Estimation of soybean leaf wetness from meteorological variables

5Citations
Citations of this article
8Readers
Mendeley users who have this article in their library.

Abstract

O objetivo deste trabalho foi determinar modelos para estimativa da percentagem de molhamento foliar em três alturas no dossel da soja (Glycine max), a partir de variáveis meteorológicas de estações instaladas na cultura e em posto agrometeorológico. O experimento foi conduzido em três safras agrícolas, em área com cultura de soja, no Município de Londrina, PR. Para a coleta das variáveis meteorológicas, foram instaladas árvores eletrônicas com sensores de molhamento, em quatro alturas (0,3, 0,6, 0,9 e 1,7 m), na cultura e uma estação em posto agrometeorológico. Separaram-se os dados de dias com e sem chuva, e realizaram-se as análises de correlação e de regressões simples e múltipla, para obter modelos com equações de estimativa de molhamento. A maioria das equações que não utilizou os dados dos sensores instalados a 1,7 m, principalmente as dos modelos baseados apenas nas variáveis do posto agrometeorológico, apresentou baixa confiabilidade. Os modelos obtidos a partir de dados meteorológicos unicamente da cultura de soja apresentam alta confiabilidade e utilizam menor quantidade de variáveis, o que os torna boa alternativa para estimativa de molhamento.

References Powered by Scopus

Asian soybean rust in Brazil: Past, present, and future

148Citations
N/AReaders
Get full text

Suitability of relative humidity as an estimator of leaf wetness duration

128Citations
N/AReaders
Get full text

Development and validation of an empirical model to estimate the duration of dew periods

95Citations
N/AReaders
Get full text

Cited by Powered by Scopus

Approaches for the prediction of leaf wetness duration with machine learning

5Citations
N/AReaders
Get full text

Estimation model of cucumber leaf wetness duration considering the spatial heterogeneity of solar greenhouse

4Citations
N/AReaders
Get full text

Prediction of daily leaf wetness duration using multi-step machine learning

2Citations
N/AReaders
Get full text

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Cite

CITATION STYLE

APA

Igarashi, W. T., e Silva, M. A. de A., de França, J. A., Igarashi, S., & Saab, O. J. G. A. (2018). Estimation of soybean leaf wetness from meteorological variables. Pesquisa Agropecuaria Brasileira, 53(10), 1087–1092. https://doi.org/10.1590/S0100-204X2018001000001

Readers' Seniority

Tooltip

Professor / Associate Prof. 2

50%

PhD / Post grad / Masters / Doc 2

50%

Readers' Discipline

Tooltip

Agricultural and Biological Sciences 5

71%

Engineering 2

29%

Save time finding and organizing research with Mendeley

Sign up for free