Desenvolvimento de funções de pedotransferência para regiões do nordeste brasileiro.

Modelos para simulação do fluxo de água no solo e previsão de produtividade de culturas requerem informações sobre parâmetros das curvas de retenção e condutividade hidráulica do solo. Funções de pedotransferência (PTFs) se constituem numa alternativa para obtenção dessas informações, a partir de dados de textura e estrutura disponíveis em levantamentos de solos. Neste trabalho, foram ajustadas PTFs para os parâmetros do modelo de van Genuchten (vG), utilizando dados de 838 curvas de retenção de diferentes locais do Nordeste. As PTFs apresentaram boa qualidade de ajuste para os parâmetros θr e θs em contraste com a baixa capacidade preditiva para logα e n. Tais resultados sugerem a viabilidade do seu uso em modelos de simulação do balanço hídrico simplificado e para algumas aplicações práticas de irrigação. No entanto, para uso em modelos complexos de fluxo de água é importante avaliar a sensibilidade das variáveis prognósticas (produtividade agrícola, concentração de solutos) a variações nos parâmetros de vG. A alta variabilidade observada tanto nas propriedades morfológicas como nos parâmetros de vG para a região de estudo sugere o agrupamento dos dados em classes texturais ou tipos de solos.

Quantificação de riscos climáticos via modelos de regressão de Cox.

O gerenciamento de riscos climáticos requer informação sobre estados futuros de variáveis climáticas, geralmente representada por funções de distribuição de probabilidade acumulada (FDPA, P(Y?y) ou por sua funções complementares (P(Y>y)), ditas funções probabilidade de exceder (FPE). Uma variedade de métodos estatísticos tem sido utilizada para estimação de FPE, incluindo, modelos de regressão linear múltipla, regressão logística e métodos não paramétricos (MAIA et al, 2007; LO et al, 2008). Apesar de parecer intuitivo que a incerteza associada às estimativas das FPE é fundamental para os tomadores de decisão, esse tipo de informação raramente é fornecido. Modelos estatísticos de previsão baseados em séries históricas da variável de interesse (chuva, temperatura) e de preditores derivados de estados do oceano e da atmosfera (índices climáticos tais como: temperaturas da superfície do mar ? TSM, índice de oscilação sul, IOS, El Nino/Oscilação Sul - ENSO) se constituem em alternativas promissoras para auxílio às tomada de decisão, em escalas locais e regionais. O uso de tais indicadores permite incorporar mudanças de padrão derivadas de mudanças climáticas em modelos estatísticos que utilizam informação histórica. Neste trabalho, mostramos como o Modelo de Regressão de Cox (MRC; COX, 1972), tradicionalmente utilizado para modelagem de tempos de falha, em investigações na área médica e em ciências sociais, pode ser de grande utilidade para avaliação probabilística de riscos climáticos, mesmo para variáveis que não representam tempos de falha tais como chuva, produtividade de culturas, lucros, entre outras. O MRC pode ser utilizado para avaliar a influência de preditores (índices climáticos) sobre riscos de interesse (representados pelas FPE), estimar FPE para combinações específicas de preditores e incertezas associadas além de fornecer informação sobre riscos relativos, de grande valor para tomadores de decisão. Apresentamos dois estudos de caso nos quais o Modelo de Cox foi usado para investigar: a) o efeito do IOS e de um índice derivado de TSM do Pacífico sobre o início da estação chuvosa em Cairns (Austrália) e b) a influência o índice Nino 3.4, derivado de estados da TSM no Pacífico Equatorial sobre o chuva acumulada no período de Março a Junho em Limoeiro do Norte (Ceará, Brasil). O objetivo da apresentação desses estudos é meramente didático, para demonstrar o potencial do método proposto como ferramenta de auxílio à tomada de decisão.

Quantificação de riscos climáticos via modelos de regressão de COX.

2008

Estatística: uso da análise de regressão.

