4 HVORDAN BLIR DEN ALMINNELIGE RETTSFØLELSE BRUKT SOM
4.3 Hvordan rettsfølelsesargumentet anvendes ved straffutmåling
Em 1982, num encontro de investigadores na Índia que versou sobre a construção de um Decision Support System for Agrotechnology Transfer (Kumble, 1984 cit. in Uehara e Tsuji, 1998), definiu-se o mínimo conjunto de dados (Minimum data set – MDS) exigido pelos modelos sobre as culturas, solo, clima e técnicas culturais. O MDS foi um passo importante, não tanto pelas variáveis que incluía mas porque passou a existir, apesar de imperfeito. A concordância da informação necessária permitiu que o grupo do projecto, disperso por 15 países, ficasse mais unido e coerente (Uehara e Tsuji, 1998).
O MDS deve incluir dados que sejam facilmente obtidos em ensaios de campo e que proporcionem a obtenção de respostas razoáveis. O MDS necessário para o funcionamento de um modelo classifica- -se em três níveis: (1) nível um, mínimo conjunto de dados exigidos para se correr um determinado ensaio ou para uma dada aplicação; (2) nível dois, mínimo conjunto de dados para testar e avaliar45o modelo; (3) nível três, mínimo conjunto de dados requeridos para o desenvolvimento do modelo (comunicação pessoal G. Hoogenboom, 2002).
Os modelos de simulação de culturas exigem um determinado volume de dados meteorológicos e edáficos (Hunt, 1994 cit. in Hunt e Boote, 1998). Por vezes, para alguns modelos, esta informação fundamental é insuficiente, devendo ser reforçada. Os dados extra referem-se, entre outros, às condições iniciais da simulação, às técnicas culturais tomadas e às características das cultivares (Hunt e Boote, 1998). Hunt e Boote (1998) sublinharam que a informação ambiental, solo e meteorologia, pode ter variações de detalhe e que existem variadas formas de se acrescentar informação à informação fundamental. O IBSNAT pretendeu evitar a exigência de grande quantidade de informação, admitindo que a informação pudesse ser escolhida em função dos diferentes graus de complexidade dos modelos, o que em relação à necessidade de dados meteorológicos diz respeito à frequência com que estes exigem os dados, que pode ser semanal, diária e horária (Nix, 1984 cit. in Hunt e Boote, 1998; Hunt e Boote, 1998). De entre estas várias escalas de tempo, o projecto concluiu que os modelos que trabalhavam com intervalos diários eram mais indicados para a simulação da produtividade de culturas e de problemas ambientais, tendo sido definida uma lista mínima de dados (MDS) para os modelos de complexidade temporal diária (Hunt e Boote, 1998). Na definição desta lista, os cientistas do projecto procuraram, essencialmente, assegurar que: (1) o grau de pormenor fosse equivalente nos dados das diferentes componentes do sistema solo-cultura- -atmosfera; (2) o número de dados das diferentes componentes do sistema (local, dados
45 A avaliação de um modelo consiste em comparar as saídas do modelo com os dados reais (Jones et al., 2003).
Para além disso, a avaliação permite também estimar o desempenho do modelo numa situação de cenários hipotéticos (ex. sequência de temperaturas) (comunicação pessoal L. A. Hunt, 2005). Os dados utilizados na avaliação devem ser diferentes dos usados na calibração, e devem abranger a totalidade das condições ambientais e das sequências de culturas para as quais o modelo irá ser utilizado (Jones et al., 2003).
meteorológicos e edáficos, e técnicas culturais) necessário para o funcionamento dos modelos fosse igualmente equilibrado (Hunt e Boote, 1998).
