Submitted by MARCOS LEANDRO TEIXEIRA DE OLIVEIRA (marcosteixeira@ufv.br) on 2018-10-05T11:30:23Z No. of bitstreams: 1 texto completo.pdf: 6284085 bytes, checksum: b2e8636ba0668125086b3a697984b825 (MD5) / Made available in DSpace on 2018-10-05T11:30:23Z (GMT). No. of bitstreams: 1 texto completo.pdf: 6284085 bytes, checksum: b2e8636ba0668125086b3a697984b825 (MD5) Previous issue date: 2018-08-31 / O Brasil é considerado o quarto maior produtor mundial de banana, entretanto a sua produtividade situa-se bem abaixo da Costa Rica, Indonésia, Guatemala, Equador, Índia e China. Dentre as práticas de manejo que influenciam o crescimento e o desenvolvimento da bananeira, a nutrição é decisiva para obtenção de alta produtividade. Objetivou-se com o presente trabalho determinar as normas Kenworthy e DRIS, para bananeiras ‘Prata-Anã’ (AAB) e ‘Grande Naine’ (AAA) cultivadas sob irrigação, em dois locais, bem como verificar o grau de universalização das normas (Capítulo 1); obter as curvas de resposta potencial dos nutrientes específicas, quanto ao grau de balanço e equilíbrio e as faixas de suficiência pelos métodos da Linha de Fronteira, Kenworthy e DRIS para interpretação do estado nutricional de bananeira ‘Prata-Anã’ (Capítulo 2) e Grande Naine (Capítulo 3) em dois ambientes de produção, bem como avaliar o estado nutricional de bananeiras ‘Prata-Anã’ (Capítulo 4) e ‘Grande Naine’ (Capítulo 5), produzidas nos estados do Ceará e Bahia bem como quantificar a limitação de ordem nutricional e não nutricional com base no grau de balanço e equilíbrio. Os estudos foram desenvolvidos a partir do banco de dados de teores de nutrientes nas folhas e de produtividade pertencente à duas fazendas da empresa Sítio Barreiras, localizadas em Missão Velha, CE e Ponto Novo, BA. Os talhões com produtividade acima da média mais 0,5 desvio-padrão, definidos como de alta produtividade, foram considerados população de referência. O banco de dados foi subdividido em quatro, em função dos locais e cultivares. O primeiro e o segundo banco de dados, respectivamente, com 253 amostras para ‘Prata-Anã’ e população de referência com produtividade acima de 39,81 t ha -1 ano -1 , e, 46 amostras para ‘Grande Naine’ e população de referência com produtividade maior que 58,84 t ha -1 ano -1 , pertencente à fazenda de Missão Velha, com dados dos anos 2010 a 2017. O terceiro e quarto banco de dados, respectivamente, com 147 amostras e população de alta produtividade acima de 41,69 t ha -1 ano -1 para ‘Prata-Anã’, e, 19 amostras e população de alta produtividade maior que 76,12 t ha -1 ano -1 para ‘Grande Naine’, pertencente à fazenda de Ponto Novo, contendo dados dos anos 2014 a 2016. No primeiro estudo com as populações de referência estabelecidas para as respectivas combinações local x cultivar, calcularam-se média, desvio-padrão e coeficiente de variação dos teores de nutrientes nas folhas que constituem as normas para os índices balanceados de Kenworthy e média, desvio padrão e coeficiente de variação para as relações duais entre nutrientes que constituem as normas DRIS. Para verificar a homogeneidade de variância entre as populações foi realizado o teste F (p < 0,05), e para comparar as médias foi aplicado o teste de t (p < 0,05). Como resultado foram estabelecidas as normas Kenworthy e DRIS específicas para cada genótipo e ambiente. O baixo grau de universalidade sugere que normas específicas devem ser usadas no diagnóstico nutricional da bananeira. No segundo e terceiro estudo estudo, respectivamente, foram utilizados os método da Linha de Fronteira (LF) para a obtenção de limites das faixas de suficiência e para a determinação de valores de referência dos Índices de Balanço de Kenworthy (IBKW) e Índices DRIS para ‘Prata-Anã’ e ‘Grande Naine’. Foram obtidas curvas de resposta potencial para teores, índices balanceados de Kenworthy e índices DRIS de macro e micronutrientes, com elevada capacidade preditiva, para bananeira ‘Prata-Anã’ e ‘Grande Naine’ irrigada. Foram obtidas faixas de suficiência para teores, índices balanceados de Kenworthy e índices DRIS de macro e micronutrientes que permitem a avaliação otimizada do estado nutricional, quanto ao grau de balanço e de equilíbrio, como fator de produção, da bananeira ‘Prata-Anã’ e ‘Grande Naine’ irrigada. No quarto estudo realizou-se o diagnóstico do estado nutricional dos quatros bancos de dados, na população de baixa produtividade. O Cu foi o nutriente mais limitante por falta pelo IBKW modificado e DRIS modificado, para a ‘Prata-Anã’ cultivada no Ceará. O Mn foi o mais limitante pelo IBKW modificado e DRIS modificado para a bananeira, independentemente da variedade e local. Na Bahia o K foi o nutriente mais limitante por falta, para as duas cultivares, causado pelo desequilíbrio com o Mg no solo. As deficiências de micronutrientes foram mais frequentes do que dos macronutriente. Fatores de ordem não nutricional limitaram a produtividade dos bananais. / Brazil is considered the fourth largest producer of banana in the world, but its productivity is well below Costa Rica, Indonesia, Guatemala, Ecuador, India and China. Among the management practices that influence the growth and development of banana, nutrition is decisive in obtaining high productivity. The objective of this study was to determine the Kenworthy and DRIS standards for 'Prata-Anã' (AAB) and 'Grande Naine' (AAA) banana cultivars under irrigation in two locations, as well as to verify the degree of universalization of standards (Chapter 1); to obtain the curves of potential response of the specific nutrients, as to the degree of balance and equilibrium; and the ranges of sufficiency by the Borderline, Kenworthy and DRIS methods for interpreting the nutritional status of banana 'Prata-Anã' (Chapter 2) and ‘Grande Naine’ (Chapter 3) in two production environments, as well as to evaluate the nutritional status of 'Prata-Anã' bananas (Chapter 4) and 'Grande Naine' (Chapter 5), produced in the states of Ceará and Bahia, as well as to quantify nutritional and non-nutritional limitation based on the degree of balance and balance. The studies were developed from the database of nutrient contents in leaves and productivity belonging to two farms of the company Sítio Barreiras, located in Missão Velha, CE and Ponto Novo, BA. Plots with above-average productivity plus 0.5 standard deviation, defined as high productivity, were considered a reference. The database was subdivided into four, depending on the sites and cultivars. The first and second databases, respectively, with 253 samples for 'Prata-Anã' and reference population with yields above 39.81 t ha -1 year -1 , and 46 samples for 'Grande Naine' and population with a productivity greater than 58.84 t ha -1 year -1 , belonging to the Missão Velha farm, with data from the years 2010 to 2017. The third and fourth databases, respectively, with 147 samples and a high productivity population above 41.69 t ha -1 year -1 for 'Prata-Anã', and, 19 samples and a high productivity population greater than 76.12 t ha -1 year -1 for 'Grande Naine', belonging to the Ponto Novo, containing data from 2014 to 2016. In the first study with established reference populations for the respective local x cultivar combinations, mean, standard deviation and coefficient of variation of leaf nutrient contents were calculated for Kenworthy balanced index and mean, standard deviation and coefficient of variation for the dual relationships between nutrients that constitute the DRIS norms. To verify the homogeneity of variance between the populations, the F test (p <0.05) was performed, and the t test (p <0.05) was used to compare the means. As a result, specific Kenworthy and DRIS standards for each genotype and environment were established. The low degree of universality suggests that specific standards should be used in the nutritional diagnosis of banana. In the second and third study, respectively, potential response curves were obtained for levels, balanced Kenworthy indices and DRIS indices of macro and micronutrients, with high predictive capacity, for irrigated 'Prata-Anã' and 'Grande Naine' banana. Levels of sufficiency were obtained for levels, balanced Kenworthy indices and DRIS indexes of macro and micronutrients that allow the optimized evaluation of the nutritional status, as to the degree of balance and balance as a production factor of the 'Prata-Anã' banana tree and 'Grande Naine' irrigated. In the fourth study, the nutritional status of the four databases was analyzed in the low productivity population. Cu was the most limiting nutrient for lack of modified IBKW and modified DRIS for 'Prata-Anã' cultivated in Ceará. Mn was the most limiting by modified IBKW and modified DRIS for banana, regardless of variety and location. In Bahia, K was the most limiting nutrient due to lack, for both cultivars, due to the imbalance with the Mg in the soil. Micronutrient deficiencies were more frequent than macronutrient deficiencies. Non-nutritional factors limited banana productivity.

Orientador : Prof. Dr. Danilo Eduardo Rozane / Coorientadores : Prof. Dr. Volnei Pauletti, Prof. Dra. Silvia Helena Modenese Gorla da Silva / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Ciência do Solo. Defesa: Curitiba, 26/02/2016 / Inclui referências / Area de concentração : Solo e Ambiente / Resumo: O Brasil e o 4o pais em produção de bananas do mundo (FAO, 2014), sendo uma cultura altamente exigente em nutrientes para sustentação de copa e frutos. Os elementos cálcio e magnésio são essenciais a bananeira e sua aplicação se da via calcário. A calagem mal executada ou negligenciada pode acarretar na deficiência destes elementos na planta, sendo de difícil identificação, quando ocorrendo em conjunto, e remedição no mesmo ciclo produtivo, acarretando perdas em produtividade. A identificação correta e precoce de deficiências nutricionais pode ser feita a partir de imagens digitais analisadas por ferramentas computacionais com capacidade de notar pequenas e características mudanças de coloração das folhas, muito antes de serem notadas por olhos humanos. Em função disto, foi realizada uma sequencia de experimentos em casa de vegetação com cinco épocas de coleta e cinco variações nutricionais visando gerar uma base de dados com as características das deficiências de cálcio, magnésio e ambos conjuntamente a partir de imagens das folhas. Para a analise da base de dados e seleção dos parâmetros de classificação foi utilizada a técnica de redes neurais artificiais, o classificador obteve precisão de 90 % para omissão de cálcio, 73,3 % para omissão de magnésio, 96,7 % para omissão de cálcio e magnésio, 88,3 % para solução nutritiva completa e 96,7 % para cultivo em solo, após seleção dos atributos nas melhores épocas de coleta, com melhora de 29% na media. Após os resultados, foi conduzido um experimento a campo, em local com baixa concentração de nutrientes no solo, com cinco doses de calcário, variando de 0 a 13,82 t ha-1. Foi verificado se os classificadores gerados seriam capazes de identificar deficiências nutricionais de cálcio e magnésio a partir das folhas dos tratamentos de campo com o aprendizado obtido pela base de dados gerada em casa de vegetação. O classificador demonstrou que os tratamentos com menores doses de calcário se enquadraram na classe omissão de cálcio e magnésio (-Ca/Mg) e a medida que as doses cresceram os tratamentos migraram para a classe correspondente a solução nutritiva completa (Comp.) obtida em casa de vegetação. Palavras-chave: PDI. Redes neurais artificiais. Nutrição da bananeira. Deficiência de cálcio. Deficiência de magnésio. / Abstract: Brazil is 4th country in the world of bananas production (FAO, 2012), it is extremely exigent in nutrition culture to maintain leafs and fruits. The calcium and magnesium elements are essentials to banana's plants and his applications are made by limestone. The poorly executed or neglected liming may result in deficient of those elements on plant, it is difficult to identify, when occurring together, and to remedy in the same production cycle, taking to yield losses. The premature and correct identification of nutritional deficiencies can be done using digital images analyses by computational tools with capacity to identify little and particulars color changes in leafs, long before human eyes. Due to this, was made a sequence of experiments on a greenhouse with five collection times and five nutritional variations aimed at generating a deficient characteristic database of calcium, magnesium and both with leafs images. For the database analysis and selection of classification parameters were used the Artificial Neural Networks (ANN), the classifier obtained 90 % of precision to identify calcium's omission, 73.3 % of magnesium's omission, 96.7 % of calcium and magnesium's omission, 88.3% of complete nutrient solution and 96.7 % of soil cultivation, after selection of attributes in the best collect times, with 29 % improvement in man. After those results, was leading a field experiment, in low nutrient's concentration area, with five limestone doses, ranging from 0 to 13.82 t ha-1. Was checked the capacity of generated classifiers to identify nutritionals deficient of calcium and magnesium from leafs of field treatments with the learning obtained by greenhouse database. The classifier manifested that the treatments of lower limestone doses were framed in calcium and magnesium omission class (-Ca/Mg), and as the limestone doses increases the treatments were fits in complete nutritional solution class (Comp.) Key-Words: DIP. Artificial Neural Networks. Banana nutrition. Calcium deficiente. Magnesium deficient.