| |
|
|
|
Registro completo
|
|
Biblioteca (s) : |
INIA Las Brujas. |
|
Fecha : |
23/06/2023 |
|
Actualizado : |
10/07/2023 |
|
Tipo de producción científica : |
Serie Técnica |
|
Autor : |
TERRA, J.A.; MARTÍNEZ, S.; VILLALBA, C.; MESONES, B. (Ed.). |
|
Afiliación : |
JOSÉ ALFREDO TERRA FERNÁNDEZ, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; SEBASTIÁN MARTÍNEZ KOPP, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; CLARA VILLALBA CLAVIJO, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; BELKY YANEL MESONES PEREIRA, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay. |
|
Título : |
Arroz 2022. |
|
Fecha de publicación : |
2023 |
|
Fuente / Imprenta : |
Montevideo (UY): INIA, 2023, 69 p. http://doi.org/10.35676/INIA/ST.264 |
|
Páginas : |
73 p. |
|
Serie : |
(INIA Serie Técnica; 264). |
|
ISBN : |
eISBN: 978-9974-38-485-9 |
|
ISSN : |
1688-9266 |
|
DOI : |
10.35676/INIA/ST.264 |
|
Idioma : |
Español |
|
Contenido : |
Esta serie técnica resume varios avances de investigación en el cultivo de arroz en el marco de una segunda zafra consecutiva que supera las 9 t/ha. Esta publicación refleja los contenidos de las presentaciones brindadas en los cuatro módulos de la jornada "Tecnologías para sostener la alta productividad", realizada el 30 de agosto de 2022 en INIA Treinta y Tres (http://www.inia.uy/estaciones-experimentales/direcciones-regionales/inia-treinta-y-tres/Jornada-de-Arroz-2022 ). La publicación incluye también información generada por proyectos conjuntos o en acuerdos con otras instituciones como el Laboratorio Tecnológico del Uruguay (LATU), la Asociación Cultivadores de Arroz (ACA), la Gremial de Molinos Arroceros (GMA), el Fondo Latinoamericano para Arroz de Riego (FLAR), la Agencia Nacional de Investigación de Innovación (ANII), la Universidad de la República (UDELAR) y empresas privadas. En 2021-2022 se consolidó una buena zafra en términos productivo-económicos y
de área sembrada que fue la segunda en importancia de producción total en la historia del país. ----- CONTENIDO: 1.- Indicadores tecnológicos-productivos. Zafra arrocera 2021-2022. -- 2.- SLI09193: pautas para su manejo agronómico. -- 3.- SLI09193: respuesta a fechas de siembra. -- 4.- Productividad y respuesta a nitrógeno del cultivo de arroz sobre leguminosas invernales e instaladas luego de laboreos de verano. -- 5.- Respuesta al control químico de enfermedades de tallo y vaina en INIA Cuareim (SLI09197). -- 6.- Oportunidades y desafíos para reducir brechas de rendimiento en el cultivo de arroz en Uruguay. -- 7.- SLI09193: nueva variedad Índica de alto rendimiento. -- 8.- Evaluación de cultivares resistentes a las Imidazolinonas en ensayos de fajas. -- 9.- Caracterización de la interacción genotipo por ambiente del rendimiento en el Programa de Mejoramiento Genético de Arroz de INIA. -- 10.- Predicción genómica del rendimiento de arroz usando normas de reacción frente a variables climáticas. -- 11.- Intensificación y sostenibilidad: buscando el equilibrio en las rotaciones arroceras. Parte 1: carbono orgánico del suelo. -- 12.