A garantia da segurança alimentar global é um dos grandes desafios da humanidade para as próximas décadas. O aumento populacional do planeta, até 2050, em cerca de 2 bilhões de pessoas em 2050, a tendência de ascensão da classe média e as projeções de mudanças climáticas têm sido consideradas como um dos grandes desafios futuros para as políticas internacionais de seguridade alimentar. As projeções de alteração climática levam em consideração o aumento da concentração de gases de efeito estufa, sendo o CO2 o principal deles. O setor agrícola pode ser o mais afetado pelas mudanças no clima. O Brasil é o maior exportador e o segundo maior produtor de soja (Glycine max L.) do mundo. Essa cultura representa mais de 60% de toda a proteína alimentar de origem vegetal produzida no mundo. Considerando essa problemática, o presente estudo teve como objetivo geral simular o crescimento da cultura da soja em pontos estrategicamente selecionados no Brasil, com base em séries históricas observadas e em cenários climáticos futuros. Para isso, o modelo DSSAT/CROPGRO-SOYBEAN foi calibrado para diferentes grupos de maturação relativa (6.0, 7.0, 8.0 e 9.0), de modo a abranger pelo menos 80% de toda a produção nacional. Especificamente para o grupo 6.0, foi necessário a instalação de um experimento de campo, em Piracicaba-SP nas safras 2015/16 e 2016/17. Para a projeção dos cenários climáticos futuros adotou-se a metodologia do projeto internacional Agricultural Model Intercomparison and Improvement Project (AgMIP). Esses cenários foram baseados nas projeções de concentrações futuras de CO2 atmosférico (RCP 4.5 e RCP 8.5). Considerando as duas possibilidades de concentração futura de CO2, selecionou-se três modelos climáticos globais (GCM) para cada zona homogênea. As zonas homogêneas foram agrupadas considerando a soma térmica, aridez e sazonalidade de temperatura. As produtividades futuras de soja foram simuladas para o período 2040-2069 (representando 2050). Notou-se que as mudanças climáticas podem contribuir para o aumento da produtividade de soja no Brasil para a maioria das zonas homogêneas nos cenários simulados, mas com aumento do risco climático da cultura em algumas regiões. As simulações e zonas homogêneas que apresentaram perdas de produtividade estavam estritamente relacionadas com o défict hídrico. / Ensuring global food security is one of humanity\'s greatest challenges for the coming decades. The rising population of the planet by about 2 billion people, the rising trend of the middle class and the projections of climate change have been considered as one of the great future challenges for international food security policies. The projections of climate change take into account the increase in the concentration of greenhouse gases, with CO2 being the main one. The agricultural sector may be most affected by changes in climate. Brazil is the largest exporter and the second largest producer of soybeans (Glycine max) in the world. This crop represents more than 60% of all plant protein produced in the world. Considering this problem, the present study had as general objective to simulate soybean crop growth in strategically selected points in Brazil, based on observed historical series and future climatic scenarios. For this, the DSSAT / CROPGRO-SOYBEAN model was calibrated for different maturation groups (6.0, 7.0, 8.0 and 9.0), to cover at least 80% of all national production. Specifically for group 6.0, it was necessary to install a field experiment in Piracicaba-SP in the 2015/16 and 2016/17 seasons. For the projection of the future climate scenarios the methodology of the international Agricultural Model Intercomparison and Improvement Project (AgMIP) was adopted. These scenarios were based on projections of future concentrations of atmospheric CO2 (RCP 4.5 and RCP 8.5). Considering the two possibilities of future CO2 concentration, three global climate models (GCM) were selected for each homogeneous zone. The homogeneous zones were grouped considering the thermal sum, aridity and seasonality of temperature. Future soybean yields were simulated for the period 2040-2069 (representing 2050). It was noted that climate change may contribute to increase soybean productivity in Brazil for most of the homogeneous zones in the simulated scenarios, but with increasing climatic risk of the crop in some regions. The simulations and homogeneous zones that presented productivity losses were strictly related to the water deficit.

