O documento discute modelos de simulação de culturas agrícolas sob cenários de mudança climática no Brasil. Ele apresenta detalhes sobre modelos climáticos, dados de entrada, culturas modeladas e resultados esperados como produtividade e viabilidade de cultivo em diferentes regiões. O documento também descreve um projeto concluído sobre simulação de cenários agrícolas futuros usando projeções de mudanças climáticas regionalizadas entre 2009-2013.
2. Concepção de trabalho:
Modelos de culturas
Setor: Agricultura
Modelos:
Simples ou Complexos
f(disponibilidade de dados)
Dados de entrada Resultados
Meteorológicos:
Chuva, temperatura,
radiação, vento, umidade
do ar.
Solos: classificação,
natureza e propriedades,
profundidade, CAD...
Sistemas de produção:
parâmetros de manejo
Culturas:
Grãos: soja, milho, arroz,
feijão, trigo...
Industriais: cana, algodão,
mandioca, girassol...
Frutíferas: banana, uva,
mação, pêssego, manga...
Florestais: pinus, eucalipto,
acácia....
Forrageiras: Brachiaria,
Panicum, Cenchrus...
Agrícolas, por cultivo:
a) Viabilidade (sim e não);
b) Locais x épocas de cultivo;
c) Produtividade.
3. Concepção de trabalho:
Modelos de culturas
Setor: Agricultura
Dados de entrada
Resultados de culturas
Modelos econômicos Impactos econômicos
Econômicos:
a) Preço de terras;
b) Renda Líquida;
Tecnológicos:
a) Adoção de insumos;
b) Mudanças no sistema de
produção ou de cultura
- Econométricos (estatístico,
populacional);
- Otimização (maior
detalhamento por fator).
4. Projeto concluído:
“Simulação de cenários agrícolas futuros a partir de
projeções de mudanças climáticas regionalizadas”
• 2009 -2013
PC7–CAFForrageiras
(Brach.brizanta,Panicum,
Cenchrus,Luliumepalma
forrageira)
PC6–CAFFlorestais
(pinus,eucalipto,
bracatinga,acácia,paricá,
tachibranco,teca,araucária
eseringueira)
PC5–CAFFrutíferas
(pêssego,maçã,pêra,uva,
banana,mangaecoco)
PC4–CAFIndustriais
(mamona,algodão,girassol,
mandioca,canaelaranja)
PC3–CAFGrãos
(soja,trigomilho,sorgo,
arrozefeijão)
PC1 – Gestão da Rede
(execução e infra-estrutura do Projeto)
PC2 – Análise de Tendências
PC8 – Análise Econômica dos Cenários Agrícolas Futuros
PC9 – Tecn. de Informação para Base de Dados e Simulação
10. Projeto concluído:
“Simulação de cenários agrícolas futuros a partir de
projeções de mudanças climáticas regionalizadas”
Culturas Produção
atual
Valor da
produção
Área
Potencial
atual
Cenário B2 - % de
variação em relação à
área ou produção atual
Cenário A2 - % de
variação em relação à
área ou produção atual
(toneladas) (R$1.000) (km
2
) 2020 2050 2070 2020 2050 2070
Algodão 2.898.721 2.831.274 4.02 9.507 -11,04 -14,17 -15,71 -11,07 -14,40 -16,12
Arroz 11.526.685 4.305.559 4.168.806 -08,56 -12,53 -14,31 -09,70 -12,32 -14,19
Café 2.573.368 9.310.493 395.976 -06,75 -18,32 -27,61 -9,48 -17,15 -33,01
Cana 457.245.516 16.969.188 619.422 170,93 146,77 143,42 159,76 138,58 118,18
Feijão 3.457.744 3.557.632 4.137.837 -04,35 -10,01 -12,75 - 4,36 -10,21 - 13,30
Girassol ----- ------- 4.440.650 -14,10 -16,63 -18,25 -14,16 -16,47 -18,17
Mandioca 26.639.013 4.373.156 5.169.601 -02,51 07,29 16,61 -03,15 13,48 21,26
Milho 42.661.677 9.955.266 4.381.791 -12,17 -15,13 -16,98 -11,98 -15,18 -17,28
Soja 52.454.640. 18.470.711 2.790.265 -21,62 -29,66 -34,86 -23,59 -34,15 -41,39
11. Projeto concluído:
“Simulação de cenários agrícolas futuros a partir de
projeções de mudanças climáticas regionalizadas”
• 2009 -2013
12. Projeto concluído:
“Simulação de cenários agrícolas futuros a partir de
projeções de mudanças climáticas regionalizadas”
Arquitetura
Computadores Dedicados
Computadores Não-Dedicados
Servidor Web
(SCenAgri)
Grade Computacional
Hardware
220 núcleos de processamento
440 threads
Mais de 60 TB de armazenamento
15. Projeto concluído:
“Simulação de cenários agrícolas futuros a partir de
projeções de mudanças climáticas regionalizadas”
• Experimentação
• Câmaras de crescimento
• FACE
• Integração modelagem da
produção e modelagem de
doenças e pragas
• Processo de Simulação
• Formas de divulgação:
incertezas/probabilidades
• Análise Econômica
Futuro – próximas etapas
• Modelos de Circulação
Global e Regionalizados:
RegCM3, PRECIS, ETA,
IPCC4… + 10 outros
modelos
• Simulação estatística de
futuro próximo com base
em dados históricos.
