PREVSAFRAS UM APLICATIVO PARA PREVISÃO DE SAFRAS RESUMO PREVSAFRAS A COMPUTER SYSTEM FOR CROP YIELD PREDICTION ABSTRACT

Transcrição

1 PREVSAFRAS UM APLICATIVO PARA PREVISÃO DE SAFRAS RESUMO ANDRÉ DE SOUZA VIEIRA 1 EDUARDO YASUJI CHIBANA 2 RENATA GONÇALVES MOTA 3 ROGÉRIO TEIXEIRA DE FARIA 4 PrevSafras é um aplicativo computacional desenvolvido para automatizar o processo de estimativa de safras que realiza o monitoramento das condições agro-climáticas através da leitura diária de dados de estações meteorológicas espalhadas ao longo da área de interesse. A partir desses dados, levando-se em consideração características de solo e da cultivar semeada, o sistema calcula a disponibilidade hídrica do solo e realiza a simulação do desenvolvimento da cultura, penalizando a produtividade na ocorrência de condições climáticas adversas. Para o levantamento da área de plantio, o sistema permite a inclusão de dados através de pesquisa de campo ou através de técnicas de sensoriamento remoto. Os resultados obtidos podem ser visualizados na forma tabular, gráficos ou mapas temáticos. PALAVRAS-CHAVE: Aplicativo; Previsão; Safras; Clima. PREVSAFRAS A COMPUTER SYSTEM FOR CROP YIELD PREDICTION ABSTRACT PrevSafras is a computer application system developed to automate the task of estimating crop production. For estimation of the productivity, the system access daily climate conditions from meteorological stations over the interest area. Using these data together with soil and crop characteristics, the system calculates soil available water, simulates crop development and then estimate relative yield, which is a fraction from the potential yield obtained under non-stress condition. The result of crop yield is multiplied by planted area, which is obtained by geotechnologies (satellite imagery, GPS, field survey) to calculate crop production for the target area. The obtained results can be visualized in table form, graphs or thematic maps. KEYWORDS: Application, Forecast, Harvest, Climate. 1 Bacharel em Ciência da Computação, Iapar, Rod. Celso Garcia Cid, Km 375, Londrina-PR 2 Bacharel em Ciência da Computação, Iapar, Rod. Celso Garcia Cid, Km 375, Londrina-PR 3 Mestre em Ciência da Computação, Iapar, Rod. Celso Garcia Cid, Km 375, Londrina-PR 4 Doutor em Engenharia Agrícola, Iapar, Rod. Celso Garcia Cid, Km 375, Londrina-PR

2 1. INTRODUÇÃO A previsão de safras é uma atividade de grande importância estratégica para o governo e empresas do agro-negócio. Para melhorar o sistema de previsão de safras no Brasil há necessidade de adoção de novos métodos que levem em conta fatores quantitativos e que possibilitem agilidade e precisão de estimativa. Dentre eles, destacam-se os modelos computacionais de estimativa de produtividade de culturas e técnicas de sensoriamento remoto. Os modelos computacionais permitem a estimativa da produtividade do cultivo em função do solo, manejo e condições climáticas transcorridas durante o ano agrícola, enquanto que o sensoriamento remoto, usado em associação com levantamentos de campo, possibilita o monitoramento de culturas e auxilia na estimativa das áreas plantadas, além de se poder extrair dados das imagens ou fotografias para estimar distribuição das lavouras e até características do cultivo ou do sistema de cultivo. Exemplos da eficiência do método usando simulação e sensoriamento remoto foram demonstrados por Duchon (1986), que utilizou o modelo CERES-Maize para desenvolver um esquema operacional de previsão de safra do milho no cinturão do milho dos Estados Unidos; por Bannayan (1999), que obteve 90% de acerto na previsão da safra de trigo de inverno usando o modelo SUCROS; além de Thornton et al. (1995) e Boullon et al., (1996), que também obtiveram estimativas razoáveis de safras usando o modelo CERES-Maize no Malawi e Argentina. No Brasil, Costa (1992) obteve boa estimativa da produtividade de milho com o modelo CERES-Milho em Ribeirão Preto, SP, em anos normais e superestimativas nos anos com períodos excessivamente chuvosos. Também no estado de São Paulo, Soler et al. (2001) utilizaram o modelo CERES-Milho para simular o crescimento e desenvolvimento do milho safrinha, sob condições de sequeiro e irrigação, a fim de identificar as características genéticas desejáveis das cultivares e as épocas de semeadura que proporcionem melhor rendimento da cultura durante o período da entressafra. No Paraná, esse modelo foi também utilizado com sucesso para estimar riscos climáticos da cultura de milho (Cardoso et al. 2001) e determinar consumo de água para irrigação (Heinmann et al., 2002). Entretanto, a calibração é a principal dificuldade dos modelos de crescimento de culturas com embasamento fisiológico, como o modelo CERES-Milho, pois requerem dados experimentais confiáveis durante longo período para se representar as condições típicas da área de aplicação. Considerando a dificuldade de obtenção desses dados, principalmente no

