ABSTRACT Modeling the response of soils to liming is important for understanding neutralization reactions and predicting lime residual effects. Models based on simple or quadratic polynomial equations are the most used due to their simplicity and ease of fitting; however, they fail to reproduce a realistic soil response to liming, indicating a decrease in pH as the lime dose is increased after reaching a maximum point. Thus, several nonlinear functions were tested and compared to polynomial models, using a dataset from a liming test conducted on a sandy clay loam soil in a farm. The best-fitting models for pH data were the Mitscherlich, three-parameter logistic, and Morgan-Mercer-Flodin models. The best-fitting models for exchangeable Ca+2 + Mg+2 data were Skaggs et al., Gompertz, and Morgan- Mercer-Flodin. The use of the proposed T index, which ranks models based on their residual standard error and Akaike information criterion values, combined with constraints on extrapolation values, was useful for selecting models that are statistically robust and empirically coherent.
RESUMO A modelagem da resposta de solos à calagem é importante para a compreensão das reações de neutralização e para a predição de seu efeito residual. Os modelos baseados em equações polinomiais simples ou múltiplas são os mais usados, em função de sua simplicidade e facilidade de ajuste, mas falham em reproduzir uma resposta realística à calagem, indicando um decréscimo do pH com a dose, após o máximo valor ter sido alcançado. Neste trabalho, uma série de funções não lineares foi comparada à polinomial, usando uma base de dados de um teste de calagem em uma fazenda com solo franco-argilo-arenoso. Os melhores modelos foram os de Mitscherlich, o logístico de três parâmetros e o modelo de Morgan, Mercer e Flodin. Para os dados de Ca+2 + Mg+2 trocáveis, os melhores modelos foram os Skaggs et al., o de Gompertz e o modelo de Morgan Mercer e Flodin. O uso conjunto do proposto índice T, baseado no ranqueamento dos modelos baseado em seus valores de erro padrão residual e do critério de Akaike, associados às restrições dos valores extrapolados, ajudaram na escolha de modelos que são estatisticamente robustos e empiricamente coerentes.