Foram avaliados dois modelos para estimativa do potencial produtivo relativo de cana-de-açúcar. Utilizou-se dados de produtividade (t.ha -1 ) de experimentos, dados de campo da Usina Santa Rita, localizado no município de Santa Rita do Passa Quatro e das áreas de cana-de-açúcar da Usina Costa Pinto em Piracicaba, todas localizadas no Estado de São Paulo, Brasil, para realizar uma comparação entre a produtividade obtida em campo e a produtividade relativa (% da máxima produtividade) estimada pelo modelo matemático. As variáveis de entrada são o fósforo (P, mmolc/kg), potássio (K, mmolc/kg), capacidade de troca de cátions (T, mmolc/kg), saturação por bases (V%) e o teor de argila (Arg%). As avaliações mostraram que o modelo estimou de forma eficiente a produtividade relativa de cana-de-açúcar, com relações altamente significativas (P<0,001) entre produtividade medida no campo e produtividade relativa estimada. Verificou-se que o modelo ganha precisão quando se trabalha em escalas maiores (dados experimentais) em comparação com escalas menores (grandes fazendas). Uma análise de regressão linear múltipla, pelo método stepwise, foi utilizada para verificar quais foram os fatores que influenciaram a produtividade da cana-de-açúcar nos diferentes anos. Verificou-se forte influencia do número de cortes e das variedades, entretanto notou-se que as variáveis do solo utilizados como variáveis de entrada (P,K,T,V,Arg) nem sempre influenciaram a produtividade nos diferentes anos. Constatou-se então que as ferramentas estatísticas podem ser limitadas para elaboração de modelos. Consequentemente o modelo mostrou-se uma ferramenta útil para identificação da capacidade produtiva de áreas para a cana-de-açúcar de maneira holística e integrada em comparação aos métodos estatísticos. O modelo foi aplicado, numa escala regional, no o município de Piracicaba. Através de um sistema de informações geográficas (SIG) foram gerados um mapa de declividade, mapa de distância em relação a 4 usinas da região e uma mapa de produtividade relativa. Os mapas foram úteis na identificação da distribuição espacial da cana-de-açúcar no município. Utilizou-se o modelo climático da FAO para simular a produtividade da cana-de-açúcar mês a mês durante um ano. O mesmo não apresentou correlação com a produtividade média mensal obtida. Este modelo foi concebido para estudos em dimensões continentais com regiões climaticamente contrastantes. Em escala local se mostrou muito sensível ao déficit hídrico para estimar a produtividade da cana-de-açúcar adequado para realizar estimativas, principalmente porque esta cultura é tolerante a períodos de stress hídricos.

Two models of sugarcane were evaluated. The yield (t/ha) out of experimental data, and from fields of the Santa Rita Sugar Mill, located at Santa Rita do Passa Quatro, and from large farms of the Costa Pinto Sugar Mill, located at Piracicaba, all in the State of São Paulo - Brazil were compared to the estimated relative yield (% of the maximum yield) by a mathematical model having as input the soil fertility parameters: potassium content (K, in mol/kg), phosphorus content (P, in mol/kg), cation exchange capacity (T, in mol/kg), base saturation (V, in %) and clay content (Arg, in %), by linear regression. The high significance of the regressions (P<0,001) showed a closed relation between estimated and measured yield. The model gain precision with bigger scales (experimental data) compared to the smaller scales (larger farms). A linear multiple regression statistical analysis, by the stepwise method, were applied to select the soil parameter which most affected the yield. The ratton number and the sugarcane variety were the most important factors determining yield, overcoming the soil fertility parameters which not always affected yield according to this analysis. Consequently, the model was a better tool to identify soil capability for sugarcane yield, in a holistic and integrated manner, than the statistical analysis. The soil model to estimated relative yield were applied tin the regional scale on the Piracicaba county to generate maps of the distance of sugarcane field to the sugar mills, relative sugarcane yield of the fields, and land slopes of the sugarcane fields. The maps were useful to elucidate the sugarcane distribution within the county. An estimation of yield by the FAO model, using weather data as input parameters, showed a large month to month yield variation in discrepancy to the field observations. No significance regressions demonstrated that the yield estimated by FAO model is not related to the field data. This model was created for studies at continental level with contrasting weather differences, but is too sensitive for the water deficit to estimate sugarcane yield at local and regional scale, mainly because this crop is particularly tolerant do periodic water stress.