- Intensificación y sostenibilidad: buscando el equilibrio en las rotaciones arroceras. Parte 2: estabilidad productiva, económica y ambiental. -- 13.- Intensificación sostenible para una mayor producción mundial de arroz Uruguay en el contexto internacional. -- 14.- Nuevos cultivares de arroz en validación zafra 2021-2022- -- 15.- +Arroz +Margen transferencia de tecnología para reducir brechas de rendimientos y mejorar ingresos de la producción arrocera. Resumen zafra 2021-2022.?16.- +Arroz +Margen. Resultados y conclusiones de la zafra 2021-2011 zona centro y norte. -- 17.- +Arroz +Margen. Resumen de resultados zona este zafra 2021-2022. -- 18.- Desarrollo de enfermedades de tallo y vaina de arroz en rotaciones con soja. MenosEsta serie técnica resume varios avances de investigación en el cultivo de arroz en el marco de una segunda zafra consecutiva que supera las 9 t/ha. Esta publicación refleja los contenidos de las presentaciones brindadas en los cuatro módulos de la jornada "Tecnologías para sostener la alta productividad", realizada el 30 de agosto de 2022 en INIA Treinta y Tres (http://www.inia.uy/estaciones-experimentales/direcciones-regionales/inia-treinta-y-tres/Jornada-de-Arroz-2022 ). La publicación incluye también información generada por proyectos conjuntos o en acuerdos con otras instituciones como el Laboratorio Tecnológico del Uruguay (LATU), la Asociación Cultivadores de Arroz (ACA), la Gremial de Molinos Arroceros (GMA), el Fondo Latinoamericano para Arroz de Riego (FLAR), la Agencia Nacional de Investigación de Innovación (ANII), la Universidad de la República (UDELAR) y empresas privadas. En 2021-2022 se consolidó una buena zafra en términos productivo-económicos y
de área sembrada que fue la segunda en importancia de producción total en la historia del país. ----- CONTENIDO: 1.- Indicadores tecnológicos-productivos. Zafra arrocera 2021-2022. -- 2.- SLI09193: pautas para su manejo agronómico. -- 3.- SLI09193: respuesta a fechas de siembra. -- 4.- Productividad y respuesta a nitrógeno del cultivo de arroz sobre leguminosas invernales e instaladas luego de laboreos de verano. -- 5.- Respuesta al control químico de enfermedades de tallo y vaina en INIA Cuareim (SLI09197). -- 6.- ... Presentar Todo |
|
Palabras claves : |
CICLO INTERMEDIO; INTERACCION GENOTIPO X AMBIENTE; SISTEMA ARROZ-GANADERÍA - INIA; SLI09193; ZAFRA ARROCERA 2021-2022. |
|
Thesagro : |
ARROZ; FECHA DE SIEMBRA; FERTILIZACION; FUNGICIDAS; NITRÓGENO; RENDIMIENTO; RIEGO; VARIEDADES. |
|
Asunto categoría : |
-- |
|
URL : |
http://www.ainfo.inia.uy/digital/bitstream/item/17281/1/st-264-2022.pdf
|
|
Marc : |
LEADER 03842nam a2200349 a 4500
001 1064207
005 2023-07-10
008 2023 bl uuuu u00u1 u #d
022 $a1688-9266
024 7 $a10.35676/INIA/ST.264$2DOI
100 1 $aTERRA, J.A.
245 $aArroz 2022.$h[electronic resource]
260 $aMontevideo (UY): INIA, 2023, 69 p. http://doi.org/10.35676/INIA/ST.264$c2023
300 $a73 p.
490 $a(INIA Serie Técnica; 264).
