RESUMO As condições climáticas durante o ciclo da cultura são os principais fatores responsáveis pela produção final de qualquer cultivo. Este estudo teve o objetivo de avaliar as condições atuais e os efeitos dos cenários de mudanças climáticas sobre a produtividade da soja cultivada na região de Matopiba, localizada entre os Estados do Tocantins, Sul e Nordeste do Maranhão, Sul do Piauí e Oeste da Bahia. O modelo AquaCrop, versão 5.0 da FAO foi calibrado com dados do ano de 2014 e validado com os de 2016 em Palmas, TO, usando parâmetros de clima, solo, manejo da cultura coletados em duas campanhas experimentais realizadas entre os meses de junho e outubro nos anos de 2014 e 2016. O desempenho do modelo foi avaliado utilizando os indicadores estatísticos: erro de previsão (EP), coeficiente de determinação (R2), raiz quadrada do erro médio normalizado (RMSEN), coeficiente de eficiência do modelo Nash-Sutcliffe (EF) e o índice de concordância de Willmott (d). Verificou-se que o modelo AquaCrop subestima a produtividade de grãos de soja, na condição de déficit hídrico severo durante todo o ciclo do cultivo. O aumento da concentração de CO2 e da temperatura, projetada pelos modelos climáticos HadGEM2-ES e MIROC5 sob o cenário de estabilização (RCP 4.5) e o cenário de progressão RCP 8.5, contribuem para o aumento da produtividade de soja até o final deste século.
ABSTRACT The climatic conditions along the cycle are the main factors responsible for the final production of any crop. This study aimed to evaluate the current conditions and the effects of climate change scenarios on the yield of soybean grown in the Matopiba region, located between the states of Tocantins, south and northeast of Maranhão, south of Piauí and west of Bahia, Brazil. The AquaCrop model of FAO, version 5.0, was calibrated with data of 2014 and validated with those of 2016, using climate, soil and crop management parameters collected in two experimental campaigns conducted between June and October in 2014 and 2016 in Palmas, TO, Brazil. The performance of the model was evaluated using the following statistical indicators: prediction error (PE), coefficient of determination (R2), normalized root mean square error (NRMSE), Nash-Sutcliffe model efficiency coefficient (EF) and Willmott’s index of agreement (d). It was verified that the AquaCrop model underestimates soybean grain yield under severe water stress conditions throughout the growing cycle. The increase in CO2 concentration and in the air temperature, projected by the climate models HadGEM2-ES and MIROC5 under the scenario of stabilization (RCP 4.5) and the scenario of progression (RCP 8.5), have contributed to the increase in soybean yield by the end of this century.