Introdução
De acordo com o último levantamento de grãos (janeiro de 2021) da Companhia Nacional do Abastecimento (CONAB), a safra de soja do ano de 2020 atingiu o marco de 133.692,3 mil t, cerca de 7,1 % a mais em comparação ao ano anterior, além de ter um aumento estimado de 3,6 % na produtividade (3.500 kg.ha-1). Nesta safra de 2019/20, flutuações na disponibilidade hídrica foram sentidas em boa parte do país e, especificamente no Rio Grande do Sul, onde longos períodos de estiagem puderam ser vistos nas diferentes regiões produtoras. O déficit hídrico é o mais importante e frequente estresse que afeta a cultura da soja (BALARDIN et al., 2011).
De acordo com Correia et al. (2018), as secas severas no período vegetativo são menos prejudiciais quando comparadas à fase reprodutiva, pois, caso ocorra estiagem na fase de desenvolvimento vegetativo, a população de plantas sofrerá com o desenvolvimento assimétrico, comprometendo a área foliar e o rendimento de grãos. Ainda de acordo com estes autores, quando a deficiência hídrica ocorre na fase reprodutiva, principalmente no período de enchimento de grãos, ocorrem alterações fisiológicas na planta e consequente fechamento de estômatos, tendo como consequência o abortamento das vagens, o que reduz significativamente a produtividade.
Atualmente, diversos estudos sobre substâncias orgânicas que tenham o potencial de reduzir danos por estresses bióticos e abióticos vêm sendo realizados, e os resultados são promissores. Uma alternativa para auxiliar as plantas na superação de estresses abióticos é a utilização de fertilizantes que também estimulam o metabolismo vegetal (FEMV), já que podem atuar como incremento hormonal e nutricional devido a presença de aminoácidos, extratos de algas, ácidos húmicos e fúlvicos etc. Os FEMV são fornecidos em pequenas quantidades e, além de nutrientes, melhoram a capacidade das plantas em suportar diversos tipos de estresses bióticos e abióticos (CARVALHO – TIRAR)
Os aminoácidos são compostos essenciais às plantas, apresentando diversas funções. Talvez o principal e mais importante efeito dos aminoácidos seja o de o de sinalizador de estresses, fazendo com que as plantas desencadeiem rotas de defesa a estas condições indesejáveis e prejudiciais. A aplicação de aminoácidos mostrou-se ser eficaz para aumentar a biomassa de plantas de milho, maior proteção contra estresse biótico e abiótico, sendo possível declarar que, as plantas demonstraram um maior potencial no incremento de grãos (HALPERN et al., 2015, citados por CAMPOS et al., 2020).
Com base no que foi exposto, o objetivo do trabalho foi avaliar a eficiência de tratamentos via foliar na eficiência metabólica e produtividade da cultura da soja submetidas a condições de estresse.
Experimento
O experimento foi realizado no município de Cruz Alta, RS, na localidade de Urupu, pela Physioatac Consultoria, sob responsabilidade do engenheiro agrônomo MSc. Gabriel Schaich. O delineamento experimental empregado foi o de blocos ao acaso com 9 tratamentos + controle, com 8 repetições cada. A semeadura foi realizada em área de sistema de plantio direto consolidado seguindo a rotação de cultura nabo – milho – aveia-preta – soja, com a cultivar BMX Zeus IPRO, em novembro de 2019.
Os tratamentos utilizados neste experimento estão detalhados na tabela 1. O estresse abiótico foi induzido com a aplicação do herbicida de contato Lactofen (700 mL.ha-1), na fase fenológica de R2. Após 5 dias da identificação visual dos sintomas de fitotoxidez, os manejos de recuperação (tratamentos) foram aplicados via foliar, com pulverizador costal elétrico FT-16S YAMAHO.
Table 1. Descrição dos tratamentos utilizados no ensaio. Estação experimental Physioatac Consultoria, safra 2019-2020. Cruz Alta – RS.
Treatment | Product | Enterprise | Dose* (g ou mL. ha-1) |
1 | Control | ||
2 | Product 1 | Concorrente 1 | ** |
3 | Product 2 | Concorrente 2 | ** |
4 | Product 3 | Concorrente 3 | ** |
5 | Product 4 | Concorrente 4 | ** |
6 | Ilsamin Expression | ILSA Brasil | 2000 |
7 | Ilsamin Agile | ILSA Brasil | 2000 |
8 | Produto 5 | Concorrente 5 | ** |
9 | Produto 6 | Concorrente 6 | ** |
10 | Produto 7 | Concorrente 7 | ** |
* produtos aplicados na fase de R2, 5 dias após fitotoxidez induzida por Lactofen.
