Para a indústria sucroalcooleira, modelos de simulação possuem aplicações para inúmeras questões da produção de cana-de-açúcar, principalmente relacionados à sua bioquímica (MOORE et al., 1997), agronomia, fisiologia e manejo de pragas e doenças (KROPFF et al., 1997), processo de moagem (WOOD, 1995; PEACOCK; STARZAK, 1996) e impacto ambiental em áreas vizinhas (KEATING et al., 1997). Modelos de simulação do crescimento da cana-de-açúcar permitem simular diferentes cenários e otimizar recursos financeiros e humanos, pelo melhor direcionamento de pesquisas no setor, além de aumentar o entendimento dos processos envolvidos no crescimento e produtividade. Contudo, o uso de modelos de simulação de crescimento ainda não é difundido no Brasil, especialmente no setor sucroalcooleiro (SUGUITANI, 2006).
Atualmente, a principal preocupação dos pesquisadores é obter melhorias na precisão e exatidão dos dados de saída da simulação, ou seja, nos valores de produtividade estimados. Todavia, a maior dificuldade na modelagem em cana-de- açúcar diz respeito à previsão da produção de sacarose, já que o rendimento varia anualmente de acordo com o manejo e com as condições edafoclimáticas (MUCHOW et al., 1997; ROBERTSON; DONALDSON, 1998). Assim sendo, melhorias na precisão e exatidão da previsão da produção de sacarose implicarão aumento na eficiência de produção e na moagem na indústria (O’LEARY, 2000). Com o intuito de superar essas questões, inúmeros modelos para estimativa da produtividade da cana-de-açúcar têm sido propostos com o objetivo final de simular a partição de biomassa em sacarose (SCARPARI; BEAUCLAIR, 2009).
A década de 1970 marca o início do uso de modelos na cultura da cana-de- açúcar. Em mais de quarenta anos de trabalho, inúmeros modelos têm sido propostos, com os mais diversos enfoques. No Brasil, Ometto (1974) foi o pioneiro quando relacionou a estimativa da evapotranspiração potencial com o rendimento da cana-de- açúcar. Anos mais tarde, Machado (1981) apresentou um modelo matemático- fisiológico para simulação do acúmulo de matéria seca na cultura de cana-de-açúcar a partir de informações meteorológicas. Pereira e Machado (1986) propuseram o SIMCANA e Barbieri (1993) o MST, simuladores matemático-fisiológicos do crescimento
da cana-de-açúcar em função das condições ambientais. Barbieri (1993) desenvolveu um modelo matemático-fisiológico de estimativa de produtividade da cana-de-açúcar. Esse modelo descreve o comportamento fisiológico da planta em resposta às condições ambientais, no qual elementos meteorológicos se relacionam com o desempenho da cultura, simulando o acúmulo potencial de matéria seca durante o ciclo. Além disso, Delgado-Rojas (1998) analisou os efeitos de variáveis climáticas, tais como precipitação, evapotranspiração, temperaturas máximas e mínimas na produtividade final da cana-de-açúcar e, utilizando a ferramenta de regressão linear múltipla pelo método “STEPWISE”, obteve equações matemáticas para estimativa da produtividade. Teramoto (2003) relacionou o modelo matemático para estimativa de produtividade relativa de cana-de-açúcar baseado em variáveis do solo (LEVY, 1995) e o modelo de produtividade potencial da FAO (Food and Agriculture Organization of the United Nations), para simular a produtividade da cana-de-açúcar. Suguitani (2006) usou o modelo explanatório MOSICAS (MARTINÉ, 2003) para simulação de crescimento de quatro cultivares apresentando excelentes resultados com valores simulados para massa seca da parte aérea e índice de área foliar. Mais recentemente, Scarpari e Beauclair (2007) propuseram o PREDPOL, um modelo empírico desenvolvido para fornecer estimativas de ATR para algumas cultivares brasileiras de cana-de-açúcar.
Segundo O’Leary (2000), existem dois principais modelos de simulação de cana- de-açúcar atualmente em uso, excluindo os numerosos modelos de regressão utilizados em locais específicos de estudo. Esses modelos são o modelo Australiano APSIM- Sugarcane (KEATING et al., 1999) e o modelo Sul-Africano CANEGRO (INMAN- BAMBER, 1997).
O modelo CANEGRO foi incluído no pacote DSSAT (Decision Support System for Agrotechnology Transfer) por ter sido largamente utilizado em diversos países (INMAN-BAMBER; KIKER, 1997; JONES et al., 2003). Tais modelos, embora demonstrem a importância da qualidade da matéria-prima, priorizam os processos de acúmulo de biomassa e não a maturação (O’LEARY, 2000). O modelo CANEGRO simula o crescimento da cana-de-açúcar usando informações de varáveis meteorológicas (radiação solar, precipitação, temperatura máxima e mínima do ar) e do solo (capacidade de campo, ponto de murcha permanente e profundidade do perfil do
solo). Com base em processo diário de crescimento da planta, CANEGRO inclui o desenvolvimento, a fenologia do dossel, o perfilhamento, o acúmulo de biomassa e sua partição, bem com o crescimento das raízes e o estresse hídrico (NASSIF, 2010).
O APSIM (Agricultural Production Systems Simulator) inclui uma coleção de modelos denominados módulos e foi desenvolvido para simular processos biofísicos em sistemas de cultivo, em particular onde existe um interesse em resultados econômicos e ecológicos de práticas de gerenciamento em face aos riscos climáticos (KEATING et al., 2003). O modelo opera em escala diária e relaciona o crescimento da cultura em função da radiação interceptada, a qual produz fotoassimilados que são particionados entre os diversos órgãos da planta. O APSIM-Sugarcane foi concebido para simular a produção de cana, produção de sacarose, biomassa vegetal, uso da água, captação de nitrogênio pela cultura e para partição de carbono e nitrogênio, sendo o único modelo que simula as diferenças da cana-planta e cana-soca e teor de água do colmo (LISSON et al., 2005).
Há, no entanto, outro modelo, menos conhecido, também desenvolvido na Austrália (LIU e KINGSTON, 1995) que surgiu a partir da estrutura conceitual de Bull e Tovey (1974). Trata-se do QCANE (LIU e KINGSTON, 1995), um modelo que evoluiu de forma mecanicista com ênfase na fotossíntese, respiração e partição dos fotoassimilados. No QCANE todo fotoassimilado produzido diariamente é dividido em biomassa estrutural ou sacarose nas diferentes partes da planta. Este modelo tem por característica a simulação do uso da sacarose pela planta podendo ser utilizada como carbono estrutural ou na respiração de manutenção (SCARPARI, 2007). Segundo O’Leary (2000), um conceito interessante do modelo QCANE é que a área foliar é determinada a partir dos fotoassimilados particionados.
Embora a maioria dos modelos consiga predizer a biomassa produzida, existem grandes dificuldades em predizer a produção de sacarose (O’LEARY, 2000). Segundo Marin et al. (2011), a determinação da partição de biomassa em sacarose ainda é uma dificuldade, fato também ressaltado por Inman-Bamber et al. (2009), o qual atribui essa condição ao conhecimento insuficiente que se tem desse processo na planta como um todo. O conhecimento da produção de sacarose, ou seja, do grau de maturação da cana-de-açúcar permite o planejamento estratégico da colheita e a otimização do
retorno econômico da cultura. Inevitavelmente, o planejamento da colheita sendo otimizado ou não, utiliza estimativas de produção agrícola para dimensionar recursos e realizar cronogramas de execução e sequenciamento de operações (SALASSI et al., 2002), fatores que ressaltam ainda mais a importância de um conhecimento prévio da produção de açúcar por hectare.