RESUMO A produção de arroz de terras altas está concentrada em uma vasta área do Brasil central. Devido à variabilidade ambiental na região, o desempenho das cultivares varia substancialmente. Objetivou-se determinar as principais variáveis climáticas que afetam a produtividade do arroz de terras altas na região central do Brasil, considerando-se quatro estados: Goiás, Mato Grosso, Tocantins e Rondônia. Utilizou-se um conjunto de dados composto por 177 ensaios, com variedades adaptadas e comumente cultivadas de arroz de terras altas, derivadas do conjunto de dados de melhoramento de arroz da Embrapa. Os ensaios foram conduzidos em blocos casualizados, com três repetições, de 1996 a 2018. A abordagem do modelo aditivo generalizado foi utilizada para ajustar as relações não lineares entre fatores ambientais e produtividade de grãos, tendo sido discriminadas quatro variáveis climáticas: temperatura máxima do ar durante todo o ciclo, temperatura mínima do ar na iniciação da panícula, graus-dia da emergência à iniciação da panícula e graus-dia durante todo o ciclo. O aumento da temperatura máxima do ar e dos graus-dia durante todo o ciclo tende a reduzir a produtividade do arroz, e o aumento da temperatura mínima do ar na iniciação da panícula e dos grausdia da emergência à iniciação da panícula tende a aumentá-la. substancialmente Objetivouse Objetivou se considerandose considerando estados Goiás Grosso Rondônia Utilizouse Utilizou 17 Embrapa casualizados repetições 199 2018 grãos graus dia aumentála. aumentála aumentá la. la aumentá-la 1 19 201 20 2

ABSTRACT The upland rice production is primarily concentrated in a vast area of central Brazil. Given the region’s environmental variability, the performance of rice cultivars can differ signifcantly. This study aimed to identify the key climate factors infuencing the upland rice yield in the central region of Brazil, encompassing four states: Goiás, Mato Grosso, Tocantins and Rondônia. A dataset comprising 177 trials involving commonly cultivated and well-adapted upland rice varieties, derived from the Embrapa’s rice breeding dataset, was analyzed. These trials were conducted in randomized blocks, with three replications, from 1996 to 2018. The generalized additive model approach was employed to adjust the non-linear relationships between environmental factors and grain yield, revealing four climatic variables: maximum air temperature throughout the growth cycle, minimum air temperature at panicle initiation, degree-days from emergence to panicle initiation and degree-days throughout the growth cycle. An increase in the maximum air temperature and degree-days throughout the growth cycle tend to decrease rice yield, while an increase in the minimum air temperature at the panicle initiation and degree-days from emergence to panicle initiation tend to increase it. Brazil regions s variability signifcantly states Goiás Grosso Rondônia 17 welladapted well adapted varieties Embrapas Embrapa analyzed blocks replications 199 2018 nonlinear non linear variables degreedays degree days it 1 19 201 20 2

ABSTRACT This study aimed to analyze the influence of climatic and geographic variables on the flowering process of flood-irrigated rice in the Midwest and North regions of Brazil. Agronomic data from the breeding program were related to the following variables: air temperature, relative humidity, global solar radiation, rainfall, degree days, latitude, longitude, and altitude. The analysis was performed using Multiple Linear Regression (MLR) and Generalized Additive (GAM) models. Cross-validation determined the most suitable model. The GAM model showed the best performance for both regions. In the Midwest and North of Brazil, flowering was strongly influenced by climate variables related to temperature. The rise in minimum temperatures tends to advance flowering. Higher minimum accumulated temperatures tend to delay flowering. floodirrigated flood irrigated Brazil temperature humidity radiation rainfall days latitude longitude altitude MLR (MLR (GAM models Crossvalidation Cross validation

Resumo A sensibilidade ao fotoperíodo influencia o ciclo de desenvolvimento do arroz, afetando o florescimento. Modelos de simulação de culturas, como o ORYZA (v3), utilizam equações que dependem de dois parâmetros principais, calibrados pelo usuário: sensibilidade ao fotoperíodo e fotoperíodo mínimo ideal. O comprimento do dia, determinado pela latitude e dia do ano, também influencia o desenvolvimento da cultura. Este estudo explora a interação desses parâmetros no modelo fenológico do ORYZA (v3). Quando o fotoperíodo mínimo ideal é menor que o comprimento do dia, a sensibilidade ao fotoperíodo pode atrasar ou inibir o florescimento. Para garantir a simulação correta, esses parâmetros precisam ser ajustados para evitar um prolongamento excessivo da fase vegetativa. Se calibrados incorretamente, ou em condições constantes de baixo fotoperíodo, a planta pode permanecer em estado vegetativo. O modelo apresenta dificuldades com cultivares altamente sensíveis ao fotoperíodo em condições onde o comprimento do dia é constantemente superior ao fotoperíodo mínimo ideal, o que pode gerar resultados não interpretáveis e complicar a calibração dos parâmetros via algoritmos de otimização. Portanto, é crucial ajustar adequadamente o fotoperíodo mínimo ideal com base na latitude e limitar a sensibilidade ao fotoperíodo para garantir simulações precisas e acuradas do florescimento. arroz florescimento culturas v3, v3 v , (v3) principais usuário ano cultura v3. . correta vegetativa incorretamente vegetativo otimização Portanto (v3 (v

Abstract Photoperiod sensitivity affects the rice development cycle and its flowering. Crop simulation models, such as ORYZA (v3), use equations that depend on two main parameters calibrated by the user: sensitivity to photoperiod and minimum optimal photoperiod. Day length, determined by latitude and day of the year, also affects crop development. This study explores the interaction of these parameters in the ORYZA (v3) phenological model. When the optimum minimum photoperiod is shorter than the day length, photoperiod sensitivity delay or inhibit flowering. To ensure a proper simulation, these parameters need to be adjusted to avoid excessive prolongation of the vegetative phase. If calibrated incorrectly, or if let in constant low photoperiod conditions, the plant may remain in the vegetative state. The model presents challenges with cultivars that are highly sensitive to photoperiod in conditions where day length is constantly longer than the ideal minimum photoperiod. This situation may generate uninterpretable results and complicate the calibration of parameters via optimization algorithms. Therefore, it is crucial to properly adjust the optimal minimum photoperiod based on latitude and limit photoperiod sensitivity to ensure accurate and precise simulations of flowering. flowering models v3, v3 v , user year (v3 phase incorrectly state algorithms Therefore (v