A garantia da segurança alimentar global é um dos grandes desafios da humanidade para as próximas décadas. O aumento populacional do planeta, até 2050, em cerca de 2 bilhões de pessoas em 2050, a tendência de ascensão da classe média e as projeções de mudanças climáticas têm sido consideradas como um dos grandes desafios futuros para as políticas internacionais de seguridade alimentar. As projeções de alteração climática levam em consideração o aumento da concentração de gases de efeito estufa, sendo o CO2 o principal deles. O setor agrícola pode ser o mais afetado pelas mudanças no clima. O Brasil é o maior exportador e o segundo maior produtor de soja (Glycine max L.) do mundo. Essa cultura representa mais de 60% de toda a proteína alimentar de origem vegetal produzida no mundo. Considerando essa problemática, o presente estudo teve como objetivo geral simular o crescimento da cultura da soja em pontos estrategicamente selecionados no Brasil, com base em séries históricas observadas e em cenários climáticos futuros. Para isso, o modelo DSSAT/CROPGRO-SOYBEAN foi calibrado para diferentes grupos de maturação relativa (6.0, 7.0, 8.0 e 9.0), de modo a abranger pelo menos 80% de toda a produção nacional. Especificamente para o grupo 6.0, foi necessário a instalação de um experimento de campo, em Piracicaba-SP nas safras 2015/16 e 2016/17. Para a projeção dos cenários climáticos futuros adotou-se a metodologia do projeto internacional Agricultural Model Intercomparison and Improvement Project (AgMIP). Esses cenários foram baseados nas projeções de concentrações futuras de CO2 atmosférico (RCP 4.5 e RCP 8.5). Considerando as duas possibilidades de concentração futura de CO2, selecionou-se três modelos climáticos globais (GCM) para cada zona homogênea. As zonas homogêneas foram agrupadas considerando a soma térmica, aridez e sazonalidade de temperatura. As produtividades futuras de soja foram simuladas para o período 2040-2069 (representando 2050). Notou-se que as mudanças climáticas podem contribuir para o aumento da produtividade de soja no Brasil para a maioria das zonas homogêneas nos cenários simulados, mas com aumento do risco climático da cultura em algumas regiões. As simulações e zonas homogêneas que apresentaram perdas de produtividade estavam estritamente relacionadas com o défict hídrico. / Ensuring global food security is one of humanity\'s greatest challenges for the coming decades. The rising population of the planet by about 2 billion people, the rising trend of the middle class and the projections of climate change have been considered as one of the great future challenges for international food security policies. The projections of climate change take into account the increase in the concentration of greenhouse gases, with CO2 being the main one. The agricultural sector may be most affected by changes in climate. Brazil is the largest exporter and the second largest producer of soybeans (Glycine max) in the world. This crop represents more than 60% of all plant protein produced in the world. Considering this problem, the present study had as general objective to simulate soybean crop growth in strategically selected points in Brazil, based on observed historical series and future climatic scenarios. For this, the DSSAT / CROPGRO-SOYBEAN model was calibrated for different maturation groups (6.0, 7.0, 8.0 and 9.0), to cover at least 80% of all national production. Specifically for group 6.0, it was necessary to install a field experiment in Piracicaba-SP in the 2015/16 and 2016/17 seasons. For the projection of the future climate scenarios the methodology of the international Agricultural Model Intercomparison and Improvement Project (AgMIP) was adopted. These scenarios were based on projections of future concentrations of atmospheric CO2 (RCP 4.5 and RCP 8.5). Considering the two possibilities of future CO2 concentration, three global climate models (GCM) were selected for each homogeneous zone. The homogeneous zones were grouped considering the thermal sum, aridity and seasonality of temperature. Future soybean yields were simulated for the period 2040-2069 (representing 2050). It was noted that climate change may contribute to increase soybean productivity in Brazil for most of the homogeneous zones in the simulated scenarios, but with increasing climatic risk of the crop in some regions. The simulations and homogeneous zones that presented productivity losses were strictly related to the water deficit.