3 caso de aplicações em larga escala, o uso de modelos simples, denominados de funções de produção, que consideram os efeitos da chuva, evapotranspiração e características de solos constituem em boa alternativa para estimar adequadamente a produtividade do cultivo de interesse. As funções de produção podem ser facilmente calibradas com dados locais de fácil obtenção, tais como os valores observados de produtividade e as respectivas informações de datas de semeadura ao longo dos anos, além das condições climáticas e de solo locais. Faria & Madramootoo (1997) calibraram diferentes funções de produção para a cultura do trigo no estado do Paraná e concluíram que esse método é apropriado para estimativa da produtividade em função da disponibilidade hídrica. Essas funções de produção foram também calibradas para feijão, arroz e milho (Faria, 1996) e depois acopladas a um modelo de balanço hídrico (Faria & Madramootoo,1996) para calcular balanço hídrico e decréscimo de produtividade desses cultivos em função da disponibilidade hídrica no estado do Paraná pelo Sistema de Monitoramento Agroclimático do Paraná (Caramori & Faria, 2002). Recentemente utilizou-se esse método em escala regional num estudo de risco climático da cultura de trigo na região dos Campos Gerais, PR (Faria et al., 2003) Dada a complexidade dos trabalhos envolvidos na atividade de previsão de safras, justifica-se o desenvolvimento de um sistema computacional para integrar e automatizar as diferentes etapas envolvidas, possibilitando organizar o conjunto de informações, gerenciar o processamento de dados por vários aplicativos e facilitar apresentação de resultados. O objetivo deste trabalho é desenvolver um aplicativo computacional, denominado PrevSafras, baseado em plataforma SIG, para realizar consulta ao banco de dados, incorporar novos dados e informações da produção agrícola e dados físicos das áreas agricultáveis, realizar interpolações espaciais, rodar os modelos de estimativa de produtividade e gerar novos dados e informações. 2. MATERIAIS E MÉTODOS O aplicativo PrevSafras é constituído por módulos computacionais que realizam tarefas específicas, um sistema de banco de dados e uma plataforma de SIG (Sistema de Informações Geográficas) para a realização das tarefas envolvidas no processo de previsão de safras. Os módulos computacionais são o CLIMA, BALANÇO HÍDRICO, FUNÇÃO DE PRODUÇÃO, SAFRAS e PRODUÇÃO. O Clima é responsável pela obtenção,

4 armazenamento e correção de falhas em dados climáticos das estações meteorológicas, além de calcular a evapo-transpiração. O módulo BALANÇO HÍDRICO realiza o balanço hídrico do solo com base nos dados solos cadastrados no sistema e dados climáticos obtidos do módulo CLIMA. O módulo FUNÇÃO DE PRODUÇÃO inclui um submódulo para simular o desenvolvimento da cultura, a partir da semeadura, passando por todas as fases fenológicas até chegar na colheita. A função de produção é a equação desse módulo que penaliza a produtividade em função do estresse hídrico ocorrido durante o desenvolvimento da cultura (Faria & Madramootoo, 1997). O módulo Safras é responsável pelo armazenamento e organização de dados históricos relativos às safras agrícolas, como áreas, épocas de plantio e histórico de produtividade em diversas regiões agrícolas. Para a obtenção dos dados das áreas de plantio, o sistema admite o cadastro manual e a utilização de técnicas de sensoriamento remoto, através de imagens de satélite. O cálculo da produção é realizado com a utilização de funções de geoprocessamento, disponibilizadas pela plataforma de SIG. Neste processo, os dados de produtividade obtidos são espacializados, interpolados e ponderados por região ao longo da área de interesse. Em seguida, a produtividade é multiplicada pela área de plantio para obter-se a produção. Os dados tratados por cada módulo computacional podem ser visualizados pelo usuário na forma de tabelas, gráficos ou mapas temáticos. O desenvolvimento do aplicativo PrevSafras dividiu-se nas etapas de análise, projeto, implementação e testes. Para a primeira fase do desenvolvimento foi adotada a análise estruturada de sistemas (Yourdon, 1990). Nesta fase, fez-se a descrição da natureza e componentes do problema e realizou-se a especificação dos pré-requisitos do sistema. Com base nestes pré-requisitos, concebeu-se a arquitetura geral do sistema e a divisão modular do aplicativo PrevSafras, que consistiram na fase de projeto do sistema. Nesta fase foram desenhados os principais diagramas do sistema, entre eles, o diagrama de fluxo de dados, o diagrama de entidades e relacionamentos e o dicionário de dados. Para a confecção dos diagramas e dos demais documentos de análise foi utilizado o software Microsoft Visio. Durante a fase de implementação, os módulos computacionais foram construídos

