Através da utilização de séries multitemporais de dados EVI (Enhanced Vegetation Index) e de variáveis climáticas, foram ajustados 990 modelos, divididos entre ambiente de floresta natural e cultivo agrícola. A área de estudo localiza-se no município de Sooretama, ao norte do estado do Espírito Santo, entre os paralelos 18o 53 53"S e 19o 30 00"S e os meridianos 39o 50 00"W e 40o 15 50"W. Pressupôs-se que os dados EVI variaram exclusivamente em função da pluviosidade (PP), temperatura(T), umidade relativa (UR) e fotoperíodo (FP), então essas quatro variáveis foram agrupadas de todas as formas possíveis, totalizando 15 combinações. Na investigação das correlações entre EVI e variáveis climáticas, foram considerados 33 níveis diários de defasagem temporal que a vegetação necessita para superar os estresses decorrentes do clima (por exemplo, estresse hídrico). Os modelos foram ajustados através do método dos mínimos quadrados ordinários e avaliados através dos coeficientes de determinação (R2). Concluiu- se que, nas áreas de cultivo agrícola, há maior correlação entre EVI e variáveis climáticas quando considera-se poucos dias de defasagem, enquanto que na floresta natural ocorre o contrário. Modelos que possuem somente 2 das 4 variáveis apresentaram capacidade preditiva semelhantes àqueles que utilizaram todas. Os modelos com maior capacidade preditiva para a floresta natural incluíram o FP, enquanto que, para a área de cultivo agrícola, foram os que incluíram a T. As 3 variáveis independentes no cultivo agrícola que, em conjunto, mais se correlacionaram com o EVI foram: T, UR e PP.
Through the utilization of multitemporal series of EVI (Enhanced Vegetation Index) data and climatic variables, 990 models have been adjusted, divided between natural forest environments and cropping areas. The study area locates in the city of Sooretama, to the north of the State of Espirito Santo, between the parallels 18o 53 53"S and 19o 30' 00"S and the meridians 39o 50 00"W and 40o 15 50"W. It s been assumed that the EVI data vary exclusively in function of the pluviosity (PP), temperature (T), relative humidity (UR) and photoperiod (FP). So, these four variables were grouped in all possible ways, totalizing fifteen combinations. In the investigation of the correlations between EVI and climatic variables, were also considered the lag that the vegetation needs to overwhelm the stress (e.g. hydrical stress). The models have been adjusted through the ordinary least-squares method and evaluated by the determination coefficients (R 2 ) values. It was concluded that while in the natural forest the EVI has a higher correlation with climatic variables applying more days of lag, in cropping areas the inverse was observed. Models contents two variables showed to have a predictive capacity close to the ones with four variables. The models with bigger predictive capacity for the natural forest had included the FP, whereas for the cropping area they had been the ones that had included the T. The 3 independent variables in the cropping areas more correlated with the EVI were T, UR and PP.
