Variações dos preços do café arábica no sul e sudoeste de Minas Gerais em períodos de mudanças climáticas com aplicações de Machine Learning


30 Sep
30Sep

Por Daniel Christian Henrique

Notoriamente o setor do agronegócio do Brasil é um dos mais significativos para o equilíbrio da balança comercial brasileira, impulsionando o país como um dos maiores exportadores de commodities agrícolas do mundo. Essa posição do país ficou em destaque na mídia mundial quando recentemente o engenheiro agrônomo Alysson Paolinelli, atual presidente da Abramilho (Associação Brasileira dos Produtores de Milho), foi indicado a concorrer ao prêmio Nobel da Paz, despertando a curiosidade da população: porquê um engenheiro agrônomo para um prêmio de paz? Simples: ele foi um dos responsáveis pela revolução agrícola do cerrado brasileiro na década de 70, transformando a região em uma das áreas mais produtivas e competitivas do mundo, alavancando sua produtividade e alcançando 40% da produção de alimentos do mundo, possibilitando a segurança alimentar mundial até 2050 e, consequentemente, diminuindo possibilidades de guerras entre países por alimentos (EMBRAPA, 2021). 

Porém, nos últimos meses o país foi assolado por notícias diárias de "queimas" de lavouras em diversas partes do país frente a fortes ondas de geadas não vistas por longos tempos, provocando consequentemente uma das maiores liberações de recursos de seguros rural já contabilizados pelos bancos. Ondas mais severas de massas de ar frio no inverno ou massas de ar quente no verão, assim como eventos climáticos antes raros como tornados, ondas de poeiras (como as atuais vistas em Ribeirão Preto e Franca no interior de São Paulo devido ao longo período de seca da região) vêm sendo atribuídos ás mudanças climáticas do mundo, gerando a cada dia maior apreensão por parte dos produtores - visto que algumas variedades de folhosas, grãos ou frutas são mais suscetíveis a perda de qualidade ou mesmo de perda total da produção frente a pequenas variações de temperatura, pressão, vento, radiação, pluviosidade, dentre outros fatores, merecendo uma atenção maior às variações climáticas em relação a outras. Todavia, seja a perda de qualidade ou a queima total da lavoura, irá gerar flutuações no seu preço frente a restrição da oferta, elevando os preços, ou redução do preço por qualidade inferior do produto agrícola.

Dentre as inúmeras variedades de lavouras atingidas no recém terminado inverno com as geadas, o café plantado no sul e sudoeste de Minas Gerais foi um dos mais impactados, alavancando seu preço no mercado nacional e internacional. Buscou-se, então, neste informe científico pesquisar quais são as variáveis dispostas pelo INMET (Instituto Nacional de Meteorologia) coletadas para as cidades de Varginha, Passos, São Sebastião do Paraíso, Caldas, Machado e Passa Quatro, que mais contribuem nas flutuações da variação percentual do preço do café arábica. As variáveis dispostas pelo INMET coletadas são aquelas que possam ocasionar os diversos tipos de geada - de advecção, radiação, mista, negra ou branca ou advindos das mudanças climáticas:

- Precipitação em mm, 

- Pressão em hPa, 

- Radiação em KJ/m², 

- Temperatura no bulbo em ºC , 

- Temperatura de orvalho em ºC, 

- Umidade em % 

- Vento em m/s. 

Foram coletadas os dados de todas as horas do dia entre primeiro de janeiro de 2015 a 30 de agosto de 2021 para cada cidade. Apenas estas cidades eram dispostas pelo INMET para a mesorregião do Sul e Sudoeste de Minas Gerais. Em sequência os dados passaram por processos de limpeza, organização em meses e finalmente agrupados em médias mensais, excetuando-se a pluviosidade na qual efetuou-se a soma mensal. Devido ao volume de variáveis em análise, optou-se por utilizar apenas 1 lag de defasagem, visto que o ferramental Decision Tree e Random Forest não fazem defasagem de séries temporais, exigindo a configuração diretamente na planilha de abastecimento da defasagem de cada variável. O uso de mais de um lag tornaria as árvores muito complexas e acabariam não sendo úteis - questão de parcimônia estatística.

