Esta é uma versão desatualizada publicada em 04-11-2024. Leia a versão mais recente.

Modelos de regressão não linear como ferramenta para descrever o crescimento vegetativo do morangueiro

Autores

Palavras-chave:

Fragaria x ananassa Duch., Modelos de crescimento, Albion, San Andreas

Resumo

A maneira como os morangueiros crescem e se desenvolvem tem impacto em sua produtividade e qualidade. O conhecimento sobre o crescimento da planta é fundamental para o manejo da cultura. Os modelos de regressão não linear destacam-se como escolhas mais apropriadas para representar o crescimento de plantas. O objetivo foi estudar o incremento da massa seca de folhas de duas cultivares de morangueiro durante um ciclo de cultivo, utilizando, para isso, os modelos clássicos logístico e Gompertz, e o modelo Chanter. O experimento foi realizado em casa de vegetação, empregando as cultivares Albion e San Andreas, cultivadas em calhas com substrato e recirculação da solução nutritiva drenada. Sete coletas foram realizadas no período de março de 2022 a março de 2023, respectivamente, aos 30, 60, 120, 180, 240, 300 e 360 dias após o plantio. Foram obtidas estimativas dos parâmetros dos modelos, sendo duas delas com as seguintes interpretações práticas: 1 – momento de estabilização do crescimento; 2 - momento de desaceleração do crescimento. Foram utilizadas três medidas estatísticas para avaliar a qualidade do ajuste dos modelos: critério de informação de Akaike (AIC), critério de informação de Bayes (BIC) e desvio padrão residual (DPR). Conclui-se que, para a cultivar Albion, o modelo Chanter apresentou valores inferiores para os três avaliadores, porém, para a cultivar San Andreas, os avaliadores AIC e BIC indicaram o modelo logístico com o melhor ajuste, e o DPR indicou o modelo Chanter.

Downloads

Publicado

04-11-2024

Versões

Como Citar

Garcia Dutra, J., Silva, P. V. da, & Peil, R. M. N. (2024). Modelos de regressão não linear como ferramenta para descrever o crescimento vegetativo do morangueiro. Sigmae, 13(4), 62–74. Recuperado de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2474

Edição

Seção

Estatística Aplicada