Regional nutrient ranges are commonly used to diagnose plant nutrient status. In contrast, local diagnosis confronts unhealthy to healthy compositional entities in comparable surroundings. Robust local diagnosis requires well-documented data sets processed by machine learning and compositional methods. Our objective was to customize nutrient diagnosis of peach (Prunus persica) trees at local scale. We collected 472 observations from commercial orchards and fertilizer trials across eleven cultivars of Prunus persica and six rootstocks in the state of Rio Grande do Sul (RS), Brazil. The random forest classification model returned an area under curve exceeding 0.80 and classification accuracy of 80% about yield cutoff of 16 Mg ha⁻¹. Centered log ratios (clr) of foliar defective compositions have appropriate geometry to compute Euclidean distances from closest successful compositions in “enchanting islands”. Successful specimens closest to defective specimens as shown by Euclidean distance allowed reaching trustful fruit yields using site-specific corrective measures. Comparing tissue composition of low-yielding orchards to that of the closest successful neighbors in two major Brazilian peach-producing regions, regional diagnosis differed from local diagnosis, indicating that regional standards may fail to fit local conditions. Local diagnosis requires well-documented Humboldtian data sets that can be acquired through ethical collaboration between researchers and stakeholders.

Os objetivos do presente trabalho foram avaliar o comportamento fenológico e os componentes do crescimento de plantas de fisális (Physalis peruviana L.) em função de três épocas de semeadura, na regiäo de Pelotas-RS. Säo determinados as datas de ocorrência, os dias após a emergência (DAE) e a soma térmica (GD) para os seguintes estádios: folhas verdadeiras, primeira ramificação, brotação floral, botões florais, flores abertas, formação de brotos basais, frutos caídos, início de queda das folhas e colheita. Quinzenalmente, a partir do transplante, foram realizadas avaliações de comprimento do ramo principal, número total de folhas do ramo principal, número de flores e frutos por planta. Nas condições edafoclimáticas de Pelotas, as plantas de fisális, oriundas da semeadura em novembro, necessitaram de menor número de DAE para completar os estádios fenológicos; contudo, esta tendência näo se manteve para GD. A semeadura de fisális realizada no início do mês de setembro resultou em plantas com maior crescimento vegetativo e número de frutos, bem como com características de crescimento e de produção semelhantes às principais regiões de cultivo.

O conhecimento do comportamento germinativo de espécies nativas é de significativa importância para a adoção de técnicas que visam sua propagação e conservação. O presente estudo objetivou avaliar o efeito do fotoperíodo na germinação de sementes Bromelia antiacantha Bertol. O delineamento foi inteiramente casualizado, com quatro tratamentos e seis repetições de 25 sementes. Os diferentes fotoperíodos foram 0h, 8h, 12h e 16h de luz dia^-1. Avaliou-se o percentual de sementes germinadas (G), índice de velocidade de germinação (IVG), percentual de plântulas normais (PN), anormais (PA) e sementes não germinadas (SNG). A luz não foi um fator limitante na germinação das sementes, contudo, ocorreu aumento progressivo no G, IVG e PN conforme aumento do fotoperíodo, com máxima G (78,0%) e porcentagem de PN (74,7%) com 16h luz dia^-1, e máximo IVG (19,4) com 12h luz dia^-1. Conclui-se que B. antiacantha é uma espécie com sementes fotoblásticas neutras cuja germinação é favorecida na presença de luz.

Diversas críticas foram inferidas contra a revolução verde e sua variante denominada revolução duplamente verde. A primeira introduziu o uso de agrotóxicos e, a segunda, os transgênicos na agricultura. Apesar do movimento estudantil da agronomia corroborar com a discussão acerca da temática dos agrotóxicos e transgênicos, são escassos os trabalhos na literatura científica que abordem as contribuições do movimento estudantil nas discussões dessa temática. Por isso, objetivou-se abordar o debate acerca dos agrotóxicos e transgênicos na perspectiva do movimento estudantil nacional da agronomia. Realizou-se uma revisão bibliográfica acerca da temática e posteriormente, conduziu-se uma análise sobre o posicionamento da militância da Federação de Estudantes de Agronomia do Brasil (FEAB) acerca do tema proposto. Observou-se que o movimento estudantil nacional da agronomia conduz diversas iniciativas em prol da ampliação da discussão acerca dos riscos do uso dos agrotóxicos e as incertezas do uso de transgênicos na agricultura. Conclui-se que as iniciativas do movimento estudantil nacional estão em defesa de uma agricultura sustentável.

Peach yield production prediction models are little known worldwide. This gap can be filled by combining machine learning techniques and well-documented databases. The aims of this study are: (i) to assess the effect of different prediction variable inputs applied to peach yield prediction models adopted to peach trees grown in orchards under different subtropical climate; (ii) to test the prediction accuracy performance of models calibrated through different machine learning methods; and (iii) to quantify the relevance of peach trees’ yield predictor variables. A database (soil and leaf nutrient content, climatic and plant variables) with information from 208 peach trees (Prunus persica) in production, belonging to the cultivars ‘Maciel’ and ‘Chimarrita’ grown in Southern Brazil, was used. The models were developed by using three machine learning methods: Radom Forest, Multiple Linear Regression, and Support Vector Machine. We demonstrate that the calibration of the models was affected by machine learning method as well as by different predictor variable inputs. The model Random Forest showed the greatest potential to predict peach yield. The variable presenting the greatest relevance to explain peach yield variations was ‘hours of chilling’, which was followed by K and N content in leaves and mean temperature, which recorded relevance of >55%.

Fertilization recommendations are frequently proposed by a limited number of calibration experiments conducted in a few regions, with few cultivars. Thus, recommendations concerning nutrients’ critical levels (CLs) and sufficiency ranges (SRs) are not always the most suitable ones. In addition, it is not known whether CL and SR differ when it comes to peach yield and quality variables, such as pulp firmness or total soluble solids (TSS) concentration. CL and SR can be estimated by using Bayesian segmented quantile regression (BSQR) in combination with databases. The aim is to propose nutrients’ CL and SR in soil and in leaves of peach trees grown under a subtropical climate, by combining databases and BSQR models. The dataset comprised 208 observations of Prunus persica cultivars ‘Maciel’ and ‘Chimarrita’, grown in southern Brazil. Models were developed through plateau regression based on BSQR models to measure the association between dependent variables (fruit yield and quality) and nutrient concentrations in the soil and leaves. CL and SR of N and K in leaves recorded values for variables related to fruit quality, pulp firmness, and TSS lower than values recorded for variables related to yield. We show for the first time that CL and SR in leaves for N and K related to yield are different between cultivars. A similar outcome was recorded for CL and SR of N in leaves between growing regions/sites presenting different soil types and climatic variables. CL and SR of N in leaves related to yield were higher in peach trees grown in sandy-soil sites with low organic matter content. This study presents critical advances for the Southern Brazilian peach market, but with implications for the approach presented in the present study (combination of database and BSQR modeling) relevant for application in orchards around the world.