See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/236234239

Modelarea si asistarea cu calculatorul a

managementului culturii florii-soarelui
[Modeling and computer-aided ma....

Chapter · January 2008

CITATIONS READS

0 26

1 author:

Virgil Vlad
National Research and Development Institute for Soil Science, Agrochemistry and Environmental Prot…
57 PUBLICATIONS 97 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Correlation of the Romanian soil classification systems with the WRB system View project

Standard of colours and hatchings for developing digital soil map legends in Romania View project

All content following this page was uploaded by Virgil Vlad on 04 January 2016.

The user has requested enhancement of the downloaded file.

2
 CAPITOLUL XIV
Modelarea şi asistarea cu calculatorul
a managementului culturii florii-soarelui
14.1. Introducere

Cunoştinţele obţinute în domeniul managementului culturilor în

general şi al culturii florii-soarelui în particular sunt valorificate
(diseminate) sub forma unor publicaţii (cărţi, reviste, broşuri, etc.),
prezentări în cadrul unor manifestări ştiinţifice şi de popularizare,
cursuri, şcolarizări/instructaje şi altele asemenea. Mai recent, s-au
încorporat cunoştinţe şi în instrumente informatice care să sprijine
utilizatorii în practică sub diferite forme. Aceste realizări se referă în
general la anumite lucrări tehnologice, ca de exemplu: aplicarea
îngrăşămintelor şi amendamentelor, aplicarea irigaţiilor, alegerea celui
mai favorabil teren pentru o cultură dată, etc.
În acelaşi timp, dezvoltarea modelelor de simulare a proceselor
din sistemul sol-plantă şi implementarea lor în programe pe calculator
au permis elaborarea unor prognoze şi recomandări tehnologice
privind cultura plantelor. De asemenea, realizările din domeniul
sistemelor informatice geografice în corelaţie cu cele din domeniul
teledetecţiei au condus la unele abordări privind agricultura de
precizie, care sunt încă în stadiu experimental.
În prezent, ţările dezvoltate construiesc o societate
informaţională („information society”), bazată pe folosirea pe scară
largă a calculatoarelor (informaţiilor) şi pregătesc trecerea spre
societatea bazată pe cunoştinţe („knowledge-based society”),
societatea viitorului, în care determinant pentru progres şi eficienţă
este folosirea pe scară largă a instrumentelor informatice („software”)
care încorporează în ele cele mai noi şi complete cunoştinţe – sub
forma unor modele de diferite tipuri. În Uniunea Europeană s-au
lansat iniţiativele „e-Europe" (Europa „electronică”) şi „economia
bazată pe cunoştinţe” („knowledge-based economy”), care sunt
considerate printre cele mai importante priorităţi în cadrul programelor
de cercetare-dezvoltare europene. Acestea se referă, printre altele, la
asistarea cu calculatorul a managementului la diferite niveluri al
problemelor de agricultură şi mediu, sisteme de producţie agricolă
integrate şi conduse cu instrumente informatice, promovarea
agriculturii ecologice (biologice, organice) şi a celei cu inputuri reduse,

229
bazate pe recomandări fundamentate ştiinţific cu ajutorul
calculatorului etc.

14.2. Modelarea proceselor de creştere şi formare a

recoltei
la floarea-soarelui

Din punct de vedere al metodelor de modelare utilizate în

domeniul culturii plantelor, există mai multe abordări şi anume:
- determinarea legăturilor statistice existente între diferiţi parametri
de creştere a plantei şi factorii principali de producţie, folosind
metoda regresiei, metoda reţelelor neuronale, sau alte metode
avansate de investigaţie matematică;
- simularea principalelor procese din sistemul sol-plantă în
dinamica lor, cu pasul de o zi (rata de creştere zilnică a plantei);
- modelarea euristică, bazată pe cunoştinţele şi experienţa practică
îndelungată ale experţilor, având posibilitatea să se ia în
considerare şi diferiţi parametri tehnologici şi de management al
culturii;
- abordarea hibridă, prin combinarea celorlalte trei abordări.

14.2.1. Modele statistice

Modelele statistice se bazează pe estimarea, pe baza datelor

experimentale, a unor ecuaţii de regresie ce iau în considerare factorii
principali ce intervin în creşterea/dezvoltarea plantei şi formarea
recoltei.
Modelul lui Smith şi colab. (1978) (citaţi de Vrânceanu Al.V.,
2000), foloseşte ecuaţii de regresie pentru a estima substanţa uscata
totală a plantei şi greutatea seminţelor de floarea-soarelui, în funcţie
de temperatura şi radiaţia solară în condiţiile din Australia, iar Goyne
şi colab. (1990) (citaţi de Vrânceanu Al.V., 2000) şi Rossi (2002)
folosesc ecuaţii de regresie pentru a determina fenofazele la floarea-
soarelui în funcţie de temperatură.
Wendland şi Glauber (1989) (citaţi de Vrânceanu Al.V. (2000),
au elaborat un model pentru estimarea producţiilor de floarea-soarelui
din SUA, folosind condiţiile climatice din Dakota de Nord în lunile
iunie, iulie şi august. Modelul a permis actualizarea estimărilor
producţiei, pe baza disponibilităţii informaţiilor privind evoluţia vremii.
Estimările preliminare au folosit ecuaţii de regresie ale tendinţei

230
producţiilor de floarea-soarelui în SUA în funcţie de temperatura,
precipitaţiile şi interacţiunea temperatură-precipitaţii în lunile iunie,
iulie şi august. Regresiile au fost apoi recalculate folosind numai acele
variabile care au fost statistic semnificative în prima ecuaţie. Ecuaţia
finală a explicat aproape 72% din variaţia producţiilor de floarea-
soarelui din SUA, în perioada 1965-1987. Precipitaţiile peste normal
în iunie au avut un efect pozitiv asupra producţiei, în timp ce
temperaturile peste normal în august, în condiţii de precipitaţii
normale, au afectat negativ producţia. În anii cu condiţii meteorologice
normale, prognoza producţiei a corespuns cu tendinţa multianuală a
acesteia.
Folosind informaţiile privind cultura florii-soarelui în sudul Italiei,
Castrignano şi colab. (1988), citaţi de Vrânceanu Al.V. (2000), au
determinat o funcţie simplă a creşterii plantelor de floarea-soarelui,
capabilă să estimeze răspunsul culturii la diferite grade de
deshidratare a solului, pe baza datelor privind greutatea substanţei
uscate acumulate în decursul întregului sezon de cultură.
Unele modele utilizează aşa-zisul „timp termic” (Doyle, 1975;
Villalobos şi Ritchie, 1992; Miller şi colab., 2001; Rossi, 2002), adică
suma temperaturilor biologic active (temperaturile peste o
„temperatură de bază”, care reprezintă pragul biologic de desfăşurare
a proceselor de creştere a plantei) necesare pentru atingerea unui
anumit stadiu de vegetaţie (intrarea într-o anumită fază de vegetaţie).
Calculul sumei temperaturilor biologic active pentru un interval
biologic se face însumând media temperaturilor zilnice din care s-a
scăzut temperatura de bază (Miller şi colab., 2001). Metoda s-a
dovedit suficient de precisă şi în cazul culturilor de floarea-soarelui
(Doyle, 1975; Rossi, 2002; Aiken, 2005). Timpul termic este, de
asemenea, un parametru important utilizat şi în modelele de simulare
a creşterii plantelor.
În figurile 73-79 sunt prezentate reprezentările orientative ale
dependenţelor producţiei de seminţe de floarea-soarelui în funcţie de
unele dintre principalele caracteristici pedo-climatice ale terenului
(solului), obţinute prin metode experimentale (Teaci, 1980; Florea şi
colab., 1987).

231
 120

100

Producţia de floarea-soarelui (%) 80

60

40

20

0
0 2 4 6 8 10 12 14
Temperatura medie anuală a aerului (°C)

Fig. 73. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

temperatura medie anuală a aerului (Tma)
(prelucrare după Florea şi colab., 1987)

120
Producţia de floarea-soarelui (%)

100

80

60

40

20

0
200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600
Precipitaţii medii anuale (mm/an)

Prod-FS_<8°C Prod-FS_8-10°C Prod-FS_>10°C

Fig. 74. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

precipitaţiile medii anuale (Pma) pentru Tma ≤ 8 °C (Prod-FS_< 8°C), Tma =
8-10 °C (Prod-FS_8-10°C) şi Tma > 10 °C (Prod-FS_>10°C)
(prelucrare după Florea şi colab., 1987)

232
Fig. 75. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de
textura solului din orizontul genetic Ap sau primii 20 cm, pentru sol tasat
(Prod-FS_STasat) şi pentru sol afânat (Prod-FS_SAfânat)
(prelucrare după Florea şi colab., 1987)

120
Producţia de floarea-soarelui (%)

100

80
Prod-FS_Gle
60
Prod-FS_PGle
40

20

0
b

at
c

iv
e

c
la
lo

ni
m

ni
er

es
S

er
ci

er
e

od

xc
D

ân

ut

ut
M

E
P

P
Ad

te
În

ar
Fo

Clase de Gleizare/Pseudogleizare a solului

Fig. 76. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

gleizarea solului în condiţii naturale (Prod-FS_Gle) şi de pseudogleizarea
(stagnogleizarea) solului (Prod-FS_PGle)
(prelucrare după Florea şi colab., 1987)

233
 Producţia de floarea-soarelui (%) 120

100

80

60

40

20

0
0 100 200 300 400 500 600 700 800 900 1000 1100
Adâncimea apei freatice (cm)

Prod-FS_Pma<600mm/TxGr Prod-FS_Pma<600mm/TxMjFi
Prod-FS_Pma>600mm/TxGr Prod-FS_Pma>600mm/TxMjFi

Fig. 77. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

adâncimea apei freatice în condiţii naturale, pentru Pma ≤ 600 mm/an şi
textură grosieră a solului (Prod-FS_Pma<600/TxGr), Pma ≤ 600 mm/an şi
textură mijlocie-fină a solului (Prod-FS_Pma<600/TxMjFi), Pma > 600
mm/an şi textură grosieră a solului (Prod-FS_Pma>600/TxGr) şi Pma > 600
mm/an şi textură mijlocie-fină a solului (Prod-FS_Pma>600/TxMjFi)
(prelucrare după Florea şi colab., 1987)

