Culturas

Dois processos básicos para realizar o cultivo simulado de cana de açúcar

O estudo do cultivo simulado da cana segue basicamente dois processos: desenvolvimento do modelo e aplicação do modelo. Esse é o processo mais oneroso, pois representa o momento onde as relações matemáticas e estatísticas são idealizadas, testadas e validadas em experimentos de campo com embasamento técnico e científico.

No caso dos MBPs (Modelos Baseados em Processos), Murilo dos Santos Vianna, pós-doutorando pela FEAGRI/UNICAMP (Faculdade de Engenharia Agrícola da Universidade Estadual de Campinas) e doutor em Engenharia de Sistemas Agrícolas pela ESALQ/USP (Escola Superior de Agricultura Luiz de Queiroz), salienta que este processo é fruto de inúmeros anos de pesquisa.

Nestas pesquisas as relações fisiológicas fundamentais da cultura com o ambiente são equacionadas de forma que, a grosso modo, seja possível simular a produtividade com base não apenas na quantidade de chuva e insumos de um dado talhão, mas sim, com base nas taxas fotossintéticas e metabólicas da cultura para aquela condição”.

Neste caso, o modelo torna-se uma ferramenta de apoio a tomada de decisão sendo aplicável a diferentes ambientes que estejam dentro dos limites experimentais previamente validados e calibrados.

O pesquisador lembra ainda que, apesar de mais sofisticado, tal tipo de modelo geralmente requer informações mais detalhadas sobre as condições da simulação, “o que, por muitas vezes, acaba limitando sua aplicação em razão dos dados falhos”, salienta.

Já os modelos empíricos ou estatísticos, que determinam relações diretas entre produtividade e variáveis do sistema (caso do Clima, Solo, Manejo, Cultivar, Etc), sem ter o objetivo de explicar o processo, mas sim de prever uma condição ou estado, muitas vezes requerem muito menos informações sobre o sistema de cultivo e, por isso, tornam-se muito mais aplicáveis”, ressalta o pesquisador.

Aplicação do modelo

Nesta etapa, Vianna explica que o primeiro passo é definir qual o objetivo de trabalhar com o modelo. “O objetivo pode ser meramente para previsão de safra, análises de risco ou para otimização de insumos”, lembra.

Assim que ocorrer a definição da aplicação, deve-se selecionar o modelo que melhor atende esse objetivo. Vianna lembra que nem sempre um modelo sofisticado possui melhor desempenho que um modelo mais simples e bem calibrado para as condições da lavoura.

Devemos ter em mente que um modelo não passa de uma ferramenta desenvolvida para solucionar um tipo de problema. Em outras palavras, pode-se dizer que um prego pode ser “martelado” com um alicate, mas com eficácia a eficácia será muito menor que um martelo”, explica Vianna.

1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
Loading...

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *