Abstract Coffee is currently one of the main commodities traded in the world. Brazil is the largest producer and exporter of the grain. Fungal diseases are very common in coffee crops and control represents a large part of coffee production costs. The climate is an essential factor in the development of a disease such as phoma leaf spot. This disease is favored by high atmospheric humidity and mild temperatures. In this context, this study aimed to carry out the climatic favorability zoning for one of the main coffee diseases (Phoma ssp.) of the coffee-growing region in Brazil. The study was conducted in the main traditional coffee growing regions, i.e., the states of Paraná (PR), São Paulo (SP), Rio de Janeiro (RJ), Espírito Santo (ES), Minas Gerais (MG), Goiás (GO), and Bahia (BA), totaling 2730 municipalities. Air temperature and daily precipitation data for the current scenario were collected from the WorldClim version 2.1 platform for the latest climatological normal in GeoTIFF format. Future climate variables were obtained by the WorldClim 2.1 platform for the IPSL-CM6A-LR global climate model for the periods 2021-2040, 2041-2060, 2061-2080, and 2081-2100 and the scenarios SSP-1 2.6, SSP-2 4.5, SSP-3 7.0, and SSP-5 8.5, respectively. Thus, zoning was carried out using software of geographic information systems (QGIS), automated with the Python language. Also, graphs were prepared to better represent the results. About 54.77% of the coffee-producing region presented relatively favorable conditions for the development of Phoma leaf spot, 30.55% favorable, 3.20% highly, and 11.48% showed no climate conditions for the occurrence of the disease. The climate conditions from October to March favored the occurrence of phoma leaf spot. The Phoma spp. Leaf spot will probably reduce its occurrence in all future scenarios due to the loss of favorable climate conditions. During the period 2081-2100, 85.03% of the entire region would be unfavorable to the development of homas pp. For the most pessimistic scenario (SSP-5 8.5). Climate changes will provide unsuitable conditions for the development of Phoma spp.

Resumo O café é atualmente uma das principais commodities negociadas no mundo. O Brasil é o maior produtor e exportador do grão. Doenças fúngicas são muito comuns nas lavouras de café, e o controle representa uma grande parte dos custos de produção do café. O clima é um fator essencial no desenvolvimento de uma doença, como a mancha de folha de phoma. Essa doença é favorecida pela alta umidade atmosférica e temperaturas amenas. Nesse contexto, este estudo teve como objetivo realizar o zoneamento da favorabilidade climática para uma das principais doenças do café (Phoma ssp.) na região cafeeira do Brasil. O estudo foi conduzido nas principais regiões tradicionais de cultivo de café, ou seja, nos estados do Paraná (PR), São Paulo (SP), Rio de Janeiro (RJ), Espírito Santo (ES), Minas Gerais (MG), Goiás (GO) e Bahia (BA), totalizando 2730 municípios. Dados de temperatura do ar e precipitação diária para o cenário atual foram coletados da plataforma WorldClim versão 2.1 para a última normal climatológica no formato GeoTIFF. Variáveis climáticas futuras foram obtidas pela plataforma WorldClim 2.1 para o modelo climático global IPSL-CM6A-LR para os períodos 2021-2040, 2041-2060, 2061-2080 e 2081-2100, e os cenários SSP-1 2.6, SSP-2 4.5, SSP-3 7.0 e SSP-5 8.5, respectivamente. Assim, o zoneamento foi realizado usando software de sistemas de informação geográfica (QGIS), automatizado com a linguagem Python. Além disso, gráficos foram preparados para melhor representar os resultados. Cerca de 54,77% da região produtora de café apresentou condições relativamente favoráveis para o desenvolvimento da mancha de folha de Phoma, 30,55% favorável, 3,20% altamente e 11,48% não apresentou condições climáticas para a ocorrência da doença. As condições climáticas de outubro a março favoreceram a ocorrência da mancha de folha de phoma. A mancha de folha de Phoma spp. provavelmente reduzirá sua ocorrência em todos os cenários futuros devido à perda de condições climáticas favoráveis. Durante o período 2081-2100, 85,03% de toda a região seria desfavorável ao desenvolvimento de Phoma spp. para o cenário mais pessimista (SSP-5 8.5). As mudanças climáticas proporcionarão condições inadequadas para o desenvolvimento de Phoma spp.

