Modelo de predição bioeconômica para análise de risco climático e financeiro de empreendimentos aquícolas de alta produção em reservatório de hidrelétrica

• Processo: 19/07948-6
• Modalidade de apoio: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - Regular
• Vigência: 01 de julho de 2020 - 30 de junho de 2022
• Área do conhecimento: Ciências Agrárias - Recursos Pesqueiros e Engenharia de Pesca - Aquicultura
• Pesquisador responsável: Guilherme Wolff Bueno
• Beneficiário: Guilherme Wolff Bueno
• Instituição Sede: Faculdade de Ciências Agrárias. Universidade Estadual Paulista (UNESP). Campus do Vale do Ribeira. Registro , SP, Brasil
• Auxílios(s) vinculado(s): 21/08155-0 - Sustentabilidade ambiental da cultura de tilápia do Nilo em tanques-rede em uma região neotropical, PUB.ART
• Bolsa(s) vinculada(s): 21/03728-1 - Sensores climáticos e machine learning aplicados para avaliar a influência das mudanças ambientais sob a produção comercial de pescados, BP.TT; 21/03730-6 - Business intelligence para análise de dados em alta frequência e monitoramento bioeconômico de empreendimentos aquícolas, BP.TT
• Assunto(s): Bioeconomia Inovação Aprendizado computacional Modelos matemáticos Predição Sustentabilidade Reservatórios de água Monitoramento climático
• Palavra(s)-Chave do Pesquisador: Aquicultura | bioeconomia | Inovação | machine learning | modelagem matematica | Sustentabilidade | Aquicultura Sustentável

Resumo

A aquicultura é uma atividade que se destaca no fornecimento de proteínas para uma população crescente. Neste cenário, estima-se que até 2030, 62% do pescado consumido mundialmente será oriundo da aquicultura, com destaque para a tilápia do Nilo (Oreochromis niloticus) produzida em tanques-redes em lagos e reservatórios, que somente no Estado de São Paulo representam 90% do pescado cultivado. No entanto, o desconhecimento dos produtores e investidores em relação aos riscos econômicos, financeiros e climáticos desta atividade, tem ocasionado perdas econômicas e produtivas, fazendo com que muitos produtores desistam da atividade. Neste contexto, o projeto pretende desenvolver um modelo de predição bioeconômica para auxiliar na análise de risco climática e financeira de um empreendimento comercial que produz O. niloticus em tanques-rede no reservatório da Usina Hidrelétrica de Chavantes, São Paulo. Será utilizada uma série histórica de dados de 2015 a 2019 (n=250) com informações da qualidade da água, desempenho zootécnico e custos de produção. Paralelo, serão acompanhados 30 lotes em campo durante um ciclo de produção, para coleta das mesmas informações obtidas na série histórica. Iremos aplicar a modelagem de crescimento térmico corporal (TGC) para predição do peso e tempo de abate integrando a modelagem econômica para definir os custos e a lucratividade do empreendimento. Variáveis produtivas e financeiras serão utilizadas na elaboração do algoritmo base de um novo modelo bioeconômico (MMPB). O modelo MMPB será validado estatisticamente por meio da comparação dos resultados modelados no MMPB em relação aos dados observados em campo. Em paralelo, realizaremos entrevistas para coletas de informações sociais da piscicultura. Estas serão utilizadas para aplicar indicadores e formar cenários socioeconômicos do empreendimento. Na sequência, serão realizadas simulações de risco pelo modelo de Monte Carlo para demonstração dos diferentes cenários bioeconômicos e socioeconômicos. Por fim, iremos transformar o MMPB em um código fonte (linguagem python), que será instalado no sistema de hardware Raspiberry pi acoplado em boias de monitoramento climático localizada na piscicultura. Utilizando os sensores climáticos para coleta de informações em tempo real e a técnica de máquina de vetores de suporte (SVM), permitirá aumentar a frequência de dados e tornar o algoritmo do modelo MMPB mais robusto e preciso. Esta ferramenta possibilitará otimizar os processos aquícolas, auxiliará na análise de risco ambiental, financeira e econômica da atividade para gestores e investidores do setor. (AU)

Publicações científicas

(6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

DAVID, FERNANDA S.; PROENCA, DANILO C.; FLICKINGER, DALLAS L.; BUENO, GUILHERME WOLFF; VALENTI, WAGNER C.. Carbon budget in integrated aquaculture systems with Nile tilapia (Oreochromis niloticus) and Amazon river prawn (Macrobrachium amazonicum). AQUACULTURE RESEARCH, JUN 2021. (19/07948-6, 12/18593-5)

BUENO, GUILHERME WOLFF; BERNAL, FRANCISCO E. M.; ROUBACH, RODRIGO; SKIPPER-HORTON, JAMES OWEN; SAMPAIO, FERNANDA GARCIA; FIALHO, NAOR S.; BUREAU, DOMINIQUE P.. Modeling of waste outputs in the aquatic environment from a commercial cage farm under neotropical climate conditions. AQUACULTURE ENVIRONMENT INTERACTIONS, v. 15, p. 12-pg., 2023-05-25. (22/02756-4, 19/07948-6)

DE GODOY, ELISA MAIA; DAVID, FERNANDA S.; FIALHO, NAOR S.; PROENCA, DANILO C.; CAMARGO, TAVANI R.; BUENO, GUILHERME WOLFF. Environmental sustainability of Nile tilapia production on rural family farms in the tropical Atlantic Forest region. Aquaculture, v. 547, JAN 30 2022. (19/07948-6)

BRANDE, MAICON DA ROCHA; SANTOS, DAVID FERREIRA LOPES; FIALHO, NAOR SILVEIRA; PROENCA, DANILO CINTRA; OJEDA, PABLO GALLARDO; GODOI, FLAVIA C. M.; ROUBACH, RODRIGO; BUENO, GUILHERME WOLFF. Economic and financial risks of commercial tilapia cage culture in a neotropical reservoir. HELIYON, v. 9, n. 6, p. 10-pg., 2023-06-01. (22/02756-4, 19/07948-6, 18/50022-4)

DAVID, FERNANDA S.; PROENCA, DANILO C.; FLICKINGER, DALLAS L.; BUENO, GUILHERME WOLFF; VALENTI, WAGNER C.. arbon budget in integrated aquaculture systems with Nile tilapia (Oreochromis niloticus) and Amazon river prawn (Macrobrachium amazonicum. AQUACULTURE RESEARCH, v. 52, n. 11, p. 5155-5167, NOV 2021. (12/18593-5, 19/07948-6)

VALENTI, WAGNER C.; BARROS, HELENICE P.; MORAES-VALENTI, PATRICIA; BUENO, GUILHERME W.; CAVALLI, RONALDO O.. Aquaculture in Brazil: past, present and future. AQUACULTURE REPORTS, v. 19, MAR 2021. (19/07948-6)

Patente(s) depositada(s) como resultado deste projeto de pesquisa