Predição e seleção indireta da massa de grãos da panícula de aveia branca em ambientes com e sem adubação
DOI:
https://doi.org/10.24221/jeap.10.4.2025.8058.233-243Palavras-chave:
Avena sativa, caracteres agronômicos, melhoramento de plantas, produtividade de grãos, regressão logísticaResumo
A seleção indireta de plantas pode ser potencializada por caracteres de fácil mensuração, correlacionados ao caractere de interesse. O estudo objetivou verificar a possibilidade de predizer a massa de grãos da panícula por meio de caracteres agronômicos de fácil mensuração, em ambientes com e sem adubação, e utilizar a análise de regressão logística para avaliar o desempenho de modelos preditores na seleção indireta de plantas de aveia branca com maior massa de grãos da panícula. Avaliaram-se a altura da planta, a altura da inserção da panícula, o comprimento da panícula, a massa da panícula, o número de grãos da panícula e a massa de grãos da panícula, em 570 plantas de aveia branca. Realizaram-se a correlação de Pearson e a correlação parcial entre os caracteres. Aplicaram-se a regressão linear simples e a regressão linear múltipla stepwise forward para a predição do NGP e da MGP. A regressão logística com validação cruzada foi utilizada para avaliar a taxa de acerto das plantas selecionadas sob pressões de seleção (5 a 50%), considerando os modelos de regressão desenvolvidos. É possível predizer a massa de grãos da panícula a partir de sua massa, com coeficiente de determinação igual ou superior a 0,93, independentemente da presença ou ausência de adubação. É possível selecionar plantas de aveia branca com maior massa de grãos da panícula por meio da simples pesagem da panícula, sem necessidade de debulha, alcançando precisão superior a 85% em pressões de seleção iguais ou superiores a 20% e acima de 90% em pressões iguais ou superiores a 35%, independentemente da presença ou ausência de adubação.Downloads
Referências
Alessi, O.; Mantai, R. D.; Silva, J. A. G.; Bárta, R. L.; Pansera, V.; Kraisig, A. R.; Berlezi, J. D.; Matter, E. M. 2021. Regressão linear múltipla envolvendo variáveis biológicas e ambientais na simulação de indicadores da composição química de grãos de aveia. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, 8, 010469-1-010469-7. https://doi.org/10.5540/03.2021.008.01.0469
Bazzer, S. K.; Oliveira, G.; Fiedler, J. D.; Nandety, R. S.; Jannink, J. L.; Caffe, M. 2025. Genomic strategies to facilitate breeding for increased ?-Glucan content in oat (Avena sativa L.). BMC Genomics, 26, 26-35. https://doi.org/10.1186/s12864-024-11174-5
Borém, A.; Miranda, G. V.; Fritsche-Neto, R. 2021. Melhoramento de plantas. 384p.
Cruz, C. D.; Regazzi, A. J.; Carneiro, P. C. S. 2014. Modelos biométricos aplicados ao melhoramento genético. 668p.
Roza, J. P. D.; Carvalho, I. R.; Pradebon, L. C.; Loro, M. V.; Sangiovo, J. P.; Bruisma, G. M. W.; Silva, J. A. G. 2024. Genetic dissimilarity and agronomic performance of mutant and recombinant white oat progênies, 23, 554-564. https://doi.org/10.5965/223811712342024554
De Cól, M.; Coelho, M.; Del Ponte, E.?M. 2024. Weather?Based Logistic Regression Models for Predicting Wheat Head Blast Epidemics. Plant Disease, 108, (11), 2206?2213. https://doi.org/10.1094/pdis-11-23-2513-re
Fernandes, A. A. T.; Figueiredo Filho, D. B.; Rocha, E. C.; Nascimento, W. S. 2020. Leia este artigo se você quiser aprender regressão logística. Revista de Sociologia e Política, 28, (74), 1-20. https://doi.org/10.1590/1678-987320287406en
Kuhn, M. 2008. Building Predictive Models in R Using the caret Package. Journal of Statistical Software, 28, (5), 1-26. https://doi.org/10.18637/jss.v028.i05
Kurek, A. J.; Carvalho, F. I. F.; Oliveira, A. C.; Cargnin, A.; Marchioro, V. S.; Lorencetti, C. 2002. Coeficiente de correlação entre caracteres agronômicos e de qualidade do grão e sua utilidade na seleção de plantas em aveia. Ciência Rural, 32, (3), 371-376. https://doi.org/10.1590/S0103-84782002000300002
Loro, M. V.; Carvalho, I.; Megiolaro Junior, G. L.; Pradebon, L. C.; Sangiovo, J. P.; Roza, J. P. D.; Bandeira, W. J. A. 2024. Relationships between agronomic traits and characterization of the white oat ideotype for cultivation with and without chemical fertilization. Revista Thema, 23, (2), 532-544, https://doi.org/10.15536/thema.V23.2024.532-544.3621
Mantai, R. D.; Silva, J. A. G.; Binelo, M. O.; Sausen, A. T. Z. R.; Rossi, D. S.; Corso, J. S. 2020. Nitrogen management in the relationships between oat inflorescence components and productivity. Brazilian Journal of Agricultural and Environmental Engineering, 24, 385-393. https://doi.org/10.1590/1807-1929/agriambi.v24n6p385-393
Meira, D.; Meier, C.; Olivoto, T.; Follmann, D. N.; Rigatti, A.; Lunkes, A.; Marchioro, V. S.; Souza, V. Q. 2019. Multivariate analysis revealed genetic divergence and promising traits for indirect selection in black oat. Brazilian Journal of Agricultural Sciences, 14, 1-7. https://doi.org/10.5039/agraria.v14i4a6514
Nick, T. G.; Campbell, K. M. 2007. Logistic regression. Topics in Biostatistics, 404, 273-301, 2007. https://doi.org/10.1007/978-1-59745-530-5_14
Pansera, V.; Silva, J. A. G.; Alessi, O.; Basso, N. C. F. 2022. Dose and form of nitrogen supply in the relationship dynamics of wheat ear components with yield in cropping systems. Genetics and Molecular Research, 21, (2), GMR19024036.
