14082551_jhonatah_albuquerque_gomes

Prévia do material em texto

UNIVERSIDADE DE SÃO PAULO 
ESCOLA SUPERIOR DE AGRICULTURA “LUIZ DE QUEIROZ” 
MODELAGEM DE CULTURAS AGRÍCOLAS I 
 
 
 
 
 
 
 
JHONATAH ALBUQUERQUE GOMES 
 
 
 
 
 
“ANÁLISE DE SENSIBILIDADE LOCAL” 
 
 
 
 
 
 
 
 
 
 
 
PIRACICABA 
Estado de São Paulo – Brasil 
MAIO/2023 
 
6.1) A variável HWAM foi mais sensível a qual parâmetro (irrigado e sequeiro)? 
A partir dos cálculos de análise de sensibilidade local, o parâmetro 3 (P3) é o mais 
sensível tanto no cenário de irrigado quanto no cenário de sequeiro. 
6.2) Houve diferença entre os tratamentos? 
Sim, houveram diferenças entre os tratamentos. 
6.3) Houve diferença entre os anos? Por quê? 
É possível que os fatores climáticos tenham desempenhado um papel importante na 
variação dos valores de HWAM entre os anos. As condições climáticas, como temperatura, 
precipitação, umidade e radiação solar, podem afetar o desenvolvimento da planta e, 
consequentemente, a produtividade. A quantidade e a distribuição da chuva também são fatores 
importantes. Anos com chuvas mal distribuídas podem levar a períodos de seca e excesso de 
umidade, ambos prejudiciais para a produção das plantas. Outro fator climático que pode 
influenciar na produtividade das plantas é a radiação solar. Um ano com menor incidência de 
luz solar pode afetar a fotossíntese e a produção de biomassa das plantas. Sendo assim, é 
possível que variações nos fatores climáticos entre os anos tenham afetado o desempenho da 
cultura e, consequentemente, a variação dos valores de HWAM. 
6.4) Caso eu mude de cultivar o parâmetro que mais afeta a saída do modelo vai mudar? 
Sim, é possível que o parâmetro que mais afeta a saída do modelo mude ao mudar de 
cultivar. Isso ocorre porque diferentes cultivares podem ter características distintas em relação 
ao seu crescimento, demanda hídrica, tolerância a estresses ambientais, entre outras variáveis 
que podem afetar a produção. Por exemplo, uma cultivar que seja mais resistente à seca pode 
ter uma saída do modelo menos influenciada pela disponibilidade de água do que outra cultivar 
mais sensível à falta de água. Portanto, é importante avaliar os parâmetros que mais influenciam 
a saída do modelo para cada cultivar específica, a fim de otimizar a produção e obter melhores 
resultados. Porém, quando realizado a simulação para outra cultivar, as variações mostram-se 
indiferentes estatisticamente (figura 1) 
Figura 1 – Modelo de previsão da produtividade da cultivar AG9010 
 
Figura 1 – Modelo de previsão da produtividade da cultivar BRS 
 
0
500
1000
1500
2000
2500
3000
3500
4000
4500
20 40 60 80 100 120
Days after Planting
Grain wt kg/ha (AG9010 - Irrigado) Grain wt kg/ha (AG9010 - Sequeiro)
0
1000
2000
3000
4000
5000
6000
7000
20 40 60 80 100 120 140
Days after Planting
Grain wt kg/ha (AG9010 - Irrigado) Grain wt kg/ha (AG9010 - Sequeiro)