** as doses aplicadas foram as recomendadas pelos fabricantes
Na fase fenológica de enchimento de grãos (R5.5), com o auxílio de um sensor multiespectral MicaSense RedEdge, capaz de realizar capturas em cinco bandas distintas do espectro eletromagnético visível (azul, verde, vermelho) e invisível (Red-Edge e infravermelho próximo), foram avaliados os seguintes índices vegetativos: índice foliar verde (GLI), índice de vegetação da diferença normalizada pelo Red-Edge (NDRE), índice de vegetação por diferença normalizada verde (GNDVI) e índice de vegetação normalizada pelo vermelho (NDVI); além da produtividade, onde cada repetição foi avaliada individualmente com relação ao peso e umidade (os resultados apresentam a produtividade com umidade de grãos ajustada para 13 %).
Results and discussion
Índices espectrais de vegetação ou simplesmente índices vegetativos, têm sido utilizados para monitorar a cobertura vegetal de lavouras em escala comercial e local, e funcionam como uma espécie de Raio-X da lavoura. Tais índices são combinações de dados espectrais selecionados com o objetivo de sintetizar e isolar erros humanos em avaliações biofísicas. Os principais índices de vegetação conhecidos são obtidos através de uma combinação de valores de reflectância ou de radiância da vegetação em duas faixas de comprimento de onda, visível (350-700 nm) e infravermelho (730-1.100 nm) (ALMEIDA et al., 2005). Maiores valores de leitura estão relacionados com maiores índices de área foliar, sanidade, retenção de folhas do terço inferior e eficiência fotossintética conforme o comprimento de onda avaliado (PONZONI, 2001). Os dados são apresentados na tabela 2 e complementados nas figuras 1, 2, 3, 4 e 5.
Table 2. Comparativo de médias de índices vegetativos e produtividade. Estação experimental Physioatac Consultoria, safra 2019-2020. Cruz Alta – RS.
Trat | Código | GLI | NDRE | GNDVI | NDVI | Produtividade (sc.ha-1) |
1 | Control | 0,462 | 0,587 | 0,846 | 0,933 | 75,49 |
2 | Product 1 | 0,463 | 0,589 | 0,847 | 0,934 | 73,81 |
3 | Product 2 | 0,464 | 0,598 | 0,851 | 0,936 | 75,06 |
4 | Product 3 | 0,453 | 0,608 | 0,855 | 0,936 | 76,64 |
5 | Product 4 | 0,459 | 0,592 | 0,847 | 0,933 | 65,42 |
6 | Ilsamin Expression | 0,460 | 0,594 | 0,849 | 0,934 | 74,56 |
7 | Ilsamin Agile | 0,455 | 0,601 | 0,853 | 0,936 | 80,68 |
8 | Produto 5 | 0,468 | 0,598 | 0,850 | 0,937 | 81,27 |
9 | Produto 6 | 0,470 | 0,595 | 0,850 | 0,937 | 74,78 |
10 | Produto 7 | 0,465 | 0,595 | 0,850 | 0,936 | 74,08 |
Average | 0,462 | 0,596 | 0,850 | 0,935 | 75,18 |
Ao observar os valores de GLI (tabela 2; figura 1), é possível constatar que valores menores foram encontrados nos tratamentos 4 e 7, o que indica maior intensidade de degradação de clorofila, que, pela fase avaliada, reflete uma antecipação na translocação de nitrogênio para os grãos e neste sentido, atua de forma positiva no enchimento de grãos, refletindo em maior produtividade (tabela 2; figura 5). Vicari et al. (2015) observaram que o índice GLI apresentou também alta correlação com a produtividade em um ensaio com plantas de canola.
Para a variável NDRE (tabela 2; figura 2), os maiores valores foram encontrados, respectivamente, nos tratamentos 4 e 7, o que demonstra maior eficiência na dissipação de energia solar não aproveitável (infravermelho próximo), bem como maior residual de estruturas ligadas à clorofila no terço inferior das plantas, refletindo em ganho de biomassa geral (GNDVI), índice demonstrado na tabela 2 e figura 3. Este resultado corrobora com dados obtidos por Groff et al. (2013), onde foi constatado que o GNDVI apresentou correlação com produtividade de grãos em soja.
Ao estudar o padrão espectral de cultivares de soja por meio do NDVI, Lima (2014) constatou que existe uma boa correlação entre o índice NDVI e o índice de área foliar (IAF), podendo, deste modo, serem utilizados para o monitoramento da cultura da soja através de técnicas remotas. Ao analisarmos este índice (tabela 2, figura 4), é possível observar uma proximidade maior entre as leituras, fato que pressupõe indício de “saturação” do índice, onde em função da massa vegetativa abundante, o resultado da eficiência metabólica neste índice fica comprometido, sendo assim necessário avaliar os demais índices vegetativos em conjunto.
Figura 1. Índice foliar verde (GLI). Estação experimental Physioatac Consultoria safra 2019-2020. Cruz Alta – RS.
Figura 2. Índice de vegetação por diferença normalizada pelo Red-Edge (NDRE). Estação experimental Physioatac Consultoria safra 2019-2020. Cruz Alta – RS.
Figure 3. Índice de vegetação por diferença normalizada verde (GNDVI). Estação experimental Physioatac Consultoria safra 2019-2020. Cruz Alta – RS.