5 utilizando-se a linguagem de programação Borland Delphi, que adota o paradigma da orientação a objeto. Para o desenvolvimento dos módulos de espacialização, interpolação e ponderação da produtividade, foi utilizado o ArcView, que é um sistema de informações geográficas (SIG) que permite a automatização de funções de geoprocessamento e possui recursos poderosos para a confecção de mapas temáticos. Para ler parâmetros e configurações de previsões fornecidos pelo usuário, coordenar a execução de todos os módulos funcionais e gerenciar o banco de dados, foi desenvolvida uma interface, chamada Interface PrevSafras. O sistema de banco de dados foi implementado e construído utilizando o SGDB (Sistema Gerenciador de Banco de Dados) Firebird, um sistema livre baseado no modelo relacional de dados, no padrão SQL - Structured Query Language (Linguagem Estruturada de Consulta). 3. RESULTADOS E DISCUSSÃO Os resultados das duas primeiras fases consistem em documentos e diagramas de especificação do sistema, onde são definidos os módulos com seus respectivos dados de entrada e saída. A figura 1 mostra a o diagrama da arquitetura geral do sistema onde são apresentados os principais componentes que constituem o escopo da aplicação. Os principais elementos deste diagrama são os dados, as fontes de dados, usuários e os componentes de hardware e software do sistema. 4. CONCLUSÕES No atual estágio de desenvolvimento, foi concluída uma implementação mínima que disponibiliza uma versão de avaliação do sistema, que contém as funções essenciais para a realização do processo de previsão de safras. Com essa versão, foram realizados testes para a estimativa da produção de soja para os anos agrícolas de e , no estado do Paraná. Durante esta fase de avaliação, verificou-se a viabilidade do sistema e a confiabilidade de seus resultados, que foram comparados com dados observados em campo. O curso do desenvolvimento do aplicativo segue no detalhamento e na forma de visualização dos resultados.

6 Figura 1 - Arquitetura Geral do Sistema A figura 2 apresenta os componentes de software do sistema. Seus principais elementos são o banco de dados, os módulos funcionais (CLIMA, BALANÇO HÍDRICO FUNÇÃO DE PRODUÇÃO, SAFRAS, PRODUÇÃO), a Interface PrevSafras e a plataforma de SIG. Figura 2 - Estrutura modular do aplicativo PrevSafras

7 5. REFERÊNCIAS BIBLIOGRÁFICAS Bannayan, M. & Crout, N.M.J., A stochastic modelling approach for real-time forecasting of winter wheat yield. Field Crops Res. 62(1):85-95 Boullon, D.R; Rodriguez, G.R Y Magrin G.O. Aplicación de CERES-Maize a la estimación de rendimientos regionales. In: ACTAS DE LA REUNIÓN ARGENTINA DE FISIOLOGÍA VEGETAL, 21., Argentina, Argentina: INTA Castelar, p Caramori, P. H.; Faria, R. T. Sistema de Monitoramento Agroclimático para o estado do Paraná. IAPAR, 2002 Cardoso, C. O.; Faria, R. T.; Folegatti, M. V. Riscos no estabelecimento e ciclo do milho safrinha semeado em diferentes épocas em Londrina, simulados com o modelo CERES- Maize In. XII CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 2001, Fortaleza-CE Anais do XII Congresso Brasileiro de Agrometeorologia, Fortaleza/CE Sociedade Brasileira de Agrometeorologia/FUNCEME, 2001, v. 2, n., p Duchon, C.E. Corn yield prediction using climatology. Journal of climate and Applied Meteorology. v. 25 (5), p , 1986 Costa. M.M.G. Aplicação de dois modelos de previsão de safra agrícola para a cultura de milho na microrregião de Ribeirão Preto, SP. São Paulo, p. (M.S) - Instituto Astronômico e Geofísico/Universidade de São Paulo Faria, R. T.; Chibana, E. Y.; Galdino, J. Riscos de decréscimo de produtividade de trigo devido a fatores climáticos em diferentes épocas de semeadura na região dos Campos Gerais, Paraná In. XIII CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 2003, Santa Maria, RS Anais do XIII CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, Santa Maria, RS Sociedade Brasileira DE AGROMETEOROLOGIA, 2003, v. 1, n., p Faria, R. T.; Madramootoo, C. A. Evaluation of crop-water production functions for wheat (Triticum aestivum) in Brazil Tropical Agriculture, Trinidad, v. 74, n. 1, p , 1997 Faria, R. T.; Madramootoo, C. A. Simulation of soil moisture profiles for wheat in Brazil Agricultural Water Management, v. 31, n. 1-2, p , 1996 Faria, R.T. Relatório técnico anual do projeto Programa Solos e Água. IAPAR,Londrina, (Documento interno) Heinmann, A. B.; Hoogenboom, G.; Faria, R. T. Determination of spatial water requirements at county and regional levels using crop models and GIS: an example for the state of Parana Agricultural Water Management, Holanda, v. 52, n. 3, p , 2002 Soler, C. T.; Folegatti, M. V.; FARIA, R. T. Uso do modelo CERES-Maize para identificação de características genéticas desejáveis e de práticas adequadas de manejo em milho safrinha Revista Brasileira de Agrometeorologia, Santa Maria, v. 9, n. 2, p ,

8 2001 Thornton, P.K; Saka, A.R; Sing, U; Kumwenda, J.D.T; Brink, J.E; Dent, J.B. Application of a maize crop simulation model in the central region of Malawi. Expl. Agric. v. 31, p , Yourdon, E. Análise Estruturada Moderna, 3ª ed., Ed. Campus, 1990.