Produtividade de cana-de-açúcar no Estado de São Paulo baseada em simulações multimodelos e mudanças climáticas

Helena Maria Soares Pinto, Murilo dos Santos Vianna, Leandro Garcia da Costa, Fábio Ricardo Marin

Resumo


O objetivo deste trabalho foi simular os níveis de produção da cana-de-açúcar para o cenário atual e futuro do Estado de São Paulo, baseando-se em dois modelos de simulação de cultura (DSSAT/CANEGRO e APSIM/Sugar) e dois modelos de projeção climática (CSIRO-Mk3-6-0 e HadGEM2-ES). As simulações ocorreram para trinta e oito locais do Estado e replicadas para dois cenários de emissão, otimista (RCP 4.5) e pessimista (RCP 8.5), e para três épocas de corte (precoce, média e tardia). Os cenários futuros, em média, representaram um aumento de 3% de precipitação total anual (45 mm), 9% na temperatura média máxima (3 °C) e 15% na temperatura média mínima (3 °C) nos locais de estudo em relação ao cenário atual. Através das simulações produzidas pelos dois modelos, foi possível identificar que a massa fresca de colmos respondeu positivamente aos cenários climáticos futuros em relação ao cenário atual, chegando a 16% no modelo APSIM/Sugar e 4% no modelo DSSAT/CANEGRO, o que corresponde à redução dos riscos de produção de cana-de-açúcar. De modo geral, nenhum dos cenários climáticos futuros implicaria em perda de produtividade em relação ao padrão atual.


Palavras-chave


Saccharum officinarum; mudanças climáticas; modelagem

Texto completo:

PDF

Referências


ASSENG, S. et al. Uncertainty in simulating wheat yields under climate change. Nature climate change, v. 3, p. 827, 9 jun. 2013.

BASNAYAKE, J.; JACKSON, P. A.; INMAN-BAMBER, N. G.; LAKSHMANAN, P. Sugarcane for water-limited environments. Variation in stomatal conductance and its genetic correlation with crop productivity. Journal of experimental botany, v. 66, n. 13, p. 3945–3958, jul. 2015.

BATTISTI, R.; SENTELHAS, P. C.; BOOTE, K. J. Inter-comparison of performance of soybean crop simulation models and their ensemble in southern Brazil. Field crops research, v. 200, p. 28–37, 1 jan. 2017.

BRISTOW, K. L.; CAMPBELL, G. S. On the relationship between incoming solar radiation and daily maximum and minimum temperature. Agricultural and Forest Meteorology, v. 31, n. 2, p. 159–166, 1 maio 1984.

CONAB. Acomp. Safra Bras. Cana-De-Açúcar, v. 3 – Safra 2015/2016, n.4 – Quarto Levantamento, Brasília, p. 1-82, abr. 2016.

COSTA, L. G.; MARIN, F. R.; NASSIF, D. S. P.; PINTO, H.; LOPES-ASSAD, M. L. Simulação do efeito do manejo da palha e do nitrogênio na produtividade da cana-de-açúcar. Revista Brasileira de Engenharia Agrícola e Ambiental-Agriambi, v. 18, n. 5, 2014.

COUTINHO, R. M.; KRAENKEL, R. A.; PRADO, P. I. Catastrophic Regime Shift in Water Reservoirs and São Paulo Water Supply Crisis. PloS one, v. 10, n. 9, p. e0138278, 15 set. 2015.

DE SOUZA, A. P.; GASPAR, M.; DA SILVA, E. A.; ULIAN, E. C.; WACLAWOVSKY, A. J.; NISHIYAMA, M. Y., Jr; DOS SANTOS, R. V.; TEIXEIRA, M. M.; SOUZA, G. M.; BUCKERIDGE, M. S. Elevated CO2 increases photosynthesis, biomass and productivity, and modifies gene expression in sugarcane. Plant, cell & environment, v. 31, n. 8, p. 1116–1127, ago. 2008.

