When testing nine different sunflower cultivars in 32 South African environments (location x year), an Additive Main Effects and Multiplicative Interaction analysis (AMMI) identified sizeable genotype by environment (GxE) interaction. The first two Interaction Principal Components Axes (IPCA1 and IPCA2) were highly significant (p<0.001), but all the factors responsible for the GxE interaction could not be identified, as the causes of interaction seems to be of complex nature. IPCA1 captured 34% of the interaction SS with only 15.3% of the degrees of freedom, while IPCA2 captured 22.5% of the interaction SS with 14.5% of the degrees of freedom. This indicates that the AMMI2 model fits the data well and is parsimonious. Both cultivars and environments grouped together in quadrants according to their length of season when their respective IPCA1 and IPCA2 scores were plotted against each other. Environments from the warmer dry Western and Northern regions, including the Dry Highveld Grassland, Northern Arid and Central Bushveld, grouped in opposite quadrants, 1 and 3, while environments from the cooler moist Eastern regions, including the Moist Highveld Grassland grouped in opposite quadrants, 2 and 4. The factors responsible for the division between quadrants 1 and 3, as well as those responsible for the division between quadrants 2 and 4 could not be identified. The long-season cultivars were better adapted to the Northern and Western environments, while the medium-season cultivars were better adapted to the Eastern environments. Each quadrant was dominated by a different cultivar. Because the environments and cultivars could not be sufficiently described according to the factors responsible for the observed GxE interaction, cultivars can not be advised for specific environments. It is therefore presently recommended that cultivars which are more widely adapted to South African conditions, be selected. / Dissertation (MSc (Genetics))--University of Pretoria, 2004. / Genetics / unrestricted

Várias metodologias têm sido propostas com o intuito de medir a influência que a interação GxE exerce sobre os mais diversos caracteres de interesse e, dentre essas, as abordagens via modelos mistos utilizando REML/BLUP têm sido mencionadas como vantajosas. Ainda, o uso de informações ambientais pode ser útil para encontrar os fatores que estão por trás da real diferença entre os genótipos. O objetivo do estudo foi avaliar a resposta da produtividade de grãos em feijão-caupi frente às variações espaciais, e as variáveis ambientais mais relevantes para a interação GxE. Foram avaliados 20 genótipos em 47 locais entre os anos de 2010 a 2012 sob delineamento DBC. Após a análise conjunta, os padrões de adaptabilidade dos genótipos foram testados pelas metodologias GGE Biplot e MHPRVG e a estratificação ambiental foi feita via Análise de Fatores sobre a matriz dos efeitos aleatórios GGE. A importância das variáveis ambientais na produtividade foi verificada pela associação entre os efeitos da matriz GGE e cada variável ambiental. Após decomposição SVD, os componentes principais foram plotados em Covariáveis-Biplots. Os efeitos de genótipos e da interação tripla apresentaram elevada significância (p &le; 0,01 e p &le; 0,001, respectivamente) indicando forte influência desta última no desempenho dos genótipos avaliados. O modelo fixo GGE Biplot apresentou baixa eficiência, explicando apenas 35% da variação total, sendo os genótipos MNC03-737F-5-1, MNC03-737F-5- 4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé e BRS Guariba considerados os mais estáveis, e MNC03-737F-5-9 e BRS Tumucumaque apontados como amplamente adaptados. Já a estatística MHPRVG destacou os genótipos MNC02-676F-3, MNC03-737F-5-1, MNC03- 737F-5-9, BRS Tumucumaque e BRS Guariba, com adaptação ampla, e MNC02-675F-4-9, MNC02-676F-3 e MNC03-737F-5-9 como especificamente adaptados a alguns ambientes. O ajuste para o modelo aleatório revelou efeitos de genótipos e interações GxE significativos (p &le; 0,001) e foram obtidas correlações significativas (p &le; 0,01 e p &le; 0,001) entre PROD e as variáveis IT, NDP, Ptotal, Tmax, Tmin, Lat, Lon, e Alt. Os genótipos MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque e BRS Guariba associaram elevada produtividade de grãos à rusticidade, sendo as variáveis \"Temperatura\", \"Insolação\" e \"Precipitação\", bem como \"Latitude\" e \"Altitude\", os mais importantes para a interação GxE. A análise MHPRVG foi adequada para a identificação dos genótipos superiores e o modelo Biplot-Covariável mostrou-se como uma ferramenta útil na identificação das variáveis ambientais importantes para a produtividade de grãos em feijão-caupi. / Several methods have been proposed to measure GxE interaction influence on various traits of interest, and among these, mixed models approaches using REML/BLUP have been mentioned as advantageous. Moreover, the use of environmental information can be useful to find factors that are behind the real difference between genotypes. The aim of this study was to evaluate the response of grain yield in cowpea to spatial variations, and the most important environmental factors for GxE interaction. Twenty genotypes were evaluated at 47 locations between the years 2010 to 2012 under RCB design. After joint analysis, genotypes adaptability patterns were tested by GGE Biplot and MHPRVG methods, and an environmental stratification was performed through factor analysis on the random effects GGE matrix. The impact of environmental factors on yield was verified by the association between the effects of the GGE matrix and environmental variables. After SVD decomposition, the principal components were plotted in Covariables-Biplots. Genotype effects and triple interaction were highly significant (p &le; 0.01 and p &le; 0.001, respectively) indicating strong GxE influence on genotypes performance. The fixed model GGE Biplot exhibits low efficiency, explaining only 35% of the total variation, and genotypes MNC03-737F-5-1, MNC03-737F-5-4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé, and BRS Guariba were considered the most stable, and MNC03-737F-5-9 and BRS Tumucumaque identified as widely adapted. MHPRVG method highlighted MNC02-676F-3, MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba as genotypes with broad adaptation and MNC02-675F-4-9, MNC02-676F-3, and MNC03-737F-5-9 as specifically adapted to certain environments. The fitted random effects model revealed significant genotype effects and GxE interactions (p &le; 0.001) and significant correlations were obtained (p &le; 0.01 and p &le; 0.001) between PROD and IT , NDP, Ptotal, Tmax, Tmin, Lat, Lon, and Alt variables. Genotypes MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba presented high grain yield associated with rusticity, and environmental factors \"Temperature\", \"Insolation\" and \"Precipitation\", as well as \"Latitude\" and \"Altitude\", were the most important for GxE interaction. MHPRVG analysis was adequate to identify superior genotypes, and Covariate-Biplot model proved to be a useful tool for identifying key environmental factors for grain yield in cowpea.

Várias metodologias têm sido propostas com o intuito de medir a influência que a interação GxE exerce sobre os mais diversos caracteres de interesse e, dentre essas, as abordagens via modelos mistos utilizando REML/BLUP têm sido mencionadas como vantajosas. Ainda, o uso de informações ambientais pode ser útil para encontrar os fatores que estão por trás da real diferença entre os genótipos. O objetivo do estudo foi avaliar a resposta da produtividade de grãos em feijão-caupi frente às variações espaciais, e as variáveis ambientais mais relevantes para a interação GxE. Foram avaliados 20 genótipos em 47 locais entre os anos de 2010 a 2012 sob delineamento DBC. Após a análise conjunta, os padrões de adaptabilidade dos genótipos foram testados pelas metodologias GGE Biplot e MHPRVG e a estratificação ambiental foi feita via Análise de Fatores sobre a matriz dos efeitos aleatórios GGE. A importância das variáveis ambientais na produtividade foi verificada pela associação entre os efeitos da matriz GGE e cada variável ambiental. Após