À medida que as mudanças climáticas se intensificam, a necessidade de soluções agrícolas inovadoras cresce. Modelos de simulação de safras oferecem uma maneira promissora de acelerar a criação para resiliência sob condições adversas. Um grupo de pesquisadores está reunindo dados experimentais abrangentes sobre cevada para melhorar a confiabilidade desses modelos, abrindo caminho para estratégias de adaptação mais eficazes na agricultura.

A cevada é o quarto cereal mais produzido globalmente, depois do milho, arroz e trigo, e é cultivada e usada em todo o mundo. Ela desempenha um papel vital em várias indústrias, incluindo ração animal, maltagem, cerveja e destilação, além de servir como uma fonte de alimento nutritiva para humanos.

Distribuição da produção global de cevada em 2020 (MapaSpam). A intensidade da cor está relacionada à proporção de terra destinada à produção de cevada.

De acordo com o pesquisador Dr. Mercy Appiah da Universidade de Göttingen, “Modelos de culturas podem ser usados ​​para prever a produtividade em locais específicos usando um conjunto mínimo de dados coletados desses locais, que também podem ser suplementados com valores da literatura existente. No entanto, para aplicar esses modelos a novos cenários, como diferentes ambientes ou genótipos, é crucial ter dados de alta qualidade. Esses dados de alta qualidade devem incluir observações específicas do local sobre clima, solos, práticas de manejo e crescimento acima e abaixo do solo de cultivares de culturas.”

Ela colaborou com uma equipe de pesquisadores em um esforço concentrado para coletar dados experimentais de campo de alta qualidade adequados para avaliar e melhorar modelos para simular a produção de cevada em condições nórdicas. Até agora, tais dados ainda não estavam suficientemente disponíveis. Eles avaliaram o impacto de dados de alta qualidade comparando seu efeito na precisão das previsões do modelo de simulação de safras com conjuntos de dados de qualidade inferior. As simulações foram conduzidas usando o Simulador de Sistemas de Produção Agrícola (APSIM), um dos modelos de safras mais amplamente usados, capaz de simular o crescimento e o desenvolvimento de mais de 40 espécies, incluindo a cevada.

Os experimentos de campo envolveram plantios em três locais na Dinamarca onde os dados experimentais regionais são limitados. Esses locais empregaram práticas de manejo variadas, incluindo diferenças em datas de semeadura, cultivares, densidade de plantio e regimes de fertilização.

Os autores usaram esses dados, juntamente com valores da literatura existente, para calibrar o modelo em três níveis de qualidade de dados, resultando em três variantes distintas do modelo (veja a tabela de dados fornecida para calibração sob os três níveis de dados). Conjuntos de dados de baixa qualidade representam a situação mais comum que os modeladores enfrentam ao calibrar modelos de simulação de safra.

Uma tabela que infelizmente o WordPress se recusa a aceitar do Word.
Visão geral dos dados fornecidos para calibrar o APSIM, categorizados em três níveis de qualidade. Para dados de baixa e média qualidade, alguns valores foram medidos diretamente pelos autores (✅), enquanto outros foram estimados com base na literatura (lit).

Quando compararam a precisão da predição entre as variantes do modelo, eles descobriram que a variante do modelo de alta qualidade superou as variantes de baixa e média qualidade na predição da biomassa total acima do solo e do rendimento final de grãos. Este trabalho ilustra que dados de maior qualidade podem melhorar significativamente a precisão dos modelos de simulação de safra.

Topo: Biomassa total simulada e observada acima do solo em diferentes estágios de crescimento e valores observados (x). Abaixo: Valores simulados e observados de rendimento final de grãos.

Appiah conclui: “Ao utilizar modelos de simulação de cultivo que incorporam dados de alta qualidade, os pesquisadores podem aumentar sua capacidade de prever como novos genótipos responderão a diferentes cenários climáticos. Isso facilitará a seleção de genótipos mais adequados para condições futuras, apoiando, em última análise, programas de melhoramento focados em melhorar a adaptabilidade das culturas às mudanças climáticas. Com nossa pesquisa, contribuímos significativamente para criar os dados de alta qualidade necessários e, ao ilustrar o efeito que isso tem na precisão da previsão do modelo, esperamos encorajar a comunidade de pesquisa a aumentar seus esforços para conduzir mais experimentos desse tipo com foco na coleta de dados especificamente para modelagem de culturas.”

LEIA O ARTIGO:

Mercy Appiah, Gennady Bracho-Mujica, Simon Svane, Merete Styczen, Kurt-Christian Kersebaum, Reimund P Rötter, Insights da utilização de dados de diferentes níveis de qualidade para simular o desempenho da cevada em condições nórdicas: avaliação do modelo Agricultural Production Systems SIMulator, in silico Plants, Volume 6, Edição 2, 2024, diae010, https://doi.org/10.1093/insilicoplants/diae010