EPE. Balanço Energético Nacional. National Report. 2015.

FAO. Food and Agriculture Organization of the United Nations. FAOSTAT Statistics Database. Rome, 1998. Acessado em Abr 2016.

FORTUNATO, F. M.; VIEIRA, A. L.; GOMES NETO, J. A.; DONATI, G. L.; JONES, B. T. Expanding the potentialities of standard dilution analysis: Determination of ethanol in gasoline by Raman spectroscopy. Microchemical journal, devoted to the application of microtechniques in all branches of science, v. 133, p. 76–80, 1 jul. 2017.

HUDSON, N.; RUANE, A. Guide for Running AgMIP Climate Scenario Generation Tools with R. AgMIP. Available online: http://www. agmip. org/wp-content/uploads/2013/10/Guide-for-Running-AgMIPClimate- Scenario-Generation-with, 2013.

INMAN-BAMBER, N. G. Sugarcane water stress criteria for irrigation and drying off. Field crops research, v. 89, n. 1, p. 107–122, 10 set. 2004.

KEATING, B. A.; ROBERTSON, M. J.; MUCHOW, R. C.; HUTH, N. I. Modelling sugarcane production systems I. Development and performance of the sugarcane module. Field crops research, v. 61, n. 3, p. 253–271, 1 maio 1999.

LI, T. et al. Uncertainties in predicting rice yield by current crop models under a wide range of climatic conditions. Global change biology, v. 21, n. 3, p. 1328–1341, mar. 2015.

MARIN, F. R. Understanding sugarcane yield gap and bettering crop management through crop production efficiency. In: Crop Management-Cases and Tools for Higher Yield and Sustainability. [s.l.] InTech, 2012. .

___. Eficiência de produção da cana-de-açúcar brasileira: estado atual e cenários futuros baseados em simulações multimodelos. [s.l.] Universidade de São Paulo, 2014.

MARIN, F. R.; JONES, J. W.; SINGELS, A.; ROYCE, F.; ASSAD, E. D.; PELLEGRINO, G. Q.; JUSTINO, F. Climate change impacts on sugarcane attainable yield in southern Brazil. Climatic change, v. 117, n. 1, p. 227–239, 1 mar. 2013.

MONTEIRO, J. E.; OTHERS. Agrometeorologia dos cultivos: o fator meteorológico na produção agrícola. 2009.

MOSS, R. H. et al. The next generation of scenarios for climate change research and assessment. Nature, v. 463, n. 7282, p. 747–756, 11 fev. 2010.

NASSIF, D. S. P.; MARIN, F. R.; PALLONE FILHO, W. J.; RESENDE, R. S.; PELLEGRINO, G. Q. Parametrização e avaliação do modelo DSSAT/ Canegro para variedades brasileiras de cana-de-açúcar. Pesquisa Agropecuaria Brasileira, v. 47, n. 3, p. 311–318, 2012.

PEREIRA, M. G.; CAMACHO, C. F.; FREITAS, M. A. V.; SILVA, N. F. DA. The renewable energy market in Brazil: Current status and potential. Renewable and Sustainable Energy Reviews, v. 16, n. 6, p. 3786–3802, 1 ago. 2012.

RICHARDSON, C. W.; WRIGHT, D. A. WGEN: A model for generating daily weather variables. 1984.

ROSENZWEIG, C. et al. The Agricultural Model Intercomparison and Improvement Project (AgMIP): Protocols and pilot studies. Agricultural and Forest Meteorology, v. 170, p. 166–182, 15 mar. 2013.

ROSENZWEIG, C. et al. Assessing agricultural risks of climate change in the 21st century in a global gridded crop model intercomparison. Proceedings of the National Academy of Sciences of the United States of America, v. 111, n. 9, p. 3268–3273, 4 mar. 2014.

RÖTTER, R. P.; CARTER, T. R.; OLESEN, J. E.; PORTER, J. R. Crop–climate models need an overhaul. Nature climate change, v. 1, p. 175, 19 jun. 2011.