decomposição SVD, os componentes principais foram plotados em Covariáveis-Biplots. Os efeitos de genótipos e da interação tripla apresentaram elevada significância (p &le; 0,01 e p &le; 0,001, respectivamente) indicando forte influência desta última no desempenho dos genótipos avaliados. O modelo fixo GGE Biplot apresentou baixa eficiência, explicando apenas 35% da variação total, sendo os genótipos MNC03-737F-5-1, MNC03-737F-5- 4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé e BRS Guariba considerados os mais estáveis, e MNC03-737F-5-9 e BRS Tumucumaque apontados como amplamente adaptados. Já a estatística MHPRVG destacou os genótipos MNC02-676F-3, MNC03-737F-5-1, MNC03- 737F-5-9, BRS Tumucumaque e BRS Guariba, com adaptação ampla, e MNC02-675F-4-9, MNC02-676F-3 e MNC03-737F-5-9 como especificamente adaptados a alguns ambientes. O ajuste para o modelo aleatório revelou efeitos de genótipos e interações GxE significativos (p &le; 0,001) e foram obtidas correlações significativas (p &le; 0,01 e p &le; 0,001) entre PROD e as variáveis IT, NDP, Ptotal, Tmax, Tmin, Lat, Lon, e Alt. Os genótipos MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque e BRS Guariba associaram elevada produtividade de grãos à rusticidade, sendo as variáveis \"Temperatura\", \"Insolação\" e \"Precipitação\", bem como \"Latitude\" e \"Altitude\", os mais importantes para a interação GxE. A análise MHPRVG foi adequada para a identificação dos genótipos superiores e o modelo Biplot-Covariável mostrou-se como uma ferramenta útil na identificação das variáveis ambientais importantes para a produtividade de grãos em feijão-caupi. / Several methods have been proposed to measure GxE interaction influence on various traits of interest, and among these, mixed models approaches using REML/BLUP have been mentioned as advantageous. Moreover, the use of environmental information can be useful to find factors that are behind the real difference between genotypes. The aim of this study was to evaluate the response of grain yield in cowpea to spatial variations, and the most important environmental factors for GxE interaction. Twenty genotypes were evaluated at 47 locations between the years 2010 to 2012 under RCB design. After joint analysis, genotypes adaptability patterns were tested by GGE Biplot and MHPRVG methods, and an environmental stratification was performed through factor analysis on the random effects GGE matrix. The impact of environmental factors on yield was verified by the association between the effects of the GGE matrix and environmental variables. After SVD decomposition, the principal components were plotted in Covariables-Biplots. Genotype effects and triple interaction were highly significant (p &le; 0.01 and p &le; 0.001, respectively) indicating strong GxE influence on genotypes performance. The fixed model GGE Biplot exhibits low efficiency, explaining only 35% of the total variation, and genotypes MNC03-737F-5-1, MNC03-737F-5-4, MNC03-737F-5-9, BRS Tumucumaque, BRS Cauamé, and BRS Guariba were considered the most stable, and MNC03-737F-5-9 and BRS Tumucumaque identified as widely adapted. MHPRVG method highlighted MNC02-676F-3, MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba as genotypes with broad adaptation and MNC02-675F-4-9, MNC02-676F-3, and MNC03-737F-5-9 as specifically adapted to certain environments. The fitted random effects model revealed significant genotype effects and GxE interactions (p &le; 0.001) and significant correlations were obtained (p &le; 0.01 and p &le; 0.001) between PROD and IT , NDP, Ptotal, Tmax, Tmin, Lat, Lon, and Alt variables. Genotypes MNC03-737F-5-1, MNC03-737F-5-9, BRS Tumucumaque, and BRS Guariba presented high grain yield associated with rusticity, and environmental factors \"Temperature\", \"Insolation\" and \"Precipitation\", as well as \"Latitude\" and \"Altitude\", were the most important for GxE interaction. MHPRVG analysis was adequate to identify superior genotypes, and Covariate-Biplot model proved to be a useful tool for identifying key environmental factors for grain yield in cowpea.

Statistical analysis is based on an elementary paradigm and the relationship between probabilistic inductive inference, generation and validation of models, and the use of such information in decisions within a specific domain of knowledge. Additionally, techniques can be used to design specific experiments, such as the multi-environmental trials MET, to study the interaction between genotypes and environments. The fitting of probability distributions to data from phenomena allows the knowledge of the behavior of random variables and the later usage of such models in computational simulation. This procedure was carried out in the adjustment of models for maize grains weight, obtained via multi environmental trials. Several methods of adjustment of distribution and mixtures of normal distributions by the EM algorithm were used. The data were obtained through the use of scrapping with software R. Adjusted models were used to simulate, through computational methods implemented in language R, data with behavior known in parametric terms, generating a table that simulates the interaction between genotype and environment factors. Such simulated data were used to verify and compare models based on multivariate analysis, namely AMMI, weighted AMMI and GGE for the study of genotype environment interaction GxE. The results demonstrated the great effectiveness of the models in capturing the properties of the simulated data, contextualizing them as informational tools in the development of new products. / A estatística fundamenta-se em um paradigma elementar, baseado na relação entre a inferência indutiva probabilística, geração e validação de modelos e o uso de tais informações como subsídio em decisões em um domínio específico de conhecimento. Aliado a isso, técnicas podem ser utilizadas para delinear tipos específicos de experimentos, como os ensaios multi ambientais MET para estudos de interação entre genótipos e ambientes. O ajuste de distribuição de probabilidades a dados provenientes de fenômenos permite o conhecimento do comportamento de variáveis aleatórias e posterior uso de tais modelos em simulação computacional. Tal procedimento foi realizado no ajuste de modelos para peso de grãos de genótipos de milho em ensaios multi ambientais, através de diversos métodos de ajuste de distribuição e mixturas de distribuições normais pelo algoritmo EM. Os dados foram obtidos através do uso de scrapping via software R. Por sua vez, os modelos ajustados foram utilizados para simular, através de métodos computacionais implementados em linguagem R, dados com comportamento conhecido em termos paramétricos, através de uma tabela que simula a interação entre os fatores genótipo e ambiente. Tais dados simulados foram utilizados para verificar, e comparar os modelos baseados em análise multivariada de dados, a saber AMMI, AMMI ponderado e GGE, para o estudo da interação genótipo ambiente (GxE). Os resultados demonstraram a grande efetividade dos modelos em captar as propriedades dos dados simulados, contextualizando-os como ferramentas informacionais no desenvolvimento de novos produtos.

Submitted by Ricardo Cedraz Duque Moliterno (ricardo.moliterno@uefs.br) on 2016-04-06T23:39:59Z No. of bitstreams: 1 Disserta??o Alirio- RGV.pdf: 1134374 bytes, checksum: c5cada877e2f1b7066d7296503b7a9a8 (MD5) / Made available in DSpace on 2016-04-06T23:39:59Z (GMT). No. of bitstreams: 1 Disserta??o Alirio- RGV.pdf: 1134374 bytes, checksum: c5cada877e2f1b7066d7296503b7a9a8 (MD5) Previous issue date: 2016-02-22 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / The aims of this study were to evaluate the adaptability and stability of 14 yellow passion fruit plant hybrids and to estimate the genetic components of variance and average via mixed models (REML/BLUP), estimate the phenotypic, genotypic and environmental correlations between passion fruit characteristics in three environments. The selection of genotypes was based on methods of adaptability, as produced by the harmonic mean of genetic values (MHVG); of stability, as produced by the relative performance of genetic values (PRVG); and on a joint selection for both adaptability and stability, as produced by the harmonic mean of the relative performance of the genetic