520 $aEsta serie técnica resume varios avances de investigación en el cultivo de arroz en el marco de una segunda zafra consecutiva que supera las 9 t/ha. Esta publicación refleja los contenidos de las presentaciones brindadas en los cuatro módulos de la jornada "Tecnologías para sostener la alta productividad", realizada el 30 de agosto de 2022 en INIA Treinta y Tres (http://www.inia.uy/estaciones-experimentales/direcciones-regionales/inia-treinta-y-tres/Jornada-de-Arroz-2022 ). La publicación incluye también información generada por proyectos conjuntos o en acuerdos con otras instituciones como el Laboratorio Tecnológico del Uruguay (LATU), la Asociación Cultivadores de Arroz (ACA), la Gremial de Molinos Arroceros (GMA), el Fondo Latinoamericano para Arroz de Riego (FLAR), la Agencia Nacional de Investigación de Innovación (ANII), la Universidad de la República (UDELAR) y empresas privadas. En 2021-2022 se consolidó una buena zafra en términos productivo-económicos y de área sembrada que fue la segunda en importancia de producción total en la historia del país. ----- CONTENIDO: 1.- Indicadores tecnológicos-productivos. Zafra arrocera 2021-2022. -- 2.- SLI09193: pautas para su manejo agronómico. -- 3.- SLI09193: respuesta a fechas de siembra. -- 4.- Productividad y respuesta a nitrógeno del cultivo de arroz sobre leguminosas invernales e instaladas luego de laboreos de verano. -- 5.- Respuesta al control químico de enfermedades de tallo y vaina en INIA Cuareim (SLI09197). -- 6.- Oportunidades y desafíos para reducir brechas de rendimiento en el cultivo de arroz en Uruguay. -- 7.- SLI09193: nueva variedad Índica de alto rendimiento. -- 8.- Evaluación de cultivares resistentes a las Imidazolinonas en ensayos de fajas. -- 9.- Caracterización de la interacción genotipo por ambiente del rendimiento en el Programa de Mejoramiento Genético de Arroz de INIA. -- 10.- Predicción genómica del rendimiento de arroz usando normas de reacción frente a variables climáticas. -- 11.- Intensificación y sostenibilidad: buscando el equilibrio en las rotaciones arroceras. Parte 1: carbono orgánico del suelo. -- 12.- Intensificación y sostenibilidad: buscando el equilibrio en las rotaciones arroceras. Parte 2: estabilidad productiva, económica y ambiental. -- 13.- Intensificación sostenible para una mayor producción mundial de arroz Uruguay en el contexto internacional. -- 14.- Nuevos cultivares de arroz en validación zafra 2021-2022- -- 15.- +Arroz +Margen transferencia de tecnología para reducir brechas de rendimientos y mejorar ingresos de la producción arrocera. Resumen zafra 2021-2022.?16.- +Arroz +Margen. Resultados y conclusiones de la zafra 2021-2011 zona centro y norte. -- 17.- +Arroz +Margen. Resumen de resultados zona este zafra 2021-2022. -- 18.- Desarrollo de enfermedades de tallo y vaina de arroz en rotaciones con soja.
650 $aARROZ
650 $aFECHA DE SIEMBRA
650 $aFERTILIZACION
650 $aFUNGICIDAS
650 $aNITRÓGENO
650 $aRENDIMIENTO
650 $aRIEGO
650 $aVARIEDADES
653 $aCICLO INTERMEDIO
653 $aINTERACCION GENOTIPO X AMBIENTE
653 $aSISTEMA ARROZ-GANADERÍA - INIA
653 $aSLI09193
653 $aZAFRA ARROCERA 2021-2022
700 1 $aMARTÍNEZ, S.
700 1 $aVILLALBA, C.
700 1 $aMESONES, B.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Las Brujas (LB) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
|
|
 | Acceso al texto completo restringido a Biblioteca INIA Treinta y Tres. Por información adicional contacte bibliott@inia.org.uy. |
|
Registro completo
|
|
Biblioteca (s) : |
INIA Treinta y Tres. |
|
Fecha actual : |
28/03/2016 |
|
Actualizado : |
24/09/2018 |
|
Tipo de producción científica : |
Artículos en Revistas Indexadas Internacionales |
|
Circulación / Nivel : |
A - 1 |
|
Autor : |
BASSU, S.; BRISSON, N.; DURAND, J.L.; BOOTE, K.; LIZASO, J.; JONES, J.W.; ROSENZWEIG, C.; RUANE, A.C.; ADAM, M.; BARON, C.; BASSO, B.; BIERNATH, C.; BOOGAARD, H.; CONIJN, S.; CORBEELS, M.L; DERYNG, D.; SANTIS, G. DE; GAYLER, S.; GRASSINI, P.; HATFIELD, J.; HOEK, S.; IZAURRALDE, C.; JONGSCHAAP, R.; KEMANIAN, A.R.; KERSEBAUM, C.KIM, S-H.; KUMAR, N.; MAKOWSKI, D.; MÜLLER, C.; NENDEL, C.; PRIESACK, E.; PRAVIA, V.; SAU, F.; SHCHERBAK, I.; TAO, F.; TEXEIRA, E.; TIMLIN, D.; WAHA, K. |
|
Afiliación : |
