The water deficit is a major factor responsible for the soybean yield gap in Southern Brazil and tends to increase under climate change. Crop models are a tool that differ on levels of complexity and performance and can be used to evaluate strategies to manage crops, according the climate conditions. Based on that, the aims of this study were: to assess five soybean crop models and their ensemble; to evaluate the sensitivity of these models to systematic changes in climate; to assess soybean adaptive traits to water deficit for current and future climate; and to evaluate how the crop management contribute to soybean yields under current and future climates. The crop models FAO - Agroecological Zone, AQUACROP, DSSAT CSM-CROPGRO-Soybean, APSIM Soybean, and MONICA were assessed. These crop models were calibrated using experimental data obtained during 2013/2014 growing season in different sites, sowing dates and crop conditions (rainfed and irrigated). For the sensitivity analysis was considered climate changes on air temperature, [CO2], rainfall and solar radiation. For adapting traits to drought, the soybean traits manipulated only in DSSAT CSM-CROPGRO-Soybean were deeper root depth, maximum fraction of shoot dry matter diverted to root growth under water stress, early reduction of transpiration, transpiration limited as a function of vapor pressure deficit, N2 fixation drought tolerance and reduced acceleration of grain filling period in response to water deficit. The crop management options strategies evaluated were irrigation, sowing date, cultivar maturity group and planting density. The estimated yield had root mean square error (RMSE) varying between 553 kg ha-1 and 650 kg ha-1, with d indices always higher than 0.90 for all models. The best performance was obtained when an ensemble of all models was considered, reducing yield RMSE to 262 kg ha-1. The crop models had different sensitivity level for climate scenario, reduction yield with temperature increase, higher rate of reduction of yield with lower rainfall than increase of yield with higher rainfall amount, different yields response with solar radiation changes due to baseline climate and model, and an asymptotic soybean response to increase of [CO2]. Combining the climate scenarios, the yield was affected mainly by reduction of rainfall (increase of solar radiation), while temperature and [CO2] interaction showed compensation effect on yield losses and gains. The trait deeper rooting profile had greater improvement in total production for the Southern Brazil, with increase of 3.3 % and 4.0 %, respectively, for the current and future climates. For soybean management, in most cases, the models showed that no crop management strategy has a clear tendency to result in better yields in the future if shift from the best management of current climate. This way, the crop models showed different performance against observed data, where the model parametrization and structure affected the response to alternatives managements to climate change. Although these uncertainties, crop models and their ensemble are an important tool to evaluate impact of climate change and alternatives to mitigation. / O déficit hídrico é o principal fator causador de perda de produtividade para a soja no Centro-Sul do Brasil e tende a aumentar com as mudanças climáticas. Alternativas de mitigação podem ser avaliadas usando modelos de simulação de cultura, os quais diferem em nível de complexidade e desempenho. Baseado nisso, os objetivos desse estudo foram: avaliar cinco modelos de simulação para a soja e a média desses modelos; avaliar a sensibilidade dos modelos a mudança sistemática do clima; avaliar características adaptativas da soja ao déficit hídrico para o clima atual e futuro; e avaliar a resposta produtiva de manejos da soja para o clima atual e futuro. Os modelos utilizados foram FAO - Zona Agroecológica, AQUACROP, DSSAT CSM-CROPGRO-Soybean, APSIM Soybean e MONICA. Os modelos foram calibrados a partir de dados experimentais obtidos na safra 2013/2014 em diferentes locais e datas de semeadura sob condições irrigadas e de sequeiro. Na análise de sensibilidade foram modificadas a temperatura do ar, [CO2], chuva e radiação solar. Para as características de tolerância ao déficit hídrico foram manipulados, apenas no modelo DSSAT CSMCROPGRO- Soybean, a distribuição do sistema radicular, biomassa divergida para crescimento radicular sob déficit hídrico, redução antecipada da transpiração, limitação da transpiração em função do déficit de pressão de vapor, fixação de N2 sob déficit hídrico e redução da aceleração do ciclo devido ao déficit hídrico. Os manejos avaliados foram irrigação, data de semeadura, ciclo de cultivar e densidade de semeadura. A produtividade estimada obteve raiz do erro médio quadrático (REMQ) variando entre 553 kg ha-1 e 650 kg ha-1, com índice d acima de 0.90 para todos os modelos. O melhor desempenho foi obtido utilizando a média de todos os modelos, com REMQ de 262 kg ha-1. Os modelos obtiveram diferentes níveis de sensibilidade aos cenários climáticos, reduzindo a produtividade com aumento da temperatura, maior taxa de redução da produtividade com menor quantidade de chuva do que aumento de produtividade com maior quantidade de chuva, diferentes respostas com a mudança da radiação solar em função do clima local e do modelo, e resposta positiva assimptótica para o aumento da concentração de [CO2]. Quando combinado as mudanças dos cenários, a produtividade foi afetada principalmente pela redução da chuva (aumento da radiação solar), enquanto a mudança na temperatura e [CO2] mostrou compensação nas perdas e ganhos. A distribuição do sistema radicular foi o mecanismo de tolerância ao déficit hídrico com maior ganho de produtividade, representando ganho total na produção de 3,3 % e 4,0% para a região, respectivamente, para o clima atual e futuro. Para os manejos não se observou melhores resultados com a mudança do manejo para o futuro em relação a melhor condição para o clima atual. Desta forma, os modelos mostraram diferentes desempenho, em que a parametrização e a estrutura do modelo afetaram a resposta das alternativas avaliadas para mudanças climáticas. Apesar das incertezas, os modelos de cultura são uma importante ferramenta para avaliar o impacto e alternativas de mitigação as mudanças climáticas.

