Capes; CNPq; Fundação Araucária / As condições ambientais do cultivo do café, como clima, tipo de solo e altitude, associadas a práticas agrícolas, são responsáveis pela composição química final do grão. Além disso, o genótipo cultivado também influencia diretamente nas características essenciais da bebida, aumentando o seu valor agregado. Portanto, comprovações da origem geográfica e genotípica da genótipo do café devem ser realizadas utilizando métodos confiáveis. A espectroscopia no infravermelho próximo (NIRS), na região de 1100 a 2498 nm, foi utilizada na análise de genótipos de café arábica, cultivadas em diferentes cidades do estado do Paraná, Brasil. Como primeira aproximação, os métodos lineares, análise de componentes principais (ACP) e mínimos quadrados parciais com análise discriminante (PLS-DA), foram utilizados para a interpretação dos dados devido à complexidade e elevada quantidade de informação contida nos espectros. Os modelos PLS-DA obtidos para a classificação geográfica apresentaram uma sensibilidade média de 93,75% e uma especificidade de 100%. Já para a classificação dos genótipos a performance do PLS- DA foi de 93,75% para sensibilidade e 97,13% para a especificidade. Na tentativa de melhorar a performance e a confiabilidade de classificação foram desenvolvidos modelos de dois estágios. Tanto os scores da ACP como as variáveis latentes do PLS-DA foram alimentados em dois tipos diferentes de redes neurais artificiais, o perceptron de múltiplas camadas (MLP) e a rede de funções de base radial (RBF) que são modelos inerentemente não-lineares. Os respectivos parâmetros de arquitetura dessas redes foram otimizados através do método de busca direta simplex sequencial. Os modelos de dois estágios, linear com PLS-DA e não-linear com RBF, foram capazes de classificar geograficamente e genotipicamente com 100% de seletividade e especificidade todas as amostras de treinamento e de teste. As variáveis latentes do PLS-DA por serem determinadas levando-se em consideração a resposta desejada contêm mais informação que os scores da ACP. Já a rede RBF, por possuir um número menor de parâmetros livres e uma estrutura mais simples quando comparada à MLP, possui um treinamento mais rápido e convergente. Quando comparados com os resultados obtidos na espectroscopia de infravermelho médio (FTIR), os modelos obtidos usando os espectros NIRS apresentaram uma performance melhor e mais confiável. Estes resultados indicam que os espectros NIRS contêm informações importantes que aliadas a métodos adequados de reconhecimento de padrões resultam em uma classificação eficiente de amostras de café arábica verde por genótipo e local de cultivo. Além disso, uma análise dos loadings das variáveis latentes do PLS-DA permite associar quais bandas são características em cada classe. Essa informação pode ser correlacionada com a composição química das amostras fornecendo, assim, dados preliminares para avaliar o efeito da região de cultivo e do tipo de genótipo selecionado nas características químicas do grão de café verde. / The environmental conditions in coffee cultivation, such as climate, soil type and altitude, associated with agronomic practices, are responsible for influence the final chemical composition of the bean. They directly influence the essential features of the beverage, increasing its aggregate price. Proof of geographic and genotypic origin of the coffee genotypes must be done using reliable methods. Thus, the near infrared spectroscopy (NIRS), in the 1100 to 2498nm range, was used for analyze different coffee genotypes that were cultivated in different cities (Brazil - Paraná State). As first approach linear methods, principal components analysis (PCA) and partial least squares with discriminant analysis (PLS-DA), were used for data interpretation due to the high complexity and amount of information contained in the spectra. The obtained PLS-DA models had an average sensitivity of 93.75% and a specificity of 100% for the geographical classification. While for genopyte classification, the PLS-DA performance was 93.75% for sensitivity and 97.13% for specificity. In an attempt to improve the performance and reliability of the developed classifiers, both the PCA scores and the PLS-DA latent variables were fed into two artificial neural networks, the multilayer perceptron (MLP) and radial basis function network (RBF), that are nonlinear models. The architecture parameters of these networks were optimized using the sequential simplex method. The two-stage models, linear with PLS-DA and nonlinear with RBF, were able to classify geographically and genotypically with 100% of selectivity and specificity all the training and test samples. The latent variables of the PLS-DA are determined by taking into account the desired response, so it contains more information than the scores of the PCA. While the RBF network, by having fewer free parameters and a simpler architecture compared to the MLP, has a faster and covergente training. The spectra analysis in near-infrared region showed better results than mid-infrared spectra. These results indicate that NIRS spectra contain important information that, combined with appropriate methods of pattern recognition, allow the classification of green arabica coffee samples by genotype and growing region. Besides, the PLS-DA loadings analysis allows associating which NIRS bands are specific of each class. This information can be correlated with the samples chemical composition, providing preliminary data to evaluate the effect of growing region and genotype in the selected green coffee chemical composition.

