Em São Paulo, destaca-se a viticultura como atividade familiar de caráter artesanal. Nas bacias de maior concentração atual da vitivinicultura, ocorre um período chuvoso que se estende de novembro a fevereiro, que alcança grande parte das variedades da região em fase de crescimento e maturação da baga, o que afeta negativamente a qualidade da uva e do vinho artesanal, na maioria das safras. Por outro lado, nas mesmas regiões, ocorre um período mais favorável, que é o outono/inverno com potencial de soma térmica adequado ao crescimento da videira e com incidência de um longo período de baixa pluviometria, entre os meses de abril e outubro. Um experimento foi conduzido em Jundiaí (SP), região de média altitude (700 m), com variedades de uvas híbridas e fina, no qual, objetivou-se estudar os impactos ecofisiológicos do cultivo da videira conduzida sob dupla poda, forçando-se a condução das plantas por quatro estações de cultivo sequenciais de verão e inverno; analisaram-se aspectos da ecofiosologia da cultura e a composição quali-quantitativa do rendimento. Os resultados mostram que a estação de outono-inverno apresenta condições mais favoráveis à maturação fenólica das bagas, com chuvas mais bem distribuídas e desconcentradas no período do estabelecimento do fruto à colheita. A uva colhida na estação de outono-inverno apresentou maiores índices de pigmentação fenólica em relação à estação de cultivo tradicional, sendo que o controle do nível de reservas da planta revelou influência da dupla poda sequencial sobre esta variável, o que inspira práticas de manejo específicas para este tipo de exploração da videira.

In the State of São Paulo (Brazil) stands out the viticulture as an artisanal agricultural small business. In the regions of greatest clustering of vintners there is a well know rainy time frame that coincides with the period of grape growing and maturation. This contributes to drawbacks in the grape and wine quality in most of the harvestings. Nevertheless, in the same region, the time frame of autumn-winter has more favorable conditions, in this aspect, presenting a proper heat summation for grape growing and a more pronounced rainless time from April to October. An experiment was carried out in the location of Jundiai (SP) in the mid-highlands and hybrids and Vitis vinifera varieties were tested. The aim of the study was analyze the ecophysiological implication of cultivating the grapevines under double pruning through four sequential growing seasons; grape composition and yield were verified alongside with berry wet chemistry in order to check out the must quality in the contrasting time frames, winter and summer harvest. Results showed more favorable conditions for berry phenolic maturation in the autumn-winter due to a better distribution of rain as the berry set and maturation were located in the rainless period. Phenolic pigmentation was higher for the grape harvest in the winter and the plant control of assimilates revealed the double pruning as influential on it. These suggest specific management practices for this kind of grapevine cultivation.

Programas de análise de consistência de dados são utilizados, normalmente, por redes de estações agrometeorológicas para controle de qualidade, para identificar dados com problemas e fornecer estimativas consistentes, com base em dados de outras estações próximas. Os sistemas modernos de controle de qualidade de rede de estações meteorológicas requerem porém maior conhecimento da variabilidade espacial e temporal dos dados meteorológicos diários regionais, para serem utilizados nos sistemas matemáticos de interpolação de dados necessários a fim de identificar dados suspeitos ou na estimativa de dados perdidos. O objetivo deste trabalho foi quantificar a variabilidade espacial e temporal de dados diários de temperatura do ar máxima, média e mínima e de precipitação pluvial no Estado de São Paulo, para servir de subsídio ao desenvolvimento de sistema de controle de qualidade e de limites de intervalos de confiança. Foram utilizados dados de 19 estações agrometeorológicas do IAC, em um período total de 20 anos (1981/2000), sendo Campinas considerada a estação central. Análises de regressão mensais foram realizadas com base nos dados diários da estação central e cada uma das demais estações, considerando as respectivas distâncias lineares, que variaram de 0 a 436 km, nas quais foram obtidos valores de coeficientes de determinação (R²) e de erro-padrão de estimativa (SEE) para os elementos considerados. Pelos resultados, à medida que as distâncias aumentam, menores são os valores de R² e maiores os valores de SEE, seguindo diferentes funções, que variaram segundo o elemento meteorológico e a época do ano. Quanto à variabilidade temporal, os meses com maiores valores de SEE para temperaturas máximas e mínimas (TMAX e TMIN) foram os de primavera e inverno respectivamente. Considerando 150 km de distância, a TMAX indicou valores de SEE até de 3,0 °C e TMIN de até 2,3 °C. Para precipitação pluvial, observaram-se valores menores de SEE durante o inverno, de até 4 mm, e valores mais elevados, de até 15 mm, durante o verão. Pelas análises, os limites máximos de distâncias admitidos para explicar mais de 90% das variações dos elementos termopluviométricos entre locais foram para TMAX, 80 km (primavera-verão) e 90 km (outono-inverno); para TMIN são necessários 55 km para os meses de verão, 75 km para inverno-primavera e 90 km durante o outono. Para dados pluviométricos, as distâncias de até 12 km explicam 90% da variação para os meses de verão, até 20 km para os de primavera e outono e de até 27 km para os de inverno.