The water deficit is a major factor responsible for the soybean yield gap in Southern Brazil and tends to increase under climate change. Crop models are a tool that differ on levels of complexity and performance and can be used to evaluate strategies to manage crops, according the climate conditions. Based on that, the aims of this study were: to assess five soybean crop models and their ensemble; to evaluate the sensitivity of these models to systematic changes in climate; to assess soybean adaptive traits to water deficit for current and future climate; and to evaluate how the crop management contribute to soybean yields under current and future climates. The crop models FAO - Agroecological Zone, AQUACROP, DSSAT CSM-CROPGRO-Soybean, APSIM Soybean, and MONICA were assessed. These crop models were calibrated using experimental data obtained during 2013/2014 growing season in different sites, sowing dates and crop conditions (rainfed and irrigated). For the sensitivity analysis was considered climate changes on air temperature, [CO2], rainfall and solar radiation. For adapting traits to drought, the soybean traits manipulated only in DSSAT CSM-CROPGRO-Soybean were deeper root depth, maximum fraction of shoot dry matter diverted to root growth under water stress, early reduction of transpiration, transpiration limited as a function of vapor pressure deficit, N2 fixation drought tolerance and reduced acceleration of grain filling period in response to water deficit. The crop management options strategies evaluated were irrigation, sowing date, cultivar maturity group and planting density. The estimated yield had root mean square error (RMSE) varying between 553 kg ha-1 and 650 kg ha-1, with d indices always higher than 0.90 for all models. The best performance was obtained when an ensemble of all models was considered, reducing yield RMSE to 262 kg ha-1. The crop models had different sensitivity level for climate scenario, reduction yield with temperature increase, higher rate of reduction of yield with lower rainfall than increase of yield with higher rainfall amount, different yields response with solar radiation changes due to baseline climate and model, and an asymptotic soybean response to increase of [CO2]. Combining the climate scenarios, the yield was affected mainly by reduction of rainfall (increase of solar radiation), while temperature and [CO2] interaction showed compensation effect on yield losses and gains. The trait deeper rooting profile had greater improvement in total production for the Southern Brazil, with increase of 3.3 % and 4.0 %, respectively, for the current and future climates. For soybean management, in most cases, the models showed that no crop management strategy has a clear tendency to result in better yields in the future if shift from the best management of current climate. This way, the crop models showed different performance against observed data, where the model parametrization and structure affected the response to alternatives managements to climate change. Although these uncertainties, crop models and their ensemble are an important tool to evaluate impact of climate change and alternatives to mitigation. / O déficit hídrico é o principal fator causador de perda de produtividade para a soja no Centro-Sul do Brasil e tende a aumentar com as mudanças climáticas. Alternativas de mitigação podem ser avaliadas usando modelos de simulação de cultura, os quais diferem em nível de complexidade e desempenho. Baseado nisso, os objetivos desse estudo foram: avaliar cinco modelos de simulação para a soja e a média desses modelos; avaliar a sensibilidade dos modelos a mudança sistemática do clima; avaliar características adaptativas da soja ao déficit hídrico para o clima atual e futuro; e avaliar a resposta produtiva de manejos da soja para o clima atual e futuro. Os modelos utilizados foram FAO - Zona Agroecológica, AQUACROP, DSSAT CSM-CROPGRO-Soybean, APSIM Soybean e MONICA. Os modelos foram calibrados a partir de dados experimentais obtidos na safra 2013/2014 em diferentes locais e datas de semeadura sob condições irrigadas e de sequeiro. Na análise de sensibilidade foram modificadas a temperatura do ar, [CO2], chuva e radiação solar. Para as características de tolerância ao déficit hídrico foram manipulados, apenas no modelo DSSAT CSMCROPGRO- Soybean, a distribuição do sistema radicular, biomassa divergida para crescimento radicular sob déficit hídrico, redução antecipada da transpiração, limitação da transpiração em função do déficit de pressão de vapor, fixação de N2 sob déficit hídrico e redução da aceleração do ciclo devido ao déficit hídrico. Os manejos avaliados foram irrigação, data de semeadura, ciclo de cultivar e densidade de semeadura. A produtividade estimada obteve raiz do erro médio quadrático (REMQ) variando entre 553 kg ha-1 e 650 kg ha-1, com índice d acima de 0.90 para todos os modelos. O melhor desempenho foi obtido utilizando a média de todos os modelos, com REMQ de 262 kg ha-1. Os modelos obtiveram diferentes níveis de sensibilidade aos cenários climáticos, reduzindo a produtividade com aumento da temperatura, maior taxa de redução da produtividade com menor quantidade de chuva do que aumento de produtividade com maior quantidade de chuva, diferentes respostas com a mudança da radiação solar em função do clima local e do modelo, e resposta positiva assimptótica para o aumento da concentração de [CO2]. Quando combinado as mudanças dos cenários, a produtividade foi afetada principalmente