Estratificação ambiental via GGE biplot para otimização de rede de ensaios de soja

Abstract

Ensaios de Valor de Cultivo e Uso (VCU) são conduzidos por programas de melhoramento genético de soja com o intuito de selecionar e recomendar novas cultivares superiores para regiões específicas. Estes ensaios demandam muito trabalho e são financeiramente dispendiosos. Assim, encontrar ferramentas que, na prática, podem contribuir para a otimização deste processo através do aumento de sua eficiência e da minimização dos custos é muito importante. Diante disso, objetivou-se com este estudo, por meio da estratificação ambiental via GGE Biplot, otimizar redes de ensaios de soja distribuídos em municípios dos estados do Mato Grosso do Sul, Paraná, São Paulo e Santa Catarina. Para tanto, utilizou-se os dados de produção de 43 ensaios, distribuídos em 23 municípios dos estados de Mato Grosso do Sul, Paraná, São Paulo e Santa Catarina em quatro safras (2011/12; 2012/13; 2013/14 e 2015/16). Para a realização das análises utilizou-se o método de estratificação GGE Biplot, este é um método biplot que faz uso das análises de componentes principais, e identifica a existência de estratos ambientais por meio da avaliação da interação genótipo x ambiente (interação GA). Deste modo, os estratos serão formados de modo que a interação seja minimizada e que as cidades que participam do mesmo estrato tenham características ambientais homogêneas. Plotou-se para cada ensaio um gráfico GGE Biplot, os quais deram origem a uma matriz de coincidência que, por sua vez, deu origem a uma rede de similaridade ambiental para cada safra. Também foram construídas, através das matrizes, redes de similaridade envolvendo três safras e outra envolvendo todas as safras. Por meio das redes foi possível identificar a formação de alguns estratos. A rede conjunta de todas as safras revelou a existência de quatro estratos, sendo o primeiro composto pelos municípios de Toledo e Palotina; o segundo pelos municípios de Cafelândia, Palotina e Mamborê; o terceiro pelos municípios de Mamborê, Palotina e Maracaju e quarto composto pelos municípios de pelos municípios de Maracaju, Naviraí e Dourados. As cidades de Bela Vista do Paraíso e Rolândia não foram alocadas em um estrato, sendo, portanto, consideradas cidades essenciais para os ensaios, uma vez que estas possuem características ambientais diferentes das demais. As cidades que compõem um mesmo estrato são consideradas redundantes, deste modo, algumas podem ser eliminadas ou substituídas, afim de que a região seja melhor representada. Concluiu-se que para esta região os nove municípios coincidentes entre as safras podem ser representados por quatro, sendo estes: Maracaju, Palotina, Rolândia e Bela Vista do Paraíso. Deste modo, cinco municípios foram eliminados, e os recursos que eram a estes investidos podem ser remanejados para a introdução mais ambientes e /ou genótipos nestes ensaios. Palavras-chave: interação GA. GGE Biplot. mega-ambinetes.

Multi-environment trials are performed by soybean breeding programs to select and recomend new superior cultivars to specific regions. These trials require a lot of work and are costly. Thus, finding tools that contribute to the optimization of this process by increasing its efficiency and minimizing costs is very important. Therefore, the aim of this study was to optimize soybean trials distributed in cities in the states os Mato Grosso do Sul, Paraná, São Paulo and Santa Catarina, through the mega-environments identification via GGE Biplot. For this, the yield data from 43 trials, distributed in 23 cities of the states of Mato Grosso do Sul, Paraná, São Paulo and Santa Catarina in four agricultural years (2011/12; 2012/13; 2013/14; 2015/16) were used. In order to indentify the mega-environments , the GPL Biplot method was used, this is a biplot method that makes use of principal component analyzes, and identifies the existence of mega- environment through the evaluation of the genotype x environment interaction (GE interaction). In this way, the strata will be performed so the interaction is minimized and the cities that are in the same stratum have homogenous environmental characteristics. A GGE Biplot was plotted for each trial, wich gave rise to a coincidence matrix that, in turn, gave rise to a network of environmental similarity for each crop season. Similarity networs involving three agricultural years and one involving all agricultural years were also built through the matrices. Through the networks it was possible to identify mega-environments. All analyses were performed in Genes software and R platform. The joint network of all the years revealed the existence of four mega- enviroments, the first being composed of the municipalities of Toledo and Palotina; the second by the municipalities of Cafelândia, Palotina and Mamborê; the third by the municipalities of Mamborê, Palotina and Maracaju and fourth composed by the municipalities of the municipalities of Maracaju, Naviraí and Dourados. The cities of Bela Vista do Paraíso and Rolândia were not allocated in a mega-environment, and are therefore considered essential cities for the trials, since these have environmental characteristics different from the others. Cities that make up the same mega-environment are considered redundant, so some can be eliminated or replaced, then the region will be better represented. It was concluded that for this region the nine municipalities coinciding between all agricultural years can be represented by four municipalities, being these: Maracaju, Palotina, Rolândia and Bela Vista do Paraíso. In this way, five municipalities were eliminated, and the resources that were invested in these could be re-directed to the introduction of more environments and/or genotypes in these trials. Keywords: GE interaction. GGE Biplot. mega-environments.