Sendo o cereal mais produzido no mundo e em larga expansão, os sistemas de produção de milho são altamente complexos e sua produção é diretamente dependente de fatores ligados tanto ao clima local quanto ao manejo da cultura. Para auxiliar na determinação tanto dos patamares produtivos de milho quanto quantificar o impacto causado por condições adversas tanto de clima quanto de manejo, pode-se lançar mão do uso de modelos de simulação de culturas. Para que os modelos possam ser devidamente aplicados, uma base solida de dados meteorológicos deve ser consistida, a fim de alimentar esses modelos. Nesse sentido, o presente estudo teve como objetivos: i) avaliar dois sistemas de obtenção de dados meteorológicos, o NASA-POWER e o DailyGridded, comparando-os com dados medidos em estações de solo; ii) calibrar, testar e combinar os modelos de simulação MZA-FAO, CSM DSSAT Ceres-Maize e APSIM-Maize, a fim de estimar as produtividades potenciais e atingíveis do milho no Brasil; iii) avaliar o impacto na produtividade causado pelo posicionamento da semeadura em diferentes tipos de solo; iv) desenvolver e avaliar um sistema de previsão de safra baseado em modelos de simulação; v) mapear as produtividades potencial, atingível e real do milho no Brasil, identificando regiões mais aptas ao cultivo e vi) determinar e mapear as quebras de produtividade, ou yield gaps (YG) da cultura do milho no Brasil. Comparando os dados climáticos dos sistemas em ponto de grade com os dados de estações meteorológicas de superfície, na escala diária, encontrou-se boa correlação entre as variáveis meteorológicas, inclusive para a chuva, com R2 da ordem de 0,58 e índice d = 0,85. O desempenho da combinação dos modelos ao final da calibração e ajuste se mostrou superior ao desempenho dos modelos individuais, com erros absolutos médios relativamente baixos (EAM = 627 kg ha-1) e com boa precisão (R2 = 0,62) e ótima acurácia (d = 1,00). Durante a avaliação da influência das épocas de semeadura e do tipo de solo no patamar produtivo do milho, observou-se que esse varia de acordo com a região estudada e apresenta seus valores máximos e com menores riscos à produção quando a semeaduras coincidem com o início do período de chuvas do local. O sistema de previsão de safra, baseado em modelos de simulação de cultura teve seu melhor desempenho simulando produtividades de milho semeados no início da safra e no final da safrinha, sendo capaz de prever de forma satisfatória a produtividade com até 25 dias antes da colheita. Para o estudo dos YGs, 152 locais foram avaliados e suas produtividades potenciais e atingíveis foram comparadas às produtividades reais, obtidas junto ao IBGE. Os maiores YGs referentes ao déficit hídrico se deram em solos arenosos e durante os meses de outono e inverno, usualmente mais secos na maioria das regiões brasileiras, atingindo valores de quebra superiores a 12000 kg ha-1. Quanto ao YG causado pelo manejo, esse foi maior nas regiões menos tecnificadas, como na região Norte e na Nordeste, apresentando valores superiores a 6000 kg ha-1. Já as regiões mais tecnificadas e tradicionais na produção de milho, como a região Sul e a Centro-Oeste, os YGs referentes ao manejo foram inferiores a 3500 kg ha-1 na maioria dos casos. / Maize is the most important cereal cultivated in the world, being its production system very complex and its productivity directly affected by climatic and crop management factors. In order to quantify the impacts caused by water and crop management deficits on maize yield, the use of crop simulation models is very useful. For properly apply these models, a solid basis of meteorological data is required. In this sense, the present study had as objectives: i) to evaluate two meteorological gridded data, NASA-POWER and DailyGridded, by comparing them with measured data from surface stations; (ii) to calibrate, evaluate and combine the MZA-FAO, CSM DSSAT Ceres-Maize and APSIM-Maize simulation models to estimate the maize potential and attainable yields in Brazil; iii) to evaluate the impact caused by the different sowing dates and soil types on maize yield; iv) to develop and evaluate a crop forecasting system based on crop simulation models and climatological data; v) to map the potential and the attainable maize yields in Brazil, identifying the most suitable regions for cultivation, and vi) to determine and map maize yields and yield gaps (YG) in Brazil. Comparing the gridded climatic data with observed ones, on a daily basis, a good agreement was found for all weather variables, including rainfall, with R2 = 0.58 and d = 0,85. The performances of the combination of the models at the end of the calibration and evaluation phases were better than those obtained with the individual models, with relatively low mean absolute error (EAM = 627 kg ha-1) and with good precision (R2 = 0.62) and accuracy (d = 1.00). During the evaluation of different sowing dates and soil types on maize yield, it was observed that this variable depends on the region and presents the maximum values and, consequently, the minimum risk during the sowings in the beginning of the rainy season of each site. The crop forecasting system, based on crop simulation models, had its best performance for simulating maize yields when the sowings were performed at the beginning of the main season and at the end of the second season, when it was able to predict yield satisfactorily 25 days before harvest. For the YG analysis, 152 sites were assessed and their potential and attainable yields were compared to the actual yields reported by IBGE. The highest YGs caused by water deficit occurred for sandy soils and during the autumn and winter months, usually dry in most of Brazilian regions, reaching values above 12000 kg ha-1. For YG caused by crop management, the values were higher in the less technified regions, such as in the North and Northeast regions, with values above 6000 kg ha-1. In contrast, more traditional maize production regions, such as the South and Center-West, presented YG caused by crop management, lower than 3500 kg ha-1 in most cases.

Sendo o cereal mais produzido no mundo e em larga expansão, os sistemas de produção de milho são altamente complexos e sua produção é diretamente dependente de fatores ligados tanto ao clima local quanto ao manejo da cultura. Para auxiliar na determinação tanto dos patamares produtivos de milho quanto quantificar o impacto causado por condições adversas tanto de clima quanto de manejo, pode-se lançar mão do uso de modelos de simulação de culturas. Para que os modelos possam ser devidamente aplicados, uma base solida de dados meteorológicos deve ser consistida, a fim de alimentar esses modelos. Nesse sentido, o presente estudo teve como objetivos: i) avaliar dois sistemas de obtenção de dados meteorológicos, o NASA-POWER e o DailyGridded, comparando-os com dados medidos em estações de solo; ii) calibrar, testar e combinar os modelos de simulação MZA-FAO, CSM DSSAT Ceres-Maize e APSIM-Maize, a fim de estimar as produtividades potenciais e atingíveis do milho no Brasil; iii) avaliar o impacto na produtividade causado pelo posicionamento da semeadura em diferentes tipos de solo; iv) desenvolver e avaliar um sistema de previsão de safra baseado em modelos de simulação; v) mapear as produtividades potencial, atingível e real do milho no Brasil, identificando regiões mais aptas ao cultivo e vi) determinar e mapear as quebras de produtividade, ou yield gaps (YG) da cultura do milho no Brasil. Comparando os dados climáticos dos sistemas em ponto de grade com os dados de estações meteorológicas de superfície, na escala diária, encontrou-se boa correlação entre as variáveis meteorológicas, inclusive para a chuva, com R2 da ordem de 0,58 e índice d = 0,85. O desempenho da combinação dos modelos ao final da calibração e ajuste se mostrou superior ao desempenho dos modelos individuais, com erros absolutos médios relativamente baixos (EAM = 627 kg ha-1) e com boa precisão (R2 = 0,62) e ótima acurácia (d = 1,00). Durante a avaliação da influência das épocas de semeadura e do tipo de solo no patamar produtivo do milho, observou-se que esse varia de acordo com a região estudada e apresenta seus valores máximos e com menores riscos à produção quando a semeaduras coincidem com o início do período de chuvas do local. O sistema de previsão de safra, baseado em modelos de simulação de cultura teve seu melhor desempenho simulando produtividades de milho semeados no início da safra e no final da safrinha, sendo capaz de prever de forma satisfatória a produtividade com até 25 dias antes da colheita. Para o estudo dos YGs, 152 locais foram avaliados e suas produtividades potenciais e atingíveis foram comparadas às produtividades reais, obtidas junto ao IBGE. Os maiores YGs referentes ao déficit hídrico se deram em solos arenosos e durante os meses de outono e inverno, usualmente mais secos na maioria das regiões brasileiras, atingindo valores de quebra superiores a 12000 kg ha-1. Quanto ao YG causado pelo manejo, esse foi maior nas regiões menos tecnificadas, como na região Norte e na Nordeste, apresentando valores superiores a 6000 kg ha-1. Já as regiões mais tecnificadas e tradicionais na produção de milho, como a região Sul e a Centro-Oeste, os YGs referentes ao manejo foram inferiores a 3500 kg ha-1 na maioria dos casos. / Maize is the most important cereal cultivated in the world, being its production system very complex and its productivity directly affected by climatic and crop management factors. In order to quantify the impacts caused by water and crop management deficits on maize yield, the use of crop simulation models is very useful. For properly apply these models, a solid basis of meteorological data is required. In this sense, the present study had as objectives: i) to evaluate two meteorological gridded data, NASA-POWER and DailyGridded, by comparing them with measured data from surface stations; (ii) to calibrate, evaluate and combine the MZA-FAO, CSM DSSAT Ceres-Maize and APSIM-Maize simulation models to estimate the maize potential and attainable yields in Brazil; iii) to evaluate the impact caused by the different sowing dates and soil types on maize yield; iv) to develop and evaluate a crop forecasting system based on crop simulation models and climatological data; v) to map the potential and the attainable maize yields in Brazil, identifying the most suitable regions for cultivation, and vi) to determine and map maize yields and yield gaps (YG) in Brazil. Comparing the gridded climatic data with observed ones, on a daily basis, a good agreement was found for all weather variables, including rainfall, with R2 = 0.58 and d = 0,85. The performances of the combination of the models at the end of the calibration and evaluation phases were better than those obtained with the individual models, with relatively low mean absolute error (EAM = 627 kg ha-1) and with good precision (R2 = 0.62) and accuracy (d = 1.00). During the evaluation of different sowing dates and soil types on maize yield, it was observed that this variable depends on the region and presents the maximum values and, consequently, the minimum risk during the sowings in the beginning of the rainy season of each site. The crop forecasting system, based on crop simulation models, had its best performance for simulating maize yields when the sowings were performed at the beginning of the main season and at the end of the second season, when it was able to predict yield satisfactorily 25 days before harvest. For the YG analysis, 152 sites were assessed and their potential and attainable yields were compared to the actual yields reported by IBGE. The highest YGs caused by water deficit occurred for sandy soils and during the autumn and winter months, usually dry in most of Brazilian regions, reaching values above 12000 kg ha-1. For YG caused by crop management, the values were higher in the less technified regions, such as in the North and Northeast regions, with values above 6000 kg ha-1. In contrast, more traditional maize production regions, such as the South and Center-West, presented YG caused by crop management, lower than 3500 kg ha-1 in most cases.