Ensuring continuous, good quality data from weather station networks requires a knowledge of spatial and temporal variability. This knowledge is essential to identify suspect data and provide estimates for data gaps. This study was conducted aiming to quantify and contrast the spatial and temporal variability for daily weather variables for a tropical climatic condition of the Instituto Agronômico (IAC) weather station network, located in the State of São Paulo, Brazil. For a period of 20 years (1981-2000) data were available from 19 weather stations. The daily meteorological variables studied were maximum and minimum air temperature and precipitation. In the spatial analysis, a central station was paired with each of the other stations in the area. The coefficient of variation (R²) and standard error of estimate (SEE) were calculated by regression of daily measurements between pairs of the same weather variables for various station within the area. The SEE and R² were plotted against linear distance from the central station. Best fit lines were determined for the variograms (R²) and errograms (SEE). Analysis were performed for each month. Generally, the R² decreased while the SEE increased with distance of separation between sites. A significant seasonal cycle was found in the SEE data for maximum and minimum air temperature and precipitation. Results indicated that the accuracy of estimated data and associated confidence limits varied with time of the year. As linear distance between sites increased, the SEE for maximum and minimum air temperature were greater, especially during the spring and winter seasons, respectively. The SEE data for precipitation were greater during the summer season. For 150 km of distance, the maximum air temperature presented SEE data values up to 3.0°C and 2.3°C during the spring and summer seasons, respectivelly, while precipitation presented SEE data values up to 4 and 15mm during winter and summer seasons, respectivelly. Based on the analysis of climate data from the tropical conditions of the State of São Paulo, spacing requirements varied with time of the year. An 80 km spacing is required to explain 90% of the variation between sites, for maximum daily air temperature during the spring and summer months, and 90 km for autumn and winter; while for minimum air temperature that spacing reduces to 55 km during the summer, 75 km for winter and spring, and increases to more than 90 km during the autumn. A 27 km spacing is required to explain the variation for precipitation during the winter season, up to 20 km for spring and autumn, but during the summer the spacing reduces to 12 km.

É necessário o mapeamento mais consistente dos riscos de ocorrência de temperaturas mínimas adversas à agricultura, sendo possível sua obtenção utilizando maior número de postos meteorológicos, modelos probabilísticos e sistema de informações geográficas (SIG), que introduzem precisão matemática. Visando subsidiar os trabalhos de seguro rural, o planejamento e zoneamento agrícola, os objetivos deste trabalho foram os seguintes: estimar os riscos pontuais de ocorrência de temperaturas mínimas absolutas anuais adversas à agricultura para 28 localidades do Estado de São Paulo utilizando modelo probabilístico "distribuição normal", e regionalizar o Estado quanto às probabilidades de ocorrência de diferentes níveis de temperatura mínima absoluta utilizando SIG e modelos digitais de elevação. Utilizou-se o método de regressão múltipla para caracterizar a variabilidade espacial entre as coordenadas geográficas das estações e os resultados do modelo probabilístico. As variáveis independentes parciais que melhor explicaram a variável dependente probabilidade foram, altitude (R²=0,74-0,78), latitude (R²=0,33-0,44) e longitude (R²=0,15-0,20); as equações finais geradas pela regressão múltipla apresentaram R² entre 0,87 e 0,90. As probabilidades estimadas foram consideradas espacialmente no SIG "Idrisi", com base em modelo digital de elevação (altimetria) e coordenadas geográficas (latitude e longitude). As equações de regressão múltipla geraram variação contínua pixel a pixel do risco de ocorrência de diferentes classes de temperaturas mínimas absolutas. São apresentados mapas com a variação espacial das probabilidades de ocorrência de geadas de 1 e 2 °C.

Adverse meteorological phenomenon's occurrence, such as low air temperature and frost, can cause serius damages to the agriculture of the State of São Paulo. The greater accuracy on the occurrence probability establishment for such events, based on historical data obtained from a larger agrometeorological network, appropriated probabilistic models and modern mapping technical can provides assistance for agricultural risk studies, which are very important for agricultural financing and insurance programs. The probabilistic model "normal distribution" was used to estimate the punctual risks of yearly minimum air temperatures below 0, 1, and 2 °C for 28 localities of the State of São Paulo, Brazil. A digital elevation model previously developed with remote sensing and geographical information system (GIS) techniques were used to map the estimated probabilities of frost occurrence, considering different levels of absolute minimum air temperature. Multiple regression equations were developed to estimate the regional probabilities of frost occurrence, based on altitude, latitude and longitude informations. The partial independent variables that better explained the dependent variable "probability" were, at the following importance order, altitude (R² = 0.74-0.78), latitude (R² = 0.33-0.44) and longitude (R² = 0.15-0.20). The equations generated through multiple regression analyses showed determination coefficients between 0.87 and 0.90. The estimated probabilities were spacialized using the GIS "Idrisi", based on a digital elevation model (altitude) and geographical coordinates (latitude and longitude). The multiple regression equations generated continuous pixel-to-pixel variations for different classes of probability of occurrence of absolute minimum air temperature. Two maps are presented showing the spatial variability of the frost risk occurrence with minimum temperatures below 1 and 2 °C.