Prediction of soybean grain yield loss due to weeds infestation using relative leaf variables

O desenvolvimento de modelos que visam prever os danos causados pela infestação de plantas daninhas no rendimento de grãos das culturas agrícolas inclui a identificação de variáveis explicativas e de modelos matemáticos apropriados para estimar esses danos. O objetivo deste trabalho foi ajustar modelos matemáticos com a inclusão de uso de variáveis foliares relativas, integrando parâmetros alternativos, na quantificação das perdas de rendimento de grãos de soja causadas pela infestação das plantas daninhas por picão-preto (Bidens spp.) e guanxuma (Sida rhombifolia). Foram realizados experimentos em campo, utilizando-se épocas de semeadura da soja após a dessecação da cobertura vegetal e densidades de picão-preto ou guanxuma como fatores, além de bioensaios com soja em monocultura e em associação com picão-preto ou guanxuma. Em campo, avaliaram-se as áreas e coberturas foliares das plantas daninhas e da cultura 20 dias após a emergência (DAE) da soja. Nos bioensaios, avaliou-se a massa seca da soja aos 60 DAE. A inclusão de um segundo parâmetro (m) no modelo da hipérbole retangular, que limita a perda máxima de rendimento, melhora os ajustes do modelo quando se utilizam área ou cobertura foliar relativas como variáveis explicativas. Parâmetros obtidos em bioensaios podem ser integrados com dados de campo, o que auxilia a predição das perdas de rendimento de grãos de soja causadas pela infestação de plantas daninhas.The development of models that can provide early estimates of crop grain yield losses caused by weed infestation involves identifying explicative variables and mathematical models suited to characterize such losses. The aim of this research was to adjust mathematical models including relative leaf variables, by integrating alternative parameters to quantify losses in soybean grain yield due to the interference of beggarticks (Bidens spp.) and arrowleaf sida (Sida rhombifolia) infestation. Field experiments were carried out using soybean seeding times after plant cover desiccation and beggarticks and arrowleaf densities as main factors as well as bioassays using soybean in monoculture and in association with beggarticks or arrowleaf. Field trials evaluated crop and weed relative leaf area and soil coverage 20 days after soybean emergence (DAE). The bioassays evaluated soybean dry matter 60 DAE. Inclusion of a second parameter (m) in the rectangular hyperbolic model, which limits yield maximum loss, improves model fitting when relative leaf area or soil coverage are used as explicative variables. Bioassay parameter estimates can be integrated with field data, improving prediction of soybean grain yield losses due to weed infestations