Uso dos modelos von Bertalanffy e Logístico na descrição do acúmulo de massa seca das plantas daninhas Amaranthus retroflexus e Amaranthus hybridus

Abstract

As plantas daninhas são motivo de preocupação aos agricultores, pois infestam áreas agrícolas e podem causar grandes prejuízos, por demandarem gastos com métodos de controle, além de poderem prejudicar a produção. Estudar o crescimento desse tipo de planta permite o conhecimento em relação seu comportamento no ambiente em que se desenvolve e pode auxiliar no desenvolvimento de formas adequadas e sustentáveis de manejo. Neste sentido os modelos não lineares Logístico e von Bertalanffy foram ajustados, por meio do software R, para as variáveis massa seca nos ramos e massa seca total das espécies Amaranthus retroflexus e Amaranthus hybridus, as avaliações foram aos 20, 30, 40, 50, 60, 70, 80, 90 dias após a semeadura. Avaliou-se qual é o melhor modelo para descrever o crescimento das espécies. Os dois modelos se ajustaram adequadamente aos dados, porém de acordo com os avaliadores de qualidade utilizados, o modelo Logístico apresentou-se melhor para as duas espécies. Para a massa seca nos ramos os parâmetros dos modelos não diferiram. Em relação a massa seca total a espécie A. retroflexus apresentou ponto de inflexão anterior. A espécie A. hybridus apresentou maior acúmulo de massa seca total.

Avaliação De Modelos Não Lineares Na Descrição Da Curva De Crescimento Do Fruto De Pessegueiro “Aurora 1”

“…Esse método conduz a um sistema de equações normais não lineares, o que implica a necessidade de empregar algoritmos iterativos para a solução desse sistema. Em estudos que envolvem curvas de crescimento, o algoritmo de Gauss-Newton é geralmente o mais empregado, conforme indicado em pesquisas anteriores (MARTINS FILHO et al, 2008;OLIVEIRA et al, 2013;, AZARIAS et al, 2023MELO MACHADO et al, 2023) Os modelos foram ajustados com base no algoritmo de Gauss-Newton, o qual foi implementado no software R utilizando a função "nls" (R Core Team, 2020). Além disso, para a obtenção do valor do critério de informação de Akaike corrigido (AICc), recorreu-se à função "AICc" disponível no pacote AICcmodavg (MARC, 2020).…”