Interação solo-planta avaliada por modelagem estatística de espaço de estados

Abstract

RESUMO: Para estudar a interação solo-planta utilizou-se um modelo de espaço de estados (regressão dinâmica) comparativamente à um modelo de regressão estática, em versão convencional e em versão sequencial. Para tal, foram utilizados dados experimentais de densidade do solo, macroporosidade, microporosidade e porosidade total de um solo Latossolo Vermelho Escuro, além da densidade radicular por comprimento de raiz por unidade de volume, de uma cultura de aveia forrageira. Das variáveis explanatórias estudadas, a porosidade total apresentou correlação bastante significativa com a densidade radicular, considerada como a variável resposta do estudo. Um modelo de regressão estática representado na forma de espaço de estados com estimação seqüencial forneceu um coeficiente R 2 de ajuste igual a 0.69, enquanto que um modelo estático convencional forneceu um coeficiente R 2 de ajuste de apenas 0.59. Esta relação soloplanta é melhor representada ainda através de um modelo de regressão dinâmica, ou seja, um modelo genuinamente de espaço de estados onde agora o grau de explicação R 2 passa a mais de 0.98. Isto explicita a vantagem da abordagem de espaço de estados em relação aos outros métodos mais tradicionais de relacionar sistema solo-planta. Palavras-chave: variabilidade espacial, regressão dinâmica, regressão estática, estimação seqüencial SOIL-PLANT INTERACTION EVALUATED BY THE STATE-SPACE APPROACHABSTRACT: The interaction soil-plant was evaluated using a state space approach (dynamic model) comparatively to a static regression model using both, standard and sequential estimations. Experimental soil data consisted of bulk density, macroporosity, microporosity and porosity of a dark red latosol, and plant data of root density in length per unit volume, of a forage-oat crop. Among these, only soil porosity had a good correlation with the root system density, which is the response variable of this study. A static regression model written in the state space form with a sequential estimation, gave a R 2 coefficient of 0.69, comparatively to a conventional (non-sequential) regression model, which gave a R 2 coefficient of only 0.59. This soil-plant relation was better described by a dynamic regression model, which gave a R 2 coefficient greater than 0.98. These results indicate the advantage of the state space approach in relation to the other more conventional regression methods.