Phenotypic models of competition for pinus taeda l genetic parameters estimation

Main Article Content

Vanessa Ishibashi Diego Tyszka Martinez Antonio Rioyei Higa

Abstract

O objetivo deste estudo foi avaliar a eficiência dos modelos fenotípicos de competição, por meio da análise espacial na avaliação genética de progênies de Pinus taeda L. Para tanto, foram utilizadas quatro covariáveis de competição para ajustar os valores fenotípicos em um teste de progênie de P. taeda instalado em quatro locais diferentes no estado de Santa Catarina. O teste foi implementado em 2006 em delineamento em blocos casualizados, com sete competições, parcelas lineares contendo seis plantas por parcela em espaçamento de 2,5 mx 2,0 m. O teste instalado nos locais A, B e D é constituído por 63 famílias e famílias do local C 53. Aos nove anos de idade, a variável de diâmetro foi medida na altura da mama para todos os indivíduos. A presença ou ausência da competição baseou-se nos coeficientes de autocorrelação residual, Que teve seu significado testado pelo teste de Durbin-Watson. Em geral, o uso de covariáveis corrigiu o efeito da competição e as variâncias entre e dentro das parcelas, bem como o coeficiente de variação residual, foram reduzidos. A classificação pelo efeito genético dos indivíduos no teste de progênie foi extremamente alterada para este conjunto de dados com e sem o uso de covariáveis para os locais A e D, bem como a interação genótipo x ambiente. O uso dessas duas ferramentas é de grande importância na análise de dados em progênies de P. taeda , uma vez que os efeitos da competição podem levar a erros na seleção de indivíduos e na definição de zonas de melhoria. O uso de covariantes corrigiu o efeito da competição e as variações entre e dentro das parcelas, bem como o coeficiente de variação residual, foram reduzidos. A classificação pelo efeito genético dos indivíduos no teste de progênie foi extremamente alterada para este conjunto de dados com e sem o uso de covariáveis para os locais A e D, bem como a interação genótipo x ambiente. O uso dessas duas ferramentas é de grande importância na análise de dados em progênies de P. taeda , uma vez que os efeitos da competição podem levar a erros na seleção de indivíduos e na definição de zonas de melhoria. O uso de covariantes corrigiu o efeito da competição e as variações entre e dentro das parcelas, bem como o coeficiente de variação residual, foram reduzidos. A classificação pelo efeito genético dos indivíduos no teste de progênie foi extremamente alterada para este conjunto de dados com e sem o uso de covariáveis para os locais A e D, bem como a interação genótipo x ambiente. O uso dessas duas ferramentas é de grande importância na análise de dados em progênies de P. taeda , uma vez que os efeitos da competição podem levar a erros na seleção de indivíduos e na definição de zonas de melhoria. A classificação pelo efeito genético dos indivíduos no teste de progênie foi extremamente alterada para este conjunto de dados com e sem o uso de covariáveis para os locais A e D, bem como a interação genótipo x ambiente. O uso dessas duas ferramentas é de grande importância na análise de dados em progênies de P. taeda , uma vez que os efeitos da competição podem levar a erros na seleção de indivíduos e na definição de zonas de melhoria. A classificação pelo efeito genético dos indivíduos no teste de progênie foi extremamente alterada para este conjunto de dados com e sem o uso de covariáveis para os locais A e D, bem como a interação genótipo x ambiente. O uso dessas duas ferramentas é de grande importância na análise de dados em progênies de P. taeda , uma vez que os efeitos da competição podem levar a erros na seleção de indivíduos e na definição de zonas de melhoria.

Article Details

How to Cite
ISHIBASHI, Vanessa; MARTINEZ, Diego Tyszka; HIGA, Antonio Rioyei. Phenotypic models of competition for pinus taeda l genetic parameters estimation. CERNE, [S.l.], v. 23, n. 3, p. 349-358, sep. 2017. ISSN 2317-6342. Available at: <http://cerne.ufla.br/site/index.php/CERNE/article/view/1571>. Date accessed: 23 oct. 2017.
Keywords
spatial analysis, covariate, REML / BLUP, components of variance
Section
Article