120

100
Producţia de floarea-soarelui (%)

80

60

40

20

0
0 1 2 3 4 5 6 7 8 9 10 11
pH (Reacţia solului)

Fig. 78. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

reacţia solului (pH în H2O) din orizontul genetic Ap sau primii 20 cm
(prelucrare după Florea şi colab., 1987)

234
 Producţia de floarea-soarelui (%) 120

100

80

60

40

20

0
0 100 200 300 400 500 600 700 800
Rezerva de humus pe 0-50 cm (t/ha)

Prod-FS_TxGr Prod-FS_TxMjFi

Fig. 79. Dependenţa producţiei de seminţe de floarea-soarelui în funcţie de

rezerva de humus din primii 50 cm de sol, pentru textură grosieră a solului
(Prod-FS_TxGr) şi textură mijlocie-fină a solului (Prod-FS_TxMjFi)
(prelucrare după Florea şi colab., 1987)

14.2.2. Modele de simulare a creşterii plantelor de

floarea-soarelui şi a formării recoltei

Modelele de simulare constituie un mijloc de efectuare a unor

evaluări cantitative asupra diferitelor procese ale creşterii plantelor,
putând asigura o acurateţe ridicată, luând în considerare prin relaţii de
tip mecanicist parametrii, procesele şi interacţiunile cele mai
importante din sistemul sol-plantă: bilanţul apei în sol (precipitaţii,
evapotranspiraţie, infiltrare/percolare, aport freatic, etc.), absorbţie
apă/nutrienţi de către plantă, asimilarea CO2 (fotosinteza determinată
de radiaţia solară, suprafaţa foliară şi curba de răspuns fotosintetic al
frunzelor la intensitatea luminii) şi formarea biomasei, respiraţia de
creştere şi respiraţia de întreţinere, repartizarea biomasei între
organele plantei (rădăcini, tulpină, frunze, organe de stocare) etc.
Cuantificând aceste procese, se simulează derularea lor cu pasul de
o zi (rata de creştere zilnică a plantei), începând cu însămânţarea şi
până la atingerea maturităţii depline de către plantă.

235
 Prin folosirea aceastor metode de funcţionare prezentate mai
sus, modelele de simulare au un grad mare de generalitate, putând fi
aplicate la diferite terenuri şi culturi şi putând simula formarea
recoltelor în diferite condiţii/contexte (prin modificarea parametrilor lor
de funcţionare). Astfel, se pot obţine diferite productivităţi potenţiale,
corespunzător diferitelor condiţii considerate ideale, ca de exemplu:
- productivitatea potenţială determinată numai de către radiaţia
solară şi temperatura locului şi de capacitatea biologică a plantei
(restul condiţiilor fiind considerate ideale);
- productivitatea potenţială limitată de climă şi însuşirile fizice ale
solului de care depinde disponibilitatea apei şi aerului pentru
plante;
- productivitatea potenţială limitată de nutrienţi;
- productivitatea potenţială specifică unor anumite condiţii
tehnologice de referinţă, etc.
Modelele furnizează mărimea recoltei, ele trebuind să fie
calibrate pentru culturile dorite (soiul/hibridul reprezentativ, sau diferite
soiuri pentru comparaţie) şi pentru tehnologiile de referinţă avute în
vedere. Cu diferitele productivităţi determinate se definesc mai mulţi
indici relativi prin raportare la anumite situaţii de referinţă (de
exemplu: productivităţile potenţiale menţionate corespunzătoare celor
mai favorabile terenuri din România, anumite soiuri/hibrizi şi anumite
tehnologii).
În general, modelele de simulare nu iau în considerare unele
caracteristici particulare ale solului, ca de exemplu pH-ul,
salinizarea/alcalinizarea, conţinutul de carbonaţi, poluarea solului,
alunecările de teren sau inundabilitatea. De regulă, acestea se
presupun aduse la starea optimă prin lucrări ameliorative adecvate.
Evaluările determinate cu modelele de simulare se pot corecta
conform cu caracteristicile curente ale terenurilor utilizând indici de
corecţie - ca de exemplu cei utilizaţi de metoda Teaci/ICPA de
bonitare a terenurilor agricole (Teaci, 1980; Florea şi colab., 1987) -
adaptaţi fiecărui model de simulare (indici parţiali de corecţie,
determinaţi prin funcţii tabelare adaptate fiecărui model, care pot ţine
cont şi de eventualele lucrări ameliorative).
Datorită performanţelor lor, modelele de simulare a creşterii
plantelor au o gamă largă de utilizări importante:
- asistarea deciziilor tactice în cadrul managementului la nivel de
fermă, prin estimarea riscurilor cauzate de variabilitatea
condiţiilor de mediu;
- evaluări economice şi de mediu asupra sistemelor de culturi;

236
 - evaluarea performanţelor diferitelor soiuri, respectiv diferiţilor
hibrizi, precum şi a diferitelor variante/oportunităţi potenţiale de
producţie;
- evaluarea impactului schimbărilor globale asupra culturilor
agricole, simulând diferite scenarii privind evoluţiile viitoare ş.a.
Prezentăm în continuare unele modele de simulare existente
pentru floarea-soarelui:
Modelele de simulare a proceselor din sistemul sol–plantă şi a
formării recoltei SIBIL / RoIMPEL (Mayr şi colab., 1996; Simota,
1998; Audsley şi colab., 2006) şi IMPEL – Integrated Model to Predict
European Land use (Model integrat pentru prognozarea utilizării
terenurilor în Europa) (Rounsevell şi colab., 1998) sunt bazate pe
dezvoltarea modelului ACCESS – AgroClimatic Change and
European Soil Suitability (Schimbările agro-climatice şi favorabilitatea
solurilor europene) (Mayr şi colab., 1996). Aceste modele de simulare
sunt generale, pentru diferite culturi (grâu, porumb, orz, floarea-
soarelui, soia, cartofi, sfeclă de zahăr, rapiţă, păşune) fiind tratate prin
parametri specifici. Modelele iau în considerare solul (inclusiv
eroziunea), clima (inclusiv scenarii de modificări climatice globale),
hidrologia la nivel de bazin hidrografic şi criterii economico-sociale.
Datele meteorologice zilnice, dacă nu sunt disponibile, sunt simulate
(generate) pe baza datelor medii lunare (temperatura medie zilnică a
aerului şi precipitaţiile cumulate). Proprietăţile mai complexe ale
solului, cum sunt cele hidrofizice (de exemplu: curba de sucţiune,
conductivitatea hidraulică) sunt obţinute din proprietăţile de bază ale
solului (textura şi clasa de conţinut de materie organică) prin funcţii de
pedotransfer. Modelele determină producţia limitată de temperatura
aerului, de cantităţile de apă şi azot disponibile, precum şi perioada
optimă de semănat, perioada de ajungere a culturii la maturitate ş.a.
O serie de opţiuni sunt la dispoziţia utilizatorului pentru a efectua
simularea în diferite condiţii, şi anume: parametri de sol, climă,
hidrologici, management tehnologic al culturilor, costuri tehnologice şi
alte date economice, putându-se determina profilul de risc al profitului,
capacitatea de adaptare a sistemelor de agricultură (de culturi) la
schimbările globale climatice etc.
Modelul WOFOST (Supit şi colab., 1994; Bouman şi colab.,
1996) este similar RoIMPEL/IMPEL privind simularea proceselor din
sol şi formarea recoltei pentru diferite culturi. Acesta evaluează
diferite productivităţi, şi anume: productivitatea potenţială limitată de
radiaţie/temperatură, productivitatea potenţială limitată de apă şi
productivitatea potenţială limitată de nutrienţi. Modelul este general,

237
putând fi aplicat la orice cultură. Este folosit în mod curent pentru
monitorizarea cultivării terenurilor agricole şi pentru prognozarea
producţiilor la principalele culturi din Uniunea Europeană în cadrul
proiectelor MARS – Monitoring Agriculture with Remote Sensing
(Monitoringul agriculturii cu teledetecţia), respectiv CGMS - Crop
Growth Monitoring System (Sistemul de monitorizare a evoluţiei
culturilor) (Vossen şi Meyer-Roux, 1995). Modelul WOFOST a fost
aplicat experimental şi pe baza datelor furnizate de studiile pedologice
curente din România (Vlad, 1994). Modelul face parte dintr-o întreagă
familie de modele de simulare a creşterii plantelor (ELCROS,
BACROS, SUCROS, MACROS, PAPRAN, LINTUL) elaborate de
către „Şcoala lui de Wit” din Olanda (Bouman şi colab., 1996), familie
care îşi are începutul în modelarea procesului de fotosinteză de către
de Wit (1965), citat de Bouman şi colab. (1996).
Sistemul de programe de calculator DSSAT3 - Decision
Support System for Agrotechnology Transfer (Sistem suport de decizii
pentru transfer agrotehnologic) a fost elaborat iniţial în cadrul IBSNAT
– International Benchmark Sites Network for Agrotechnology Transfer
(Reţeaua internaţională a staţiunilor de testare pentru transfer
agrotehnologic) (Jones şi colab., 2003). Sistemul încorporează diferite
modele de simulare pentru diferite culturi, realizate în două abordări,
şi anume (Jones şi colab., 2003):
- modele de tip CERES individuale pe culturi, ca de exemplu:
CERES pentru grâu (Ritchie şi Otter, 1985), CERES pentru
porumb (Jones şi Kiniry, 1986) şi pentru alte plante (orez, cartofi
etc.);
- modele dezvoltate dintr-un model general (CROPGRO), ca de
exemplu: SOYGRO pentru soia (Wilkerson şi col., 1983), şi
PNUTGRO pentru arahide (Boote şi colab., 1986).
Sistemul DSSAT3 în versiunea 3.5 conţine modele pentru 16
culturi diferite. El a fost reproiectat întro abordare unitară (ca model
general) sub numele de DSSAT-CSM – DSSAT Cropping System
Model (Modelul DSSAT pentru sisteme de cultivare) (Jones şi colab.,
2003), care conţine un submodel meteorologic, un submodel general
pentru sol (bilanţul apei, carbonului şi azotului) şi un submodel
general pentru creşterea culturilor, derivat din abordarea CROPGRO,
care tratează 16 culturi într-o manieră modulară. De asemenea,
sistemul asigură funcţiuni privind managementul culturilor, ca de
exemplu: recomandări privind operaţiile tehnologice, rotaţia culturilor,
analize tehnico-economice anuale şi multianuale, validări şi analize de
senzitivitate, etc.

