ACOPLANDO UM MODELO DE DOENÇAS AO MODELO CROPGRO-SOYBEAN: FERRUGEM ASIÁTICA DA SOJA

AO MODELO CROPGRO-SOYBEAN:

FERRUGEM ASI ´ ATICA DA SOJA

JO ˜ AO EDUARDO PEDRINI

Disserta¸c˜ ao apresentada ao Programa de P´ os-gradua¸c˜ ao em Agronomia da Faculdade de Agronomia e Medicina Veterin´ aria da Universidade de Passo Fundo, para obten¸c˜ ao do t´ıtulo de Mestre em Agronomia - ´ Area de Con- centra¸c˜ ao em Fitopatologia.

Passo Fundo, julho de 2010.

PROGRAMA DE P ´ OS-GRADUA ¸ C ˜ AO EM AGRONOMIA

ACOPLANDO UM MODELO DE DOEN ¸ CAS AO MODELO CROPGRO-SOYBEAN:

FERRUGEM ASI ´ ATICA DA SOJA

JO ˜ AO EDUARDO PEDRINI

Orientador: Prof. PhD. Jos´ e Maur´ıcio Cunha Fernandes Co-Orientador: Prof. Dr. Willingthon Pavan

Disserta¸c˜ ao apresentada ao Programa de P´ os-gradua¸c˜ ao em Agronomia da Faculdade de Agronomia e Medicina Veterin´ aria da Universidade de Passo Fundo, para obten¸c˜ ao do t´ıtulo de Mestre em Agronomia - ´ Area de Con- centra¸c˜ ao em Fitopatologia.

Passo Fundo, julho de 2010.

A meus pais pelo, amor, carinho e

apoio incondicional que sempre me

proporcionaram ao longo de minha

vida, e que sempre fizeram enten-

der que o futuro, ´ e feito apartir da

constante dedica¸c˜ ao no presente.

AGRADECIMENTOS

A Faculdade de Agronomia e Medicina Veterin´ aria, juntamente com a coordena¸c˜ ao do PPGAgro, pela valiosa oportunidade propor- cionada;

Ao meu orientador Prof. PhD. Jos´ e Maur´ıcio Cunha Fernandes e ao meu co-orientador Prof. PhD. Willingthon Pavan, pelas preciosas orienta¸c˜ oes e tamb´ em pela compreens˜ ao e amizade em todos estes anos de trabalho.

A todos os meus familiares e amigos que direta ou indiretamente, me ajudaram a tornar poss´ıvel a execu¸c˜ ao deste trabalho.

H´ a tantos mais a agradecer, por tanto se dedicarem a mim, n˜ ao s´ omente por terem ensinado, mas por terem me feito aprender. Muito obrigado a todos os professores, funcion´ arios, colegas que fizeram parte desta jornada.

Ao Instituto Interamericano para Pesquisas em Mudan¸cas Globais (IAI), pelo auxilio financeiro que oportunizou a continua¸c˜ ao de meus estudos.

Por fim, ` a aquele, que me permitiu tudo isso, ao longo de toda

a minha vida, e, n˜ ao s´ omente nestes anos como universit´ ario, ` a vocˆ e

meu DEUS, obrigado, reconhe¸co cada vez mais em todos os meus

momentos, que vocˆ e ´ e o maior mestre, que uma pessoa pode conhecer

e reconhecer!!

SUMÁRIO

LISTA DE FIGURAS xiii

LISTA DE TABELAS xv

RESUMO xvii

ABSTRACT xix

1 INTRODUÇÃO 1

2 REVISÃO DE LITERATURA 7

2.1 Modelos Simula¸c˜ ao de Culturas . . . . 7

2.1.1 DSSAT . . . . 7

2.2 Modelos de Simula¸c˜ ao de Doen¸ca . . . . 13

2.2.1 Modelo Gen´ erico de Doen¸cas . . . . 16

2.2.2 DESSAC . . . . 19

2.3 Abordagens de Integra¸c˜ ao de Modelos . . . . 23

2.3.1 Abordagem Monol´ıtica . . . . 24

2.3.2 Abordagem Programada . . . . 25

2.3.3 Abordagem Orientada a Componentes . . . . . 26

2.3.4 Abordagem de Comunica¸c˜ ao . . . . 28

CAPÍTULO I

IMPLEMENTANDO À INTEGRAÇÃO DE MODELOS

DINÂMICOS 31

Introdu¸c˜ ao . . . . 34

Material e M´ etodos . . . . 39

Modelos . . . . 39

Linguagens de programa¸c˜ ao . . . . 44

Integra¸c˜ ao dos Modelos . . . . 48

Fluxo da Integra¸c˜ ao . . . . 51

Resultados . . . . 53

Discuss˜ ao . . . . 55

CAPÍTULO II CALIBRAÇÃO DO MODELO DE FERRUGEM DA SOJA 61 Introdu¸c˜ ao . . . . 63

Material e M´ etodos . . . . 68

Dados de Alimenta¸c˜ ao dos Modelos . . . . 68

Resultados . . . . 75

Discuss˜ ao . . . . 84

3 CONSIDERAÇÕES FINAIS 89

REFERÊNCIAS BIBLIOGRÁFICAS 91

Anexo A -- Dados Climáticos Passo Fundo 2009 99

LISTA DE FIGURAS

1 C´ odigos dos modelos s˜ ao limpos para criarem novos c´ o- digos de modelos (modificado de BULATEWICZ, 2006). 25 2 Entradas e sa´ıdas dos modelos s˜ ao conectadas (modifi-

cado de BULATEWICZ, 2006). . . . 26 3 Componentes s˜ ao conectados para cria¸c˜ ao de modelos

(modificado de BULATEWICZ, 2006). . . . 27 4 Modelos s˜ ao modificados ent˜ ao eles podem trocar da-

dos em tempo de execu¸c˜ ao (modificado de BULA- TEWICZ, 2006). . . . 29 5 Vis˜ ao geral dos componentes e da estrutura modular

do DSSAT. . . . . 41 6 Estrutura do modelo gen´ erico de doen¸cas desenvolvido

por Pavan (2007). . . . 43 7 Cria¸c˜ ao de objetos compartilhados com c´ odigos em C

e FORTRAN. . . . 46 8 Diagrama de Fluxo da integra¸c˜ ao dos modelos . . . . . 52 9 Dados de clima para as safras de 2006/2007 e 2007/2008. 75 10 Dados de clima para as safras de 2008/2009 e 2009/2010. 76 11 Simula¸c˜ oes do modelo CROPGRO:Soybean-Ferrugem

para as cultivares Bragg e Don M´ ario na safra

2006/2007 em Passo Fundo-RS . . . . 80

12 Simula¸c˜ oes do modelo CROPGRO:Soybean-Ferrugem para as cultivares Bragg e Don M´ ario na safra 2007/2008 em Passo Fundo-RS . . . . 81 13 Simula¸c˜ oes do modelo CROPGRO:Soybean-Ferrugem

para as cultivares Bragg e Don M´ ario na safra 2008/2009 em Passo Fundo-RS . . . . 82 14 Simula¸c˜ oes do modelo CROPGRO:Soybean-Ferrugem

para as cultivares Bragg e Don M´ ario na safra

2009/2010 em Passo Fundo-RS . . . . 83

LISTA DE TABELAS

1 Coeficiences das cultivares Bragg e Don M´ ario (parte I). 70 2 Coeficiences das cultivares Bragg e Don M´ ario (parte II). 71 3 Parˆ ametros utilizados no simulador da ferrugem asi´ a-

tica da soja parte I (modificado de PAVAN, 2007). . . . 72 4 Parˆ ametros utilizados no simulador da ferrugem asi´ a-

tica da soja parte II (modificado de PAVAN, 2007). . . 73 5 Parˆ ametros utilizados no simulador da ferrugem asi´ a-

tica da soja parte III (modificado de PAVAN, 2007). . . 74 6 Produ¸c˜ oes simuladas para a cultivar Bragg, com do-

en¸ca (CD) e sem doen¸ca (SD), e o est´ adio fenol´ ogico de inicio da doen¸ca (EF-ID) para as safras de 2006/2007

`

a 2009/2010 . . . . 77 7 Dias da emergˆ encia ap´ os a flora¸c˜ ao e a matura¸c˜ ao

para a cultivar Bragg, para as safras de 2006/2007 ` a 2009/2010 . . . . 77 8 Produ¸c˜ oes simuladas para a cultivar Don M´ ario, com

doen¸ca (CD) e sem doen¸ca (SD), e o est´ adio fenol´ o- gico de inicio da doen¸ca (EF-ID) para as safras de 2006/2007 ` a 2009/2010 . . . . 78 9 Dias da emergˆ encia ap´ os a flora¸c˜ ao e a matura¸c˜ ao para

a cultivar Don M´ ario, para as safras de 2006/2007 ` a

2009/2010 . . . . 78

RESUMO

ACOPLANDO UM MODELO DE DOENÇAS AO MODELO CROPGRO-SOYBEAN: FERRUGEM

ASIÁTICA DA SOJA

JOÃO EDUARDO PEDRINI

RESUMO - Quantificar o impacto da ferrugem asi´ atica da soja sobre o rendimento ´ e de grande interesse. Modelos matem´ aticos tˆ em sido desenvolvidos, representando a rela¸c˜ ao entre a produ¸c˜ ao de intensidade da doen¸ca. Estes modelos, reconhecidamente ´ uteis, s˜ ao baseados em rela¸c˜ oes emp´ıricas determinada quer em campo ou em condi¸c˜ oes controladas. Por outro lado, o modelo CSM- CROPGRO-Soybean contido no DSSAT (Decision Support System for Agro-Technology Transfer ) simula o crescimento e desenvolvi- mento da planta desde a semeadura at´ e ` a matura¸c˜ ao usando um passo de tempo di´ ario, e, finalmente, prevˆ e o rendimento. O modelo CSM-CROPGRO-Soybean como a maioria dos modelos de simula¸c˜ ao de culturas foi desenvolvido em linguagem FORTRAN. Portanto, um dos principais desafios para a comunidade de modelos de simula¸c˜ ao de culturas ´ e a integra¸c˜ ao de modelos cient´ıficos criados por diferentes grupos, que devem ampliar a utilidade do novo modelo acoplado. No acoplamento, alguns aspectos devem ser considerados, estes incluem a identifica¸c˜ ao de modelos adequados, as especifica¸c˜ oes das intera¸c˜ oes e da possibilidade de acoplamento dinˆ amico de diferentes c´ odigos fonte. Portanto, h´ a necessidade da constru¸c˜ ao de um componente estrutural que contenha a interface e os protocolos de comunica¸c˜ ao

1Mestre em Agronomia, Universidade de Passo Fundo - joaoepedrini@gmail.com

entre os componentes do sistema. Al´ em dessas etapas, ´ e necess´ ario escolher uma abordagem adequada para o conjunto de modelos.

Integrar diferentes aspectos de um modelo de simula¸c˜ ao de culturas que imita o crescimento e desenvolvimento da soja e tamb´ em para os impactos da ferrugem asi´ atica da soja sobre o rendimento deve ser ´ util para analisar e implementar pr´ aticas de manejo da doen¸ca.

Utilizando diferentes t´ ecnicas de programa¸c˜ ao e de abordagens para integra¸c˜ ao foi poss´ıvel desenvolver uma vers˜ ao modificada do CSM-CROPGRO-Soybean, que respondeu ` a intensidade ferrugem. A determina¸c˜ ao das melhores pr´ aticas para alcan¸car altas produtivida- des, enquanto ambientalmente e economicamente sustent´ avel ´ e uma informa¸c˜ ao valiosa para os planos estrat´ egicos no Brasil e em outros lugares. No entanto, usando a abordagem convencional experimental deve consumir uma quantidade significativa de tempo e recursos. O uso de modelos de simula¸c˜ ao de culturas, podem ser uma alternativa para a compreens˜ ao da resposta da cultura em diferentes condi¸c˜ oes de crescimento. O modelo CSM-CROPGRO-Soybean, acoplado a um modelo de doen¸ca, de forma dinˆ amica representa o progresso da ferrugem asi´ atica da soja e seu impacto na produtividade. coeficientes de cultura para o CSM-CROPGRO-Soybean foram obtidos a partir da base de dados DSSAT. Os parˆ ametros para a ferrugem da soja foram obtidos a partir da literatura ou estimados a partir de dados experimentais. Os dados meteorol´ ogicos e as caracter´ısticas do solo de Passo Fundo, RS, Brasil, foram utilizados para avaliar o modelo modificado CSM-CROPGRO-Soybean. Uma seq¨ uˆ encia de dados observados categ´ orica que representa a intensidade da ferrugem da soja na ´ area foi utilizada para compara¸c˜ ao de modelos. Os resultados mostraram que o modelo acoplado representada razoavelmente bem o impacto na produ¸c˜ ao, devido ` a coloniza¸c˜ ao da ferrugem. Na simula¸c˜ ao, a produtividade de soja foi menos afetada em anos em que a doen¸ca foi considerada de baixa intensidade e significativamente afectada em anos classificados de alta intensidade.

Palavras chave: Integra¸c˜ ao, abordagens metodol´ ogicas, CSM-

CROPGRO-Soybean, modelo gen´ erico de doen¸cas, linguagens de

programa¸c˜ ao, Ferrugem Asi´ atica da soja, calibra¸c˜ ao, simula¸c˜ ao.

ABSTRACT

COUPLING A DISEASE EPIDEMIC MODEL TO CSM-CROPGRO-SOYBEAN MODEL: ASIAN

SOYBEAN RUST

JOÃO EDUARDO PEDRINI

ABSTRACT - Quantifying the impact of Asian Soybean rust on yield is of great interest. Mathematical models have been developed representing the relationship between disease intensity yield. These models, admittedly useful, are based on empirical relationships determined either under field or controlled conditions. By the other hand, the CSM-CROPGRO-Soybean model contained within DSSAT (Decision Support System for Agro-Technology Transfer ) simulates plant growth and development from sowing to maturity using a daily time step, and ultimately predicts yield. The CSM-CROPGRO- Soybean model like the majority of crop simulation models was developed in FORTRAN. Therefore, one of the main challenges to the crop simulation models community is the integration of scientific models created by different groups, which should expand the usefulness of the coupled new model. In coupling, aspects that should be considered include the identification of appropriate models, specifications of interactions and the possibility of dynamic coupling different source codes. Therefore, there is a need to build a structural component containing the interface and the communication protocols between the components of the system. Beyond these stages, it is necessary to choose an adequate approach to couple the models.

1Mestre em Agronomia, Universidade de Passo Fundo - joaoepedrini@gmail.com

Integrating different aspects of a crop simulation model that mimics the growth and development of soybean and also accounts for the Asian Soybean Rust impacts on yield should be useful for analyzing and implementing disease management practices. Using different techniques of programming and coupling approaches was possible to develop a modified CSM-CROPGRO-Soybean that responded to rust intensity. The determination of best practices for achieving high yields while environmentally and economically sustainable is valuable information for strategic plans in Brazil and elsewhere.

However, using the conventional experimental approach should consume a significant amount of time and resources. The use of crop simulation models, may be an alternative option for understanding crop response under various conditions of growth. The model CSM-CROPGRO-Soybean,coupled to a disease model, dynamically represents the Asian rust soybean progress and its impact on yield.

Crop coefficients for CSM-CROPGRO-Soybean were obtained from the DSSAT data base. The parameters for the soybean rust were obtained either from literature or estimated from experimental data.

Weather data and soil characteristics from Passo Fundo, RS, Brazil were used to evaluate the modified model CSM-CROPGRO-Soybean.

A sequence of observed categorical data representing soybean rust intensity in the area was used for model comparison. The results showed that the coupled model represented reasonable well the impact on yield due to rust colonization. In the simulation, soybean yield was less affected in years when disease was considered of low in- tensity and significantly affected in years categorized of high intensity.

Keywords: Integration, methodological approach, CSM-CROPGRO-

Soybean model, generic disease model, programming languages, asian

soybean rust, calibration, simulation.

1 INTRODUÇÃO

A soja [Glycine max (L.) Merrill], ´ e uma das principais culturas na agricultura mundial e brasileira em fun¸c˜ ao da sua produtividade e valor nutritivo com diversas aplica¸c˜ oes na alimenta¸c˜ ao humana e animal, bem como no papel s´ ocio econˆ omico, impulsionando de forma significativa o agroneg´ ocio. Danos na produ¸c˜ ao deste produto podem ser causados por diversos fatores como, por exemplo, clim´ aticos, tais como, seca, geada, chuva excessiva, granizo, fortes ventos, etc. Dife- rentes fatores tamb´ em devem ser mencionados como os agronˆ omicos (espa¸camento, aduba¸c˜ ao, irriga¸c˜ ao, entre outros) e fatores bi´ oticos como pragas e doen¸cas.

Dentro do fator bi´ otico doen¸cas, destaca-se a ferrugem asi´ atica da soja, causada pelo fungo Phakopsora pachyrhizi que segundo DEL PONTE (2006) as perdas e o impacto causada por esta doen¸ca, desde que foi identificada nas principais regi˜ oes produtoras de soja nos con- tinentes americanos, principalmente no Brasil, as colocam no patamar de doen¸ca mais importante da cultura.

Plantas de soja infectadas por este fungo normalmente apresen- tam a caracter´ıstica de desfolha precoce, comprometendo a forma¸c˜ ao e o enchimento de vagens, reduzindo o peso final dos gr˜ aos.

Desde sua detec¸c˜ ao na Am´ erica do Sul, em 2002, a ferrugem asi´ a-

tica se disseminou pelas ´ areas de soja no Brasil e facilmente atin-

giu n´ıveis severos de epidemias em v´ arias regi˜ oes produtoras de soja

no Brasil causando danos significativos na produ¸c˜ ao e s´ erias perdas

econˆ omicas (YORINORI et al., 2005).

A doen¸ca foi detectada posteriormente na Argentina (ROSSI, 2003) e nos Estados Unidos (SCHNEIDER, 2005).

Seu comportamento tem sido extremamente vari´ avel entre e den- tro de cada uma dessas regi˜ oes. Ataques mais severos normalmente ocorrem sob condi¸c˜ oes clim´ aticas favor´ aveis ` a doen¸ca, associadas com ausˆ encia ou falhas de manejo da cultura, podendo levar a um au- mento de duas a trˆ es vezes no n´ umero de aplica¸c˜ oes de fungicidas, na tentativa de tentar frear o avan¸co da doen¸ca (SIQUERI, 2005).

As perdas econˆ omicas devido ` a esta doen¸ca no Brasil, que foram estimadas em 125 milh˜ oes de d´ olares na safra de 2001/2002, saltaram para mais de um bilh˜ ao de d´ olares em 2002/2003, e para mais de dois bilh˜ oes de d´ olares em 2003/2004 (YORINORI, 2005). Segundo esti- mativas recentes, os danos na produtividade provocados pela ferrugem asi´ atica da soja somaram aproximadamente 4,5% da safra brasileira de soja em 2006/07, o que equivale a 2,67 milh˜ oes de toneladas de gr˜ aos. Somando-se o custo da opera¸c˜ ao de controle, o custo total da ferrugem asi´ atica na safra 2006/07 foi estimado em U$ 2,19 bilh˜ oes (EMBRAPA SOJA, 2007).

