Hierarchical crop growth models can contribute signi®cantly to land quality research because the yield gap between the estimated optimum and the actual crop production has been identi®ed as a major land quality indicator. This study describes a three-level, hierarchical crop production model, simulating radiation-thermal, water-limited and natural production potentials of annual crops. Input requirements have been kept low to ensure its applicability to developing regions, which often have access only to limited data. The simplicity of this model also has disadvantages: inconsistencies have been reported when applying this model in semiarid regions, which are characterized by very irregular rainfall patterns. Revision of the water balance, which simulates the availability of water, was required. The modi®ed model was validated using the experimental yields of maize and sun¯ower in Guquka, a semiarid region of South Africa. Yields were estimated very well, possible improvements to crop production were identi®ed and implications for land-use planning highlighted. Yield gap analysis revealed that radiation, sunshine and temperature are favourable for crop production, but the heavy dependence on rainfall makes the region very vulnerable to drought, with devastating impact on yields. The generally low chemical soil fertility further reduces crop performance.

O amendoim (Arachis hypogaea L.) é originário da América do Sul e foi amplamente disseminado pelo mundo, provavelmente por causa do seu sabor agradável e valor nutritivo. A cultura do amendoim é uma alternativa em sistema de rotação de culturas em áreas de cana-de-açúcar no momento da reforma dos canaviais, sendo esta a razão pela qual o Estado de São Paulo, principal produtor de cana, seja também o principal produtor brasileiro de amendoim. A aplicação do conceito da eficiência de produção agrícola para avaliação da cultura do amendoim pode fundamentar análises estratégicas para o setor. Uma das ferramentas usadas para este tipo de aplicação são os modelos baseados em processos. Dentre os modelos de crescimento para a cultura do amendoim já existente, destaca-se o incluído no sistema computacional DSSAT, denominado CROPGRO, que tem sido bastante aplicado em todo o mundo por pesquisadores da área. O desenvolvimento de modelos próprios por pesquisadores intensifica o processo de aprendizado e auxilia na redução de incertezas. O objetivo deste trabalho foi gerar conhecimento sobre a cultura do amendoim quanto a necessidade hídrica, conciliado ao desenvolvimento e calibração de modelos de simulação para quantificação da eficiência de produção agrícola nas principais regiões produtoras do Estado de São Paulo. A calibração do modelo CROPGRO-Peanut foi eficiente em simular a fenologia, para as variáveis vegetativas o índice d de Wilmott foi satisfatório para IAF (0,88 a 0,90), N° de folhas (0,58 a 0,85), AF específica (0,82 a 0,98), massa vegetativa (0,94 a 0,98) conforme a reposição hídrica aplicada, com valores de r2 acima de 0,65. Quanto as variáveis produtivas, embora os índices d e r2 foram satisfatórios, a EF foi baixa para ambos os tratamentos. Já o Simulador agronômico simplificado para Arachis hypogaea (SASAH), modelo inicialmente proposto neste trabalho pode ser considerando ainda em fase de construção e necessita de ajustes adicionais em seus algoritmos, não sendo utilizado na tese para simulação da produção potencial e atingível do amendoim. A eficiência média da produção no estado de São Paulo é de 52%, variando entre 33% em Ribeirão Preto até 72% em Marília. / Peanut (Arachis hypogaea L.) originates from South America and was widely disseminated throughout the world, probably because of its pleasant taste and nutritional value. The peanut crop is an alternative in a system of crop rotation in areas of sugarcane at the time of sugarcane reform, which is why the State of São Paulo, the main producer of sugarcane, is also the main producer Brazilian peanut. The application of the concept of agricultural production efficiency to evaluate the peanut crop can support strategic analysis for the sector. One of the tools used for this type of application is process-based models. Among the growth models for the existing peanut crop, the one included in the DSSAT computer system, called CROPGRO, has been widely applied by researchers in the area. The development of own models by researchers intensifies the learning process and helps reduce uncertainty. The goal of this work was to generate knowledge about the peanut crop as the water requirement, the development and calibration of simulation models to quantify the agricultural production efficiency in the main producing regions of the São Paulo State. The calibration of the CROPGRO-Peanut model was efficient in simulate the phenology, for the vegetative variables the Wilmott index was satisfactory for LAI (0.88 to 0.90), N° of leaves (0.58 to 0.85), Specific AF (0.82 to 0.98), vegetative mass (0.94 to 0.98) according to the applied water replacement, with r2 values above 0.65. Regarding the productive variables, although the indices d and r2 were satisfactory, the EF was low for both treatments. The simplified agronomic simulator for Arachis hypogaea (SASAH), a model initially proposed in this work, can be considered still in the construction phase and requires additional adjustments in its algorithms, and it is not used in the thesis to simulate the potential and attainable yield of peanuts. The average efficiency of production in the state of São Paulo is 52%, ranging from 33% in Ribeirão Preto to 72% in Marília.

