Previsão De Produtividade De Tabaco E Algodão Com WOFOST
O Azerbaijão designou a agricultura como uma das quatro indústrias prioritárias para diversificar sua economia. Embora o setor representasse apenas 5.88% do PIB em 2021, empregava 36% da população. A produção local tem um forte reconhecimento de marca nos mercados dos estados pós-soviéticos e geralmente é vendida a preços mais altos. O apoio governamental ao setor inclui doações, benefícios fiscais e subsídios para máquinas, fertilizantes e pesticidas.
A previsão da produtividade da colheita em escala de campo, regional e nacional é indispensável para a pesquisa agrícola, gerenciamento de fazendas e tomada de decisões de importação e exportação.
Este estudo de caso discutirá como a EOSDA previu a produção de tabaco e algodão para a safra de 2018 com base nos resultados do modelo WOFOST.
O Azerbaijão designou a agricultura como uma das quatro indústrias prioritárias para diversificar sua economia. Embora o setor representasse apenas 5.88% do PIB em 2021, empregava 36% da população. A produção local tem um forte reconhecimento de marca nos mercados dos estados pós-soviéticos e geralmente é vendida a preços mais altos. O apoio governamental ao setor inclui doações, benefícios fiscais e subsídios para máquinas, fertilizantes e pesticidas.
A previsão da produtividade da colheita em escala de campo, regional e nacional é indispensável para a pesquisa agrícola, gerenciamento de fazendas e tomada de decisões de importação e exportação.
Este estudo de caso discutirá como a EOSDA previu a produção de tabaco e algodão para a safra de 2018 com base nos resultados do modelo WOFOST.
Desafio: Encontrar O Método Ideal Para Prever A Produtividade Do Algodão E Do Tabaco Em Nível Distrital
O projeto era de grande porte e incluía a classificação de diversas culturas, além da previsão de produtividade do algodão e do tabaco, que fizemos. A previsão teve que ser feita para campos em dois distritos do Azerbaijão – Shaki e Sabirabad.
O algodão, muitas vezes chamado de “ouro branco” do país, tem uma longa tradição de cultivo. Sua produção atingiu o pico durante o período soviético. Em 1981 a participação do Azerbaijão no cultivo de algodão da URSS atingiu quase 10%, o que representou 1,5% da produção global . Após o colapso da União Soviética, a produtividade caiu (o foco do Azerbaijão na indústria do petróleo também foi um fator concomitante). Em busca de fontes promissoras de renda após o aumento global dos preços do petróleo em 2014–2016, a República do Azerbaijão retomou seu interesse no setor de algodão . Em comparação com o ano comercial de 2015/2016, a área de algodão em 2022/2023 quadruplicou, enquanto a produtividade por hectare aumentou cerca de 1,6 vezes .
Shaki faz parte da região económico de Shaki-Zaqatala, que depende da agricultura, incluindo o cultivo de tabaco. As autoridades do Azerbaijão também enfatizaram a importância do cultivo da cultura, dado o seu potencial de exportação .
Solução: Análise Dos Dados Estatísticos, Meteorológicos, De Solo E Fenológicos Com O Modelo WOFOST
Um cliente forneceu informações estatísticas sobre a produtividade de algodão e tabaco no nível distrital de 2000 a 2017.
A equipa, por sua vez, coletou os dados restantes. Incluiram:
- Estatísticas que indicam as características do cultivo de culturas necessárias para um modelo para fazer previsões ou cálculos.
- Localização geográfica dos campos e suas áreas.
- Datas de transplante de plantas de tabaco de estufas ou canteiros.
- Dados meteorológicos (umidade, precipitação, velocidade do vento, temperaturas máximas e mínimas) do Global Telecommunication System (GTS) e alguns modelos específicos de estimativa de evapotranspiração e radiação global.
- Dados do solo (teor de umidade do solo e profundidade de enraizamento).
Além disso, a equipa do projeto encontrou as datas ideais de semeadura/transplante para tabaco e algodão para 2010–2018.
Dados meteorológicos históricos também são indispensáveis para tais tarefas. Os especialistas os obtiveram dos conjuntos de dados do NASA POWER. Os parâmetros meteorológicos nos conjuntos de dados do NASA POWER são retirados da Modern Era Retro-analysis for Research and Applications (MERRA-2) da NASA e dos modelos de assimilação GEOS versão 5.12.4 . MERRA-2 é uma nova versão do Goddard Earth Observing System (GEOS) desenvolvido no Global Modeling and Assimilation Office (GMAO) no NASA’s Goddard Space Flight Center.