A Tabela 3.4 mostra o MDS necessário para utilizar (Tabela 3.4a) e avaliar (dados de Tabela 3.4a e de Tabela 3.4b) os modelos incorporados no DSSAT (Hunt e Boote, 1998; Jones et al., 2003; comunicação pessoal G. Hoogenboom, 2002). Os dados para o funcionamento dos modelos referem- -se ao local da simulação, aos dados meteorológicos durante o crescimento da cultura, às características edáficas no início do ciclo de crescimento, e às técnicas culturais da cultura (Hunt e Boote, 1998). A caracterização das cultivares encontra-se descrita pelos coeficientes genéticos46 (Hunt e Boote, 1998; Jones et al., 2003). Estes coeficientes não estão, geralmente, incluídos na lista de dados necessária, contudo para um modelo correr é necessário seleccionar o nome e o tipo da cultivar, dentro da lista existente na base de dados (Hunt e Boote, 1998). Os dados para avaliação incluem valores de medição de produtividade e das suas componentes, de fenologia, de análise de crescimento, do teor de humidade e do teor de N, C, e fósforo do solo, em diferentes profundidades, ao longo do tempo (comunicação pessoal G. Hoogenboom, 2002).
Tabela 3.4 – Mínimo conjunto de dados47 necessário para: a) o funcionamento, e b) para a avaliação dos modelos incorporados no DSSAT
(adaptada de Jones et al., 2003)
a) para o funcionamento dos modelos
Local Latitude e longitude; altitude; temperatura média; amplitude térmicaa
Declive; maior obstáculo ao Sol (ex. uma montanha); drenagem; elementos grosseiros superficiais (cobertura e tamanho)
Meteorologia Radiação solar global diária; temperatura máxima e mínima; precipitação
Solo Classificação do solo; características do solo por horizonte – constantes de humidade (capacidade máxima para a águab (SSAT), capacidade de campoc (SDUL) e coeficiente de
emurchecimentod (SLLL)); densidade aparente (SBDM), C orgânico; pH; factor de crescimento de raízese; coeficiente de drenagem
Condições iniciais
Cultura antecedente, quantidade de raízes e de nódulos; teor e eficácia do Rhizobium (culturas noduladas)
Água, azoto amoniacal e nítrico em cada horizonte do solo Técnicas
culturais
Nome e tipo de cultivar
Sementeira: data, profundidade e método; distância entrelinhas e direcção; população de plantas
Rega: datas, métodos e quantidades ou profundidade Fertilização (inorgânica) e inoculação
Aplicação de resíduos (fertilizantes orgânicos): material, profundidade de incorporação, quantidades e concentração de nutrientes
Mobilização do solo
Ajustamentos ambientais (aéreos) Calendário de colheita
46
Genetic coefficients.
47
As variáveis utilizadas e as de saída têm dois nomes. Estes são o seu próprio nome e o do cabeçalho dos ficheiros. Por simplificação optou-se por se utilizar o nome do cabeçalho. No ANEXO 1 encontram-se o nome da variável, o nome do cabeçalho dos ficheiros, e as respectivas unidades.
Tabela 3.4 (continuação)
b) para a avaliação dos modelos (acrescidos dos dados para o funcionamento dos modelos) Data de emergência
Data de floração ou de polinização (quando apropriadas)
Data do princípio de armazenamento num órgão vegetativo (quando apropriada) Fenologia
Data da maturação fisiológica
Índice de área foliar (LAI)f e peso seco da parte aérea das plantas, em três estádios durante o ciclo da cultura
Análise de crescimento
Altura e largura da parte aérea à maturação
Produtividade, em peso seco, das partes da planta com interesse económico (ex. grãos) Peso seco da parte aérea (acima do solo) para o cálculo do índice de colheita (mais a percentagem das vagens, no caso de leguminosas)
Peso seco individual dos produtos colhidos (ex. peso por grão, peso por tubérculo) Biomassa e suas
componentes, e outras
características
Quantidade de produto por unidade, à maturação (ex. número de sementes por espiga, sementes por vagem)
Determinação da água do solo vs. tempo em determinados intervalos de profundidade Determinação do N do solo vs. tempo
Determinação do C do solo vs. tempo, para ensaios de longa duração
Nível de prejuízo de pragas, doenças e infestantes (calculada desde o início da ocorrência até ao máximo)
Número de folhas produzidas no caule principal Percentagem de N das partes com interesse económico Percentagem de N das partes sem interesse económico
a Igual à diferença entre a temperatura média do mês mais quente e a temperatura média do mês mais frio.
