Resumo: O objetivo deste trabalho foi elaborar o zoneamento agrícola de risco climático (ZARC) para Physalis peruviana, por meio das exigências térmicas e hídricas da cultura na região Sudeste do Brasil. Foram utilizados dados de temperatura do ar (TAR) e precipitação (PANO) de 1.530 estações meteorológicas que contemplam toda a região. As regiões foram consideradas climaticamente favoráveis a Physalis peruviana quando a TAR foi entre 13 e 18ºC e a PANO entre 1.000 e 2.000 mm por ano. As regiões com TAR acima de 30ºC ou abaixo de 13ºC foram consideradas inaptas. Os mapas foram construídos a partir dessas informações e usadas para identificar as características climáticas e estabelecer as classes de aptidão agrícola, denominadas aptas, inaptas e marginais para o cultivo de Physalis peruviana. A região Sudeste apresentou variação térmica de 16,5 a 22,6°C e amplitude hídrica de 800 a 2.800 mm. O ZARC mostra que 10% da região Sudeste do Brasil são climaticamente aptos ao cultivo do Physalis peruviana, o que corresponde às regiões: Central e Sul de Minas Gerais, Oeste do Rio de Janeiro e do Espírito Santo e Leste e Sul de São Paulo.

Abstract: The objective of this work was to elaborate the agricultural zoning of climatic risk (ZARC) for Physalis peruviana, through the thermal and water requirements of the crop in Southeastern Brazil. Air temperature (TAIR) and precipitation (PYEAR) data from 1,530 meteorological stations covering the entire region were used. Regions were considered climatically favorable to Physalis peruviana when TAIR was between 13 and 18ºC and PYEAR between 1,000 and 2,000 mm per year. Regions where TAIR was above 30ºC or less than 13ºC were considered inapt. Maps were created with this information and used to identify climatic characteristics and to establish the agricultural aptitude classes, termed apt, inapt, and marginal for the cultivation of Physalis peruviana. The Southeastern region of Brazil showed a thermal variation from 16.5 to 22.6°C and water amplitude from 800 to 2,800 mm. ZARC shows that 10% of Southeastern Brazil is climatically apt for the cultivation of Physalis peruviana, corresponding to the following regions of Brazilian states: central and southern Minas Gerais, western Rio de Janeiro and Espírito Santo, and eastern and southern São Paulo.

Resumo: O objetivo deste trabalho foi estimar a oferta cafeeira por meio da calibração de modelos estatísticos, com variáveis econômicas e climáticas, das principais regiões produtoras do Estado de São Paulo. As regiões estudadas foram Batatais, Caconde, Cássia dos Coqueiros, Cristais Paulista, Espírito Santo do Pinhal, Marília, Mococa e Osvaldo Cruz. Foram utilizados dados de oferta cafeeira, variáveis econômicas (crédito rural, crédito rural na agricultura e valor da produção) e variáveis climáticas (temperatura do ar, precipitação pluvial, evapotranspiração potencial, deficiência e excedente hídrico) de cada região, para o período de 2000-2014. Os modelos foram calibrados com uso de técnicas de regressão linear múltipla, e todas as combinações possíveis foram testadas para a seleção das variáveis. A oferta cafeeira foi a variável dependente, e as demais, as independentes. A acurácia e a precisão dos modelos foram analisadas pelo erro percentual médio e pelo coeficiente de determinação ajustado, respectivamente. As variáveis que mais influenciam a oferta cafeeira são o valor de produção e a temperatura do ar. É possível estimar a oferta cafeeira com regressões lineares múltiplas por meio de variáveis econômicas e elementos climáticos. Os modelos mais acurados são os calibrados para estimar a oferta cafeeira das regiões de Cássia dos Coqueiros e Osvaldo Cruz.

Abstract: The objective of this work was to estimate the coffee supply by calibrating statistical models with economic and climatic variables for the main producing regions of the state of São Paulo, Brazil. The regions were Batatais, Caconde, Cássia dos Coqueiros, Cristais Paulista, Espírito Santo do Pinhal, Marília, Mococa, and Osvaldo Cruz. Data on coffee supply, economic variables (rural credit, rural agricultural credit, and production value), and climatic variables (air temperature, rainfall, potential evapotranspiration, water deficit, and water surplus) for each region, during the period from 2000-2014, were used. The models were calibrated using multiple linear regression, and all possible combinations were tested for selecting the variables. Coffee supply was the dependent variable, and the other ones were considered independent. The accuracy and precision of the models were assessed by the mean absolute percentage error and the adjusted coefficient of determination, respectively. The variables that most affect coffee supply are production value and air temperature. Coffee supply can be estimated with multiple linear regressions using economic and climatic variables. The most accurate models are those calibrated to estimate coffee supply for the regions of Cássia dos Coqueiros and Osvaldo Cruz.