Modelos não lineares na descrição do acúmulo de nutrientes e matéria seca em híbrido de milho

• Ano de defesa: 2023
• Autor(a) principal: Vilas Bôas, Isolina Aparecida
• Orientador(a): Fernandes, Tales Jesus
• Banca de defesa: Pereira, Adriele Aparecida, Barroso, Camilla Marques, Silva, Edilson Marcelino, Muniz, Joel Augusto
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Estatística
• País: brasil
• Palavras-chave em Português: Matéria seca; Nutriente; Regressão não linear; Dry matter; Nutrient; Non-linear regression
• Área do conhecimento CNPq: Regressão e Correlação
• Link de acesso: https://repositorio.ufla.br/handle/1/58997

Em diversas situações, descrever com precisão os fenômenos em análise pode ser um desafio. A aplicação de modelos não lineares representa um significativo avanço na análise de dados, afastando-se dos métodos lineares tradicionais e considerando cuidadosamente as complexidades inerentes presentes em diversos fenômenos. Portanto, a utilização de modelos não lineares na análise de dados visa capturar efetivamente essa complexidade, fornecendo informações mais precisas e abrangentes sobre o fenômeno em estudo. Nesta tese, foram conduzidos três estudos com o objetivo de estudar as curvas de crescimento de híbrido de milho, com base no acúmulo de matéria seca e de nutrientes nos diversos estádios fenológicos obtidos em um experimento com duas cultivares com características distintas. Foram utilizados os modelos não lineares: Brody, Gompertz, logístico, Meloum I, Meloun II, Michaelis Mentem, Michaleis Mentem modificado, Mitscherlich, Richards, Schnute, von Bertalanffy e Weibull. No primeiro estudo a análise foi realizada utilizando os doze modelos não lineares para descrever o acúmulo de matéria seca nos híbridos de milho GNZ2004 e P30F33. No segundo estudo, foram considerados os dados de acúmulo dos macronutrientes (nitrogênio, fósforo, potássio, cálcio, magnésio e enxofre) nos dois híbridos de milho. O terceiro estudo apresenta o uso dos modelos não lineares aplicados aos dados de acúmulo de micronutrientes (boro, cobre, manganês e zinco). A análise foi conduzida utilizando o método de mínimos quadrados e o algoritmo de convergência de Gauss-Newton. A seleção dos modelos mais adequados baseou-se nos seguintes avaliadores de qualidade de ajuste: coeficiente de determinação ajustado (), desvio padrão residual (DPR), erro quadrático médio de predição (MEP), índice assintótico (IA), critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC). Os resultados dessa tese propiciam a análise de regressão não linear explorando alternativas além dos modelos não lineares comumente utilizados, podendo ser estendidos para outros híbridos de milho e também para outras culturas.