O complexo soja tem um papel importante no desenvolvimento da economia brasileira. Cultivada especialmente nas regiões Centro-Oeste e Sul do país, a soja se firmou como um dos produtos mais destacados da agricultura nacional e na balança comercial. Assim como as demais culturas agrícolas, a soja depende de boas condições climáticas para expressar o seu potencial produtivo. Desse modo, o clima é um dos principais fatores de risco para o sucesso da cultura, especialmente quando se consideram os cenários futuros de mudanças climáticas. Desta forma, pode-se lançar mão de estratégias de manejo da cultura de modo a minimizar os riscos associados ao aquecimento global, como, por exemplo, alterar as datas de semeadura da soja, buscando-se períodos que possam amenizar os impactos proporcionados pela elevação das temperaturas. Com base nisso, o objetivo deste trabalho foi simular o desenvolvimento e a produtividade da cultura da soja nas condições climáticas atuais e futuras e simular diferentes decêndios para a semeadura da cultura, buscando-se determinar as épocas preferenciais em treze regiões produtoras do sul do Brasil. Para tanto, utilizou-se o modelo de simulação de cultura CSM-CropGro-Soybean para simular o desempenho da cultura da soja nas condições climáticas atuais e futuras. Os cenários climáticos, A2 e B2 do IPCC, foram gerados com base nos acréscimos de temperaturas gerados pelos modelos climáticos ETA e PRECIS para dois períodos: D25, entre 2013 e 2043; e D55, entre 2041 e 2071, em treze diferentes localidades produtoras de soja da região Sul do Brasil. A partir dos valores de produtividades potencial e atingível de soja, foram definidos quatro níveis de risco climático, sendo eles: baixo risco; risco moderado; risco alto; e risco muito alto. Também foram simulados quatro decêndios de semedura de soja, dois antecipados e dois tardios em relação ao período atual recomendado. O modelo CSM-CropGro-Soybean foi capaz de simular os efeitos dos diferentes tipos de solo e cultivares de soja nas produtividades potencial e atingível, considerando-se as séries climáticas atuais e futuras. Foi possível observar que o aquecimento global deverá levar a reduções de produtividade da cultura da soja, com as menores perdas ocorrendo nas localidades de Castro, PR, e Santa Maria, RS, e as maiores nas localidades de Palotina, PR, e Uruguaiana, RS. Observou-se que as localidades de Campo Mourão e Cascavel, no estado do Paraná, são as de menores riscos climáticos para o cultivo da soja, enquanto que nas localidades Bagé e Pelotas, RS, ocorrem os maiores riscos climáticos. Ao atrasar ou antecipar a semeadura em relação à época atualmente recomendada, verifica-se diferenças nas produtividades, sendo essas variáveis conforme a localidade estudada. / The soybean complex has an important role in the development of the Brazilian economy. It is especially cultivated in areas like Midwest and South of the country where the crop is established as one of the most important product of national agriculture and the trade balance. Like other crops, soybean depends on good weather to express all its productive potential, thus the climatic condition becomes one of the main risk factors for this crop failure, especially when climate change is considered. Considering that, crop management strategies can be adopted to minimize the climatic risks in the changing climate by anticipating or delaying the soybean sowing dates in relation to the recommended period. Based on that, the objective of this study was to simulate the development and yield of soybean crop in the current and future climate conditions and simulate different sowing dates in order to determine the preferred ones thirteen producing regions of southern Brazil. For that, the crop simulation model CSM-CROPGRO-Soybean was used to estimate soybean yield in the current and future climate scenarios, A2 and B2, with increasing temperatures generated by the climate models ETA and PRECIS for two distinct periods: D25, between 2013 and 2043; and D55, between 2041 and 2071, in thirteen different locations in southern Brazil. Based on the potential and attainable soybean yields, four levels of climatic risk were stablished, being: low risk; moderate risk; high risk; and very high risk. In order to evaluate the management strategies for mitigate the impacts of global warming on crop yield, four new sowing dates were simulated, being two before the recommended sowing period and two after that. The CSMCROPGRO- Soybean model was able to simulate the effects of different soil types and soybean cultivars, for potential and attainable yields, taking into account current and future climate data. It was possible to observe that a reduction in the soybean yield will occur in the future climate scenarios, with the lowest impacts in locations of Castro, PR, and Santa Maria, RS, and the greatest ones in Palotina, PR, and Uruguaiana, RS. Regarding the climatic risk for soybean crop, Campo Mourão and Cascavel, in the PR, were the locations with the lowest values, whereas in Bagé and Pelotas, RS, the highest values were observed. When under global warming, the delaying or advancing of the sowing dates in relation to the present ones, recommended by the government, can result in soybean yield changes, which vary across the locations studied in southern Brazil.

