Classificação da composição iônica da água de irrigação usando regressão linear múltipla

Abstract

Classificação da Classificação da Classificação da Classificação da Classificação da composição iônica da água de composição iônica da água de composição iônica da água de composição iônica da água de composição iônica da água de irrigação usando regressão linear múltipla irrigação usando regressão linear múltipla irrigação usando regressão linear múltipla irrigação usando regressão linear múltipla irrigação usando regressão linear múltipla Revista Brasileira de Engenharia Agrícola e Ambiental, v.5, n.1, p.55-59, 2001 Campina Grande, PB, DEAg/UFPB -http://www.agriambi. As regressões foram ajustadas utilizando-se o método da seleção por etapas, conhecido como the stepwise regression procedure, no qual a variável dependente foi a condutividade elétrica e, como variáveis independentes, os íons determinados pela análise físico-química da água. Os resultados mostraram que, empregando-se este critério de regressão linear múltipla, havia variação na contribuição de cada variável no modelo ajustado, cuja estimativa era baseada no aumento da soma de quadrado, devido à regressão, a medida em que se incorporava, ao modelo, cada variável independente. Em função de critérios preestabelecidos, águas provenientes de mananciais da região da Chapada do Apodi foram classificadas como cálcica-sódica, cálcica e cloretada, quando provinham de poço tubular, de poço amazonas e rio, respectivamente. As águas oriundas da região do Baixo Açu, foram classificadas como sódica, magnesiana-sódica e sódica, para as águas de poço tubular, poço amazonas e rio, respectivamente. P P P P Pala ala ala ala alavr vr vr vr vras-cha as-cha as-cha as-cha as-chav v v v ve e e e e: classificação de águas, água de irrigação, regressão linear múltipla Classification of the ionic composition of the irrigation Classification of the ionic composition of the irrigation Classification of the ionic composition of the irrigation Classification of the ionic composition of the irrigation Classification of the ionic composition of the irrigation water using multiple linear regression water using multiple linear regression water using multiple linear regression water using multiple linear regression water using multiple linear regression Abstract Abstract Abstract Abstract Abstract: This work was conducted with the objective of developing a methodology for classification of the ionic composition of the irrigation water using multiple linear regression. A Stepwise Regression Analysis model was tested, using electrical conductivity as the dependent variable and analyzed ions calcium, sodium, potassium, carbonate, bicarbonate and chlorides as the independent variables in all tested models. All water samples were collected by the farmers of the region where this work was conducted. The regression models were adjusted using the water analysis database from the ESAM's Analysis Laboratory (Laboratório de Análises de Água e Fertilidade do Solo da Escola Superior de Agricultura de Mossoró -LAAFS/ESAM). The linear model, adjusted using the Stepwise Regression Procedure, shows...

Influência de variáveis meteorológicas sobre a incidência do dengue, meningite e pneumônia em João Pessoa-PB

“…Critério para avaliar a contribuição de uma variável no modelo obtido pelo ajuste de regressão múltipla, Maia (2001), de acordo com Draper & Smith (1981), utilizando o método de "stepwise" regression procedure: permanece no modelo obtido pelo ajuste da regressão múltipla, as variáveis independentes que melhor se ajustam ao fenômeno, não apenas pelo critério da signifi cância estatística, mas, também com base na contribuição da cada variável ao modelo. Esta contribuição quantitativa foi estimada pelo aumento observado na soma de quadrado devido à regressão, quando da adição de cada variável no modelo.…”

Proposal for an index to classify irrigation water quality: a case study in northeastern Brazil

“…this was also suggested by Maia et al (2001), who stated that when all water sources are considered in the classification, the waters together differed completely from the classification per source, showing that it is possible to classify waters statistically, however, for practical uses, the ideal procedure is to classify them by region and within this region, for a certain water source. thus, based on eC, the IWQI may classify the waters as excellent, good, average and poor for IWQI I, II, III, and IV respectively, and this classification varied with the eC, according to the source evaluated (table 4).…”

“…the ions with lowest variability were Ca in the well and reservoir water, and HCo 3 +Co 3 for river water. this variability per water source and per ion may partially explain the different regression equations per source where the weight of an ion in the sum of the square does not exclusively depend on its concentration but on its interaction with the others when ion effects on the eC of the water are evaluated (Maia et al, 2001). In relation to the predominance of HCo 3 +Co 3 , Maia & rodrigues (2010) observed that when the eC of waters reaches 0.6 ds m -1 , 0.52 ds m -1 and 0.43 ds m -1 , the HCo 3 /Cl ratio is < 1 for well, river and dam reservoir waters respectively, indicating that only from this eC level there is predominance of chloride over HCo 3 .…”

Relações da produtividade de cana-de-açúcar com atributos químicos de um Argissolo

“…Os demais atributos que influenciaram na PRO não entraram no modelo de regressão porque não foram significativos a 10% de probabilidade, conforme preconizado por Maia et al (2001) e Dalchiavon et al (2012b;.…”