pela redução da chuva (aumento da radiação solar), enquanto a mudança na temperatura e [CO2] mostrou compensação nas perdas e ganhos. A distribuição do sistema radicular foi o mecanismo de tolerância ao déficit hídrico com maior ganho de produtividade, representando ganho total na produção de 3,3 % e 4,0% para a região, respectivamente, para o clima atual e futuro. Para os manejos não se observou melhores resultados com a mudança do manejo para o futuro em relação a melhor condição para o clima atual. Desta forma, os modelos mostraram diferentes desempenho, em que a parametrização e a estrutura do modelo afetaram a resposta das alternativas avaliadas para mudanças climáticas. Apesar das incertezas, os modelos de cultura são uma importante ferramenta para avaliar o impacto e alternativas de mitigação as mudanças climáticas.

Structure learning of Bayesian Networks (BNs) is an NP-hard problem, and the use of sub-optimal strategies is essential in domains involving many variables. One of them is to generate multiple approximate structures and then to reduce the ensemble to a representative structure. It is possible to use the occurrence frequency (on the structures ensemble) as the criteria for accepting a dominant directed edge between two nodes and thus obtaining the single structure. In this doctoral research, it was made an analogy with an adapted one-dimensional random-walk for analytically deducing an appropriate decision threshold to such occurrence frequency. The obtained closed-form expression has been validated across benchmark datasets applying the Matthews Correlation Coefficient as the performance metric. In the experiments using a recent medical dataset, the BN resulting from the analytical cutoff-frequency captured the expected associations among nodes and also achieved better prediction performance than the BNs learned with neighbours thresholds to the computed. In literature, the feature accounted along of the perturbed structures has been the edges and not the directed edges (arcs) as in this thesis. That modified strategy still was applied to an elderly dataset to identify potential relationships between variables of medical interest but using an increased threshold instead of the predict by the proposed formula - such prudence is due to the possible social implications of the finding. The motivation behind such an application is that in spite of the proportion of elderly individuals in the population has increased substantially in the last few decades, the risk factors that should be managed in advance to ensure a natural process of mental decline due to ageing remain unknown. In the learned structural model, it was graphically investigated the probabilistic dependence mechanism between two variables of medical interest: the suspected risk factor known as Metabolic Syndrome and the indicator of mental decline referred to as Cognitive Impairment. In this investigation, the concept known in the context of BNs as D-separation has been employed. Results of the carried out study revealed that the dependence between Metabolic Syndrome and Cognitive Variables indeed exists and depends on both Body Mass Index and age. / O aprendizado da estrutura de uma Rede Bayesiana (BN) é um problema NP-difícil, e o uso de estratégias sub-ótimas é essencial em domínios que envolvem muitas variáveis. Uma delas consiste em gerar várias estruturas aproximadas e depois reduzir o conjunto a uma estrutura representativa. É possível usar a frequência de ocorrência (no conjunto de estruturas) como critério para aceitar um arco dominante entre dois nós e assim obter essa estrutura única. Nesta pesquisa de doutorado, foi feita uma analogia com um passeio aleatório unidimensional adaptado para deduzir analiticamente um limiar de decisão apropriado para essa frequência de ocorrência. A expressão de forma fechada obtida foi validada usando bases de dados de referência e aplicando o Coeficiente de Correlação de Matthews como métrica de desempenho. Nos experimentos utilizando dados médicos recentes, a BN resultante da frequência de corte analítica capturou as associações esperadas entre os nós e também obteve melhor desempenho de predição do que as BNs aprendidas com limiares vizinhos ao calculado. Na literatura, a característica contabilizada ao longo das estruturas perturbadas tem sido as arestas e não as arestas direcionadas (arcos) como nesta tese. Essa estratégia modificada ainda foi aplicada a um conjunto de dados de idosos para identificar potenciais relações entre variáveis de interesse médico, mas usando um limiar aumentado em vez do previsto pela fórmula proposta - essa cautela deve-se às possíveis implicações sociais do achado. A motivação por trás dessa aplicação é que, apesar da proporção de idosos na população ter aumentado substancialmente nas últimas décadas, os fatores de risco que devem ser controlados com antecedência para garantir um processo natural de declínio mental devido ao envelhecimento permanecem desconhecidos. No modelo estrutural aprendido, investigou-se graficamente o mecanismo de dependência probabilística entre duas variáveis de interesse médico: o fator de risco suspeito conhecido como Síndrome Metabólica e o indicador de declínio mental denominado Comprometimento Cognitivo. Nessa investigação, empregou-se o conceito conhecido no contexto de BNs como D-separação. Esse estudo revelou que a dependência entre Síndrome Metabólica e Variáveis Cognitivas de fato existe e depende tanto do Índice de Massa Corporal quanto da idade.

