Descrição
O manejo de plantas daninhas é um desafio na agricultura, especialmente em grandes áreas, onde o uso de herbicidas é comum devido ao baixo custo. A eficácia do controle, no entanto, depende da interação entre a dose aplicada e a resposta das espécies, que geralmente segue um padrão sigmoidal. Modelos não lineares descrevem bem esse comportamento, e a estimação de seus parâmetros fornece informações importantes para decisões de manejo. Este estudo teve como objetivo ajustar um modelo logístico não linear a dados de dose-resposta utilizando a abordagem bayesiana, comparando verossimilhanças com distribuições Normal, Skew Student-t e Student-t. Foram analisados dados referentes à aplicação do herbicida glyphosate em plantas daninhas Amaranthus hybridus, incluindo dois biótipos resistentes e um suscetível. As doses testadas foram: 64D, 32D, 16D, 8D, 4D, 2D, D, 1/2D, 1/4D, 1/8D, 1/16D, além de um controle sem aplicação. Toda a análise foi realizada no software R, utilizou-se o critério de informação da deviance (DIC) e o critério da densidade preditiva ordenada (CPO). Não foram observadas evidências de não convergência das cadeias. As estimativas dos parâmetros do modelo foram próximas para todas as distribuições avaliadas. A distribuição Normal apresentou o melhor desempenho preditivo em termos de CPO e menor DIC. As distribuições Student-t e Skew Student-t, por serem mais flexíveis, podem ser alternativas para o ajuste de dados de dose resposta de herbicidas. Em relação às plantas daninhas, os biótipos resistentes necessitaram de maiores doses de herbicida para atingir dose a C50, variando de 4946 a 4974 g ha^-1, enquanto o biótipo suscetível necessitou, em média, de 233 g ha^-1.
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
