Made available in DSpace on 2017-07-21T14:19:23Z (GMT). No. of bitstreams: 1 Albino Szesz Junior.pdf: 2551855 bytes, checksum: ad2fa2da3cef74797c4e91a3da0e453b (MD5) Previous issue date: 2015-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The aim of this work is to present the SEMEARE, a methodology for defining periods of sowing of crops, with four stages, including planning, modeling, experimentation and decision making. At the planning stage the goals and strategies for defining the sowing periods are defined and analyzed the agricultural context of the study area. In the modeling stage, the simulation models are set to be used, sowing dates and other necessary data. After system modeling and simulations performed are obtained yield values, germination time, number of days to harvest, among others, for each specific date. At the trial stage analysis of the information and you can set the best times for sowing culture defined and then make decision making. For validation, the methodology we used the MarkSimGCM a climate data simulator, to generate daily weather data, and the DSSAT, Version 4.5, using CERES-Maize model to simulate growth of corn. The simulation was applied to a hypothetical maize cultivar with average maturity characteristics in a real location (S25 ° 09'18.70 "W 50 ° 05'15.65"),with planting carried out under rainfed conditions, sowing depth 5 cm spacing planting 20 cm between seeds and 50 cm between plant rows and plant population: 10 plants / m2. Thus the DSSAT addresses the data of corn, while the MarkSimGCM simulates weather data for use in DSSAT in creating a weather station with daily data of maximum and minimum temperature, precipitation and solar radiation between 2011 and 2014. We simulated in 29 different sowing dates in Vintage 2011-2012, 2012- 2013, 2013-2014. From this income was generated graphs, maturation cycle,information used in decision making. This research resulted in the development of a generic methodology, which enables the use of different simulation models of crops and climate data, interacting with different systems of decision support as agricultural. / O objetivo desta dissertação é apresentar a SEMEARE uma metodologia para definição de períodos de semeadura de culturas agrícolas, com quatro etapas, incluindo planejamento, modelagem, experimentação e tomada de decisão. Na etapa de planejamento são definidos os objetivos e estratégias para definição dos períodos de semeadura, bem como analisado o contexto agrícola da área de estudo. Na etapa de modelagem são definidos os modelos de simulação a serem utilizados, datas de semeadura e demais dados necessários. Após a modelagem do sistema e executadas as simulações são obtidos os valores de rendimento, tempo de germinação, número de dias para colheita, entre outros, para cada data definida. Na etapa de experimentação são analisadas as informações sendo possível definir os melhores períodos de semeadura para a cultura definida e, então, realizar a tomada de decisão. Para validação, a metodologia utilizou-se do MarkSimGCM, um simulador de dados climáticos, para geração de dados climáticos diários, e o DSSAT, Versão 4.5, através do Modelo CERES-Maize, para simulação de crescimento da cultura do milho. A simulação foi aplicada em um cultivar hipotético do milho com características de maturidade média, em uma localização real (S25°09'18.70" W50°05'15.65"), com plantio realizado em condições de sequeiro, profundidade de semeadura 5 cm, espaçamento de plantio 20 cm entre sementes e 50 cm entre linhas de plantio e população de plantas: 10 plantas/m2. Dessa forma o DSSAT aborda os dados da cultura do milho, enquanto o MarkSimGCM simula dados climáticos para serem utilizados no DSSAT na criação de uma estação meteorológica com dados diários de temperatura máxima e mínima, precipitação e radiação solar entre 2011 e 2014. Foram realizadas simulações em 29 diferentes datas de semeadura, nas Safras 2011- 2012, 2012-2013, 2013-2014. A partir disso gerou-se gráficos de rendimento, ciclo de maturação, informações utilizadas na tomada de decisão. Esta pesquisa resultou no desenvolvimento de uma metodologia genérica, a qual possibilita a utilização de diferentes modelos de simulação de culturas agrícolas e de dados climáticos, interagindo com diferentes sistemas de apoio a decisão no âmbito agrícola.