Estimativa da área foliar do antúrio com o uso de funções de regressão
Carregando...
Data
2008-02-01
Autores
Silva, Silvia Helena Modenese-Gorla da [UNESP]
Lima, Juliana Domingues [UNESP]
Bendini, Hugo do Nascimento [UNESP]
Nomura, Edson Shigueaki
Moraes, Wilson da Silva
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Santa Maria (UFSM)
Resumo
O presente trabalho teve como objetivo determinar quais variáveis dimensionais da folha são mais adequadas para utilização na estimativa da área foliar do antúrio (Anthurium andraeanum), cv. Apalai, por meio de equação de regressão linear, e comparar o desempenho de diferentes funções de regressão obtidas com o uso de aprendizado de máquina (AM). A variável que melhor estimou a área foliar foi o produto das dimensões lineares (comprimento e largura), CxL, sendo a equação proposta Af = 0.9672 *C x L, com coeficiente de determinação (R²) de 0,99. Verificou-se, também, com o uso de AM, que as funções lineares são mais adequadas para a estimação da área foliar dessa espécie vegetal.
This study was aimed at determining which of the leaf dimensional parameters, length (C), width (L) or the product of the length by width (CxL), are more appropriate to estimate area of anthurium (Anthurium andraeanum), cv. Apalai using a linear regression equation and to compare the performance of different regression functions obtained with machine learning (AM). The parameter that estimated the leaf area with the least error was the CxL product, with the equation proposed Af = 0.9672 *C x L and coefficient of determination (R²) equal to 0.99. It was also verified with AM that linear functions are more adequate to estimate the leaf area of this vegetal species.
This study was aimed at determining which of the leaf dimensional parameters, length (C), width (L) or the product of the length by width (CxL), are more appropriate to estimate area of anthurium (Anthurium andraeanum), cv. Apalai using a linear regression equation and to compare the performance of different regression functions obtained with machine learning (AM). The parameter that estimated the leaf area with the least error was the CxL product, with the equation proposed Af = 0.9672 *C x L and coefficient of determination (R²) equal to 0.99. It was also verified with AM that linear functions are more adequate to estimate the leaf area of this vegetal species.
Descrição
Palavras-chave
plantas ornamentais, análise de crescimento, dimensões foliares, ornamental plants, growth analysis, leaf dimensions
Como citar
Ciência Rural. Universidade Federal de Santa Maria (UFSM), v. 38, n. 1, p. 243-246, 2008.