Produção de mudas de goiaba com aumento da salinidade da água e fertilização com nitrogênio e potássio

Rodrigues Filho, Ricardo A.; Nobre, Reginaldo G.; Lima, Geovani S. de; Moraes, Francimar M. da S.; Soares, Lauriane A. dos A.; Teixeira, Antonio D. da S.; Peixoto, Tayd D. C.; Vasconcelos, Emanoel dos S.

doi:10.1590/1983-21252023v36n420rc

home Sumário navigate_before Anterior Atual Seguinte navigate_next

home Sumário

Agricultural Engineering • Rev. Caatinga 36 (4) • Oct-Dec 2023 • https://doi.org/10.1590/1983-21252023v36n420rc linkcopiar

Produção de mudas de goiaba com aumento da salinidade da água e fertilização com nitrogênio e potássio

Autoria SCIMAGO INSTITUTIONS RANKINGS

RESUMO

O estresse salino afeta o desenvolvimento de diversas culturas, sendo um dos fatores limitantes para a agricultura irrigada no semiárido, onde a adubação nitrogenada e potássica pode ser uma alternativa para a produção agrícola da região. Com esse trabalho objetivou-se avaliar a viabilidade do uso de água com diferentes salinidades associada a diferentes adubações nitrogenadas e potássicas na produção de mudas da goiabeira cultivar Paluma. O experimento foi conduzido em áreas experimentais da Universidade Federal Rural do Semiárido (UFERSA), Campus Caraúbas. A pesquisa foi realizada no período de fevereiro a junho de 2021. O estudo foi montado em delineamento de blocos ao acaso, com quatro repetições e duas plantas por parcela. Foi utilizado um esquema fatorial 5 × 4, que combinou cinco níveis de condutividade elétrica da água de irrigação (CEa): 0,3, 1,1, 1,9, 2,7 e 3,5 dS m^-1, com combinações (C) de nitrogênio (N) e níveis de potássio (K₂O) de adubação recomendada: C1 = 70% N + 50% K₂O, C2 = 100% N + 75% K₂O, C3= 130% N + 100% K₂O e C4= 160% N + 125% K₂O. Irrigação com níveis de condutividade elétrica até 2,1 dS m^-1 favoreceu o crescimento das mudas da goiabeira cv. Paluma. As adubações C1 e C2 promoveram os maiores incrementos de crescimento e fitomassa para a goiabeira cv. Paluma aos 125 dias após a semeadura. As combinações de adubação não mitigaram os efeitos nocivos do estresse salino da água de irrigação sobre a produção de mudas de goiabeira cv. Paluma.

Palavras-chave Psidium guajava L; Estresse salino; Fertilizantes

	Sand	Silt		Clay	Textural classification		ECse dS m^-1	pHse H2O	OM
	%									g kg^-1
	44.7		41.1	14.3	Loam		0.68	6.03		37
P	_K+	Na⁺	_Ca2+	_Mg 2+	Al³⁺ (H +Al)	SB	t	CEC	V	m	ESP
mg dm^-3	cmol_c dm^-3								%
134.2	0.87	0.15	17.11	1.14	0.0 0.58	19.27	19.27	19.27	97	0	0.78

Source of variation			Mean squares
Source of variation	NL	PH	SD	LA	AGR_LA	RGR_LA
Salinity levels (SL)	35.125^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	59.101^ns	1.004^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	21613.269^{^*}	17.633^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.0001^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Linear regression	126.025^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	139.129^ns	3.378^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	78594.431^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	62.575^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.0003^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Quadratic regression	0.071ns	33.325^ns	0.437^ns	992.886^ns	3.698^ns	0.00007^{^*}
NK combination	22.817^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	73.427^ns	1.070^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	33087.144^{^*}	6.705^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.00007^{^*}
Interaction (SL × NK)	4.608ns	57.186^ns	0.122^ns	4023.606^ns	1.741^ns	0.00002^ns
Blocks	15.250^{^*}	237.622^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.437^{^*}	47258.423^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	2.609ns	0.00013^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Residual	5.273	35.736	0.1333	6035.59	2.1903	1.904e^-5
Mean	21.125	48.743	4.26	541.01	6.103	0.0159
CV (%)	10.87	12.26	8.57	14.36	24.25	27.44

Source of variation			Mean squares
Source of variation	DML	DMS	DMR	TDM	DQI
Salinity levels (SL)	0.7694^{^*}	1.824^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.448^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.	7.839^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.045^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Linear regression	2.137^{^*}	5.177^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	1.402^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.	24.235^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.155^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Quadratic regression	0.465^ns	0.030^ns	0.149ns	0.793^ns	0.009^ns
NK combination	0.684^ns	0.529^{^*}	0.132ns	3.426^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}	0.025^{^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.}
Interaction (SL × NK)	0.254ns	0.138^ns	0.162^ ,* respectively non-significant, significant at p < 0.01, and significant at p < 0.05; CV= coefficient of variation.	0.758^ns	0.007^{^*}
Blocks	0.233^ns	0.342^ns	0.164^{^*}	1.562^ns	0.009^{^*}
Residual	0.330	0.148	0.045	0.767	0.003
Mean	3.555	2.086	1.487	7.123	0.468
CV (%)	16.16	18.43	14.23	12.29	11.97

vertical_align_top file_download show_chart

more_horizclose
- image
- translate
- link
- article
- vertical_align_top
- file_download
- show_chart
- image
- translate
- link
- article

location_on

Universidade Federal Rural do Semi-Árido Avenida Francisco Mota, número 572, Bairro Presidente Costa e Silva, Cep: 5962-5900, Telefone: 55 (84) 3317-8297 - Mossoró - RN - Brazil
E-mail: caatinga@ufersa.edu.br

rss_feed Acompanhe os números deste periódico no seu leitor de RSS

Acessibilidade / Reportar erro

[TFN1] ^-
Extracted with 1 mol L^-1 NH₄OAc at pH 7.0; Al³⁺ and (H⁺ + Al³⁺) - Extracted with 1 mol L^-1 CaOAc at pH 7.0; ECse - Electrical conductivity of the substrate saturation extract at 25 °C; pHse - pH of the substrate saturation extract; SB - Sum of bases; t - Effective CEC; CEC - Cation exchange capacity; V - base saturation; m - Aluminum saturation ; ESP - Exchangeable sodium percentage.