A produtividade e a qualidade tecnológica do trigo são influenciadas por fatores genéticos, ambientais e de manejo. A participação do ambiente na definição de caracteres componentes do rendimento e atributos qualitativos de farinha requer extensiva avaliação de genótipos em vários locais durante anos. O objetivo deste trabalho foi avaliar o efeito de anos (2007 a 2011) e regiões de cultivo (Abelardo Luz- SC, Cascavel-PR, Castro-PR, Guarapuava-PR, Não Me Toque- RS e Palotina-PR) sobre a qualidade industrial e produtividade de grãos em conjuntos de ensaios de trigo (Triticum aestivum L.), com vistas a recomendação de cultivares e identificação de regiões que maximizem a qualidade de panificação. Foram realizadas as análises de variância conjunta e calculadas as estatísticas de comparação de médias, associação entre caracteres e adaptabilidade e estabilidade dos genótipos às diferentes regiões de cultivo, utilizando analises gráficas GGE Biplot e análises AMMI. Os resultados indicam que todos os caracteres avaliados foram influenciados pelo genótipo (G), ambiente (E) interação GxE. Os caracteres determinantes da qualidade de panificação de trigo têm sua variação fenotípica controlada principalmente pelo efeito genético. As cultivares CD 150, CD 108 e IPR 85 apresentaram excelente comportamento quanto à qualidade de panificação. O ambiente de teste Não-Me-Toque é ideal para seleção de genótipos com foco no rendimento de grãos e massa do hectolitro. Ambientes ideais para a seleção de genótipos com foco na qualidade de panificação incluem, em ordem, Abelardo Luz, Cascavel e Guarapuava. / The productivity and technological quality of wheat is influenced by genetic, environmental and management factors. The environmental contribution in the definition of component traits of yield and quality attributes of flour requires extensive evaluation of genotypes in multiple locations for years. The objective of this study was to evaluate the effect of years (2007-2011) and growing regions (Abelardo Luz- SC , Cascavel - PR, Castro - PR, Guarapuava - PR , Não-Me-Toque - RS and Palotina - PR) on the quality industrial and grain yield in sets of trials of wheat ( Triticum aestivum L.), with a view to recommending cultivars and identification of regions that maximize the quality of baking. Analyses of joint variance and calculated statistical comparison of means , association between character and adaptability and stability of genotypes to different growing regions, using graphical GGE Biplot analysis and AMMI analysis were performed. The results indicate that all traits were influenced by genotype (G), environment (E) interaction GxE. The determinants of quality characters of wheat bread have their phenotypic variation mainly controlled by genetic effects. The CD 150, CD 108 and IPR 85 cultivars showed excellent behavior in relation to baking quality. The test environment Não-Me-Toque is ideal for selection of genotypes with a focus on yield and hectoliter mass. Ideal environments for the selection of genotypes with a focus on quality of bread making, in order, Abelardo Luz, Cascavel and Guarapuava.

