Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Silva, Edilson Marcelino lattes
Orientador(a): Muniz, Joel Augusto
Banca de defesa: Silva, Carlos Alberto, Brighenti, Carla Regina Guimarães, Morais, Augusto Ramalho de, Oliveira, Izabela Regina Cardoso de
Tipo de documento: Dissertação
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 Ciências Exatas
País: brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufla.br/handle/1/11041
Resumo: Os diversos resíduos culturais e o tipo de manejo interfere na decomposição, bem como na qualidade do solo e produção das culturas. O conhecimento das curvas de mineralização do carbono permite buscar melhorias na qualidade do solo e maior produtividade de culturas. Objetivou-se, neste trabalho, comparar modelos não lineares que descrevem a mineralização do carbono e escolher o mais adequado, considerando resíduos na superfície ou incorporado ao solo. Os dados analisados foram obtidos de Giacominiet al. (2008) e correspondem aos resultados de um experimento com palha de aveia, dejetos líquidos de suínos e cama sobreposta de suínos. Foram utilizados os modelos não lineares de Stanford e Smith, Cabrera e Molina, considerando estrutura de erros autorregressivos AR(1), quando necessário. A estimação dos parâmetros foi feita utilizando-se a função “gnls” do software estatístico R, que utiliza o método de mínimos quadrados e o algoritmo de Gauss-Newton para convergência. Os ajustes foram comparados utilizando-se os seguintes critérios de seleção: critério de informação de Akaike (AIC) e curvaturas de Bates e Watts. Os modelos não lineares Stanford e Smith e Cabrera descrevem, de forma satisfatória, a mineralização do carbono no solo. O modelo Molina não se ajustou aos dados.
id UFLA_a5f94087b60147b4cc86a456ec905ee2
oai_identifier_str oai:repositorio.ufla.br:1/11041
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling 2016-04-15T19:07:03Z2016-04-15T19:07:03Z2016-04-152016-03-04SILVA, E. M. Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos. 2016. 72 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2016.https://repositorio.ufla.br/handle/1/11041Os diversos resíduos culturais e o tipo de manejo interfere na decomposição, bem como na qualidade do solo e produção das culturas. O conhecimento das curvas de mineralização do carbono permite buscar melhorias na qualidade do solo e maior produtividade de culturas. Objetivou-se, neste trabalho, comparar modelos não lineares que descrevem a mineralização do carbono e escolher o mais adequado, considerando resíduos na superfície ou incorporado ao solo. Os dados analisados foram obtidos de Giacominiet al. (2008) e correspondem aos resultados de um experimento com palha de aveia, dejetos líquidos de suínos e cama sobreposta de suínos. Foram utilizados os modelos não lineares de Stanford e Smith, Cabrera e Molina, considerando estrutura de erros autorregressivos AR(1), quando necessário. A estimação dos parâmetros foi feita utilizando-se a função “gnls” do software estatístico R, que utiliza o método de mínimos quadrados e o algoritmo de Gauss-Newton para convergência. Os ajustes foram comparados utilizando-se os seguintes critérios de seleção: critério de informação de Akaike (AIC) e curvaturas de Bates e Watts. Os modelos não lineares Stanford e Smith e Cabrera descrevem, de forma satisfatória, a mineralização do carbono no solo. O modelo Molina não se ajustou aos dados.Many cultural residues and types of management interfere in the decomposition and quality of the soil and crop production. Knowledge of carbon mineralization curves enables us to seek improvements in soil quality and crop productivity. The aim of this study was to compare nonlinear models that describe carbon mineralization and choose the most appropriate, considering surface residue or incorporated into the soil. The data used were obtained from Giacomini et al. (2008) and correspond to the results of an experiment with oat straw, pig slurry and pig deep-litter. The Stanford e Smith, Cabrera and Molina nonlinear models were used, considering autoregressive structure errors AR(1) when necessary. Parameter estimation was performed using the \gnls"statistical tool of software R, using the least squares method and the Gauss-Newton algorithm for convergence. Adjustments were compared using the following evaluators: Akaike Information Criterion (AIC) and Bates and Watts curvature. The Stanford e Smith and Cabrera nonlinear models described satisfactorily carbon mineralization in the soil. The Molina model does not t the data.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Federal de LavrasPrograma de Pós-Graduação em Estatística e Experimentação AgropecuáriaUFLAbrasilDepartamento de Ciências ExatasProbabilidade e Estatística AplicadasDecomposiçãoMeia-vidaAutocorrelaçãoCurvaturas de Bates e WattsDecompositionHalf-lifeAutocorrelationBates and Watts curvaturesPredição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicosPrediction for nonlinear models C-CO2 evolved treated soil with organic wasteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMuniz, Joel AugustoSilva, Carlos AlbertoBrighenti, Carla Regina GuimarãesMorais, Augusto Ramalho deOliveira, Izabela Regina Cardoso dehttp://lattes.cnpq.br/6864946985884001Silva, Edilson Marcelinoinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAORIGINALDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdfDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdfapplication/pdf1277773https://repositorio.ufla.br/bitstreams/0defbecf-e4ac-4c23-8bf1-cb98747ea9ea/download0ba5d4de44945051cd504ace2ee831a1MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8953https://repositorio.ufla.br/bitstreams/163950c5-9a13-4da7-a8c3-4da3a6a24412/download760884c1e72224de569e74f79eb87ce3MD52falseAnonymousREADTEXTDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdf.txtDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdf.txtExtracted