Uso de covariáveis ambientais para predição da interação de clones de cana-de-açúcar com ambientes
dc.contributor.advisor-co1 | Guedes, Márcio Lisboa | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/8695921024674566 | |
dc.contributor.advisor1 | Oliveira, Bruna Mendes de | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3010477708916212 | |
dc.contributor.referee1 | Oliveira, Bruna Mendes De | |
dc.contributor.referee2 | Resende, Rafael Tassinari | |
dc.contributor.referee3 | Alves, Filipe Couto | |
dc.creator | Reis, Laryssa barbosa de Souza | |
dc.creator.Lattes | http://lattes.cnpq.br/7458617053807252 | |
dc.date.accessioned | 2025-05-12T11:22:57Z | |
dc.date.available | 2025-05-12T11:22:57Z | |
dc.date.issued | 2025-02-27 | |
dc.description.abstract | The evaluation of genotypes in multi-environment trials that represent the diversity of cultivation conditions is one of the main challenges of plant breeding programs. In perennial or semi-perennial species, such as sugarcane, this challenge is amplified by prolonged experimentation over several harvest seasons. The use of environmental covariables has proven to be a promising approach to increase the efficiency of genotype selection. This study aimed to evaluate different models for predicting the performance of sugarcane clones in distinct environments using environmental covariables. Phenotypic data for yield (tons of stalks per hectare) were obtained from 53 trials conducted by the Sugarcane Breeding Program (PMGCA/UFG/Ridesa) between 2012 and 2022. Envirotyping data for 32 environmental covariates were collected from NASA's POWER platform. Six Bayesian ridge regression models were developed, integrating different combinations of genotypic effects (G), trial effects (E), environmental covariates (V), and their interactions. To evaluate the models, two cross-validation schemes were used, 5-fold and leave-one-out, representing the following scenarios, respectively: (1) the ability of the models to predict genotype performance in trials where they were not evaluated; (2) the ability of models with covariates to predict genotype performance in untested environments. Predictive ability was assessed globally and by individual trial. In scenario 1, global predictive abilities ranged from 0.93 to 0.13, while predictive ability by trial ranged from 0.50 to 0.16. In scenario 2, global predictive abilities ranged from 0.47 to 0.01, and by trial from 0.58 to 0.21. Models without environmental covariates, G + E and G + E + G × E, proved suitable for filling information gaps in breeding programs. The G + V model, although it did not consider genotype × environmental covariables interactions, stood out as the most promising option for cultivar recommendations in locations without prior data. The results highlight differences in the performance of the tested models and the importance of considering environmental variability in the interpretation of predictions. Identifying trials with low predictive ability is essential to guide data collection strategies and improve models capable of effectively handling environmental complexity. | eng |
dc.description.resumo | A avaliação de genótipos em ensaios multiambientais que representem a diversidade das condições de cultivo é um dos principais desafios dos programas de melhoramento genético. Em espécies perenes ou semiperenes, como a cana-de-açúcar, esse desafio é ampliado pela experimentação prolongada ao longo de várias safras. O uso de covariáveis ambientais tem se mostrado uma abordagem promissora para aumentar a eficiência da seleção de genótipos. Este trabalho teve como objetivo avaliar diferentes modelos para a predição do comportamento de clones de cana-de-açúcar em distintos ambientes, utilizando covariáveis ambientais. Os dados fenotípicos de produtividade (TCH) foram obtidos de 53 experimentos conduzidos pelo Programa de Melhoramento Genético da Cana-de-Açúcar (PMGCA/UFG/Ridesa) entre 2012 e 2022. Dados agroclimáticos de 32 covariáveis ambientais foram coletados da plataforma POWER, da NASA. Seis modelos de regressão de cumeeira bayesiana foram desenvolvidos, integrando diferentes combinações de efeitos genotípicos (G), de experimentos (E), covariáveis ambientais (V) e suas interações. Para avaliar os modelos, dois esquemas de validação cruzada foram utilizados, 5-fold e leave-one-out, representando, respectivamente, os seguintes cenários: (1) capacidade dos modelos em predizer o comportamento de genótipos em experimentos nos quais não foram plantados; (2) capacidade dos modelos com covariáveis em predizer o comportamento de genótipos em ambientes não experimentados. A habilidade preditiva foi avaliada globalmente e por experimento. No cenário 1, as habilidades preditivas globais variaram de 0,93 a 0,13, enquanto, por experimento, variaram de 0,50 a 0,16. No cenário 2, as habilidades preditivas globais variaram de 0,47 a 0,01 e, por experimento, de 0,58 a 0,21. Os modelos sem covariáveis ambientais, G + E e G + E + G × E, mostraram-se adequados para preencher lacunas de informação em programas de melhoramento. O modelo G + V, apesar de não considerar a interação genótipos × covariáveis ambientais, destacou-se como a opção mais promissora para recomendações de cultivares em locais sem dados prévios. Os resultados evidenciam diferenças no desempenho dos modelos testados e a importância de considerar a variabilidade ambiental na interpretação das predições. Identificar experimentos com baixa capacidade preditiva é essencial para orientar estratégias de coleta de dados e aprimorar modelos capazes de lidar com a complexidade ambiental de maneira eficaz. | |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | |
dc.identifier.citation | REIS, L. B. S. Uso de covariáveis ambientais para predição da interação de clones de cana-de-açúcar com ambientes. 2025. 63 f. Dissertação (Mestrado em Genética e Melhoramento de Plantas) – Escola de Agronomia, Universidade Federal de Goiás, Goiânia, 2025. | |
dc.identifier.uri | http://repositorio.bc.ufg.br/tede/handle/tede/14276 | |
dc.language | Português | por |
dc.publisher | Universidade Federal de Goiás | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Escola de Agronomia - EA (RMG) | |
dc.publisher.initials | UFG | por |
dc.publisher.program | Programa de Pós-graduação em Genética e Melhoramento de Plantas (EA) | |
dc.rights | Acesso Aberto | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | Melhoramento genético | por |
dc.subject | Modelagem preditiva | por |
dc.subject | Ambiente | por |
dc.subject | Plant breeding | eng |
dc.subject | Predictive modeling | eng |
dc.subject | Environment | eng |
dc.subject | Covariables | eng |
dc.subject.cnpq | CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::FISIOLOGIA DE PLANTAS CULTIVADAS | |
dc.title | Uso de covariáveis ambientais para predição da interação de clones de cana-de-açúcar com ambientes | |
dc.title.alternative | Environmental covariables to predict the interaction of sugarcane clones with environments | eng |
dc.type | Dissertação |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- Dissertação - Laryssa Barbosa de Souza Reis - 2025.pdf
- Tamanho:
- 3.49 MB
- Formato:
- Adobe Portable Document Format
Licença do Pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 1.71 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: