A tomada de decisões assistida por modelos pode minimizar a vulnerabilidade dos agricultores às alterações climáticas, prevendo o rendimento das culturas e as variáveis que o influenciam. Com esta informação, os agricultores podem antecipar mudanças nos rendimentos das culturas, ajustar as suas práticas agrícolas, explorar opções de diversificação das culturas e planear estratégias de adaptação para reduzir a vulnerabilidade aos riscos relacionados com o clima.
Achraf Mamassi, ex-aluno de doutorado na Universidade de Liège, na Bélgica, e na Universidade Politécnica Mohammed VI, no Marrocos (agora pesquisador de pós-doutorado no INRAE, na França), liderou um estudo que comparou a capacidade de modelos mecanísticos baseados em processos e modelos empíricos para prever o rendimento do trigo. nas zonas de sequeiro de Marrocos.
Marrocos registou um aquecimento considerável, chuvas cada vez mais erráticas e um declínio geral da precipitação ao longo das últimas décadas, resultando em rendimentos agrícolas altamente variáveis e grandes lacunas de rendimento. Um aumento na frequência e intensidade de eventos extremos é esperado no âmbito das alterações climáticas, colocando em risco o equilíbrio alimentar e económico do país.
As partes de Marrocos de sequeiro são responsáveis por 80% da produção total de cereais do país. Estas áreas são particularmente vulneráveis às alterações climáticas.
A pesquisa concentrou-se em dois tipos distintos de modelos: modelos mecanicistas e empíricos. Estes modelos divergem nos seus princípios fundamentais e níveis de complexidade.
Os modelos mecanísticos (ou baseados em processos) baseiam-se numa compreensão profunda dos processos biológicos e fisiológicos subjacentes ao crescimento das culturas. Eles são desenvolvidos usando princípios científicos e equações matemáticas que representam os processos físicos, químicos e biológicos que ocorrem nas culturas. Os modelos mecanísticos simulam as interações entre fatores ambientais (como temperatura, precipitação e radiação), condições do solo e características das culturas para prever as respostas e o rendimento das culturas. O APSIM-Trigo modelo foi escolhido para representar este tipo de modelo.
Os modelos empíricos (ou estatísticos), por outro lado, baseiam-se nas relações observadas entre variáveis de entrada (tais como condições meteorológicas, propriedades do solo e práticas de gestão) e o rendimento das culturas. Estes modelos não incorporam explicitamente os mecanismos biológicos subjacentes ao crescimento das culturas. Em vez disso, baseiam-se em métodos estatísticos e dados históricos para estabelecer padrões e correlações entre insumos e produtos. Dois modelos empíricos, modelos de regressão múltipla (MR) e modelos de floresta aleatória (RF), foram considerados neste estudo. MR baseia-se em relações lineares simples entre preditores e variáveis de resposta, enquanto RF baseia-se em algoritmos estatísticos complexos.
O estudo incorporou um conjunto de dados abrangendo três anos, abrangendo dados de 125 campos de trigo localizados nas regiões de sequeiro de Marrocos. O conjunto de dados compreendia vários parâmetros, como fenologia, temperatura, precipitação, química do solo e práticas de manejo de culturas. Os campos foram atribuídos a regiões com base na precipitação anual (ou seja, favorável, intermédia e desfavorável).
O desempenho dos três modelos foi avaliado avaliando a precisão e exatidão dos rendimentos simulados em comparação com o rendimento medido.
Os resultados mostraram que a capacidade preditiva do APSIM-trigo foi superior aos modelos empíricos. Ambos os modelos empíricos foram capazes de fazer previsões precisas, mas não necessariamente precisas. No entanto, a abordagem florestal aleatória não foi capaz de ajustar um modelo e identificar preditores de produtividade em regiões desfavoráveis. O modelo APSIM foi consistentemente mais preciso que os modelos empíricos, embora tenha sido menos preciso para regiões intermediárias e desfavoráveis.
No entanto, os modelos mecanicistas são úteis porque podem identificar as variáveis críticas que contribuem para a previsão do rendimento do trigo. Isso ocorre porque eles são construídos com base nos processos biológicos e fisiológicos que impulsionam o crescimento das culturas. Esses modelos revelaram diversas variáveis significativas que afetam o rendimento, incluindo a densidade e distribuição das folhas durante a fase de espiga, fatores climáticos como temperaturas máximas na emergência e no perfilhamento, e a quantidade de fertilizante aplicado durante a fase de espiga.
Em vez de apoiar claramente a superioridade de um tipo de modelo sobre outro, os autores defenderam a utilização complementar de todas as abordagens, dependendo da disponibilidade de dados e do horizonte temporal pretendido para simulações de rendimento (um ano vs. décadas) e dos objectivos de modelização.
Os modelos empíricos são preferidos para previsões de longo prazo devido à sua precisão e capacidade de capturar os efeitos da variabilidade climática. Em contraste, modelos mecanicistas como o APSIM são mais adequados para fazer recomendações agronómicas que poupam tempo e recursos, concentrando-se naqueles com impacto mais significativo. Eles têm a vantagem de poder prever o rendimento assim que os valores dos parâmetros essenciais estiverem disponíveis.
Mamassi explicou o impacto deste trabalho nos agricultores marroquinos.
“A adopção de um pilar fundamental da Agricultura de Precisão, representado pela modelização mecanicista e empírica, na agricultura marroquina poderia capacitar os agricultores em regiões de sequeiro. Em primeiro lugar, contribui para avaliar o rendimento potencial destas regiões e destacar os factores subjacentes às disparidades no rendimento das culturas. Em segundo lugar, oferece previsões precisas a longo prazo e recomendações eficientes e personalizadas para condições agro-pedoclimáticas específicas, respetivamente. Isto poderia levar a uma melhor resiliência contra a variabilidade climática, a uma alocação otimizada de recursos e a melhores rendimentos, aumentando, em última análise, a sustentabilidade e a produtividade das práticas agrícolas marroquinas.”
LEIA O ARTIGO:
Achraf Mamassi, Marie Lang, Bernard Tychon, Mouanis Lahlou, Joost Wellens, Mohamed El Gharous, Hélène Marrou, Uma comparação de modelos empíricos e mecanísticos para a previsão da produtividade do trigo em nível de campo em áreas de sequeiro marroquinas. in silico Plants, Volume 6, Edição 1, 2024, diad020, https://doi.org/10.1093/insilicoplants/diad020
