As condições climáticas de determinada região são de importância estratégica para o planejamento agrícola. No entanto, é comum localidades distantes de alguma estação meteorológica. O presente mestrado teve o intuito de propor um modelo para estimar valores de temperatura média diária e precipitação diária em localidades sem informação meteorológica. Os dados climáticos foram obtidos do Instituto Nacional de Meteorologia Agrícola (INMET) e da Agência Nacional de Águas (ANA). Estimaram-se equações para dados diários através da regressão linear múltiplas entre as variáveis temperatura média (Tm) versus altitude, latitude e longitude, desvio padrão da temperatura (T) versus altitude, latitude e longitude, precipitação média (Pm) versus altitude, latitude e longitude, Precipitação mínima (Pmin) versus altitude, latitude e longitude, precipitação máxima (Pmáx) versus altitude, latitude e longitude, desvio padrão da chuva (P) versus altitude, latitude e longitude, probabilidade de não chover (P) versus altitude, latitude e longitude, correlação da temperatura T) e precipitação P) com o dia anterior versus altitude, latitude e longitude para cada dia do ano e verificou-se a significância a 5% de probabilidade. Dessa forma, qualquer localidade passou a ter os parâmetros necessários para a gerar séries sintéticas, assumindo o processo multivariado contínuo. Para a criação da série sintética de temperatura usou-se Tm, T, T, os parâmetros usados na criação da série de precipitação foram Pmin, Pmáx, Pm, P e P. Foram geradas séries de 100 anos em 507 localidades para Temperatura média diária e mensal, além de Precipitação média diária e mensal. A capacidade de armazenamento de água (CAD) foi estimada em todas as localidades através de modelos de pedotransferência. Os teores de argila, silte, areia e matéria orgânica do solo usados na pedotransferência foram obtidos do levantamento de solo RADAM e interpolados através da geoestatística. Em todas as localidades foi feito o balanço hídrico pelo método de Tornthwaite com os respectivos valores estimados de temperatura e precipitação, além da CAD específica da localidade. A validação do modelo gerador de séries sintéticas foi feita utilizando índices de correlação entre valores observados e estimados. Usou-se a ERP (erro relativo padrão), o coeficiente de correlação linear (r2), o índice de concordância (d) e o produto entre o coeficiente de correlação e o índice de concordância, chamado de índice de confiança (c). Obteve-se índices de confiança baixos para a estimativa de temperatura média diária e muito baixos para a precipitação média diária. No entanto, o modelo teve bom desempenho para dados mensais, obtendo índices boa correlação linear e concordância para temperatura e precipitação. / The climatic conditions of any region could be of the extreme importance to the strategic analysis of agricultural planning. However, it\'s common fields that are far away from any meteorological station. This mastership proposes a model to estimate values of daily temperature and rainfall. The climatic data was collected from National Meteorological Agriculture Institute (INMET) and from National Water Agency (ANA). The equation made with linear multiple regression for daily data among the parameters average of temperature (Tm) versus altitude, latitude and longitude, standard deviation of temperature (T) versus altitude, latitude and longitude, average of rainfall (Pm) versus altitude, latitude and longitude, minimal rainfall (Pmin) versus altitude, latitude and longitude, maximum rainfall (Pmáx) versus altitude, latitude and longitude, standard deviation of rain (P) versus altitude, latitude and longitude, probability of not rain (P) versus altitude, latitude and longitude, correlation of temperature (T) and precipitation (P) between two consecutive days versus altitude, latitude and longitude. The analysis of significance was done with 5% of probability. Any location could obtain the parameters to generate synthetic series, using a multivariated continuous process. It was used Tm, T, T to create the synthetic series of temperature, the parameters used to create de synthetic series of rainfall were Pmin, Pmáx, Pm, P e P. 100 synthetic series were created in 507 locations for daily and monthly temperature and rainfall. The soil water capacity was estimated for all locations using a pedotransfer model. The percentage of clay, silt, sand and organic matter were obtained on the Soil Survey RADAM and interpolated by geoestatiscal analysis. All locations had the water balance done by Thornthwaite method with its respective estimated value of temperature and rainfall, using the specific soil water capacity of the location. The model validation of synthetic series generator was done using correlations index between observed and estimated values. Was used the relative pattern error (ERP), linear correlation (r2), concordance index (d) and the product of the last both index called reliable index (c). The reliable index obtained for daily temperature and rainfall was very low. However, the model had a good efficiency for monthly temperature and rainfall.

As condições climáticas de determinada região são de importância estratégica para o planejamento agrícola. No entanto, é comum localidades distantes de alguma estação meteorológica. O presente mestrado teve o intuito de propor um modelo para estimar valores de temperatura média diária e precipitação diária em localidades sem informação meteorológica. Os dados climáticos foram obtidos do Instituto Nacional de Meteorologia Agrícola (INMET) e da Agência Nacional de Águas (ANA). Estimaram-se equações para dados diários através da regressão linear múltiplas entre as variáveis temperatura média (Tm) versus altitude, latitude e longitude, desvio padrão da temperatura (T) versus altitude, latitude e longitude, precipitação média (Pm) versus altitude, latitude e longitude, Precipitação mínima (Pmin) versus altitude, latitude e longitude, precipitação máxima (Pmáx) versus altitude, latitude e longitude, desvio padrão da chuva (P) versus altitude, latitude e longitude, probabilidade de não chover (P) versus altitude, latitude e longitude, correlação da temperatura T) e precipitação P) com o dia anterior versus altitude, latitude e longitude para cada dia do ano e verificou-se a significância a 5% de probabilidade. Dessa forma, qualquer localidade passou a ter os parâmetros necessários para a gerar séries sintéticas, assumindo o processo multivariado contínuo. Para a criação da série sintética de temperatura usou-se Tm, T, T, os parâmetros usados na criação da série de precipitação foram Pmin, Pmáx, Pm, P e P. Foram geradas séries de 100 anos em 507 localidades para Temperatura média diária e mensal, além de Precipitação média diária e mensal. A capacidade de armazenamento de água (CAD) foi estimada em todas as localidades através de modelos de pedotransferência. Os teores de argila, silte, areia e matéria orgânica do solo usados na pedotransferência foram obtidos do levantamento de solo RADAM e interpolados através da geoestatística. Em todas as localidades foi feito o balanço hídrico pelo método de Tornthwaite com os respectivos valores estimados de temperatura e precipitação, além da CAD específica da localidade. A validação do modelo gerador de séries sintéticas foi feita utilizando índices de correlação entre valores observados e estimados. Usou-se a ERP (erro relativo padrão), o coeficiente de correlação linear (r2), o índice de concordância (d) e o produto entre o coeficiente de correlação e o índice de concordância, chamado de índice de confiança (c). Obteve-se índices de confiança baixos para a estimativa de temperatura média diária e muito baixos para a precipitação média diária. No entanto, o modelo teve bom desempenho para dados mensais, obtendo índices boa correlação linear e concordância para temperatura e precipitação. / The climatic conditions of any region could be of the extreme importance to the strategic analysis of agricultural planning. However, it\'s common fields that are far away from any meteorological station. This mastership proposes a model to estimate values of daily temperature and rainfall. The climatic data was collected from National Meteorological Agriculture Institute (INMET) and from National Water Agency (ANA). The equation made with linear multiple regression for daily data among the parameters average of temperature (Tm) versus altitude, latitude and longitude, standard deviation of temperature (T) versus altitude, latitude and longitude, average of rainfall (Pm) versus altitude, latitude and longitude, minimal rainfall (Pmin) versus altitude, latitude and longitude, maximum rainfall (Pmáx) versus altitude, latitude and longitude, standard deviation of rain (P) versus altitude, latitude and longitude, probability of not rain (P) versus altitude, latitude and longitude, correlation of temperature (T) and precipitation (P) between two consecutive days versus altitude, latitude and longitude. The analysis of significance was done with 5% of probability. Any location could obtain the parameters to generate synthetic series, using a multivariated continuous process. It was used Tm, T, T to create the synthetic series of temperature, the parameters used to create de synthetic series of rainfall were Pmin, Pmáx, Pm, P e P. 100 synthetic series were created in 507 locations for daily and monthly temperature and rainfall. The soil water capacity was estimated for all locations using a pedotransfer model. The percentage of clay, silt, sand and organic matter were obtained on the Soil Survey RADAM and interpolated by geoestatiscal analysis. All locations had the water balance done by Thornthwaite method with its respective estimated value of temperature and rainfall, using the specific soil water capacity of the location. The model validation of synthetic series generator was done using correlations index between observed and estimated values. Was used the relative pattern error (ERP), linear correlation (r2), concordance index (d) and the product of the last both index called reliable index (c). The reliable index obtained for daily temperature and rainfall was very low. However, the model had a good efficiency for monthly temperature and rainfall.