Capes; CNPq; Fundação Araucária / As condições ambientais do cultivo do café, como clima, tipo de solo e altitude, associadas a práticas agrícolas, são responsáveis pela composição química final do grão. Além disso, o genótipo cultivado também influencia diretamente nas características essenciais da bebida, aumentando o seu valor agregado. Portanto, comprovações da origem geográfica e genotípica da genótipo do café devem ser realizadas utilizando métodos confiáveis. A espectroscopia no infravermelho próximo (NIRS), na região de 1100 a 2498 nm, foi utilizada na análise de genótipos de café arábica, cultivadas em diferentes cidades do estado do Paraná, Brasil. Como primeira aproximação, os métodos lineares, análise de componentes principais (ACP) e mínimos quadrados parciais com análise discriminante (PLS-DA), foram utilizados para a interpretação dos dados devido à complexidade e elevada quantidade de informação contida nos espectros. Os modelos PLS-DA obtidos para a classificação geográfica apresentaram uma sensibilidade média de 93,75% e uma especificidade de 100%. Já para a classificação dos genótipos a performance do PLS- DA foi de 93,75% para sensibilidade e 97,13% para a especificidade. Na tentativa de melhorar a performance e a confiabilidade de classificação foram desenvolvidos modelos de dois estágios. Tanto os scores da ACP como as variáveis latentes do PLS-DA foram alimentados em dois tipos diferentes de redes neurais artificiais, o perceptron de múltiplas camadas (MLP) e a rede de funções de base radial (RBF) que são modelos inerentemente não-lineares. Os respectivos parâmetros de arquitetura dessas redes foram otimizados através do método de busca direta simplex sequencial. Os modelos de dois estágios, linear com PLS-DA e não-linear com RBF, foram capazes de classificar geograficamente e genotipicamente com 100% de seletividade e especificidade todas as amostras de treinamento e de teste. As variáveis latentes do PLS-DA por serem determinadas levando-se em consideração a resposta desejada contêm mais informação que os scores da ACP. Já a rede RBF, por possuir um número menor de parâmetros livres e uma estrutura mais simples quando comparada à MLP, possui um treinamento mais rápido e convergente. Quando comparados com os resultados obtidos na espectroscopia de infravermelho médio (FTIR), os modelos obtidos usando os espectros NIRS apresentaram uma performance melhor e mais confiável. Estes resultados indicam que os espectros NIRS contêm informações importantes que aliadas a métodos adequados de reconhecimento de padrões resultam em uma classificação eficiente de amostras de café arábica verde por genótipo e local de cultivo. Além disso, uma análise dos loadings das variáveis latentes do PLS-DA permite associar quais bandas são características em cada classe. Essa informação pode ser correlacionada com a composição química das amostras fornecendo, assim, dados preliminares para avaliar o efeito da região de cultivo e do tipo de genótipo selecionado nas características químicas do grão de café verde. / The environmental conditions in coffee cultivation, such as climate, soil type and altitude, associated with agronomic practices, are responsible for influence the final chemical composition of the bean. They directly influence the essential features of the beverage, increasing its aggregate price. Proof of geographic and genotypic origin of the coffee genotypes must be done using reliable methods. Thus, the near infrared spectroscopy (NIRS), in the 1100 to 2498nm range, was used for analyze different coffee genotypes that were cultivated in different cities (Brazil - Paraná State). As first approach linear methods, principal components analysis (PCA) and partial least squares with discriminant analysis (PLS-DA), were used for data interpretation due to the high complexity and amount of information contained in the spectra. The obtained PLS-DA models had an average sensitivity of 93.75% and a specificity of 100% for the geographical classification. While for genopyte classification, the PLS-DA performance was 93.75% for sensitivity and 97.13% for specificity. In an attempt to improve the performance and reliability of the developed classifiers, both the PCA scores and the PLS-DA latent variables were fed into two artificial neural networks, the multilayer perceptron (MLP) and radial basis function network (RBF), that are nonlinear models. The architecture parameters of these networks were optimized using the sequential simplex method. The two-stage models, linear with PLS-DA and nonlinear with RBF, were able to classify geographically and genotypically with 100% of selectivity and specificity all the training and test samples. The latent variables of the PLS-DA are determined by taking into account the desired response, so it contains more information than the scores of the PCA. While the RBF network, by having fewer free parameters and a simpler architecture compared to the MLP, has a faster and covergente training. The spectra analysis in near-infrared region showed better results than mid-infrared spectra. These results indicate that NIRS spectra contain important information that, combined with appropriate methods of pattern recognition, allow the classification of green arabica coffee samples by genotype and growing region. Besides, the PLS-DA loadings analysis allows associating which NIRS bands are specific of each class. This information can be correlated with the samples chemical composition, providing preliminary data to evaluate the effect of growing region and genotype in the selected green coffee chemical composition.