A experiˆ encia adquirida ao longo dos anos de conv´ıvio com a do-

en¸ca e a ado¸c˜ ao de pr´ aticas mais eficientes de controle recomendadas

pela pesquisa tˆ em permitido, em muitas situa¸c˜ oes, o controle da do-

en¸ca em n´ıveis aceit´ aveis (GODOY, 2005). No entanto, a garantia da

produ¸c˜ ao, muitas vezes, tem um alto custo que pode tornar invi´ avel

o agroneg´ ocio. Infelizmente s˜ ao poucas as armas dispon´ıveis atual-

mente para combater a doen¸ca. Enquanto n˜ ao se disp˜ oe de cultivares

com resistˆ encia aceit´ avel, o controle da doen¸ca depende do uso de

fungicidas, cuja eficiˆ encia varia com o produto utilizado e o momento

e a freq¨ uˆ encia de aplica¸c˜ oes, por meio de uma correta tecnologia de aplica¸c˜ ao.

Recentemente, medidas regulamentares como o vazio sanit´ ario tˆ em sido implantadas em alguns estados do Brasil, principalmente na regi˜ ao central e oeste do pa´ıs. A medida consiste na proibi¸c˜ ao de plantio de soja na entressafra, em um per´ıodo de trˆ es meses anteriores ao plantio na ´ epoca normal. Fundamenta-se no fato do fungo necessi- tar de plantas vivas para se manter ativo, portanto o in´ oculo pode ser reduzido, causando um atraso no in´ıcio da doen¸ca e nas aplica¸c˜ oes de fungicidas, que pode resultar em menor dano e perdas econˆ omicas.

Diversos estudos epidemiol´ ogicos vˆ em sendo conduzidos no pa´ıs para se identificar os fatores de risco da ferrugem asi´ atica da soja e assim poder prever o seu comportamento (REIS et al., 2004; DEL PONTE & YANG, 2006; DEL PONTE et al., 2006a; ALVES et al., 2006; ESKER et al., 2007).

Por meio de uma iniciativa coordenada pelo Minist´ erio da

Agricultura e do Abastecimento (MAPA), o Cons´ orcio Antifer-

rugem, o “Sistema de Alerta” foi desenvolvido na safra 2004/05

(www.consorcioantiferrugem.net). Este consiste em uma rede de co-

munica¸c˜ ao para: informar ` a assistˆ encia t´ ecnica p´ ublica e privada e aos

agricultores sobre os problemas detectados durante a safra, orientar

quanto a poss´ıveis solu¸c˜ oes e captar, entre os agentes de transferˆ encia

e o desempenho da safra nas v´ arias regi˜ oes produtoras. Al´ em dos in-

formativos, foi desenvolvido um sistema para a divulga¸c˜ ao dos relatos

de ocorrˆ encia da ferrugem da soja no Brasil, com a mobiliza¸c˜ ao da rede

de laborat´ orios credenciados ao Cons´ orcio Antiferrugem. Para tal, um

sistema computacional foi proposto baseado em trˆ es componentes: a)

uma base de dados para o registro das informa¸c˜ oes de ocorrˆ encia da

doen¸ca; b) programas para inclus˜ ao e administra¸c˜ ao, gera¸c˜ ao de re- lat´ orios e consulta das informa¸c˜ oes; c) interfaces para visualiza¸c˜ ao das informa¸c˜ oes requisitadas, em formato de tabela e de um mapa geogr´ afico. O sistema cont´ em diferentes n´ıveis de usu´ arios que ma- nipulam as informa¸c˜ oes no sistema. A administra¸c˜ ao central ´ e feita pela Embrapa Soja e a alimenta¸c˜ ao do banco de dados ´ e totalmente descentralizada, de forma que cada um dos laborat´ orios participantes do cons´ orcio (ao redor de 80) tem acesso ao sistema atrav´ es de um acesso ` a ´ area restrita. O mapa da dispers˜ ao da ferrugem da soja, cuja tecnologia foi reformulada para a safra 2007/08 (DEL PONTE et al., 2007) e est´ a dispon´ıvel na Internet para produtores e assistˆ encia t´ ec- nica do setor p´ ublico e privado que usam a informa¸c˜ ao para a tomada de decis˜ ao de manejo regional.

Na safra de 2007/08 segundo dados do Cons´ orcio Antiferrugem (2008) foram detectados mais de 2100 focos da doen¸ca em lavou- ras comerciais. Iniciativas similares, por´ em de abrangˆ encia regional, tem sido feitas por Funda¸c˜ oes e associa¸c˜ oes de produtores, incluindo o mapeamento de ocorrˆ encia da doen¸ca e risco estimado por mode- los de previs˜ ao com base no monitoramento das condi¸c˜ oes clim´ aticas (www.fundacaoabc.org.br).

Devido a importˆ ancia de fatores abi´ oticos, como condi¸c˜ oes favo- r´ aveis do ambiente para o desenvolvimento da ferrugem asi´ atica na cultura da soja, muitos estudos foram desenvolvidos sobre os efeitos destes fatores e suas intera¸c˜ oes nesta rela¸c˜ ao pat´ ogeno-hospedeiro- ambiente, como, por exemplo, temperatura na sobrevivˆ encia (KO- CHMAN, 1979); temperatura na germina¸c˜ ao de esporos (BONDE et al., 2007), intera¸c˜ ao de temperatura e molhamento foliar na infec-

¸c˜ ao (MARCHETTI et al., 1976; MELCHING et al., 1989, ALVES et

al., 2006); temperatura na infec¸c˜ ao (ALVES et al., 2006; BONDE et

al., 2007) dura¸c˜ ao do per´ıodo latente (ALVES, 2006;WILLOCQUET CARLINI, 2009), tamanho das les˜ oes (ALVES et al., 2006), entre outros. Trabalhos como os citados acima servem como base para o desenvolvimento de sistemas de simula¸c˜ ao utilizando a modelagem matem´ atica.

Modelos matem´ aticos de previs˜ ao, implicam em uma ´ otima fer- ramenta para o aux´ılio ` a tomada de decis˜ oes. Um exemplo para o uso destes modelos ´ e a previs˜ ao do tempo onde institutos meteoro- l´ ogicos como INMET rodam modelos atrav´ es de simula¸c˜ oes gerando uma previs˜ ao de tempo com mais de 95% de confiabilidade, podendo ent˜ ao ajudar no suporte a decis˜ oes no campo. A modelagem do efeito de vari´ aveis clim´ aticas no ciclo da doen¸ca ´ e uma etapa fundamental.

Diversos s˜ ao os elementos do clima que exercem influˆ encia sobre o fungo e na epidemiologia da doen¸ca.

Levando em considera¸c˜ ao a importˆ ancia econˆ omica da ferrugem asi´ atica na cultura da soja e possuindo como base as informa¸c˜ oes anteriormente citadas, foi desenvolvida uma interface para integra¸c˜ ao de dois modelos de simula¸c˜ ao, tendo como objetivo simular o progresso da ferrugem asi´ atica em conjunto com o desenvolvimento da cultura soja, assim estimar o impacto na produ¸c˜ ao de gr˜ aos causada doen¸ca.

O modelo de simula¸c˜ ao da cultura da soja CSM-CROPGRO-

SOYBEAN modificado para contabilizar o impacto na produ¸c˜ ao cau-

sado pela ferrugem asi´ atica pode responder perguntas do tipo “Qual

a relevˆ ancia da ferrugem asi´ atica na regi˜ ao sul do Brasil”, “Qual ´ e o

impacto na produ¸c˜ ao causado por este fungo?”, entre outras, al´ em da

possibilidade de prever diferentes cen´ arios para um mesmo sistema de

produ¸c˜ ao.

2 REVISÃO DE LITERATURA

2.1 Modelos Simula¸ c˜ ao de Culturas

2.1.1 DSSAT

O DSSAT (Decision Support System for Agrotechnology Trans- fer ) ´ e uma das mais conhecidas e difundidas aplica¸c˜ oes dos modelos de simula¸c˜ ao do crescimento e desenvolvimento das culturas, sendo desenvolvido pelo projeto IBSNAT (International Benchmark Sites Network for Agrotechnology Transfer ) junto ` a Universidade do Hava´ı a partir de 1974. O projeto IBSNAT teve dura¸c˜ ao de cerca de dez anos, resultando no aplicativo DSSAT e numa rede internacional de pesquisadores envolvidos no desenvolvimento e em teste de modelos de simula¸c˜ ao. Atualmente ´ e mantido pelo cons´ orcio ICASA (Interna- tional Consortium for Agricultural Systems Applications), que re´ une um grande n´ umero de cientistas de diversas universidades e centros de pesquisa, os quais trabalham de forma colaborativa para a constru¸c˜ ao dos modelos e suas aplica¸c˜ oes (JONES e PORTER, 2001; Jones et al., 2003; ICASA, 2010).

O DSSAT ´ e um sistema composto por diversos modelos de simu-

la¸c˜ ao, esses orientados a processos, projetados para aplica¸c˜ oes globais

e que trabalham independente de local, esta¸c˜ ao e cultivar (VERHA-

GEN et al., 2001). ´ E apropriado para que os estudos a longo prazo

avaliem as estrat´ egias eficientes de manejo da cultura e otimizem a

produ¸c˜ ao (FARIA, 2003). O DSSAT combina dados de solo e de

clima com modelos de culturas e aplicativos a fim de simular os re- sultados de v´ arios anos de estrat´ egias no manejo de culturas (ICASA, 2010). ´ E o resultado do trabalho colaborativo de muitos cientistas de diversas universidades e centros de pesquisa que fazem parte do cons´ orcio ICASA (International Consortium for Agricultural Systems Applications).

Como um pacote de software, que integra os efeitos de solo, carac- ter´ısticas da esp´ ecie, coeficientes gen´ eticos, dados clim´ aticos e op¸c˜ oes de manejo, o DSSAT permite que os usu´ arios possam solicitar resposta a perguntas tais como “O que...se...?” e simular os resultados de expe- rimentos em minutos num computador, os quais poderiam consumir uma parte significativa da vida profissional de um agrˆ onomo (ICASA, 2010).

