Relação entre o florescimento da cana-de-açúcar e a disponibilidade hídrica para a região de Tabuleiros Costeiros - Alagoas, Brasil

Abstract

O florescimento da cana-de-açúcar é um fenômeno natural prejudicial, quando o objetivo da produção é a fabricação de biocombustíveis. Isso porque, nesse processo, a cana-de-açúcar desvia as reservas energéticas para a produção das panículas, reduzindo o acúmulo de sacarose, que é convertida em etanol pela indústria. Esse fenômeno é dependente da disponibilidade hídrica no período de indução floral, seja para a absorção de nutrientes ou pela relação água-fixação de carbono. Assim, o objetivo deste trabalho foi estimar a lâmina de água acumulada no solo, chuvas e evapotranspiração, ou seja, a disponibilidade hídrica que induz o florescimento, na região de Tabuleiros Costeiros em Alagoas (AL). Essas lâminas foram obtidas a partir do balanço hídrico sequencial diário e observações meteorológicas em Barra de São Miguel (AL). Depois de obtidas, essas lâminas foram analisadas pelo modelo de regressão logística, juntamente com o número de panículas observadas no mesmo município. Dos modelos gerados, apenas aqueles que tiveram chuva e evapotranspiração como regressores foram significativos (p<0.05). Os regressores desses modelos foram: chuva soma (C s ) e chuva média da soma (C sm ), do volume precipitado em 10 dias consecutivos; e evapotranspiração diária (EToHS) e média (EToHS m ), calculadas pelo método de Hargreaves-Samani. Esses modelos também foram os que apresentaram os menores valores de critério de informação de Akaike (AIC): 103.26 para C s , 102.31 para C sm , 103.85 para EToHS e 103.48 para EToHS m . Os resultados das razões de chance (OR) mostraram que para cada variação de 1 mm.dia -1 (EToHS e EToHS m ), ou de 1mm.10 dias -1 (C s e C sm ), as chances de ocorrência de, pelo menos, 1% de florescimento diminuem em 0.9981 (C s ) e 0.9979 (C sm ) vezes; e aumentam 2.3279 (EToHS) e 2.9066 (EToHS m ) vezes. A partir da matriz de confusão, as acurácias calculadas desses modelos foram 64.94% (C s ), 66.23% (C sm ), 71.43% (EToHS) e 72.73% (EToHS m ). Analisando a Receiver Operating Characteristic Curve (curva ROC), os valores de área sob a curva (AUC) foram: 0.618 (C s ), 0.640 (C sm ), 0.649 (EToHS) e 0.662 (EToHS m ). Os valores de especificidade dos modelos foram: 0.312 (C s ), 0.656 (C sm ), 0.531 (EToHS) e 0.438 (EToHS m ). Já os valores de sensibilidade foram: 1.0 (C s ), 0.644 (C sm ), 0.844 (EToHS) e 0.933 (EToHS m ). Os modelos com C s e C sm apresentaram maiores valores de “pseudo” R 2 com valores de 8,92% (C s ) e 10,47% (C sm ) contra 7,95% (EToHS) e 8,56% (EToH Sm ). Analisando o desempenho geral, entre os modelos que tiveram chuva como regressor, o modelo com C sm tem desempenho geral levemente maior que o com C s . Enquanto que, entre os modelos que tiveram evapotranspiração como regressores, o modelo com EToHS m tem desempenho geral levemente maior que o com EToHS. Os resultados sugerem que a influência da chuva sobre o florescimento da cana se dá de maneira acumulativa, enquanto a evapotranspiração afeta de maneira média. Palavras-chave: Saccharum spp. Validação. Intercomparação de modelos. Regressão Logística. Proxies.The flowering of sugarcane is a harmful natural phenomenon when the objective of production is the manufacture of biofuels. This is because, in this process, sugarcane diverts energy reserves for the production of panicles, reducing the accumulation of sucrose, which is converted into ethanol by the industry. This phenomenon depends on water availability during the floral induction period, whether for nutrient absorption or for the water-carbon fixation ratio. Thus, the aim of this work was to estimate the amount of water accumulated in the soil, rainfall and evapotranspiration, that is, the water availability that induces flowering, in the region of Tabuleiros Costeiros in Alagoas (AL). We obtained these slides from daily sequential water balance and meteorological observations in Barra of São Miguel (AL). Once obtained, we analyzed these slides by the logistic regression model, together with the number of panicles observed in the same municipality. Of the generated models, only those that had rainfall and evapotranspiration as regressors were significant (p<0.05). The regressors of these models were rain sum (Cs) and mean rain sum (Csm), of the volume precipitated in 10 consecutive days; and daily (EToHS) and mean (EToHSm) evapotranspiration, calculated by the Hargreaves-Samani method. These models were also the ones that presented the lowest values of the Akaike information criterion (AIC): 103.26 for Cs, 102.31 for Csm, 103.85 for EToHS and 103.48 for EToHSm. The odds ratio (OR) results showed that for each variation of 1 mm.day-1 (EToHS and EToHSm), or 1mm.10 days-1 (Cs and Csm), the chances of occurrence of at least 1% flowering decreases by 0.9981 (Cs) and 0.9979 (Csm) times; and increase 2,3279 (EToHS) and 2,9066 (EToHSm) times. From the confusion matrix, the calculated accuracies of these models were 64.94% (Cs), 66.23% (Csm), 71.43% (EToHS) and 72.73% (EToHSm). Analyzing the Receiver Operating Characteristic Curve (ROC curve), the area under the curve (AUC) values were 0.618 (Cs), 0.640 (Csm), 0.649 (EToHS) and 0.662 (EToHSm). The specificity values of the models were 0.312 (Cs), 0.656 (Csm), 0.531 (EToHS) and 0.438 (EToHSm). The sensitivity values were 1.0 (Cs), 0.644 (Csm), 0.844 (EToHS) and 0.933 (EToHSm). The models with Cs and Csm presented higher Rho 2 with values of 8.92% (Cs) and 10.47% (Csm) against 7.95% (EToHS) and 8.56% (EToHSm). Analyzing the overall performance, among the models that had rain as a regressor, the model with Csm had a slightly higher overall performance than the one with Cs. Whereas, among the models that had evapotranspiration as regressors, the model with EToHSm had a slightly higher overall performance than the one with EToHS. The results suggest that the influence of rain on sugarcane flowering occurs in an accumulative way, while evapotranspiration affects it in an average way. Keywords: Saccharum spp. Validation. Model intercomparison. Logistic Regression. Proxies.