238
 Modelul OILCROP-SUN (Villalobos şi colab., 1996) pentru
simularea creşterii florii-soarelui este bazat pe modelul CERES-Maize
(CERES pentru porumb) pentru simularea proceselor din sol şi
formarea recoltei. Acesta ia în considerare solul (inclusiv azotul, dar
fără eroziune), apa (irigaţii, dar fără apă freatică), clima, tehnologii de
cultură, inclusiv date economice (preţuri). Dezvoltarea fenologică
depinde de temperatură şi fotoperioadă. Modelul foloseşte parametri
genetici specifici la nivel de hibrid şi anume: suma temperaturilor
biologic active („timpul termic") în perioada juvenilă, senzitivitatea la
fotoperioadă, suma temperaturilor biologic active de la apariţia
primelor seminţe până la maturitatea fiziologică, numărul potenţial de
seminţe pe calatidiu şi rata maximă de creştere a seminţelor.
Principalele date de intrare cerute de model sunt datele meteorologice
zilnice (radiaţia, temperatura maximă şi temperatura minimă),
caracteristicile fizice/hidrofizice ale solului, precum şi conţinutul de
apă şi azot din sol la semănat. Modelul simulează, cu pasul de timp
de o zi, formarea biomasei, repartizarea acesteia pe organele plantei,
conţinutul de azot, indicele suprafeţei foliare şi bilanţul apei şi azotului
din sol. Se estimează recolta şi profitul şi se efectuează analiza de
risc şi senzitivitate. Submodelele sunt parametrizate, utilizatorul
putând specifica diferite opţiuni de simulare (condiţii de teren, opţiuni
privind tehnologiile de cultură) pentru a defini diferite scenarii.
Interacţiunea cu utilizatorul este slabă (prin fişiere de intrare). Modelul
se poate folosi la evaluarea strategiei de management şi estimarea
producţiilor probabile în funcţie de caracteristicile solului şi condiţiile
meteorologice. Testarea modelului a arătat că acesta furnizează
predicţii bune ale perioadelor semănat-răsărit şi răsărit-înflorit şi ale
producţiilor de biomasă şi de seminţe în condiţii de culturi irigate şi
neirigate.
Modelul STICS - Simulateur mulTIdisciplinaire pour les
Cultures Standard (Simulator multidisciplinar pentru culturile standard)
a fost elaborat în cadrul INRA Avignon – Institut National de la
Recherche Agronomique, Centre de Recherche d'Avignon (Institutul
Naţional de Cercetări Agronomice, Centrul de Cercetări Avignon,
Franţa) (Brisson şi colab.,1998). Acesta este un model de simulare
performant, la nivel de zi, a formării recoltei la culturile anuale (grâu,
porumb, soia, tomate, banane, floarea-soarelui, cartof, etc.). Modelul
este general, putând fi uşor adaptat la orice cultură, inclusiv privind
tehnologia de cultură. Este un model performant pentru circulaţia
azotului, inclusiv privind percolarea în sol şi în apa freatică.
Furnizează informaţii privind cantitatea şi calitatea recoltei, precum şi
privind mediul.

239
 Modelul QSUN (Chapman şi colab., 1993) efectuează
simularea creşterii florii-soarelui pentru culturi neirigate. Modelul
foloseşte o treaptă de timp zilnică şi cuprinde submodele interactive
pentru producţia de seminţe, acumularea de biomasă, suprafaţa
foliară a culturii, fenologia plantelor şi bilanţul apei. Submodelul
fenologic prognozează stadiile de răsărire, formare a calatidiului,
anteză şi maturitate, pe baza temperaturii şi lungimii fotoperioadei
zilnice. Submodelul de creştere estimează/simulează formarea
suprafeţei foliare, procesul de senescenţă şi utilizarea apei din sol, pe
baza radiaţiei solare, precipitaţiilor şi temperaturilor zilnice. Producţia
de biomasă este calculată pe baza cantităţii de radiaţie solară
interceptată şi cantităţii de apă utilă (accesibilă) din zona radiculară,
radiaţia solară şi apa fiind considerate, în acelaşi timp, factori limitativi
de creştere a plantelor. Producţia de seminţe este calculată prin
alocarea de biomasă în seminţe, după anteză. Modelul QSUN s-a
dovedit performant în estimarea indicelui suprafeţei foliare, biomasei
totale şi producţiei de seminţe. Prin folosirea modelului QSUN,
Meinke şi Stone (1992), citaţi de Vrânceanu Al.V. (2000), au ajuns la
concluzia că cea mai mare parte a variaţiei producţiei de floarea-
soarelui în cultură neirigată, într-o perioadă de 100 de ani, a fost
cauzată de variaţia precipitaţiilor.
Modelul APSIM-Sunflower (Wang şi colab., 2001) constituie o
versiune îmbunătăţită şi dezvoltată a modelului QSUN, implementată
prin folosirea versiunii 2.0 a modelului cadru (general) de simulare a
creşterii plantelor APSIM – Agricultural Production Systems Simulator
(Simulator de sisteme de producţie agricole). APSIM-Sunflower
permite analiza impactului variabilităţii climatice asupra producţiei de
floarea-soarelui, precum şi evaluarea performanţelor diferiţilor hibrizi
(alternativelor de genotipuri). Majoritatea parametrilor de simulare
sunt adaptaţi de la QSUN, dar s-au introdus parametri pentru noi
hibrizi, obţinuţi din date experimentale corespunzătoare. A fost
implementată o nouă scară pentru fazele fenologice ale florii-soarelui
(în abordarea unitară APSIM), cuprinzând 11 faze şi 12 stadii
fenologice, de la semănat la maturitate şi sfârşitul culturii.
Dezvoltarea cea mai importantă a modelului APSIM-Sunflower
constă în simularea relaţiilor plantă-azot. Consumul azotului de către
plantă este raportat la cererea de azot a plantei şi la azotul accesibil
din sol. Modelul ia în considerare două procese care contribuie la
consumul azotului de către plantă: consumul „pasiv” şi consumul
„activ”. Consumul pasiv se efectuează în cadrul procesului de
transpiraţie şi este estimat ca produsul dintre transpiraţie şi

240
concentraţia de azot din soluţia solului. Consumul activ se efectuează
prin procesul de difuzie şi este estimat cu ajutorul ratei cu care planta
poate utiliza azotul din nitraţi şi amoniu. Cererea de azot a plantei
este simulată utilizând limite de concentraţie a azotului specifice florii-
soarelui, respectiv specifice fiecărui organ al plantei. Aceste limite se
modifică în funcţie de fenofază. Simularea azotului în sistemul sol-
plantă permite evaluarea calităţii seminţelor.
O altă dezvoltare importantă a modelului constă în posibilitatea
evaluării efectelor posibilelor schimbări climatice asupra creşterii
plantelor de floarea-soarelui, estimând modificarea eficienţei utilizării
radiaţiei solare de către plantă, a eficienţei transpiraţiei şi a nivelului
critic de azot din frunze în funcţie de creşterea nivelului CO2. De
asemenea, modelul permite analiza culturii de floarea-soarelui în
sisteme de culturi intercalate, precum şi efectuarea de simulări din
punct de vedere al mangementului culturii, existând posibilitatea de
specificare condiţională a unor operaţii tehnologice. Testarea
modelului APSIM-Sunflower a pus în evidenţă performanţe bune,
similare cu cele ale modelului QSUN, în ceea ce priveşte estimarea
indicelui suprafeţei foliare, biomasei totale şi producţiei de seminţe.
Modelul EPIC – Erosion Productivity Impact Calculator
(Determinator al impactului eroziunii asupra productivităţii) (Williams şi
colab., 1984, 1989; Sharpley si Williams, 1990; citaţi de Vrânceanu
Al.V., 2000) simuleaza bilanţul apei, azotului şi fosforului, creşterea
plantei şi producţia (recolta) la diferite culturi, inclusiv floarea-soarelui.
Modelul a fost elaborat pentru determinarea relaţiei dintre eroziunea
solului şi productivitatea solului şi asigură simularea proceselor privind
eroziunea şi creşterea plantelor. Modelul include funcţiuni privind
simularea vremii, hidrologia, eroziunea-sedimentarea, ciclarea
elementelor nutritive, creşterea plantelor, lucrările solului, temperatura
solului, controlul factorilor de mediu, precum şi analize economice.
Procesele simulate includ intercepţia radiaţiei solare, conversia luminii
interceptate în biomasă, diviziunea biomasei în radăcini, biomasa de
deasupra solului, creşterea rădăcinilor, folosirea apei şi absorbţia
elementelor nutritive. De asemenea, modelul determină costul
eroziunii şi permite alegerea strategiilor optime de management.
Modelul EPIC a fost adaptat şi perfecţionat în Franţa pentru simularea
creşterii şi dezvoltării florii-soarelui şi formarea producţiei, prin
ajustarea unor parametri la condiţiile climatice şi tipurile de cultivare,
cum sunt: temperaturile optime şi minime de creştere, eficacitatea
utilizării radiaţiei, indicele potenţial al suprafeţei foliare şi indicele de
recoltă (Vrânceanu Al.V., 2000).