O DSSAT ´ e uma cole¸c˜ ao de programas independentes que intera- gem entre si, no qual os modelos de simula¸c˜ ao de culturas ficam ao centro, enquanto as bases de dados descrevem o clima, solo, observa-

¸c˜ oes e condi¸c˜ oes ambientais, al´ em de informa¸c˜ oes sobre gen´ otipos para aplicar nos modelos em diferentes situa¸c˜ oes (JONES et al., 2003). Os componentes de software do DSSAT s˜ ao escritos em diversas lingua- gens:

• FORTRAN (modelos)

• C (shell)

• Pascal (gr´ aficos)

• Dbase (base de dados)

• Basic (programas de gerenciamento de estrat´ egia e risco).

O DSSAT fornece tamb´ em a possibilidade de valida¸c˜ ao das sa´ıdas dos modelos, permitindo assim, que os usu´ arios possam comparar os resultados da simula¸c˜ ao com os resultados observados. Assim simu- lando diferentes estrat´ egias da gerˆ enciamento de culturas, oferecem ao usu´ ario as informa¸c˜ oes necess´ arias para apreciar novas culturas, produtos e pr´ aticas a fim de adot´ a-las (ICASA, 2010).

Atualmente a su´ıte DSSAT ´ e composta por 27 diferentes modelos de culturas, formada por uma cole¸c˜ ao de programas independentes que operam em conjunto, estando inseridos numa ferramenta que fa- cilita a cria¸c˜ ao e o gerenciamento de arquivos de experimentos, de solo e de clima. Inclui aplica¸c˜ oes que auxiliam na an´ alise sazonal e seq¨ uencial dos riscos econˆ omicos e impactos ambientais associados com a irriga¸c˜ ao, uso de fertilizantes e nutrientes, mudan¸cas clim´ aticas, seq¨ uestro de carbono no solo, variabilidade clim´ atica e agricultura de precis˜ ao (JONES et al., 2003; ICASA, 2010).

O DSSAT simula o crescimento, desenvolvimento e produ¸c˜ ao de

uma cultura considerando uma ´ area uniforme de terreno com as in-

forma¸c˜ oes de manejo informadas ou simuladas, assim como mudan¸cas

no conte´ udo da ´ agua do solo, carbono e nitrogˆ enio que ocorrem em

rela¸c˜ ao ao tempo. Possui uma estrutura composta por um programa

principal, uma unidade m´ odulo solo e os m´ odulos para os componentes

prim´ arios. A unidade m´ odulo solo ´ e respons´ avel pela interface entre

a aplica¸c˜ ao e os componentes que interagem numa ´ area uniforme de

solo, ao passo que os componentes descrevem as mudan¸cas temporais

no solo e nas plantas em resposta ao clima e ao manejo (JONES et al.,

2003). Cada m´ odulo possui seis passos operacionais respons´ aveis pela

estrutura¸c˜ ao e organiza¸c˜ ao, os quais s˜ ao: inicializa¸c˜ ao da execu¸c˜ ao,

instala¸c˜ ao da cultura, c´ alculo das taxas, integra¸c˜ ao, sa´ıdas di´ arias e

sum´ ario das sa´ıdas.

Dentre os componentes prim´ arios encontrados no DSSAT, como clima, solo-planta-atmosfera, CSM-CROPGRO-Soybean (modelo para a cultura da soja), planta, manejo e praga, o m´ odulo solo ´ e representado como um perfil unidimensional, sendo homogˆ eneo ho- rizontalmente e consistindo de um n´ umero de camadas verticais de solo. O m´ odulo solo ´ e composto por quatro sub-m´ odulos: ´ agua no solo, temperatura do solo, carbono e nitrogˆ enio do solo.

O sub-m´ odulo ´ agua no solo computa as mudan¸cas di´ arias no con- te´ udo de ´ agua do solo pela infiltra¸c˜ ao da chuva e irriga¸c˜ ao, drenagem vertical, fluxo insaturado evapora¸c˜ ao e processo de absor¸c˜ ao de ´ agua pelas ra´ızes. A infiltra¸c˜ ao de ´ agua ´ e computada pela subtra¸c˜ ao da quantidade de ´ agua da precipita¸c˜ ao que ocorre durante o dia, sendo o processo baseado no n´ umero da curva, que leva em conta a textura, declive e cobertura. A drenagem atrav´ es do perfil ´ e calculada com base num parˆ ametro assumido para que seja constante com a profun- didade. Se a condutividade hidr´ aulica saturada de qualquer camada for menor que a drenagem vertical computada, a ´ agua ´ e acumulada na camada acima. Quando h´ a a aplica¸c˜ ao de irriga¸c˜ ao, a quanti- dade de ´ agua ´ e adicionada ` a precipita¸c˜ ao para c´ alculo de infiltra¸c˜ ao e quantidade de ´ agua di´ aria (FARIA, 2003).

O subm´ odulo solo-planta-atmosfera ´ e respons´ avel por computar diariamente a evapora¸c˜ ao do solo e transpira¸c˜ ao das plantas; traz junto ao solo as entradas da planta e atmosfera e computa a intercep- ta¸c˜ ao da luz pelo dossel, a evapotranspira¸c˜ ao potencial e a transpira-

¸c˜ ao da planta.

Com o m´ odulo praga o usu´ ario pode entrar com as observa¸c˜ oes

sobre popula¸c˜ oes de insetos ou danos em diferentes partes da planta,

severidade de doen¸cas em diferentes tecidos da planta e danos f´ısicos

a plantas ou a seus componentes. Os efeitos da praga e/ou doen¸ca no crescimento e produ¸c˜ ao s˜ ao determinados de forma emp´ırica, por meio de uma fun¸c˜ ao de dano.

Os dados m´ınimos exigidos pelo modelo para sua opera¸c˜ ao abran- gem o local onde o modelo ser´ a operado (latitude, longitude, eleva¸c˜ ao, m´ edias anuais de temperatura e sua amplitude etc.), dados clim´ aticos di´ arios do per´ıodo do ciclo de crescimento (radia¸c˜ ao solar, tempera- tura do ar m´ axima e m´ınima e precipita¸c˜ ao pluvial), caracter´ısticas do solo (caracter´ısticas b´ asicas das camadas do solo), condi¸c˜ oes ini- ciais (cultura anterior) e gerenciamento da cultura (tipo e nome do cultivar; data de plantio; profundidade; espa¸camento; etc.).

Conforme VERHAGEN et al. (2001), dentro da estrutura do DS- SAT podem-se encontrar alguns modelos de simula¸c˜ ao para diversas culturas como os seguintes:

• a fam´ılia CSM-CERES de modelos: maize, wheat, (CSM- CROPSIM-wheat), rice, barley, sorghum e millet;

• a s´ erie de modelos CSM-CROPGRO para leguminosas: soy- bean, peanut, dry bean (Phaseolus);

• a s´ erie de modelos CSM-CROPSIM para culturas de raiz: CSM- CROPSIM-cassava e CSM-SUBSTOR-potato;

• outras culturas: CSM-CROPGRO-Tomato, CSM-CROPGRO- Chickpea, Sugarcane e Sunflower.

Todos os modelos de culturas compartilham um formato comum

de entrada e sa´ıda e s˜ ao similares em n´ıvel de detalhe, operando num

passo de tempo di´ ario; s˜ ao baseados num entendimento de processos

biof´ısicos. Os modelos s˜ ao orientados a processo, projetados para aplica¸c˜ oes globais e trabalham independentemente de local, esta¸c˜ ao clim´ atica, cultivar e sistemas de gerenciamento. Os modelos simulam o efeito do clima, ´ agua no solo, gen´ otipo e dinˆ amica do nitrogˆ enio na cultura e no solo em rela¸c˜ ao ao crescimento da cultura e produ¸c˜ ao VERHAGEN et al. (2001).

Dentre as maiores limita¸c˜ oes existentes no DSSAT relacionadas com os modelos de simula¸c˜ ao de culturas est˜ ao a ausˆ encia do efeito imposto ` as culturas por pragas/doen¸cas, o modo de preparo do solo, o excesso de ´ agua no solo, entre outros, deixando um campo aberto para a inser¸c˜ ao de outros modelos, mesmo que isso implique gasto de energia para a integra¸c˜ ao dos diferentes modelos.

A fun¸c˜ ao do DSSAT primeiramente foi selecionada para dar su- porte aos uso dos modelos de simula¸c˜ ao de cultura na aplica¸c˜ ao de tomadas de decis˜ ao. A utilidade deste sistema depende da capacidade dos modelos de cultura para fornecer estimativas realistas da perfor- mance da cultura num amplo espectro de condi¸c˜ oes ambientais, pr´ a- ticas de manejo e na disponibilidade de dados requeridos. O primeiro lan¸camento do DSSAT (V2.1) continha modelos de quatro culturas:

milho (Ceres-Maize V2.10), trigo (Ceres-Wheat V2.10), soja (SoyGro V5.42) e amendoim (PNUTGRO V1.02). Posteriormente, mais qua- tro modelos de cultura foram adicionados: arroz (Ceres-Rice), feij˜ ao (BeanGro; V1.01), sorgo (Ceres-Sorghum) e milheto (Ceres-Millet).

Esses modelos s˜ ao desenvolvidos e designados para ter uma aplica-

¸c˜ ao global, independente de local, ´ epoca, cultivar e sistema de manejo.

Os modelos simulam o efeito do clima, ´ agua do solo, cultivar, dinˆ ami-

cas de nitrogˆ enio no solo e na cultura, no crescimento e produtividade

em solos bem drenados.

