Modelagem da demanda hídrica atual e futura da cultura da soja em Goiás utilizando produtos de sensoriamento remoto

Abstract

No Brasil, de maneira geral, existe uma carência de dados climáticos, nas escalas adequadas, necessários para o gerenciamento de recursos hídricos. Em regiões como o Cerrado, onde a agricultura é intensiva e fortemente dependente da disponibilidade de água, é importante que se desenvolva um planejamento estratégico, que viabilize o desenvolvimento sustentável da agricultura na região. A escassez de dados, entretanto, limita a adoção de modelos matemáticos e, consequentemente, dificulta a inclusão de cenários nos planos de desenvolvimento, o que, muitas vezes, leva a simplificações nas tomadas de decisão. A carência dessas informações pode ser superada a partir de alternativas abrangendo o sensoriamento remoto, como por exemplo as reanálises de dados climáticos. Diante desse contexto, este estudo teve como propósito estimar a demanda hídrica e a produtividade atual e futura da cultura da soja no estado de Goiás utilizando produtos de sensoriamento remoto e modelos de previsão climática. Foi realizado o download de dados de precipitação e variáveis necessárias para estimativa da evapotranspiração de referência (ETo) oriundas do INMET/ANA e das reanálises Nasa Power (NP) e Era5-Land (EL). Foram utilizados indicadores estatísticos para a análise de desempenho dos dados estimados por reanálises e os vieses corrigidos pelo método de escalonamento linear. A demanda hídrica atual do cultivo da soja foi categorizada em demanda por água azul e verde. A demanda hídrica futura foi estimada a partir de dados de projeções futuras disponibilizados pelo CPTEC/INPE. A modelagem da produtividade da soja foi realizada a partir de modelo de penalização pelo déficit hídrico proposto por Doorenbos e Kassam (1977) e por Monteiro et al (2017). Todas as simulações realizadas consideraram duas datas de semeadura, 15 de outubro e 10 de novembro. Os resultados indicaram maiores valores de erros nas estimativas de ETo e precipitação com dados oriundos da reanálise EL quando comparada ao NP. Os cenários climáticos para os períodos de 2040-2070 e 2070-2099 apontam uma redução expressiva na contribuição da água verde para a demanda hídrica da soja no estado de Goiás, especialmente no cenário SSP5-8.5, que antecipa uma diminuição significativa nas precipitações. Este estudo evidencia o impacto significativo das mudanças climáticas na produtividade da soja em Goiás, com penalizações pelo déficit hídrico crescentes nos cenários futuros, especialmente no SSP5-8.5 (2070-2099), onde perdas superiores a 50% foram observadas em diversos municípios. A análise das datas de plantio revelou que, embora a semeadura em 10 de novembro apresente menores perdas em cenários intermediários, as condições climáticas futuras em cenários pessimistas tornam ambas as datas igualmente vulneráveis.

In Brazil, there is a general lack of climate data at appropriate scales necessary for water resource management. In regions such as the Cerrado, where agriculture is intensive and highly dependent on water availability, it is crucial to develop strategic planning that enables the sustainable development of agriculture in the region. However, data scarcity limits the adoption of mathematical models and, consequently, hinders the inclusion of scenarios in development plans, often leading to simplified decision-making. This lack of information can be addressed through alternatives involving remote sensing, such as climate data reanalysis. In this context, the objective of this study was to estimate the water demand and the current and future productivity of soybean crops in the state of Goiás using remote sensing products and climate forecasting models. Precipitation data and variables necessary for estimating reference evapotranspiration (ETo) were downloaded from INMET/ANA and the reanalysis datasets NASA Power (NP) and ERA5-Land (EL). Statistical indicators were used to assess the performance of reanalysis-derived data, and biases were corrected using the linear scaling method. The current water demand for soybean cultivation was categorized into blue and green water demand. Future water demand was estimated using future projection data provided by CPTEC/INPE. Soybean yield modeling was performed using the water deficit penalty model proposed by Doorenbos and Kassam (1977) and Monteiro et al. (2017). All simulations considered two sowing dates: October 15 and November 10. The results indicated higher error values in ETo and precipitation estimates using EL reanalysis data compared to NP. Climate scenarios for the periods 2040-2070 and 2070-2099 indicate a significant reduction in green water contribution to soybean water demand in Goiás, particularly under the SSP5-8.5 scenario, which projects a substantial decrease in precipitation. This study highlights the significant impact of climate change on soybean productivity in Goiás, with increasing penalties due to water deficit in future scenarios, especially under SSP5-8.5 (2070-2099), where losses exceeding 50% were observed in several municipalities. The analysis of planting dates revealed that although sowing on November 10 results in lower losses under intermediate scenarios, future climate conditions in pessimistic scenarios make both dates equally vulnerable.