Modelagem da produtividade de soja em modelos biofísicos e agroeconômico

• Main Author: Santos, Raphael Pousa dos
• Other Authors: Costa, Marcos Heil
• Language: Portuguese
• Published: Universidade Federal de Viçosa 2017
• Subjects: Soja - Produtividade; Agricultura; Agronomia
• Online Access: http://www.locus.ufv.br/handle/123456789/11976

Submitted by Reginaldo Soares de Freitas ([e-mail]) on 2017-10-10T14:12:00Z No. of bitstreams: 1 texto completo.pdf: 1590178 bytes, checksum: 5e4f3869edcd62a478a738e1e483f483 (MD5) === Made available in DSpace on 2017-10-10T14:12:00Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1590178 bytes, checksum: 5e4f3869edcd62a478a738e1e483f483 (MD5) Previous issue date: 2017-06-30 === Conselho Nacional de Desenvolvimento Científico e Tecnológico === Modelos biofísicos de crescimento de cultura consideram os fatores naturais de crescimento e produtividade das culturas agrícolas, mas negligenciam a influência de fatores econômicos no processo. Por outro lado, modelos estatísticos de natureza agroeconômica são utilizados para simular a produção de culturas sob a influência de variáveis econômicas, porém ignorando eventos biofísicos, como por exemplo a influência de uma seca. Este trabalho acopla um modelo agroeconômico a um modelo biofísico de crescimento da cultura de soja. Este trabalho fez simulações espacialmente distribuídas da produtividade de soja no território nacional para o período de 1994 a 2012, utilizando três tipos de modelos: um modelo puramente biofísico (INLAND – Integrated Land Surface Model); um modelo puramente agroeconômico (modelo de regressão linear) e um híbrido biofísico-econômico (INLAND/linear). Para o modelo agroeconômico e híbrido foram utilizados como parâmetros econômicos o custo de transporte, o tamanho médio da fazenda e o preço da soja. Utilizando um algoritmo genético (NSGA-II/Optis) foi realizada uma calibração da produtividade de soja em dois níveis hierárquicos. Foram realizadas oito simulações com configurações diferentes destes modelos. Os melhores resultados foram obtidos com os modelos que consideraram variáveis econômicas e climáticas. O modelo empírico, contemplando variáveis econômicas e climáticas, apresentou o melhor resultado entre todas as simulações, contemplando variáveis econômicas e climáticas, chegando a uma correlação de 0,72. O modelo biofísico com a inserção das variáveis econômicas, ou seja, com limitantes econômicos na produtividade de soja, teve a produtividade potencial simulada reduzida a uma produtividade real simulada próxima da observada, com viés médio no período 1994-2012 de -0,01 ton ha -1 . A correlação entre os dados simulados e observados aumentou de 0,12 usando o modelo puramente biofísico para 0,55 usando o modelo hibrido. O modelo puramente biofísico, quando testado xnacionalmente no Brasil, apresentou resultados de produtividade potencial próximos aos campeões de concursos de produtividade de soja. === Crop models consider the environmental factors influencing the growth and yield of agricultural crops, but neglect the influence of economic factors on the process. On the other hand, statistical agroeconomic models are used to simulate crop yields under the influence of economic variables, however neglecting biophysical events, such as the influence of a drought. This work couples an agroeconomic model with a soybean crop model. This work simulated spatially distributed soybean yield in Brazil for the period 1994-2012, using three types of models: a purely biophysical model (INLAND – Integrated Land Surface Model); a purely agroeconomic model (linear regression model) and a hybrid biophysical- economic model. For the agroeconomic and hybrid models, the economic parameters used are the cost of transportation, average farm size and the soybean price. Using a genetic algorithm (NSGA-II/Optis) a calibration of the soybean yield was performed at two hierarchical levels. Eight simulations were performed with distinct settings of these models. The best results were obtained with the models that considered purely economic and climate variables. The empirical model, contemplating economic and climate variables, presented the best result among all the simulations reaching a correlation of 0.72. The biophysical model with economic variables introduced economic constraints on the soybean yield, had the simulated potential yield reduced to a simulated real yield close to the observed, with a mean bias of -0.01 ton/ha in the 1994-2012 period. The correlation between simulated and observed data increased from 0.12 using the purely biophysical model to 0.55 using the hybrid model. The purely biophysical model, when tested nationally in Brazil, showed results of potential yield close to the soybean yield contest champions === Não foi encontrado o Currículo Lattes