b Na capacidade máxima para a água, a água está quase isenta de qualquer força de retenção que exista no solo (Costa, 1985).
c A capacidade de campo consiste no “teor de humidade retido pelo solo quando, depois de ter cessado o movimento gravitacional, o movimento capilar decresce substancialmente” (Veihmeyer e Hendrickson, 1931 cit. in Costa, 1985). d De acordo com Costa (1985) o coeficiente de emurchecimento é semelhante à “percentagem de água que um solo tem quando as plantas murcham, e se mantêm nesse estado mesmo que, sem serem retiradas do solo, sejam confinadas numa atmosfera saturada, para anular a transpiração”. Este coeficiente varia principalmente com o tipo de solo.
e SHF = exp(-0,02 x z), em que Z é a profundidade média do horizonte (Ritchie et al., 1989).
f
P L
LAI= A (Hunt, 1978)
LA – total de área foliar (cm2); P – área do solo (cm2).
Braga (1996) salientou que o volume de informação exigido depende dos níveis de produção que se pretendem simular, não sendo possível simular um nível de produção posterior sem a informação exigida para simular o nível anterior de produção. A escola De Wit dividiu os modelos de culturas em quatro níveis em função da sua evolução: (1) cálculo da produtividade potencial, a partir da temperatura e da radiação; (2) simulação do balanço hídrico do solo e das plantas, a precipitação e a rega constituem entradas do modelo; (3) ao nível dois adicionou-se o N como dado de entrada, logo o balanço de N do solo e da planta é igualmente calculado; (4) como dados de entrada, à água e ao N acrescem-se outros nutrientes do solo, para além das pragas, doenças e infestantes. O nível quatro é o que assegura uma simulação mais completa do sistema solo-planta-atmosfera (Penning de Vries e van Laar, 1982 cit. in Hoogenboom, 2000; Penning de Vries et al., 1989 cit. in Hoogenboom, 2000). Segundo Braga (1996), quando se opta pelo nível 3 de produção, dos elementos listados na Tabela 3.4a, não são exigidos para as simulações em causa a aplicação de resíduos e a mobilização de solo.
3.2.2.1.1Funções de pedo-transferência para a determinação de dados edáficos em falta
A determinação das características hidrodinâmicas fundamentais48 do solo é exigente em tempo, e
por isso dispendiosa (Wösten et al., 2001). Segundo Gonçalves (1994), uma das formas de cálculo das características hidrodinâmicas possível é o recurso às funções de pedo-transferência (PTFs). Wösten et al. (2001) afirmaram que as PTFs são uma potente ferramenta na previsão das características físicas e químicas dos solos. A sua principal vantagem é que conseguem prever os dados em falta a partir das características básicas (ex. distribuição das partículas por tamanho – classes de textura; teor de C orgânico e densidade aparente) (Saxton et al., 1986; Tietje e Tapkenhinrichs, 1993; Wösten et al., 2001). Por isso, as PTFs apresentam um custo reduzido e são fáceis de deduzir e utilizar (Wösten et al., 2001). Num estudo de alteração climática, Butterfield et al. (2000b) recorreram a PTFs para o cálculo dos parâmetros edáficos exigidos pelos modelos de culturas.
