Predição por modelos não-lineares do C-CO2 evoluído de argissolo tratado com resíduos orgânicos
| Ano de defesa: | 2016 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | , , , |
| 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 |