Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/37474
metadata.teses.dc.title: Spatial analysis on potato breeding trials
metadata.teses.dc.title.alternative: Análise espacial aplicada no melhoramento de batata
metadata.teses.dc.creator: Andrade, Mario Henrique Murad Leite
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/1086229772867964
metadata.teses.dc.contributor.advisor1: Pinto, César Augusto Brasil Pereira
metadata.teses.dc.contributor.referee1: Ramalho, Magno Antônio Patto
metadata.teses.dc.contributor.referee2: Nunes, José Airton Rodrigues
metadata.teses.dc.contributor.referee3: Lima, Renato Ribeiro de
metadata.teses.dc.contributor.referee4: Carneiro, Pedro Crescêncio Souza
metadata.teses.dc.subject: Solanum tuberosum L.
Melhoramento de plantas
Batata
Análise espacial
Plant breeding
Potato
Spatial analysis
metadata.teses.dc.date.issued: 31-Oct-2019
metadata.teses.dc.description.sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
metadata.teses.dc.identifier.citation: ANDRADE, M. H. M. L. Spatial analysis on potato breeding trials. 2019. 66 p. Tese (Doutorado em Genética e Melhoramento Plantas)–Universidade Federal de Lavras, Lavras, 2019.
metadata.teses.dc.description.resumo: A experimentação de campo para a fenotipagem de plantas é uma das principais atividades do melhoramento de plantas. As estimativas dos parâmetros genéticos de interesse são fatores determinantes para o sucesso do programa de melhoramento. A experimentação está sujeito a diversos erros tais como: diferenças na fertilidade do solo, quantidade de luz interceptada, competição entre parcelas, fenotipagem de baixa qualidade, estresses abióticos e bióticos que podem se distribuir de forma não homogênea e não serem quantificados da mesma forma, os quais podem interferir na seleção dos melhores genótipos. Uma maneira de amenizar este problema é o uso de abordagens analíticas mais precisas, como a análise espacial. Dessa forma, o presente trabalho verificou a eficiência de modelos espaciais, utilizando duas abordagens: modelos auto-regressivos de primeira ordem (AR1) e o modelo SpATS. Para o estudo foram utilizados 30 experimentos oriundos do programa de melhoramento de batata da UFLA (PRO-BATATA) e da Universidade da Florida. Os experimentos foram realizados nas safras entre 2016 a 2019, utilizando os delineamentos de blocos aumentados e de blocos completos casualizados. Três características foram analisadas: produção total de tubérculos (PTT), produção de tubérculos graúdos (PTG) e peso específico de tubérculos (PET). Na primeira etapa os dados foram analisados na abordagem de modelos mistos considerando os erros independentes. Após esse passo, os dados foram analisados utilizando os modelos AR1xAR1, AR1xAR1+nugget e SpATS. Os resultados obtidos com os modelos espaciais foram comparados com os resultados do modelo com erros independentes utilizando a variância do erro de predição (PEV), a herdabilidade (h²) e também comparando o ranqueamento dos clones nos diferentes modelos e o consequente impacto na seleção dos melhores genótipos. Os modelos baseados no processo AR1 foram superiores quando comparados com o modelo base em 81% do casos para a PTT e para a PTG, e em 61% dos casos para a PET. Não foi encontrado um único modelo que possa ser usado em todos os casos, sendo necessário a inclusão de diferentes parâmetros para o controle dos erros globais para cada caso. As duas abordagens, AR1 e SpATS, foram eficazes no controle da variação local e global apresentando resultados semelhantes. A eficiência relativa para o modelo AR1 foi de 119, 113 e 107 e para o modelo SpATS de 121, 126 e 118, para a PTT, PTG e PET respectivamente. Em raros casos a eficiência relativa foi ligeiramente menor com o uso da abordagem espacial. A herdabilidade média foi maior com o uso dos modelos espaciais para as três características, essas diferenças foram de 14% para PTT, 8% para PTG e 7% para PET. Estas diferenças na modelagem dos erros levam a diferenças nos clones selecionados quando a variação espacial foi de média a elevada magnitude, o que demonstra a importância do uso da forma analítica mais precisa. Os modelos espaciais se mostraram mais eficientes no controle da variação espacial em relação ao modelo com erros independentes, sendo que não houve diferenças nos resultados obtidos entre os modelos AR1 e SpATS. Dessa forma nós recomendamos o uso da análise espacial como padrão para a análise de dados de campo em programas de melhoramento de batata.
metadata.teses.dc.description.abstract: Field experimentation for plant phenotyping is one of the main plant breeding activities. Estimating the genetic parameters of interest are determining factors for the success of the breeding program. Some errors can happen in this process: differences in soil fertility, the quantity of light intercepted, plot competition, errors on phenotyping, abiotic and biotic stress not homogeneous on the area, all these effects can change the process of selection. The use of good analytics approaches is a good way to reduce those errors. This study checked the efficiency of spatial models, using two different approaches: first-order autoregressive (AR1) and SpATS model. We used 30 potato breeding trials from the Universidade Federal de Lavras potato program (PRO-BATATA) and the University of Florida. The trials were carried out between the seasons 2016 - 2019, with the complete random block and augmented blocks designs. Three traits were used: total tuber yield (TTY), marketable tuber yield (MTY) and specific gravity (SG). On the first stage, the data were analyzed using a mixed models approach with independent errors.After this the data were analyzed using the models AR1xAR1, AR1xAR1+nugget and SpATS. To compare the results, we used the prediction error variance (PEV), heritability (h²) and also the impacts on the selection of the best genotypes. The models based on the AR1process got better results when compared with the base model in 81% cases for TTY and for MTY, and 61% for SG. There is not an unique model for all trials. It was necessary different parameters to control global errors in each case. Both models, AR1 and SpATS, were successful to control the local and global errors, showing the same results. The relative efficiency using the AR1 model were 119, 113 and 107% and for the SpATS 121, 116 and 118%, for TTY, MTY and SG respectively. Spatial models showed worst relative efficiency in just few cases. The average heritability was higher using the spatial model for all traits.These differences were 14% for TTY, 8% for MTY and 7% for SG. There were differences in the selection of the best clones using the spatial models in cases where the spatial variation was medium to high.These results demonstrate the importance of using the most accurate analytical method. Spatial models were more efficient to control the field variation compared with the model that assumes independent errors. AR1 and SpATS do not showed differences in their results. We recommend using the spatial analysis, based on AR1 or SpATS, as a default to analyze field data from a potato breeding program.
metadata.teses.dc.description: Arquivo retido, a pedido do autor(a), até outubro de 2020.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/37474
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: eng
Appears in Collections:DBI - Genética e Melhoramento de Plantas - Doutorado (Teses)

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.