Muitos experimentos tem sido analisados por métodos estatísticos inadequados. O uso não criterioso destes métodos, sem o devido cuidado ou sem considerar outras possibilidades, pode reduzir o valor das discussões, conclusões e o próprio valor da pesquisa. Há uma grande gama de tipos possíveis de abordagem estatística dos dados de pesquisa, cada qual atingindo uma finalidade. Por isso, o procedimento estatístico deve ser escolhido criteriosamente. Se o objetivo de um trabalho e estimar a magnitude de um efeito, então a analise usada deve estimá-la: não basta neste caso, apenas explicar qual dos resultados diferiram significativamente. Não obstante, se o objetivo da pesquisa é determinar um ponto, então a análise deve faze-lo. Neste caso, não e suficiente verificar somente o comportamento dos dados. A escolha de um modelo de regressão e uma ponderação na qual deve ser considerados, a adequação ao fenômeno estudado, o ajuste matemático obtido e a sua aplicabilidade. As propriedades do modelo escolhido devem ser justificáveis, tanto logicamente quanto biologicamente. Portanto, a análise deve ser sensata, lógica e apropriada as questões que procura-se responder.

Predição da fertilidade do solo do polo agrícola do Rio de Janeiro por meio de modelagem solo x paisagem.

O objetivo deste trabalho foi predizer a fertilidade do solo no polo agrícola do Estado do Rio de Janeiro, por meio da modelagem solo x paisagem. A área de estudo compreendeu as regiões mais produtivas do Estado do Rio de Janeiro: Norte, Noroeste e Serrana. Características químicas do solo ? pH em H2O e capacidade de troca catiônica (CTC) ? e ambientais ? elevação, plano de curvatura, perfil de curvatura, índice de umidade, aspecto e declividade do terreno, além de tipos de solos, índice de vegetação normalizada (NDVI), imagens Landsat 7 e litologia ? foram utilizadas como variáveis preditoras. A análise exploratória dos dados identificou valores extremos, os quais foram expurgados, na preparação para a análise por regressão linear múltipla (RLM). Aos resultados da RLM, foram adicionados os resultados de krigagem dos resíduos da regressão, com uma técnica de mapeamento digital de solos (MDS) denominada regressão-krigagem. Na região Serrana, as variáveis ambientais explicaram as variáveis químicas. A variável NDVI foi importante nas três regiões, o que evidencia a importância da cobertura vegetal para a predição da fertilidade do solo. Em geral, os solos analisados apresentaram baixo pH. Os valores de CTC, nas regiões estudadas, estão dentro do intervalo considerado bom para a fertilidade do solo.

Influência da densidade de semeadura nas características agronômicas de cultivares de girassol.

RESUMO: O presente trabalho teve como objetivo avaliar a influência de densidades de semeadura de genótipos de girassol em suas características agronômicas. O experimento foi realizado no campo experimental do IFMT, Campus Campo Novo do Parecis - MT, entre os meses de fevereiro e junho de 2015. O delineamento experimental utilizado foi de blocos casualizados, em esquema fatorial 5 x 5, sendo cinco genótipos de girassol AGUARÁ 04, GNZ NEON, HÉLIO 251, SYN 045 e SYN 3950HO) e cinco populações de plantas (30.000, 37.500, 45.000, 52.500 e 60.000 plantas ha-1), com 3 repetições. Foram analisadas as características altura de planta, diâmetro da haste, tamanho do capítulo, massa de mil aquênios e produtividade de aquênios. Os dados obtidos foram submetidos à análise de variância, seguido de teste Tukey para cultivares e análise de regressão para as diferentes populações de plantas (p<0,05). O genótipo SYN 045 apresentou a maior produtividade de aquênios, 1.708,90 kg ha-1 enquanto que a população de 60.150 plantas ha-1 foi a que possibilitou a maior produtividade de aquênios, 2.391,92 kg ha-1. ABSTRACT: This study aimed to evaluate the influence of sowing density of sunflower genotypes on their agronomic characteristics. The experiment was conducted in the experimental field of IFMT, Campus Campo Novo do Parecis - MT, between February and June 2015. The experimental design was randomized blocks in a factorial 5 x 5, five sunflower genotypes (AGUARÁ 04, GNZ NEON, HÉLIO 251, SYN 045 and SYN 3950HO) and five plant populations (30,000, 37,500, 45,000, 52,500 and 60,000 plants ha-1) with 3 repetitions. Plant height, stem diameter, chapter length, mass thousand achenes and achenes productivity were analyzed. The data were submitted to analysis of variance followed by Tukey test for cultivars and regres. -