241
 Modelul ALMANAC – Agricultural Land Management
Alternatives with Numerical Assessment Criteria (Alternative de
management al terenurilor agricole bazate pe criterii de evaluare
numerică) (Kiniry şi colab., 1992, citaţi de Vrânceanu Al.V., 2000) este
similar modelului EPIC, realizând o simulare mai detaliată a creşterii
culturii. Datele de intrare necesare includ cerinţele corespunzătoare
pentru calculul sumei temperaturilor biologic active (sumei gradelor de
creştere zilnice, peste 6 0C) şi valorile privind capacitatea solului de
reţinere a apei la diferite adâncimi. Acest model a simulat destul de
bine producţiile de floarea-soarelui în Dakota de Nord şi în Texas
(Vrânceanu Al.V., 2000).
Modelul WEPS de prognozare a eroziunii eoliene (Bilbro, 1992,
citat de Vrânceanu Al.V., 2000) este, de asemenea, o versiune
modificată a modelului EPIC. Submodelul referitor la culturile de câmp
calculează biomasa uscată de deasupra solului la nivel de zi. Ecuaţiile
matematice privind relaţiile dintre subsţanta uscată totală a florii-
soarelui şi suprafaţa foliară, suprafaţa tulpinilor şi înălţimea plantelor
sunt folosite pentru calcularea unui factor de reducere a eroziunii.
Modelul FCDA – Field Crop Decision Aid (Sistem de asistare a
deciziei pentru cultura plantelor de câmp) a fost elaborat de Jamleson
şi colab. (1992), citaţi de Vrânceanu Al.V. (2000). Pentru a cuantifica
riscul climatic asupra producţiei de floarea-soarelui, au fost luate în
consideraţie variabilele majore de mediu, în primul rând precipitaţiile
şi temperatura.
Steer şi colab. (1993), citaţi de Vrânceanu Al.V. (2000) au
elaborat un model adecvat de simulare a creşterii, dezvoltării şi
formării recoltei florii-soarelui în condiţii de irigaţie, pentru vestul
Australiei.
Modelul elaborat de Sadras şi Hall (1989), citaţi de Vrânceanu
Al.V. (2000), simulează dezvoltarea suprafeţei foliare, a rădăcinilor şi
a fenologiei şi evaluează disponibilitatea apei din sol în Argentina.
Modelul elaborat de Pearson şi colab. (1985), citaţi de
Vrânceanu Al.V. (2000), determină creşterea unui hibrid de floarea-
soarelui în funcţie de radiaţia solară, temperatură, fertilizarea cu azot
şi densitatea plantelor, în condiţii de irigaţie. Modelul estimează
greutatea biomasei uscate a culturii la sfârşitul iniţierii florale şi la
maturitate.
Hammer şi colab. (1982) au elaborat un model de simulare a
culturii florii-soarelui care ia în considerare factorii climatici, fenologia,
creşterea plantelor, dezvoltarea suprafeţei foliare şi folosirea apei.
Acest model simulează rata zilnică de creştere/dezvoltare a fazelor de
la răsărire la apariţia butonului floral şi de la apariţia butonului floral la

242
începutul formării seminţelor. Rata de creştere/dezvoltare este
determinată pe baza fotoperioadei şi temperaturii medii zilnice. De
asemenea, este luată în considerare senzitivitatea hibridului faţă de
fotoperioada zilei. Modelul a fost utilizat cu succes (pe baza
informaţiilor meteorologice zilnice) pentru determinarea epocii optime
de semănat şi alegerea hibridului într-o anumită regiune, pentru
evitarea îngheţului.
Modelele de simulare a proceselor din sistemul sol-plantă sunt
destul de pretenţioase privind datele necesare a fi furnizate de
utilizator. Exemplificăm în tabelul 37 cerinţele de date de intrare de
sol şi meteorologice ale modelului RoIMPEL, care este printre cele
mai puţin pretenţioase modele de simulare din punct de vedere al
cerinţelor de date de intrare.

Tabelul 37
Lista datelor de intrare principale ale modelului RoIMPEL
Nr.
Descriere U.M.
crt.
a) Date de localizare
1. - Latitudinea locului grd
2. - Longitudinea locului grd
3. - Altitudinea locului m
b) Date privind solul
4. - Textura în zona rădăcinilor cls
5. - Conţinutul în materie organică în zona rădăcinilor %
6. - Densitatea aparentă în zona rădăcinilor g/cm3
7. - Scheletul în zona rădăcinilor %
8. - Conductivitatea hidraulică la saturaţie în zona cm/zi
rădăcinilor
9. - Adâncimea maximă de pătrundere a rădăcinilor cm
10. - Capacitatea de apă utilă cm/orizont
c) Date meteorologice lunare pe o perioadă de 30 ani
11. - Temperatura medie din zi – medie pentru fiecare ºC
lună
12. - Temperatura minimă din zi – medie pentru fiecare ºC
lună
13. - Temperatura maximă din zi – medie pentru fiecare ºC
lună
14. - Precipitaţiile cumulate – medie pentru fiecare lună cm/lună
15. - Evapotranspiraţia potenţială cumulată – medie cm/lună
pentru fiecare lună
16. - Radiaţia totală cumulată – medie pentru fiecare lună MJ/m2/lună
17. - Acoperirea cu nori din zi – medie pentru fiecare lună %

243
 Instrumentele informatice existente, care implementează
modele de simulare a proceselor din sistemul sol-plantă, sunt
orientate în general spre cercetare (CERES, STICS, DSSAT3,
IMPEL/ROIMPEL, WOFOST, etc.), pentru că, pe lângă faptul că sunt
pretenţioase privind datele de intrare, ele sunt pretenţioase şi privind
cunoştinţele necesare aplicării, fiind dificil de utilizat chiar şi de către
specialişti (Bouman şi colab., 1996).

14.3. Asistarea cu calculatorul a managementului culturii

florii-soarelui

Ca şi în alte domenii, produsele informatice pot ajuta agricultorii

la întreaga gamă de decizii pe care trebuie să le ia privind
managementul culturilor agricole: planificarea utilizării terenurilor
agricole la diferite niveluri de decizie (alegerea celui mai bun teren
pentru o cultură dată/cerută, alegerea celei mai avantajoase culturi –
din punct de vedere tehnic/productiv şi economic – pentru un teren
dat, etc.), alegerea parametrilor optimi pentru diferite lucrări
fitotehnice (lucrările solului, aplicarea îngrăşămintelor şi pesticidelor,
normele de irigaţie/udare, etc.), conducerea amenajărilor de irigaţii,
simulări de scenarii prin prognozarea fenofazelor culturilor şi formării
recoltelor, precum şi prin evaluări economice şi ale riscurilor
variabilităţii recoltelor şi poluării solului cultivat şi a mediului
înconjurător etc.
De asemenea, se tinde spre sisteme de agricultură raţională şi
în perspectivă spre agricultura de precizie, încercându-se să se evite
aplicarea de inputuri acoperitoare/asiguratoare (la care se recurge
deseori pentru a preveni eventualele riscuri ca ele să fie insuficiente şi
să pericliteze obţinerea de recolte sigure), prin luarea în considerare a
variabilităţii temporale (factorii meteo, dezvoltarea plantelor etc.) şi
spaţiale din interiorul parcelelor (considerate convenţional omogene).
O serie de trăsături ce caracterizează problemele de
management al culturilor agricole determină ca ele să fie considerate
ca probleme aşa-zise „slab-structurate” (Vlad V., 2001, 2002):

244
a. Incertitudinea datelor:
- erori de măsurare (măsurători/estimări în câmp, etc.);
- observaţii vagi privind terenul şi cultura;
- natura vagă (fuzzy) a delimitărilor spaţiale/geografice ale
arealelor de teren considerate relativ omogene;
- natura calitativă, descriptivă sau stochastică (statistică) a unor
caracteristici (parametri) ale terenului şi culturii;
- variabilitatea spaţială a datelor în interiorul arealelor de teren
considerate omogene, atât din punct de vedere al
caracteristicilor lor, cât şi din punct de vedere al aplicării
tehnologiei considerate;
- variabilitatea temporală a datelor (date climatice, alte date
învechite, variabilitatea aplicării tehnologiei considerate);
- erori umane de manipulare şi stocare a datelor;
- erori de prelucrare primară a datelor (înainte de introducere în
calculator) şi erori de introducere în calculator;
- „toleranţa” proprie a proceselor naturale (sol, climă, hidrologie)
şi a celor biologice din sol şi plantă;
- apariţia fenomenelor necunoscute sau de risc (fizice, chimice,
climatice, economice);
- date incomplete sau nedisponibile;
- date disponibile de calităţi şi structuri diferite (de exemplu,
culese în timp după metodologii/definiţii diferite), etc.
b. Incertitudinea cunoştinţelor:
- cunoştinţe incomplete privind procesele din sistemele sol-
plantă (de exemplu: procese din sol, procese din plantă,
relaţiile/interacţiunile teren-cultură, etc.);
- incertitudinea din stabilirea indicatorilor strict reprezentativi
pentru anumiţi factori;
- cunoştinţe de tip calitativ;
- caracterul de aproximaţie al metodelor/modelelor de evaluare
şi de decizie (modele calitative, statistice sau euristice, sau
modele deterministe cu parametri inexacţi şi/sau cu submodele
aproximative), etc.
c. Incertitudini în procesul de management:
- incertitudine în stabilirea obiectivelor de management (de
exemplu, nu se cunosc exact restricţiile);
- incertitudine în stabilirea criteriilor de evaluare (de exemplu, nu
se pot cuantifica uşor);
- erori în alegerea şi aplicarea modelelor de evaluare şi de
decizie;
- întârzieri în disponibilitatea datelor;

