cem vezes. A estimativa da área de soja para cada sorteio foi calculada analisando-se a área de cada segmento sorteado sobre o mapa temático e então comparada ao dado de referência. Os melhores resultados foram obtidos para o maior número amostral, o qual teve baixo Coeficiente de Variação (5,2%), indicando que o método, além de fornecer a área plantada com soja, em nível estadual, pode ser usado para prever a área plantada no início da safra ou nos anos em que não se dispõe de imagens de satélite livres de nuvens. Os três melhores sorteios para o maior número amostral tiveram sua área de soja também quantificada através do mapeamento de imagens adquiridas no ano-safra subseqüente (2001/02). Neste caso, foi observado um incremento entre 11,4 e 12,5% em relação ao ano-safra 2000/01, indicando que o incremento informado pelo IBGE (8,8%) está subestimado.

RESUMO

Hyperspectral crop reflectance data are useful for several remote sensing applications in agriculture, but there is still a need for studies to define optimal wavebands to estimate crop biophysical parameters. The objective of this work is to analyze the use of narrow and broad band vegetation indices (VI) derived from hyperspectral field reflectance measurements to estimate wheat (Triticum aestivum L.) grain yield and plant height. A field study was conducted during the winter growing season of 2003 in Campinas, São Paulo State, Brazil. Field canopy reflectance measurements were acquired at six wheat growth stages over 80 plots with four wheat cultivars (IAC-362, IAC-364, IAC-370, and IAC-373), five levels of nitrogen fertilizer (0, 30, 60, 90, and 120 kg of N ha-1) and four replicates. The following VI were analyzed: a) hyperspectral or narrow-band VI (1. optimum multiple narrow-band reflectance, OMNBR; 2. narrow-band normalized difference vegetation index, NB_NDVI; 3. first- and second-order derivative of reflectance; and 4. four derivative green vegetation index); and b) broad band VI (simple ratio, SR; normalized difference vegetation index, NDVI; and soil-adjusted vegetation index, SAVI). Hyperspectral indices provided an overall better estimate of biophysical variables when compared to broad band VI. The OMNBR with four bands presented the highest R² values to estimate both grain yield (R² = 0.74; Booting and Heading stages) and plant height (R² = 0.68; Heading stage). Best results to estimate biophysical variables were observed for spectral measurements acquired between Tillering II and Heading stages.

Dados hiperespectrais de reflectância de culturas agrícolas são úteis para diversas aplicações e ainda existe a necessidade de estudos para definir as melhores bandas para estimar parâmetros biofísicos de culturas. O objetivo deste trabalho é analisar o uso de índices de vegetação (IV) de bandas estreitas e largas obtidas de medidas de reflectância hiperespectral a campo para estimar a produtividade de grãos e a altura de plantas do trigo (Triticum aestivum L.). Um experimento a campo foi conduzido durante a entre safra de 2003 em Campinas, São Paulo, Brasil. Medidas de reflectância foram adquiridas ao longo de seis estádios da cultura em 80 parcelas (quatro cultivares, cinco níveis de adubação nitrogenada e quatro repetições). Os IV testados foram: a) de banda estreita ou hiperespectrais (1. ótima reflectância de múltiplas bandas estreitas, OMNBR; 2. índice de vegetação da diferença normalizada com banda estreita, NB_NDVI; 3. primeira e segunda derivada da reflectância e; 4. quatro índices de derivadas da vegetação verde) e b) de banda larga (razão simples, SR; índice vegetativo da diferença normalizada, NDVI e; índice vegetativo ajustado para solo, SAVI). Os índices hiperespectrais forneceram melhores estimativas quando comparados às estimativas dos IV de banda larga. O índice OMNBR com quatro bandas apresentou os maiores valores de R² para estimar a produtividade de grãos (R² = 0,74; Emborrachamento e Espigamento) e a altura das plantas (R² = 0,68; Espigamento). Os melhores resultados foram observados entre os estádios de Perfilhamento II e Espigamento.