The effect of stage of lactation on milk yield, somatic cell counts, mineral and fatty acid profiles in pasture-based Friesian, Jersey and Friesian × Jersey cows was investigated. Twenty Friesian, twenty Jersey and twenty Friesian × Jersey cows were randomly selected from a dairy herd. A total of 202 milk samples were collected and analysed in three stages of lactation. Genotypic differences were observed in milk yield and fat content. Friesian cows produced the highest yield and lowest fat content whereas the opposite was true for Jersey cows (P<0.01). No significant differences were observed in SCC in the different genotypes, but SCC levels were higher in mid and late lactation (P<0.001). There was no effect (P<0.005) of genotype and stage of lactation interaction on Ca, P, Mg, Na, Mn and Bo concentration. Jersey cows had the least concentration of Fe and Cu in all stages of lactation. Strong positive correlations were observed among Ca and P, Mg and Zn. Aluminium had a strong positive relationship with Bo, Fe, Mn and Zn (P<0.001). Generally, SCC had a weak positive relationship with macro elements but a significant negative relationship with microelements. Yield levels were negatively correlated with Mg, Na, Al, Mn and SCC. Pasture ALA, SFA, n-3, n-6/n-3 and PUFA/MUFA concentration did not differ across the study period. Linoleic acid was highest in the second phase which coincides with mid lactation in cows (P<0.001). Highest moisture content coincided with the least fat free dry matter content in early lactation (P<0.001). Significantly high fat content was observed in late lactation than in early lactation. Highest butyric, caproic, linoleic, n-6 and PUFA were observed for Friesian cows. All other fatty acids ratios were not significantly different among different genotypes. Highest CLA, ALA, LA, SFA, PUFA, n-6, and n-3 and atherogenicity index were observed in early lactation whereas desaturase activity indices were highest in late lactation. Strong positive correlations were observed among milk vaccenic, ALA, LA and CLA concentrations. Inverse relationships were observed between SFA and long chain fatty acids. It can be concluded, it may be of advantage to consume milk from early stage of lactation poses a lower risk to coronary diseases and are much safer to consume.

Thesis (M. A. (Agricultural Management)) -- University of Limpopo, 2020 / Field experiments were conducted at two locations; University of Limpopo (Syferkuil) and University of Venda (Thohoyandou) during 2015 and 2016 winter cropping seasons. The objectives of this study were to determine; the effect of genotype (ACC# 1, 3, 4 and 7) and planting density (33, 25 and 20 plants/m2) on four chickpea genotypes having contrasting growth patterns and also to determine the effect genotype and planting density on water use and water use efficiency of four chickpea genotypes having contrasting growth patterns. The experimental design was randomized complete block design in factorial arrangement with three replications. Plant height, number of primary and secondary branches, grain yield and yield components (number of pods per plant, number of seeds per pod, Harvest Index and 100 seed weight [100-SW] and above ground biomass, and were determined at different growth stages. Data obtained was subjected to analyses of variance using the general linear model of Genstat 17th edition. Significant differences between the treatments means were compared using the standard error of difference (LSD) of the means at 5% level. Correlation analyses were performed to assess the relationship between parameters. Plant height varied with genotype from 41 cm (84 DAE) to 44 cm (118 cm) at Syferkuil and 41 (56 DAE) to 44 cm (63 DAE) at Thohoyandou. Primary branches was not significantly affected by genotype and planting density at both locations and seasons. Planting density had significant effect on number of secondary branches, greater number was recorded at low (32, 6) density at Syferkuil in 2016. Above ground biomass was significantly affected by planting density at Syferkuil during in 2015 (5344 kg ha-1) and 2016 (3701 kg ha-1) growing seasons. Genotype and planting