Inovação para a Agricultura
MODEXTREME - Modelação da resposta da vegetação aos eventos extremos
- Entidade líder do projeto: Institut National de la Recherche Agronomique
- Responsável pelo projeto: Alain Brelurut
- Site do projeto: http://modextreme.org/
- Parceiros:
Consiglio per la Ricerca in Agricoltura e L'analisi dell'economia Agraria; Universidad de Cordoba; Universita degli studi di Milano; Eidgenoessisches Departement fuer Wirtschaft, Bildung und Forschung; Danmarks Meteorologiske Institut; University of East Anglia; Instituto Superior de Agronomia; Democritus University of Thrace; Softeco Sismat SRL; INRA Transfert S.A; Ukrainian Research Hydrometeorological Institute Of The State Emergency Service Of Ukraine And The National; Academy Of Science Of Ukraine; Food And Agriculture Organization Of The United Nations; Empresa Brasileira De Pesquisa Agropecuaria Embrapa; Instituto Nacional De Tecnologia Agropecuaria; University Of Pretoria; Institute Of Agricultural Resources And Regional Planning Caas; Washington State University
- Data de início do projeto: 01-01-2013
- Data de fim do projeto: 31-12-2016
- Fonte de financiamento : 7th FRAMEWORK PROGRAMME
- Identificação do problema ou oportunidade que se propõe abordar:
.A oferta contínua de serviços fornecidos pelos sistemas agrícolas é cada vez mais ameaçada pelas alterações climáticas, em associação com um aumento estimado na frequência de eventos climáticos extremos, como secas, ondas de calor ou eventos extremos de precipitação.O MODEXTREME tem o objetivo principal de ajudar a agricultura europeia e não-europeia a enfrentar eventos climáticos extremos, melhorando a capacidade de modelos biofísicos que simulem as respostas da vegetação para integrar a variabilidade climática e os extremos.
Descritores: Eventos extremos; alterações climáticas; Milho; Previsão
- Objetivos visados:
O projeto trabalhará os seguintes objetivos:
(1) Identificar e integrar em modelos de simulação, as respostas dos principais sistemas agrícolas e de pastagens às condições ambientais associadas a eventos climáticos extremos;
(2) Melhorar os sistemas de monitorização e previsão de produtividade por meio de múltiplas restrições observacionais a serem assimiladas em modelos baseados em processos em diferentes condições climáticas;
(3) Estimar possíveis trajetórias de produtividade agrícola nos horizontes de curto prazo (durante a atual temporada) a médio e incertezas associadas. Isso envolve levar em conta o progresso genético e seus efeitos nas respostas a condições ambientais extremas
- Pontos de situação / Resultados:
Os investigadores identificaram e integraram as respostas das principais culturas, pastagens e sistemas de árvores a eventos climáticos extremos. Os sistemas de monitorização e previsão de rendimento foram melhorados e integrados em modelos baseados em processos em diferentes condições climáticas. A produtividade agrícola no curto a médio prazo também foi estimada.Os investigadores identificaram e integraram as respostas das principais culturas, pastagens e sistemas de árvores a eventos climáticos extremos.
Os sistemas de monitorização e previsão de rendimento foram melhorados e integrados em modelos baseados em processos em diferentes condições climáticas. A produtividade agrícola no curto a médio prazo também foi estimada.Os parceiros do projeto também desenvolveram aplicações (APP) genericamente utilizáveis para implementar bibliotecas de modelos. Isso estendeu a plataforma multi-modelo Bioma (Aplicações de Modelo Biofísico) para a simulação do crescimento e desenvolvimento das plantas, fornecendo assim apoio direto à ação MARS: Monitorização de Recursos Agrícolas - Agri4Cast do Centro Comum de Pesquisas da Comissão Europeia.
Os parceiros do projeto também se envolveram com as partes interessadas locais para melhorar as previsões de rendimento. fonte: https://cordis.europa.eu/result/rcn/197674_en.html;
Em particular, melhorias foram alcançadas em quase todos os países para o trigo duro, trigo mole e milho para grão, embora o desempenho satisfatório foi alcançado para este último também com o sistema padrão. Os melhores desempenhos de previsão foram alcançados para o milho grão na Alemanha, onde 92% da variabilidade interanual dos rendimentos foi explicada pelas soluções MODEXTREME. A solução melhorada aumentou em até 44% a quantidade de variação explicada pelo sistema de previsão de cevada de primavera na Polónia. Em geral, os resultados de previsão mais satisfatórios foram obtidos após o período de floração.
