Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/39850
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLima, Kelly Pereira de-
dc.creatorMedeiros, Elias Silva de-
dc.creatorFernandes, Felipe Augusto-
dc.creatorSilva, Victor Ferreira da-
dc.creatorMorais, Augusto Ramalho de-
dc.date.accessioned2020-04-06T18:24:31Z-
dc.date.available2020-04-06T18:24:31Z-
dc.date.issued2019-
dc.identifier.citationLIMA, K. P. de et al. Ajuste de modelos não lineares para descrição do fruto cajá-manga. Sigmae, Alfenas, v. 8, n. 2, p. 221-226, 2019.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/39850-
dc.description.abstractThe cajá-manga is appreciated in Brazil, consumed in natura or as frozen pulp, beverages, sweets, ice creams and popsicles, in addition it is known that this fruit is highly perishable and with short commercialization period. In this way, studying the plant growth curve is useful to help the elaboration of management methods to detect the harvesting season. Regarding the growth curve, the use of non-linear models is highlighted. The objective of this study was to compare and adjust non-linear models of caj´a-manga fruit mass data over the course of days. For this, two collection periods (40, 60, 80, 100,120,140,160,180,200,220,240 and 260) were used. The nonlinear models Logistic, Gompertz and von Bertalanffy were used to describe the caj´a-manga fruit. The parameters of the models were estimated using the least squares method using Gauss-Newton algorithm. Corrected Akaike information criteria and adjusted coefficient of determination were used as criteria for choosing the models that best fit the data. In addition, the analyzes were performed in software R. The results obtained show that the asymptotic weight was 97.843 to 109.801 g. Among the adjusted models, it is concluded that the Gompertz model is suitable for the description of the cajá-mango fruit.pt_BR
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal de Alfenaspt_BR
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceSigmaept_BR
dc.subjectAnacardiaceaept_BR
dc.subjectSpondiapt_BR
dc.subjectCurva de crescimento vegetalpt_BR
dc.subjectPlant growth curvept_BR
dc.titleAjuste de modelos não lineares para descrição do fruto cajá-mangapt_BR
dc.typeArtigopt_BR
dc.description.resumoA cajá-manga é muita apreciado no Brasil, consumindo in natura ou na forma de produtos, principalmente, polpa congelada, bebidas, doces, sorvetes e picolés, além disso sabe-se que esse fruto é altamente perecível e com curto período de comercialização. Desta forma, estudar a curva de crescimento vegetal é útil para auxiliar a elaboração de métodos de manejo para detectar a época de colheita. Com relação a curva de crescimento destaca-se o uso de modelos modelos não linear. Este trabalho teve como objetivo comparar e ajustar modelos não lineares em dados da massa do fruto cajá-manga ao longo dos dias. Para isso, foram utilizados dozes períodos de coleta (40, 60, 80, 100,120,140,160,180,200,220,240 e 260). Foram utilizados os modelos não lineares Logístico, Gompertz e von Bertalanffy para descrever o fruto cajá-manga. Os parâmetros dos modelos foram estimados pelo método de mínimos quadrado usando algoritmo de Gauss-Newton. Os critérios de informação de Akaike corrigido e coeficiente de determinação ajustado foram usados como critérios de escolha dos modelos que melhor se ajustaram aos dados. Além disso, as análises foram realizadas no software R. Os resultados obtidos mostram que o peso assintótico foi de 97,843 a 109,801 g. Dentre os modelos ajustado, conclui-se que o modelo Gompertz é adequado para a descrição do fruto cajá-manga.pt_BR
Aparece nas coleções:DES - Artigos publicados em periódicos
DEX - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Ajuste de modelos não lineares para descrição do fruto cajá-manga.pdf242,38 kBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons