Ciências Agrárias
URI permanente desta comunidadehttps://locus.ufv.br/handle/123456789/2
Navegar
2 resultados
Resultados da Pesquisa
Item Estratégias e seleção de cultivares de soja em estádios iniciais para tolerância ao déficit hídrico(Universidade Federal de Viçosa, 2023-02-17) Duarte, Anunciene Barbosa; Silva, Felipe Lopes da; http://lattes.cnpq.br/7204824336191422A soja é uma importante oleaginosa em todo o mundo e apresenta sensibilidade ao deficit hídrico, especialmente na fase inicial de desenvolvimento. Por isso, avaliar diferentes estratégias buscando selecionar cultivares de soja no início do desenvolvimento é extremamente necessário. Nesse sentido, são objetivos deste estudo: i) selecionar cultivares de soja tolerantes ao deficit hídrico utilizando os índices de seleção FAI-BLUP (Factor analysis and ideotype- design - Best Linear Unbiased Prediction) e o MGIDI (multi-trait genotype–ideotype distance index), além de indicar cultivares tolerantes ao deficit hídrico na fase inicial de desenvolvimento; ii) predizer o conteúdo de água nas folhas de soja e classificá-las quanto a condição hídrica, por meio de dados de espectroscopia NIR (near infrared) e diferentes modelos de machine learning. Dois experimentos foram avaliados envolvendo duas formas de imposição de estresse por deficit hídrico (em solo e em areia) em dois estádios diferentes (germinação e V1) e repetidos por duas épocas. Os experimentos envolveram 100 cultivares de soja, as quais foram submetidas a duas condições de disponibilidade hídrica (condição controle e condição estresse). Em ambos os experimentos, o estresse permaneceu por 20 dias. Os índices de seleção FAI-BLUP e MGIDI possibilitaram a seleção de 15 cultivares de soja. Foram selecionadas 12 cultivares comuns aos dois índices. As cultivares M 9144 RR, BMX TITAN RR foram as que mais se aproximaram do ideótipo. Em relação aos modelos de machine learning, todos os quatro modelos utilizados apresentaram boas performances ao realizar as tarefas de classificação e regressão. Os modelos PLS (Partial Least Squares) e SVM (Support Vector Machine) apresentaram os melhores resultados para classificar folhas de soja quanto à condição hídrica. Já para a tarefa de regressão, os modelos PLS e PCR (principal component regression) apresentaram os melhores desempenhos. Palavras-chave: Índices de seleção. Machine learning. Espectroscopia NIR. Seca.Item Plant material controls soil organic matter formation and the magnitude of priming effect(Universidade Federal de Viçosa, 2020-03-31) Almeida, Luís Fernando Januário; Silva, Ivo Ribeiro da; http://lattes.cnpq.br/1430037122937567Soil organic matter (SOM) has the capacity to store large amounts of carbon (C). In this context, SOM is a potential sink of atmospheric C and an alternative for global warming mitigation. Although SOM is widely investigated, the processes governing its formation and retention in soils are not completely understood. Thus, we aimed in the present study to understand how the chemical composition of plant litter drives the formation of new SOM and the mineralization of “native” SOM. The research was divided in two parts that originated two chapters: I) Quantitative parametrization of molecular diversity and microbial respiration of biochemical fractions of eucalypt plant tissues; and II) Forest litter constraints on the pathways controlling soil organic matter formation. For the chapter I we fractionated eucalypt plant components through proximate analysis (PA), which has been widely used to determine litter chemistry in decomposition studies. The fractions obtained had their biochemical composition characterized by 13 C-NMR spectroscopy and thermochemolysis coupled to gas chromatography-mass spectrometry. After this characterization, artificial plant organs were “reconstructed” and incubated in soil samples for 200-days under controlled conditions. Our results showed that the chemical composition of substrate drives the respiration of plant material at the early stages of decomposition. Conversely, at the late stages of decomposition substrate properties had no significant influence on C- CO 2 release. For the chapter II we incubated soil samples with different eucalypt plant organs for 200 days. These plant organs represented forest litter fractions with distinct chemical composition and usual input location in soil (above and belowground). For each treatment, we determined the amount of litter-derived C incorporated into different SOM fractions as well as the priming effect caused by the fresh litter amendments. Our results indicate that the aboveground litter were respired at higher rates but caused less native SOM degradation as compared to root litter. Additionally, aboveground litter contributed to net gains in both POM and MAOM, while root litter only led to net gains in POM. Generally, SOM formation via microbial incorporation of aboveground litter through in vivo pathways appears to be more efficient and causes less degradation of “native” MAOM than roots. Keywords: Substrate biochemistry. Microbial respiration. In vivo pathway. Ex vivo pathway. Priming effect. 13 C-CP/MAS-NMR spectroscopy. Aboveground litter. Root litter. Particulate organic matter. Mineral-associated organic matter.