Agent-Based Modeling of Low-Emission Fertilizer Adoption for Dairy Farm Decarbonisation using Empirical Farm Data

Resumo Técnico: Modelagem Baseada em Agentes para a Adoção de Fertilizantes de Baixa Emissão na Descarbonização de Fazendas Leiteiras

Declaração do Problema
Os sistemas agrícolas, particularmente a produção leiteira irlandesa, são contribuintes significativos para as emissões de gases de efeito estufa (GEE), impulsionados principalmente pelo uso de fertilizantes nitrogenados, gestão de rebanho e práticas de uso da terra. Embora existam medidas práticas de baixa emissão — como a adoção de ureia protegida (ureia tratada com o inibidor de urease NBPT) —, a adoção entre as fazendas é desigual. Essa heterogeneidade decorre de diferenças na capacidade de gestão, restrições estruturais e interações sociais. Modelos tradicionais de avaliação de cima para baixo frequentemente falham em capturar essa complexidade, baseando-se em pressupostos de comportamento uniforme e adoção imediata, enquanto ignoram efeitos de pares, dependência de trajetória e tomada de decisão estocástica. Consequentemente, há necessidade de um quadro capaz de simular a evolução sócio-técnica da descarbonização, tratando a adoção não meramente como um cálculo financeiro, mas como um processo dinâmico influenciado pelo contágio social e características estruturais das fazendas.

Metodologia
O estudo desenvolve um quadro de Modelagem Baseada em Agentes (MBA) empiricamente fundamentado para simular a difusão de tecnologias de baixa emissão em 295 fazendas leiteiras irlandesas ao longo de um horizonte de 15 anos.

• Fundação de Dados: O modelo utiliza um conjunto de dados abrangente ao nível da fazenda fornecido pelo Teagasc (Autoridade de Desenvolvimento Agrícola e Alimentar da Irlanda), agregado a partir da Federação Irlandesa de Melhoramento de Gado (ICBF) e da Bord Bia. Este conjunto de dados inclui desempenho produtivo (produção de leite, sólidos, estrutura do rebanho), uso de insumos (tipos de fertilizante, cal, ração) e variáveis econômicas.
• Estrutura do Agente: Cada uma das 295 fazendas é modelada como um agente autônomo com atributos específicos: área de terra, unidades de gado, produção de leite e entrada de nitrogênio. Inicialmente, todos os agentes utilizam Nitrato de Amônio e Cálcio (CAN) convencional.
• Arquitetura de Rede Social: Para replicar a dinâmica social dos grupos de discussão agrícola, o modelo emprega uma rede de mundo pequeno de Watts-Strogatz. Esta estrutura apresenta alto agrupamento local (representando círculos estáveis de aconselhamento entre pares) e comprimentos médios de caminho curtos (representando a transferência de informações entre grupos através de consultores). Os parâmetros da rede ($k=4$ conexões, probabilidade de reencaminhamento $p=0.1$) foram fixados para representar uma estrutura de pares esparsa e agrupada, em vez de serem ajustados para corresponder a curvas de adoção específicas.
• Mecanismo de Adoção: A adoção de Ureia Protegida é modelada como um processo de decisão estocástico e probabilístico. A probabilidade de adoção ($P_{i,t}$) para uma fazenda não adotante $i$ no tempo $t$ é uma função de:
  1. Inclinação de base: Uma propensão fixa a inovar ($\beta_0$).
  2. Influência de pares: Um sinal defasado ($S_{i,t-1}$) representando a taxa média de adoção das fazendas vizinhas, ponderada por um parâmetro de influência social calibrado ($\omega = 0.85$).
  3. Fatores estruturais: Tamanho da fazenda e produção de leite normalizados.
  4. Choques de política: Ajustes exógenos para impostos sobre carbono ou subsídios.
• Cenários de Política: O modelo simula três cenários: uma linha de base (sem política), um imposto sobre carbono (€71/t de CO2 aplicado às emissões embutidas de fertilizantes) e um subsídio (€200/tonelada sobre a Ureia Protegida).
• Emissões e Economia: O modelo calcula emissões diretas de óxido nitroso com base em fatores de emissão específicos de fertilizantes (CAN: 0,0149; Ureia Protegida: 0,0040) e converte-os em equivalentes de CO2. Também calcula custos marginais de abatimento (MAC) comparando mudanças nos custos privados de insumos contra o abatimento total, distinguindo entre custos privados e custos sociais (incluindo despesas governamentais).
• Validação e Incerteza: O modelo foi calibrado usando dados históricos de adoção (2019–2024) e validado contra dados fora da amostra (2023–2024) usando métricas de Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE) e $R^2$. A robustez foi avaliada por meio de 250 iterações de Monte Carlo e análises de sensibilidade sobre pesos de influência social e níveis de subsídio.