Os dados GEOS 5.12.4 são processados diariamente e anexados ao final da série temporal diária MERRA-2 para fornecer produtos de dados de baixa latência que geralmente ficam prontos em cerca de 4 dias. Os valores MERRA-2 na série temporal diária resultante são normalmente atualizados a cada vários meses. Portanto, esses produtos de dados podem ser usados em tempo real e são especialmente valiosos para tarefas relacionadas à previsão de produtividade.
Os cientistas usaram WOFOST, World Food Studies Simulation Model, para análise de dados . É um modelo mecanicista para a análise quantitativa do crescimento e produção de culturas anuais baseadas em processos básicos como fotossíntese, respiração e a dependência desses processos das condições ambientais.
Temos uma longa experiência trabalhando com este modelo comprovado. Além disso, é adequado para vários tipos de culturas.
A produtividade de cada cultura foi prevista em três etapas.
EOSDA Crop Monitoring
Ferramenta de análise de campos com acesso a imagens de satélite de alta resolução para identificação remota de áreas problemáticas!
Etapa 1: Adaptando Os Parâmetros Do Modelo
Os especialistas tiveram que ajustar vários valores de parâmetros do modelo para estimar a biomassa de algodão e tabaco com o modelo WOFOST considerando as condições de clima e solo.
Etapa 2: Fazendo Simulações Para Estimar A Biomassa Aa Cultura Para 2010–2017
Os membros da equipa usaram o WOFOST no Python Crop Simulation Environment. A simulação de cultivo representa uma interação entre a planta e o ambiente em que ela cresce. Assim, qualquer modelo de crescimento da cultura prevê o estado final da biomassa total ou rendimento colhido enquanto contém informações quantitativas sobre os principais fatores envolvidos no crescimento e desenvolvimento da cultura (estado do solo, manejo da cultura como semeadura, irrigação ou aplicação de fertilizantes).
Como o resultado, os especialistas calcularam DVS (estágio de desenvolvimento da vegetação), TAGR (biomassa aérea total), LAI (índice de área foliar), SM (humidade do solo), TWLV (peso total de folhas vivas) e TWSO (peso total dos órgãos de armazenamento).
Etapa 3: Estimando Os Produtividade De Algodão E Tabaco Para 2018
A equipa escolheu uma abordagem estatística para a previsão de produtividade. Na primeira etapa, eles calcularam o TWLV do tabaco e o TAGR do algodão a partir de 1º de julho de 2018, com valores específicos de DVS. Depois disso, os cientistas contaram esses parâmetros de cultivo para 2010–2017 e escolheram os mesmos valores de DVS para encontrar uma relação linear entre as biomassas calculadas e o rendimento estatístico real para cada grade nos distritos de Shaki e Sabirabad.
Um erro padrão para a produção prevista de tabaco para 2010–2017 foi de 0,7 quintais por hectare. Os especialistas usaram dados históricos para validar o método de previsão de produtividade escolhida, pois os dados reais não estavam disponíveis no momento. Pode-se interpolar esse erro para os resultados de 2018. Quanto ao algodão, foi de 1,5 a 1,9 quintais por hectare, dependendo da grade.
Resultado: Previsão De Produtividade Para Algodão E Tabaco
A equipa do projeto preparou o relatório com a produção prevista de tabaco para campos na região de Shaki e produção de algodão para fazendas no distrito de Sabirabad para a temporada de 2018.
Começamos a trabalhar no projeto em abril de 2018 e apresentamos os resultados em outubro do mesmo ano. Embora a coleta e a análise de dados tenham demorado cerca de três semanas, tivemos que esperar até o final das temporadas de cultivo de algodão e tabaco: era importante para o cliente comparar nossos cálculos com a produtividade real da safra.
Sobre o promotor:
Natalia Ivanchuk possui um mestrado em Matemática Aplicada pela Universidade Nacional de Engenharia Hídrica e Ambiental. Ela é autora de mais de 60 publicações científicas, monografias e outros trabalhos científicos. A experiência de Natalia e o constante desejo de aprender e aperfeiçoar suas habilidades de programação (C++, C#, JS, Python), têm sido muito benéficos para a EOS Data Analytics.
Artigos recentes
Antracnose: Como Identificar E Controlar A Doença
A antracnose se espalha rapidamente e pode devastar culturas importantes. Aprenda métodos de detecção precoce e opções de tratamento para proteger suas plantações dessa ameaça fúngica.
Plantar Bananas: Como Plantar E Cuidar De Uma Plantação
Muitos agricultores se interessam em cultivar bananas pela popularidade da fruta. Porém, recentemente surgiu a questão urgente de combater doenças que ameaçam toda a indústria.
Agricultura De Carbono: O Que É E Como Implementá-la Hoje
Tradicionalmente, a agricultura emitia gases de efeito estufa em vez de sequestrá-los. A agricultura de carbono visa mudar isso, mantendo a economia para os players do agronegócio.