Informações espaciais incorporadas à análise de vizinhança para avaliação de famílias de cana-de-açúcar

Abstract

No delineamento em blocos casualizados (DBC), os princípios básicos da experimentação repetição, casualização e controle local são fundamentais para reduzir a estimativa do erro experimental. Contudo, em ensaios de avaliação de famílias de cana-de-açúcar, a pouca disponibilidade de material genético e o grande número de genótipos resultam em parcelas pequenas e blocos excessivamente grandes, podendo dificultar a homogeneidade dentro dos blocos e diminuir a eficiência do controle. Uma alternativa para resolver esta questão é a utilização de métodos de vizinhança, como médias móveis e o procedimento de Papadakis, que incorporam a dependência espacial por meio da análise de covariância. Este estudo teve por objetivo avaliar uma abordagem para essas metodologias que utiliza a distância e a covariância espacial como ponderadores. Para isto, foram utilizados dados de dois experimentos de famílias de cana-de-açúcar da RIDESA. O diferencial da metodologia consistiu na utilização do semivariograma para identificar a estrutura de dependência espacial e definir, por meio do alcance efetivo, o número das parcelas vizinhas para o modelo. O experimento 1 apresentou dependência espacial moderada e nele a metodologia proposta superou as análises tradicionais, reduzindo o Coeficiente de Variação de 19,70% para 18,54%, elevando a acurácia seletiva (ASE) de 0,8536 para 0,8716 e tendo uma eficiência relativa de 88,73% na variância do resíduo em relação ao DBC. Essa melhoria na precisão resultou em alterações pontuais no ranqueamento das famílias, evidenciando a capacidade do método em evitar descartes de genótipos promissores. No experimento 2, o DBC foi eficiente em garantir a independência dos resíduos, superando os ajustes de vizinhança em termos de precisão. Concluiu-se que o uso de métodos de vizinhança, em conjunto com o estudo da estrutura espacial, é uma estratégia útil para resolver a baixa eficiência do controle local, se necessário. Palavras-chave: melhoramento genético; dependência espacial; espacial; precisão experimental; médias móveis; Papadakis covariância.

In the randomized complete block design (RCBD), the basic principles of experimentation replication, randomization and local control are key to reducing experimental error estimates. However, in sugarcane family evaluation trials, limited genetic material and the high number of genotypes result in small plots and excessively large blocks, which hinders within-block homogeneity and may reduce control efficiency. An alternative to mitigate this issue is the use of neighbor methods, such as moving averages and Papadakis procedure, which capture spatial dependence through covariance analysis. This study aimed to evaluate an approach for these methodologies that utilizes special distance and covariance between plots as weights. Data from two sugarcane family field experiments from RIDESA were used. The methodological highlight consisted of using the semivariogram to identify the spatial dependence structure and define, through the effective range, the number of neighboring plots for the model. Experiment 1 showed moderate spatial dependence, in which the proposed methodology outperformed traditional analyses, reducing the Coefficient of Variation from 19.70% to 18.52%, increasing selective accuracy (SA) from 0.8536 to 0.8716, while achieving a relative efficiency (RE) of 88.73% in residual variance compared to the RCBD. This improvement in precision resulted in specific changes in the ranking of the family evaluated, demonstrating the method’s ability to prevent the discarding of promising genotypes. In experiment 2, RCBD was efficient in ensuring residual independence, outperforming neighbor adjustments in precision. It was concluded that the use of neighbor methods, combined with the study of spatial structure, is a powerful strategy to mitigate low local control efficiency when is needed. Keywords: breeding programs; spatial dependency; spatial covariance; experimental precision; moving averages; Papadakis.