Bayesian modeling of the coffee tree growth curve / Modelagem bayesiana da curva de crescimento do cafeeiro

When modeling growth curves, it should be considered that longitudinal data may show residual autocorrelation, and, if this characteristic is not considered, the results and inferences may be compromised. The Bayesian approach, which considers priori information about studied phenomenon has been shown to be efficient in estimating parameters. However, as it is generally not possible to obtain marginal distributions analytically, it is necessary to use some method, such as the weighted resampling method, to generate samples of these distributions and thus obtain an approximation. Among the advantages of this method, stand out the generation of independent samples and the fact that it is not necessary to evaluate convergence. In this context, the objective of this work research was: to present the Bayesian nonlinear modeling of the coffee tree height growth, irrigated and non-irrigated (NI), considering the residual autocorrelation and the nonlinear Logistic, Brody, von Bertalanffy and Richard models. Among the results, it was found that, for NI plants, the Deviance Information Criterion (DIC) and the Criterion of density Predictive Ordered (CPO), indicated that, among the evaluated models, the Logistic model is the one that best describes the height growth of the coffee tree over time. For irrigated plants, these same criteria indicated the Brody model. Thus, the growth of the non-irrigated and irrigated coffee tree followed different growth patterns, the height of the non-irrigated coffee tree showed sigmoidal growth with maximum growth rate at 726 days after planting and the irrigated coffee tree starts its development with high growth rates that gradually decrease over time.

Na modelagem de curvas de crescimento deve-se considerar que dados longitudinais podem apresentar autocorrelação residual, sendo que, se tal característica não é considerada, os resultados e inferências podem ser comprometidos. A abordagem bayesiana, que considera informações à priori sobre o fenômeno em estudo tem se mostrado eficiente na estimação de parâmetros. No entanto, como geralmente não é possível obter as distribuições marginais de forma analítica, faz-se necessário a utilização de algum método, como o método de reamostragem ponderada, para gerar amostras dessas distribuições e assim obter uma aproximação para as mesmas. Dentre as vantagens desse método, destaca-se a geração de amostras independentes e o fato de não ser necessário avaliar convergência. Diante desse contexto, o objetivo deste trabalho foi apresentar a modelagem não linear bayesiana do crescimento em altura de plantas do cafeeiro, irrigadas e não irrigadas (NI), considerando a autocorrelação residual e os modelos não lineares Logístico, Brody, von Bertalanffy e Richards. Em vista dos resultados, verificou-se que, para as plantas NI, o DIC e CPOc, indicaram que, dentre os modelos avaliados, o modelo Logístico é o que melhor descreve o crescimento em altura do cafeeiro ao longo do tempo. E, para as plantas irrigadas, esses mesmos critérios indicaram o modelo Brody. Assim, o crescimento da planta do cafeeiro não irrigado e irrigado seguiram padrões de crescimento distintos, a altura do cafeeiro não irrigado apresentou crescimento sigmoidal com taxa máxima de crescimento aos 726 dias após o plantio, já o cafeeiro irrigado inicia seu desenvolvimento com altas taxas de crescimento que vão diminuindo aos poucos com o tempo.

Adjusting the growth curve of sugarcane varieties using nonlinear models / Ajuste da curva de crescimento de variedades de cana-de-açúcar utilizando modelos não lineares

Assessing sugarcane (Saccharum spp.) stalk growth helps to adequately manage the phenological stages of the crop. The aim of this study was to describe the height-growth curve of four sugarcane varieties (RB92579, RB93509, RB931530 and SP79-1011), in irrigated plant-cane and ratoon cane plantations, using the Logistic and Gompertz nonlinear models, while considering all deviations from assumptions. The model parameters were estimated based on the least squares method using the Gauss-Newton algorithm. To select the most suitable model, nonlinear measures, adjusted coefficient of determination (R2 adj), residual standard deviation (RSD), and corrected Akaike information criterion (AICc) were used. Based on the best models, stalk height growth rates and crop phenological stages were determined using critical points. All tests were performed in the free software environment for statistical computing and graphics, R. In general, the Logistic and Gompertz models without AR(1) better described the plant-cane and ratoon cane stalk height, respectively. All varieties showed early growth, and the RB92579 variety presented higher rates in both cycles.(AU)

