dc.creator | Souza, Rafael Rodrigues de | |
dc.date.accessioned | 2021-07-30T21:25:00Z | |
dc.date.available | 2021-07-30T21:25:00Z | |
dc.date.issued | 2021-02-26 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21659 | |
dc.description.abstract | Soybean grain yield is a relevant characteristic that needs further understanding in highland and
lowland scenarios, where there is a lack of comparative theoretical references, mainly regarding
genotype × environment interaction. Another little approached aspect about these scenarios is
the reliability of estimates of this variable, which initiates by the sampling process, normally
performed empirically, causing an elevated bias when samplings are not representative.
Therefore, the aims of this study were to verify the effects of genotype × environment
interaction on soybean grain yield in highlands and lowlands of subtropical climate and to
compare the adaptability and stability methodologies; to analyze the behavior of experimental
precision statistics in front of the variations in the number of collected plants per experimental
unit in highlands and lowlands; to define the optimal sample size per experimental unit for
experimental precision statistics; and to propose predictive models for estimating the precision
of experiments with soybean. Field trials were carried out during the 2017/2018 agricultural
harvest in two locations of Rio Grande do Sul, on three sowing dates, totaling six experiments.
In the first study, 2.70 m2 per plot were harvest and the grain yield of 20 genotypes was
measured in both testing locations. With the collected data the significance of the interaction
factor was verified and this factor was partitioned into simple and complex components. Next,
linear bi-linear models were implemented, Additive Main Effect and Multiplicative Interaction
(AMMI), Best Linear Unbiased Prediction (BLUP) and Genotype plus Genotype-Environment
interaction (GGE), for verifying the stability of cultivars, with posterior comparison of
methodologies through uncertainty statistics and Pearson’s correlation coefficient. In the
second study, grain yield was assessed per plant, in 20 plants per plot, using 30 genotypes in
the highland location and 20 genotypes in the lowland location, totaling 9,000 measured plants.
Thirteen precision statistics were estimated and sample size per experimental unit was
determined per statistic, simulating scenarios of 1, 2, ..., 1000 plants; consequently, predictive
models for each statistic were parameterized, based on the number of collected plants. The
results demonstrated greater grain yields in the highlands, where the second sowing date
expressed the highest values. The complex component of interaction represented 82.11 %,
which allowed inferring cases of genotype ranking alteration. Agreement between the GGE and
BLUP methodologies was observed. The statistics were overestimated in smaller sample
scenarios per experimental unit. With the increase of collected plants, exponentially
proportional reductions of the confidence interval width of the calculated statistics were
verified. This allowed proposing experimental precision prediction models, via confidence
interval width and sample size per experimental unit. The sampling of 18 plants per
experimental unit was enough for estimating experimental precision statistics. With the
performed studies, a greater understanding of the highland and lowland edaphic scenarios on
factors that aid cultivars recommendation and experimental planning became possible. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | AMMI | por |
dc.subject | BLUP | por |
dc.subject | GGE | por |
dc.subject | Modelagem | por |
dc.subject | Planejamento experimental | por |
dc.subject | Terras altas | por |
dc.subject | Terras baixas | por |
dc.subject | Experimental planning | eng |
dc.subject | Highlands | eng |
dc.subject | Lowlands | eng |
dc.subject | Modelling | eng |
dc.title | Interação genótipo × ambiente e dimensionamento amostral para estatísticas de precisão em ensaios de soja | por |
dc.title.alternative | Genotype × environment interaction and sample dimensioning for precision statistics in soybean trials | eng |
dc.type | Dissertação | por |
dc.description.resumo | A produtividade de grãos de soja é uma relevante característica que necessita de prévia
compreensão em cenários de terras altas e baixas, em que referenciais teóricos comparativos
são escassos, principalmente relacionados à interação genótipo × ambiente. Outro aspecto
pouco abrangido nestes cenários é a confiabilidade de estimativas desta característica, que se
inicia pelo processo de amostragem, normalmente realizado empiricamente, podendo ocasionar
um viés elevado se as amostragens não forem representativas. Neste sentido, este estudo tem
como objetivos verificar os efeitos da interação genótipo × ambiente na produtividade de grãos
de soja em áreas de terras altas e baixas de clima subtropical e comparar metodologias de
adaptabilidade e estabilidade; analisar o comportamento de estatísticas de precisão
experimental frente às variações no número de plantas coletadas por unidade experimental em
terras altas e baixas; definir o tamanho amostral ótimo por unidade experimental para
estatísticas de precisão experimental; e propor modelos preditivos para estimar a precisão de
experimentos com soja. Foram conduzidos ensaios de campo durante a safra agrícola de
2017/2018, em dois locais no Rio Grande do Sul e três épocas de semeadura, totalizando seis
experimentos. No primeiro estudo, uma área de 2,70 m2 por parcela foi colhida e a
produtividade de grãos foi mensurada em 20 genótipos em ambos os locais teste. Com os dados
coletados, foi verificada a significância do fator interação e realizado o particionamento deste
fator em componente simples e complexo. A seguir, foram implementados modelos lineares,
bilineares, Additive Main Effect and Multiplicative Interaction (AMMI), Best Linear Unbiased
Prediction (BLUP) e Genotype plus Genotype-Environment interaction (GGE), para a
verificação da estabilidade de cultivares com posterior comparação de metodologias por meio
de estatísticas de incerteza e coeficiente de correlação de Pearson. No segundo estudo, a
produtividade de grãos foi avaliada por planta, em 20 plantas por parcela, utilizando 30
genótipos no local de terras altas e 20 genótipos no local de terras baixas, totalizando 9000
plantas mensuradas. Foram estimadas treze estatísticas e determinado o tamanho de amostra
por unidade experimental por estatística, simulando cenários de 1, 2, ..., 1000 plantas;
consequentemente, parametrizaram-se modelos preditivos para cada estatística, com base no
número de plantas coletadas. Os resultados demonstraram maiores produtividades de grãos em
terras altas, onde a segunda época de semeadura expressou os maiores valores. O componente
complexo da interação representou 82,11 %, permitindo inferir casos de alteração de
ranqueamentos de genótipos. Concordâncias entre as metodologias GGE e BLUP foram
observadas. As estatísticas foram superestimadas em cenários amostrais menores por unidade
experimental. Com o aumento de plantas coletadas foi possível verificar reduções
exponencialmente proporcionais da amplitude do intervalo de confiança das estatísticas
calculadas. Assim, possibilitando a proposição de modelos de previsão da precisão
experimental, via amplitude de intervalos de confiança e tamanho amostral por unidade
experimental. A amostragem de 18 plantas por unidade experimental foi suficiente para a
estimativa das estatísticas de precisão experimental. Com os estudos realizados, maiores
compreensões dos cenários edáficos de terras altas e baixas foram possíveis, sobre fatores que
auxiliam na recomendação de cultivares e no planejamento experimental. | por |
dc.contributor.advisor1 | Toebe, Marcos | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1350890583236601 | por |
dc.contributor.referee1 | Marchioro, Volmir Sérgio | |
dc.contributor.referee2 | Benin, Giovani | |
dc.creator.Lattes | http://lattes.cnpq.br/6443498376270135 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Agronomia | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Agronomia - Agricultura e Ambiente | por |
dc.subject.cnpq | CNPQ::CIENCIAS AGRARIAS::AGRONOMIA | por |
dc.publisher.unidade | UFSM Frederico Westphalen | por |