MARIA VIRGINIA PRAVIA NIN, INIA (Instituto Nacional de Investigación Agropecuaria), Uruguay; Department of Plant Science, The Pennsylvania State University, USA. |
|
Título : |
How do various maize crop models vary in their responses to climate change factors? |
|
Fecha de publicación : |
2014 |
|
Fuente / Imprenta : |
Global Change Biology, 2014, v.20(7), p. 2301-2320. |
|
DOI : |
10.1111/gcb.12520 |
|
Idioma : |
Inglés |
|
Notas : |
Article history: Received 7 June 2013 and accepted 2 December 2013, published 2014. |
|
Contenido : |
Abstract:
Potential consequences of climate change on crop production can be studied using mechanistic crop simulation models. While a broad variety of maize simulation models exist, it is not known whether different models diverge on grain yield responses to changes in climatic factors, or whether they agree in their general trends related to phenology, growth, and yield. With the goal of analyzing the sensitivity of simulated yields to changes in temperature and atmospheric carbon dioxide concentrations [CO2], we present the largest maize crop model intercomparison to date, including 23 different models. These models were evaluated for four locations representing a wide range of maize production conditions in the world: Lusignan (France), Ames (USA), Rio Verde (Brazil) and Morogoro (Tanzania).
While individual models differed considerably in absolute yield simulation at the four sites, an ensemble of a minimum number of models was able to simulate absolute yields accurately at the four sites even with low data forcalibration, thus suggesting that using an ensemble of models has merit. Temperature increase had strong negative influence on modeled yield response of roughly 0.5 Mg ha1 per °C. Doubling [CO2] from 360 to 720 lmol mol1 increased grain yield by 7.5% on average across models and the sites. That would therefore make temperature the main factor altering maize yields at the end of this century. Furthermore, there was a large uncertainty in the yield response to [CO2] among models. Model responses to temperature and [CO2] did not differ whether models were simulated with low calibration information or, simulated with high level of calibration information. MenosAbstract:
Potential consequences of climate change on crop production can be studied using mechanistic crop simulation models. While a broad variety of maize simulation models exist, it is not known whether different models diverge on grain yield responses to changes in climatic factors, or whether they agree in their general trends related to phenology, growth, and yield. With the goal of analyzing the sensitivity of simulated yields to changes in temperature and atmospheric carbon dioxide concentrations [CO2], we present the largest maize crop model intercomparison to date, including 23 different models. These models were evaluated for four locations representing a wide range of maize production conditions in the world: Lusignan (France), Ames (USA), Rio Verde (Brazil) and Morogoro (Tanzania).
While individual models differed considerably in absolute yield simulation at the four sites, an ensemble of a minimum number of models was able to simulate absolute yields accurately at the four sites even with low data forcalibration, thus suggesting that using an ensemble of models has merit. Temperature increase had strong negative influence on modeled yield response of roughly 0.5 Mg ha1 per °C. Doubling [CO2] from 360 to 720 lmol mol1 increased grain yield by 7.5% on average across models and the sites. That would therefore make temperature the main factor altering maize yields at the end of this century. Furthermore, there was a large uncertainty in the yield response to [CO2]... Presentar Todo |
|
Palabras claves : |
AGMIP; CARBON DIOXIDE; CLIMATE; CO2; GRAIN YIELD; MAIZE; MODEL INTERCOMPARISON; MODELIZACIÓN DE CULTIVOS; SIMULATION MODELS; TEMPERATURE. |
|
Thesagro : |
CLIMA; DIOXIDO DE CARBONO; INCERTIDUMBRE; MAÍZ; MODELOS DE SIMULACIÓN; TEMPERATURA. |
|
Asunto categoría : |
U10 Métodos matemáticos y estadísticos |
|
Marc : |
LEADER 03684naa a2200769 a 4500
001 1054517
005 2018-09-24
008 2014 bl uuuu u00u1 u #d
024 7 $a10.1111/gcb.12520$2DOI
100 1 $aBASSU, S.
