Multivariate predictive model of minerals content in the basal portion of peach palm heart (Bactris gasipaes Kunth) using agrometeorological data | Modelo preditivo multivariado do conteúdo mineral na porção basal de pupunha utilizando dados agrometeorológicos

Inglés. The climatic influence in minerals content of peach palm heart (Bactris gasipaes Kunth) was studied and a quick method was assessed to determine Mg, Cl, K and S in the basal portion of peach palm heart based on multivariate predictive model using agro-meteorological data. A total of 24 samples of B. gasipaes Kunth were collected along 14 to 18 months of cultivation, growing in two types of terrain: hillside and lowland. Principal component analysis (PCA) was used to select principal components. The data were modeled using partial least squares regression (PLS). Low average relative prediction errors (4.60%) confirm the good predictability of the models. The factors that most influence the minerals content prediction model were the rain precipitation and solar radiation. The results show that predictive model can be used as rapid method to determine the mineral content in the basal portion of peach palm heart factories and may help to choose geographical regions suitable for the establishment of new peach palm plantations. The models can provide reductions of cost and time analysis to palm heart without generating laboratory effluents. This is the first time in which multivariate analysis is used to generate models to predict minerals concentration in the basal portion of peach palm hearts, quantifying numerically the intensity of climatic factors in the minerals content.

Portugués. A influência climática em minerais de pupunheira (Bactris gasipaes Kunth) foi estudada e um método rápido foi avaliado para determinar Mg, Cl, K e S na porção basal de palmito de pupunha baseado no modelo preditivo multivariado utilizando dados agro-meteorológicos. Um total de 24 amostras de B. gasipaes Kunth foram coletadas ao longo de 14 a 18 meses de cultivo, cultivados em dois tipos de terreno: encosta e baixada. A análise de componentes principais (PCA) foi utilizada para seleccionar as componentes principais. Os dados foram modelados utilizando o método de regressão por mínimos quadrados parciais (PLS). Baixos erros relativos médios de previsão (4,60%) confirmam a boa previsibilidade dos modelos. Os fatores que mais influenciaram o modelo de previsão de minerais foram a precipitação pluviométrica e a radiação solar. Os resultados mostram que o modelo preditivo pode ser usado como um método rápido para determinar o conteúdo mineral em indústrias de palmito pupunha, podendo ajudar na escolha de regiões geográficas adequadas para o estabelecimento de área de plantios de pupunha. Os modelos podem fornecer reduções de custo e análise de tempo para a indústria de palmito sem gerar efluentes de laboratório. Esta é a primeira vez em que a análise multivariada é utilizada para gerar modelos para predizer a concentração de minerais na porção basal de pupunha, quantificando numericamente a intensidade de fatores climáticos no conteúdo mineral.