Structure learning of Bayesian Networks (BNs) is an NP-hard problem, and the use of sub-optimal strategies is essential in domains involving many variables. One of them is to generate multiple approximate structures and then to reduce the ensemble to a representative structure. It is possible to use the occurrence frequency (on the structures ensemble) as the criteria for accepting a dominant directed edge between two nodes and thus obtaining the single structure. In this doctoral research, it was made an analogy with an adapted one-dimensional random-walk for analytically deducing an appropriate decision threshold to such occurrence frequency. The obtained closed-form expression has been validated across benchmark datasets applying the Matthews Correlation Coefficient as the performance metric. In the experiments using a recent medical dataset, the BN resulting from the analytical cutoff-frequency captured the expected associations among nodes and also achieved better prediction performance than the BNs learned with neighbours thresholds to the computed. In literature, the feature accounted along of the perturbed structures has been the edges and not the directed edges (arcs) as in this thesis. That modified strategy still was applied to an elderly dataset to identify potential relationships between variables of medical interest but using an increased threshold instead of the predict by the proposed formula - such prudence is due to the possible social implications of the finding. The motivation behind such an application is that in spite of the proportion of elderly individuals in the population has increased substantially in the last few decades, the risk factors that should be managed in advance to ensure a natural process of mental decline due to ageing remain unknown. In the learned structural model, it was graphically investigated the probabilistic dependence mechanism between two variables of medical interest: the suspected risk factor known as Metabolic Syndrome and the indicator of mental decline referred to as Cognitive Impairment. In this investigation, the concept known in the context of BNs as D-separation has been employed. Results of the carried out study revealed that the dependence between Metabolic Syndrome and Cognitive Variables indeed exists and depends on both Body Mass Index and age. / O aprendizado da estrutura de uma Rede Bayesiana (BN) é um problema NP-difícil, e o uso de estratégias sub-ótimas é essencial em domínios que envolvem muitas variáveis. Uma delas consiste em gerar várias estruturas aproximadas e depois reduzir o conjunto a uma estrutura representativa. É possível usar a frequência de ocorrência (no conjunto de estruturas) como critério para aceitar um arco dominante entre dois nós e assim obter essa estrutura única. Nesta pesquisa de doutorado, foi feita uma analogia com um passeio aleatório unidimensional adaptado para deduzir analiticamente um limiar de decisão apropriado para essa frequência de ocorrência. A expressão de forma fechada obtida foi validada usando bases de dados de referência e aplicando o Coeficiente de Correlação de Matthews como métrica de desempenho. Nos experimentos utilizando dados médicos recentes, a BN resultante da frequência de corte analítica capturou as associações esperadas entre os nós e também obteve melhor desempenho de predição do que as BNs aprendidas com limiares vizinhos ao calculado. Na literatura, a característica contabilizada ao longo das estruturas perturbadas tem sido as arestas e não as arestas direcionadas (arcos) como nesta tese. Essa estratégia modificada ainda foi aplicada a um conjunto de dados de idosos para identificar potenciais relações entre variáveis de interesse médico, mas usando um limiar aumentado em vez do previsto pela fórmula proposta - essa cautela deve-se às possíveis implicações sociais do achado. A motivação por trás dessa aplicação é que, apesar da proporção de idosos na população ter aumentado substancialmente nas últimas décadas, os fatores de risco que devem ser controlados com antecedência para garantir um processo natural de declínio mental devido ao envelhecimento permanecem desconhecidos. No modelo estrutural aprendido, investigou-se graficamente o mecanismo de dependência probabilística entre duas variáveis de interesse médico: o fator de risco suspeito conhecido como Síndrome Metabólica e o indicador de declínio mental denominado Comprometimento Cognitivo. Nessa investigação, empregou-se o conceito conhecido no contexto de BNs como D-separação. Esse estudo revelou que a dependência entre Síndrome Metabólica e Variáveis Cognitivas de fato existe e depende tanto do Índice de Massa Corporal quanto da idade.