O Brasil é o segundo maior produtor de soja do mundo e um dos maiores produtores grãos. No entanto, ainda existem lacunas de rendimento a serem superadas, visando atender as necessidades alimentares da crescente população. A compreensão dos limites biofísicos de cada local e a maneira como os elementos meteorológicos influenciam a produção agrícola, é fundamental para alcançar altos rendimentos, de maneira sustentável. Sendo assim, o objetivo do trabalho foi avaliar a variabilidade espacial e temporal da precipitação pluvial dentro de uma área e, com base em modelagem, identificar o efeito sobre a variabilidade produtiva de soja. Para tanto, foram instaladas duas malhas pluviométricas de diferentes dimensões (36 ha e 1000 ha) na região de Piracicaba, SP. A primeira malha (1000 ha) compreendeu o período de 1993 a 1994, com 10 pluviômetros e a segunda malha corresponde ao período de 2016 a 2018, com 9 pluviômetros amostrando 36 ha. Com base em uma abordagem multi-moldelo foi possível determinar a perda produtiva relativa (Ygrel., em %), causada por deficiência hídrica, para 3 datas de semeadura e para cada ponto amostral da primeira malha. Com relação a variabilidade espacial na malha de 1000 ha, o coeficiente de variação apresentou valores de até 169,3% no acumulado diário e 51,7% no mensal. Para a segunda malha (36 ha) a variabilidade foi de até 300% para os 9 pontos no acumulado diário, e 8,71% no acumulado mensal. Os resultados mostraram que variabilidade espacial da precipitação influenciou diretamente a produtividade. No entanto, a ordem de grandeza da variabilidade da precipitação não se aplica diretamente em produtividade. Já a variabilidade temporal, entre as diferentes épocas de semeadura apresentou maior influência na produtividade da soja.

Brazil is the second largest producer of soybeans in the world and one of the largest producers of grains. However, there are still income yield gaps to be overcome to meet growing food demand. Understanding the biophysical limits of each location and how weather elements influence agricultural production is critical to achieve high yields in a sustainable way. Thus, the objective of this work was to evaluate the spatial and temporal variability of rainfall within an area and, based on modeling, to identify the effect on soybean yield variability. For that, two rain gauges of different dimensions (36 ha and 1000 ha) were installed in the Piracicaba region, SP. The first mesh (1000 ha) comprised the period from 1993 to 1994, with 10 rainfall meters and the second mesh corresponds to the period from 2016 to 2018, with 9 rain gauges measuring 36 ha. Based on a multi-model approach it was possible to determine the relative yield gap (Ygrel., %) caused by water deficit for 3 sowing dates and for each sampling point of the first mesh. Regarding the spatial variability in the 1000 ha mesh, the coefficient of variation presented values of up to 169.3% in the daily accumulated and 51.7% in the monthly. For the second network (36 ha) the variability was up to 300% for the 9 points in the daily accumulated, and 8.71% in the monthly accumulated. The results showed that spatial variability of precipitation directly influenced the final yield. However, the order of magnitude of precipitation variability does not apply to yield. The temporal variability between the different sowing seasons had the greatest influence on soybean yield.