Índices de vegetação no melhoramento da soja: aplicações na escolha de genitores e na predição do ciclo

• Ano de defesa: 2019
• Autor(a) principal: Ribeiro, Larissa Pereira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Glycine max; Soja - Melhoramento genético; Sensoriamento remoto; Inteligência computacional; Otimização combinatória; Genética Quantitativa
• Link de acesso: http://www.locus.ufv.br/handle/123456789/25212

O principal objetivo do melhoramento da soja é incrementar a produtividade de grãos, um caráter complexo devido a ação de muitos genes e alto efeito ambiental. Nesse sentido, um novo grupo de caracteres podem ser utilizados: os índices de vegetação (IVs), que são relações entre a radiação refletida de duas ou mais bandas, e se caracterizam como algoritmos simples e eficazes para avaliações quantitativas e qualitativas da cobertura vegetal, vigor e dinâmica de crescimento de espécies vegetais. Esses caracteres podem ser utilizados na predição da produtividade de grãos e de características relacionadas à eficiência fotossintética, pois possuem alta herdabilidade e facilidade de mensuração de forma remota em um grande número de candidatos a seleção. Diante disto, essa pesquisa teve como objetivo geral utilizar índices de vegetação para seleção de genitores e predição de ciclo de genótipos de soja. Para isso, dois experimentos foram conduzidos, o primeiro com o objetivo de estimar a capacidade combinatória de cultivares de soja com base na geração F 2 visando identificar genitores e populações segregantes para caracteres agronômicos, fisiológicos e índices de vegetação (Capítulo I), e o segundo visando avaliar a eficiência das redes neurais artificiais (RNAs) na predição do ciclo de genótipos de soja utilizando IVs (Capítulo II). O primeiro experimento foi conduzido em delineamento de blocos aumentados com duas repetições para os 11 genitores utilizados como testemunha. Foram avaliadas 28 populações F 2 obtidas em esquema de dialelo parcial 4x7 e seus genitores. Os caracteres avaliados foram: número de dias para maturação, número de vagens por planta, número de nós por planta, número de hastes laterais por planta, produtividade de grãos, fotossíntese líquida, condutância estomática, concentração interna de CO 2 , transpiração, bandas NIR, Red-edge, Red e Green, e índices de vegetação NDVI e NDRE. Houve predominância de efeitos aditivos no controle destes caracteres. No segundo experimento, 196 populações F 2:5 e 10 testemunhas foram avaliadas, sendo mensurados os IVs: NDVI, NDRE, GNDVI e SAVI e o ciclo. Os dados foram ampliados para 600 indivíduos e particionado em 80% para treinamento das RNAs e 20% para validação. A arquitetura de rede utilizada foi a Perceptron Multicamadas, com duas camadas ocultas. Após a identificação da melhor topologia de rede neural (algoritimo de treinamento: trainbr, função de ativação: logsig, 10 neurônios na primeira camada oculta e 8 na segunda), esta foi utilizada para a predição do ciclo dos genótipos com base nos dados originais, obtendo R2 de 73,97%.