Os preços do café foram coletados no CEPEA/ESALQ/USP, com seleção apenas da variedade Arábica, visto ser a modalidade mais afetada pelas geadas e amplamente exportado para todo o mundo. Os dados eram diários, passados em seguida também para o período mensal. Finalmente, a série temporal foi calculada em seu retorno, com o intuito de avaliar as altas ou baixas nas variações percentuais de seu preço e torná-la mais próxima à estacionariedade. Não foi utilizada a metodologia dos logaritmos naturais para facilitar as análises dos percentuais de flutuação do preço, apesar de deixar menos estacionária a série. 

As variáveis do Inmet mostram-se estacionárias, excetuando-se a radiação que apesar de não estacionária, alcançou um valor não tão distante à sua aprovação. Frente a sua importância na formação de geadas, optou-se por mantê-la. Em sequência a tabela com os valores do teste ADF (Dickey Fuller Aumentado):

Tabela 1: teste Dickey Fuller Aumentado nas séries temporais do INMET e da ESALQ/USP

VariáveisADF
Retorno_Cafe_t0,5187
Retorno_Cafe_ t-10,5187
Precipitação_t0,01
Precipitação_t-10,01
Pressao t0,0272
Pressao t-10,0272
Radiação t0,192
Radiação t-10,192
Temperatura_bulbo t0,01
Temperartura_bulbo t-10,01
Temperatura_orvalho t0,01
Temperartura_orvalho t-10,01
Umidade t0,01
Umidade t-10,01
Vento t0,0583
Vento t-10,0583


Apesar da estacionariedade do retorno do café estar relativamente afastada da aprovação, considerou-se isso como limitação de pesquisa, assim como não é claro na literatura científica de machine  learning a necessidade ou não da estacionariedade das séries temporais em aplicações de Decision Tree e Random Forest, ao contrário da sua exigência no caso de uso de vetores autorregressivos. Finalizada a pertinência do uso das variáveis, limpeza e organização dos dados (a parte mais trabalhosa neste estudo), iniciaram-se as aplicações de machine learning com separação dos dados em treino e teste com uso do software R. Optou-se pela abordagem de 70% dos dados como Treino e 30% como Teste. A primeira análise então foi a Decision Tree, gerando a seguinte árvore:

Figura 1: Árvore de Decisão para Variação do Preço do Café Arábica

Para testar a acuracidade da árvore, rodou-se os testes RMSE, MAE e MAPE, com o intuito de comparar os erros preditos da variação do preço do café com o preço coletado. Pode-se observar na tabela que os erros foram relativamente baixos, ofertando credibilidade aos resultados:

Tabela 2: testes de acuracidade da Árvore de Decisão

RMSEMAEMAPE
0.06419990.048117131.263708

Pode-se notar que a radiação compõem os dois primeiros nós, sendo a radiação do mês atual o primeiro nó e a radiação do mês anterior a próxima ramificação de nós. A maior variação do preço do café foi de alta de 13% configurado por uma radiação média entre 1208 e 1284 KJ/m²  no mês, configurando 7% dos casos - visto nas ramificações à direta extrema da árvore. A radiação ainda foi responsável por uma alta de 11% em 4% dos casos frente a uma radiação menor que 1208 KJ/m²  no mês e maior que 1367 KJ/m²  no mês anterior (lag 1)

A maior variação de baixa do preço do café arábica, coincidentemente foi a ramificação ao lado extremo esquerdo, com baixa de 10% quando a radiação média do mês é menor que 1208 KJ/m² , a radiação média do mês anterior é menor que 1367 KJ/m², assim como a pressão do mês anterior e atual são respectivamente menores que 914 hPa e 908 hPa. Todavia, com uma ramificação de um quinto nó no qual a temperatura de orvalho no mês anterior é menor que 11ºC, há uma queda de 9,2% do preço. Se essa temperatura de orvalho for maior que 11ºC, com umidade, radiação e precipitação do mês anterior maiores ou iguais que 73%, 811 KJ/m², 163 mm, a queda da variação do preço regressará para 7,7%. Outras variações menores para mais ou para menos podem ser analisadas no gráfico conforme outra ramificações geradas.