245
 - subiectivismul decidenţilor;
- erori şi întârzieri în aplicarea deciziilor ş. a.
d. Caracterul multicriterial al deciziilor:
- în practică, aproape întodeauna, o decizie este determinată de
îndeplinirea simultană a mai multor criterii, cel mai adesea
conflictuale şi, de asemenea, aproape întodeauna, trebuie
îndeplinite în acelaşi timp mai multe obiective, care de regulă
sunt conflictuale şi, în consecinţă, sunt necesare compromisuri
optime.
e. Complexitatea globală a problemei de management:
- numărul şi varietatea mare a factorilor (parametrilor/
caracteristicilor) terenului şi culturilor;
- numărul şi complexitatea mare a proceselor, variabilelor de
stare (parametrilor) şi interacţiunilor implicate în sistemul sol-
plantă;
- interacţiuni complexe şi dinamice ale sistemelor sol-plantă cu
alte sisteme (îndeosebi cu sistemul meteorologic);
- anumiţi parametri ai sistemului sol-plantă se schimbă relativ
încet (cu o constantă de timp mare) şi din această cauză există
dificultăţi de percepere a acestor schimbări, ceea ce duce la
neglijarea, omiterea sau ignorarea lor de către decidenţi;
- numărul şi complexitatea mare a modelelor de evaluare şi de
decizie necesare a fi luate în considerare pentru creşterea
calităţii managementului;
- procedurile de rezolvare a problemelor sunt multi- şi inter-
disciplinare;
- procedurile de rezolvare a problemelor sunt greu de definit de
la începutul procesului de management şi de multe ori acesta
trebuie să fie iterativ şi interactiv, respectiv să necesite rafinări
succesive (în vederea clarificării variantelor, obiectivelor şi
criteriilor);
- sunt necesare volume mari de date, cu structuri complexe şi
uneori cu calităţi, definiri şi structuri diferite;
- pentru a rezolva unele probleme sunt importante experienţa,
intuiţia, judecăţile şi preferinţele decidenţilor (uneori deciziile
experţilor nici nu pot fi complet explicate).
Urmare acestor trăsături, managementul culturilor agricole
trebuie să fie asistat cu instrumente informatice de un tip adecvat,
numite sisteme suport de decizie (SSD). Acest tip de sisteme
constituie o tehnologie relativ nouă din domeniul informaticii care
încearcă să răspundă complexităţii şi caracterului dinamic în condiţii
de incertitudine (respectiv cerinţelor de flexibilitate) ce caracterizează

246
procesele de decizie în cazul problemelor relativ slab-structurate, cum
sunt cele de management al culturilor agricole.
Un sistem suport de decizie este un sistem informatic folosit în
asistarea („suportul") activităţii de luare a deciziilor în situaţia în care
nu este posibil şi nici nu este dorit (recomandabil) un sistem complet
automat care să realizeze întreg procesul de luare a deciziilor. Omul
este integrat în procesul de decizie ca elementul principal şi ultim în
procesul de decizie (acesta ia decizia finală). Omul este sprijinit şi nu
înlocuit. Sistemul este bazat pe calculator, fiind format dintr-un
complex de instrumente software destinate facilitării deciziei omului.
Principala caracteristică ce deosebeşte filosofia SSD de
sistemele informatice convenţionale constă în faptul că primele
încearcă să încorporeze viziunea, intuiţia, judecata şi experienţa
decidentului uman în procesul de analiză-decizie. În loc ca sistemul
informatic să conducă decidentul, în mediul SSD decidentul iniţiază şi
controlează procesul de decizie, orientându-l în sensul sprijinirii
deciziei sale. Filosofia SSD porneşte de la recunoaşterea că în
soluţionarea problemelor slab-structurate (neclare, incomplet definite,
caracterizate prin incertitudine sau care conţin elemente subiective) o
serie de componente ale procesului de decizie pot fi încredinţate
sistemului suport, dar decizia în ansamblu cere judecata decidentului
uman, în special în deducţii calitative şi asocieri subiective.
Pentru problemele slab-structurate nu se pot stabili anticipat, în
mod automat, determinist, soluţii complete care să poată fi
implementate apriori într-un sistem informatic. În consecinţă, un
sistem suport de decizii privind managementul culturilor agricole
trebuie să asigure facilitarea interacţiunii dintre datele şi modelele
conţinute în sistem, pe de o parte şi decidenţii-utilizatorii acestor
sisteme, pe de altă parte. Prin aceasta, decidentul poate face adaptări
şi completări ale modelelor, conform ideilor specifice situaţiilor
concrete. În acest fel, modelele nu mai rămân „îngheţate" conform
interpretărilor (simplificărilor, neglijărilor) iniţiale din faza de elaborare
a sistemului. Sistemul nu adoptă decizii singur în mod automat.
Îndeplinirea acestor obiective impune ca sistemele suport de
decizie să asigure o serie de funcţiuni specifice, în plus faţă de
instrumentele informatice convenţionale („clasice”):
- suport pentru diferitele etape şi faze ale procesului de
decizie/management;
- integrarea şi gestiunea mai multor metode (submodele), care să
ofere o gamă largă de criterii pentru evaluare, în vederea
asigurării adaptabilităţii la cerinţele (problemele) complexe şi
multiple ale decidenţilor, aşa cum sunt ele în realitate;

247
 - facilităţi de asistare a utilizatorului prin modele de decizie
multicriteriale şi prin metode de tratare a incertitudinii, inclusiv
modele de apreciere a calităţii/relevanţei criteriilor de decizie;
- dialog avansat cu decidentul: acces la funcţiunile sistemului,
modificare a parametrilor, introducerea, modificarea şi regăsirea
datelor şi submodelelor disponibile, facilităţi de ajutor şi furnizare
de explicaţii;
- interfaţă “prietenoasă” şi interactivitate avansată;
- uşurinţă, simplitate şi fiabilitate în utilizare;
- adaptabilitate mare la diferitele cerinţe/obiective concrete
(dinamice) ale utilizatorilor, care sunt de o deosebită multitudine
şi diversitate;
- flexibilitate deosebită în utilizarea metodelor de găsire/definire a
soluţiilor de decizie;
- asigurarea integrităţii şi securităţii sistemului.
Asigurarea acestor funcţiuni presupune implementare
sistemelor suport de decizie ca sisteme „deschise”, care să asigure
uşurinţă mare în dezvoltarea sa (perfecţionare, adăugare de noi
funcţiuni/facilităţi, etc.), datorită existenţei incertitudinilor multiple de
diferite feluri, ceea ce face foarte dificilă stabilirea completă de la
început a specificaţiilor de elaborare a componentelor sale.
Asigurarea caracterului de sistem deschis impune folosirea metodei
prototipului (proiectare adaptivă, respectiv realizare evolutivă).
Prototipul se defineşte ca fiind o primă variantă a unui model dorit ce
posedă, cel puţin în fază incipientă, trăsăturile esenţiale dorite ale
acestuia. El este gândit într-un proces evolutiv, deci cu intenţia de a fi
modificat cu uşurinţă. Prototipul este un sistem operaţional şi el este
extins cu noi funcţiuni şi perfecţionat în timpul utilizării sale. Pe
parcursul dezvoltării sale, prototipul este testat şi evaluat permanent
de către utilizatori în condiţii reale, ceea ce asigură cea mai rapidă,
completă (cu cele mai puţine scăpări) şi exigentă validare. Prototipul
se construieşte rapid şi economic şi, prin sporirea colaborării dintre
utilizator şi proiectant, se apropie cel mai mult de viziunea, dorinţele şi
necesităţile utilizatorului.
Datorită dificultăţilor de modelare a diverselor aspecte
(fenomene, procese), realizările de sisteme suport de decizie,
indiferent de domeniul de utilizare/aplicare, sunt rare şi parţiale
(incomplete). Pe plan internaţional există produse informatice utilizate
de fermieri în diferite scopuri, dar acestea sunt simpliste, furnizând de
regulă reţete tipice generale, împreună cu devizele de cheltuieli. În
general, se referă la o singură cultură şi nu permit integrarea

248
experienţei fermierului câştigată de-a lungul timpului, asigurând mai
mult o gestiune de date decât de cunoştinţe.
Sisteme suport de decizie s-au realizat mai ales în domeniul
industrial şi în alte domenii speciale. În domeniul culturii plantelor, o
serie de modele şi algoritmi de prelucrare date privind sistemul sol-
plantă au fost implementate în diferite programe de calculator, bazate
în primul rând pe modelarea prin simulare a proceselor din sistemul
sol-plantă şi a formării recoltelor şi elaborarea de prognoze (modelele
RoIMPEL, ACCESS, STICS, CERES/DSSAT3, EPIC, WOFOST,
etc.). Aceste instrumente informatice se utilizează în principal în
mediul ştiinţific, datorită în primul rând unor dificultăţi de asigurare cu
date.
Au fost realizate, de asemenea, sisteme „de tip suport de
decizie” pentru managementul terenurilor şi culturilor agricole la
diferite niveluri şi având în vedere anumite obiective, dintre care
amintim: DSSAT3, IMPEL, STAMINA - Stability and mitigation of
arable systems in hilly landscape (Stabilitatea şi reducerea
deficienţelor sistemelor arabile din zona deluroasă) (Richter şi colab.,
2003), ACCELERATES - Assessing Climate Change Effects on Land
Use and Ecosystems (Estimarea efectelor schimbărilor climatice
asupra utilizării terenurilor şi ecosistemelor) (Rounsevell şi colab.,
2006; Audsley şi colab., 2006), SuMaC, DexTer, ProMIF, ExET
(Sistem Expert de Evaluare a favorabilităţii Terenurilor agricole pentru
principalele folosinţe şi culturi agricole) (Vlad şi colab., 2000), ELTEC
(Sistem de asistare cu calculatorul a Elaborării Tehnologiilor pentru
Culturile agricole anuale) (Vlad şi colab., 1997) şi SOFIA (Sistem de
Optimizare a Folosirii Îngrăşămintelor şi Amendamentelor pentru
diferite culturi agricole la nivel de parcelă) (Budoi şi colab., 1992,
1997). Vintilă şi colab. (1994) au conceput un sistem de tip expert
bazat pe un model empiric pentru diagnosticul asistat de calculator al
dereglărilor nutriţionale ale principalelor culturi agricole.
Sistemul SuMaC (Sistem Suport de decizii şi expertiză pentru
Managementul Culturilor agricole) (Vlad şi colab., 2005) este destinat
sprijinirii agricultorilor pentru managementul cultivării principalelor
plante de câmp (grâu, orz şi orzoaică de toamnă, porumb, soia şi
floarea-soarelui), şi anume:
1- elaborarea planului de culturi într-o fermă/exploataţie agricolă pe
baze multicriteriale (notele de bonitare naturală ale terenurilor
pentru diferite culturi, profitul net pe parcelă şi global pe
exploataţie, impactul asupra solului, etc.);

