Resumo -O conhecimento da temperatura do ponto de vista agronômico é importante para o crescimento e desenvolvimento das plantas, assim como para a produção agrícola. No entanto, nem sempre tem-se a disponibilidade de séries temporais, de forma que caracterize o comportamento da variável de interesse ao longo do tempo. Nesse sentido, objetivou-se modelar as séries de temperaturas médias mínima, máxima e média anual da estação agroclimatológica localizada em Pelotas, RS, Brasil, no período de 1931 a 2011, utilizando os modelos autorregressivos e, a partir da adequação do modelo selecionado, realizar a predição da variável. Para tanto foram utilizados os testes de Cox-Stuart, Wald-Wolfowitz, Spearman e Mann-Kendall, para comprovar ou não, a existência de tendência das séries de temperatura ao longo do tempo. Para a modelagem foram utilizados os modelos Autorregressivos Integrados Média Móvel e, para a seleção do modelo mais adequado, o teste de Porteau Monteau. O teste não-paramétrico de Spearman foi considerado o mais robusto para a detecção de tendência nas séries temporais, o que permitiu observar um acréscimo de 1,12ºC nas temperaturas médias mínimas anuais da localidade em estudo. As temperaturas médias mínimas anuais de Pelotas, RS, podem ser previstas pelos modelos autorregressivos -AR (1), cuja inclusão de outro parâmetro regressivo não apresentou ganho de informação na previsão das mesmas.
Palavras-chave -Séries temporais. Processo estocástico. Modelos autorregressivosAbstract -The knowledge of temperature from the agronomic viewpoint is important for the growth and development of plants as well as for agricultural production. However, the availability time series is not always available in a way that would allow characterizing the behavior of the interest variable over time. In this sense, the aim of modeling the series of average minimum, maximum temperature and average annual agricultural weather season located in Pelotas, Brazil, in the period 1931-2011, using the autoregressive models and from the adequacy of the selected model, perform the prediction variable. For both tests Cox-Stuart, Wald-Wolfowitz Spearman and Mann-Kendall were used to prove or disprove the existence of the series of temperature trend over time. The Autoregressive Integrated Moving Average was used as a modeling method and the Porteau Monteau test was used in order to select the fittest model. The non-parametric Spearman test was considered the most robust for the detection of trend in time series, which allowed us to observe an increase of 1.12ºC in the annual minimum of the study site, average temperatures. The annual minimum of Pelotas average temperatures can be predicted by autoregressive models -AR (1), the inclusion of other regressive parameter showed no information gain in forecast of annual average minimum temperatures.