O efeito das variáveis meteorológicas na maturação da cana-de-açúcar é um processo ainda pouco conhecido, apesar de apresentar inúmeros impactos à qualidade da matéria-prima para a indústria sucro-energética brasileira. O objetivo do presente trabalho foi avaliar os efeitos das variáveis meteorológicas no processo de maturação de cultivares de cana-de-açúcar e gerar modelos capazes de descrevê-lo. O experimento foi realizado em área pertencente ao Grupo Raízen (ex-Cosan), em Piracicaba, SP, no período de março de 2002 a outubro de 2003. Foram avaliadas oito cultivares de cana-de-açúcar em 32 amostragens realizadas de março a outubro de 2003. Variáveis relacionadas à qualidade de matéria-prima da cana-de-açúcar (ATR, AR, ART, Pureza, Brix, Pol%cana, fibra e umidade) e variáveis meteorológicas (temperatura do ar, precipitação, radiação solar, entre outras) foram submetidas à análise estatística descritiva e multivariada, visando melhorar a compreensão do processo de maturação e suas relações com as condições ambientais. As variáveis meteorológicas de melhor correlação com as variáveis de qualidade da cana-de-açúcar foram utilizadas na elaboração de modelos descritivos do processo de maturação, os quais foram agrupados em precoces, médios e tardios, de acordo com o padrão de maturação das cultivares estudadas. A avaliação dos modelos foi realizada pela análise dos resíduos (presença de outliers, homogeneidade das variâncias e normalidade dos resíduos) e pela comparação com dados independentes (erros médios, R2, índice de concordância de Willmott e índice de confiança de Camargo). Independente do padrão de maturação (precoce, médias e tardias), os modelos de melhor desempenho foram aqueles que descreveram as variáveis ATR, Brix, Pol%cana e umidade, com valores de R2 ajustado acima de 0,9 (p significativo a 1%) e ótimo desempenho segundo índice C de Camargo (acima de 0,85), quando testados com dados independentes. O modelo de fibra apresentou os menores valores de R2 ajustado (em torno de 0,65) e não normalidade dos resíduos. Contudo, sua avaliação com dados independentes levou à obtenção de valores de índice C acima de 0,8. Os modelos gerados mostram que a precipitação pode ser utilizada como a principal variável na previsão da qualidade da matéria-prima da cana-de-açúcar e que seu uso pode ser estendido a outras áreas além daquela para onde foi inicialmente gerado.

The effect of meteorological variables on sugarcane ripening is a not very well known process in spite of the several impacts of that on the quality of the raw material for the sugarcane industry. The objective of this study was to evaluate the effects of meteorological variables on sugarcane ripening and based on that to establish models able to describe this process. The study was conducted in an area of the Raízen Group (former Cosan), in Piracicaba, state of São Paulo, Brazil, from March 2002 (planting) to October 2003. Eight sugarcane cultivars were evaluated by analyzing 32 samples collected from March to October 2003. Variables related to the quality of the raw material (ATR, AR, ART, Purity, Brix, Pol%cane, fiber and moisture) and weather (air temperature, rainfall, solar radiation, among others) were submitted to descriptive and multivariate statistical analysis in order to better understand the sugarcane ripening process and the relationship between this process and environmental conditions. The meteorological variables of best fit were used for elaborating the models to describe the ripening process, which were grouped into early, middle and late, according to the maturity pattern of the studied cultivars. The evaluation of the models was based on the analysis of residuals (presence of outliers, homogeneity of variances and normality of residuals) and on the comparison between estimated and independent data (mean errors, R2, agreement index of Willmott and confidence index of Camargo). Regardless of the pattern of sugarcane maturation (early, middle and late), the models that presented the best performance were for ATR, Brix, Pol% cane and humidity variables, with adjusted R2 values above 0.9 (p significant at 1%) and excellent performance, with C index above 0.85, when evaluated with independent data. The fiber model had the lowest adjusted R2 values (around 0.65) and problems in the distribution of its residuals (non-normality); however, when it was tested with independent data an acceptable performance was found, with C index above 0.8. The generated models showed that precipitation can be used as the main variable for predicting sugarcane quality and that its use can be extended to other areas than the one where it was originally generated.