Integração da simulação hidrológica e previsão de produtividade de arroz usando o SWAT na bacia do rio Bharathapuzha, no sul da Índia

Por que arroz e rios importam aqui

No estado de Kerala, no sul da Índia, o arroz é mais do que uma refeição — é central para a cultura e o cotidiano. Ainda assim, o estado hoje produz apenas cerca de um quinto do arroz de que precisa. Mudanças climáticas, monções irregulares e a queda do lençol freático estão comprimindo as colheitas de forma contínua, especialmente no distrito de Palakkad, frequentemente chamado de tigela de arroz de Kerala. Este estudo coloca uma pergunta prática com grandes consequências: podemos usar modelos computacionais de rios e chuvas para prever quanto arroz os agricultores colherão e, assim, planejar decisões sobre água e agricultura de forma mais inteligente?

Conectando os campos à bacia hidrográfica inteira

A pesquisa concentra-se em dois grandes blocos produtores de arroz — Palakkad e Alathur — dentro da bacia do rio Bharathapuzha, no sul da Índia. Os agricultores dependem fortemente da água de irrigação armazenada no reservatório de Malampuzha, que capta as chuvas da monção que descem das colinas circundantes. Em vez de olhar para os arrozais isoladamente, os autores os tratam como o ponto final de uma história hídrica muito maior: chuva que cai nas montanhas, água que infiltra no solo ou escoa pela terra, percorre riachos e canais, e por fim chega aos pântanos de cultivo. Para seguir essa cadeia da nuvem à lavoura, eles usam uma ferramenta computacional bem conhecida chamada SWAT (Soil and Water Assessment Tool), que pode simular como a água se move pela paisagem e como as culturas crescem em diferentes condições.

Como o modelo computacional foi construído

Para fazer a bacia virtual comportar-se como a real, a equipe primeiro reuniu um retrato detalhado da área: mapas digitais de elevação para rastrear declives e drenagem, mapas de uso do solo e de solo para ver onde o arroz é cultivado e do que é composto o terreno, e longos registros de chuva, temperatura e vazão dos rios. O SWAT divide a bacia em muitas pequenas unidades que compartilham solo, cobertura do solo e inclinação semelhantes. Para cada unidade, o modelo acompanha chuva, evaporação, escoamento e a água absorvida pelas plantas de arroz. O reservatório de Malampuzha é representado como a fonte principal de irrigação, com liberação automática de água para os campos sempre que o solo simulado fica muito seco. Como faltavam medições detalhadas do crescimento das plantas no campo, os autores usaram configurações padrão de crescimento de arroz incorporadas ao SWAT e depois verificaram os resultados com as estatísticas oficiais de colheita.

Testando o modelo com o rio

Antes de confiar em qualquer previsão de produtividade, os pesquisadores certificaram-se de que o modelo podia reproduzir o comportamento do rio. Eles compararam a vazão mensal simulada em uma estação hidrométrica chave, Kuttipuram, com os dados observados de 1998 a 2017. Ajustando cuidadosamente um conjunto de parâmetros influentes — como a rapidez de resposta do lençol freático, a facilidade de movimento da água pelo solo e a fração que vira escoamento superficial — alcançaram o que os hidrólogos consideram um bom acordo entre modelo e medições. As métricas estatísticas mostraram que as vazões simuladas capturaram tanto os volumes gerais quanto as oscilações sazonais do rio, com a maioria dos valores observados caindo dentro da banda de incerteza do modelo. Isso deu confiança de que a representação da água se movendo pela bacia era realista o suficiente para apoiar a análise das culturas.

O que o modelo diz sobre os rendimentos de arroz

Com o comportamento do rio ajustado, a equipe voltou-se para as colheitas. Compararam os rendimentos anuais de arroz simulados pelo SWAT para 2008–2017 com os rendimentos reportados em Palakkad e Alathur. O ajuste foi alentador: em Palakkad, o modelo acompanhou de perto as variações ano a ano, enquanto em Alathur seguiu o padrão principal mesmo que alguns picos e quedas não coincidissem perfeitamente. No geral, o modelo tende a superestimar ligeiramente os rendimentos, o que os autores atribuem a simplificações — como usar as mesmas datas de plantio e colheita todos os anos e assumir canais de irrigação perfeitamente eficientes. Ainda assim, tanto os dados medidos quanto os simulados mostram uma tendência preocupante de queda na produção ao longo da década, em consonância com estações mais quentes e chuva mais errática.

O que isso significa para agricultores e planejadores

Para um público geral, a mensagem principal é clara: o que acontece a montante na bacia influencia fortemente a colheita de arroz a jusante, e modelos computacionais modernos já conseguem capturar esse elo bem o suficiente para orientar decisões. Ao integrar chuva, vazão dos rios, armazenamento em reservatórios e rendimentos nos arrozais em uma única estrutura, o estudo oferece uma ferramenta para planejar liberação de água, escolher variedades de arroz e ajustar calendários de plantio conforme o clima muda. Embora haja espaço para melhorar o realismo dos detalhes das culturas e das perdas por irrigação, o trabalho mostra que a "tigela de arroz" de Kerala pode ser gerida de forma mais inteligente se a tratarmos como parte de um sistema fluvial vivo, e não apenas como um mosaico de campos. Essa visão integrada é essencial para manter o arroz nos pratos e proteger os meios de subsistência agrícolas em um futuro mais quente e com menos água.

Citação: Karunanidhi, D., Nair, G.S., Subramani, T. et al. Integrating hydrological simulation and paddy yield prediction using SWAT in the Bharathapuzha River basin of South India. Sci Rep 16, 10797 (2026). https://doi.org/10.1038/s41598-026-45201-0

Palavras-chave: rendimento do arroz, irrigação, modelagem de bacias, impactos climáticos, agricultura de Kerala