Estado nutricional, predição e impacto de multivariáveis na produtividade e qualidade de frutos de macieiras

Abstract

O cultivo de maçãs no estado de Santa Catarina (SC) é uma atividade relevante para o mercado nacional. Essa relevância impulsionou esta pesquisa, que tem como principal objetivo determinar níveis críticos (NC) e faixas de suficiência (FS) de nutrientes em folhas de macieiras, visando produtividade e menor taxa de perda de firmeza de frutos, e variáveis com maior influência na produtividade de frutos de maçã. Para isto, três estudos complementares foram desenvolvidos, com um banco de dados inicial de mais de dez mil (10.179) observações, coletados no período de 2006 a 2021 (16 safras). Os dados foram disponibilizados para esta pesquisa por uma cooperativa de produtores de maçãs da região meio-oeste de SC, abrangendo os municípios de Fraiburgo, Lebon Régis, Santa Cecília e Monte Carlo. O banco de dados continha informações de produtividade anual de frutos, de teores foliares de nutrientes (N, P, K, Ca, Mg, Fe, Mn, Cu, Zn e B), de taxa de perda de firmeza dos frutos após armazenamento, de plantas (vigor do porta-enxerto e se em plena produção ou não), de variáveis climáticas (temperaturas mínima, média e máxima, precipitação média acumulada, horas de frio e unidades de frio) e de variáveis de solo dos pomares (teores de P, K, Ca, Mg, soma de bases, saturação por bases, capacidade de troca de cátions, pH em água e matéria orgânica). O primeiro estudo buscou gerar índices de balanço nutricional por meio dos métodos DRIS (Diagnosis and Recommendation Integrated System) e CND (Compositional Nutrient Diagnosis), bem como níveis críticos e faixas de suficiência de nutrientes em folhas visando altas produtividades. O segundo estudo buscou gerar índices de balanço nutricional por meio do método CND, bem como níveis críticos e faixas de suficiência de nutrientes em folhas visando a qualidade de frutos (menor taxa de perda de firmeza de frutos). O terceiro estudo buscou identificar os fatores que mais impactam a produtividade da macieira e, a partir deles, gerar um modelo preditivo da produtividade para a frutífera. As metodologias DRIS e CND permitiram a identificação do estado nutricional dos pomares de macieira e, também, a influência do balanço nutricional dos pomares analisados na variação da produtividade de maçãs. Os níveis críticos e faixas de suficiência de nutrientes em folhas, visando alta produtividade, determinados pelo método CND obtiveram melhor ajuste que os estabelecidos pelo DRIS e, por isso, foram recomendados para uso. A metodologia CND, visando qualidade de frutos, permitiu identificar a importância do balanço nutricional na menor taxa de perda de firmeza de frutos pós armazenamento. As variáveis climáticas, quando avaliadas separadamente, foram as que tiveram maior impacto na produtividade de frutos, com destaque para horas de frio, unidades de frio, temperatura mínima e precipitação. Um dos modelos preditivos propostos para estimar a produtividade foi considerado adequado, apresentando bom ajuste (R² = 0,70 e RMSE = 6,05). As variáveis preditoras mais importantes para a explicação da variação da produtividade de maçãs no melhor modelo foram: idade da planta, horas de frio, precipitação, concentrações de K, Mg, Ca, e P no solo, capacidade de troca de cátions e teores de Mg, Ca, P, K e N nas folhas.

Abstract: The cultivation of apples in Santa Catarina (SC) state, Brazil, is a relevant activity for the national market. This relevance supported this research, which aims to determine critical levels (CL) and sufficiency ranges (SR) of nutrients in apple tree leaves, to achieve higher yields and lower fruit firmness loss rate. Additionally, the study aims to identify the variables that most influence apple yield. To address these goals, three complementary studies were developed, with an initial database of more than ten thousand (10,179) observations, collected from 2006 to 2021 (16 harvests). The data were made available for this research by a cooperative of apple producers in the mid-west region of SC, covering the municipalities of Fraiburgo, Lebon Régis, Santa Cecília, and Monte Carlo. The database contained information on annual fruit yield, leaf nutrient contents (N, P, K, Ca, Mg, Fe, Mn, Cu, Zn and B), rate of fruit firmness loss after storage, rootstock vigor and plants in full production or not, climatic variables (minimum, average and maximum temperatures, average accumulated precipitation, chilling hours and chilling units) and orchard soil variables (P, K, Ca, Mg contents, sum of bases, base saturation, cation exchange capacity, pH in water and organic matter). The first study focuses on generating nutritional balance indexes using the DRIS (Diagnosis and Recommendation Integrated System) and CND (Compositional Nutrient Diagnosis) methods, alongside determining critical levels and sufficiency ranges of nutrients in leaves for high yields. The second study aimed to develop nutritional balance indexes using the CND method, and the critical levels and sufficiency ranges of nutrients in leaves focusing on fruit quality (lower fruit firmness loss rate). The third study sought to identify the factors that most influence apple tree yield and, based on them, to develop a predictive yield model for the crop. The DRIS and CND methodologies allowed the identification of the nutritional status of apple orchards and the influence of the nutritional balance of the orchards analyzed on the apple yield variation. The critical levels and sufficiency ranges of leaf nutrients targeting higher yield, as determined by the CND method, showed a better fit than those established by DRIS, and are therefore recommended for use. Focused on fruit quality, the CND method highlighted the importance of nutritional balance in determining the lowest rate of fruit firmness loss after storage. When evaluated separately, the climatic variables had the greatest impact on fruit yield, particularly the chill hours, chilling unit, minimum temperature, and precipitation. One of the proposed predictive yield models was considered proper, presenting a good fit (R² = 0.70 and RMSE = 6.05). The most important predictive variables to explain the variation in apple yield in the best model were plant age, chill hours, precipitation, soil contents of K, Mg, Ca, and P, cation exchange capacity, and leaf contents of Mg, Ca, P, K, and. N.