Modelagem da produção da palma de óleo sob condições atípicas de precipitação

Abstract

As mudanças climáticas já afetam a produção agrícola e, caso seus efeitos sejam intensificados no futuro, a elevação da temperatura e escassez hídrica podem tornar regiões inteiras inaptas para cultivos ou, caso ainda sejam parcialmente aptas, isso pode se traduzir em aumento do custo de produção. A palma de óleo se tornou foco de preocupação ao considerar sua sensibilidade à disponibilidade hídrica, resultando em baixas expressivas na produção, pela irregularidade do fornecimento hídrico. Diante do desafio de monitorar e proteger a produção agrícola, técnicas de modelagem agrícola podem colaborar com a definição de um manejo preventivo mais eficiente, garantindo a produção esperada. O principal objetivo deste estudo foi avaliar como ocorrências atípicas nos padrões de precipitação podem influenciar na produção total esperada da palma de óleo. Foram obtidos dados de clima, solo e produção a partir de observações realizadas na propriedade Agropalma, situada no estado do Pará, Brasil. Os dados de clima e solo foram utilizados como entradas dos modelos, enquanto a produção dos talhões de palma de óleo foi utilizada nas etapas de treinamento, teste e validação dos modelos. Dois modelos foram utilizados para o estudo, sendo o primeiro o modelo ECOSMOS-Palm que é um modelo biofísico baseado em processos, e o segundo foi uma rede neural artificial, que é um modelo inspirado no funcionamento sináptico do sistema nervoso biológico. As simulações realizadas por meio da modelagem baseada em processos se mostraram mais adequadas para a realização deste estudo, obtendo resultados consistentes e mais precisos considerando os dados observados em campo. A maioria das simulações realizadas indicaram redução da produção da palma de óleo, entretanto, as penalidades produtivas se destacaram nas condições de redução do total precipitado, onde foi possível observar reduções mais intensas na produção estimada, se comparadas às simulações para as condições de aumento ou distribuição da precipitação. Apenas as simulações considerando o atraso na ocorrência da estação chuvosa registraram o aumento da produtividade da palma de óleo, o que foi associado à sua ocorrência durante os meses mais quentes e originalmente mais secos. Os resultados demonstraram como o fornecimento hídrico complementar em períodos críticos de redução de chuvas, associada a maior disponibilidade energética em condições ótimas, tem considerável potencial em elevar a produção esperada. Há um consenso literário quanto a irrigação ser o principal método para mitigar os efeitos das mudanças climáticas nos cultivos agrícolas, contudo, é um método que deve ser utilizado preferencialmente englobando diferentes vertentes do meio agrícola- ambiental, partindo de um manejo integrando a interface solo-água-vegetação- atmosfera. Demonstrou-se como a integração dos dados de campo em um modelo biodinâmico é capaz de simular precisamente a produção esperada da palma de óleo, apresentando grande potencial em apoiar gestores agrícolas no planejamento, definição, aplicação e avaliação de ações preventivas mitigadores dos efeitos das mudanças climáticas. Palavras-chave: Elaeis guineensis Jacq.; Modelo ECOSMOS; Aprendizado de máquina.Climate change is already affecting agricultural production, and if its effects intensify in the future, rising temperatures and water shortages could make entire regions unsuitable for cultivation or, if they are still partially suitable, this could translate into increased production costs. Oil palm has become a focus of concern due to its sensitivity to water availability, in which its production can suffer significant declines due to irregular water supplies. Faced with the challenge of monitoring and protecting agricultural production, agricultural modeling techniques can help define more efficient preventive management, ensuring expected production. The main objective of this study was to evaluate how atypical occurrences in precipitation patterns can influence the total expected oil palm production. Climate, soil and yield data were obtained from observations made at the Agropalma property, located in the state of Pará, Brazil. Climate and soil data were used as inputs for the models, while the yield of the oil palm plots was used in the training, testing and validation stages of the models. Two models were used for the study, the first being the ECOSMOS-Palm model, a process-based biophysical model, and the second one is an artificial neural network, which is a model inspired by the synaptic functioning of the biological nervous system. The simulations performed through process-based modeling proved to be more suitable for carrying out this study, obtaining consistent and more accurate results considering the data observed in the field. Most of the simulations performed indicated a reduction in palm oil production, from a more homogeneous distribution of precipitation to changes in total precipitation. The yield penalties stood out in the reduction of total precipitation, which is expected for the study region, where even the smallest rate of significant reduction was higher than the modified conditions for increased precipitation or distribution homogenization. Only the simulations considering the delay in the occurrence of the rainy season recorded an increase in palm productivity, which was associated with its occurrence during the warmer and originally drier months. The results demonstrated how the supply of supplementary water during critical periods of reduced rainfall, and associated with greater availability of energy under optimal conditions, has considerable potential to increase expected yields. There is consensus in the literature that irrigation is the main method to mitigate the effects of climate change on agricultural crops, as long as it is used preferentially covering different aspects of the agriculture-environment interactions, basing on a soil-water-vegetation-atmosphere integrated management. It was demonstrated how the integration of field data into a biodynamic model is capable of accurately simulating expected oil palm production, presenting great potential to support agricultural managers in the planning, definition, application and evaluation of preventive actions to mitigate the effects of climate change. Keywords: Elaeis guineensis Jacq.; ECOSMOS model; Machine learning.