density did not affect number of pods plant-1, number of seeds plant-1, 100 SW (100 seed weight), and Harvest index were not significant at both locations and seasons. Grain yield was significantly affected by planting density at Syferkuil in 2015 and Thohoyandou in 2016. Grain yield increased with the increase in planting density at both locations. Two field experiments were conducted at University of Venda (Thohoyandou) during 2015 and 2016 winter cropping seasons. This study aimed at assessing the effect of genotype v and planting density on water use efficiency of four chickpea genotypes with contrasting growth patterns. Crop water use (WU) was determined by monitoring soil water content at 7-day intervals using a neutron probe and, water use efficiency (WUE) was determined as a ratio of crop biomass and grain yield to WU. Genotype and planting density had no significant effect on WU in 2015 and 2016. Genotype and planting density had no significant effect on biomass production (WUEb) and grain yield production (WUEg) in 2015. In contrast, WUEb and WUEg was significantly affected by planting density in 2016. WUEb was 43.2% greater at high density compared to low density. Similarly, WUEg was 39.3% greater at high density compared to low density. WUEb and WUEg increased with the increase with planting density. Therefore, manipulation of management practices such as planting density may increase chickpea production. Keywords: Planting density, genotype, grain yield and yield components, water use efficiency. / National Research Foundation (NRF) and University of Venda Capacity Development

Em estudos multiambientais, o processo de recomendação de genótipos com maior produção e a determinação de genótipos estáveis são de suma importância para os melhoristas. Porém, quando ocorre falta de genótipo em um ou mais ambientes este processo passa a ter dificuldades. Pois, este procedimento depende de métodos estatísticos que necessitam de uma matriz de dados sem dados em falta. Desde 1976 diversos matemáticos e estatísticos estudam, continuamente, uma forma de lidar com dados em falta em dados multiambientais buscando obter um método que estime, de forma precisa, as unidades ausentes sem perda de informação. Desta forma, esta pesquisa propõe um novo método de imputação baseado na metodologia AMMI fazendo reamostragens Bootstrap Não-paramétrico na matriz de médias de interação genótipos e ambientes (G × E), o modelo de imputação AMMI Bootstrap Não-paramétrico (IAMMI-BNP). Para estudo de simulação foi considerado o conjunto de dados referente a procedência S. of Ravenshoe - Mt Pandanus - QLD (14.420) de Eucalyptus grandis coletada na Austrália em 1983. Com a finalidade de obter estimativas precisas dos valores em falta, foi considerado dois estudos de simulação. O primeiro considerou 2000 reamostragens no sentido linha da matriz de interação G × E considerando duas porcentagens de perda de dados (10% e 20 %). O segundo estudo de simulação, considerou 200 reamostragens na matriz de falta (10%) e três diferentes modelos de IAMMI-BNP: IAMMI0-BNP, que considera apenas os efeitos principais do modelo AMMI; IAMMI1-BNP e IAMMI2-BNP que considera um e dois eixos multiplicados do modelo AMMI, respectivamente. De forma geral, de acordo com os métodos de comparação o método de imputação proposto nos dois estudos de simulação forneceu valores imputados próximos dos originais. Considerando os estudos de simulação com 10% de perda, a eficiência do método de imputação proposto foi melhor quando se utilizou o modelo IAMMI2-BNP (com dois eixos multiplicativos). O teste das ordens assinaladas de Wilcoxon mostrou que os valores imputados não influenciaram na estimativa da média, indicando que valores médios dos dados imputados de cada ambiente foram estatisticamente semelhantes aos valores médios originais. / In multienvironment studies, the process of recommendation of genotypes with higher production and the determination of stable environments are of utmost importance for plant breeders. However, when there is missing of genotype in one or more environments this process show difficulties. Therefore, this procedure depends on statistical methods