Equações alométricas para predição da área foliar de cultivares de mamona

Ribeiro, João Everthon da Silva; Côelho, Ester dos Santos; Lopes, Welder de Araújo Rangel; Silva, Elania Freire da; Oliveira, Anna Kézia Soares de; Oliveira, Pablo Henrique de Almeida; Silva, Antonio Gideilson Correia da; Jardim, Alexandre Maniçoba da Rosa Ferraz; Silva, Daniel Valadão; Barros Júnior, Aurélio Paes; Silveira, Lindomar Maria da

RESUMO:

O uso de métodos não destrutivos e de baixo custo para determinação de área foliar tem ganhado importantes aplicações. Os objetivos da pesquisa foram (i) propor um método não destrutivo para estimar a área foliar da cultura da mamona e (ii) construir equações que estimem com precisão e rapidez a área foliar da espécie. Foram coletadas mil folhas sadias e expandidas de cinco cultivares de mamona (New Zealand Purple, Sipeal, Carmencita, Amarelo de Irecê e IAC-80), sendo coletadas 200 folhas de cada uma. O comprimento máximo, largura máxima e área foliar foram calculados para cada folha. Foi calculado o produto entre comprimento e largura (LW). Foram realizados testes com diferentes modelos de regressão linear e não linear entre área foliar e dimensões lineares das folhas de cada cultivar. Os modelos utilizados foram linear, linear sem intercepto e potência. Os critérios para escolha dos melhores modelos para estimar a área foliar da mamona foram maior coeficiente de determinação, maior coeficiente de correlação linear de Pearson, menor critério de informação de Akaike, maior índice de concordância de Willmott e menor raiz do erro quadrático médio. As equações que apresentaram melhores critérios para estimativa da área foliar das cultivares de mamona foram aquelas que utilizaram o produto entre comprimento e largura, em comparação às equações que utilizaram apenas uma dimensão foliar. O modelo ŷ = 0,439 × LW pode ser utilizado para estimar com precisão e rapidez a área foliar da mamona por meio de medidas lineares das folhas, utilizando o produto entre comprimento e largura (LW), independente da cultivar escolhida.

Palavras-chave:
biometria; modelagem empírica; dimensões lineares; Ricinus communis L.

[1] E-mail: j.everthon@hotmail.com. ^*Corresponding author.

