Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação
Ano de defesa: | 2021 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Viçosa
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Área do conhecimento CNPq: | |
Link de acesso: | https://locus.ufv.br//handle/123456789/28262 |
Resumo: | A cultura da soja é influenciada por diversas variáveis edáficas e climáticas. Essas variáveis representam a característica de uma região, compreender seus impactos na cultura oferece uma maior eficiência para a recomendação e implantação do material genético. A indicação de genótipos pode variar com as mudanças climáticas a nível de um macroambiente e dentro de um microambiente. Desse modo, o objetivo do trabalho foi avaliar a dissimilaridade ambiental causada por variaveis edafoclimáticas e formar estratos dentro do macriambiente sojícola três, e avaliar a interação dos genótipos pelo ambiente com base nos diferentes estratos formados mediante o estudo das normas de reação. Foram utilizados bancos de dados com informações edáficas e climáticas de 32 municípios cedidas pela empresa GDM seeds e Agrymet. Visando uma melhor caracterização dos locais em análise foi utilizada uma série histórica de avaliações dos anos de 2018 a 2020 dos meses de novembro a fevereiro. As variáveis para utilizadas para a formação dos estratos foram: registros de temperatura média (°C), precipitação pluviométrica (mm), radiação solar (W.m-2), velocidade do vento (m.s-1), umidade relativa (%), e capacidade de armazenamento do solo (CAS). Também foram incluídas informações de latitude e altitude (m). Para o estudo da interação dos genótipos pelo ambiente, foi adotado um modelo de regressão aleatória onde os componentes de variância foram estimados pela máxima verossimilhança restrita, os valores genéticos foram previstos pelo melhor preditor linear não viesado e as normas de reação foram ajustadas através do polinômio de Legendre. A escolha da ordem do polinômio de Legendre foi selecionada pelo critério de Akaike (AIC). A metodologia do SOM possibilitou a formação de sete clusters, onde alguns municípios foram agrupados em clusters diferentes em virtude do ano de análise. O teste de diferença significativa de Tukey evidenciou diferenças entre as variáveis ambientais categóricas e continuas, principalmente em decorrência das condições atípicas dos anos em análise. O melhor modelo de regressão aleatória foi o de ordem seis. Os genótipos S4, S15 e S20 apresentaram pouca interação com oambiente, enquanto os genótipos S1, S6, S9 e S17 apresentaram as maiores interações com o ambiente. As trajetórias genéticas das curvas das 20 cultivares reforçam a presença de interação genótipos por ambientes, uma vez que suas trajetórias são não-lineares e se cruzam, o que implica em uma classificação diferente a cada ambiente. Esses resultados sugerem que modelos de regressão aleatória ajustados através de polinômios de Legendre podem ser usados de forma eficiente em estudos de interação genótipos por ambientes na cultura da soja. Palavras-chave: Regressão aleatória. Redes neurais. Classificação ambiental. |
id |
UFV_c5dbce8cc08f772829bcc60d70fe1ef3 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/28262 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
|
spelling |
Peternelli, Luiz AlexandreSilva, Fabyano Fonseca eLeichtweis, Bruno Grespanhttp://lattes.cnpq.br/5013852823884669Silva, Felipe Lopes da2021-09-14T18:49:47Z2021-09-14T18:49:47Z2021-03-23LEICHTWEIS, Bruno Grespan. Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação. 2021. 44 f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2021.https://locus.ufv.br//handle/123456789/28262A cultura da soja é influenciada por diversas variáveis edáficas e climáticas. Essas variáveis representam a característica de uma região, compreender seus impactos na cultura oferece uma maior eficiência para a recomendação e implantação do material genético. A indicação de genótipos pode variar com as mudanças climáticas a nível de um macroambiente e dentro de um microambiente. Desse modo, o objetivo do trabalho foi avaliar a dissimilaridade ambiental causada por variaveis edafoclimáticas e formar estratos dentro do macriambiente sojícola três, e avaliar a interação dos genótipos pelo ambiente com base nos diferentes estratos formados mediante o estudo das normas de reação. Foram utilizados bancos de dados com informações edáficas e climáticas de 32 municípios cedidas pela empresa GDM seeds e Agrymet. Visando uma melhor caracterização dos locais em análise foi utilizada uma série histórica de avaliações dos anos de 2018 a 2020 dos meses de novembro a fevereiro. As variáveis para utilizadas para a formação dos estratos foram: registros de temperatura média (°C), precipitação pluviométrica (mm), radiação solar (W.m-2), velocidade do vento (m.s-1), umidade relativa (%), e capacidade de armazenamento do solo (CAS). Também foram incluídas informações de latitude e altitude (m). Para o estudo da interação dos genótipos pelo ambiente, foi adotado um modelo de regressão aleatória onde os componentes de variância foram estimados pela máxima verossimilhança restrita, os valores genéticos foram previstos pelo melhor preditor linear não viesado e as normas de reação foram ajustadas através do polinômio de Legendre. A escolha da ordem do polinômio de Legendre foi selecionada pelo critério de Akaike (AIC). A metodologia do SOM possibilitou a formação de sete clusters, onde alguns municípios foram agrupados em clusters diferentes em virtude do ano de análise. O teste de diferença significativa de Tukey evidenciou diferenças entre as variáveis ambientais categóricas e continuas, principalmente em decorrência das condições atípicas dos anos em análise. O melhor modelo de regressão aleatória foi o de ordem seis. Os genótipos S4, S15 e S20 apresentaram pouca interação com oambiente, enquanto os genótipos S1, S6, S9 e S17 apresentaram as maiores interações com o ambiente. As trajetórias genéticas das curvas das 20 cultivares reforçam a presença de interação genótipos por ambientes, uma vez que suas trajetórias são não-lineares e se cruzam, o que implica em uma classificação diferente a cada ambiente. Esses resultados sugerem que modelos de regressão aleatória ajustados através de polinômios de Legendre podem ser usados de forma eficiente em estudos de interação genótipos por ambientes na cultura da soja. Palavras-chave: Regressão aleatória. Redes neurais. Classificação ambiental.Soybean cultivation is influenced by several edaphic and climatic variables. These variables represent the characteristic of a region, understanding their impacts on the crop offers greater efficiency in recommending genetic material. The indication of genotypes can vary with climate change at the level of a macroenvironment and within a microenvironment. The objective of this work was to evaluate the environmental dissimilarity caused by edaphoclimatic variables in soybean macroregion three, and to evaluate the interaction of genotypes with the environment by studying the reaction norms. Databases with edaphic and climatic information from 32 municipalities provided by the company GDM seeds and Agrymet were used. Aiming at a better characterization of the places under analysis, a historical series of evaluations from the years 2018 to 2020 from the months of November to February was used. The variables used to form the strata were: records of mean temperature (°C), rainfall (mm), solar radiation (Wm-2), wind speed (ms-1), relative humidity (%), and soil storage capacity (CAS). Latitude and altitude (m) information was also included. To study the interaction of genotypes with the environment, a random regression model was adopted where the variance components were estimated by the restricted maximum likelihood, the breeding values were predicted by the best linear unbiased predictor and the reaction norms were adjusted using the polynomial of Legendre. The choice of the order of the Legendre polynomial was selected by the Akaike criterion (AIC). The SOM methodology enabled the formation of seven clusters, where some municipalities were grouped into different clusters due to the year of analysis. Tukey's test of significant difference showed differences between categorical and continuous environmental variables, mainly due to the atypical conditions of the years under analysis. The best random regression model was the order six. Genotypes S4, S15 and S20 had little interaction with the environment, while genotypes S1, S6, S9 and S17 had the greatest interaction with the environment. The genetic trajectories of the curves of the 20 cultivars reinforce the presence of interaction between genotypes and environments, since their trajectories are non-linear and intersect, which implies adifferent classification for each environment. These results suggest that random regression models fitted using Legendre polynomials can be used efficiently in studies of genotype-by-environment interaction in soybean crop. Keywords: Random Regression. Neural Network. environment cluster.Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPQporUniversidade Federal de ViçosaSoja - Melhoramento genéticoInteração genótipo-ambienteAnálise de regressãoRedes neurais (Neurobiologia)Meio ambiente - ClassificaçãoMelhoramento VegetalMapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reaçãoKohonen's self-organizing maps for environmental groupings and genotype- environment interaction studies via reaction normsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de AgronomiaMestre em Genética e MelhoramentoViçosa - MG2021-03-23Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf602427https://locus.ufv.br//bitstream/123456789/28262/1/texto%20completo.pdf072de407eb54a3c7ddb775ab49bf1921MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/28262/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/282622021-09-14 15:51:06.292oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452021-09-14T18:51:06LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
dc.title.en.fl_str_mv |
Kohonen's self-organizing maps for environmental groupings and genotype- environment interaction studies via reaction norms |
title |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
spellingShingle |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação Leichtweis, Bruno Grespan Soja - Melhoramento genético Interação genótipo-ambiente Análise de regressão Redes neurais (Neurobiologia) Meio ambiente - Classificação Melhoramento Vegetal |
title_short |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
title_full |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
title_fullStr |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
title_full_unstemmed |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
title_sort |
Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação |
author |
Leichtweis, Bruno Grespan |
author_facet |
Leichtweis, Bruno Grespan |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/5013852823884669 |
dc.contributor.none.fl_str_mv |
Peternelli, Luiz Alexandre Silva, Fabyano Fonseca e |
dc.contributor.author.fl_str_mv |
Leichtweis, Bruno Grespan |
dc.contributor.advisor1.fl_str_mv |
Silva, Felipe Lopes da |
contributor_str_mv |
Silva, Felipe Lopes da |
dc.subject.pt-BR.fl_str_mv |
Soja - Melhoramento genético Interação genótipo-ambiente Análise de regressão Redes neurais (Neurobiologia) Meio ambiente - Classificação |
topic |
Soja - Melhoramento genético Interação genótipo-ambiente Análise de regressão Redes neurais (Neurobiologia) Meio ambiente - Classificação Melhoramento Vegetal |
dc.subject.cnpq.fl_str_mv |
Melhoramento Vegetal |
description |
A cultura da soja é influenciada por diversas variáveis edáficas e climáticas. Essas variáveis representam a característica de uma região, compreender seus impactos na cultura oferece uma maior eficiência para a recomendação e implantação do material genético. A indicação de genótipos pode variar com as mudanças climáticas a nível de um macroambiente e dentro de um microambiente. Desse modo, o objetivo do trabalho foi avaliar a dissimilaridade ambiental causada por variaveis edafoclimáticas e formar estratos dentro do macriambiente sojícola três, e avaliar a interação dos genótipos pelo ambiente com base nos diferentes estratos formados mediante o estudo das normas de reação. Foram utilizados bancos de dados com informações edáficas e climáticas de 32 municípios cedidas pela empresa GDM seeds e Agrymet. Visando uma melhor caracterização dos locais em análise foi utilizada uma série histórica de avaliações dos anos de 2018 a 2020 dos meses de novembro a fevereiro. As variáveis para utilizadas para a formação dos estratos foram: registros de temperatura média (°C), precipitação pluviométrica (mm), radiação solar (W.m-2), velocidade do vento (m.s-1), umidade relativa (%), e capacidade de armazenamento do solo (CAS). Também foram incluídas informações de latitude e altitude (m). Para o estudo da interação dos genótipos pelo ambiente, foi adotado um modelo de regressão aleatória onde os componentes de variância foram estimados pela máxima verossimilhança restrita, os valores genéticos foram previstos pelo melhor preditor linear não viesado e as normas de reação foram ajustadas através do polinômio de Legendre. A escolha da ordem do polinômio de Legendre foi selecionada pelo critério de Akaike (AIC). A metodologia do SOM possibilitou a formação de sete clusters, onde alguns municípios foram agrupados em clusters diferentes em virtude do ano de análise. O teste de diferença significativa de Tukey evidenciou diferenças entre as variáveis ambientais categóricas e continuas, principalmente em decorrência das condições atípicas dos anos em análise. O melhor modelo de regressão aleatória foi o de ordem seis. Os genótipos S4, S15 e S20 apresentaram pouca interação com oambiente, enquanto os genótipos S1, S6, S9 e S17 apresentaram as maiores interações com o ambiente. As trajetórias genéticas das curvas das 20 cultivares reforçam a presença de interação genótipos por ambientes, uma vez que suas trajetórias são não-lineares e se cruzam, o que implica em uma classificação diferente a cada ambiente. Esses resultados sugerem que modelos de regressão aleatória ajustados através de polinômios de Legendre podem ser usados de forma eficiente em estudos de interação genótipos por ambientes na cultura da soja. Palavras-chave: Regressão aleatória. Redes neurais. Classificação ambiental. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-09-14T18:49:47Z |
dc.date.available.fl_str_mv |
2021-09-14T18:49:47Z |
dc.date.issued.fl_str_mv |
2021-03-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
LEICHTWEIS, Bruno Grespan. Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação. 2021. 44 f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2021. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/28262 |
identifier_str_mv |
LEICHTWEIS, Bruno Grespan. Mapas auto-organizáveis de Kohonen para agrupamentos ambientais e estudo de interação genótipos por ambientes via normas de reação. 2021. 44 f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2021. |
url |
https://locus.ufv.br//handle/123456789/28262 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/28262/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/28262/2/license.txt |
bitstream.checksum.fl_str_mv |
072de407eb54a3c7ddb775ab49bf1921 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1794528641720254464 |