Maize (Zea mays L.) is an important Brazilian commodity, being the second most produced crop and the fifth most exported in Brazil. In view of its relevance for many sectors of the economy, studies that deepen the consequences of climatic effects are imperatives in face of a climate change scenario for the next decades. For this purpose, process-based biophysical models has been used to evaluate the weather effects on crop yield. However, there is a gap in the science of models able to perform in large-scale due to limitations in the integration of energy, CO₂, water and momentum fluxes with crop physiology. In view of this lacuna, the land surface model Joint UK land environment simulator (JULES) was integrated with a parametrization of different crops, among which maize, however, the model was not calibrated and evaluated in Brazil. This thesis brings in two chapters the use of a large-scale model in maize and its application to predict the off-season maize yield in Brazil. In the first chapter, the objective was to calibrate and evaluate the JULES-crop model for maize, obtaining a high performance to simulate leaf area index (LAI), canopy height and grain dry mass both for irrigated or rainfed conditions, in different regions of Brazil and sowing dates. In the second chapter, it was possible to use the calibrated JULES-crop, in addition to agro- climatic indicators such as air temperature, rainfall and diffuse radiation, to develop a large scale yield forecasting model for off-season maize in Brazil. The conjunction of agro-climatic indicators and JULES-crop outputs resulted in high performance predictions for maize yield from the 80^th day of the cycle. Therefore, it is possible to confirm a skillful model to simulate in a large scale, and that it is able to improve the forecasting for maize yield in Brazil.

A cultura do milho (Zea mays L.) é uma importante commodity brasileira, sendo a segunda cultura mais produzida e a quinta mais exportada no Brasil. Diante de sua relevância para diversos setores da economia, tem-se mostrado imperiosos estudos que aprofundem as análises sobre as consequências dos efeitos climáticos nesta cultura, sobretudo diante de um cenário de mudanças climáticas nas próximas décadas. Para tal, modelos de culturas baseados em processos biofísicos vem sendo utilizados a fim de avaliar efeitos do clima na produtividade da cultura. No entanto, existe uma lacuna na ciência de modelos que consigam fazer simulações em larga escala devido a limitações na integração de fluxos de energia, CO₂, água e momento da atmosfera com a fisiologia da cultura. Diante disso, o modelo de superfície Joint UK land Environment Simulator (JULES), foi integrado com uma parametrização de diferentes culturas dentre as quais, o milho, porém, ainda não calibrado e avaliado no Brasil. Esta tese traz, em dois capítulos, a utilização de um modelo de larga escala na cultura do milho e a sua aplicação para prever a produção do milho safrinha no Brasil. No primeiro capítulo, objetivou-se calibrar e avaliar o modelo JULES-crop para a cultura do milho, obtendo uma alta performance para simular o indice de area foliar (IAF), altura do dossel e massa seca de grãos, tanto em condições de irrigação, quanto em sequeiro para diferentes regiões do Brasil e épocas de semeadura. No segundo capítulo, foi possível utilizar o modelo JULES-crop calibrado, além de indicadores agro-climáticos relevantes para a cultura do milho como temperatura do ar, precipitação e radiação difusa, para desenvolver um modelo de previsão de produtividade de larga escala para o milho safrinha do Brasil. A conjunção dos fatores agro-climáticos e de variáveis do modelo JULES-crop mostrou boa performance para prever a produção de milho no Brasil a partir do 80º dia do ciclo. Assim, é possível afirmar que se trata de um modelo hábil para simular em larga escala e capaz de melhorar a previsão de safra da cultura do milho no Brasil, sendo uma importante ferramenta que pode ser utilizada pela ciência para estimar a produtividade do milho em diferentes regiões produtoras brasileiras.