249
 2- elaborarea multicriterială a tehnologiilor diferenţiate de cultură
bazată pe caracteristicile parcelelor de teren, profitul net,
impactul asupra mediului, opţiunile/dotarea agricultorului, etc.
Baza de date/cunoştinţe a sistemului cuprinde, printre altele:
caracteristici ale parcelelor de teren, preferinţe/restricţii de
premergătoare în rotaţia culturilor, itinerarii tehnologice de referinţă
structurate pe lucrări şi operaţii în cadrul lucrărilor, variante de
itinerarii tehnologice pentru fiecare parcelă, istoricul parcelelor,
soiuri/hibrizi, seminţe, amendamente, îngrăşăminte, pesticide,
utilaje/agregate agricole, preţuri pentru diferite
materiale/produse/servicii/recolte pe furnizori/clienţi, agenţi economici
parteneri, tarife etc.
Baza de modele (utilizate pentru elaborarea recomandărilor)
cuprinde:
- evaluarea pretabilităţii parcelelor de teren la principalele categorii
de folosinţe agricole (arabil, viticultură, pomicultură şi
păşuni/fâneţe);
- recomandări privind cerinţele de îmbunătăţiri funciare şi de lucrări
agropedoameliorative;
- bonitarea terenurilor agricole (evaluarea
productivităţii/favorabilităţii parcelelor pentru 24 culturi/folosinţe) şi
estimarea recoltei;
- estimarea indirectă a unor date de teren lipsă;
- recomandări de fertilizare şi amendare a solului, de norme de
semănat şi norme de irigaţie şi udare;
- evaluare economică a perechilor parcelă-cultură/tehnologie (venit
brut, cheltuieli, profit net);
- evaluarea durabilităţii aplicării tehnologiilor (eroziune sol,
modificare conţinut de humus, fosfor mobil şi potasiu mobil în sol,
acidifierea solului);
- evaluarea globală a performanţelor parcelelor/tehnologiilor (printr-
o notă de evaluare multicriterială tehnico-economică şi de
durabilitate).
Stabilirea şi alegerea variantelor de plan de cultură şi
variantelor tehnologice se fac prin colaborare sistem - agricultor.
Sistemul DexTer-2 (Sistem suport de Decizii şi Expertiză
privind utilizarea Terenurilor agricole) (Vlad, 1998; Vlad şi colab.,
2006) asigură asistarea fermierilor în luarea deciziilor de utilizare
eficientă şi durabilă a terenurilor agricole la nivel de parcelă, privind
elaborarea planului de culturi agricole din fermă şi stabilirea unor
elemente ale tehnologiilor pentru principalele plante de cultură,
inclusiv floarea-soarelui. Principalele funcţiuni asigurate sunt:

250
- implementarea metodologiei unitare (oficiale în România) de
caracterizare, gestiune şi evaluare a unităţilor de sol-teren agricol
privind favorabilitatea şi pretabilitatea pentru 28 culturi şi folosinţe
agricole;
- estimarea indirectă a unor date de teren lipsă;
- gestiunea terenurilor la nivel de parcelă şi proprietar (fermă sau
exploataţie agricolă);
- ierarhizarea parcelelor unei ferme după favorabilitatea lor fizică
faţă de diferite culturi;
- ierarhizarea culturilor după favorabilitatea fizică pentru o parcelă
dată;
- estimarea cerinţelor orientative de lucrări de ameliorare a
terenurilor agricole (lucrări de îmbunătăţiri funciare şi lucrări agro-
pedo-ameliorative) pentru folosinţe agricole;
- recomandări de doze de aplicare a îngrăşămintelor (pentru
principalele culturi, inclusiv floarea-soarelui) şi amendamentelor;
- recomandări de norme de irigaţie şi udare (pentru principalele
culturi, inclusiv floarea-soarelui);
- evaluarea amplasamentului parcelei;
- evaluarea economică a terenului agricol pe baza unor indicatori
economici (venit brut, cheltuieli, profit net);
- determinarea gradului de durabilitate a cultivării terenurilor
(eroziune sol, modificare conţinut de humus, fosfor mobil şi
potasiu mobil în sol, acidifierea solului);
- stocarea şi vizualizarea (inclusiv la imprimantă) a unor informaţii
cartografice la nivel de parcelă şi proprietar/fermă/exploataţie
agricolă utilizând software-ul ESRI ArcExplorer 2.0.

14.4. Sistemul de prognozare a producţiei de miere şi a

înfloririi florii-soarelui „ProMIF”

Sistemul ProMIF (Sistem suport pentru Prognozarea producţiei

de Miere şi a Înfloririi Florii-soarelui; Vlad şi colab., 2008) furnizează
utilizatorilor în principal estimări ale datelor de început al înfloririi şi de
sfârşit al fazei de înflorit al culturilor de floarea-soarelui (perioada de
cules intens pentru albine), precum şi estimarea producţiei potenţiale
de miere a culturilor de floarea-soarelui.
Apicultorii sunt interesaţi să-şi ducă familiile de albine la
culturile de floarea-soarelui pentru a obţine recolte de miere cât mai
mari, dar această operaţie se efectuează mai mult la întâmplare, în

251
lipsa informaţiilor specifice. Cunoşterea unor estimări ale perioadei de
cules intens pentru albine ale fiecărei culturi de floarea-soarelui,
precum şi a unor estimări privind producţia de miere a diferiţilor hibrizi
(secreţia de nectar şi concentraţia acestuia în zahăr) permite
apicultorilor să-şi planifice din timp stupăritul pastoral în timp şi spaţiu.
În acelaşi timp, informaţiile furnizate de sistem sunt de folos şi
agricultorului cultivator de floarea-soarelui în planificarea lucrărilor
tehnologice, inclusiv privind îmbunătăţirea polenizării culturilor prin
intermediul albinelor.
Sistemul este de tip „sistem suport de decizie”, având în vedere
destinaţia sistemului, problemele puse făcând parte din categoria
celor slab-structurate. De asemenea, trebuind să fie uşor de folosit de
către utilizatori, sistemul impune cerinţe de date relativ puţine şi uşor
de obţinut, precum şi cerinţe reduse de cunoştinţe necesare pentru
utilizare. Ca urmare a acestor cerinţe, sistemul a fost realizat într-o
abordare hibridă şi anume, pe de o parte, prin utilizarea unor modele
simple şi robuste determinate cu metode statistice bazate pe date
acumulate din practica agricolă şi, pe de altă parte, prin utilizarea unor
modele euristice bazate pe cunoştinţele şi experienţa experţilor şi pe
cele din literatura de specialitate.
Modelele statistice alese se bazează pe „timpul termic” (Miller
şi colab., 2001), respectiv pe „pragurile termice" ale florii-soarelui
necesare pentru a ajunge la diferite stadii fenologice de dezvoltare.
Creşterea plantelor depinde de mai mulţi factori (temperatură,
precipitaţii/secetă, perioada de radiaţie fotosintetic activă, fertilitatea
solului, lucrările tehnologice aplicate, potenţialul biologic al
soiului/hibridului etc.), dintre care cel mai important factor şi, în acelaşi
timp, necontrolabil de către om este căldura. Plantele au nevoie de o
anumită cantitate de căldură primită prin acumulare pentru a trece de
la o anumită fază de vegetaţie din ciclul lor de viaţă la alta, respectiv
de la un stadiu de dezvoltare la altul. Cantitatea de căldură provine
din acumulările zilnice, care sunt în relaţie cu temperaturile zilei şi cu
un anumit prag de temperatură minimă, numit „temperatură de bază"
(Tb) a plantei, peste care planta devine biologic activă, respectiv sub
care planta îşi încetează dezvoltarea sau aceasta este
nesemnificativă.
Fiecare specie de plantă are, practic, o anumită temperatură de
bază specifică. Există şi un prag de temperatură maximă peste care
planta îşi opreşte dezvoltarea (sau rata de creştere devine
nesemnificativă). Pentru floarea-soarelui, cei mai mulţi cercetători
estimează acest prag ca fiind 40C, pe care sistemul ProMIF nu-l ia în

252
considerare, apreciind că se află la temperaturi mai înalte decât cele
tipice pentru România. Temperatura de bază considerată de sistemul
ProMIF pentru floarea-soarelui este Tb = 6,7C (Vlad şi colab.,
2008).
Creşterea zilnică a plantelor este direct proporţională cu
temperatura biologic activă a zilei (TBA), definită după cum urmează:

TBA = (Tmax + Tmin) / 2 - Tb , dacă: Tmax > Tmin > Tb ,

TBA = ( (Tmax - Tb) / 2 ) * (Tmax - Tb) / (Tmax - Tmin) ,
dacă: Tmax > Tb > Tmin ,
TBA = 0 , dacă: Tb > Tmax > Tmin ,
unde: Tb = 6,7C
Tmax şi Tmin sunt temperatura maximă, respectiv
minimă din perioada zilei (între orele 00:00 şi 24:00),

Trecerea de la un stadiu fenologic de dezvoltare la altul se face

atunci când suma temperaturilor biologic active ale şirului de zile
respective („timpul termic") depăşeşte un anumit prag, numit „prag
termic" (PT), care este specific fiecărui stadiu şi fiecărei specii,
respectiv soi sau hibrid. Timpul termic, respectiv pragurile termice, se
măsoară în „grade-zi de creştere" (GDD – Growing Degree-Days,
respectiv C-z).
În sistemul ProMIF au fost definite trei praguri termice şi
anume:
- PTSR (suma temperaturilor biologic active necesară de la
semănat la răsăritul florii-soarelui);
- PTRII (suma temperaturilor biologic active necesară de la răsărit
la începutul Înfloririi florii-soarelui);
- PTIISI (suma temperaturilor biologic active necesară de la
Începutul Înfloririi la sfârşitul fazei de înflorit a florii-soarelui).
Începutul înfloririi este considerat momentul când 10% din
plantele parcelei au înflorit, iar sfârşitul fazei de înflorit este considerat
momentul când numai 10% din plantele parcelei mai sunt încă
înflorite.
Variabilitatea pragurilor termice (tab. 38), determinată de
variabilitatea celorlalţi factori care influenţează dezvoltarea plantelor,
alţii decât temperatura, a impus folosirea, pentru o prognoză
acceptabilă, a pragurilor specifice pentru fiecare hibrid de floarea-
soarelui şi pentru fiecare Tip Climatic al Anului de cultură (TCA).