2.2 Modelos de Simula¸ c˜ ao de Doen¸ ca

Al´ em dos modelos de simula¸c˜ ao voltados ` as culturas, muitos es- for¸cos foram realizados para o desenvolvimento de simuladores de do- en¸cas de plantas. Segundo FERNANDES (1994), dentre os primeiros relatos encontra-se o EPIDEM, para a alternariose em tomate (WAG- GONER e HORSFALL, 1969), e o EPIMAY, para a queima da folha do milho (WAGGONER et al., 1972). A partir dos trabalhos citados, muitos outros modelos foram desenvolvidos para a simula¸c˜ ao de epi- demias, alguns sendo utilizados pela academia com fins educacionais e outros, para aplica¸c˜ oes pr´ aticas em sistemas de aux´ılio ` a tomada de decis˜ oes.

Os primeiros modelos de simula¸c˜ ao serviram para avaliar aspec- tos b´ asicos da epidemiologia e identificar falhas existentes no conhe- cimento do sistema. Com o passar do tempo e com a evolu¸c˜ ao do conhecimento, outros aspectos foram sendo introduzidos nos modelos de simula¸c˜ ao, como o manejo de pragas e doen¸cas, al´ em da tomada de decis˜ ao. A inclus˜ ao desses aspectos visa ao fornecimento de infor- ma¸c˜ oes quantitativas da proje¸c˜ ao da doen¸ca, permitindo que decis˜ oes de manejo sejam tomadas levando em considera¸c˜ ao a rela¸c˜ ao custo/- benef´ıcio (FERNANDES, 1994).

Modelos de simula¸c˜ ao de epidemias tˆ em sido vislumbrados por muitos como uma ferramenta de utilidade para agricultores e agentes de extens˜ ao, com vistas a apoi´ a-los na tomada de decis˜ ao com rela-

¸c˜ ao ao controle da doen¸ca, podendo projetar situa¸c˜ oes e estimar a resposta do sistema ao tipo de manejo ou ` as alternativas dispon´ıveis (FERNANDES, 1994; DEL PONTE, 2004).

Segundo FERNANDES (1994), a maioria dos simuladores de epi-

demias traz em si a equa¸c˜ ao da taxa b´ asica de infec¸c˜ ao de Vander- plank, visto que os modelos mais simples se baseiam na equa¸c˜ ao ori- ginal, considerando um per´ıodo latente p, um per´ıodo infeccioso i e uma taxa r. A epidemia inicia com um esporo depositado numa planta suscet´ıvel germinando e, ap´ os completar o per´ıodo latente, es- tabelecendo uma les˜ ao, iniciando a esporular continuamente durante o per´ıodo infeccioso. Durante esse per´ıodo de esporula¸c˜ ao, novos es- poros s˜ ao produzidos, podendo iniciar uma nova les˜ ao, que, ao final do per´ıodo latente, produzir´ a novos esporos, os quais podem originar novas les˜ oes.

DEL PONTE (2006c), em seu artigo, relaciona um grupo de doze modelos de ferrugem, organizando-os em modelos de simula¸c˜ ao (sete) e modelos emp´ıricos (cinco). Modelos de simula¸c˜ ao s˜ ao baseados em conceitos derivados de um patossistema e ajudam a melhorar o en- tendimento da estrutura e comportamento de um sistema biol´ ogico.

Por sua vez, modelos emp´ıricos s˜ ao tipicamente constru´ıdos atrav´ es de relacionamentos estat´ısticos de vari´ aveis explanat´ orias com dados experimentais.

Entre os modelos de simula¸c˜ ao relacionados por DEL PONTE (2006) est˜ ao o SOYRUST e o CLIMEX como modelos epidemiol´ ogi- cos, e o HYSPLIT e o SRAPS, como modelos a´ ereo-biol´ ogicos. Os modelos a´ ereo-biol´ ogicos mostram-se importantes quando se necessita controlar a entrada de uma nova praga numa determinada ´ area. Como exemplo, pode-se citar a necessidade de monitoramento da ferrugem da soja nos Estados Unidos da Am´ erica, o que fez com que grupos de pesquisadores desenvolvessem um grande n´ umero de modelos de simula¸c˜ ao (MAGAREY, 2007).

Portanto, uma descri¸c˜ ao sucinta de alguns modelos relatados por

DEL PONTE (2006) pode ser encontrada abaixo:

• SOYRUST - ´ E um modelo de simula¸c˜ ao para a ferrugem da soja (Phakopsora pachyrhizi), desenvolvido para avaliar epide- mias da doen¸ca, simulando o aumento di´ ario da severidade da doen¸ca em duas variedades: reflete o efeito ambiental do ciclo da epidemia, a fim de predizer o desenvolvimento, em passos di´ arios. As equa¸c˜ oes que descrevem os efeitos ambientais nos componentes da doen¸ca foram desenvolvidas para racionalizar dados coletados, com vistas a obter um m´ etodo de avalia¸c˜ ao do sistema. As taxas de infec¸c˜ ao foram preditas utilizando o orvalho e a temperatura ap´ os a inocula¸c˜ ao como vari´ aveis in- dependentes (R2= 0,88, P<0,0001). Os modelos exponenciais, que usaram dia fisiol´ ogico como uma vari´ avel independente, ex- plicaram 98% das varia¸c˜ oes do per´ıodo latente e senescente das les˜ oes da doen¸ca (YANG, 1991; DEL PONTE, 2006).

• CLIMEX - ´ E um modelo computacional utilizado para avaliar o efeito das mudan¸cas clim´ aticas em processos biol´ ogicos. Permite a estimativa da distribui¸c˜ ao geogr´ afica potencial e a abundˆ an- cia sazonal de uma esp´ ecie em rela¸c˜ ao ao clima. Os modelos do CLIMEX consistem num conjunto de parˆ ametros que definem as condi¸c˜ oes ideais de temperatura e umidade, os quais per- mitem o crescimento populacional de uma determinada esp´ ecie durante uma esta¸c˜ ao favor´ avel, e um conjunto de parˆ ametros de estresse, que definem sua habilidade para sobreviver em es- ta¸c˜ oes desfavor´ aveis (SUTHERST, 1985; MCCLAY, 2005; DEL PONTE, 2006).

• HYSPLIT (Hybrid Single-Particle Lagrangian Integrated Tra-

jectory) - ´ E um modelo que simula a simples trajet´ oria de par-

t´ıculas, sua dispers˜ ao, concentra¸c˜ ao e deposi¸c˜ ao, originado de uma determinada localiza¸c˜ ao geogr´ afica e per´ıodo do ano. ´ E um modelo de dispers˜ ao para simular o transporte a longa distˆ an- cia de esporos de Phakopsora pachyrhizi utilizando progn´ osticos clim´ aticos de um mˆ es. ´ E o resultado do trabalho cooperativo do NOAA (National Oceanic & Atmospheric Administration) e BOM (Australia’s Bureau Of Meteorology)(DEL PONTE, 2006;

NOAA, 2007).

• SRAPS - (Soybean Rust Aerobiology Prediction System) - ´ E um modelo modular que trata da maioria dos est´ adios dos proces- sos aerobiol´ ogicos, como a produ¸c˜ ao de esporos, sua libera¸c˜ ao e sa´ıda do dossel, mortalidade e deposi¸c˜ ao em regi˜ oes alvo. O modelo requer como dados de entrada informa¸c˜ oes sobre a lo- caliza¸c˜ ao geogr´ afica do inoculo (DEL PONTE, 2006).

Em ARIS (2000) encontra-se a descri¸c˜ ao do desenvolvimento de um modelo de simula¸c˜ ao para a mancha da gluma do trigo. O mo- delo foi criado e adaptado para as condi¸c˜ oes clim´ aticas prevalentes na Carolina do Norte, EUA, utilizando dados clim´ aticos di´ arios, com o objetivo de ser utilizado posteriormente para toda a regi˜ ao. A meto- dologia principal utilizada neste trabalho foi a adi¸c˜ ao de um modelo de doen¸ca a um modelo de crescimento de uma cultura j´ a existente, neste caso o CERES-Wheat, do qual sa´ıdas (´ area foliar) serviram de entrada para o modelo doen¸ca.

2.2.1 Modelo Gen´ erico de Doen¸ cas

PAVAN (2007) relata em seu estudo a utiliza¸c˜ ao do modelo

CropSim-Wheat para a modelagem e simula¸c˜ ao de doen¸cas. PAVAN

(2007) utilizou o modelo para o patossistema ferrugem da folha do trigo, onde o autor incorpora ao modelo de crescimento de trigo o m´ odulo doen¸ca. Para o desenvolvimento deste modelo gen´ erico, fo- ram utilizadas as mais variadas e heterogˆ eneas tecnologias. Tomou-se por base o ciclo de vida do pat´ ogeno, criando uma estrutura facilmente parametriz´ avel, buscando, dessa forma, obter os resultados esperados.

Como os modelos necessitam de integra¸c˜ ao (modelo de crescimento do trigo e do progresso da doen¸ca), todo processamento se d´ a pela troca de dados sobre o n´ umero de folhas criadas e a ´ area dispon´ıvel sobre cada uma (´ area sadia) naquele instante e pela informa¸c˜ ao sobre a ´ area que a doen¸ca est´ a utilizando (´ area infectada). O modelo ´ e composto pelos m´ odulos:

• Simulador;

• Condi¸c˜ oes iniciais;

• Planta;

• Org˜ ´ ao;

• Doen¸ca;

• N´ uvem - quantidade de esp´ oros dispon´ıveis para novas infec¸c˜ oes;

• N´ uvem do ´ Org˜ ao;

• N´ uvem da Planta;

• N´ uvem do Campo;

• Grupo de Les˜ oes;

• Interface com o Usu´ ario;

• Interface com o R;

• Interface implementada pelos demais m´ odulos;

• Clima;

• Estat´ısticas.

desenvolvidos como classes da linguagem Java, os quais descrevem as caracter´ısticas do grupo que representam, estando organizadas de forma hier´ arquica a fim de representar o modelo da forma mais pr´ o- xima poss´ıvel da realidade. O modelo ´ e de passo di´ ario, alimentando- se de dados clim´ aticos armazenados em bancos de dados, tanto prog- n´ osticos como observados e capturados de esta¸c˜ oes meteorol´ ogicas.

Cada componente do modelo ´ e entendido como um objeto ou um grupo de objetos, ou seja, uma entidade virtual que representa as ca- racter´ısticas essenciais da entidade real (PAVAN, 2007). O modelo de simula¸c˜ ao do patossistema Puccinia-Trigo simula corretamente o crescimento da ´ area foliar do trigo e o progresso da ferrugem da folha, apresentando-se como uma excelente alternativa, para o estudo das rela¸c˜ oes entre o pat´ ogeno e o hospedeiro. O modelo foi desenvolvido com o objetivo de abranger um maior n´ umero poss´ıvel de doen¸cas (gen´ erico), de forma que estas pudessem ser parametrizadas a fim de representar o mais realisticamente poss´ıvel as observa¸c˜ oes feitas em campo. Nesse sentido, modelos de simula¸c˜ ao como o proposto s˜ ao de grande valia para o entendimento dos processos em funcionamento, como o impacto das doen¸cas no rendimento (PAVAN, 2007).

WILLOCQUET e SAVARY (2004) apresentam um modelo de si-

mula¸c˜ ao epidemiol´ ogico integrando trˆ es escalas organizacionais de po-

pula¸c˜ oes em plantas hospedeiras, sendo elas pequenos ´ areas (s´ıtios),

folhas e plantas inteiras. O modelo tem como objetivo, incorporar

essas escalas numa estrutura espacial hier´ arquica de uma epidemia, utilizando taxas de auto-deposi¸c˜ ao, deposi¸c˜ ao de um prop´ agulo pro- duzido numa les˜ ao localizada na pr´ opria folha, e allo-deposi¸c˜ ao, de- posi¸c˜ ao de um prop´ agulo produzido numa les˜ ao localizada em outra folha da mesma planta ou outra planta. Com um passo di´ ario, o mo- delo simula o ciclo de infec¸c˜ ao na escala do s´ıtio, da folha e da planta.

Na escala do s´ıtio, o modelo distingue trˆ es tipos de infec¸c˜ oes: (i) in- fec¸c˜ oes de ´ areas localizadas na folha doente, (ii) infec¸c˜ oes de ´ areas pertencentes a folhas sadias de uma planta infectada e (iii) infec¸c˜ oes de ´ areas localizadas em plantas sadias. A distin¸c˜ ao destes trˆ es tipos de infec¸c˜ oes permite a incorpora¸c˜ ao de parˆ ametros epidemiol´ ogicos para a propaga¸c˜ ao da doen¸ca em diferentes escalas, assim como as taxas de auto-deposi¸c˜ ao e allo-deposi¸c˜ ao dos prop´ agulos (WILLOC- QUET e SAVARY, 2004). Para o s´ıtio, mais baixa escala, o modelo simula a dinˆ amica das ´ areas livres, latentes, infecciosas e removidas, considerando que n˜ ao h´ a prop´ agulos vindos de fora, que o n´ umero de

´

areas, folhas e plantas n˜ ao muda no tempo e que n˜ ao h´ a expans˜ ao das les˜ oes. Al´ em de fornecer uma base para avaliar a eficiˆ encia potencial do uso de diferentes cultivares com suscetibilidade e resistˆ encia num patossistema, fornece uma maneira de investigar os efeitos da intera-

¸c˜ ao entre a arquitetura do hospedeiro e a dissemina¸c˜ ao do pat´ ogeno na dinˆ amica da epidemia (WILLOCQUET e SAVARY, 2004).

2.2.2 DESSAC

A ferramenta DESSAC (Decision Support System for Arable

Crop) foi implementada no Reino Unido para aprimorar o uso racio-

nal de fungicidas em ´ areas de trigo. Este objetivo foi alcan¸cado pelo

desenvolvimento de um software de computador baseado num sistema

de suporte de decis˜ ao (DSS) para ajudar nas tomadas de decis˜ oes no

controle de doen¸cas de trigo de inverno.

Os sistemas de suporte de decis˜ ao fornecem informa¸c˜ oes relevan- tes para a decis˜ ao e permitem aos usu´ arios perguntas do tipo: “O que se...?” ou seja, questionamentos para testar as consequˆ encias de dife- rentes decis˜ oes. O modelo de doen¸cas de trigo foi desenvolvido como um sistema que opera em um software espec´ıfico (DESSAC Shell), capaz de operar um n´ umero de sistemas de suporte de decis˜ oes para produ¸c˜ ao de culturas (BROOKS, 2001). Entretanto, essa ferramenta

´ e composta por v´ arios modelos, dentre os quais est´ a inserido tamb´ em o modelo de crescimento e desenvolvimento de doen¸cas, que simula as principais doen¸cas foliares de trigo de inverno como: sept´ oria, fer- rugens, o´ıdio entre outras. O modelo simula a infec¸c˜ ao e o progresso da doen¸ca nas seis ´ ultimas folhas do dossel. A estrutura do modelo gen´ erico inclui os efeitos de resistˆ encia dos cultivares no crescimento da doen¸ca e, portanto, s˜ ao descritas as caracter´ısticas das doen¸cas.

Quando poss´ıvel os fatores ambientais s˜ ao quantificados atrav´ es de dados publicados. Os parˆ ametros remanescentes s˜ ao montados a par- tir de dados experimentais de progresso de doen¸ca para investigar os efeitos do ambiente no desenvolvimento epidˆ emico. A produtividade

´ e afetada primeiramente pela ocorrˆ encia de doen¸ca nas folhas superi- ores do dossel da planta e, por esta raz˜ ao, s˜ ao modeladas apenas as seis folhas superiores do dossel (BROOKS, 2001). Os n´ıveis de doen¸ca s˜ ao simulados pela constru¸c˜ ao de uma s´ erie de infec¸c˜ oes di´ arias que s˜ ao dependentes do tempo de desenvolvimento da planta, condi¸c˜ oes clim´ aticas e qualquer aplica¸c˜ ao de fungicida que tenha sido realizada.

A taxa de desenvolvimento da doen¸ca ´ e em grande parte controlada pela temperatura (KING, 1983), assim o crescimento de uma infec-

¸c˜ ao ´ e modelada em fun¸c˜ ao do tempo t´ ermico. A express˜ ao do evento

de uma ´ unica infec¸c˜ ao ´ e seguida pela solu¸c˜ ao da equa¸c˜ ao log´ıstica

dy/dT=8y(1-y) com y(0)=a onde, y ´ e a porcentagem de doen¸ca na folha com o tempo t´ ermico T (

C dias, base zero). O modelo log´ıstico foi utilizado para representar o progresso da doen¸ca tanto numa escala de campo como tamb´ em na escala de planta. Os n´ıveis de infec¸c˜ ao numa folha da planta dependem da quantidade da fonte de in´ oculo, a distˆ ancia entre o alvo e a fonte, condi¸c˜ oes ambientais, resistˆ encia de cultivares e o efeito de prote¸c˜ ao de qualquer aplica¸c˜ ao de fungicida.

O objetivo do modelo ´ e de estimar o risco de ocorrˆ encia de do- en¸ca utilizando dados ambientais di´ arios. Dados experimentais s˜ ao utilizados para obter uma eficiˆ encia de infec¸c˜ ao devido ` as condi¸c˜ oes ambientais, que combina o seu impacto na esporula¸c˜ ao, transmiss˜ ao e germina¸c˜ ao. Com exce¸c˜ ao da resistˆ encia de cultivares, o efeito de cada um desses fatores diferem entre as doen¸cas, por´ em apresentam um comportamento funcional semelhante. O efeito da resistˆ encia de cultivares ´ e quantificado pelo grau de resistˆ encia a doen¸ca (1=susce- t´ıvel e 9=resistente).

O modelo de simula¸c˜ ao de doen¸cas de trigo, associado a um me-

canismo gen´ erico de simula¸c˜ ao de cultura (DESSAC Shell) fornecem

um ambiente dentro do qual est˜ ao inseridas informa¸c˜ oes independen-

tes e relevantes para que o t´ ecnico ou o produtor possam tomar as

melhores decis˜ oes referentes a produ¸c˜ ao da cultura. Este modelo pos-

sibilita a adi¸c˜ ao de novos dados para atualizar o sistema dos modelos

e as bases de dados. O objetivo espec´ıfico do projeto, os quais tˆ em

sido alcan¸cados, foram: desenvolver um mecanismo gen´ erico para o

suporte de tomadas de decis˜ oes (DESSAC Shell) na produ¸c˜ ao de cul-

turas, e desenvolver um sistema de suporte de decis˜ oes espec´ıfico que

permite a utiliza¸c˜ ao racional de fungicidas no controle de doen¸cas no

trigo de inverno (BROOKS, 2001). Entretanto, percebe-se que existe

uma ampla gama ferramentas e modelos de simula¸c˜ ao sendo utiliza-

das nas mais diversas culturas e com finalidades bastante distintas.

Por´ em, essas ferramentas ainda podem alcan¸car um maior espa¸co no cen´ ario agr´ıcola nacional e mundial, auxiliando nas tomadas de deci- s˜ oes e, conseq¨ uentemente, contribuindo para o aumento da produ¸c˜ ao e da produtividade de culturas.

Entre os fatores que limitam a produ¸c˜ ao da soja destaca-se a ocorrˆ encia de um elevado n´ umero de doen¸cas como a ferrugem asi´ atica que varia de intensidade de ano para ano de acordo com as condi¸c˜ oes clim´ aticas existentes. A ferrugem asi´ atica da soja nos locais mais atingidos pelo fungo pode causar redu¸c˜ oes de rendimento de gr˜ aos estimadas entre 30% e 70% (COSTAMILAN et al., 2002).

Estimar danos atrav´ es de observa¸c˜ oes de doen¸cas ´ e extremamente dif´ıcil. A severidade dos sintomas visuais pode ser resultante de dife- rentes altera¸c˜ oes na fisiologia da planta; o efeito depende do que acon- teceu com a planta no passado, o que est´ a acontecendo no presente e o que vai acontecer no futuro. Portanto, uma poss´ıvel estrat´ egia de predizer danos ´ e o emprego da simula¸c˜ ao que usa modelos matem´ ati- cos de crescimento da planta em rela¸c˜ ao ao ambiente em que a planta se encontra e tamb´ em, simula as altera¸c˜ oes, produzidas pelo pat´ o- geno, no crescimento, na fisiologia e as conseq¨ uˆ encias no rendimento (SHAW, 1997).

Por´ em, o desenvolvimento de modelos de simula¸c˜ ao necessita de

muito trabalho de obten¸c˜ ao de dados. Para progredir ´ e preciso presu-

mir efeitos e test´ a-los para ver quanto pr´ oximo estamos da situa¸c˜ ao

real. Para as doen¸cas foliares, por exemplo, ´ e razo´ avel supor que a

maioria dos efeitos possam ser atribu´ıdos aos sintomas visuais e pro-

porcionais a intensidade dos sintomas. Infelizmente, esta suposi¸c˜ ao

n˜ ao ´ e verdadeira em todos os patosistemas.

2.3 Abordagens de Integra¸ c˜ ao de Modelos

Os modelos constru´ıdos no passado muitas vezes atendem as ne- cessidades atuais dos cientistas na forma em que foram concebidos.

Por outro lado, em sua maioria existe a necessidade de que estes mo- delos sejam modificados para contabilizar outros fatores de influˆ encia de maneira que sejam ainda mais pr´ oximos do sistema real em es- tudo. Portanto, o acoplamento de modelos, partindo do ponto de reutiliza¸c˜ ao de c´ odigo legado (sistemas de simula¸c˜ ao j´ a consagrados, testados, validados e aceitos pela comunidade cient´ıfica) torna-se uma ferramenta poderosa e ´ util.

A constru¸c˜ ao de estruturas de integra¸c˜ ao entre modelos de simu- la¸c˜ ao era normalmente um caminho cheio de espinhos e incertezas, pois n˜ ao existiam padr˜ oes de desenvolvimento, e em cada estudo re- latado criava-se uma nova estrutura de acoplamento. Na maioria dos casos relatados na literatura, a constru¸c˜ ao da integra¸c˜ ao dependia basicamente do conhecimento pr´ evio do cientista com a estrutura do modelo em estudo, assim facilitando a etapa de identifica¸c˜ ao dos pon- tos de acoplamento para incorpora¸c˜ ao de novos m´ odulos ou mesmo de outro modelo de simula¸c˜ ao. Em contraste, esta tarefa ´ e de complexi- dade elevada para o cientista que n˜ ao tenha intimidade com o modelo, pois para o desenvolvimento de uma interface na maioria dos casos de integra¸c˜ ao ´ e necess´ ario um completo e detalhado conhecimento dos modelos os quais desejam ser integrados.

Hoje, a constru¸c˜ ao de novos modelos tente ` a seguir algumas ca-

racter´ısticas, tais como a modulariza¸c˜ ao dos processos envolvidos, na

qual os m´ odulos do modelo tendem a ser fracamente acoplados facili-

tando a substitui¸c˜ ao ou o reaproveitamento, e a integra¸c˜ ao de qualquer

m´ odulo sem comprometer a estrutura global do modelo. Entretanto,

a maioria dos modelos desenvolvidos no passado n˜ ao segue estes pa- dr˜ oes e necessitam serem estudados a fundo para que esta tarefa seja poss´ıvel.

Alguns aspectos importantes devem ser abordados em uma inte- gra¸c˜ ao entre modelos. Entre estes destacamos, por exemplo, a identi- fica¸c˜ ao de modelos apropriados, especifica¸c˜ ao das intera¸c˜ oes (conver- s˜ oes de dados, tipos de vari´ aveis, etc), e a verifica¸c˜ ao da possibilidade de integra¸c˜ ao dos c´ odigos fontes. Uma vez ultrapassada esta etapa h´ a a necessidade de escolher a abordagem de integra¸c˜ ao mais apropriada e, ent˜ ao, implementar a acoplagem entre os modelos.

Os aspectos metodol´ ogicos da escolha de uma abordagem apro- priada de integra¸c˜ ao para os modelos em estudo, ´ e extremamente importante para implementar a integra¸c˜ ao. Isto se deve ao grau de complexidade muitas vezes envolvido no processo de intera¸c˜ ao.

BULATEWICZ (2006) apresentou algumas das abordagens mais utilizadas para a integra¸c˜ ao de modelos de simula¸c˜ ao, tais como a mo- nol´ıtica, programada(agendada), orientada a componentes e orientada a comunica¸c˜ ao, estas, as quais est˜ ao descritas a seguir:

2.3.1 Abordagem Monol´ıtica

A abordagem monol´ıtica ´ e definida como a cria¸c˜ ao de um pro- grama atrav´ es de um ´ unico c´ odigo fonte, onde encaixando fragmentos de c´ odigo fonte de dois ou mais modelos, desenvolve-se um novo mo- delo customizado, este sistematizado na figura 1.

Ao trabalhar com este tipo de abordagem, obtemos um certo grau

de facilidade no momento da integra¸c˜ ao dos c´ odigos dos modelos, pois

trabalha-se apenas com uma ´ unica linguagem de programa¸c˜ ao. Outro

Figura 1: C´ odigos dos modelos s˜ ao limpos para criarem novos c´ odigos de modelos (modificado de BULATEWICZ, 2006).

ponto importante a ser destacado ´ e o controle sobre todos os deta- lhes do c´ odigo fonte do modelo tais como, sua estrutura de controle, formatos de entrada e sa´ıda de dados, tipos de dados, aloca¸c˜ ao de mem´ oria, formatos de entrada e sa´ıda, etc.

Existem alguns aspectos que podem dificultar a aplica¸c˜ ao deste tipo de abordagem tais como, a necessidade de um completo enten- dimento da constitui¸c˜ ao do modelo, a dificuldade de trabalhar com c´ odigos legados (pela raz˜ ao dos modelos possu´ırem pouca documen- ta¸c˜ ao ou n˜ ao possu´ırem e serem pobremente comentados), e por fim dificuldades na aplica¸c˜ ao de t´ ecnicas de engenharia de software, tais como testes, verifica¸c˜ oes, atualiza¸c˜ oes, entre outras.

2.3.2 Abordagem Programada

Na abordagem programada, os modelos permanecem como pro- gramas independentes, n˜ ao afetando um ao outro em tempo de exe- cu¸c˜ ao, isto significa que, a sa´ıda de dados de um modelo integrado dentro desta abordagem ´ e utilizada como entrada de dados para ou- tro modelo.

A aplica¸c˜ ao desta abordagem, fornece um automatizado caminho

Figura 2: Entradas e sa´ıdas dos modelos s˜ ao conectadas (modificado de BULATEWICZ, 2006).

para o cient´ısta selecionar os modelos e os conjuntos de dados, al´ em disso, pode-se especificar a distribui¸c˜ ao dos conjuntos de dados e a ordem de execu¸c˜ ao dos modelos na integra¸c˜ ao. Entretanto, diferentes interfaces entre modelos necessitam do desenvolvimento de padr˜ oes (para que seja poss´ıvel a troca de dados atrav´ es das interfaces), tais como a transforma¸c˜ ao de dados (mesmas unidades de medidas), que exige a substitui¸c˜ ao de todas as entradas e sa´ıdas dos modelos que n˜ ao sigam os mesmo padr˜ oes.

2.3.3 Abordagem Orientada a Componentes

Similar a abordagem monol´ıtica em que o resultado da integra-

¸c˜ ao ´ e um ´ unico modelo. Esta abordagem decomp˜ oem os c´ odigos dos

modelos em componentes de software, no qual os componentes s˜ ao

sub-rotinas modulares e reutiliz´ aveis. A modularidade significa que

os componentes podem ser escritos com pouco conhecimento de ou-

tros componentes do modelo, e que eles podem ser independente- mente substitu´ıdos sem significantes mudan¸cas no resto do modelo.

A reutiliza¸c˜ ao significa que um componente pode ser utilizado em uma variedade de situa¸c˜ oes sem necessidade de desenvolver altera¸c˜ oes no componente.

Figura 3: Componentes s˜ ao conectados para cria¸c˜ ao de modelos (mo- dificado de BULATEWICZ, 2006).

A computa¸c˜ ao que os componentes executam ´ e encapsulada den- tro do componente, onde o cientista necessita apenas conhecer os tipos de dados utilizados na entrada e sa´ıda do componente. Com a utiliza¸c˜ ao de componentes, ´ e poss´ıvel facilmente aplicar t´ ecnicas de engenharia de software tais como, testes, atualiza¸c˜ oes, compara¸c˜ oes e verifica¸c˜ oes, entre outras. Componentes s˜ ao facilmente agregados, reagrupados em novas constru¸c˜ oes e podem ser reutilizados em com- posi¸c˜ oes futuras.

Ao utilizar esta abordagem de acoplamento de modelos com c´ o-

digos legados, ainda existe a necessidade de conhecer completamente e detalhadamente os c´ odigos dos modelos, al´ em de ser necess´ ario co- nhecer a ordem de execu¸c˜ ao do modelo em uma poss´ıvel convers˜ ao para componentes, convers˜ ao esta que exige grande reprograma¸c˜ ao dos c´ odigos existentes, por´ em, na maioria das vezes, esta convers˜ ao ´ e invi´ avel.

2.3.4 Abordagem de Comunica¸ c˜ ao

A abordagem de comunica¸c˜ ao ´ e a mais complexa, por´ em a mais utilizada, pois propicia a integra¸c˜ ao de c´ odigos legados com tecnolo- gias mais atuais aumentando assim a vida ´ util do modelo legado.

