“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 14483
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Genética |
| Setor | Departamento de Agronomia |
| Conclusão de bolsa | Não |
| Apoio financeiro | CAPES, CNPq, FAPEMIG |
| Primeiro autor | Mariana Grigório da Rocha |
| Orientador | FELIPE LOPES DA SILVA |
| Outros membros | Fernanda Cupertino Rodrigues |
| Título | Estratificação ambiental e identificação de genótipos adaptados via GGEBiplot |
| Resumo | A soja (Glycine max (L.) Merril) é uma das culturas de maior impacto no mundo, tanto em aspectos econômicos quanto sociais, sendo o Brasil o responsável por cerca de 35% da produção mundial. O melhoramento genético desempenha papel importante no desenvolvimento de cultivares mais modernas e produtivas. No entanto, a interação genótipo x ambiente pode encobrir a resposta de determinados genótipos em função do ambiente de cultivo no qual estão alocados, dificultando a seleção de genótipos promissores. Uma maneira de contornar os efeitos da interação GA é a identificação de estratos ambientais e de genótipos com adaptação específica para estes ambientes. Dado o exposto, objetivou-se com este trabalho identificar estratos ambientais em uma região alvo e identificar genótipos com adaptabilidade específica para estes locais. Foram utilizados dados de produção de 30 genótipos de ensaio VCU (Valor de Cultivo e Uso), os ensaios foram conduzidos em oito municípios na safra 2013/14. O experimento foi implantado em delineamento experimental de blocos com tratamentos casualizados com três repetições. Inicialmente realizou-se análise de variância (ANOVA). Posteriormente plotou-se gráficos GGE Biplot (Genotype Main Effect Plus Genotype × Environment Interaction) para a identificação dos estratos ambientais e dos genótipos mais adaptados aos mesmos. Todas as análises foram realizadas por meio do software Genes (2013). A ANOVA indicou que os efeitos dos genótipos e da interação GA foram significativos (p ≤ 0,01), o que sugere a existência de diferentes estratos ambientais dentro da região de estudo. Por meio do gráfico GGEBiplot foi possível identificar três estratos ambientais (E1, E2 e E3). O E1 é composto pelos municípios de Londrina e St. Terezinha de Itaipu. O E2 é composto por Palotina e Ubiratã. Já o E3 é composto pelos municípios de Dourados e Maracaju. Municípios que fazem parte de um mesmo estrato fornecem informações redundantes a respeito dos genótipos, visto que estes possuem características ambientais parecidas. Os municípios de Campo Mourão e Rolândia não fazem parte de um estrato, o que indica que estes possuem características ambientais discrepantes dos demais, sendo importantes para representar a região de estudo. Por meio do gráfico também é possível observar que os genótipos G26, G29 e G9 são os mais adaptados aos estratos E1, E2 e E3, respectivamente. Conclui-se que o método GGEBiplot é um método eficaz para otimização de programas de melhoramento, visto que o mesmo fornece informações sobre os locais de plantio e sobre os genótipos avaliados. Este método torna possível a otimização de programas de melhoramento, o que aumenta a eficiência e o poder de lançamento de cultivares superiores dos mesmos. |
| Palavras-chave | Glycine max (L.) Merril, interação GA, mega-ambientes. |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|