Author(s): MIELKE, L. V.; VILLAS BOAS, P. R.

Summary: O arroz (Oryza sativa L.) é um dos cereais mais cultivados e consumidos no mundo, desempenhando um papel crucial na alimentação de aproximadamente 2,5 bilhões de pessoas. Em 2022, a produção global de arroz atingiu cerca de 776 milhões de toneladas, com o Brasil contribuindo com aproximadamente 11 milhões de toneladas, posicionando-se como um dos principais produtores fora da Ásia . Como ocorre com toda commodity agrícola, o preço do arroz é influenciado por diversos fatores, incluindo a dinâmica de oferta e demanda, as condições climáticas e as políticas governamentais. Essa complexa interação resulta em volatilidade que impacta tanto produtores como consumidores, especialmente as famílias de baixa renda, mais vulneraveis a flutuações nos preços dos alimentos. A volatilidade dos preços é particularmente agravada ao considerarmos o ciclo de producão do arroz, que abrange até 5 meses entre plantio e colheita, expondo produtores a incertezas prolongadas e torna as decisões de plantio, tomadas meses antes da colheita, extremamente desafiadoras. Diante desse cenario, este trabalho propõe desenvolver um modelo preditivo baseado em técnicas de aprendizado de máquina para antecipar o preço do arroz com antecedência de cinco meses. A proposta utiliza dados historicos e considera variáveis relacionadas à oferta, como os preços de fertilizantes e de commodities concorrentes por terra cultivável, além de variáveis de demanda, como a renda média da população. Essa abordagem visa fornecer percepções que possam auxiliar produtores e formuladores de políticas na tomada de decisoes mais informadas, contribuindo assim para melhor estabilidade do mercado de arroz.

Publication year: 2024

Types of publication: Paper in annals and proceedings

Unit: Embrapa Instrumentation

Keywords: Cereais, Commodity agrícola