Ajuste de modelos não lineares na descrição de germinação de sementes de café (coffea arábica L.) cv. Catuaí

Abstract

Sementes de café com qualidade fisiológica, de procedência conhecida e com alto desempenho germinativo é fundamental para a obtenção de mudas vigorosas. Na avaliação de sementes, o estudo da curva de germinação pode contribuir para melhor entendimento do processo de germinação. O objetivo desse estudo foi avaliar a qualidade do ajuste dos modelos Logístico e Gompertz, com estrutura de erros independentes e autorregressivos, com autocorrelação de primeira ordem, AR(1), na descrição de germinação de sementes de café (Coffea arábicaL.) linhagem Catuaí vermelho IAC 99, em cinco diferentes percentuais de germinação. A estimação dos parâmetros para os modelos foi feita pelos métodos de mínimos quadrados e pelo processo interativo de Gauss-Newton, utilizando-se a função gnls do pacote nlme do programa R versão 2.13.1. A seleção do melhor modelo, para descrever o processo germinativo, teve como base a precisão dos ajustes baseados no máximo da função de verossimilhança (MFV) através do teste de razão de máxima veros- similhança utilizado para modelos encaixados, critério de informação de Akaike (AIC) e critério Bayesiano de Schwarz (BIC), além dos avaliadores de qualidade de ajuste (coeficiente de determinação ajustado e desvio padrão residual). Os da- dos utilizados foram provenientes de um experimento conduzido no ano de 2011 no Laboratório de Análises de Sementes da Universidade Federal de Lavras. Os modelos não lineares Logístico e Gompertz apresentaram-se adequados para ajuste da porcentagem de germinação. O modelo Gompertz com estrutura de erros au- toregressivo de ordem 1 apresentou-se como o melhor para descrever o processo germinativo ao longo do tempo.

Seeds of coffee with physiological quality and known origin with high germinative performance becomes mandatory to achieve homogeneous germination of vigorous seedlings. The germination curve may contribute for better understan- ding of the process in seed analisys studies. The objective of this study was to evaluate the fit of Gompertz and Logistic models, with independent structure and autocorrelated errors, with first-order autocorrelation, AR (1), in description of the germination of coffee seeds Coffea arabica red line Catuaí IAC 99 in five different percentages of germination. The estimation of parameters for the models was made by Least Squares method and the iterative Gauss-Newton, using the function gnls Package nlme of the R program version 2.13.1. The selection of the best model to describe the germination process was based on the accuracy of the ad- justments based on the maximum likelihood function (MFV) by testing maximum likelihood ratio used for nested models, Akaike information criterion (AIC) and Schwarz Bayesian criterion (BIC), and evaluators goodness of fit (adjusted coeffi- cient of determination and residual standard deviation). The data used were taken from an experiment that was carried out in 2011 in Seeds Laboratory Analysis of the Federal University of Lavras. The nonlinear Logistic and Gompertz models were adequate to adjust the percentage of germination. The Gompertz model with order 1 autoregressive error structure seemed to be the most suitable to describe the germination process over time.