Figura 4. Índice de vegetação da diferença normalizada pelo vermelho (NDVI). Estação experimental Physioatac Consultoria safra 2019-2020. Cruz Alta – RS.
Para a variável produtividade, a média do ensaio foi de 75,18 sc.ha-1 ou 4.510,8 kg.ha-1 (tabela 2). Os tratamentos 8, 7 e 4 obtiveram melhores resultados (figura 5), com incrementos de 7,65%, 6,87% e 1,52% respectivamente. Esses valores validam os resultados obtidos através dos parâmetros vegetativos analisados. A alta produtividade após a indução do estresse pode ser explicada pela atuação das substâncias indutores da ativação de mecanismos de defesa da planta presentes nos fertilizantes e que resultam no aumento da tolerância a condições ambientais, pois melhoram a eficiência nutricional das plantas, aumentam a eficiência dos mecanismos de defesa, das atividades fisiológicas, do uso da água, na síntese de metabolitos essenciais e no crescimento da parte aérea e sistema radicular promovendo maior produtividade e produtos finais com mais qualidade (DU JARDIN et al., 2015; citados por ROSA, 2020).
Figura 5. Representação gráfica da produtividade final. Estação experimental Physioatac Consultoria safra 2019-2020. Cruz Alta – RS.
Conclusion
Com base nos resultados obtidos e aqui apresentados, é possível concluir que foram encontradas diferenças importantes na melhoria do metabolismo vegetal quantificadas pelos parâmetros índices vegetativos NDRE, GLI e produtividade, com destaque para os tratamentos 4, 7 (Ilsamin Agile) e 8.
Bibliographic References
Acompanhamento da Safra Brasileira de grãos – 4º Levantamento (2020/21). Companhia Nacional do Abastecimento – CONAB
ALMEIDA, T.S. de; FONTANA, D.C.; MARTORANO, L.G.; BERGAMASCHI, H. Índices de vegetação para a cultura da soja em diferentes condições hídricas e de sistema de manejo do solo. Anais XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, p. 17-24, 2005.
BALARDIN, R.S.; DA SILVA, F.D.L.; DEBONA, D.; DALLA CORTE, G.; DALLA FAVERA, D.; TORMEN, N.R. Tratamento de sementes com fungicidas e inseticidas como redutores dos efeitos do estresse hídrico em plantas de soja. Rural Science, Santa Maria, v.41, p.1120-1126, 2011.
CAMPOS et al. Uso de bioestimulantes no incremento da produtividade de grãos. Revista Agrotecnologia, Ipameri, v.11, n.1, p.9-15, 2020.
CARVALHO et al. Influência de bioestimulantes na germinação e desenvolvimento de plântulas de Phaseolus vulgaris sob restrição hídrica. Revista de Ciências Agrárias, v. 36, p. 199-205, 2013.
CORREIA, A.R. et al. Efeito do estresse hídrico nas fases vegetativa e reprodutiva da soja sobre o rendimento de grãos. In: XIII JORNADA ACADÊMICA DA EMBRAPA SOJA, Londrina. Resumos expandidos. Londrina: Embrapa Soja, p. 242-247, 2018.
DU JARDIN, P. Plant biostimulants: definition, concept, main cateogories and regulation. Scientia Horticulturae, v. 196, p. 3-14, 2015.
GROFF, E.C. et al. Características agronômicas associadas com índices de vegetação medidos por sensores ativos de dossel na cultura da soja. Semina: Ciências Agrárias, Londrina, v. 34, n. 2, p. 517-526, 2013.
HALPERN, M.; BAR-TAL, A.; OFEK, M.; MINZ, D.; MULLER, T.; YERMIYAHU, U. Chapter Two – The Use of Biostimulants for Enhancing Nutrient Uptake. In: SPARKS, D. L. (Ed.). Advances in Agronomy: Academic Press, v.130, p.141- 174, 2015.
LIMA, P.H.P. Padrão espectral de cultivares de soja por meio de perfis temporais do índice de vegetação por diferença normalizada (NDVI). UNIONESTE, Cascavel, 67 p. 2014 (Dissertação).
PONZONI, F.J. Comportamento espectral da vegetação. In. Sensoriamento Remoto – Refletância dos alvos naturais. Brasília: UnB, EMBRAPA, 2001.
ROSA, V. do R. Ação de bioestimulantes na mitigação do estresse por deficiência hídrica em soja. Universidade Estadual Paulista – UNESP. 2020. 101p. (Tese de doutorado)
VICARI, M.B. et al. Avaliação de resposta de índices de vegetação aos parâmetros biofísicos da canola. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR, João Pessoa-PB, Brasil, 25 a 29 de abril de 2015, INPE.
Authors
- Agricultural Eng. Msc. Aline Tramontini dos Santos
- Agricultural Eng. Msc. Carolina Custodio Pinto
- Agricultural Eng. Msc. Thiago Stella de Freitas