PROPOSTA DE PARAMETRIZAÇÃO INTERPRETÁVEL DE MODELO NÃO LINEAR DE CRESCIMENTO: DESCRIÇÃO DO ACÚMULO DE MASSA SECA DE TUBÉRCULOS DE BATATA
curvas de crescimento; regressão não linear; batata; modelo Logístico; modelo de Gompertz; modelo de Richards; grid search.
A cultura da batata apresenta grande importância alimentar e agronômica, sendo o acúmulo de massa seca nos tubérculos uma variável relevante para a compreensão da dinâmica de crescimento e da partição dos fotoassimilados ao longo do ciclo da cultura. Nesse contexto, os modelos de regressão não linear constituem uma ferramenta apropriada para descrever curvas de crescimento, especialmente quando a variável resposta apresenta comportamento sigmoidal ao longo do tempo. Este trabalho tem como objetivo ajustar e comparar os modelos não lineares Logístico, Gompertz e Richards na descrição do acúmulo de massa seca de tubérculos de batata em função do tempo, bem como propor uma parametrização interpretável para o modelo de Richards e o uso do método grid search na estimação de seus parâmetros. Os dados analisados serão obtidos do boletim técnico Crescimento de Plantas e Produtividade de Cultivares Brasileiras de Batata, publicado pela Embrapa Clima Temperado, e correspondem a observações de massa seca de tubérculos ao longo do ciclo da cultura. Os parâmetros dos modelos serão estimados pelo método dos mínimos quadrados em regressão não linear, utilizando o algoritmo de Gauss-Newton, sendo o grid search empregado como estratégia auxiliar para o modelo de Richards, com o propósito de definir valores iniciais plausíveis e reduzir dificuldades de convergência. Serão verificados os pressupostos de normalidade, homogeneidade de variâncias e independência dos resíduos por meio dos testes de Shapiro-Wilk, Breusch-Pagan e Durbin-Watson. A qualidade do ajuste será avaliada com base no coeficiente de determinação ajustado ( ), no desvio padrão residual (DPR), no critério de informação de Akaike (AIC) e no critério bayesiano de Schwarz (BIC). Espera-se que os resultados contribuam para a comparação entre modelos não lineares de crescimento e para o aprimoramento da estimação do modelo de Richards em aplicações com dados agronômicos.