Gonçalves et al. (1997) afirmaram que a uniformidade dos dados de partida, utilizados na definição das PTFs, influencia o valor calculado pelas funções. Assim sendo, as PTFs calculadas para solos de outras regiões do mundo que não Portugal (ex. Europa do Norte e América do Norte), não devem ser extrapoladas para os solos de Portugal (Gonçalves et al., 1997). Para os solos do território português já foram calculadas PTFs para os parâmetros do modelo de van Genuchten (curva de retenção da água no solo) (van Genuchten, 1980), de Mualem-van Genuchten (condutividade hidráulica), de Gardner (condutividade hidráulica) (Gardner, 1958) com base nas propriedades básicas dos solos (Gonçalves, 1994; Gonçalves et al., 1997; Gonçalves et al., 1998). Gonçalves (1994) considerou 20 perfis de solo localizados no Centro e no Sul do país, e Gonçalves et al. (1998) consideraram 25 perfis da zona Centro, da zona Sul e dos Açores. Gonçalves et al. (1997) admitiram um maior número de perfis do Centro e do Sul do Continente para o estabelecimento das PTFs, 80 para a curva de retenção de água e 20para a curva de condutividade hidráulica.
Vereecken (1988) (cit. in Gonçalves et al., 1998) classificou as PTFs em dois grupos consoante o tipo de previsão obtida: (1) aquelas que estimam por pontos, estabelecendo relações lineares entre pontos de interesse nas curvas de retenção da água no solo e de condutividade hidráulica e as propriedades básicas do solo, a estas PTFs, Wösten et al. (2001) denominaram tipo 2; (2) aquelas que estimam por parâmetros, ou seja, que calculam os parâmetros de modelos capazes de descreverem as propriedades hidráulicas do solo (ex. Gonçalves, 1994 e Gonçalves et al., 1997). A estimação por pontos é vulgarmente utilizada, apesar de apresentar algumas limitações. Um dos inconvenientes mais importantes relaciona-se com a não obtenção de curvas completas, logo não se consegue definir o comportamento físico da propriedade hidráulica em análise. Assim sendo, a construção de uma curva completa exige a estimação de vários pontos de uma dada curva, e, em seguida, a realização de interpolações ou de ajustamentos, que são fontes de erro. Através desta técnica é difícil avaliar o comportamento de solos diferentes (Gonçalves, 1994). A vantagem desta
48
O mesmo que propriedades hidráulicas do solo. Incluem a curva de retenção da água no solo e a da condutividade hidráulica do solo (Gonçalves, 1994).
abordagem assenta na possibilidade de obter previsões precisas de pontos específicos da curva de retenção de água no solo, e de reconhecer quais são as características do solo mais determinantes na previsão do teor de água do solo para uma dada força de retenção (Wösten et al., 2001).
Por outro lado, a estimação por parâmetros é bastante mais complexa de utilizar. Esta técnica é mais complexa porque envolve a determinação de parâmetros não lineares, uma vez que as curvas de retenção de água no solo e da condutividade são não lineares. A estimação por parâmetros caracteriza-se por ser difícil de aplicar, embora hoje em dia já existam programas capazes de estimar facilmente os parâmetros não lineares, e por nem sempre conduzir a resultados convergentes. Os parâmetros, por sua vez, permitem comparar as propriedades hidráulicas num determinado solo e entre solos diferentes (Gonçalves, 1994).
As primeiras PTFs recorreram, quase exclusivamente, às regressões lineares (Wösten et al., 2001). Mais tarde, as regressões não lineares substituíram gradualmente as lineares (Rawls e Brakensiek, 1985 cit. in Wösten et al., 2001), sendo hoje utilizados vários outros métodos como, por exemplo, as redes neuronais (Wösten et al., 2001).
O coeficiente de determinação (R2) e o desvio quadrático médio (RMSE)49 são alguns dos indicadores estatísticos referidos por Wösten et al. (2001) para se avaliar a adequação das PTFs. Gonçalves (1994) também já tinha afirmado que o R2 era um teste importante para se avaliar o ajustamento. O armazenamento da descrição morfológica dos solos e das suas características analíticas numa base de dados georreferenciada disponibiliza de um modo prático a informação aos utilizadores e facilita a sua gestão, protecção (Gonçalves et al., 1999) e integração com outros programas que necessitem de utilizar estes dados.