values (MHPRVG). The genetic correlations were estimated (rG), phenotypic (rF) and environment (rE) for each environment. The following traits were evaluated: fruit number (FN); total cumulative productivity (TCP); fruit mass (FM); fruit length (FL); fruit diameter (FD); peel mass (PM); peel thickness (PT); pulp mass (PUM); juice yield (JY); soluble solids (SS); titratable acidity (TA); and SS/TA (RATIO). The estimates for heritability and the genetic gains in the evaluated environments were found to have good perspectives for the selection of superior genotypes, except for traits TCP, SS, and JY. There was a marked effect from the genotype x environment interaction (GxE) for most traits, except for FL, JY, SS, TA, and SS/TA. The most stable and adaptable hybrids in the evaluated environments were BRS Gigante Amarelo (BRS Yellow Giant), HFOP-09, H09-09, GP09-02, GP09-03, and BRS Sol do Cerrado (BRS Sun of Cerrado). In 88.88% of cases the estimates of genotypic correlations were higher than phenotypic in the three environments. In Len??is genotypic correlations between FN x FM, FD, PT, PM, PUM, SS and TA, differed from the other environments. In Dom Basil?o and Rio de Contas to TCP correlated positively with FM, FL, FD and PM. In all environments the selection of fruits with higher FM facilitating higher LF, FD, PM and PUM and the selection of the oval thinner peel fruit shape. In general, for correlations between traits of agronomic importance, such as FN x TCP, SS; FM x FD, PM, PUM, RATIO; FD x FM, PUM, RATIO; FL/FD x PT e FM x RATIO showed the same behavior in the three evaluation environments, except for characteristics FN x FM, FD, PT, PM, PUM e TA in Lenc?is. / Os objetivos deste trabalho foram avaliar a adaptabilidade e estabilidade de 14 h?bridos de maracujazeiro-amarelo, estimar os componentes gen?ticos de vari?ncia e de m?dia via modelos mistos (REML/BLUP), estabelecer as correla??es fenot?picas, genot?picas e ambientais entre caracter?sticas do fruto de maracujazeiro em tr?s ambientes. Foram avaliados 14 gen?tipos de maracujazeiro nos ambientes de Dom Bas?lio-BA, Rio de Contas-BA e Len??is-BA, utilizando o delineamento experimental em blocos casualizados completos, com tr?s repeti??es e nove plantas por parcela. A sele??o gen?tipos baseou-se nos m?todos da adaptabilidade dada pela m?dia harm?nica dos valores gen?ticos (MHVG), estabilidade pela performance relativa dos valores gen?ticos (PRVG) e sele??o conjunta para adaptabilidade e estabilidade dada pela m?dia harm?nica da performance relativa dos valores gen?ticos (MHPRVG). Foram estimadas as correla??o genot?pica (rG), fenot?pica (rF) e de ambiente (rE) para cada ambiente. Foram avaliados os caracteres, n?mero de frutos (NF); produtividade total acumulada (PR); massa do fruto (MF); comprimento de frutos (CF); di?metro do fruto (DF); rela??o CF/DF; massa da casca (MC); espessura de casca (EC); massa da polpa (MP); rendimento de suco (RE); s?lidos sol?veis (SS); acidez titul?vel (AT) e RATIO (SS/AT). As estimativas de herdabilidade e os ganhos gen?ticos nos ambientes avaliados apresentaram boas perspectivas para sele??o de gen?tipos superiores. Houve efeito pronunciado da intera??o GxE para a maioria dos caracteres, exceto CF, RE, SS, AT e SS/AT. De acordo com o crit?rio MHPRVG os h?bridos mais est?veis e adapt?veis nos ambientes de avalia??o foram o BRS Gigante Amarelo, HFOP-09, H09-09, GP09-02, GP09-03 e BRS Sol do Cerrado. Em 88,88% dos casos as estimativas das correla??es genot?picas foram maiores do que as fenot?picas nos tr?s ambientes. Em len??is as correla??es genot?picas foram negativas entre NF x MF, DF, EC, MC, MP, SS e AT, divergindo dos demais ambientes. Nos ambientes de Dom Bas?lio e Rio de Contas a PR correlacionou se positivamente com MF, CF, DF e MC. Em todos os ambientes a sele??o de frutos com maiores MF proporcionar? maiores CF, DF, PC e PP e pela sele??o do formato de frutos ovais menor espessura de casca. De modo geral, para as correla??es entre caracter?sticas de import?ncia agron?mica, como NF x PR, SS; MF x DF, MC, MP, RATIO; DF x MC, MP, RATIO; CF/DF x EC e MC x RATIO apresentaram o mesmo comportamento nos tr?s ambientes de avalia??o, exceto para caracter?sticas NF x MF, DF, EC, MC, MP e AT em Len??is.