Modelos prognósticos de produtividade da cultura do café no estado de Minas Gerais

• Autor(a) principal: Carvalho, Luiz Gonsaga de
• Data de Publicação: 2003
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/9572
• topic: Café - Produtividade - Modelos matemáticos; Meteorologia agrícola; Café - Balanço hídrico; Fourier- Séries de; Análise de componentes principais; Stewart - Modelo de; Ciências Agrárias

A previsão de produção da cultura do café, tanto no Brasil como no âmbito internacional, assume papel fundamental na garantia da estabilidade e regularidade do abastecimento do mercado. Portanto, este trabalho, desenvolvido especificamente para a região Sul do Estado de Minas Gerais, objetivou, em geral, avaliar e testar três modelos prognósticos de produtividade para a cultura do café, tendo como previsores os elementos agrometeorológicos durante as fases fenológicas da cultura. O primeiro modelo avaliado representou os municípios de Alfenas, Guaxupé, Monte Belo, Lavras, São Sebastião do Paraíso, Varginha e Viçosa. Para cada um destes municípios, séries de 15 anos de produtividades (kg ha -1 ) de café em coco foram submetidas, individualmente, à análise harmônica por séries de Fourier, das quais se extraíram os coeficientes de senos e cossenos até o sétimo harmônico, submetendo-os à regressão linear múltipla nos três primeiros componentes principais de um conjunto de 33 variáveis inerentes à produção cafeeira. Tais variáveis foram representadas pela produtividade média de cada município e por elementos climáticos, sendo estes últimos constituídos pelas médias de 15 anos correspondentes aos mesmos anos das produtividades e subdivididos em quatro períodos trimestrais ao longo do ciclo agrícola da cultura, ou seja, de julho a junho. A “performance” dos modelos foi avaliada pelo índice “d” de concordância proposto por WILLMOTT et al. (1985). O modelo não se mostrou satisfatório para a previsão de produtividades, e os resultados apresentaram erros relativos percentuais (ERP) aos valores observados variando de -39,5 a 85,6% e um índice “d” de 0,48. A regressão linear simples, com a reta passando pela origem, de produtividades estimadas em função dos valores observados mostrou uma tendência do modelo em subestimar as produtividades e bastante baixo (r 2 = 0,03) o coeficiente de determinação. O segundo modelo, proposto por Stewart et al. e adaptado por PICINI (1998), foi aplicado a dados de produtividades (sacas ha -1 ) de glebas de lavouras cafeeiras de três municípios do Estado de Minas Gerais (Alfenas, Monte Belo e São Sebastião do Paraíso). Consistiu na regressão linear múltipla da produtividade como função da produtividade do ano anterior e índices de penalização hídrica, sendo estes representados por médias de uma seqüência de três trimestres e outra seqüência de quatro trimestres, de acordo com o ciclo agrícola da cultura. As parametrizações apresentaram valores de R 2 variando de 0,59 a 0,89. Pelos resultados, concluiu-se que o referido modelo não se mostrou satisfatório na previsão de produtividades da cultura do café, apresentando erros relativos percentuais das estimativas bastante discrepantes, com tendência de superestimar a produtividade. O terceiro modelo foi o parametrizado, adotando-se a técnica de regressão linear múltipla em componentes principais para as mesmas séries de produtividades representativas dos municípios do modelo anterior, tomando por base o de Stewart et al., porém acrescentando-se novas variáveis, representadas por elementos agrometeorológicos, além das penalizações hídricas para os quatro trimestres do ciclo agrícola (julho a junho). Como o número de observações é inferior à quantidade de variáveis, recorreu-se à análise multivariada de componentes principais para reduzir a dimensão do conjunto destas. A análise de regressão linear múltipla foi aplicada nos três primeiros componentes principais. As avaliações dos testes apresentaram erros relativos percentuais variando de -61 a 1.969% e os desempenhos, índices “d” de 0,58 a 0,80, havendo também tendência do modelo em superestimar as produtividades.