texttext/plain104001https://repositorio.ufla.br/bitstreams/cc372892-73aa-41bc-a5d9-192230ec68cd/download01f20a9d4fbe165b1e267360c26a8cedMD53falseAnonymousREADTHUMBNAILDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdf.jpgDISSERTAÇÃO_Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos.pdf.jpgGenerated Thumbnailimage/jpeg2504https://repositorio.ufla.br/bitstreams/4c78d81a-4ea4-4dac-aaaa-6938ddc231bc/download6886ae77f1c0a1ddbf4ad5a5c1fd7571MD54falseAnonymousREAD1/110412025-08-06 11:05:38.422open.accessoai:repositorio.ufla.br:1/11041https://repositorio.ufla.brRepositório InstitucionalPUBhttps://repositorio.ufla.br/server/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2025-08-06T14:05:38Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)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
dc.title.pt_BR.fl_str_mv Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
dc.title.alternative.pt_BR.fl_str_mv Prediction for nonlinear models C-CO2 evolved treated soil with organic waste
title Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
spellingShingle Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
Silva, Edilson Marcelino
Probabilidade e Estatística Aplicadas
Decomposição
Meia-vida
Autocorrelação
Curvaturas de Bates e Watts
Decomposition
Half-life
Autocorrelation
Bates and Watts curvatures
title_short Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
title_full Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
title_fullStr Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
title_full_unstemmed Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
title_sort Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
author Silva, Edilson Marcelino
author_facet Silva, Edilson Marcelino
author_role author
dc.contributor.advisor1.fl_str_mv Muniz, Joel Augusto
dc.contributor.referee1.fl_str_mv Silva, Carlos Alberto
dc.contributor.referee2.fl_str_mv Brighenti, Carla Regina Guimarães
dc.contributor.referee3.fl_str_mv Morais, Augusto Ramalho de
dc.contributor.referee4.fl_str_mv Oliveira, Izabela Regina Cardoso de
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6864946985884001
dc.contributor.author.fl_str_mv Silva, Edilson Marcelino
contributor_str_mv Muniz, Joel Augusto
Silva, Carlos Alberto
Brighenti, Carla Regina Guimarães
Morais, Augusto Ramalho de
Oliveira, Izabela Regina Cardoso de
dc.subject.cnpq.fl_str_mv Probabilidade e Estatística Aplicadas
topic Probabilidade e Estatística Aplicadas
Decomposição
Meia-vida
Autocorrelação
Curvaturas de Bates e Watts
Decomposition
Half-life
Autocorrelation
Bates and Watts curvatures
dc.subject.por.fl_str_mv Decomposição
Meia-vida
Autocorrelação
Curvaturas de Bates e Watts
Decomposition
Half-life
Autocorrelation
Bates and Watts curvatures
description Os diversos resíduos culturais e o tipo de manejo interfere na decomposição, bem como na qualidade do solo e produção das culturas. O conhecimento das curvas de mineralização do carbono permite buscar melhorias na qualidade do solo e maior produtividade de culturas. Objetivou-se, neste trabalho, comparar modelos não lineares que descrevem a mineralização do carbono e escolher o mais adequado, considerando resíduos na superfície ou incorporado ao solo. Os dados analisados foram obtidos de Giacominiet al. (2008) e correspondem aos resultados de um experimento com palha de aveia, dejetos líquidos de suínos e cama sobreposta de suínos. Foram utilizados os modelos não lineares de Stanford e Smith, Cabrera e Molina, considerando estrutura de erros autorregressivos AR(1), quando necessário. A estimação dos parâmetros foi feita utilizando-se a função “gnls” do software estatístico R, que utiliza o método de mínimos quadrados e o algoritmo de Gauss-Newton para convergência. Os ajustes foram comparados utilizando-se os seguintes critérios de seleção: critério de informação de Akaike (AIC) e curvaturas de Bates e Watts. Os modelos não lineares Stanford e Smith e Cabrera descrevem, de forma satisfatória, a mineralização do carbono no solo. O modelo Molina não se ajustou aos dados.
publishDate 2016
dc.date.submitted.none.fl_str_mv 2016-03-04
dc.date.accessioned.fl_str_mv 2016-04-15T19:07:03Z
dc.date.available.fl_str_mv 2016-04-15T19:07:03Z
dc.date.issued.fl_str_mv 2016-04-15
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA, E. M. Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos. 2016. 72 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.ufla.br/handle/1/11041
identifier_str_mv SILVA, E. M. Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos. 2016. 72 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2016.
url https://repositorio.ufla.br/handle/1/11041
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Lavras
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
dc.publisher.initials.fl_str_mv UFLA
dc.publisher.country.fl_str_mv brasil
dc.publisher.department.fl_str_mv Departamento de Ciências Exatas
publisher.none.fl_str_mv Universidade Federal de Lavras
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
bitstream.url.fl_str_mv https://repositorio.ufla.br/bitstreams/0defbecf-e4ac-4c23-8bf1-cb98747ea9ea/download
https://repositorio.ufla.br/bitstreams/163950c5-9a13-4da7-a8c3-4da3a6a24412/download
https://repositorio.ufla.br/bitstreams/cc372892-73aa-41bc-a5d9-192230ec68cd/download
https://repositorio.ufla.br/bitstreams/4c78d81a-4ea4-4dac-aaaa-6938ddc231bc/download
bitstream.checksum.fl_str_mv 0ba5d4de44945051cd504ace2ee831a1
760884c1e72224de569e74f79eb87ce3
01f20a9d4fbe165b1e267360c26a8ced
6886ae77f1c0a1ddbf4ad5a5c1fd7571
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1854947834234667008