Os c´ odigos dos modelos dentro desta abordagem permanecem in- dependentes, por´ em interagem atrav´ es da troca de dados via mensa- gens durante o processo de execu¸c˜ ao. As fun¸c˜ oes prim´ arias de uma interface de troca de dados, a qual segue a abordagem orientada a co- munica¸c˜ ao, s˜ ao a constitui¸c˜ ao dos fluxos, a transforma¸c˜ ao de dados, e algumas vezes pode controlar a inicializa¸c˜ ao do modelo ou tra¸car o estado global da integra¸c˜ ao.

Modelos desenvolvidos com esta abordagem podem ser classifica- dos pelo uso ou n˜ ao de aplica¸c˜ oes independentes que intermediam a execu¸c˜ ao e a comunica¸c˜ ao entre modelos. Sem a utiliza¸c˜ ao de aplica-

¸c˜ oes independentes (sem interface de acoplamento) s˜ ao consideradas

bibliotecas de transferˆ encia de dados, rotinas customizadas para con-

vers˜ ao de dados e defini¸c˜ ao do estilo de comunica¸c˜ ao utilizados pelos

modelos. Com a utiliza¸c˜ ao de aplica¸c˜ oes independentes (com interface

de acoplamento), possuem bibliotecas de comunica¸c˜ ao que suportam

diretamente a interface modelo a modelo t˜ ao bem como suportam a

interface modelo a interface de acoplamento. Em ambas classifica¸c˜ oes

as bibliotecas necessitam da convers˜ ao dos dados do modelo dentro de um padr˜ ao.

Figura 4: Modelos s˜ ao modificados ent˜ ao eles podem trocar dados em tempo de execu¸c˜ ao (modificado de BULATEWICZ, 2006).

A abordagem orientada a comunica¸c˜ ao evita a reescrita substan- cial de c´ odigos fontes necess´ aria pelas abordagens monol´ıtica e de componentes, por´ em, ainda h´ a a necessidade de conhecer detalhada- mente os c´ odigos do modelo para trabalhar no acoplamento, o pro- cesso de acoplamento deve ser repetido em cada nova interface, e por fim, inconsistˆ encias na comunica¸c˜ ao podem interferir nos resultados do modelo.

O cientista ao conhecer algumas abordagens de integra¸c˜ ao, torna mais f´ acil a experimenta¸c˜ ao com diversos modelos, facilitando a cons- tru¸c˜ ao e reduzindo esfor¸cos.

O desempenho na execu¸c˜ ao de modelos integrados depende de como ´ e desenvolvida a troca de dados, caso esta interface for requi- sitada frequentemente e existirem muitos passos para a negocia¸c˜ ao destes dados, isto pode acarretar em uma dr´ astica desacelera¸c˜ ao no tempo de execu¸c˜ ao do modelo.

A abordagem orientada a componentes, demonstra ser o caminho

ideal para a constru¸c˜ ao de novos modelos se componentes estiverem

dispon´ıveis para tal constru¸c˜ ao, caso contr´ ario esta abordagem n˜ ao ´ e

ideal para acoplar modelos existentes. Bulatewicz ainda descreve que

a abordagem de comunica¸c˜ ao permite que modelos existentes sejam

acoplados com m´ınimas mudan¸cas nos c´ odigos fontes.

CAPÍTULO I

IMPLEMENTANDO À INTEGRAÇÃO DE MODELOS DINÂMICOS

Jo˜ ao Eduardo Pedrini Faculdade de Agronomia e Medicina Veterin´ aria Universidade de Passo Fundo C.P. 611,99001-970

RESUMO

Quantificar o impacto da ferrugem asi´ atica da soja sobre o rendimento ´ e de grande interesse. Modelos matem´ aticos tˆ em sido de- senvolvidos, representando a rela¸c˜ ao entre a produ¸c˜ ao e a intensidade da doen¸ca. Estes modelos, reconhecidamente ´ uteis, s˜ ao baseados em rela¸c˜ oes emp´ıricas determinadas em campo ou em condi¸c˜ oes contro- ladas. Por outro lado, o modelo CSM-CROPGRO-Soybean contido DSSAT (Decision Support System for Agro-Technology Transfer) simula o crescimento e desenvolvimento da planta desde o plantio at´ e

`

a maturidade usando um passo de tempo di´ ario, e, finalmente, prevˆ e

o rendimento. O modelo CSM-CROPGRO-Soybean como a maioria

dos modelos de simula¸c˜ ao de culturas foi desenvolvido em linguagem

FORTRAN. Portanto, um dos principais desafios para a comunidade

de desenvolvedores de modelos de simula¸c˜ ao ´ e a integra¸c˜ ao de mo-

delos cient´ıficos criados por grupos diferentes, que devem ampliar a

utilidade dos modelos. No acoplamento os novos aspectos que devem

ser considerados incluem a identifica¸c˜ ao de modelos adequados,

especifica¸c˜ oes das intera¸c˜ oes e da possibilidade de acoplamento

dinˆ amico c´ odigos de fonte diferente. Portanto, h´ a uma necessidade

de construir um componente estrutural que cont´ em a interface e os

protocolos de comunica¸c˜ ao entre os componentes do sistema. Al´ em

dessas etapas, ´ e necess´ ario escolher uma abordagem adequada para

o casal de modelos. Integrar diferentes aspectos de um modelo de

simula¸c˜ ao de culturas que imita o crescimento e desenvolvimento

das contas de soja e tamb´ em para os impactos ferrugem asi´ atica da soja sobre o rendimento deve ser ´ util para analisar e implementar pr´ aticas de manejo da doen¸ca. Utilizando diferentes t´ ecnicas de programa¸c˜ ao e de abordagens de engate foi poss´ıvel desenvolver uma vers˜ ao modificada CSM-CROPGRO soja, que respondeu ` a ferrugem intensidade. A determina¸c˜ ao das melhores pr´ aticas para alcan¸car altas produtividades, enquanto ambientalmente e economicamente sustent´ avel ´ e uma informa¸c˜ ao valiosa para os planos estrat´ egicos no Brasil e em outros lugares.

Palavras chave: Integra¸c˜ ao de Modelos, CSM-CROPGRO-Soybean,

modelo gen´ erico de doen¸cas, ferrugem da soja, Java, C, Fortran.

ABSTRACT

Quantifying the impact of Asian Soybean rust on yield is of great interest. Mathematical models have been developed representing the relationship between disease intensity yield. These models, admittedly useful, are based on empirical relationships determined either under field or controlled conditions. By the other hand, the CSM-CROPGRO-Soybean model contained within DSSAT (Decision Support System for Agro-Technology Transfer ) simulates plant growth and development from sowing to maturity using a daily time step, and ultimately predicts yield. The CSM-CROPGRO-Soybean model like the majority of crop simulation models was developed in FORTRAN. Therefore, one of the main challenges to the crop simulation models community is the integration of scientific models created by different groups, which should expand the usefulness of the coupled new model.In coupling, aspects that should be considered include the identification of appropriate models, specifications of interactions and the possibility of dynamic coupling different source codes. Therefore, there is a need to build a structural component containing the interface and the communication protocols between the components of the system. Beyond these stages, it is necessary to choose an adequate approach to couple the models. Integrating different aspects of a crop simulation model that mimics the growth and development of soybean and also accounts for the Asian Soybean Rust impacts on yield should be useful for analyzing and imple- menting disease management practices. Using different techniques of programming and coupling approaches was possible to develop a modified CSM-CROPGRO-Soybean that responded to rust intensity.

The determination of best practices for achieving high yields while environmentally and economically sustainable is valuable information for strategic plans in Brazil and elsewhere.

Key Words: Integration of models, CSM-CROPGRO-Soybean,

model generic of diseases, soybean rust, Java, C, Fortran.

Introdu¸ c˜ ao

A soja [Glycine max (L.) Merrill], ´ e uma das principais cultu- ras na agricultura mundial e brasileira em fun¸c˜ ao da produtividade e do valor nutritivo encontrado nos gr˜ aos, com diversas aplica¸c˜ oes na alimenta¸c˜ ao humana e animal, bem como no papel s´ ocio econˆ omico, impulsionando de forma significativa o agroneg´ ocio. Danos no rendi- mento de gr˜ aos podem ser causados por diversos fatores como, por exemplo, clim´ aticos, tais como, seca, geada, chuva excessiva, granizo, fortes ventos, etc. Diferentes fatores tamb´ em devem ser menciona- dos como os agronˆ omicos (espa¸camento, aduba¸c˜ ao, irriga¸c˜ ao, entre outros) e fatores bi´ oticos como pragas e doen¸cas.

Entre os fatores bi´ oticos, destaca-se a ferrugem asi´ atica da soja, causada pelo fungo Phakopsora pachyrhizi que segundo DEL PONTE et al. (2007) as perdas e o impacto causada por esta doen¸ca, desde que foi identificada nas principais regi˜ oes produtoras de soja nos con- tinentes americanos, principalmente no Brasil, as colocam no patamar de doen¸ca mais importante da cultura no Brasil.

Nos ´ ultimos anos, as epidemias de ferrugem asi´ atica da soja atin-

giram n´ıveis severos em v´ arias regi˜ oes produtoras de soja no Brasil

causando danos significativos na produ¸c˜ ao e s´ erias perdas econˆ omi-

cas. A intensidade das epidemias tem sido extremamente vari´ avel

entre anos e dentro de cada uma dessas regi˜ oes, sendo que os ataques

mais severos normalmente ocorrem sob condi¸c˜ oes clim´ aticas favor´ a-

veis ` a doen¸ca, associadas com falhas de manejo da cultura, podendo

levar a um aumento de duas a trˆ es vezes no n´ umero de aplica¸c˜ oes de

fungicidas. Segundo estimativas recentes, os danos na produtividade

pela ferrugem asi´ atica somaram aproximadamente 4,5% da safra bra-

sileira de soja em 2006/07, o que equivaleu a 2,67 milh˜ oes de toneladas