A avaliação do crescimento dos colmos de cana-de-açúcar (Saccharum spp.) ajuda a adequar o manejo com as fases fenológicas da cultura. Objetivou-se com este trabalho descrever a curva de crescimento da altura de quatro variedades de cana-de-açúcar (RB92579, RB93509, RB931530 e SP79-1011), nos cultivos de cana planta e cana soca irrigados, utilizando os modelos não lineares Logístico e Gompertz, e considerando eventuais desvios de pressupostos. A estimação dos parâmetros dos modelos foi feita com base no método dos mínimos quadrados utilizando o Algoritmo de Gauss-Newton. Para selecionar o modelo mais adequado foram utilizadas as medidas de não linearidade, o coeficiente de determinação ajustado (R2 aj), o desvio padrão residual (DPR) e o critério de informação de Akaike corrigido (AICc). Com base nos melhores modelos foram determinadas as taxas de crescimento da altura dos colmos e as fases fenológicas da cultura por meio dos pontos críticos. Todas as análises foram realizadas no software estatístico R. No geral, os modelos Logístico e Gompertz sem AR(1) descreveram melhor a altura dos colmos em cana planta e cana soca, respectivamente. Todas as variedades apresentaram crescimento precoce, a variedade RB92579 apresentou maiores taxas em ambos os ciclos.(AU)

Leaf count overdispersion in coffee seedlings / Superdispersão relacionado a contagem de folhas em mudas de cafeeiro

Coffee crops play an important role in Brazilian agriculture, with a high level of social and economic participation resulting from the jobs created in the supply chain and from the income obtained by producers and the revenue generated for the country from coffee bean export. In coffee plant growth, leaves have a determinant role in higher production; therefore, the leaf count per plant provides relevant information to producers for adequate crop management, such as foliar fertilizer applications. To describe count data, the Poisson model is the most commonly employed model; when count data show overdispersion, the negative binomial model has been determined to be more adequate. The objective of this study was to compare the fitness of the Poisson and negative binomial models to data on the leaf count per plant in coffee seedlings. Data were collected from an experiment with a randomized block design with 30 treatments and three replicates and four plants per plot. Data from only one treatment, in which the number of leaves was counted over time, were employed. The first count was conducted on 8 April 2016, and the other counts were performed 18, 32, 47, 62, 76, 95, 116, 133, and 153 days after the first evaluation, for a total of ten measurements. The fitness of the models was assessed based on deviance values and simulated envelopes for residuals. Results of fitness assessment indicated that the Poisson model was inadequate for describing the data due to overdispersion. The negative binomial model adequately fitted the observations and was indicated to describe the number of leaves of coffee plants. Based on the negative binomial model, the expected relative increase in the number of leaves was 0.9768% per day.(AU)

A cultura do café desempenha papel relevante na agricultura do Brasil, com expressiva participação social e econômica tanto pelos empregos gerados na cadeia produtiva, bem como pela renda obtida pelos produtores e pelas divisas geradas para o país na exportação do grão. No crescimento das plantas de café, as folhas desempenham papel decisivo para que tenha maior produção, portanto a contagem do número de folhas por planta fornece informações importantes aos produtores para o manejo adequado da cultura como, por exemplo, a aplicação de adubações foliares. Em geral, na descrição de dados obtidos por contagem, o modelo mais utilizado é o Poisson, sendo que quando os dados apresentam superdispersão, o modelo Binomial Negativo tem se mostrado mais adequado. O objetivo deste trabalho foi comparar o ajuste dos modelos de Poisson e Binomial Negativo em dados de contagens do número de folhas por planta em mudas do cafeeiro. Os dados foram obtidos de um experimento usando o delineamento em blocos casualizados com trinta tratamentos e três repetições com quatro plantas por parcela. Foram utilizados os dados de apenas um tratamento no qual foi feita a contagem do número de folhas ao longo do tempo. A primeira avaliação foi feita em 8 de abril de 2016 e as demais aos 18, 32, 47, 62, 76, 95, 116, 133 e 153 dias após a primeira avaliação, totalizando dez medidas. A adequação dos mesmos foi verificada com base nos valores da Deviance e no envelope simulado para os resíduos. Os resultados do ajuste indicaram que o modelo Poisson foi inadequado para descrição dos dados devido a superdispersão. O modelo Binomial Negativo se ajustou adequadamente e foi indicado para descrever o número de folhas das plantas do cafeeiro. Com base no modelo Binomial Negativo o aumento relativo esperado para o número de folhas foi de 0,9768% para cada dia.(AU)