SANTOS VIANNA, M. DOS; SENTELHAS, P. C. Simulação do risco de deficit hídrico em regiões de expansão do cultivo de cana-de-açúcar no Brasil. Pesquisa Agropecuaria Brasileira, v. 49, n. 4, p. 237–246, 11 jun. 2014.

___. Performance of DSSAT CSM-CANEGRO Under Operational Conditions and its Use in Determining the “Saving Irrigation” Impact on Sugarcane Crop. Sugar Tech, v. 18, n. 1, p. 75–86, 1 fev. 2016.

SCARPARE, F. V.; HERNANDES, T. A. D.; RUIZ-CORRÊA, S. T.; PICOLI, M. C. A.; SCANLON, B. R.; CHAGAS, M. F.; DUFT, D. G.; CARDOSO, T. DE F. Sugarcane land use and water resources assessment in the expansion area in Brazil. Journal of cleaner production, v. 133, p. 1318–1327, 1 out. 2016.

SINGELS, A.; JONES, M.; BERG, M. VAN DER. DSSAT v 4.5 Canegro Sugarcane Plant Module. Scientific Documentation. 2008. International Consortium for Sugarcane Modelling, [s.d.].

SOARES, F. A. DE A. Zonas edafoclimáticas homogêneas das principais regiões de cana-de-açúcar do Brasil. [s.l.] Universidade de São Paulo, 2015.

STOCKER, T. F.; QIN, D.; PLATTNER, G. K.; TIGNOR, M.; ALLEN, S. K.; BOSCHUNG, J.; NAUELS, A.; XIA, Y.; BEX, V.; MIDGLEY, P. M. Climate change 2013: the physical science basis. Intergovernmental panel on climate change, working group I contribution to the IPCC fifth assessment report (AR5). New York, 2013.

STOKES, C. J.; INMAN-BAMBER, N. G.; EVERINGHAM, Y. L.; SEXTON, J. Measuring and modelling CO2 effects on sugarcane. Environmental Modelling & Software, v. 78, p. 68–78, 1 abr. 2016.

TOMASELLA, J.; HODNETT, M. G.; ROSSATO, L. Pedotransfer Functions for the Estimation of Soil Water Retention in Brazilian Soils. v. 64, p. 327–338, 2000.

VAN WART, J.; GRASSINI, P.; YANG, H.; CLAESSENS, L.; JARVIS, A.; CASSMAN, K. G. Creating long-term weather data from thin air for crop simulation modeling. Agricultural and Forest Meteorology, v. 209-210, p. 49–58, 15 set. 2015.

VU, J. C. V.; ALLEN, L. H.; GESCH, R. W. Up-regulation of photosynthesis and sucrose metabolism enzymes in young expanding leaves of sugarcane under elevated growth CO2. Plant science: an international journal of experimental plant biology, v. 171, n. 1, p. 123–131, 1 jul. 2006.

WALTER, A.; GALDOS, M. V.; SCARPARE, F. V.; LEAL, M. R. L. V.; SEABRA, J. E. A.; CUNHA, M. P. DA; PICOLI, M. C. A.; OLIVEIRA, C. O. F. DE. Brazilian sugarcane ethanol: developments so far and challenges for the future. Wiley Interdisciplinary Reviews: Energy and Environment, v. 3, n. 1, p. 70–92, 22 jan. 2014.

YIN, X. et al. Multi-model uncertainty analysis in predicting grain N for crop rotations in Europe. European journal of agronomy: the journal of the European Society for Agronomy, v. 84, p. 152–165, 1 mar. 2017.




DOI: http://dx.doi.org/10.31062/agrom.v26i1.26300

Apontamentos

  • Não há apontamentos.


Embrapa Trigo

Rodovia BR-285, km 294, Caixa Postal: 3081

CEP 99050-970 Passo Fundo/RS