The environment plays an essential role in driving the occurrence and dynamics of plant disease epidemics. The weather is known to influence pathogen and host biology and should modulate the stages of the disease cycle. On the other hand, climate, the average of weather within long periods of time (i.e. 30 years), should set the predominance of pathogens and host genotypes across regions, and therefore the spatial distribution of plant diseases and their respective intensities. In this thesis, three studies aiming to unravel the effects of environmental factors on plant disease epidemics will be presented. The first study will demonstrate how the climate shapes the spatial distribution of citrus Huanglongbing prevalence in Minas Gerais. In the second study, the time to onset of soybean rust in commercial soybean fields from Southern Brazil was associated with the El Nino Southern Oscillation, a phenomenon that triggers extreme weather events around the globe and also in Brazil; The third study integrates cutting- edge statistical methodology to associate weather time series and soil properties data to white mold prevalence in snap bean fields in New York, United States. The results led to novel insights into pathogen biology and disease risk at the regional and local scales for the three pathosystems under study. Keywords: Epidemiology. Huanglongbing. Soybean rust. White mold. Bayesian. Machine learning.O ambiente desempenha um papel essencial para ocorrência e dinâmica de epidemias de doenças de plantas. O tempo (meteorológico) é conhecido por influenciar a biologia do patógeno e do hospedeiro e por isso desempenha papel na modulação dos estágios do ciclo das doenças. Por outro lado, o clima, dado como a média do tempo (meteorológico) durante longos períodos (30 anos), deve definir a predominância de patógenos e genótipos hospedeiros nas regiões e, portanto, a distribuição espacial das doenças de plantas e suas respectivas intensidades. Nesta tese, serão apresentados três estudos com o objetivo de desvendar os efeitos de fatores ambientais em epidemias de doenças de plantas. O primeiro estudo demonstrará como o clima molda a distribuição espacial da prevalência do Huanglongbing (também conhecido como greening) dos citros em Minas Gerais. No segundo estudo, o tempo de aparecimento da ferrugem da soja em lavouras comerciais de soja do Sul do Brasil foi associado ao El Nino-Southern Oscillation, fenômeno que desencadeia eventos climáticos extremos ao redor do globo e também no Brasil; O terceiro estudo integra metodologia estatística de ponta para associar séries temporais de variáveis meteorológicas e dados de propriedades do solo à prevalência de mofo branco em campos de feijão-vagem em Nova York, Estados Unidos. Os resultados levaram a novos entendimentos sobre a biologia dos patógenos e o risco de doenças nas escalas regional e local para os três patossistemas em estudo. Palavras-chave: Epidemiologia. Huanglongbing. Ferrugem da soja. Mofo branco. Bayesiano. Aprendizado de máquina.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior