Schramm Mielke, MarceloOliveira Santos, GabrielSilva Lopes, Emile CarolineSchilling, Ana CristinaSantana dos Santos, MartiellyPérez‑Molina, Junior Pastor2025-10-212025-10-2120231861-1664https://hdl.handle.net/11056/33295Abstract. Over the years, advances in technological and computational procedures have been made available for studies on plant morphology and physiology, and the cross-checking between the oldest and most recent information available in the literature is an important way to consolidate scientific knowledge. Due to its economic importance, studies on leaf allometry of Coffea arabica genotypes have been published in the last 50 years, making it an excellent model plant for comparing the technological advances in data collection and analysis for the development of individual leaf area prediction models. We conducted a study aiming the comparison of four allometric models available in the literature with a new allometric model from a simple linear regression with Bayesian statistics adjustment based on Markov chain Monte Carlo (MCMC) to estimate the individual leaf area (LA) of two C. arabica genotypes. All leaves of six plants belonging to two cultivars (‘Catuaí Vermelho’ IAC44 and ‘Catucaí Vermelho’ 19/08) with approximately 1 year old were collected (n = 563). Measurements of length of leaf blade, width and LA were obtained from scanned images, using the software ImageJ. For regressions between observed and predicted LA, all the models available in the literature presented high coefficients of determination (R2), very low root-mean-square errors (RMSE) and very similar values for the Akaike Information Criterion (AIC). As expected, for regressions between observed and predicted LA our Bayesian regression model presented lower values of RMSE and AIC than the previous models proposed in the literature. Despite technological advances and the development of new computational procedures, all models tested in this study provided highly accurate predictions of the LA for C. arabica genotypes.Resumen. A lo largo de los años, se han producido avances en los procedimientos tecnológicos y computacionales para los estudios sobre morfología y fisiología de las plantas, y el cotejo entre la información más antigua y la más reciente disponible en la bibliografía es una forma importante de consolidar el conocimiento científico. Debido a su importancia económica, en los últimos 50 años se han publicado estudios sobre la alometría foliar de genotipos de Coffea arabica, lo que la convierte en una excelente planta modelo para comparar los avances tecnológicos en la recogida y análisis de datos para el desarrollo de modelos de predicción del área foliar individual. Realizamos un estudio con el objetivo de comparar cuatro modelos alométricos disponibles en la literatura con un nuevo modelo alométrico a partir de una regresión lineal simple con ajuste estadístico bayesiano basado en Markov chain Monte Carlo (MCMC) para estimar el área foliar individual (LA) de dos genotipos de C. arabica. Se recolectaron todas las hojas de seis plantas pertenecientes a dos cultivares (“Catuaí Vermelho” IAC44 y “Catucaí Vermelho” 19/08) con aproximadamente 1 año de edad (n = 563). Las medidas de longitud del limbo, anchura y LA se obtuvieron a partir de imágenes escaneadas, utilizando el software ImageJ. Para las regresiones entre el LA observado y el predicho, todos los modelos disponibles en la literatura presentaron altos coeficientes de determinación (R2), errores cuadráticos medios (RMSE) muy bajos y valores muy similares para el Criterio de Información de Akaike (AIC). Como era de esperar, para las regresiones entre el LA observado y el LA predicho nuestro modelo de regresión bayesiana presentó valores más bajos de RMSE y AIC que los modelos anteriores propuestos en la literatura. A pesar de los avances tecnológicos y del desarrollo de nuevos procedimientos computacionales, todos los modelos probados en este estudio proporcionaron predicciones muy precisas del LA para los genotipos de C. arabica.engAcceso embargadoAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/ALOMETRIAHOJASCAFÉPLANTASALOMETRYSHEETSCOFFEEPLANTShttp://purl.org/coar/resource_type/c_6501https://doi.org/10.1007/s11738-023-03514-x