Pereira, L. B.; Machado, D. S.; Alves Filho, D. C. A.; Brondani, I. L.; Adams, S. M.; Silva, M. B.; Cocco, J. M.; Maidana, F. M.; Klein, J. L.; Volpatto, R. S. 2024. Substitution of corn grain with white oat grain in non-forage diets for feedlot beef cattle. Brazilian Journal of Animal Science, 53, e20230138. https://doi.org/10.37496/rbz5320230138
Pradebon, L. C.; Carvalho, I. R.; Silva, J. A. G.; Loro, M. V.; Roza, J. P. D. 2025. White oat progenies based on the agronomic ideotype due to response to environmental stimulus. Ciência Rural, 55, (3), e20230195. http://doi.org/10.1590/0103-8478cr20230195
R core team. 2025 R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing. Disponível em: https://www.R-project.org
Schmidt, A. L.; Carvalho, I. R.; Pradebon, L. C.; Silva, J. A. G.; Loro, M. V.; Sfalcin. I. C.; Donadel, P. E.; Segatto, T. A.; Alban, A. A.; Challiol, M. A. 2023. Organic system and reflections on white oat grain productivity components. Agronomy Science and Biotechnology, 9, 1-12. https://doi.org/10.33158/ASB.r188.v9.2023
Silva, E. L.; Secco, D.; Marins, A. C.; Bassegio, D.; Castro, M. B. S. 2022. Soil physical characteristics and corn grain yield as a function of cover crops. Research, Society and Development, 11, (1), e21511124823. https://doi.org/10.33448/rsd-v11i1.24823
Silva, J. A. G.; Carvalho, I. R.; Magano, D. A. (Org.). 2022. A cultura da aveia: da semente ao sabor de uma espécie multifuncional. 404p.
Silveira, D. C.; Basso, S. M. S.; Ebone, L. A.; Caverzan, A.; Machado, J. M.; Schaeffer, A. H.; Folchini, J. A.; Lângaro, N. C. 2021. Morphological traits of stem to indirect selection of resistance to lodging in Avena sativa L. Journal of Crop Science and Biotechnology, 25, 39-50. https://doi.org/10.1007/s12892-021-00111-7
Treter, R. J. R.; Furlan, R. D. P.; Carvalho, I. R.; Pradebon, L. C.; Sangiovo, J. P.; Sfalcin, I. C.; Loro, M. V.; Silva, J. A. G.; Alban, A. A.; Challiol, M. A.; Ferreira, L. L. 2023. Agronomic performance of white oats in organic system in the northwest region of Rio Grande do Sul. Agronomy Science and Biotechnology, 9, (1), 1-11. https://doi.org/10.33158/ASB.r189.v9.2023
Wickham, H. 2016. ggplot2: elegant graphics for data analysis. New York: Springer-Verlag. 260p. https://doi.org/10.1007/978-3-319-24277-4
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Paola Notargiacomo Ceolin, Murilo Vieira Loro, Ivan Ricardo Carvalho, Diovana Thays Schlösser, Dani Antonini Bromberger, Angélica Guareschi, Vitória Larrosa Bueno, Pedro Henrique Pereira Nunes
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não do JEAP ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que trechos já publicados em outro documento for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de nova submissão. Autoplágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
Direitos autorais: Autor
Material protected by copyright and plagiarism rights. In the case of copyrighted material being reproduced in a manuscript, full attribution should be informed in the text; an authorization document is proving to be sent to the Editorial Board as a supplementary document. It is the responsibility of the authors, not JEAP or editors or reviewers, to inform, in the article, the authors of texts, data, graphics, images and maps previously published elsewhere. If there is any suspicion about the originality of the material, the Editorial Board can check the manuscript for plagiarism. Where plagiarism is confirmed, the document will be returned without further review and the possibility of a new submission. Self-plagiarism (i.e., the use of the same phrases previously published documents by any of the authors) is not acceptable.
Copyright: Author