253
 Producţia potenţială de miere (M) este determinată de
cantitatea de nectar secretat de florile plantelor şi de concentraţia în
zahăr a nectarului, care la rândul lor sunt determinate de hibrid, dar şi
de condiţiile de climă (tab. 38), precum şi de sol şi de tehnologia de
cultură. Dintre aceştia, hibridul şi temperatura aerului sunt factori
hotărâtori, astfel că pentru sistemul ProMIF s-au luat în considerare
ca parametri statistici producţiile potenţiale de miere specifice fiecărui
hibrid şi fiecărui TCA.
În cazul lipsei datelor specifice unor hibrizi şi/sau unor TCA,
sistemul foloseşte medii ale datelor (PT, M) hibrizilor din aceeaşi
Grupă de Maturitate (GM), respectiv privind anii de tipuri (TCA)
adiacente.

Au fost definite patru tipuri climatice de ani de cultură - TCA

(extrem de secetos, secetos, normal şi umed) şi patru grupe de
maturitate de hibrizi - GM (timpurie, semitimpurie, semitardivă,
tardivă). În acest fel, influenţele asupra dezvoltării florii-soarelui ale
celorlalţi factori (în special precipitaţiile şi lungimea periodei fotoactive
din timpul zilelor) sunt luate implicit în considerare în mod acceptabil.

Baza de date a sistemului ProMIF conţine mai multe structuri

de date şi anume: caracteristici ale hibrizilor de floarea-soarelui
(inclusiv creatorul/menţinătorul, referinţe bibliografice şi zone de
favorabilitate), valorile calibrate ale celor trei praguri termice (PTSR,
PTRII, PTIISI) şi ale producţiei potenţiale de miere, pentru fiecare
hibrid şi pentru fiecare TCA, date meteorologice zilnice istorice pe ani
şi staţii meteorologice (areale geografice), date istorice privind
culturile de floarea-soarelui (anul, arealul geografic, fermierul, hibridul,
datele semănatului, răsăririi, începutului înfloririi şi sfârşitului fazei de
înflorit a florii-soarelui, valorile determinate/măsurate ale celor trei
praguri termice şi ale producţiei potenţiale de miere) şi tipul climatic al
fiecărui an din evidenţă.

254
 Tabelul 38
Praguri termice (PT) (Tb=6,7C) şi producţii potenţiale de miere (M) determinate
experimental pentru diferiţi hibrizi de floarea-soarelui cultivaţi în sudul României în
doi ani de tipuri climatice diferite
(2006: normal; 2007: excesiv de secetos) (Vlad şi colab., 2008)
Grupa PT de la PT de la Răsărit la: PT de la
de Încep.înfl. la Producţia
Anul semănat Începutul Sfârşitul
maturi- sf. stadiului potenţială
Hibridul de la răsărit înfloririi stadiului
tate de înflorit de miere
cultură (PTSR, (PTRII, de Înflorit
(GM) C-z) (PTIISI,C-z) (M, kg/ha)
C-z) (C-z)
Alexandra 2006 86 760 985 225 8.1
2007 127 742 1014 272 12.4
Fleuret 2006 86 726 954 228 10.3
Timpurie OR
2007 118 738 1051 313 25.6
Mateol 2006 94 736 978 242 10.3
2007 127 762 996 234 16.6
Rigasol 2006 77 753 979 226 8.9
OR
2007 127 683 965 282 10.9
Fly 2006 77 797 1031 234 8.9
2007 127 762 996 234 17.6
Kasol 2006 86 760 1020 260 13.8
2007 127 781 1013 232 18.0
Semi-
Melody 2006 77 786 1012 226 15.8
timpurie
2007 118 801 1037 236 33.3
NK Ferti 2006 67 780 1005 225 12.9
2007 127 742 1054 312 16.9
Saxo 2006 77 770 995 225 6.1
2007 127 781 1033 252 11.3
Masai 2006 86 787 1039 252 6.8
2007 127 804 1033 229 15.4
Podium 2006 77 770 1030 260 13.1
Semi- 2007 127 781 1033 252 12.1
tardivă
Sanay 2006 77 753 1012 259 13.0
2007 127 762 1117 355 9.5
Sunko 2006 77 770 1030 260 16.0
2007 118 795 1098 303 29.9
Delfi 2006 11.4
2007 127 762 1135 373 10.8
Tardivă Jazzy 2006 15.4
2007 127 742 1088 346 12.8
NK 2006 67 806 1075 269 13.5
Armoni
2007 127 781 1073 292 17.2

255
 Baza de modele (submodele) a sistemului asigură
calibrarea/recalibrarea parametrilor statistici de prognozare,
elaborarea prognozelor meteorologice şi ale datelor răsăririi,
începutului înfloririi şi sfârşitului fazei de înflorit a florii-soarelui,
precum şi ale producţiei potenţiale de miere.
Calibrarea/recalibrarea sistemului se efectuează pentru fiecare
hibrid prin estimarea celor trei praguri termice şi a producţiei
potenţiale de miere pentru fiecare TCA. Modelul este de tip
autoinstruire (autoîmbunătăţire), calculul efectuându-se pe datele
istorice din baza de date, care se îmbogăţeşte cu noi date pe măsură
ce sistemul se utilizează, astfel încât acoperirea statistică cu date este
tot mai bună şi, în consecinţă, estimarea este îmbunătăţită. Calculul
parametrilor se face ca o medie aritmetică a cazurilor diferite aflate în
baza de date pentru perechea hibrid-TCA respectivă (diferite
culturi/terenuri, diferite areale geografice, respectiv staţii
meteorologice şi diferiţi ani). Pentru o pereche hibrid-TCA dată se
folosesc patru metode de estimare şi anume (în ordinea
descrescătoare a performanţelor, în funcţie de disponibilitatea datelor
observaţiilor istorice):
- medii statistice ale cazurilor privind hibridul respectiv şi TCA
respectiv;
- medii statistice ale cazurilor privind hibridul respectiv şi TCA
adiacente TCA respectiv;
- medii statistice ale cazurilor privind hibrizii din aceeaşi grupă de
maturitate cu hibridul respectiv şi TCA respectiv;
- medii statistice ale cazurilor privind hibrizii din aceeaşi grupă de
maturitate cu hibridul respectiv şi TCA adiacente TCA respectiv.
Prognoza meteorologică se determină pentru anul de cultură
(1 martie – 31 august) în curs sau pentru anul următor celui în curs,
prin calculul mediilor multianuale ale parametrilor zilnici ai staţiei
meteorologice din arealul geografic dorit - din anii de acelaşi TCA cu
cel estimat de utilizator pentru anul dorit.
Prognozarea datelor răsăririi, începutului înfloririi şi sfârşitului
fazei de înflorit a florii-soarelui se efectuează plecând de la data
semănatului estimată de utilizator, calculând sumele temperaturilor
biologic active pe baza datelor meteorologice zilnice prognozate
pentru anul dorit şi raportându-le la pragurile termice calibrate pentru
hibridul de floarea-soarelui dorit şi TCA estimat de utilizator pentru
anul dorit.

256
 În timpul anului de cultură în curs, utilizatorul are posibilitatea
să actualizeze baza de date istorice cu datele meteorologice şi datele
semănatului, răsăritului şi începutului înfloritului realizate/observate
până în momentul solicitării prognozării. În acest caz, prognozele
pentru restul anului de cultură se îmbunătăţesc prin luarea în calcul a
datelor reale în locul celor prognozate.
Perioada de la semănat la răsăritul plantelor este dificil de
prognozat, variabilitatea fiind dată de faptul că germinaţia seminţelor
este influenţată foarte mult, alături de temperatura aerului, şi de către
o serie de alţi factori (de exemplu, adâncimea variabilă de
însămânţare, temperatura solului, umiditatea solului, tipul solului ş.a.).
Din această cauză PTSR are un coeficient de variaţie destul de mare.
Totuşi, data semănatului este cea mai folosită dată de referinţă în
practica agricolă, aşa încât ProMIF foloseşte şi această dată pentru
prognozele la care nu este cunoscută încă data răsăritului plantelor.
În figura 80 se prezintă tabloul principal de comandă al
sistemului ProMIF, iar în figura 81 un exemplu de prognoză ProMIF a
datelor fenofazelor şi a producţiilor potenţiale de miere ale unor culturi
cu diferiţi hibrizi de floarea-soarelui.

257
Fig. 80. Tabloul de comandă al Sistemului suport pentru prognozarea producţiei de miere şi a înfloririi florii-soarelui „ProMIF"

258
ProMIF 02/05/2008
Raport Prognoze pag: 1
------------------------------
Fenofaze ale Florii-Soarelui si Productii de Miere

|--------------------------------------------------------------------------------------------------------------|
|Anul|Agentul Economic |Data Semanat| DataIncInfl| Nr.zile de la |Nr.zile de la| Durata | Miere |
|TCA |Ferma/Teren |Data Rasarit| DataSfInfl | Sem. pana la | Ras. pana la| Stare | [kg] |
| |Hibridul | | | R | II | SI | II | SI |Inflorit| |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 18/04/2008 | 27/06/2008 | 17 | 70 | 85 | 53 | 68 | 15 | 8|
| N|CEMD/E1S1 | 05/05/2008 | 12/07/2008 | | | | | | | |
| <P>|Alexandra | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 15/04/2008 | 29/06/2008 | 17 | 75 | 91 | 58 | 74 | 16 | (*)|
| N|CEMD/E2S2 | 02/05/2008 | 15/07/2008 | | | | | | | |
| <P>|Aitana | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 18/06/2008 | 12/08/2008 | 9 | 55 | 74 | 46 | 65 | 19 | 14|
| N|CEMD/E4S3 | 27/06/2008 | 31/08/2008 | | | | | | | |
| <P>|NK Armoni | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 15/04/2008 | 01/07/2008 | 21 | 77 | 96 | 56 | 75 | 19 | 9|
| N|CEMD/E2S4 | 06/05/2008 | 20/07/2008 | | | | | | | |
| <P>|Arena | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 10/04/2008 | 03/07/2008 | 26 | 84 | 102 | 58 | 76 | 18 | 16|
| N|CEMD/E2S5 | 06/05/2008 | 21/07/2008 | | | | | | | |
| <P>|Melody | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 05/05/2008 | 01/08/2008 | 51 | 88 | 107 | 37 | 56 | 19 | 16|
| N|CEMD/E3S6 | 25/06/2008 | 20/08/2008 | | | | | | | |
| <P>|Sunko | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
|2008|USAMVB | 04/03/2008 | 03/06/2008 | 39 | 91 | 119 | 52 | 80 | 28 | 10|
| N|CEMD/E1S7 | 12/04/2008 | 01/07/2008 | | | | | | | |
| <P>|Fleuret OR | | | | | | | | | |
|--------------------------------------------------------------------------------------------------------------|
(*) : lipsa date de calibrare

