Implementation of the biosphere model SiB2 to Brazilian agroecosystems.

Com o crescimento da população mundial aumenta a preocupação com a produção de alimentos. Hoje em dia aproximadamente 40 % da área de superfície do planeta livre de gelo é usada para a agricultura. O Brasil se destaca no cenário mundial como um dos grandes produtores e um dos países com maior potencial de crescimento em área para produção de alimentos. As culturas brasileiras que ocupam maior espaço territorial são a soja, cana-de-açúcar, milho e pastagem. Este trabalho tenta representar esses agrossitemas no modelo da biosfera SiB2 (Simple Biosphere Model) com a implementação de algumas rotinas para melhor representar as culturas agrícolas como: épocas de plantio e colheita, alocação de carbono nas diferentes partes da planta (raiz, folha, caule e grãos), acúmulo de biomassa, dinâmica da vegetação(crescimento da vegetação, emergência, crescimento e senescência das folhas), enchimento de grãos, cálculo do perfil de velocidade do vento dentro do dossel, decomposição da matéria orgânica e transformação em Nitrogênio. A validação do modelo se deu por meio da comparação com dados mensurados de biomassa e índice de área foliar (IAF). Comparando as observações da matéria seca dos ciclos da cana-de-açúcar, o ciclo 2005/2006 foi mais produtivo que o ciclo 2006/2007 (48,1±10,9 e 32,0±5,4 Mg ha-1). As simulações da cana-de-açúcar foram superestimadas (52,3 e 35,8 Mg ha-1) quando comparadas com as observações, devido ao fato da biomassa seca das folhas estar superestimada. A simulação da produtividade (17,1 Mg ha-1) do milho ficou um pouco abaixo do valor observado porém dentro do intervalo do intervalo de confiança das medidas de campo (17,6±2,5 Mg ha-1). A simulação da soja (3,9 Mg ha-1) foi aquela que mais se aproximou da observação (3,7±0,5 Mg ha-1). A comparação entre os valores simulados e observados de IAF da pastagem mostrou a sazonalidade dessa variável, sendo que os meses de maiores e menores valores estão compatíveis com a observação. Outra analise feita neste trabalho, foi a análise de sensibilidade do modelo às variações do clima.Para tanto, foram simulados cenários de mudanças climáticas, alterando-se as variáveis precipitação e temperatura, considerando-se a cultura da soja. Os resultados que o modelo demonstrou uma maior sensibilidade ao déficit hídrico, pois diminuindo-se a precipitação houve menor acúmulo de biomassa durante o ciclo. Porém com mais precipitação não ocorre mudanças significativas no acúmulo de biomassa. Há maior produção de biomassa quando o ambiente é mais frio e menor produção quando a temperatura é mais elevada, devido ao fato de tardar o florescimento o que faz com que aumente a biomassa acumulada nas folhas e com o IAF maior a planta acumula mais biomassa.The constant increasing of world population raises the concern about food production. Nowadays approximately 40% of the planet surface that is free of ice is used for agriculture. Brazil stands out on the world stage as a major producer, and presents a potential to grow even more in food production. The Brazilian crops that occupy the largest territorial area are sugar cane, soybeans, corn and pasture. This work tries to represent these agrosystems in a biosphere model (Simple Biosphere Model, SiB2) with implementation of some routines for better representation of agricultural crops such as planting and harvesting times, allocation of carbon in different parts of the plant (root , leaf, stem and grains), accumulation of biomass, vegetation dynamics (vegetation growth, emergence, growth and senescence of leaves), grain filling, wind speed profile within the canopy, organic matter decomposition and transformation into Nitrogen. Model validation was carried out through comparison with measured data of biomass and leaf area index (LAI). Comparing the simulations of sugar cane cycles, the 2005/2006 was more productive than the 2006/2007 cycle (48.1 ± 10.9 and 32.0 ± 5.4 Mg ha-1). Simulations of sugar cane yield overestimated (52.3 and 35.8 Mg. ha-1) observed values when compared with the observations due to the fact that the biomass in leaves is overestimated. The simulation of corn productivity (17.1 Mg ha-1) was a little lower than observed but within the range of error (17.6 ± 2.5 Mg ha-1). Simulation of soybean (3.9 Mg ha-1) is the one closest to observation (3.7 ± 0.5 Mg ha-1). The comparison of pasture LAI showed the seasonality of the IAF and the months of highest and lowest values are compatible with observations. Another analysis in this study was the sensitivity of this model to climate change scenarios. Scenarios were simulated by changing the climatic variables precipitation and air temperature. Soybean crop was used as an example. The model showed sensitivity to water deficit, since decreasing rainfall the plants accumulated less biomass in the total cycle, and with more precipitation significant changes do not occur in biomass accumulation. There is a greater biomass production when the environment is cooler and less production when the temperature is higher, due to the fact that the latest flowering causes increase biomass accumulated in the leaves and the IAF greater plant biomass accumulates more