Sowing dates for soybean crop based on climate risk and net income for the main Brazilian producing regions

A cultura da soja é cultivada em quase todo o território nacional, sendo a de maior área de cultivo no Brasil. Nessas áreas, o principal fator que limita a produtividade da cultura é o déficit hídrico. Com isso, estratégias de manejo da cultura devem ser avaliadas, buscandose identificar os períodos de semeadura de menores riscos climáticos e maior rentabilidade. Além das condições climáticas, características específicas das cultivares também podem ser utilizadas no manejo da cultura da soja, como os níveis de tolerância ao déficit hídrico. Assim, as condições climáticas e de tolerância ao déficit hídrico das cultivares de soja podem ser consideradas em modelos de estimativa de produtividade, auxiliando na definição das épocas preferências de semeadura. Com base nisso, o objetivo deste estudo foi calibrar um modelo agrometeorológico para a estimativa da produtividade da soja e, posteriormente, aplicá-lo em diferentes regiões brasileiras para definir as épocas preferenciais de semeadura, levando-se em consideração também os custos de produção. Para tanto, utilizou-se o modelo da Zona Agroecológica - FAO para a estimativa da produtividade potencial da cultura (PPF) da soja, a qual, posteriormente, foi penalizada em função do déficit hídrico, obtendo-se a produtividade atingível. Este modelo foi calibrado com dados de produtividade observada a campo. Os coeficientes calibrados, de forma específica por cultivar, foram o de sensibilidade ao déficit hídrico (Ky) por fase de desenvolvimento da cultura e o coeficiente de colheita (Cc), objetivando a minimização do erro absoluto médio entre as produtividades estimada e observada. Os valores de Ky foram utilizados para diferenciar grupos de cultivares quanto à tolerância ao déficit hídrico. Com os coeficientes do modelo (Ky e Cc) calibrados realizou-se a estimativa de produtividade atingível para 15 diferentes localidades brasileiras, para identificar períodos favoráveis à semeadura, em que a produtividade estimada foi maior que o custo de produção em sacas por hectare. Após definir os períodos favoráveis à semeadura, esses foram comparados aos recomendados pelo Zoneamento de Risco Climático do Ministério da Agricultura, Pecuária e Abastecimento (MAPA). Para a calibração do modelo, o desempenho obtido foi classificado como muito bom. A partir dos valores de Ky calibrados foram definidos quatro grupos de cultivares quanto à tolerância ao déficit hídrico, classificados em tolerância alta, média alta, média baixa e baixa, com os valores de Ky para a fase floração-enchimento de grãos sendo de 0,78, 0,88, 0,90 e 0,97, respectivamente. A partir das simulações de produtividade foi possível identificar períodos de maior probabilidade da produtividade da soja ultrapassar o custo de produção, definindo os decêndios aptos para a semeadura. Observou-se que os períodos de cultivo da soja pela metodologia proposta diferiram do zoneamento agrícola de risco climático, sendo essa diferença dependente da localidade. Portanto, conclui-se que a definição das épocas preferenciais de semeadura da soja, com base na estimativa da produtividade da cultura utilizando-se séries climáticas históricas e incluindo-se as particulares das cultivares quanto à tolerância ao déficit hídrico e ao custo de produção, gera informações mais consistentes e que permitem ao produtor minimizar as perdas de produtividade decorrentes do estresse hídrico.Soybeans are cultivated in almost all Brazilian states, where it is the major crop in terms of area. In these regions the main limiting factor for the crop is water deficit. So, sowing dates should be evaluated to find, among other factors, when occur the lower climate risk and the highest yield. Besides weather conditions, characteristics of soybean cultivars, as water stress tolerance, can also be used to choose the best sowing dates. Thus, both weather conditions and water deficit tolerance can be considered in crop yield models, helping to define the best sowing dates. Based on that, the aim of this study was to calibrate an agrometeorological model for estimating soybean yield and apply it in different Brazilian producing regions to define the best sowing dates, taking also into account the production costs. The FAO Agro-ecological zone model was used for estimating potential yield (PPF), which was then penalized by a water deficit depletion function for obtaining the attainable yield. This model was calibrated with actual yield data from field experiments of soybeans cultivars competition. The calibrated crop parameters were water deficit sensitivity index (Ky), for each cultivar and growth stage, and harvest index (Cc), which aimed to obtain the smallest mean absolute error between estimated and actual yields. Calibrated Ky values were used to differentiate cultivar groups regarding the water stress tolerance. The calibrated model was used to estimate soybean yield for 15 Brazilian locations in order to identify the sowing dates when yields, in bags per hectare, overcome the production costs. The best sowing dates obtained were compared with those recommended by the Climate Risk Zoning of Minister of Agriculture, Livestock and Food Supply (MAPA). The calibrated model presented a very good performance, demonstrating its capacity for estimating soybean yield. According to Ky values, soybean cultivars were split in four groups of water deficit tolerance, being high, medium high, medium low and low tolerance, with Ky for reproductive stage of 0.75, 0.88, 0.90, 0.97, respectively. Based on the soybean yield simulations, it was possible to identify the sowing dates when the probability of yields is higher than production costs. The sowing periods obtained by the proposed method were different from those recommended by the MAPAS´s climate risk zoning, depending on the location. Therefore, it was concluded that the definition of the best sowing dates for soybean crop, based on the estimated yields using a crop yield model with historical climate data and considering the cultivars water deficit tolerance and production costs, can generate more accurate information, allowing growers to minimize the yield losses due to water deficit