Como as ramificações podem mudar frente a escolha do primeiro ou segundo nós mudem, o adequado é fazer sequencialmente uma análise de Random Forest. Nesta proposta de machine learning configurou-se a programação para geração de 30 árvores de decisão e fitou-se um segundo modelo de predição. Os resultados de acuracidade deste último foi:

Tabela 3: testes de acuracidade do modelo Random Forest

RMSEMAEMAPE
0.062054810.048326021.139206

Nos resultados, obseva-se que dois testes, RMSE e MAPE, apontaram melhoria do modelo Random Forest em comparação ao primeiro modelo do Decision Tree, reduzindo levemente seu erro, confirmando a manutenção das análises. O teste MAE manteve um resultado muito equivalente em ambos. Alterando-se o número de arvores entre 15 e 40, mantiveram-se os resultados.

Finalizado a adequação do segundo modelo Random Forest, aplicou-se o mesmo em uma série de simulações de mudanças climáticas, principalmente para a formação de geada, mas não apenas. Possíveis mudanças nestas variáveis oriundas das mudanças climáticas também foram consideradas. Procurou-se reduzir percentuais médios equivalentes àqueles que podem ocorrem em períodos de inverno, com redução aproximadamente de 50% da temperatura tanto para o mês contemporâneo quanto para o mês anterior a este, considerando a única defasagem em análise. As demais variáveis foram testadas com aumento e diminuições que podem ocorrer para cada tipologia de geada, para o mês contemporâneo e o defasado.

Os maiores impactos observados foram nas alterações das variáveis de radiação e pressão, responsáveis pela configuração da geada por radiação. Esta caracteriza-se pelo sistemas de alta pressão em conjunto a perda de radiação, levando a perda de energia e resfriamento (AGROSMART, 2021). Em seguida são dispostos tabelas com as variações aplicadas a cada variável independente do INMET e seu resultado na variável dependente das variações do preço do café arábica:

Tabela 4: flutuações das variáveis componentes da geada de radiação e geada mista

VariávelVariação %
RADIAÇÃO-50%-50%-50%100%
PRECIPITAÇÃO0%0%0%0%
PRESSÃO100%50%100%0%
TEMPERATURA BULBO0%0%-50%0%
TEMPERATURA ORVALHO0%0%-50%0%
UMIDADE0%0%0%0%
VENTO0%0%300%0%
Mudanças da variação percentual mensal do preço do Café Arábica 
1,62%1,62%2,01%4,85%

 

Pode-se notar que, independente do aumento ou diminuição da pressão, que conjuntamente com o aumento da radiação gera a geada por radiação, a elevação média da variação do preço é equivalente a 1,62% mensal. Quando adicionada a entrada de ar frio com queda da temperatura tanto no bulbo quanto na temperatura de orvalho (simulado com redução de 50% da temperatura) em conjunto ao triplo da velocidade do vento médio da mesorregião do sul e sudoeste de Minas Gerais, a variação do preço eleva-se um pouco mais, alcançando 2,01% por mês. Esse somatório de variáveis impactantes configura uma possível geada mista (AGROSMART, 2021). Todavia, o simples aumento em 100% da radiação média da mesorregião de forma isolada eleva a variação do preço do café arábica a um forte patamar de até 4,85% ao mês.

Com o aumento da emissão de gases de efeito estufa, a retenção da radiação é cada dia maior. Parte da radiação que chega à Terra é refletida de volta para o espaço, sendo que a restante é retida pelos oceanos e continentes. O problema é que os gases do efeito estufa têm acentuado esta retenção, aumentando o calor na terra (WWF, 2021), o que pode ser prejudicial às plantações, provocando perdas e elevação de seus preços, como pode ser observado nos resultados.