Em um contexto global de aumento da demanda por produtos agrícolas, especialmente de proteína animal, concomitante às mudanças climáticas e escassez de áreas para expansão agrícola, o processo de intensificação sustentável da pecuária é colocado como um importante \"piloto\" frente às políticas públicas setoriais. O Plano ABC, exemplo deste tipo de política pública, destina recursos através do Programa ABC para a recuperação de pastagens degradadas. A identificação de pastagens degradadas se dá através de indicadores de baixa produtividade da pecuária, principalmente pautados na baixa lotação animal. Esta premissa nem sempre é verdadeira, pois há áreas com baixa capacidade de suporte, em função de limitações físicas, mas que não se encontram necessariamente degradadas. A utilização de modelos biofísicos de crescimento de forragem é uma possível alternativa de abordagem à problemática, que pode auxiliar na identificação espacial de áreas onde a pecuária poderia se intensificar sem implicar em impactos ambientais, de modo a melhor direcionar políticas públicas que busquem estimular este processo. O objetivo deste estudo foi determinar para o estado de São Paulo a eficiência na produção e o yield gap (lacuna de produtividade) explorável da pastagem via modelagem mecanística para identificar as áreas com maior potencial de intensificação da pecuária e compará-las com a geografia de aplicação do crédito agrícola do Programa ABC para recuperação de pastagens degradadas. O estudo foi organizado da seguinte forma: a primeira parte (Capítulo 2) apresenta uma discussão acerca das áreas de pastagem com maior potencial de incremento de produtividade com base nas simulações no CROPGRO Perennial Forage para crescimento da pastagem de modo a definir a eficiência produtiva e os yield gaps da pastagem para o estado de São Paulo; a segunda parte (Capítulo 3) traz a análise de desempenho do Programa ABC em relação à aplicação desse recurso para recuperação de pastagem degradada (RPD), ou seja, avaliar se o crédito está sendo aplicado em regiões de maior potencial para incremento de produtividade, com base nos valores de yield gap explorável encontrados anteriormente. A eficiência média atual da produção de pastagens (razão entre produtividade real e produtividade atingível) encontrada via simulação no estado de São Paulo foi de 46,4% e um yield gap médio explorável de 5,8 Mg.ha-1.ano-1 de biomassa úmida. Estes resultados indicam que há um significativo espaço para incremento de produtividade das pastagens neste estado. A priorização de áreas de maior yield gap para intensificação pode contribuir para a redução da pressão por abertura de novas áreas de pastagem em locais com baixo potencial produtivo, áreas estas que podem ser ocupadas para produção agrícola ou para a regularização ambiental, evitando a expansão do desmatamento. O presente estudo buscou contribuir, através de resultados em escala estadual, para futuros estudos em escala nacional, mostrando que o uso de modelos mecanísticos como o CROPGRO Perennial Forage podem ser instrumentos de grande utilidade na avaliação e no direcionamento de políticas públicas condizentes com a construção de diretrizes para o desenvolvimento rural sustentável. / In a global context of increasing demand for agricultural resources, especially animal protein, combined with climate change and scarcity of areas for agricultural expansion, the process of sustainable intensification of livestock farming is placed as an important public policie issue. The ABC Plan, an example of this type of public policy, allocates resources through the ABC Program for the recovery of degraded pastures. The identification of degraded pastures occurs through indicators of low productivity of livestock, mainly based on low animal stocking (UA.ha-1). This premise is not always true, as there are areas with low support capacity , due to physical limitations, but that are not necessarily degraded. The use of biophysical models of forage growth is an alternative approach to this problem, which may help in the