RESUMO A nutrição de plantas é essencial para se atingir produtividades elevadas, porém fatores não nutricionais podem limitar bastante o rendimento das culturas. Objetivou-se com o presente estudo ajustar o modelo e quantificar as limitações de ordem nutricional e não nutricional com base no grau de balanço e equilíbrio em bananeiras ‘Grande Naine’ cultivadas nos estados da Bahia e Ceará. Utilizou-se banco de dados de teores de nutrientes nas folhas e de produtividade coletados entre 2010 e 2017 em duas fazendas, localizadas em Missão Velha, Ceará (7° 35’ 90” S e 39° 21’ 17” W, e altitude de 442 m), e Ponto Novo, Bahia (10º 51’ 46’’ S, 40º 08’ 01’’ W, e altitude de 342 m). Os talhões com produtividade acima da média mais 0,5 desvio-padrão, definidos como de alta produtividade (PAP), foram considerados população de referência e utilizados para geração das normas, enquanto os talhões com produtividade abaixo desse limite, população de baixa produtividade (PBP), foram utilizados para diagnóstico nutricional. O banco de dados foi subdividido em quatro. O primeiro e o segundo, respectivamente, com 46 amostras e população de referência com produtividade maior que 58,84 t ha-1 ano-1, 104 amostras para a PBP, área de Missão Velha. O terceiro e quarto, respectivamente, com 19 amostras e população de referência acima de 76,12 t ha-1 ano-1, 46 amostras para a PBP, área de Ponto Novo. Fatores nutricionais limitaram a produtividade de bananais ‘Grande Naine’ em 11,17 e 14,79%, e não nutricionais, em 30,11 e 29,41%, respectivamente, para o Ceará e a Bahia. Fatores não nutricionais limitam mais a produtividade da bananeira ‘Grande Naine’ comparados aos nutricionais.

ABSTRACT Plant nutrition is essential in attaining higher yields; however, non-nutritional factors play a major role in limiting crop yield. This study aimed to model and determined nutritional and non-nutritional limitations of Grande Naine banana grown in Ceará and Bahia states, Brazil, based on nutritional balance and equilibrium. The data used in this study were collected between 2010 and 2017 from two farms, located in Missão Velha, Ceará (7° 35’ 90” S and 39° 21’ 17” W, and 442 m of altitude), and Ponto Novo, Bahia (10º 51’ 46” S and 40º 08’ 01” W, and 342 m of altitude). Plots with yields greater than the average plus 0.5 standard deviations were defined as high-yielding populations (HYP) and used as a reference population to establish the norms. Plots with yields below this limit, low-yielding populations (LYP), were used for nutritional diagnosis. The database was divided into four. The first and second databases, from the area located in Missão Velha, contained 46 samples from a reference population with a yield greater than 58.84 t ha-1 per year, and 104 samples from an LYP, respectively. The third and four databases, from the area located in Ponto Novo, contained 19 samples from a reference population with a yield greater than 76.12 t ha-1 per year, and 46 samples from an LYP, respectively. Nutritional factors limited Grande Naine banana yield in Ceará and Bahia by 11.17 and 14.79%, while non-nutritional factors limited by 30.11 and 29.41%, respectively. In Grande Naine banana, non-nutritional factors are more yield-limiting than nutritional factors.

RESUMO O entendimento sobre o comportamento vegetal e seus reflexos sobre a produtividade é essencial ao planejamento rural, com isso, os modelos biomatemáticos são promissores na predição da produtividade da palma forrageira cv. Gigante. Objetivou-se com este estudo ajustar por meio de análises de regressão simples e múltipla modelos para predição da produtividade da palma forrageira cv. Gigante. O estudo, em formato de homogeneidade de tratamentos, foi desenvolvido no Instituto Federal Baiano, Campus Guanambi, Bahia, Brasil Os dados foram coletados em área constituída de 384 unidades básicas, nas quais se mensuraram a produtividade, definida como variável dependente, e as variáveis preditoras: altura da planta (PH), comprimento (CL), largura (CW) e espessura do cladódio (CT), número de cladódio (NC), área do cladódio (CA), e área total do cladódio (TCA). Foram ajustados modelos de regressão linear simples, modelos de regressão múltipla com efeitos simples apenas para as variáveis explicativas e modelos de regressão múltipla, considerando tanto os efeitos simples, quadráticos e todas as suas interações possíveis. A partir deste último modelo citado, foi obtido um modelo reduzido pelo descarte dos efeitos menos relevantes, por meio da metodologia Stepwise. O uso das características vegetativas TCA, NC, CA, CL, CT e CW, por meio de adoção da regressão linear múltipla, interação quadrática ou somente a variável TCA pelo emprego da regressão linear simples, permite a predição da produtividade da palma forrageira, com R² ajustado de 0,82, 0,76 e 0,74, respectivamente.

ABSTRACT The understanding of plant behavior and its reflexes on yield is essential for rural planning; thus, the biomathematical models are promising in the yield prediction of cactus pear cv. Gigante. This study aimed to adjust, through simple and multiple regression analysis, models for predicting the yield of cactus pear cv. Gigante. The study, using homogeneous treatments, was developed at the Instituto Federal Baiano, Campus of Guanambi, Bahia, Brazil. Data were collected in an area consisting of 384 basic units (plants), in which the yield, defined as a dependent variable, and the predictor variables: plant height (PH), cladode length (CL), cladode width (CW), and cladode thickness (CT), number of cladodes (NC), cladode area (CA), and total cladode area (TCA) were evaluated. Simple linear regression models, multiple regression models only with simple effects for the explanatory variables, and the multiple regression models considering the simple and quadratic effects, and all its possible interactions were adjusted. From this last model, a reduced model was obtained by discarding the less relevant effects, using the Stepwise methodology. The use of the vegetative traits, TCA, NC, CA, CL, CT, and CW, through the adoption of multiple linear regression, quadratic interaction or just the variable TCA by the use of simple linear regression, allows the yield prediction of cactus pear, with adjusted R² of 0.82, 0.76, and 0.74, respectively.

RESUMO A definição do tamanho da parcela experimental configura-se como ferramenta essencial para assegurar a precisão na análise estatística em experimentos. Assim objetivou-se estimar o tamanho de parcela para a cultura da palma forrageira cv. Gigante por meio do Método da Máxima Curvatura Modificado, nas condições do Semiárido Nordestino. O ensaio de uniformidade foi conduzido no Instituto Federal Baiano, Campus Guanambi, Bahia, Brasil, no período agrícola de 2009 a 2011. O arranjo espacial foi composto por dez fileiras com 50 plantas cada, cuja área útil foi formada pelas oito fileiras centrais com 48 plantas por fileira, perfazendo 384 plantas e área de 153,60 m2. Foram avaliadas as variáveis altura da planta; comprimento, largura e espessura do cladódio; número de cladódios; área total do cladódio; área do cladódio e a produtividade de massa verde no terceiro ciclo de produção. Nas avaliações, cada planta foi considerada como uma unidade experimental básica (UEB), com área de 0,4 m2, contemplando 384 unidades básicas (UB), cujas adjacentes foram combinadas de modo a formar 15 tamanhos de parcelas pré-estabelecidos com formatos retangulares e em fileiras. As características área total do cladódio e produtividade de massa verde exigem maiores tamanhos de parcela para serem avaliadas com maior precisão experimental. Para avaliação experimental da palma forrageira cv. Gigante, o tamanho de parcela deve ser de oito plantas no sentido da fileira de cultivo.

ABSTRACT The definition of experimental plot size is an essential tool to ensure precision in statistical analysis in experiments. The objective of this study was to estimate the plot size for the cactus pear cv. Gigante using the Modified Maximum Curvature Method, under the semi-arid conditions of Northeastern Brazil. The uniformity test was conducted at the Federal Institute of Bahia, Guanambi Campus, Bahia state, Brazil, during the agricultural period from 2009 to 2011. The spatial arrangement was composed of ten rows with 50 plants each, whose evaluated area was formed by the eight central rows with 48 plants per row, making 384 plants and area of 153.60 m2. The following variables were evaluated: plant height; length, width and thickness of cladode; number of cladodes; total area of cladodes; cladode area and green mass yield in the third production cycle. In the evaluations, each plant was considered as a basic experimental unit (BEU), with an area of 0.4 m2, comprising 384 basic units (BU), whose adjacent ones were combined to form 15 pre-established plot sizes with rectangular shapes and in rows. The characteristics total area of cladodes and green mass yield require larger plot sizes to be evaluated with greater experimental accuracy. For experimental evaluation of cactus pear cv. Gigante, plot size should be eight plants in the direction of the crop row.

RESUMO A estimativa da produtividade em palma forrageira é fundamental ao planejamento rural dos pequenos e médios produtores, sobretudo, em condições de adversidades climáticas como no Semiárido Brasileiro. Objetivou-se avaliar o potencial de Redes Neurais Artificiais (RNAs) na predição da produtividade em palma forrageira, e determinar os caracteres morfológicos mais importantes neste estudo. O experimento foi conduzido no Instituto Federal Baiano, Campus Guanambi, Bahia, Brasil, no período agrícola de 2009 a 2011. A região localiza-se nas seguintes coordenadas geográficas: latitude 14° 13’ 30” Sul, longitude de 42° 46’ 53” Oeste de Greenwich, altitude de 525 m. Avaliaram-se em 500 plantas seis caracteres agronômicos de natureza vegetativa no terceiro ciclo de produção. Os dados foram submetidos à análise no software R por RNAs. Dez arquiteturas de rede foram treinadas por 100 vezes, selecionando-se, ao final do treinamento, aquela com menor erro quadrático médio para os dados de validação. As redes com cinco neurônios na camada intermediária possibilitaram a máxima qualidade preditiva. Foram ajustadas redes neurais com coeficiente de determinação (R2) de 87,21% para a amostra de validação, assegurando o potencial de generalização do modelo. Os caracteres morfológicos de maior contribuição relativa foram a área total do cladódio, altura da planta, espessura do cladódio e comprimento do cladódio; porém, todos são importantes na predição da produtividade. Logo, é possível predizer a produção de palma forrageira com alta precisão por meio de RNAs e caracteres morfológicos.

ABSTRACT Estimating cactus pear yield is important for the planning of small and medium rural producers, especially in environments with adverse climatic conditions, such as the Brazilian semi-arid region. The objective of this study was to evaluate the potential of artificial neural networks (ANN) for predicting yield of ‘Gigante’ cactus pear, and determine the most important morphological characters for this prediction. The experiment was conducted in the Instituto Federal Baiano, Guanambi campus, Bahia, Brazil, in 2009 to 2011. The area used is located at 14° 13’ 30” S and 42° 46’ 53” W, and its altitude is 525 m. Six vegetative agronomic characters were evaluated in 500 plants in the third production cycle. The data were subjected to ANN analysis using the R software. Ten network architectures were trained 100 times to select the one with the lowest mean square error for the validation data. The networks with five neurons in the middle layer presented the best results. Neural networks with coefficient of determination (R2) of 0.87 were adjusted for sample validation, assuring the generalization potential of the model. The morphological characters with the highest relative contribution to yield estimate were total cladode area, plant height, cladode thickness and cladode length, but all characters were important for predicting the cactus pear yield. Therefore, predicting the production of cactus pear with high precision using ANN and morphological characters is possible.