Em análise apenas as variáveis que poderiam causar uma geada branca, formatada quando ocorre intenso resfriamento com deposição de gelo nas plantas e elevada umidade, alcançou-se os seguinte resultados com simulação de queda média de 50% da temperatura e aumento de 200% da umidade:

 Tabela 5: flutuação das variáveis componentes da geada branca e de advecção

Variável
Variação %
RADIAÇÃO0%0%
PRECIPITAÇÃO0%0%
PRESSÃO0%0%
TEMPERATURA BULBO-50%-50%
TEMPERATURA ORVALHO-50%-50%
UMIDADE200%0%
VENTO0%200%
Mudanças da variação percentual mensal do preço do Café Arábica-1,43%0,956%

 

Observa-se que esta simulação gerou uma queda média mensal da variação do preço do café em 1,43%, não elevando portanto seu preço. Pode-se entender que com estes percentuais de redução pode-se ocasionar estragos nas plantações, mas não queimando-as, reduzindo seu preço no mercado frente a menor qualidade ofertada. Para situação de queima percentuais médios maiores necessitariam ser alocados.

Sob atenção uma possível geada de advecção com simulação de queda das temperaturas em 50% e aumento da velocidade do vento médio em 200%, mantendo-se sem variação a umidade, há elevação média na variação do preço do café arábica em 0,956% por mês.

Finalmente, frente ao contexto de falta de pluviosidade que tem assolado neste mês algumas regiões do país, ocasionando restrições ao uso da água, simulou-se reduções e aumentos da pluviosidade, variando entre 50 e 100% na média:

 Tabela 6: flutuações da precipitação

Variável
Variação %
RADIAÇÃO0%0%0%
0%0%
PRECIPITAÇÃO50%100%200%-50%-100%
PRESSÃO0%0%0%0%0%
TEMPERATURA BULBO0%0%0%0%0%
TEMPERATURA ORVALHO0%0% 0%
0% 0% 
UMIDADE0%0%0%0%0%
VENTO0%0% 0%
0%0%
Mudanças da variação percentual mensal do preço do Café Arábica0,08%0,186%0,314%0,114%
0,79%

 

Pode ser constatado que uma queda da pluviosidade da mesorregião do sul e sudoeste de Minas Gerais de 50% interfere pouco na variação do preço, mas uma queda de 100% na pluviosidade, simulando um período de seca, eleva o preço do café média mensal em 0,79%. Já um aumento da pluviosidade acarretará em aumento progressivo da variação média do café arábica, iniciando em um valor quase nulo de variação com 50% a mais de pluviosidade, mas chegado a 0,314% mensal com uma média 200% superior.  

Referências Bibliográficas

AGROSMART. Geada: entenda sua formação e como minimizar os efeitos na lavoura. Disponível em https://agrosmart.com.br/blog/geada-formacao-minimizar-efeitos-lavoura/. Acesso em: 27 jul. 2021.

CEPEA/ESALQ. Disponível em: https://www.cepea.esalq.usp.br/br. Acesso em 20 mai. 2021.

EMBRAPA. Notícias. Disponível em: https://www.embrapa.br/busca-de-noticias/-/noticia/61176196/indicado-ao-nobel-da-paz-alysson-paolinelli-destaca-o-a-historia-e-os-desafios-da-pesquisa-agropecuaria-brasileira-em-palestra-on-line. Acesso em 29 set. 2021.

INMET. Dados históricos anuais. Disponível em: https://portal.inmet.gov.br/dadoshistoricos. Acesso em 15 abr. 2021.

WWF. As mudanças climáticas. Disponível em: https://www.wwf.org.br/natureza_brasileira/reducao_de_impactos2/clima/mudancas_climaticas2/. Acesso em 30 set. 2021.

Comentários
* O e-mail não será publicado no site.