spatial identification of areas where livestock could be intensified without environmental impacts, in order to guide public policies seeking to stimulate this process . The objective of this study was to determine pasture yield efficiency and yield gap for São Paulo State , using models to identify areas with the greatest potential for livestock intensification and compare them with the geography of the ABC program application. The study was organized as follows: the first part (Chapter 2) presents a discussion about pasture areas with the greatest potential for productivity increase, based on simulations in CROPGRO Perennial Forage for the growth of Brachiaria brizantha cv Marandu in order to define the productive efficiency and the yield gaps of the pasture for São Paulo State; the second part (Chapter 3) presents the performance analysis of the ABC Program in relation to the application of this resource for degraded pasture recovery (RPD), i.e., to evaluate if the credit is being applied in regions with greater potential for productivity increase, based on the explorable yield gap values previously found. The current average efficiency of pasture production (ratio between real productivity and attainable productivity) found by simulation in São Paulo State was 46.4% and an average yield gap of 5.8 Mg.ha-1.year-1 . These results indicate that there is a significant space to increase pasture productivity in this State. Prioritization of areas with a higher yield gap for intensification may contribute to the reduction of pressure for opening new pasture areas in areas with low productive potential, areas that can be occupied for agricultural production or for environmental regulation, avoiding the expansion of deforestation.The present study sought to contribute, through statewide results, to future studies on a national scale, showing that the use of mechanistic models, such as CROPGRO Perennial Forage, can be very useful for evaluating and directing public policies aimed at rural sustainable development.

Em um contexto global de aumento da demanda por produtos agrícolas, especialmente de proteína animal, concomitante às mudanças climáticas e escassez de áreas para expansão agrícola, o processo de intensificação sustentável da pecuária é colocado como um importante \"piloto\" frente às políticas públicas setoriais. O Plano ABC, exemplo deste tipo de política pública, destina recursos através do Programa ABC para a recuperação de pastagens degradadas. A identificação de pastagens degradadas se dá através de indicadores de baixa produtividade da pecuária, principalmente pautados na baixa lotação animal. Esta premissa nem sempre é verdadeira, pois há áreas com baixa capacidade de suporte, em função de limitações físicas, mas que não se encontram necessariamente degradadas. A utilização de modelos biofísicos de crescimento de forragem é uma possível alternativa de abordagem à problemática, que pode auxiliar na identificação espacial de áreas onde a pecuária poderia se intensificar sem implicar em impactos ambientais, de modo a melhor direcionar políticas públicas que busquem estimular este processo. O objetivo deste estudo foi determinar para o estado de São Paulo a eficiência na produção e o yield gap (lacuna de produtividade) explorável da pastagem via modelagem mecanística para identificar as áreas com maior potencial de intensificação da pecuária e compará-las com a geografia de aplicação do crédito agrícola do Programa ABC para recuperação de pastagens degradadas. O estudo foi organizado da seguinte forma: a primeira parte (Capítulo 2) apresenta uma discussão acerca das áreas de pastagem com maior potencial de incremento de produtividade com base nas simulações no CROPGRO Perennial Forage para crescimento da pastagem de modo a definir a eficiência produtiva e os yield gaps da pastagem para o estado de São Paulo; a segunda parte (Capítulo 3) traz a análise de desempenho do Programa ABC em relação à aplicação desse recurso para recuperação de pastagem degradada (RPD), ou seja, avaliar se o crédito está