Abstract Analyses and climate forecasts indicate significant changes in climate elements, particularly the global mean temperature, and variations in rainfall patterns, which can have profound effects on ecosystems and agriculture. This study aims to assess the impacts of climate change on the Brazilian territory using the Köppen-Geiger (1936) climate classification. Climate data were analyzed at 4,942 locations, encompassing municipalities in Brazil from 1989 to 2019. These data were obtained from the NASA/POWER platform and complemented with monthly temperature and rainfall projections from the BCC-CSM1-1 model, part of the CMIP5 (Coupled Model Intercomparison Project Phase 5), under four emission scenarios (RCP 2.6, RCP 4.5, RCP 6.0, and RCP 8.5) for the periods 2041-2060 and 2061-2080. The findings reveal a temperature increase across all scenarios, with RCP 8.5 indicating the most significant rise, reaching 4.30 and 5.42 °C for the periods 2041-2060 and 2061-2080, respectively. Additionally, the least rainy month of the year exhibits precipitation values exceeding 60 mm, leading to the dominance of the tropical climate typology “A” in 82.94% of the current climate assessment. In contrast, under climate change scenarios, reductions in areas with typical temperate climate “C” and expansions in arid climate “B” and tropical climate classes were observed compared to the present climate pattern. Notably, the BSh class has a prevalence of 6.09% and 8.16% for the periods 2041-2060 and 2061-2080, respectively. The observed climate changes signal potential challenges for the preservation of species in Brazil, as higher temperatures may hinder their adaptability to drier and warmer conditions. As a result, careful measures and strategies are needed to address the implications of these changes in the coming decades.

Resumo Análises e previsões climáticas indicam mudanças significativas nos elementos climáticos, principalmente na temperatura média global, e variações nos padrões de precipitação, que podem ter efeitos profundos nos ecossistemas e na agricultura. Este estudo tem como objetivo avaliar os impactos das mudanças climáticas no território brasileiro usando a classificação climática de Köppen-Geiger (1936). Foram analisados dados climáticos em 4.942 localidades, abrangendo municípios do Brasil, de 1989 a 2019. Esses dados foram obtidos da plataforma NASA/POWER e complementados com projeções mensais de temperatura e precipitação do modelo BCC-CSM1-1, parte do CMIP5 (Coupled Model Intercomparison Project Phase 5), em quatro cenários de emissões (RCP 2.6, RCP 4.5, RCP 6.0 e RCP 8.5) para os períodos de 2041-2060 e 2061-2080. Os resultados revelam um aumento de temperatura em todos os cenários, com o RCP 8.5 indicando o aumento mais significativo, atingindo 4,30 e 5,42 °C para os períodos de 2041-2060 e 2061-2080, respectivamente. Além disso, o mês menos chuvoso do ano apresenta valores de precipitação superiores a 60 mm, levando ao predomínio da tipologia de clima tropical “A” em 82,94% da avaliação climática atual. Em contrapartida, nos cenários de mudança climática, foram observadas reduções nas áreas com clima temperado típico “C” e expansões nas classes de clima árido “B” e tropical em comparação com o padrão climático atual. Notavelmente, a classe BSh tem uma prevalência de 6,09% e 8,16% para os períodos de 2041-2060 e 2061-2080, respectivamente. As mudanças climáticas observadas sinalizam possíveis desafios para a preservação de espécies no Brasil, pois as temperaturas mais altas podem dificultar sua adaptabilidade a condições mais secas e quentes. Como resultado, são necessárias medidas e estratégias cuidadosas para lidar com as implicações dessas mudanças nas próximas décadas.

Resumo A previsão, assim como a estimativa de precipitação, é um dos desafios da comunidade científica no mundo, devido à alta variabilidade espacial e sazonal deste elemento meteorológico. Para tanto, metodologias que permitam a interpolação precisa desses elementos são de fundamental importância. Assim, buscamos avaliar a eficiência dos métodos de interpolação no mapeamento de chuvas e compará-la com regressão linear múltipla em regiões tropicais. Os métodos de interpolação estudados foram distância inversa ponderada (IDW) e Krigagem. Dados meteorológicos mensais de chuva de 1961 a 1990 foram obtidos de 1.505 estações pluviométricas da região Sudeste do Brasil, fornecidos pelo Instituto Nacional de Meteorologia. A comparação entre os dados interpolados e os dados reais de precipitação das estações meteorológicas de superfície foi realizada através das seguintes análises: acurácia, precisão e tendência. A média PYEAR para verão, outono, inverno e primavera foram 596 mm estações−1 (s = ±118 mm), 254 mm estações−1 (s = ±52 mm), 114 mm estações−1 (s= ±54 mm) e 393 mm (s = ±58 mm) mm estações−1, respectivamente. A precisão da Kriging é um pouco alta em relação ao IDW. Já o MAPEKRIGING foi de 2% enquanto o MAPEIDW foi de 3%. Os métodos IDW e Krigagem foram precisos e com baixas tendências na estimativa de precipitação. Enquanto a regressão linear múltipla apresentou baixa acurácia quando comparada aos métodos de interpolação. Apesar da menor precisão a regressão linear múltipla é mais prática e fácil de usar, pois estima a chuva apenas com altitude, latitude e longitude, variáveis de entrada que todos conhecem. Os maiores erros na estimativa da distribuição espacial da precipitação ocorreram no inverno para todos os métodos de interpolação.