RESUMO

Hyperspectral crop reflectance data are useful for several remote sensing applications in agriculture, but there is still a need for studies to define optimal wavebands to estimate crop biophysical parameters. The objective of this work is to analyze the use of narrow and broad band vegetation indices (VI) derived from hyperspectral field reflectance measurements to estimate wheat (Triticum aestivum L.) grain yield and plant height. A field study was conducted during the winter growing season of 2003 in Campinas, São Paulo State, Brazil. Field canopy reflectance measurements were acquired at six wheat growth stages over 80 plots with four wheat cultivars (IAC-362, IAC-364, IAC-370, and IAC-373), five levels of nitrogen fertilizer (0, 30, 60, 90, and 120 kg of N ha-1) and four replicates. The following VI were analyzed: a) hyperspectral or narrow-band VI (1. optimum multiple narrow-band reflectance, OMNBR; 2. narrow-band normalized difference vegetation index, NB_NDVI; 3. first- and second-order derivative of reflectance; and 4. four derivative green vegetation index); and b) broad band VI (simple ratio, SR; normalized difference vegetation index, NDVI; and soil-adjusted vegetation index, SAVI). Hyperspectral indices provided an overall better estimate of biophysical variables when compared to broad band VI. The OMNBR with four bands presented the highest R² values to estimate both grain yield (R² = 0.74; Booting and Heading stages) and plant height (R² = 0.68; Heading stage). Best results to estimate biophysical variables were observed for spectral measurements acquired between Tillering II and Heading stages.

Dados hiperespectrais de reflectância de culturas agrícolas são úteis para diversas aplicações e ainda existe a necessidade de estudos para definir as melhores bandas para estimar parâmetros biofísicos de culturas. O objetivo deste trabalho é analisar o uso de índices de vegetação (IV) de bandas estreitas e largas obtidas de medidas de reflectância hiperespectral a campo para estimar a produtividade de grãos e a altura de plantas do trigo (Triticum aestivum L.). Um experimento a campo foi conduzido durante a entre safra de 2003 em Campinas, São Paulo, Brasil. Medidas de reflectância foram adquiridas ao longo de seis estádios da cultura em 80 parcelas (quatro cultivares, cinco níveis de adubação nitrogenada e quatro repetições). Os IV testados foram: a) de banda estreita ou hiperespectrais (1. ótima reflectância de múltiplas bandas estreitas, OMNBR; 2. índice de vegetação da diferença normalizada com banda estreita, NB_NDVI; 3. primeira e segunda derivada da reflectância e; 4. quatro índices de derivadas da vegetação verde) e b) de banda larga (razão simples, SR; índice vegetativo da diferença normalizada, NDVI e; índice vegetativo ajustado para solo, SAVI). Os índices hiperespectrais forneceram melhores estimativas quando comparados às estimativas dos IV de banda larga. O índice OMNBR com quatro bandas apresentou os maiores valores de R² para estimar a produtividade de grãos (R² = 0,74; Emborrachamento e Espigamento) e a altura das plantas (R² = 0,68; Espigamento). Os melhores resultados foram observados entre os estádios de Perfilhamento II e Espigamento.

RESUMO

Agrometeorological models interfaced with the Geographic Information System - GIS are an alternative to simulate and quantify the effect of weather spatial and temporal variability on crop yield. The objective of this work was to adapt and interface an agrometeorological model with a GIS to estimate soybean [Glycine max (L.) Merr.] yield. Yield estimates were generated for 144 municipalities in the State of Paraná, Brazil, responsible for 90% of the soybean production in the State, from 1996/1997 to 2000/2001. The model uses agronomical parameters and meteorological data to calculate maximum yield which will be penalized under drought stress. Comparative analyses between the yield estimated by the model and that reported by the Paraná State Department of Agriculture (SEAB) were performed using the "t" test for paired observations. For the 1996/1997 year the model overestimated yield by 10.8%, which may be attributed to the occurrence of fungal diseases not considered by the model. For 1997/1998, 1998/1999 and 1999/2000 no differences (P > 0.05) were found between the yield estimated by the model and SEAB's data. For 2000/2001 the model underestimated yield by 10.5% and the cause for this difference needs further investigation. The model interfaced with a GIS is an useful tool to monitor soybean crop during growing season to estimate crop yield.