sendo aplicado em regiões de maior potencial para incremento de produtividade, com base nos valores de yield gap explorável encontrados anteriormente. A eficiência média atual da produção de pastagens (razão entre produtividade real e produtividade atingível) encontrada via simulação no estado de São Paulo foi de 46,4% e um yield gap médio explorável de 5,8 Mg.ha-1.ano-1 de biomassa úmida. Estes resultados indicam que há um significativo espaço para incremento de produtividade das pastagens neste estado. A priorização de áreas de maior yield gap para intensificação pode contribuir para a redução da pressão por abertura de novas áreas de pastagem em locais com baixo potencial produtivo, áreas estas que podem ser ocupadas para produção agrícola ou para a regularização ambiental, evitando a expansão do desmatamento. O presente estudo buscou contribuir, através de resultados em escala estadual, para futuros estudos em escala nacional, mostrando que o uso de modelos mecanísticos como o CROPGRO Perennial Forage podem ser instrumentos de grande utilidade na avaliação e no direcionamento de políticas públicas condizentes com a construção de diretrizes para o desenvolvimento rural sustentável. / In a global context of increasing demand for agricultural resources, especially animal protein, combined with climate change and scarcity of areas for agricultural expansion, the process of sustainable intensification of livestock farming is placed as an important public policie issue. The ABC Plan, an example of this type of public policy, allocates resources through the ABC Program for the recovery of degraded pastures. The identification of degraded pastures occurs through indicators of low productivity of livestock, mainly based on low animal stocking (UA.ha-1). This premise is not always true, as there are areas with low support capacity , due to physical limitations, but that are not necessarily degraded. The use of biophysical models of forage growth is an alternative approach to this problem, which may help in the spatial identification of areas where livestock could be intensified without environmental impacts, in order to guide public policies seeking to stimulate this process . The objective of this study was to determine pasture yield efficiency and yield gap for São Paulo State , using models to identify areas with the greatest potential for livestock intensification and compare them with the geography of the ABC program application. The study was organized as follows: the first part (Chapter 2) presents a discussion about pasture areas with the greatest potential for productivity increase, based on simulations in CROPGRO Perennial Forage for the growth of Brachiaria brizantha cv Marandu in order to define the productive efficiency and the yield gaps of the pasture for São Paulo State; the second part (Chapter 3) presents the performance analysis of the ABC Program in relation to the application of this resource for degraded pasture recovery (RPD), i.e., to evaluate if the credit is being applied in regions with greater potential for productivity increase, based on the explorable yield gap values previously found. The current average efficiency of pasture production (ratio between real productivity and attainable productivity) found by simulation in São Paulo State was 46.4% and an average yield gap of 5.8 Mg.ha-1.year-1 . These results indicate that there is a significant space to increase pasture productivity in this State. Prioritization of areas with a higher yield gap for intensification may contribute to the reduction of pressure for opening new pasture areas in areas with low productive potential, areas that can be occupied for agricultural production or for environmental regulation, avoiding the expansion of deforestation.The present study sought to contribute, through statewide results, to future studies on a national scale, showing that the use of mechanistic models, such as CROPGRO Perennial Forage, can be very useful for evaluating and directing public policies aimed at rural sustainable development.

