| 000 | 04390nab a2200433 4500 | ||
|---|---|---|---|
| 003 | BR-BrBNA | ||
| 005 | 20250930164942.0 | ||
| 008 | 250930b2023 bl.ar|pooa||| 00| 0 eng | | ||
| 040 |
_aBR-BrBNA _bpor |
||
| 072 | _aU10 ; F61 ; P35 ; H50 | ||
| 100 | _aAbreu, Jadson Coelho de | ||
| 100 | _aSilva, José Antônio Aleixo da | ||
| 100 | _aFerreira, Rinaldo Luiz Caraciolo | ||
| 100 | _aRocha, Samuel José Silva Soares da | ||
| 100 | _aTavares Júnior, Ivaldo da Silva | ||
| 100 | _aFarias, Aline Araújo | ||
| 100 | _aVillanova, Paulo Henrique | ||
| 100 | _aViana, Aguida Beatriz Travaglia | ||
| 100 | _aSchettini, Bruno Leão Said | ||
| 100 | _aTelles, Lucas Arthur de Almeida | ||
| 100 | _aSilva, Arthur Araújo | ||
| 245 | _aMixed models for nutrients prediction in species of the brazilian Caatinga biome | ||
| 500 | _aSummaries (En, Pt); 43 ref.; 1 illus.; 4 tables | ||
| 520 | _aABSTRACT – Nutrient prediction models applied to tree species from Brazilian Caatinga can be a crucial tool in understanding this biome. The study aimed to fi t a mixed model to predict nitrogen (N), phosphorus (P), and potassium (K) content in tree species native to the Caatinga biome located in Floresta municipality, Pernambuco State – PE, Brazil. The following species were considered the area’s most important and evaluated in the present study: Poincianella bracteosa (Tul.) L.P.Queiroz, Mimosa ophtalmocentra Mart. ex Benth, Aspidosperma pyrifolium Mart, Cnidoscolus quercifolius (Mull. Arg.) Pax. & Hoff m, and Anadenanthera colubrina var. cebil (Griseb.) Altschul. Four trees, representing the average circumference in each diameter class, were harvested for NPK quantifi cation. The Spurr model was evaluated for NPK prediction, and species inclusion as a random eff ect was signifi cant (p < 0.05) in all models. The Spurr model with fi xed and random eff ects presented better statistics than fi xed-eff ect models in all parameters for all nutrients. Generated NPK predicting equations can be a handy tool to understand the impact of wood extraction over Caatinga’s biogeochemical cycles and guide forest management strategies in semi-arid regions of the world. Keywords: Caatinga Biome; NPK; Fixed and Random Eff ects. | ||
| 520 | _aRESUMO – Modelos de predição de nutrientes aplicados a espécies arbóreas da Caatinga brasileira podem ser uma ferramenta crucial para a compreensão do bioma. O estudo teve como objetivo ajustar um modelo misto para prever os teores de nitrogênio (N), fósforo (P) e potássio (K) em espécies arbóreas nativas do bioma Caatinga localizadas no município de Floresta, Pernambuco – PE, Brasil. As seguintes espécies foram as mais importantes da área e avaliadas no presente estudo: Poincianella bracteosa (Tul.) L.P.Queiroz, Mimosa ophtalmocentra Mart. ex Benth, Aspidosperma pyrifolium Mart, Cnidoscolus quercifolius (Mull. Arg.) Pax. & Hoff m e Anadenanthera colubrina var. cebil (Griseb.) Altschul. Quatro árvores, representando a circunferência média em cada classe de diâmetro, foram colhidas para quantificação de NPK. O modelo Spurr foi avaliado para predição de NPK e a inclusão de espécies como efeito aleatório foi significativa (p < 0,05) em todos os modelos. O modelo de Spurr com efeitos fixos e aleatórios apresentou estatísticas melhores que os modelos de efeito fixo em todos os parâmetros para todos os nutrientes. As equações de previsão de NPK geradas podem ser uma ferramenta útil para entender o impacto da extração de madeira sobre os ciclos biogeoquímicos da Caatinga e orientar estratégias de manejo florestal em regiões semiáridas do mundo. Palavras-Chave: Bioma Caatinga; NPK; Efeitos Fixos e Aleatórios. | ||
| 650 | _aCAATINGA | ||
| 650 | _aESPÉCIE FLORESTAL | ||
| 650 | _aESPÉCIE NATIVA | ||
| 650 | _aMODELO ESTATÍSTICO | ||
| 650 | _aTEOR DE NUTRIENTE | ||
| 650 | _aNPK | ||
| 650 | _aEXTRAÇÃO DE MADEIRA | ||
| 650 | _aMANEJO | ||
| 650 | _aPERNAMBUCO | ||
| 773 | 0 |
_0812 _9346930 _dViçosa-MG Sociedade de Investigações Florestais - Universidade Federal de Viçosa. Depto. de Engenharia Florestal 1977 _o2024-7728 _tRevista Árvore (Brazil) _x0100-6762 _gv. 47 p. 1-10; (2023) _wBR2025003766 |
|
| 856 | _uhttps://www.scielo.br/j/rarv/a/qQGw98rQjXxBGFHvhMrRz9J/?format=pdf&lang=en | ||
| 942 | _cANA | ||
| 999 |
_c338481 _d338481 |
||