O complexo soja tem um papel importante no desenvolvimento da economia brasileira. Cultivada especialmente nas regiões Centro-Oeste e Sul do país, a soja se firmou como um dos produtos mais destacados da agricultura nacional e na balança comercial. Assim como as demais culturas agrícolas, a soja depende de boas condições climáticas para expressar o seu potencial produtivo. Desse modo, o clima é um dos principais fatores de risco para o sucesso da cultura, especialmente quando se consideram os cenários futuros de mudanças climáticas. Desta forma, pode-se lançar mão de estratégias de manejo da cultura de modo a minimizar os riscos associados ao aquecimento global, como, por exemplo, alterar as datas de semeadura da soja, buscando-se períodos que possam amenizar os impactos proporcionados pela elevação das temperaturas. Com base nisso, o objetivo deste trabalho foi simular o desenvolvimento e a produtividade da cultura da soja nas condições climáticas atuais e futuras e simular diferentes decêndios para a semeadura da cultura, buscando-se determinar as épocas preferenciais em treze regiões produtoras do sul do Brasil. Para tanto, utilizou-se o modelo de simulação de cultura CSM-CropGro-Soybean para simular o desempenho da cultura da soja nas condições climáticas atuais e futuras. Os cenários climáticos, A2 e B2 do IPCC, foram gerados com base nos acréscimos de temperaturas gerados pelos modelos climáticos ETA e PRECIS para dois períodos: D25, entre 2013 e 2043; e D55, entre 2041 e 2071, em treze diferentes localidades produtoras de soja da região Sul do Brasil. A partir dos valores de produtividades potencial e atingível de soja, foram definidos quatro níveis de risco climático, sendo eles: baixo risco; risco moderado; risco alto; e risco muito alto. Também foram simulados quatro decêndios de semedura de soja, dois antecipados e dois tardios em relação ao período atual recomendado. O modelo CSM-CropGro-Soybean foi capaz de simular os efeitos dos diferentes tipos de solo e cultivares de soja nas produtividades potencial e atingível, considerando-se as séries climáticas atuais e futuras. Foi possível observar que o aquecimento global deverá levar a reduções de produtividade da cultura da soja, com as menores perdas ocorrendo nas localidades de Castro, PR, e Santa Maria, RS, e as maiores nas localidades de Palotina, PR, e Uruguaiana, RS. Observou-se que as localidades de Campo Mourão e Cascavel, no estado do Paraná, são as de menores riscos climáticos para o cultivo da soja, enquanto que nas localidades Bagé e Pelotas, RS, ocorrem os maiores riscos climáticos. Ao atrasar ou antecipar a semeadura em relação à época atualmente recomendada, verifica-se diferenças nas produtividades, sendo essas variáveis conforme a localidade estudada. / The soybean complex has an important role in the development of the Brazilian economy. It is especially cultivated in areas like Midwest and South of the country where the crop is established as one of the most important product of national agriculture and the trade balance. Like other crops, soybean depends on good weather to express all its productive potential, thus the climatic condition becomes one of the main risk factors for this crop failure, especially when climate change is considered. Considering that, crop management strategies can be adopted to minimize the climatic risks in the changing climate by anticipating or delaying the soybean sowing dates in relation to the recommended period. Based on that, the objective of this study was to simulate the development and yield of soybean crop in the current and future climate conditions and simulate different sowing dates in order to determine the preferred ones thirteen producing regions of southern Brazil. For that, the crop simulation model CSM-CROPGRO-Soybean was used to estimate soybean yield in the current and future climate scenarios, A2 and B2, with increasing temperatures generated by the climate models ETA and PRECIS for two distinct periods: D25, between 2013 and 2043; and D55, between 2041 and 2071, in thirteen different locations in southern Brazil. Based on the potential and attainable soybean yields, four levels of climatic risk were stablished, being: low risk; moderate risk; high risk; and very high risk. In order to evaluate the management strategies for mitigate the impacts of global warming on crop yield, four new sowing dates were simulated, being two before the recommended sowing period and two after that. The CSMCROPGRO- Soybean model was able to simulate the effects of different soil types and soybean cultivars, for potential and attainable yields, taking into account current and future climate data. It was possible to observe that a reduction in the soybean yield will occur in the future climate scenarios, with the lowest impacts in locations of Castro, PR, and Santa Maria, RS, and the greatest ones in Palotina, PR, and Uruguaiana, RS. Regarding the climatic risk for soybean crop, Campo Mourão and Cascavel, in the PR, were the locations with the lowest values, whereas in Bagé and Pelotas, RS, the highest values were observed. When under global warming, the delaying or advancing of the sowing dates in relation to the present ones, recommended by the government, can result in soybean yield changes, which vary across the locations studied in southern Brazil.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Crop models are important tools to improve the management and yield of agricultural systems. These improvements are helpful to meet the growing food and fuel demand without increase the crop areas. The conventional approach for calibrating/validating a crop model considers few to many experiments. However, few experiments could lead to higher uncertainties and a large number of experiments is too expensive. Traditionally, the classical procedure use to share an experimental dataset one part to calibrate and the other to validate the model. However, if only few experiments are available, split it could increase the uncertainties on simulation performance. On the other hand, to calibrate/validate the model using several experiments is too expensive and time consuming. Methods that can optimize these procedures, decreasing the processing time and costs, with a reliable performance are always welcome. The first chapter of this study was conducted to evaluate and compare a statistically robust method with the classical calibration/validation procedure. These two procedure, were applied to estimate the genetic coefficients of the CROPGRO-soybean model, using multiple experiments. The cross-validation leave-one-out method, was applied to 21 experiments, using the NA 5909 RG variety, across a southern state of Brazil. The cross-validation reduced the classical calibration/validation procedure average RMSE from 2.6, 4.6, 4.8, 7.3, 10.2, 677 and 551 to 1.1, 4.1, 4.1, 6.2, 6.3, 347 and 447 for emergence, R1, R3, R5, R7 (days), grains.m-2 and kg.ha-1, respectively. There was stability in the estimated ecotype and genetic coefficient among the 21 experiments. Considering the wide range of environment conditions, the CROPGRO-soybean model provided robust predictions of phenology, biomass and grain yield. Finally, to improve the calibration/validation procedure performance, the cross-validation method should be used whenever possible. For the second chapter of this study, the main objectives were to evaluate the calibration/validation uncertainties using different numbers of experiments and to find out the minimum number of experiments required for a reliable CROPGRO-Soybean simulation. This study also used 21 field experiments (BMX Potencia RR variety) sown in eight different locations of Southern Brazil between 2010 and 2014. The experiments were grouped in four classes (Individual sowings, season/year per location, experimental sites, and all data together). As the grouping level increase, the developmental stages RRMSE (%), decreased from 22.2% to 7.8% from individual sowings to all data together, respectively. The use of only one individual sowings experiment could lead to a RRMSE of 28.4, 48, and 36% for R1, LAI and yield, respectively. However, the largest decrease occurred from the individual sowings to the season/year per location. Then, is recommended, use at least the season/year per location (early, recommended and late sowing dates) class. It will allow understand the behavior of the variety, avoiding the high costs of several experiments and keeping a reliable performance of the model. / Modelos agrícolas são ferramentas importantes para aprimorar técnicas de manejo e consequentemente a eficiência dos sistemas agrícolas. Esse acréscimo na eficiência são úteis para atender a crescente demanda de alimentos e combustíveis, sem avançar a fronteira agrícola. A calibração e validação de um modelo agrícola, historicamente considerou conjuntos de dados que variam de poucos á muitos experimentos. Poucos experimentos podem aumentar as incertezas e muitos experimentos tem alto custo financeiro e demanda de tempo. Pelo método de partição em dois grupos, o conjunto de experimentos é dividido em duas partes, uma para calibrar e a outra validar o modelo. Se apenas um conjunto pequeno de experimentos está disponível, dividi-los pode prejudicar o desempenho do modelo. Assim, métodos que otimizem esses processos, diminuindo o tempo e o custo de experimentos necessários para a calibração e validação, são sempre bem vindos. O objetivo do primeiro capítulo desta tese, foi comparar o método tradicionalmente utilizado na calibração e validação de modelos com um método mais robusto (cross-validation). Ambos os métodos foram aplicados para estimar os coeficientes genéticos na calibração e validação do modelo CROPGRO-soybean, utilizando múltiplos experimentos. Um conjunto com os 3 experimentos mais detalhados foram utilizados para calibração utilizando o método de partição em dois grupos. Já o método cross-validation, foi aplicado utilizando 21 experimentos. A cultivar NA5909 RG foi selecionada por ser uma das mais cultivadas no sul do Brasil nos últimos 5 anos, conduzida em experimentos distribuídos em oitos locais do Estado do Rio Grande do Sul durante