Abstract The selection of models to estimate dry matter partitioning for any crop is an important tool, since it enables rationalisation in the use of inputs and improvement in the management of an area, with gains in productivity. The aim was to use and compare different statistical evaluators and cluster analysis in the classification and selection of models with goodness of fit to estimate dry matter partitioning in banana mat. In the field, sixteen banana mats were collected ready for harvest and separated into mother plant (rhizome, pseudostem, leaf, stalk and fruit) and daughter plant (daughter rhizome, daughter pseudostem and daughter leaf). Models for the estimation of dry matter weight were generated for the different plant organs. Mean square residual (MSR), standard error of the estimate (Syx%), residual mean absolute deviation (MAD), coefficient of determination (R2), corrected Akaike information criterion (AICc) and Bayesian information criterion (BIC), in addition to cluster analysis were used for comparison and selection of the most appropriate model. The dry matter weight (DMw) of the organs comprising the mother plant and the daughter plant are best estimated as a function of DMw_Mother and DMw_Daughter respectively, except for the stalks and fruit. MSR, Syx%, MAD, R2, AICc and BIC are efficient tools in the selection and classification of models to estimate DMw partitioning in banana. Cluster analysis confirms the models selected by the evaluators, but unlike these, it selects only one as the “best model” for each plant organ.

中文翻译：

---

估计巴西东北部施肥普拉塔香蕉干物质分配的数学模型的多元选择和分类

摘要 选择模型来估计任何作物的干物质分配是一个重要的工具，因为它可以使投入物的使用合理化并改善一个地区的管理，并提高生产力。目的是在具有拟合优度的模型的分类和选择中使用和比较不同的统计评估器和聚类分析，以估计香蕉垫中的干物质分配。在田间，收集了 16 个准备收获的香蕉垫，并将其分为母株（根茎、假茎、叶、茎和果实）和子株（子根茎、子株假茎和子叶）。为不同的植物器官生成了估算干物质重量的模型。均方残差 (MSR)、估计的标准误差 (Syx%)、残差平均绝对偏差 (MAD)、决定系数（R2）、校正赤池信息准则（AICc）和贝叶斯信息准则（BIC）以及聚类分析被用于比较和选择最合适的模型。除了茎和果实外，包括母株和子株的器官的干物质重量 (DMw) 最好分别作为 DMw_Mother 和 DMw_Daughter 的函数进行估计。MSR、Syx%、MAD、R2、AICc 和 BIC 是模型选择和分类的有效工具，用于估计香蕉中的 DMw 分配。聚类分析确认了评估者选择的模型，但与这些模型不同的是，它只选择一个作为每个植物器官的“最佳模型”。此外还使用聚类分析来比较和选择最合适的模型。除了茎和果实外，包括母株和子株的器官的干物质重量 (DMw) 最好分别作为 DMw_Mother 和 DMw_Daughter 的函数进行估计。MSR、Syx%、MAD、R2、AICc 和 BIC 是模型选择和分类的有效工具，用于估计香蕉中的 DMw 分配。聚类分析确认了评估者选择的模型，但与这些模型不同的是，它只选择一个作为每个植物器官的“最佳模型”。此外还使用聚类分析来比较和选择最合适的模型。除了茎和果实外，包括母株和子株的器官的干物质重量 (DMw) 最好分别作为 DMw_Mother 和 DMw_Daughter 的函数进行估计。MSR、Syx%、MAD、R2、AICc 和 BIC 是模型选择和分类的有效工具，用于估计香蕉中的 DMw 分配。聚类分析确认了评估者选择的模型，但与这些模型不同的是，它只选择一个作为每个植物器官的“最佳模型”。除了茎和果实。MSR、Syx%、MAD、R2、AICc 和 BIC 是模型选择和分类的有效工具，用于估计香蕉中的 DMw 分配。聚类分析确认了评估者选择的模型，但与这些模型不同的是，它只选择一个作为每个植物器官的“最佳模型”。除了茎和果实。MSR、Syx%、MAD、R2、AICc 和 BIC 是模型选择和分类的有效工具，用于估计香蕉中的 DMw 分配。聚类分析确认了评估者选择的模型，但与这些模型不同的是，它只选择一个作为每个植物器官的“最佳模型”。