MORFOFISIOLOGIA E MÉTODOS DE PREDIÇÃO DE VARIÁVEIS PRODUTIVAS DO CAPIM-BRAQUIÁRIA PASTEJADO POR OVINOS

RESUMO

O pasto é o principal meio de alimentação dos rebanhos que ofertam carne e leite à população mundial. No entanto, o processo de monitoramento desta biomassa não tem sido eficiente, não havendo metodologias que consigam diagnosticar com precisão a condição do dossel, refletindo, assim, nas baixas produtividades dos rebanhos criados e perenidade da espécie forrageira utilizada. Diante disso, objetivou-se avaliar as características fisiológicas, estruturais e fisiológicas da espécie Brachiaria decumbens cv. Basilisk, manejada sob duas frequências e duas intensidades de desfolhação, e diante desses manejos, aplicar distintas metodologias de monitoramento da condição do pasto, gerando e validando modelos que contemplassem as características descritas, sendo capazes de serem aplicadas a nível de propriedade, contribuindo no processo de gerenciamento dos sistemas de produção. No primeiro capítulo, caracterizou-se as respostas fisiológicas, estruturais e produtivas do capim-braquiária em reflexo de quatro distintos manejos, com base na interceptação luminosa (IL) de 85% e 95% e do índice de área foliar residual de 1,3 e 1,8 (IAFr). Observou-se maior produção de biomassa de forragem total (BFT) quando o dossel foi manejado na menor frequência de desfolha (95% IL), o que se refletiu no maior índice de vegetação por diferença normalizada (NDVI) do dossel. No entanto, as variáveis fisiológicas (principalmente taxa de fotossíntese) foram afetadas de forma negativa pela maior frequência de desfolha (85% IL). No segundo capítulo, diferentes formas de quantificar a altura do dossel foram utilizadas, sendo para isso realizadas análises de correlação de Pearson (associação) e trilha (causa/efeito), com variáveis fisiológicas, estruturais e produtivas nas distintas condições (residual e pré-pastejo) do dossel. Os métodos da Altura do dossel (AD), índice de área foliar (IAF), altura ponderada 1 (AP1) e altura ponderada 8 (AP8), foram os mais eficientes em predizer a BFT e a taxa de fotossíntese foliar, porém observou-se diferentes coeficientes angulares e interceptos provenientes dos modelos lineares de calibração encontrados. No terceiro capítulo, foram desenvolvidos modelos não lineares simples e múltiplos, calibrados e validados, utilizando a relação existencial proveniente da correlação de Spearman e análise de trilha, entre AD, IAF e NDVI, de forma a predizer a BFT e a biomassa de lâmina foliar verde (BLV). Entre os modelos estudados para predição da BFT e BLV, os exponenciais utilizando o NDVI, e potência utilizando IAF e altura, foram os que apresentaram melhor ajuste. Na etapa de validação, os modelos relacionados com a altura apresentaram as maiores performances índice-d de 0,9531 (BFT) e 0,9638 (BLV); viés de -2,3 (BFT) e -7,20 (BLV); e R² de 0,8532 (BFT) e 0,8932 (BLV). Quando o sistema de produção objetivar um maior ganho por animal, o capim-braquiária deve ser manejado com frequência de 85% de IL com IAFr de 1,8, ou NDVI de 0,49 e 0,85, respectivamente, caso contrário, se a meta for ganho por área, a frequência de desfolhação deve ser de 95% IL associado a 1,3 de IAFr, ou NDVI de 0,44 e 0,88, respectivamente. Os métodos AD e NDVI apresentam boa eficiência na predição da BFT e BLV. O método AD é recomendado para menores áreas, enquanto o NDVI, para áreas maiores.

ABSTRACT

Pasture is the main way of feeding herds that offer meat and milk to the world population. However, processes of monitoring this biomass have not been effective as there are no methodologies that can precisely diagnose the condition of the canopy. Because of this, there has been a lack of productivity in domestic herds and a perenniality of the utilized forage species. For that reason, this thesis aims to evaluate the physiological and structural characteristics of the species Brachiaria decumbens cv. Basilisk managed under two frequencies and two defoliation intensities. The study also applies different methodologies of pasture condition monitoring which generates and validates models that provide the described characteristics. This effort aims to achieve an application at a property level that contributes to the management process of production systems. In the first chapter of this research, physiological, structural, and productive responses of the signal grass species were characterized in four different procedures based on rates of 85% and 95% of Light Interception (LI), as well as on the rates of 1.3 and 1.8 of Residual Leaf Area Index (RLAI). A larger production of Total Forage Biomass (TFB) was observed when the canopy was managed in the lowest defoliation frequency (95% of LI), which indicated a larger Normalized Difference Vegetation Index (NDVI) of the canopy. Nevertheless, physiological variables (especially photosynthesis index) were negatively affected by the greater defoliation frequency (85% of LI). In the second chapter, different forms of quantifying the height of the canopy were used. Hence Pearson correlation analysis (association) and trail (cause/effect) with physiological, structural, and productive variables were analyzed in different (residual and pre-grazing) conditions of the canopy. Canopy height (CHeigh) methods such as Leaf Area Index (LAI), weighted height 1 (WH1), and weighted height 8 (WH8) were the most efficient in predicting TFB and leaf photosynthetic rates. Nonetheless, distinct angular coefficients and intercepts from the calibration linear models were found. In the third chapter, some calibrated, validated, simple, and multiple non-linear models were developed regarding the existential relation from the Spearman correlation and trail analysis among CH, LAI, and NDVI to predict TFB and Green Leaf Lamina Biomass (GLLB). Among the models that were used for predicting TFB and GLLB, the exponential one using NDVI as well as the potential model using LAI and height were the ones that better fitted. In the validation phase, models related to height demonstrated the greater performances d-index of 0.9531 (TFB) and 0.9638 (GLLB); bias of -2.3 (TFB) and -7.20 (GLLB); R² of 0.8532 (TFB) and 0.8932 (GLLB). When the product system aims for a larger gain per animal, signal grass must be managed with a frequency of 85% of LI with an RLAI rate of 1.8 or NDVI rates of 0.49 and 0.85, respectively. On the other hand, if the system aims for a gain per area, the defoliation frequency must be 95% of LI associated with an RLAI rate of 1.3 or NDVI rates of 0.44 and 0.88, respectively. The CH and NDVI methods offered good efficiency in predicting TFB and GLLB. CH is recommended to smaller areas while NDVI is efficient in larger ones.