as safras de 2010/2011 ate 2013/2014. O método cross-validation reduziu os RMSEs encontrados no método tradicionalmente utilizado de 2.6, 4.6, 4.8, 7.3, 10.2, 677 e 551 para 1.1, 4.1, 4.1, 6.2, 6.3, 347 e 447 para emergência, R1, R3, R5, R7 (em dias), grãos.m-2 e kg.ha-1, respectivamente. Foi observado estabilidade na maioria das estimativas de coeficientes genéticos, o que sugere a possibilidade de utilizar um menor número de experimentos no processo. Considerando a ampla faixa de condições ambientais, o modelo apresentou desempenho satisfatório na previsão fenológica, de biomassa e produtividade. Para otimizar os processos de calibração e validação, indica-se que o método cross-validation seja utilizado sempre que possível. No segundo capítulo, o principal objetivo foi avaliar o desempenho do uso de diferentes números de experimentos, e estimar o número mínimo necessário para garantir desempenho satisfatório do modelo CROPGRO-soybean. Esse estudo também utilizou 21 experimentos, com a cultivar BMX Potência RR. Os experimentos foram organizados em quatro grupos: Grupo 1 (semeaduras individuais), grupo 2 (ano agrícola por local), grupo 3 (local experimental) e grupo 4 (todos os experimentos juntos). Conforme o número de experimentos aumentou, a variabilidade dos coeficientes e os erros relativos (RRMSE) diminuíram. O primeiro grupo apresentou os maiores erros relativos, com até 28.4, 48 e 36% de erros nas simulações de R1, IAF e produtividade, respectivamente. O maior decréscimo nos erros relativos, ocorreu quando avançamos do grupo 1 para o grupo 2. Em alguns casos os erros foram reduzidos em mais que duas vezes. Assim, considerando o elevado custo financeiro e a demanda de tempo que os grupos 3 e 4 apresentam, recomenda-se a escolha de pelo menos o grupo 2, com 3 experimentos no mesmo ano agrícola. Essa estratégia vai permitir um melhor entendimento sobre o desempenho da cultivar, além de calibrar e validar o modelo CROPGRO-soybean, evitando os altos custos de vários experimentos, garantindo o desempenho satisfatório do modelo.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / Soybean is a mainly agricultural world commodity, with United States, Brazil, and Argentina as mainly producers. This thesis had as objectives (i) evaluate the SoySim model to simulate growth, development, and yield of soybean cultivars with maturity groups greater than 4.2 in a subtropical region of Brazil and (ii) simulate the soybean yield potential and rainfed in the Rio Grande do Sul State in two climate futuro scenarios of IPCC (SRES A1B and RCP4.5) with the crop models SoySim and CROPGRO-Soybean. To reach the first objective, were used data from field experiments with 20 soybean cultivars, in 38 diferent sowing dates during 2010/2011, 2011/2012, 2012/2013, 2013/2014 and 2014/2015 growing seasons, in 12 locations at Rio Grande do Sul State. The soybean cultivars have maturity group varying between 4.8 and 8.2 and indeterminate and semi-determinate growth habit. The evaluation of the SoySim model show reasonable simulations of the variables of the V-stage and R-stage, final node number, and yield, but in general, the simulations that had the lower errors, were those with maturity groups lower than 6.0. For the second objective, the simulations with the emission scenarios SRES A1B and RCP4.5 forcing the crop models SoySim and CROPGRO-Soybean showed an increase on soybean yield in Rio Grande do Sul State until the end of the XXI century, with a positive change around 2 Mg ha-1 for the 2070-2099 period related to the baseline (1980-2009). / A soja é a principal commodity agrícola mundial, sendo os Estados Unidos, Brasil e Argentina os principais produtores. Esta tese teve como objetivos (i) avaliar o modelo SoySim na simulação do crescimento, desenvolvimento e rendimento de cultivares de soja com grupo de maturação maior que 4.2 na região subtropical do Brasil e (ii) simular a produtividade potencial e com limitação por água em soja no Estado do Rio Grande do Sul em dois cenários climáticos futuros do IPCC (SRES A1B e RCP4.5) com os modelos SoySim e CROPGRO-Soybean. Pra alcançar o primeiro objetivo, foram usados dados de experimentos de campo com 20 cultivares de soja, em 38 diferentes datas de semeadura durante os anos agrícolas de 2010/2011, 2011/2012, 2012/2013, 2013/2014 e 2014/2015, em 12 locais no Rio Grande do Sul. As cultivares de soja utilizadas possuem grupo de maturação variando entre 4.8 e 8.2 e tipo de crescimento indeterminado e semi-determinado. A avaliação do modelo SoySim mostrou razoável simulação dos estágios vegetativos e reprodutivos, número final de nós e produtividade, mas no geral, as simulações que obtiveram os menores erros foram aquelas com grupo de maturação menor que 6.0. Para o segundo objetivo, as simulações com os cenários de emissões SRES A1B e RCP4.5 forçando os modelos agrícolas SoySim e CROPGRO-Soybean mostraram um aumento na produtividade de soja no Rio Grande do Sul até o final do século XXI, com anomalia positiva de até 2 Mg ha-1 no período de 2070-2099 em relação ao período baseline (1980-2009).