Os modelos agrometeorológicos integrados em Sistemas de Informação Geográfica - SIG são uma alternativa para simular e quantificar o efeito da variabilidade espacial e temporal do clima sobre a produtividade agrícola. O objetivo deste trabalho foi adaptar e integrar um modelo agrometeorológico num SIG para estimar a produtividade da soja [Glycine max (L.) Merr.]. Foram geradas estimativas de produtividade para 144 municípios do Estado do Paraná, responsáveis por 90% da produção de soja no Estado, em cinco anos-safra no período de 1996/1997 a 2000/2001. O modelo utiliza parâmetros agronômicos e dados meteorológicos para o cálculo da produtividade máxima, a qual é penalizada quando ocorre estresse hídrico. A análise da comparação entre as estimativas municipais obtidas pelo modelo e aquelas divulgadas pela Secretaria de Estado da Agricultura e do Abastecimento (SEAB) do Paraná foi feita através do teste "t" para pares de observação. No ano safra 1996/1997 o modelo superestimou a produtividade em 10,8% em relação à SEAB, o que pode ser atribuído à ocorrência de oídio, cujo efeito não é considerado no modelo. Nos anos safras de 1997/1998, 1998/1999 e 1999/2000 não foram identificadas diferenças (P > 0,05) entre as estimativas do modelo e da SEAB. Em 2000/2001 a produtividade foi subestimada pelo modelo em 10,5%, sendo que as causas desta diferença precisam ser melhor investigadas. O modelo integrado no SIG mostrou ser uma ferramenta viável para acompanhar a cultura da soja ao longo da estação de crescimento, e estimar a produtividade em municípios do Estado do Paraná.

RESUMO

Agrometeorological models interfaced with the Geographic Information System - GIS are an alternative to simulate and quantify the effect of weather spatial and temporal variability on crop yield. The objective of this work was to adapt and interface an agrometeorological model with a GIS to estimate soybean [Glycine max (L.) Merr.] yield. Yield estimates were generated for 144 municipalities in the State of Paraná, Brazil, responsible for 90% of the soybean production in the State, from 1996/1997 to 2000/2001. The model uses agronomical parameters and meteorological data to calculate maximum yield which will be penalized under drought stress. Comparative analyses between the yield estimated by the model and that reported by the Paraná State Department of Agriculture (SEAB) were performed using the "t" test for paired observations. For the 1996/1997 year the model overestimated yield by 10.8%, which may be attributed to the occurrence of fungal diseases not considered by the model. For 1997/1998, 1998/1999 and 1999/2000 no differences (P > 0.05) were found between the yield estimated by the model and SEAB's data. For 2000/2001 the model underestimated yield by 10.5% and the cause for this difference needs further investigation. The model interfaced with a GIS is an useful tool to monitor soybean crop during growing season to estimate crop yield.

Os modelos agrometeorológicos integrados em Sistemas de Informação Geográfica - SIG são uma alternativa para simular e quantificar o efeito da variabilidade espacial e temporal do clima sobre a produtividade agrícola. O objetivo deste trabalho foi adaptar e integrar um modelo agrometeorológico num SIG para estimar a produtividade da soja [Glycine max (L.) Merr.]. Foram geradas estimativas de produtividade para 144 municípios do Estado do Paraná, responsáveis por 90% da produção de soja no Estado, em cinco anos-safra no período de 1996/1997 a 2000/2001. O modelo utiliza parâmetros agronômicos e dados meteorológicos para o cálculo da produtividade máxima, a qual é penalizada quando ocorre estresse hídrico. A análise da comparação entre as estimativas municipais obtidas pelo modelo e aquelas divulgadas pela Secretaria de Estado da Agricultura e do Abastecimento (SEAB) do Paraná foi feita através do teste "t" para pares de observação. No ano safra 1996/1997 o modelo superestimou a produtividade em 10,8% em relação à SEAB, o que pode ser atribuído à ocorrência de oídio, cujo efeito não é considerado no modelo. Nos anos safras de 1997/1998, 1998/1999 e 1999/2000 não foram identificadas diferenças (P > 0,05) entre as estimativas do modelo e da SEAB. Em 2000/2001 a produtividade foi subestimada pelo modelo em 10,5%, sendo que as causas desta diferença precisam ser melhor investigadas. O modelo integrado no SIG mostrou ser uma ferramenta viável para acompanhar a cultura da soja ao longo da estação de crescimento, e estimar a produtividade em municípios do Estado do Paraná.

RESUMO

During the winter season of 1995 a field experiment was conducted in Piracicaba, SP, Brazil, to analyse the radiation use efficiency ( FONT FACE="Symbol">e /font>) and the harvest index (IC) of the wheat cultivar IAC-287 'YACO', when submitted to drought stress at different growth stages. The experiment was a randomized complete block design with five treatments and three replicates. The drought stress was applied during tillering, booting, grain filling and ripening stages. The radiation use efficiency for fitomass production ( FONT FACE="Symbol">e /font>F) was reduced by 22.8 and 15.4% when compared to the control treatment, for drought stress applied during tillering and booting stages, respectively. The drought stress, when applied during tillering, booting and grain filling stages, reduced the radiation use efficiency for grain production ( FONT FACE="Symbol">e /font>G) by 21.1, 22.2 and 22.2%, respectively, when compared to the control treatment. With regard to the harvest index (IC), the drought stress effect had a major impact on the grain filling stage, being reduced by 19.1% when compared to the control treatment. A less intense reduction of the harvest index, when compared to the control treatment, was also observed, when drought stress was applied during booting (7.5%, p 0.05) and ripening stages (7.9%, p 0.05).

Durante a safra de inverno de 1995 conduziu-se um experimento de campo, em Piracicaba, SP, para analisar a eficiência do uso da radiação ( FONT FACE="Symbol">e /font>) e o índice de colheita (IC) do cultivar de trigo IAC-287 'YACO', quando submetido ao estresse hídrico em diferentes estádios de desenvolvimento da cultura. O delineamento foi em blocos ao acaso com cinco tratamentos e três repetições. O estresse hídrico foi aplicado nas fases de perfilhamento, espigamento, enchimento de grãos e maturação. A eficiência do uso da radiação para produção de fitomassa ( FONT FACE="Symbol">e /font>F) foi reduzida em 22,8 e 15,4% em relação à testemunha, quando o estresse hídrico foi aplicado durante as fases de perfilhamento e de enchimento de grãos, respectivamente. O estresse hídrico, quando aplicado durante as fases de perfilhamento, espigamento e enchimento de grãos, reduziu a eficiência do uso da radiação para a produção de grãos ( FONT FACE="Symbol">e /font>G) em 21,1; 22,2 e 22,2%, respectivamente, em relação à testemunha. Com relação ao IC, o efeito do estresse hídrico foi maior quando aplicado durante o enchimento de grãos, cuja redução em relação à testemunha foi de 19,1%. Uma redução do IC, em relação à testemunha, também foi observada, em menor intensidade, quando o estresse hídrico foi aplicado nas fases de espigamento (7,5%, p 0,05) e de maturação (7,9%, p 0,05).

RESUMO

During the winter season of 1995 a field experiment was conducted in Piracicaba, SP, Brazil, to analyse the radiation use efficiency ( FONT FACE="Symbol">e /font>) and the harvest index (IC) of the wheat cultivar IAC-287 'YACO', when submitted to drought stress at different growth stages. The experiment was a randomized complete block design with five treatments and three replicates. The drought stress was applied during tillering, booting, grain filling and ripening stages. The radiation use efficiency for fitomass production ( FONT FACE="Symbol">e /font>F) was reduced by 22.8 and 15.4% when compared to the control treatment, for drought stress applied during tillering and booting stages, respectively. The drought stress, when applied during tillering, booting and grain filling stages, reduced the radiation use efficiency for grain production ( FONT FACE="Symbol">e /font>G) by 21.1, 22.2 and 22.2%, respectively, when compared to the control treatment. With regard to the harvest index (IC), the drought stress effect had a major impact on the grain filling stage, being reduced by 19.1% when compared to the control treatment. A less intense reduction of the harvest index, when compared to the control treatment, was also observed, when drought stress was applied during booting (7.5%, p 0.05) and ripening stages (7.9%, p 0.05).

Durante a safra de inverno de 1995 conduziu-se um experimento de campo, em Piracicaba, SP, para analisar a eficiência do uso da radiação ( FONT FACE="Symbol">e /font>) e o índice de colheita (IC) do cultivar de trigo IAC-287 'YACO', quando submetido ao estresse hídrico em diferentes estádios de desenvolvimento da cultura. O delineamento foi em blocos ao acaso com cinco tratamentos e três repetições. O estresse hídrico foi aplicado nas fases de perfilhamento, espigamento, enchimento de grãos e maturação. A eficiência do uso da radiação para produção de fitomassa ( FONT FACE="Symbol">e /font>F) foi reduzida em 22,8 e 15,4% em relação à testemunha, quando o estresse hídrico foi aplicado durante as fases de perfilhamento e de enchimento de grãos, respectivamente. O estresse hídrico, quando aplicado durante as fases de perfilhamento, espigamento e enchimento de grãos, reduziu a eficiência do uso da radiação para a produção de grãos ( FONT FACE="Symbol">e /font>G) em 21,1; 22,2 e 22,2%, respectivamente, em relação à testemunha. Com relação ao IC, o efeito do estresse hídrico foi maior quando aplicado durante o enchimento de grãos, cuja redução em relação à testemunha foi de 19,1%. Uma redução do IC, em relação à testemunha, também foi observada, em menor intensidade, quando o estresse hídrico foi aplicado nas fases de espigamento (7,5%, p 0,05) e de maturação (7,9%, p 0,05).