Resumo A produtividade da cultura do maracujá depende do comportamento das variáveis climáticas, e a modelagem da relação de dependência destas variáveis com a produtividade da cultura oferece informações que visam a facilitar a tomada de decisão do agronegócio. Como objetivo principal, a produtividade da cultura do maracujá foi estimada por meio de modelos matemáticos. Uma análise estatística multivariada e univariada das variáveis meteorológicas foi realizada durante o período de observação entre 2007 e 2014 das estações climatológicas selecionadas, identificadas e localizadas no trópico médio colombiano (Região administrativa de Huila). Foram analisadas as relações de produtividade com as seguintes variáveis agroclimáticas: temperatura, brilho solar, umidade relativa, precipitação e ENOS em resolução mensal com modelos empíricos e mecanísticos, recomendados na literatura científica. Os resultados mostraram que o modelo de regressão múltipla requer os maiores picos de rendimento; o ajuste do modelo é baixo, enquanto modelos univariados, como o modelo ARIMA, apresentaram melhor ajuste nas séries temporais analisadas. O modelo de rendimento de água de Stewart tem melhor desempenho para estimar rendimento em função da evapotranspiração nas diferentes fases fenológicas.

Abstract Passion fruit crop yield depends on the behavior of climatic variables, and modeling the dependence relationship of these variables regarding crop yield offers information aimed at facilitating agribusiness decision making. As main aim, passion fruit crop yield was estimated using mathematical models. A multivariate and univariate statistical analysis of meteorological variables was carried out during the observation period between 2007 and 2014 of selected weather stations, identified and located in the Colombian middle tropics (County of Huila). The relationship between yield with the following agroclimatic variables were analyzed: temperature, sunlight, relative humidity, rainfall and ENSO at monthly resolution with empirical and mechanistic models, recommended in scientific literature. Results showed that the multiple regression model requires the highest yield peaks; the adjustment of the multiple regression model is low, while univariate models such as the ARIMA model showed better adjustment in the time series analyzed. The Stewart’s water-yield model has better performance to estimate yield as a function of evapotranspiration in the different phenological phases.