Qualidade.
• Escala temporal: diária,
decendial, mensal...
• Modelagem Estocástica
• Modelagem de Processos
• Modelagem de produção
• Processos Fisiológicos:
Fotossíntese e Respiração
• Processos Fisiológicos:
Efeito da T / Fertilização
por CO2
• Avanço Tecnológico:
Genética/Técnicas
produtivas
Dados de Entrada Modelos Simulação/análise
16. Projeto em andamento:
“Intercomparação, aprimoramento e adaptação de
modelos de simulação de culturas agrícolas para
aplicação em mudanças climáticas – AgMIP BR”
• AgMIP internacional
The Agricultural Model Intercomparison and Improvement Project
http://www.agmip.org/
17. Projeto em andamento:
“Intercomparação, aprimoramento e adaptação de
modelos de simulação de culturas agrícolas para
aplicação em mudanças climáticas – AgMIP BR”
• AgMIP-Br (SCAF, AgMIP internacional)
• Incorporar o estado da arte em produtos de clima e as melhorias em modelos
de culturas nas avaliações regionais e globais de impactos futuros;
• Incluir vários modelos, cenários, locais, culturas e participantes para explorar a
incerteza e o impacto de dados e opções metodológicas;
• Integrar especialistas regionais em agronomia, economia e clima para
fundamentar simulações aplicadas;
• Criar estrutura para identificar e priorizar as estratégias de adaptação.
18. Projeto em andamento:
“Intercomparação, aprimoramento e adaptação de
modelos de simulação de culturas agrícolas para
aplicação em mudanças climáticas – AgMIP BR”
Rosenzweig et al., 2013 https://www.agmip.org/about-us/approach/
19. Projeto em andamento:
“Intercomparação, aprimoramento e adaptação de
modelos de simulação de culturas agrícolas para
aplicação em mudanças climáticas”
AgMIP-Br
Plataformas de modelos: DSSAT, APSIM, STICS, EPIC
Culturas: Soja, Milho, Trigo, Arroz irrigado, Arroz terras altas, Feijão, Caupi, Cana,
Videira e Pastagens.
DADOS dos MODELOS CLIMÁTICOS (diários ou 6h ou 1h):
a) Chuva; b) Temperatura (min, max);
c) Radiação; d) Vento;
e) Umidade do ar.
20. Uso de dados em modelagem,
Dados de modelos climáticos:
Conforme recebido para projeto SCAF:
Media compensada diária de temperatura [k]
Max diaria de temp do ponto de orvalho [k]
Max diária da componente u do vento a 10 m [m/s]
Max diária da componente v do vento a 10 m [m/s]
Mín diária de temp do ponto de orvalho [k]
Mín diária da componente u do vento a 10 m [m/s]
Mín diária da componente v do vento a 10 m [m/s]
Prec diária acumulada [mm/dia]
Media simples diária de temperatura [k]
Acumulo diário de radiacao de onda curta [w/m2]
Acumulo diário de radiacao de onda longa [w/m2]
Temperatura max diária [k]
Temperatura mín diária [k]
AR-4
6h em 6h
Extrações:
- Diárias
- Mensais
Formato:
GRIB (binário)
21. Uso de dados em modelagem,
Novos dados de modelos climáticos:
Variáveis:
a) Chuva;
b) Temperatura (min, max);
c) Radiação;
d) Vento;
e) Umidade do ar.
(Convertidos de acordo com as necessidades, a
partir do formato de saída dos modelos)
AR-5
6h em 6h
Extrações:
- Diárias
- Mensais
Formatos de arquivo:
Desejável:
NetCDF, GeoTiff, CSV