O amendoim (Arachis hypogaea L.) é originário da América do Sul e foi amplamente disseminado pelo mundo, provavelmente por causa do seu sabor agradável e valor nutritivo. A cultura do amendoim é uma alternativa em sistema de rotação de culturas em áreas de cana-de-açúcar no momento da reforma dos canaviais, sendo esta a razão pela qual o Estado de São Paulo, principal produtor de cana, seja também o principal produtor brasileiro de amendoim. A aplicação do conceito da eficiência de produção agrícola para avaliação da cultura do amendoim pode fundamentar análises estratégicas para o setor. Uma das ferramentas usadas para este tipo de aplicação são os modelos baseados em processos. Dentre os modelos de crescimento para a cultura do amendoim já existente, destaca-se o incluído no sistema computacional DSSAT, denominado CROPGRO, que tem sido bastante aplicado em todo o mundo por pesquisadores da área. O desenvolvimento de modelos próprios por pesquisadores intensifica o processo de aprendizado e auxilia na redução de incertezas. O objetivo deste trabalho foi gerar conhecimento sobre a cultura do amendoim quanto a necessidade hídrica, conciliado ao desenvolvimento e calibração de modelos de simulação para quantificação da eficiência de produção agrícola nas principais regiões produtoras do Estado de São Paulo. A calibração do modelo CROPGRO-Peanut foi eficiente em simular a fenologia, para as variáveis vegetativas o índice d de Wilmott foi satisfatório para IAF (0,88 a 0,90), N° de folhas (0,58 a 0,85), AF específica (0,82 a 0,98), massa vegetativa (0,94 a 0,98) conforme a reposição hídrica aplicada, com valores de r2 acima de 0,65. Quanto as variáveis produtivas, embora os índices d e r2 foram satisfatórios, a EF foi baixa para ambos os tratamentos. Já o Simulador agronômico simplificado para Arachis hypogaea (SASAH), modelo inicialmente proposto neste trabalho pode ser considerando ainda em fase de construção e necessita de ajustes adicionais em seus algoritmos, não sendo utilizado na tese para simulação da produção potencial e atingível do amendoim. A eficiência média da produção no estado de São Paulo é de 52%, variando entre 33% em Ribeirão Preto até 72% em Marília. / Peanut (Arachis hypogaea L.) originates from South America and was widely disseminated throughout the world, probably because of its pleasant taste and nutritional value. The peanut crop is an alternative in a system of crop rotation in areas of sugarcane at the time of sugarcane reform, which is why the State of São Paulo, the main producer of sugarcane, is also the main producer Brazilian peanut. The application of the concept of agricultural production efficiency to evaluate the peanut crop can support strategic analysis for the sector. One of the tools used for this type of application is process-based models. Among the growth models for the existing peanut crop, the one included in the DSSAT computer system, called CROPGRO, has been widely applied by researchers in the area. The development of own models by researchers intensifies the learning process and helps reduce uncertainty. The goal of this work was to generate knowledge about the peanut crop as the water requirement, the development and calibration of simulation models to quantify the agricultural production efficiency in the main producing regions of the São Paulo State. The calibration of the CROPGRO-Peanut model was efficient in simulate the phenology, for the vegetative variables the Wilmott index was satisfactory for LAI (0.88 to 0.90), N° of leaves (0.58 to 0.85), Specific AF (0.82 to 0.98), vegetative mass (0.94 to 0.98) according to the applied water replacement, with r2 values above 0.65. Regarding the productive variables, although the indices d and r2 were satisfactory, the EF was low for both treatments. The simplified agronomic simulator for Arachis hypogaea (SASAH), a model initially proposed in this work, can be considered still in the construction phase and requires additional adjustments in its algorithms, and it is not used in the thesis to simulate the potential and attainable yield of peanuts. The average efficiency of production in the state of São Paulo is 52%, ranging from 33% in Ribeirão Preto to 72% in Marília.