Equation code	Models	Coefficients		R²	r	AIC	d	RMSE	Equations
		β₀	β₁
------------------------------------------------------------------------New Zealand Purple--------------------------------------------------------------------
#1	Linear	-265.45	21.87	0.9292	0.9642	1341.2	0.9814	30.53	$ŷ = - 265.45 + 21.87 \times L$
#2	Linear	-294.2	22.10	0.9224	0.9607	1353.8	0.9796	31.96	$ŷ = - 294.2 + 22.10 \times W$
#3	Linear	-11.36	0.434	0.9823	0.9911	1149.5	0.9955	15.24	$ŷ = - 11.36 + 0.434 \times LW$
#4	Linear (0.0)	---	0.419	0.9973	0.9690	1157.1	0.9950	15.78	$ŷ = 0.419 \times LW$
#5	Power	0.528	1.939	0.9481	0.9737	1299.2	0.9737	26.22	$ŷ = 0.528 \times L^{1.939}$
#6	Power	0.310	2.076	0.9421	0.9706	1314.4	0.9849	27.70	$ŷ = 0.310 \times W^{1.939}$
#7	Power	0.316	1.042	0.9827	0.9913	1147.4	0.9956	15.13	$ŷ = 0.316 \times {LW}^{1.042}$
--------------------------------------------------------------------------------Sipeal-----------------------------------------------------------------------------
#1	Linear	-98.79	15.96	0.8317	0.9126	1362.9	0.9529	48.50	$ŷ = - 98.79 + 15.96 \times L$
#2	Linear	-94.00	15.35	0.8566	0.9261	1342.4	0.9603	44.77	$ŷ = - 94.00 + 15.35 \times W$
#3	Linear	15.63	0.434	0.9523	0.9760	1201.5	0.9877	25.81	$ŷ = 15.63 + 0.434 \times LW$
#4	Linear (0.0)	---	0.457	0.9915	0.9760	1207.6	0.9886	26.64	$ŷ = 0.457 \times LW$
#5	Power	2.313	1.506	0.8367	0.9147	1360.4	0.9530	48.02	$ŷ = 2.313 \times L^{1.506}$
#6	Power	2.211	1.507	0.8649	0.9300	1336.1	0.9618	43.67	$ŷ = 2.211 \times W^{1.507}$
#7	Power	0.818	0.911	0.9537	0.9766	1198.5	0.9880	25.52	$ŷ = 0.818 \times {LW}^{0.911}$
------------------------------------------------------------------------------Carmencita------------------------------------------------------------------------
#1	Linear	-193.91	20.75	0.8983	0.9439	1763.5	0.9704	62.98	$ŷ = - 193.91 + 20.75 \times L$
#2	Linear	-189.82	19.27	0.8946	0.9461	1757.1	0.9716	61.72	$ŷ = - 189.82 + 1927 \times W$
#3	Linear	2.914	0.436	0.9802	0.9901	1491.6	0.9950	26.81	$ŷ = 2.914 + 0.436 \times LW$
#4	Linear (0.0)	---	0.439	0.9923	0.7722	1554.6	0.8743	83.38	$ŷ = 0.439 \times LW$
#5	Power	0.543	1.952	0.9490	0.9742	1643.5	0.9868	43.08	$ŷ = 0.543 \times L^{1.952}$
#6	Power	0.428	1.983	0.9591	0.9793	1609.8	0.9895	38.72	$ŷ = 0.428 \times W^{1.983}$
#7	Power	0.427	1.004	0.9804	0.9901	1493.5	0.9950	26.80	$ŷ = 0.427 \times {LW}^{1.004}$
--------------------------------------------------------------------------Amarelo de Irecê---------------------------------------------------------------------
#1	Linear	-151.6	18.78	0.9266	0.9628	1623.5	0.9807	43.18	$ŷ = - 151.6 + 18.78 \times L$
#2	Linear	-132.14	17.04	0.8985	0.9482	1674.1	0.9727	50.79	$ŷ = - 132.14 + 17.04 \times W$
#3	Linear	18.262	0.423	0.9515	0.9756	1558.9	0.9875	35.10	$ŷ = 18.262 + 0.423 \times LW$
#4	Linear (0.0)	---	0.446	0.9838	0.9756	1570.2	0.9871	36.64	$ŷ = 0.446 \times LW$
#5	Power	1.187	1.720	0.9346	0.9667	1608.0	0.9822	41.08	$ŷ = 1.187 \times L^{1.720}$
#6	Power	1.293	1.667	0.9113	0.9546	1654.7	0.9757	47.73	$ŷ = 1.293 \times W^{1.667}$
#7	Power	0.998	0.881	0.9575	0.9785	1540.9	0.9887	33.13	$ŷ = 0.998 \times {LW}^{0.881}$
--------------------------------------------------------------------------------IAC-80---------------------------------------------------------------------------
#1	Linear	-179.95	19.68	0.8976	0.9478	1290.9	0.9726	44.89	$ŷ = - 179.95 + 19.68 \times L$
#2	Linear	-161.08	18.43	0.8812	0.9392	1309.1	0.9677	48.35	$ŷ = - 161.08 + 18.43 \times W$
#3	Linear	21.088	0.419	0.9815	0.9907	1080.6	0.9953	19.10	$ŷ = 21.08 + 0.419 \times LW$
#4	Linear (0.0)	---	0.442	0.9968	0.9907	1100.6	0.9947	20.88	$ŷ = 0.442 \times LW$
#5	Power	1.326	1.683	0.9114	0.9546	1274.1	0.9762	41.93	$ŷ = 1.326 \times L^{1.686}$
#6	Power	1.543	1.623	0.8943	0.9456	1295.8	0.9712	45.79	$ŷ = 1.543 \times W^{1.623}$
#7	Power	0.728	0.927	0.9817	0.9908	1080.2	0.9953	19.06	$ŷ = 0.728 \times {LW}^{0.927}$
-----------------------------------------------------------------------------Pooled data-------------------------------------------------------------------------
#1	Linear	-168.14	19.06	0.8893	0.9431	7537.5	0.9699	51.30	$ŷ = - 168.14 + 19.06 \times L$
#2	Linear	-161.08	17.98	0.8833	0.9399	7574.4	0.9681	52.66	$ŷ = - 161.08 + 17.98 \times W$
#3	Linear	10.101	0.427	0.9681	0.9839	6684.8	0.9918	28.01	$ŷ = 10.101 + 0.427 \times LW$
#4	Linear (0.0)	---	0.439	0.9919	0.9839	6663.3	0.9918	27.55	$ŷ = 0.439 \times LW$
#5	Power	0.818	1.823	0.9222	0.9603	7290.3	0.9794	43.03	$ŷ = 0.818 \times L^{1.823}$
#6	Power	0.780	1.814	0.9191	0.9587	7318.1	0.9785	43.89	$ŷ = 0.780 \times W^{1.814}$
#7	Power	0.570	0.961	0.9780	0.9839	6664.5	0.9918	27.57	$ŷ = 0.570 \times {LW}^{0.961}$

Brasil

Brasil

Equações alométricas para predição da área foliar de cultivares de mamona

RESUMO: