Agroclimatic characterization and analysis of agricultural yield in the State of Maranhão, Brazil.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-10-29T18:40:50Z No. of bitstreams: 1 RONALDO HAROLDO DO NASCIMENTO - TESE PPGMet 2009..pdf: 9374609 bytes, checksum: b1cd4bbc8c39d54c9103f7e067ed61a4 (MD5)Made available in DSpace on 2018-10-29T18:40:50Z (GMT). No. of bitstreams: 1 RONALDO HAROLDO DO NASCIMENTO - TESE PPGMet 2009..pdf: 9374609 bytes, checksum: b1cd4bbc8c39d54c9103f7e067ed61a4 (MD5) Previous issue date: 2009-07-17CapesAs condições agroclimáticas predominantes sobre uma região particular, principalmente durante o ciclo produtivo das culturas, são determinantes para a variabilidade observada do rendimento agrícola nas áreas cultivadas. Considerando essa premissa, esse estudo visou, por meio de métodos geoestatísticos e multivariados, caracterizar o Estado do Maranhão quanto às variáveis climáticas de interesse agrícola. Analisa-se a variabilidade espacial da precipitação e a sua regionalização, bem como, a determinação de indicadores constituídos de variáveis agroclimáticas e oceanográficas, no sentido de verificar empiricamente a sua relação com o rendimento agrícola das culturas de soja, milho e arroz nas principais regiões produtoras do estado. Os resultados mostram que a variabilidade espacial da precipitação mensal pode ser detectada e modelada para o Estado do Maranhão, marcada pela tendência geográfica mensal e anisotropia em graus e direções diferentes em quase todos os meses, exceto janeiro e setembro que apresentaram padrão isotrópico. A distribuição espacial da precipitação evidenciou que os sistemas atmosféricos produtores de chuvas não ocorrem com mesma intensidade sobre o Maranhão. As diferenças regionais ficaram evidentes com a regionalização da precipitação, definindo dez regiões homogêneas, cobrindo áreas com características fisiográficas específicas, retratando os sistemas atmosféricos dominantes. A caracterização dessas regiões com respeito à estação de crescimento e balanço hídrico ratificou as diferenças regionais existentes dentro do Estado. A técnica de análise de componentes principais se mostrou eficiente na proposição de indicadores para a análise do rendimento agrícola das culturas de soja, milho e arroz nas principais regiões produtoras, onde os modelos empíricos propostos apresentaram bons ajustes, de acordo com o coeficiente de regressão ajustado e índice de Willmott (1985).The agroclimatic conditions predominant on a particular region, especially during growing season, are responsable for the agricultural yield variability in the cultivated areas. Considering this premise, this study aimed, by multivariate and geostatistical methods, to characterize the State of Maranhão is relation to climatic variables of interest for agriculture, to analyze the spatial variability of rainfall and its regionalization to create indicators, consisting of agroclimatic and oceanographic variables, to evaluate empirically the soybeans, corn and rice yields in the major producing regions. The results showed that the spatial variability of monthly precipitation can be detected and modeled in the State of Maranhão, been marked by geographical monthly trend and anisotropy in different directions and degrees in all months except January and September which showed standard isotropy. The spatial distribution of rainfall showed that the atmospheric systems responsible for producing rain do not happen with the same intensity in the different regions of the state. The regional rainfall differences were detected, defining ten homogeneous regions, covering areas with specific physiographic features, showing the dominant atmospheric systems in the state. The characterization of these regions in relation to the growing season and water balance confirmed the regional differences in the state. The technique of principal component analysis was effective in identifying ideals indicators for assessing the analysis of soybeans, corn and rice crops in the major producing regions, where the proposed empirical models showed good adjust, based in the coefficient of the regression adjusted e index of the Willmott (1985)