Principais Contribuições

1. Calibração Empírica: O estudo conecta dados reais ao nível da fazenda a um MBA calibrado, modelando com sucesso trajetórias de difusão realistas para a adoção de fertilizantes com alta precisão preditiva ($R^2 = 0,979$, RMSE = 0,0274).
2. Integração de Modelagem Biofísica e Econômica: Combina custos econômicos com modelagem de emissões biofísicas para estimar custos marginais de abatimento dentro de um ambiente simulado, distinguindo entre custos de bem-estar privado e social.
3. Quantificação da Incerteza: Ao utilizar métodos de Monte Carlo, o estudo quantifica a incerteza no timing da adoção e nas emissões cumulativas, fornecendo insights probabilísticos em vez de estimativas determinísticas de ponto único.
4. Quadro de Laboratório de Políticas: O modelo serve como um "laboratório de políticas" para pré-testar a robustez e a velocidade de difusão de estratégias climáticas, conceituando a descarbonização como uma evolução sócio-técnica e não como um cálculo puramente monetário.

Resultados

• Precisão Preditiva: O modelo demonstrou alta precisão preditiva, com um $R^2$ de 0,9793 e um RMSE de 0,0274. A inclusão de efeitos de rede social foi crítica; removê-los aumentou o RMSE em cinco vezes (de 0,0274 para 0,1476), confirmando que a influência entre pares é um mecanismo dominante na adoção de fertilizantes.
• Dinâmicas de Adoção: A adoção seguiu uma curva S logística. O cenário de base atingiu 50% de adoção em ~7,2 anos. O imposto sobre carbono acelerou isso para ~3,6 anos, enquanto o cenário de subsídio foi o mais rápido, atingindo 50% em ~3,0 anos.
• Abatimento Cumulativo: Ao longo do horizonte de 15 anos, o cenário de subsídio alcançou 121,35 Gg de CO2-eq evitados, aproximadamente 24% superior ao cenário de imposto sobre carbono (97,73 Gg de CO2-eq). Essa diferença é atribuída ao pico de adoção mais cedo sob o subsídio, que prolonga o período de economia de emissões.
• Mudanças Distributivas: Um teste de Kolmogorov-Smirnov confirmou que as intervenções de política alteram fundamentalmente a distribuição da intensidade de carbono do setor ($D = 0,2407, p < 0,001$), suprimindo efetivamente a cauda de alta intensidade e arrastando fazendas "atrasadas" em direção ao modo de referência.
• Viabilidade Econômica: O custo marginal privado de abatimento foi calculado em €0,80 por tCO2-eq, significativamente inferior às atuais referências de preço de carbono da UE. No entanto, ao incluir as despesas governamentais com subsídios, o custo social de abatimento subiu para €4,54 por tCO2-eq.
• Heterogeneidade: A análise estrutural revelou que a intensidade de carbono é impulsionada pela eficiência no uso de nutrientes e equilíbrio de lotação, e não apenas pela escala da fazenda. Fazendas "atrasadas" (topo 20% dos emissores) exibiram altas taxas de lotação (~4,5 LU/ha) sem ganhos correspondentes na produção de leite, indicando retornos decrescentes e perda de nitrogênio.

Significado e Alegações
O artigo afirma que seu principal significado reside em fornecer um quadro validado e generalizável para investigar a difusão de tecnologias heterogênea e mediada por rede em sistemas agrícolas. Ao integrar dados empíricos com modelagem baseada em agentes, o estudo demonstra que:

• O Contágio Social é Crítico: A influência de pares não é um fator secundário, mas um motor primário da velocidade de adoção. Políticas que não levam em conta a dinâmica de rede podem subestimar a velocidade de difusão ou o impacto dos adotantes iniciais.
• Subsídios vs. Impostos: Embora tanto impostos sobre carbono quanto subsídios possam impulsionar a adoção, intervenções baseadas em subsídios criam difusão mais rápida e maior abatimento cumulativo devido à sua capacidade de acionar pontos de inflexão sociais de auto-reforço mais cedo na transição.
• Dependência de Trajetória: O modelo ilustra que o timing da política interage com o contágio de rede para criar trajetórias de transição duráveis. Incentivos iniciais podem "travar" o comportamento ao reduzir riscos percebidos através da validação entre pares, uma dinâmica que mecanismos de preços estáticos (como impostos) podem ter dificuldade em replicar, a menos que sejam suficientemente fortes para cruzar o mesmo limiar social.
• Intervenções Direcionadas: O quadro sugere que direcionar fazendas estruturalmente influentes e de alta emissão gera o maior impacto marginal, apoiando o desenho de intervenções diferenciadas e baseadas em evidências, em vez de abordagens de tamanho único.

Os autores posicionam o modelo como uma ferramenta para experimentação em "laboratório de políticas", permitindo que as partes interessadas antecipem e otimizem estratégias de descarbonização antes da implementação, ao mesmo tempo que reconhecem limitações relacionadas à complexidade comportamental limitada e variáveis econômicas estáticas.