that complete data matrix requered. Since 1976 various mathematical and statistical study, continually, one way of dealing with the loss of information on data multienvironments, seeking to obtain a method that estimate, precisely, the missing units without loss of information. In this way, the purpose of this study is develop a new method of apportionment based on the methodology AMMI doing reamostragens bootstrap nonparametric in the array of means of genotype x environment interaction (GE). For the study of simulation was considered the data set concerning the origin of S. Mexico City - Mt Pandanus - QLD (14,420) of Eucalyptus grandis collected in Australia in 1983. It was performed two studies of simulation. The first performed 2000 resampling on the lines of the interaction matrix G X E, for two percentages of missing data (10% and 20%). The second simulation study considered 200 replicates in the missing data set (10 %) and three different models of IMAMMI-BNP: AMAMMI0-BNP, which considers only the main effects of the AMMI model; IAMMI1-BNP and IAMMI2-BNP which considers one and two axes multiplied by the AMMI model, respectively. In general, according to the comparison methods, the imputation method proposed in the two simulation studies provided imputed values similar to the originals. Considering the simulation studies with 10 % loss, the efficiency of the proposed imputation method was better when using the IAMMI2-BNP model (with two multiplicative axes). The Wilcoxon test of the orders showed that the values imputed had no influence on the mean estimate, indicating that mean values of the data imputed from each environment were statistically similar to the original mean values.

In plant breeding, genomic prediction (GP) may be an efficient tool to increase the accuracy of selecting genotypes, mainly, under multi-environments trials. This approach has the advantage to increase genetic gains of complex traits and reduce costs. However, strategies are needed to increase the accuracy and reduce the bias of genomic estimated breeding values. In this context, the objectives were: i) to compare two strategies to obtain markers subsets based on marker effect regarding their impact on the prediction accuracy of genome selection; and, ii) to compare the accuracy of four GP methods including genotype × environment interaction and two kernels (GBLUP and Gaussian). We used a rice diversity panel (RICE) and two maize datasets (HEL and USP). These were evaluated for grain yield and plant height. Overall, the prediction accuracy and relative efficiency of genomic selection were increased using markers subsets, which has the potential for build fixed arrays and reduce costs with genotyping. Furthermore, using Gaussian kernel and the including G×E effect, there is an increase in the accuracy of the genomic prediction models. / No melhoramento de plantas, a predição genômica (PG) é uma eficiente ferramenta para aumentar a eficiência seletiva de genótipos, principalmente, considerando múltiplos ambientes. Esta técnica tem como vantagem incrementar o ganho genético para características complexas e reduzir os custos. Entretanto, ainda são necessárias estratégias que aumentem a acurácia e reduzam o viés dos valores genéticos genotípicos. Nesse contexto, os objetivos foram: i) comparar duas estratégias para obtenção de subconjuntos de marcadores baseado em seus efeitos em relação ao seu impacto na acurácia da seleção genômica; ii) comparar a acurácia seletiva de quatro modelos de PG incluindo o efeito de interação genótipo × ambiente (G×A) e dois kernels (GBLUP e Gaussiano). Para isso, foram usados dados de um painel de diversidade de arroz (RICE) e dois conjuntos de dados de milho (HEL e USP). Estes foram avaliados para produtividade de grãos e altura de plantas. Em geral, houve incremento da acurácia de predição e na eficiência da seleção genômica usando subconjuntos de marcadores. Estes poderiam ser utilizados para construção de arrays e, consequentemente, reduzir os custos com genotipagem. Além disso, utilizando o kernel Gaussiano e incluindo o efeito de interação G×A há aumento na acurácia dos modelos de predição genômica.

