Modelos não lineares para predizer a mineralização de nitogênio num latossolo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2005 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Scientia Agrícola (Online) |
Texto Completo: | https://www.revistas.usp.br/sa/article/view/22090 |
Resumo: | Este trabalho teve por objetivo avaliar o grau do ajuste de oito modelos não lineares apresentados na literatura, utilizados para descrever a mineralização do nitrogênio em latossolo do sul de Minas Gerais incubado durante 28 semanas. A estimação dos parâmetros para os modelos de regressão não linear sem e com estrutura de erros autorregressivos foi feita pelo método de mínimos quadrados. A princípio, considerou-se para todos os modelos não lineares uma estrutura de erros autorregressivos de segunda ordem, AR(2) e, em seguida, verificou-se a significância dos parâmetros de autocorrelação. Apenas o modelo de Juma apresentou autocorrelação de segunda ordem, e o modelo de Broadbent apresentou autocorrelação de primeira ordem, ou seja, apenas estes modelos apresentaram parâmetros de autocorrelação significativos. Para estimação dos parâmetros dos modelos não lineares, utilizou-se o procedimento MODEL (SAS®). A comparação dos modelos foi feito por meio de critérios da qualidade do ajuste (coeficiente de determinação ajustado, quadrado médio do resíduo e erro de predição médio). O modelo de melhor ajuste foi o de Juma com AR(2), para a mineralização de N sem calagem, seguido pelos modelos de Cabrera, Stanford & Smith sem estrutura de erros autorregressivos, tanto para os dados com, quanto para aqueles obtidos sem a correção da acidez do solo. |
id |
USP-18_611e69342fb9c7e59978d3fd0f4056c9 |
---|---|
oai_identifier_str |
oai:revistas.usp.br:article/22090 |
network_acronym_str |
USP-18 |
network_name_str |
Scientia Agrícola (Online) |
repository_id_str |
|
spelling |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo Nonlinear models to predict nitrogen mineralization in an Oxisol autorregressivopropriedades dos estimadoresnitrogênio mineralizadomatriz de variânciacovariânciaautoregressiveestimators propertiesmineralized nitrogenvariancecovariance matrices Este trabalho teve por objetivo avaliar o grau do ajuste de oito modelos não lineares apresentados na literatura, utilizados para descrever a mineralização do nitrogênio em latossolo do sul de Minas Gerais incubado durante 28 semanas. A estimação dos parâmetros para os modelos de regressão não linear sem e com estrutura de erros autorregressivos foi feita pelo método de mínimos quadrados. A princípio, considerou-se para todos os modelos não lineares uma estrutura de erros autorregressivos de segunda ordem, AR(2) e, em seguida, verificou-se a significância dos parâmetros de autocorrelação. Apenas o modelo de Juma apresentou autocorrelação de segunda ordem, e o modelo de Broadbent apresentou autocorrelação de primeira ordem, ou seja, apenas estes modelos apresentaram parâmetros de autocorrelação significativos. Para estimação dos parâmetros dos modelos não lineares, utilizou-se o procedimento MODEL (SAS®). A comparação dos modelos foi feito por meio de critérios da qualidade do ajuste (coeficiente de determinação ajustado, quadrado médio do resíduo e erro de predição médio). O modelo de melhor ajuste foi o de Juma com AR(2), para a mineralização de N sem calagem, seguido pelos modelos de Cabrera, Stanford & Smith sem estrutura de erros autorregressivos, tanto para os dados com, quanto para aqueles obtidos sem a correção da acidez do solo. This work was carried out to evaluate the statistical properties of eight nonlinear models used to predict nitrogen mineralization in soils of the Southern Minas Gerais State, Brazil. The parameter estimations for nonlinear models with and without structure of autoregressive errors was made by the least squares method. First, a structure of second order autoregressive errors, AR(2) was considered for all nonlinear models and then the significance of the autocorrelation parameters was verified. Among the models, the Juma presented an autocorrelation of second order, and the model of Broadbent presented one of first order. In summary, these models presented significant autocorrelation parameters. To estimate the parameters of nonlinear models, the SAS procedure MODEL was used (SAS). The comparison of the models was made by measuring the fitted parameters: adjusted R-square, mean square error and mean predicted error. The Juma model with AR(2) best fitted for nitrogen mineralization without liming, followed by Cabrera, Stanford & Smith without autoregressive errors, for both with and without soil acidity correction. Universidade de São Paulo. Escola Superior de Agricultura Luiz de Queiroz2005-08-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://www.revistas.usp.br/sa/article/view/2209010.1590/S0103-90162005000400014Scientia Agricola; v. 62 n. 4 (2005); 395-400Scientia Agricola; Vol. 62 Núm. 4 (2005); 395-400Scientia Agricola; Vol. 62 No. 4 (2005); 395-4001678-992X0103-9016reponame:Scientia Agrícola (Online)instname:Universidade de São Paulo (USP)instacron:USPenghttps://www.revistas.usp.br/sa/article/view/22090/24114Copyright (c) 2015 Scientia Agricolainfo:eu-repo/semantics/openAccessPereira, Janser MouraMuniz, Joel AugustoSilva, Carlos Alberto2015-07-07T16:58:36Zoai:revistas.usp.br:article/22090Revistahttp://revistas.usp.br/sa/indexPUBhttps://old.scielo.br/oai/scielo-oai.phpscientia@usp.br||alleoni@usp.br1678-992X0103-9016opendoar:2015-07-07T16:58:36Scientia Agrícola (Online) - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo Nonlinear models to predict nitrogen mineralization in an Oxisol |
title |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
spellingShingle |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo Pereira, Janser Moura autorregressivo propriedades dos estimadores nitrogênio mineralizado matriz de variância covariância autoregressive estimators properties mineralized nitrogen variance covariance matrices |
title_short |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
title_full |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
title_fullStr |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
title_full_unstemmed |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
title_sort |
Modelos não lineares para predizer a mineralização de nitogênio num latossolo |
author |
Pereira, Janser Moura |
author_facet |
Pereira, Janser Moura Muniz, Joel Augusto Silva, Carlos Alberto |
author_role |
author |
author2 |
Muniz, Joel Augusto Silva, Carlos Alberto |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Pereira, Janser Moura Muniz, Joel Augusto Silva, Carlos Alberto |
dc.subject.por.fl_str_mv |
autorregressivo propriedades dos estimadores nitrogênio mineralizado matriz de variância covariância autoregressive estimators properties mineralized nitrogen variance covariance matrices |
topic |
autorregressivo propriedades dos estimadores nitrogênio mineralizado matriz de variância covariância autoregressive estimators properties mineralized nitrogen variance covariance matrices |
description |
Este trabalho teve por objetivo avaliar o grau do ajuste de oito modelos não lineares apresentados na literatura, utilizados para descrever a mineralização do nitrogênio em latossolo do sul de Minas Gerais incubado durante 28 semanas. A estimação dos parâmetros para os modelos de regressão não linear sem e com estrutura de erros autorregressivos foi feita pelo método de mínimos quadrados. A princípio, considerou-se para todos os modelos não lineares uma estrutura de erros autorregressivos de segunda ordem, AR(2) e, em seguida, verificou-se a significância dos parâmetros de autocorrelação. Apenas o modelo de Juma apresentou autocorrelação de segunda ordem, e o modelo de Broadbent apresentou autocorrelação de primeira ordem, ou seja, apenas estes modelos apresentaram parâmetros de autocorrelação significativos. Para estimação dos parâmetros dos modelos não lineares, utilizou-se o procedimento MODEL (SAS®). A comparação dos modelos foi feito por meio de critérios da qualidade do ajuste (coeficiente de determinação ajustado, quadrado médio do resíduo e erro de predição médio). O modelo de melhor ajuste foi o de Juma com AR(2), para a mineralização de N sem calagem, seguido pelos modelos de Cabrera, Stanford & Smith sem estrutura de erros autorregressivos, tanto para os dados com, quanto para aqueles obtidos sem a correção da acidez do solo. |
publishDate |
2005 |
dc.date.none.fl_str_mv |
2005-08-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.revistas.usp.br/sa/article/view/22090 10.1590/S0103-90162005000400014 |
url |
https://www.revistas.usp.br/sa/article/view/22090 |
identifier_str_mv |
10.1590/S0103-90162005000400014 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
https://www.revistas.usp.br/sa/article/view/22090/24114 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2015 Scientia Agricola info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2015 Scientia Agricola |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo. Escola Superior de Agricultura Luiz de Queiroz |
publisher.none.fl_str_mv |
Universidade de São Paulo. Escola Superior de Agricultura Luiz de Queiroz |
dc.source.none.fl_str_mv |
Scientia Agricola; v. 62 n. 4 (2005); 395-400 Scientia Agricola; Vol. 62 Núm. 4 (2005); 395-400 Scientia Agricola; Vol. 62 No. 4 (2005); 395-400 1678-992X 0103-9016 reponame:Scientia Agrícola (Online) instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Scientia Agrícola (Online) |
collection |
Scientia Agrícola (Online) |
repository.name.fl_str_mv |
Scientia Agrícola (Online) - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
scientia@usp.br||alleoni@usp.br |
_version_ |
1800222787858595840 |