Objetivos:
Capacitar o aluno para a utilização de recursos computacionais para processamento, análise, quantificação e simulação de processos físicos e biológicos em sistemas agrícolas. Apresentar os princípios e as principais técnicas de modelagem baseada em processos do crescimento e desenvolvimento de culturas agrícolas e capacitá-los a entender e desenvolver modelos computacionais para descreve-los numericamente. Conceitos básicos de simulação dinâmica de sistemas agrícolas e métodos de modelagem incluindo análise de sensibilidade, estimativa de parâmetros e avaliação de modelos. Aplicação de modelos na análise de sistemas agrícolas.
Justificativa:
A modelagem e a simulação de crescimento e desenvolvimento de culturas agrícolas baseada em processos é uma ferramenta importante para pesquisas agrícolas e ambientais, permitindo estudar e avaliar sistemas através do conhecimento da sua composição e comportamento. O domínio de técnicas simples de programaçao permite aos discentes ampliar sua capacidade de processamento e análise de dados. O conhecimento dos princípios básicos de modelagem de sistemas agricolas possibilita aos discentes desenvolver seus próprios modelos adaptados a sua realidade bem como melhor utilizar as ferramentas de simulação de sistemas agricolas atualmente disponíveis. A aplicação de modelos de simulação de sistemas agrícolas representa atualmente uma ferramenta importante para a avaliação de cenários, opções de manejo e extrapolações de resultados experimentais no espaço e no tempo.
Conteúdo:
1) Tipos de modelos: modelos estatísticos, empíricos, determinísticos, mecanísticos. Modelos dinâmicos e estáticos. Modelos macroscópicos e microscópicos. Representação diagramática utilizada na análise de sistemas agrícolas. 2) Ferramentas da modelagem: leis e princípios de conservação; equações diferenciais e integrais, simulação numérica. Modelagem discreta e contínua. 3) Modelagem do efeito da temperatura em sistemas biológicos: reaçoes químicas, atividade biológica, desenvolvimento vegetal, conceito de graus-dia. . 4) Modelagem de culturas: variáveis de estado, desenvolvimento, fotossintese, respiração, eficiência de uso da radiação, partição e estresses. 5) Conceitos de modelagem de processos estocásticos: distribuições, covariancia, variáveis aleatórias, variáveis aleatórias correlacionadas. Incerteza. 6) Avaliação e aferição de modelos. Teste de sensibilidade dos parâmetros. Comparação entre modelo e realidade. Comparação entre modelos. Validação cruzada. 7) Desenvolvimento de um modelo baseado em um processo de interesse do sistema agrícola e e apresentação dos resultados da modelagem na forma de um seminário no fim do semestre.
Forma de Avaliação:
Avaliação com base em participação em aula, exercícios extra-classe, além de avaliações escritas individuais.
Observação:
Bibliografia:
Campbell, G.S. & Norman, J.M. An Introduction to Environmental Biophysics. Springer, 285p. 1998
Chapman, S. Fortran 95/2003 for Scientists & Engineers. McGraw-Hill; 3 edition, 2007.
Goudriaan, J, & Van Laar, H.H. Modelling Potential Crop Growth Processes. Kluwer Academic Publishers, London. 1994.
Harte, J. Consider a Spherical Cow: A Course in Environmental Problem Solving. University Science Books. Sausalito, CA. 1988.
Teh, C. Introduction to Mathematical Modeling of Crop Growth: How the Equations are Derived and Assembled into a Computer Program. BrownWalker Press. Boca Raton. 2006.
Thornley, John H.M. and Ian R. Johnson. Plant and Crop Modeling: A Mathematical Approach to Plant and Crop Physiology. Oxford University Press. New York. Blackburn Press. 2000.
Wallach, D., D. Makowski, and J. W. Jones (Eds.). Working with Dynamic Crop Models: Evaluation, Analysis, Parameterization, and Applications. Elsevier. New York. ISBN 0-444-52135-6. 2006.
Wit, C.T. de & Goudriaan, J. Simulation of Ecological Processes. Pudoc, Wageningen. 1978
Overman, Allen R., e Richard V. Scholtz III. Mathematical Models of Crop Growth and Yield. CRC Press, 2002.
Soltani, Afshin, e Thomas R. Sinclair. Modeling physiology of crop development, growth and yield. CABI, 2012. .