Fig. 81. Exemplu de raport de prognoză elaborat de sistemul „ProMIF”

259
Referinţe bibliografice
Aiken R.M., 2005. Applying Thermal Time Scales to Sunflower Development.
Agronomy Journal, 97, p.746-754.
Audsley E., K.R.Pearn, C.Simota, G.Cojocaru, E.Koutsidou, M.D.A.Rounsevell,
M.Trnka, V.Alexandrov, 2006. “What can scenario modelling tell us about future
European scale agricultural land use, and what not?”. Environmental Science &
Policy, 9, pp.148-162.
Bouman B.A.M., H. van Keulen, H.H. van Laar, R. Rabbinge, 1996. The “School of de
Wit” crop growth simulation models: a pedigree and historical overview.
Agricultural Systems, vol.52, no.2/3, pp.171-198.
Brisson Nadine, şi colab. 1998. STICS: A Generic Model for the Simulation of Crops
and their Water and Nitrogen Balances. I. Theory and Parametrisation Applied to
Wheat and Corn. Agronomie, no. 18, INRA/Elsevier, Paris, 311-346 pp.
Budoi Gh., Z. Borlan, Anca Istrate, Ruxandra Vintilă, Irina Vintilă, G. Cojocaru, V. Vlad,
Daniela Popa, Cristina Şileţchi, 1992. Optimizarea asistată de calculator a
folosirii îngrăşămintelor şi amendamentelor. Probleme de agrofitotehnie -Teorie
şi Aplicaţii, vol.XIV, nr.1-2, p.113-130.
Budoi Gh., D. Popa, Z. Borlan, A. Istrate, G. Cojocaru, R. Vintilă, V. Vlad, C. Şileţchi,
1997. Sistem de programe pentru optimizarea folosirii îngrăşămintelor şi
amendamentelor pentru diferite culturi agricole la nivel de parcelă. Curierul
ASAS, "Oferte de informatică în domeniile agriculturii", p.II/7-10.
Chapman S.C., G.L.Hammer, H.Meinke, 1993. A sunflower simulation model. I: Model
development. Agronomy Journal (USA), (1993), v.85 (no.3), p.725-735.
Doyle A.D., 1975. Influence of temperature and daylength on phenology of sunflowers
in the field. Australian Journal of Experimental Agriculture and Animal
Husbandry, 15, pp.88-92.
Florea N., V.Bălăceanu, C.Răuţă, A.Canarache, (coord.), 1987. Metodologia elaborării
studiilor pedologice, Partea II, Inst. Cercet. Pedologie Agrochimie -ICPA,
Min.Agr., Metode Rapoarte Îndrumări, nr.20, Bucureşti, 349 pp.
Hammer G.L., P.J. Goyne, D.R. Woodruff, 1982. Phenology of sunflower cultivars.
III. Models for prediction in field environments. Australian Jurnal of Agricultural
Research, (1982) v.33(2), p.263-274.
Jones J.W., G.Hoogenboom, C.H.Porter, K.J.Boote, W.D.Batchelor, L.A.Hunt,
P.W.Wilkens, U.Singh, A.J.Gijsman, J.T.Ritchie, 2003. The DSSAT croping
system model. Europ. J. Agronomy, 18, pp.235-265.
Mayr, T.R., M.D.A.Rounsevell, P.J.Loveland, C.Simota, 1996. Agro-climatic change
and European soil suitability: regional modelling at monthly time-steps. Int. J.
Agrophys. 10, pp.155-170.
Miller P., W. Lanier, S. Brandt, 2001. Using growing degree days to predict plant
stages. Field Crops, Montana State University, Extension Service, July 2001,
E-5, 8 pp.

260
Richter G.M., M.Acutis, T.Mayr, G.Rana, C.Simota, 2003. “How realistic is it to use
model-based agro-ecological indicators for risk assessment?”. OECD Expert
Meeting, Kyoto, 15p.
Rossi V., 2002. Simulation of sunflower growth stages in relation to susceptibility
towards D.helianthi. http://www.agr.unipi.it/diaporthe/deter3a.htm, 7 p.
Rounsevell M., A.Armstrong, E.Audsley, O.Brown, S.Evans, M.Gylling, P.Lagacherie,
N.Margaris, T.Mayr, D.De La Rosa, P.Rosato, C.Simota, 1998. The IMPEL
project: Integrating biophysical and socio-economic models to study land use
th
change in Europe. Proceedings of the 16 World Congress of Soil Science,
WCSS on CD-ROM, Cirad (France).
Rounsevell M.D.A., P.M.Berry, P.A.Harrison, 2006. Future environmental change
impacts on rural land use and biological resources: a synthesis of the
ACCELERATES project. Environmental Science & Policy, 9, pp.93-100.
Simota C., 1998. Dezvoltarea şi utilizarea unor modele de simulare matematică pt.
estimarea modificărilor induse de schimbările climatice prognozate asupra
elementelor de bilanţ al apei din sol şi a formării recoltelor. Teză de doctorat,
ASAS, Bucureşti.
Supit I., A.A. Hooijer, C.A. van Diepen. (eds.), 1994. System decription of the
WOFOST 6.0 crop simulation model implemented in CGMS, 1: Theory and
algoritms. EC, JRC Ispra, Brussels-Luxembourg, EUR 15956, 146 pp.
Teaci D., 1980. Bonitarea terenurilor agricole (Bonitarea şi caracterizarea tehnologică
a terenurilor agricole). Ed. Ceres, Bucureşti, 296 pp.
Villalobos F.J., J.T. Ritchie, 1992. The effect of temperature on leaf emergence rates of
sunflower genotypes. Field Crops Research, v.29, iss.1, March 1992, pp.37-46.
Villalobos F.J., A.J.Hall, J.T.Ritchie, F.Orgaz, 1996. OILCROP-SUN: A development,
growth and yield model of the sunflower crop. Agronomy Journal, v.88, iss.3,
May-June 1996, pp.403-415.
Vintilă Ruxandra, Letiţia Ţigănaş, Z. Borlan, 1994. Diagnosticul asistat de calculator al
dereglărilor de nutriţie minerală la principalele culturi din România. Lucrările
Conf. Naţ. pt. Şt. Solului (Tulcea, aug.-sept.1994), Pub. SNRSS, nr. 28B, p.37-46
Vlad V., 1994. Integration of an Expert System in a GIS for Agriculture. EC, Joint
Research Centre Ispra, Institute for Remote Sensing Applications, Report CIPA-
CT-93-2350, 103p.
Vlad V., D. Ţilivea, Gh. Pamfil, S. Ianoşi, A. Canarache, Z. Borlan, Gh. Budoi, D. Popa,
G. Cojocaru, 1997. Prototip de sistem de asistare cu calculatorul a elaborării
tehnologiilor pentru culturile agricole anuale (ELTEC 1.3). Curierul ASAS,
"Oferte de informatică în domeniile agriculturii", p.II/44-47.
Vlad V., 1998. A decision support system for sustainable land management: Structure
th
and functions. Proceedings of the 16 World Congress of Soil Science, WCSS
on CD-ROM, Cirad (Franţa), 1998, 7p.
Vlad V., I.Munteanu, C.Vasile, Ulpia Ionescu, I.Vişan, S.Piticu, 2000. ExET 3.2 –
Expert system for physical and economic evaluation of agricultural land.
Romanian Agricultural Research, nr.13-14, p. 51-60.

261
 Vlad V., 2001. Contribuţii privind sisteme suport de decizie pentru evaluarea şi
utilizarea terenurilor agricole. Teză de doctorat, Universitatea de Ştiinţe
Agronomice şi Medicină Veterinară, Bucureşti, 332 p.
Vlad V., 2002. Requirements for the decision support systems for land management.
Ştiinţa Solului / Soil Science, 2002, vol.XXXVI, nr.1, p.88-99.
Vlad V., M. Dumitru, Simona Caramihai, V. Ion, M. Dumbravă, C. Munteanu, Graţiela
Ignat, Ioana Nilca. (2005). Concepţia sistemului suport de decizii şi expertiză
pentru managementul culturilor agricole "SuMaC". Sesiunea Ştiinţifică a Cadrelor
Didactice şi a Studenţilor, USAMV Bucureşti, Facultatea de agricultură;
Vlad V., Graţiela Ignat, Ioana Nilca, I. Gavriluţă, (2006). The decision and expertise
support system for agricultural land management “DexTer-2” – Structure and
development stage. Lucrările celei de-a XVIII-a Conf. Naţ. de Şt. Solului (Cluj-
Napoca, 2006), p.108.
Vlad V., V. Ştefan, V. Ion, Nicoleta Ion, D.M. Motelică, 2008. Researches regarding the
prognosis of the flowering stage and honey potential yield of sunflower crops.
Buletin USAMV-CN, 65, (1-2)/2008 (în curs de apariţie).
Vossen P., J. Meyer-Roux, 1995. Crop monitoring and yield forecasting activities of the
MARS Project. In: European land information systems for agro-environmental
monitoring (Eds. King D., R.J.A.Jones, A.J.Thomasson), EC, JRC Ispra – IRSA,
EUR 16232 EN, pp.11-39.
Vrânceanu Al.V., 2000. Floarea-Soarelui hibridă. Ed. Ceres, Bucureşti, 1148pp.
Wang E., S.C.Chapman, H.Meinke, 2001. APSIM-Sunflower: a new sunflower
simulation model for APSIM. În: Proc.of the 13th Australian Sunflower
Association Conference; J.K.Kochman, G.A.Kong (eds.), pp68-77.

262

View publication stats