O Brasil está adotando políticas agrícolas, florestais e ambientais, como o Novo Código Florestal e o Acordo de Paris sobre Mudança Climática, com base no pressuposto de que o aumento da produtividade da pecuária irá liberar terras para expandir a produção agrícola, diminuir a pressão do desmatamento, contribuir para a recomposição florestal, e reduzir emissões de gases do efeito estufa provenientes de mudanças do uso do solo. Um modelo computável de equilíbrio geral, denominado TERM-BR, configurado, desenhado e desenvolvido para a economia brasileira foi utilizado para simular os impactos resultantes da redução do hiato de produtividade da pecuária de corte no Brasil, que foi calculado com dados recentes da pecuária produzidos a partir de técnicas de geoprocessamento. Verificou-se que a intensificação da pecuária realmente libera terras para agricultura e evita desmatamento futuro na região da Amazônia e Cerrado, e libera terras para produção agrícola nos demais locais do país, ainda que não tenha implicações sobre suas áreas de florestas, que já estão definidas e consolidadas. Constatou-se também que o aumento da produtividade da pecuária contribui para diminuir as emissões do setor agrícola e florestal, devido a mudanças do uso do solo que favorecem a redução do desmatamento futuro, no entanto essa política eleva o total de emissões da economia brasileira, pois impulsiona a atividade econômica. / Brazil is adopting agricultural, environmental, and forest policies, like the New Forest Code and the Paris Climate Agreement, based on the hypothesis that the increase of cattle productivity will release land for agricultural production, contribute for forest recover, and reduce greenhouse gas emissions derived from land use change. A computable general equilibrium model, named TERM-BR, designed and developed for the Brazilian economy, was employed to simulate the impacts produced by closing the cattle yield gap, which was estimated with recent data generated by geoprocessing methods. Indeed, it was verified that the intensification of cattle raising can release additional land for agriculture, it is able to avoid future deforestation in the Amazon and Brazilian Savanna, and at the same time it also releases land for agricultural production in other places of the country, but without consequences for its forests, since their areas already are well delimited and consolidated. It was also verified that the increase of cattle productivity contributes to reduce emissions in the agricultural and forest sectors, due to land use change that help to diminish future deforestation, however this policy enhances the total emissions of the Brazilian economy, because it increases economic activity.

O Brasil está adotando políticas agrícolas, florestais e ambientais, como o Novo Código Florestal e o Acordo de Paris sobre Mudança Climática, com base no pressuposto de que o aumento da produtividade da pecuária irá liberar terras para expandir a produção agrícola, diminuir a pressão do desmatamento, contribuir para a recomposição florestal, e reduzir emissões de gases do efeito estufa provenientes de mudanças do uso do solo. Um modelo computável de equilíbrio geral, denominado TERM-BR, configurado, desenhado e desenvolvido para a economia brasileira foi utilizado para simular os impactos resultantes da redução do hiato de produtividade da pecuária de corte no Brasil, que foi calculado com dados recentes da pecuária produzidos a partir de técnicas de geoprocessamento. Verificou-se que a intensificação da pecuária realmente libera terras para agricultura e evita desmatamento futuro na região da Amazônia e Cerrado, e libera terras para produção agrícola nos demais locais do país, ainda que não tenha implicações sobre suas áreas de florestas, que já estão definidas e consolidadas. Constatou-se também que o aumento da produtividade da pecuária contribui para diminuir as emissões do setor agrícola e florestal, devido a mudanças do uso do solo que favorecem a redução do desmatamento futuro, no entanto essa política eleva o total de emissões da economia brasileira, pois impulsiona a atividade econômica. / Brazil is adopting agricultural, environmental, and forest policies, like the New Forest Code and the Paris Climate Agreement, based on the hypothesis that the increase of cattle productivity will release land for agricultural production, contribute for forest recover, and reduce greenhouse gas emissions derived from land use change. A computable general equilibrium model, named TERM-BR, designed and developed for the Brazilian economy, was employed to simulate the impacts produced by closing the cattle yield gap, which was estimated with recent data generated by geoprocessing methods. Indeed, it was verified that the intensification of cattle raising can release additional land for agriculture, it is able to avoid future deforestation in the Amazon and Brazilian Savanna, and at the same time it also releases land for agricultural production in other places of the country, but without consequences for its forests, since their areas already are well delimited and consolidated. It was also verified that the increase of cattle productivity contributes to reduce emissions in the agricultural and forest sectors, due to land use change that help to diminish future deforestation, however this policy enhances the total emissions of the Brazilian economy, because it increases economic activity.

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.

No description available.