Em estudos multiambientais, o processo de recomendação de genótipos com maior produção e a determinação de genótipos estáveis são de suma importância para os melhoristas. Porém, quando ocorre falta de genótipo em um ou mais ambientes este processo passa a ter dificuldades. Pois, este procedimento depende de métodos estatísticos que necessitam de uma matriz de dados sem dados em falta. Desde 1976 diversos matemáticos e estatísticos estudam, continuamente, uma forma de lidar com dados em falta em dados multiambientais buscando obter um método que estime, de forma precisa, as unidades ausentes sem perda de informação. Desta forma, esta pesquisa propõe um novo método de imputação baseado na metodologia AMMI fazendo reamostragens Bootstrap Não-paramétrico na matriz de médias de interação genótipos e ambientes (G × E), o modelo de imputação AMMI Bootstrap Não-paramétrico (IAMMI-BNP). Para estudo de simulação foi considerado o conjunto de dados referente a procedência S. of Ravenshoe - Mt Pandanus - QLD (14.420) de Eucalyptus grandis coletada na Austrália em 1983. Com a finalidade de obter estimativas precisas dos valores em falta, foi considerado dois estudos de simulação. O primeiro considerou 2000 reamostragens no sentido linha da matriz de interação G × E considerando duas porcentagens de perda de dados (10% e 20 %). O segundo estudo de simulação, considerou 200 reamostragens na matriz de falta (10%) e três diferentes modelos de IAMMI-BNP: IAMMI0-BNP, que considera apenas os efeitos principais do modelo AMMI; IAMMI1-BNP e IAMMI2-BNP que considera um e dois eixos multiplicados do modelo AMMI, respectivamente. De forma geral, de acordo com os métodos de comparação o método de imputação proposto nos dois estudos de simulação forneceu valores imputados próximos dos originais. Considerando os estudos de simulação com 10% de perda, a eficiência do método de imputação proposto foi melhor quando se utilizou o modelo IAMMI2-BNP (com dois eixos multiplicativos). O teste das ordens assinaladas de Wilcoxon mostrou que os valores imputados não influenciaram na estimativa da média, indicando que valores médios dos dados imputados de cada ambiente foram estatisticamente semelhantes aos valores médios originais. / In multienvironment studies, the process of recommendation of genotypes with higher production and the determination of stable environments are of utmost importance for plant breeders. However, when there is missing of genotype in one or more environments this process show difficulties. Therefore, this procedure depends on statistical methods that complete data matrix requered. Since 1976 various mathematical and statistical study, continually, one way of dealing with the loss of information on data multienvironments, seeking to obtain a method that estimate, precisely, the missing units without loss of information. In this way, the purpose of this study is develop a new method of apportionment based on the methodology AMMI doing reamostragens bootstrap nonparametric in the array of means of genotype x environment interaction (GE). For the study of simulation was considered the data set concerning the origin of S. Mexico City - Mt Pandanus - QLD (14,420) of Eucalyptus grandis collected in Australia in 1983. It was performed two studies of simulation. The first performed 2000 resampling on the lines of the interaction matrix G X E, for two percentages of missing data (10% and 20%). The second simulation study considered 200 replicates in the missing data set (10 %) and three different models of IMAMMI-BNP: AMAMMI0-BNP, which considers only the main effects of the AMMI model; IAMMI1-BNP and IAMMI2-BNP which considers one and two axes multiplied by the AMMI model, respectively. In general, according to the comparison methods, the imputation method proposed in the two simulation studies provided imputed values similar to the originals. Considering the simulation studies with 10 % loss, the efficiency of the proposed imputation method was better when using the IAMMI2-BNP model (with two multiplicative axes). The Wilcoxon test of the orders showed that the values imputed had no influence on the mean estimate, indicating that mean values of the data imputed from each environment were statistically similar to the original mean values.

At foot of title page: Joint Coconut Research Scheme, Yandina, British Solomon Islands Includes bibliographical references. (p. 111-119)

Diss. (sammanfattning) Uppsala : Sveriges lantbruksuniv., 2009. / Härtill 5 uppsatser.