Abstract The prediction, as well as the estimation of precipitation, is one of the challenges of the scientific community in the world, due to the high spatial and seasonal variability of this meteorological element. For this purpose, methodologies that allow the accurate interpolation of these elements have fundamental importance. Thus, we seek to evaluate the efficiency of the interpolation methods in the mapping of rainfall and compare it with multiple linear regression in tropical regions. The interpolation methods studied were inverse distance weighted (IDW) and Kriging. Monthly meteorological data rainfall from 1961 to 1990 was obtained from 1505 rainfall stations in the Southeast region of Brazil, provided by the National Institute of Meteorology. The comparison between the interpolated data and the real precipitation data of the surface meteorological stations was performed through the following analyzes: accuracy, presicion and tendency. The mean PYEAR, for summer, autumn, winter, and spring are 596 mm seasons−1 (s= ±118 mm), 254 mm seasons−1 (s= ±52 mm), 114 mm seasons−1 (s= ±54 mm) and 393 (s= ± 58 mm) mm seasons−1, respectively. The Kriging highlight accuracy slightly high in relation to IDW. Since the MAPEKRIGING was of 2% while the MAPEIDW was of 3%. The IDW and Kriging methods were accurate and, with low trends in precipitation estimation. While multiple linear regression showed low accuracy when compared with interpolation methods. Despite the lower accuracy the regression linear is more practical and easy to use, as it estimates the rain with only altitude, latitude and longitude, input variables that commonly known input variables. The largest errors in estimating the spatial distribution of precipitation occurred in Winter for all interpolation methods.

Resumo Os índices de classificação climática Thornthwaite são essenciais para interpretar os tipos de clima no estado do bioma pantanal (Mato Grosso do Sul), simplificando o processo de cálculo e interpretação do equilíbrio climatológico da água pelos agricultores. Contudo, existem poucos estudos encontrados na literatura que caracterizam o clima do bioma pantaneiro em diferentes cenários climáticos. Procuramos avaliar as alterações climáticas utilizando o índice de humidade da classificação climática de Thornthwaite no bioma pantaneiro. Utilizámos séries históricas de dados climáticos de todos os 79 municípios de Mato Grosso do Sul entre 1987 e 2017, que foram divididos em microrregiões. A temperatura do ar e a precipitação foram recolhidas numa escala diária. Os dados de precipitação e evapotranspiração potencial permitiram calcular o balanço hídrico pelo método de Thornthwaite e Mather. Caracterizámos todos os locais como húmidos e secos utilizando índices de aridez propostos por Thornthwaite. O modelo climático global utilizado foi BCC-CSM 1.1 desenvolvido no Centro Climático de Pequim (BCC) com uma resolução de 125 x 125 km. Utilizámos os cenários RCP-2.6, RCP-4, RCP-6 e RCP-8.5 para analisar projecções do século XXI (períodos 2041-2060 e 2061-2080). Foram gerados mapas a partir de índices climáticos de Mato Grosso do Sul usando o método de interpolação kriging com modelo esférico, um vizinho, e resolução de 0,25°. As microrregiões mostraram diferentes padrões no que diz respeito aos componentes do balanço hídrico e índice de humidade. O índice de humidade tinha uma média de 15,94. O clima predominante no estado de Mato Grosso do Sul é C2 (sub-húmido húmido). O estado de Mato Grosso do Sul tem dois períodos bem definidos durante o ano: um período seco e um período chuvoso. Três tipos de clima predominam em Mato Grosso do Sul e, de acordo com a classificação Thornthwaite (1948), são B1 (húmido), C2 (sub-húmido húmido), e C1 (sub-húmido seco). A caracterização da água em Mato Grosso do Sul mostrou 234,78 mm ano−1 de excesso de água, 80,8 mm ano−1 de défice hídrico, e 1.114,8 mm ano−1 de evapotranspiração potencial. O défice de água e a evapotranspiração potencial diminuem à medida que a latitude aumenta. As projecções climáticas mostram, em todos os cenários, reduzir a área classificada como umida no estado (B1, B2 e B3), além de adicionar a classe seca sub-húmida (C1). O Cenário RCP 8.5 em 2061 - 2080 é a situação mais preocupante de todas, porque o estado pode sofrer grandes alterações, especialmente na região do bioma pantanal.

