Comparison of nonlinear models for the description of carbon mineralization in degraded pasture soil and in soils with plant cover

Ano: 2022 | Volume: 14 | Número: Não se aplica

Autores: M. de S. L. Vilela, E. M. Silva, A. C. Fruhauf, E. M. da Silva, J. A. Muniz, e T. J. Fernandes

Palavras-chave: nutrient cycling, carbon dioxide, forest soil, regression models.

Resumo Português:

Plantios de árvores são uma importante forma para recuperação de áreas degradadas, no entanto, a qualidade do resíduo vegetal adicionado ao solo influencia a taxa de decomposição da matéria orgânica e, consequentemente, a disponibilidade de carbono. As curvas de mineralização do carbono ao longo do tempo possibilitam o entendimento da decomposição dos resíduos orgânicos e o melhor manejo dos solos. Os modelos de regressão não lineares têm sido utilizados para descrever a dinâmica de mineralização do carbono ao longo do tempo, pois resumem as informações contidas nos dados em apenas alguns parâmetros com interpretações práticas. Assim, este trabalho foi realizado com o objetivo de avaliar os modelos não lineares Cabrera, Juma e Stanford & Smith para descrever a mineralização de carbono do solo nos seguintes plantios: Floresta secundária, Acacia auriculiformis, Mimosa caesalpiniifolia e Pastagem, obtidos desde a primeira até a vigésima semana. Toda a parte computacional envolvida nos ajustes e análises foi realizada utilizando o software estatístico R. Foi selecionado o modelo de regressão mais adequado para a descrição da mineralização do carbono no solo para cada cobertura vegetal com base nos seguintes critérios: coeficiente de determinação ajustado (R2aj), desvio-padrão residual (DPR) e critério de informação de Akaike (AIC). Para Acácia, o modelo Cabrera foi indicado como melhor para descrever esse tratamento. Para Floresta e Pastagem, o modelo Juma obteve melhor ajuste, e o modelo Stanford & Smith descreveu melhor o tratamento Mimosa.

Resumo Inglês:

Tree planting is an important way to restore degraded areas, however, the quality of the plant residue added to the soil influences the organic matter decomposition rate and, consequently, carbon availability. Carbon mineralization curves over time make it possible to understand the decomposition of organic residues and improve soil management. Nonlinear regression models have been used to describe the dynamics of carbon mineralization over time, as they summarize the information contained in the data in just a few parameters with practical interpretations. Thus, this study aimed at evaluating the nonlinear models Cabrera, Juma and Stanford & Smith to describe the soil carbon mineralization in the following plantations: Secondary forest, Acacia auriculiformis, Mimosa caesalpiniifolia and Pasture, obtained from the first to the twentieth week. All the computational part involved in the adjustments and analyses was performed using the R statistical software. The most suitable regression model was selected for the description of soil carbon mineralization for each vegetation cover based on the following criteria: adjusted coefficient of determination (R2adj), residual standard deviation (RSD) and Akaike information criterion (AIC). For Acacia, the Cabrera model was indicated as the best to describe this treatment. For Forest and Pasture, the Juma model had the best fit, and the Stanford & Smith model best described the Mimosa treatment.