Development of forage accumulation prediction models in tropical pastures

O objetivo deste trabalho foi identificar, quantificar e modelar atributos condicionantes do acúmulo de forragens no Brasil Central e desenvolver modelos estimadores do acúmulo de forragem potencial, com base em parâmetros climáticos. Uma estrutura de banco de dados foi modelada e implementada para a inserção de dados de crescimento de forrageiras. Foram inseridos dados primários de experimentos com cultivares do gênero Cynodon, Panicum e Urochloa. O banco de dados permitiu gerar listagens ordenadas das taxas médias de acúmulo de forragem (TMA), temperatura média, máxima, mínima (Tmín), radiação global incidente e dias do ano, para cada período de crescimento. Realizaram-se regressões lineares simples e múltiplas, com variáveis climáticas como regressoras e TMA como variável resposta. O modelo com Tmín como variável independente se destacou com os melhores valores para o coeficiente de determinação, critério de Akaike e critério bayesiano, e foi adotado como padrão. Os modelos foram agrupados pelo teste de coincidência em seis grupos. Os modelos possuem capacidade estimadora diferente para cada cultivar. A calibração dos modelos com dados locais pode acomodar efeitos desconsiderados na sua formulação e aumenta a acurácia de estimativas da produção potencial.The objective of this work was to identify, quantify and model conditioning attributes of forage accumulation in Central Brazil, and to develop estimating models of the forage accumulation potential, based on climatic parameters. A database structure was modeled and implemented for forage growth data insertion. Primary data experiments with Cynodon, Panicum and Urochloa cultivars were inserted. The databank allowed the generation of sorted lists of forage mean accumulation rates (TMA), average temperature, maximum and minimum (Tmin) temperatures, global incident radiation and day of the year, for each growth period. Simple and multiple linear regressions were made, with climatic variables as regressors and TMA as response variable. The model with Tmin as independent variable was adopted as standard because it stood out for the best values of determination coefficient, Akaike criterion and Bayesian criterion. The models were grouped by the coincidence test in six groups. The models have different estimating capacities for each cultivar. Model calibration using local data can accommodate effects disregarded in its formulation, and enhances potential yield estimative accuracy