Abstract Thornthwaite climate classification indices are essential to interpret climate types in the state of the pantanal biome (Mato Grosso do Sul), simplifying calculation process and interpretation of climatological water balance by farmers. However, there are few studies found in the literature that characterize the climate of pantanel biome in different climatic scenarios. We seek to assess climate change using humidity index of Thornthwaite climate classification in pantanal biome. We used historical series of climate data from all 79 municipalities of Mato Grosso do Sul between 1987 and 2017, which were divided into microregions. Air temperature and precipitation were collected on a daily scale. Precipitation and potential evapotranspiration data allowed calculating water balance by the Thornthwaite and Mather method. We characterized all locations as wet and dry using aridity indices proposed by Thornthwaite. The global climate model used was BCC-CSM 1.1 developed at the Beijing Climate Center (BCC) with a resolution of 125 x 125 km. We used the scenarios RCP-2.6, RCP-4, RCP-6 and RCP-8.5 for analyzing 21st century projections (2041-2060 and 2061-2080 periods). Maps were generated from climate indices of Mato Grosso do Sul using kriging interpolation method with spherical model, one neighbor, and 0.25° resolution. The microregions showed different patterns regarding water balance components and humidity index. Humidity index had a mean of 15.94. The prevailing climate in the state of Mato Grosso do Sul is C2 (moist subhumid). The state of Mato Grosso do Sul has two well-defined periods during the year: a dry and a rainy period. Three climate types predominate in Mato Grosso do Sul and, according to the Thornthwaite classification, are B1 (humid), C2 (moist subhumid), and C1 (dry subhumid). Water characterization in Mato Grosso do Sul showed 234.78 mm year−1 of water surplus, 80.8 mm year−1 of water deficit, and 1,114.8 mm year−1 of potential evapotranspiration. Water deficit and potential evapotranspiration decrease as latitude increases. The climatic projections show, in all scenarios, reduce the area classified as umida in the state (B1, B2 and B3), besides adding the dry subhumid class (C1). The Scenario RCP 8.5 in 2061 - 2080 is the most worrisome situation of all, because the state can undergo major changes, especially in the pantanal biome region.

Resumo Este estudo visava estimar as temperaturas mínimas e máximas mensais do ar nas regiões canavieiras do Brasil. Uma série histórica de 30 anos (1988-2018) de temperaturas máximas (Tmax) e mínimas (Tmin) do ar da plataforma da NASA/POWER foi utilizada para 62 locais que produzem cana-de-açúcar no Brasil. A regressão linear múltipla foi utilizada para modelagem de dados, em que as variáveis dependentes eram Tmin e Tmax e as variáveis independentes eram a latitude, longitude e altitude. A comparação entre modelos de estimativa e os dados reais foi realizada utilizando os índices estatísticos MAPE (precisão) e coeficiente de determinação ajustado (R2adj) (precisão). Os valores MAPE mais baixos dos modelos para estimar a temperatura mínima do ar ocorreram principalmente no Norte durante Fevereiro, Março, e Janeiro. Também os modelos mais precisos para estimar a temperatura máxima do ar ocorreram na região Sudeste durante Janeiro, Fevereiro, e Março. Os valores MAPE e R2adj mostraram precisão e precisão nos modelos para estimar tanto a temperatura máxima como a mínima, indicando que as equações podem ser usadas para estimar as temperaturas em áreas de cana-de-açúcar. O modelo de estimativa de Tmin para a região Sudeste em Julho mostra o melhor desempenho, com um valor MAPE de 1,28 e um R2adj de 0,94. O modelo Tmax da região Norte para Setembro apresenta maior precisão e precisão, com valores de 1,28 e 0,96, respectivamente.

Abstract This study aimed to estimate the minimum and maximum monthly air temperatures in the sugarcane regions of Brazil. A 30-year historical series (1988-2018) of maximum (Tmax) and minimum (Tmin) air temperatures from the NASA/POWER platform was used for 62 locations that produce sugarcane in Brazil. Multiple linear regression was used for data modeling, in which the dependent variables were Tmin and Tmax and the independent variables were latitude, longitude, and altitude. The comparison between estimation models and the real data was performed using the statistical indices MAPE (accuracy) and adjusted coefficient of determination (R2adj) (precision). The lowest MAPE values of the models for estimating the minimum air temperature occurred mainly in the North during February, March, and January. Also, the most accurate models for estimating the maximum air temperature occurred in the Southeast region during January, February, and March. The MAPE and R2adj values showed accuracy and precision in the models for estimating both the maximum and minimum temperatures, indicating that the equations can be used to estimate temperatures in sugarcane areas. The Tmin estimation model for the Southeast region in July shows the best performance, with a MAPE value of 1.28 and an R2adj of 0.94. The Tmax model of the North region for September presents higher precision and accuracy, with values of 1.28 and 0.96, respectively.