Modelos de regressão para a descrição do crescimento do cafeeiro irrigado e não irrigado após recepa

Abstract

O cultivo do café irrigado tem se expandido em todo território nacional, principalmente em locais onde a produção é mais significativa como Minas Gerais, Espírito Santo e São Paulo. Assim, a irrigação tem sido uma grande aliada do produtor, visto que, se bem conduzida, tem reduzido perdas e aumentado a rentabilidade. O objetivo deste estudo foi testar modelos lineares e não lineares com efeitos fixos e aleatórios como uma alternativa para avaliação do crescimento do diâmetro de copa do cafeeiro sob diferentes manejos de irrigação. Foram utilizados dados provenientes de um experimento realizado na área do Departamento de Engenharia da UFLA. O delineamento foi o de blocos casualizados. Avaliou-se periodicamente ao longo de 1100 dias o crescimento da copa das plantas. Observou-se que os modelos não lineares logístico e de Gompertz são adequados para a descrição do desenvolvimento do diâmetro de copa do cafeeiro e que o uso de modelos de efeito misto é viável, tanto para ajustes lineares quanto para não lineares. Os modelos não linear são preferidos dado que seus parâmetros tem interpretação biológica.The irrigated coffee crop grown has expanded throughout the national terri- tory, especially where production is more significant as Minas Gerais, Espirito Santo and São Paulo. Thus, irrigation has been a great producer ally, because, if well conducted, has reduced losses and increased profitability. The aim of this study was to test the linear and nonlinear mixed-effects models as an alternative for assessing the canopy diameter growth of coffee under different irrigation ma- nagement schemes. We used data from an experiment conducted in the UFLA Engineering Department. The design was a randomized block. The canopy plant growth was measured periodically over 1100 days. It was observed that nonlin- ear logistic and Gompertz models are suitable for describing the canopy diameter growth of coffee and the use of mixed effect models is feasible for linear and non- linear fitted models. The nonlinear models are preferred because its parameters have biological meaning.