Use este identificador para citar ou linkar para este item: http://repositorio.bc.ufg.br/handle/ri/19167
Registro completo de metadados
Campo DCValorIdioma
dc.creatorDuarte, João Batista-
dc.creatorVencovsky, Roland-
dc.date.accessioned2020-10-21T11:18:14Z-
dc.date.available2020-10-21T11:18:14Z-
dc.date.issued2005-02-
dc.identifier.citationDUARTE, João Batista; VENCOVSKY, Roland. Spatial statistical analysis and selection of genotypes in plant breeding. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 40, n. 2, p. 107-114, Feb. 2005.pt_BR
dc.identifier.issn0100-204X-
dc.identifier.issne- 1678-3921-
dc.identifier.urihttp://repositorio.bc.ufg.br/handle/ri/19167-
dc.description.abstractThe objective of this study was to evaluate the efficiency of spatial statistical analysis in the selection of genotypes in a plant breeding program and, particularly, to demonstrate the benefits of the approach when experimental observations are not spatially independent. The basic material of this study was a yield trial of soybean lines, with five check varieties (of fixed effect) and 110 test lines (of random effects), in an augmented block design. The spatial analysis used a random field linear model (RFML), with a covariance function estimated from the residuals of the analysis considering independent errors. Results showed a residual autocorrelation of significant magnitude and extension (range), which allowed a better discrimination among genotypes (increase of the power of statistical tests, reduction in the standard errors of estimates and predictors, and a greater amplitude of predictor values) when the spatial analysis was applied. Furthermore, the spatial analysis led to a different ranking of the genetic materials, in comparison with the non-spatial analysis, and a selection less influenced by local variation effects was obtained.pt_BR
dc.language.isoengpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectAugmented designpt_BR
dc.subjectGeostatisticspt_BR
dc.subjectMixed modelpt_BR
dc.subjectAutocorrelationpt_BR
dc.subjectInformation recoverypt_BR
dc.subjectCorrelated datapt_BR
dc.subjectDelineamento aumentadopt_BR
dc.subjectGeoestatísticapt_BR
dc.subjectModelo mistopt_BR
dc.subjectDados correlacionadospt_BR
dc.subjectRecuperação de informaçãopt_BR
dc.subjectAutocorrelaçãopt_BR
dc.titleSpatial statistical analysis and selection of genotypes in plant breedingpt_BR
dc.title.alternativeSeleção de genótipos e análise estatística espacial no melhoramento de plantaspt_BR
dc.typeArtigopt_BR
dc.description.resumoO objetivo deste trabalho foi avaliar a eficiência da análise estatística espacial na seleção de genótipos de plantas num programa de melhoramento. Buscou-se demonstrar os benefícios potenciais dessa abordagem quando as observações experimentais não são espacialmente independentes. O material consistiu de um ensaio de competição de linhagens de soja, com cinco cultivares testemunhas (de efeitos fixos) e 110 novos genótipos (de efeitos aleatórios), delineado em blocos aumentados. O ajuste espacial foi feito pelo modelo linear de campo aleatório (RFLM), com função de autocovariância estimada a partir dos resíduos da análise sob erros independentes. Os resultados apontaram uma autocorrelação residual de magnitude e alcance significativos, o que garantiu à abordagem espacial uma melhoria considerável na discriminação dos tratamentos genéticos – aumento do poder dos testes estatísticos, redução nos erros padrão de estimativas e de preditores e alargamento na amplitude das predições genotípicas. A análise espacial levou a um diferente ordenamento das linhagens em relação à análise não espacial e, finalmente, a uma seleção menos influenciada por efeitos da variação local.pt_BR
dc.publisher.countryBrasilpt_BR
dc.identifier.doi10.1590/S0100-204X2005000200002-
dc.publisher.departmentEscola de Agronomia - EA (RG)pt_BR
Aparece nas coleções:EA - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Artigo - João Batista Duarte - 2005.pdf148,58 kBAdobe PDFThumbnail
Baixar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons