• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Habilitation Thesis
DOI
https://doi.org/10.11606/T.11.2014.tde-22082014-112751
Document
Author
Full name
Fábio Ricardo Marin
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
Piracicaba, 2014
Committee
Folegatti, Marcos Vinicius (President)
Angelocci, Luiz Roberto
Hernandez, Fernando Braz Tangerino
Paz, Vital Pedro da Silva
Silva, Bernardo Barbosa da
Title in Portuguese
Eficiência de produção da cana-de-açúcar brasileira: estado atual e cenários futuros baseados em simulações multimodelos
Keywords in Portuguese
Calibração
Incerteza
Modelagem
Monte Carlo
Mudanças climáticas
Simulação estocástica
Abstract in Portuguese
Até 2050, a população mundial aumentará em aproximadamente 30%. Essas projeções implicam na necessidade de elevar a produção agrícola, o que representa um grande desafio tanto para a sustentabilidade do planeta. A identificação das regiões com os maiores potenciais de incremento da produtividade pode ser feita com base na eficiência produtiva. Sabe-se que as projeções acerca do clima futuro e seu impacto na agricultura contêm uma série de incertezas. Na agricultura, uma das ferramentas cientificamente aceitas para a análise de impactos das mudanças climáticas na agricultura é o uso de modelos de crescimento de plantas baseados em processos fisiológicos e físicos. Estudos recentes indicam que o uso de pelo menos três modelos em paralelo podem reduzir a incerteza da simulação. Há vários modelos disponíveis para cana-de-açúcar, mas apenas dois estão efetivamente disponíveis para usuários finais. Este trabalho apresenta um novo modelo estocástico para cana-de-açúcar, baseado no método de Monte Carlo com variáveis aleatórias correlacionadas e contando com um módulo de calibração assistida pelo método GLUE. Este modelo foi utilizado em conjunto com os modelos APSIM-Sugar e DSSAT/CANEGRO. Os três modelos mostraram-se capazes de simular a fenologia, índice de área foliar e massa fresca de colmos para nove conjuntos de dados coletados em diferentes regiões do Brasil. O novo modelo STC, mostrou-se capaz de quantificar a incerteza associada aos parâmetros genéticos ou às variáveis de entrada associadas ao clima ou ao solo. As simulações de massa fresca de colmos geradas pelos três modelos para os cenários climáticos de 2050 permitem inferir que é mais provável que a cultura seja levemente beneficiada pelas condições climáticas futuras. No entanto o modelo APSIM-Sugar, o único a incluir processos relativos à decomposição da palha e ao ciclo do nitrogênio no solo e na planta, indicou perda produtividade para praticamente todos os locais e cenários climáticos futuros avaliados. Este aspecto conduz à questão de que a adaptação da cultura ao clima futuro precisa levar em conta o manejo nutricional e, em especial o ciclo do nitrogênio. A eficiência da produção de cana-de-açúcar Brasileira é atualmente de 44%, correspondendo a um yield-gap explorável médio nacional de 41 t ha-1.
Title in English
Brazilian sugarcane yield-gap: current status and future Scenarios based on multimodel simulations
Keywords in English
Calibration
Climate change
Modeling
Monte Carlo
Stochastic simulation
Uncertainty
Abstract in English
By 2050, world population will increase by approximately 30%. These projections imply the need to increase agricultural production, which represents a great challenge for the Earth´s sustainability. By identifying the best regions for increasing yield and crop efficiency can be done through yield-gap analysis. It is well known the future climate projections and their impacts on agriculture contain a number of uncertainties. In agriculture, process-based crop modeling is now scientifically accepted as tools for generating scenarios based on future climate projections. Recent studies found lower uncertainties in simulations using three or more crop models in parallel. There are several sugarcane models described in the literature, but only two are actually available to end users. This paper presents a new stochastic crop model for sugarcane, using Monte Carlo method with correlated random variables, and automatic-calibration based on GLUE method. This model was used in conjunction with APSIM-Sugar and DSSAT/CANEGRO, and the three were capable of simulating the phenology, leaf area index and stalk fresh mass for nine sets of experimental data collected around Brazil. The STC model was capable to quantify the uncertainty associated with the genetic parameters and would be able to do so for input variables such as climate or soil. Simulations of stalk fresh mass generated by the three models for future climate scenarios revealed it is likely that sugarcane yield will slightly increase in the future due the climate conditions. However the APSIM-Sugar model, the only one simulating trash blanket decomposition and nitrogen cycle simulated yields decreasing for most of the locations and scenarios evaluated. This, in turn, leads to the question that crop adaptation studies might deal with nutritional management and, in particular, the nitrogen cycle. The Brazilian sugarcane production efficiency is currently around 44%, corresponding to an exploitable yield-gap of 41 t ha-1.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2014-08-26
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2024. All rights reserved.