245 $aHow do various maize crop models vary in their responses to climate change factors?$h[electronic resource]
260 $c2014
500 $aArticle history: Received 7 June 2013 and accepted 2 December 2013, published 2014.
520 $aAbstract: Potential consequences of climate change on crop production can be studied using mechanistic crop simulation models. While a broad variety of maize simulation models exist, it is not known whether different models diverge on grain yield responses to changes in climatic factors, or whether they agree in their general trends related to phenology, growth, and yield. With the goal of analyzing the sensitivity of simulated yields to changes in temperature and atmospheric carbon dioxide concentrations [CO2], we present the largest maize crop model intercomparison to date, including 23 different models. These models were evaluated for four locations representing a wide range of maize production conditions in the world: Lusignan (France), Ames (USA), Rio Verde (Brazil) and Morogoro (Tanzania). While individual models differed considerably in absolute yield simulation at the four sites, an ensemble of a minimum number of models was able to simulate absolute yields accurately at the four sites even with low data forcalibration, thus suggesting that using an ensemble of models has merit. Temperature increase had strong negative influence on modeled yield response of roughly 0.5 Mg ha1 per °C. Doubling [CO2] from 360 to 720 lmol mol1 increased grain yield by 7.5% on average across models and the sites. That would therefore make temperature the main factor altering maize yields at the end of this century. Furthermore, there was a large uncertainty in the yield response to [CO2] among models. Model responses to temperature and [CO2] did not differ whether models were simulated with low calibration information or, simulated with high level of calibration information.
650 $aCLIMA
650 $aDIOXIDO DE CARBONO
650 $aINCERTIDUMBRE
650 $aMAÍZ
650 $aMODELOS DE SIMULACIÓN
650 $aTEMPERATURA
653 $aAGMIP
653 $aCARBON DIOXIDE
653 $aCLIMATE
653 $aCO2
653 $aGRAIN YIELD
653 $aMAIZE
653 $aMODEL INTERCOMPARISON
653 $aMODELIZACIÓN DE CULTIVOS
653 $aSIMULATION MODELS
653 $aTEMPERATURE
700 1 $aBRISSON, N.
700 1 $aDURAND, J.L.
700 1 $aBOOTE, K.
700 1 $aLIZASO, J.
700 1 $aJONES, J.W.
700 1 $aROSENZWEIG, C.
700 1 $aRUANE, A.C.
700 1 $aADAM, M.
700 1 $aBARON, C.
700 1 $aBASSO, B.
700 1 $aBIERNATH, C.
700 1 $aBOOGAARD, H.
700 1 $aCONIJN, S.
700 1 $aCORBEELS, M.L
700 1 $aDERYNG, D.
700 1 $aSANTIS, G. DE
700 1 $aGAYLER, S.
700 1 $aGRASSINI, P.
700 1 $aHATFIELD, J.
700 1 $aHOEK, S.
700 1 $aIZAURRALDE, C.
700 1 $aJONGSCHAAP, R.
700 1 $aKEMANIAN, A.R.
700 1 $aKERSEBAUM, C.KIM, S-H.
700 1 $aKUMAR, N.
700 1 $aMAKOWSKI, D.
700 1 $aMÜLLER, C.
700 1 $aNENDEL, C.
700 1 $aPRIESACK, E.
700 1 $aPRAVIA, V.
700 1 $aSAU, F.
700 1 $aSHCHERBAK, I.
700 1 $aTAO, F.
700 1 $aTEXEIRA, E.
700 1 $aTIMLIN, D.
700 1 $aWAHA, K.
773 $tGlobal Change Biology, 2014$gv.20(7), p. 2301-2320.
Descargar
Esconder MarcPresentar Marc Completo |
|
Registro original : |
INIA Treinta y Tres (TT) |
|
|
Biblioteca
|
Identificación
|
Origen
|
Tipo / Formato
|
Clasificación
|
Cutter
|
Registro
|
Volumen
|
Estado
|
Volver
|
| Expresión de búsqueda válido. Check! |
|
|
