Submitted by (lucia.rodrigues@ufrpe.br) on 2017-02-21T14:29:54Z No. of bitstreams: 1 Daniela Silva Salgues de Matos.pdf: 1116050 bytes, checksum: 68451ef17c78b83ff4481e7a8cf6826c (MD5) / Made available in DSpace on 2017-02-21T14:29:54Z (GMT). No. of bitstreams: 1 Daniela Silva Salgues de Matos.pdf: 1116050 bytes, checksum: 68451ef17c78b83ff4481e7a8cf6826c (MD5) Previous issue date: 2010-02-22 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / In Northeastern Brazil the root-knot (Meloidogyne spp.) and lesion (Pratylenchus zeae) nematodes are important plant pathogens in sugarcane growing areas, causing damage higher than 20% of production. Several control measures are recommended for nematode control, however none of them is effective enough in decreasing initial population density and avoiding environmental risks. Adequate sampling would improve nematode management and reduce costs. On the other hand, the vinasse application has been frequently emphasize because of the high residue amount from sugarcane industrialization and high pollution from excessive oxygen demand. The objectives of the present study were to evaluate in costal table and lean areas effects of the sugarcane irrigation with vinasse on nematode communities and chemical atributes of soil, correlating effects among variables analyzed and sampling net; indicate sample number for monitoring Meloidogyne spp. and P. zeae and characterize the spatial variability of these nematodes in costal table irrigated with vinasse. The experiments were carried out in costal table and lean areas cultivated with sugarcane irrigated and non irrigated with vinasse. Soil samples were collected 25-cm deep in 1×1, 10×10 and 50×50-m square net samplings, with 36 points each, in a total area of 25 m2, 2,500 m2 and 62,500 m2, respectively. Techniques of descriptive statistics and geostatistics were applied for characterize the magnitude of spatial dependence of nematode distribution.In order to provide data for an adequate disease management in the area, it was drawn krigagen maps of nematodes spatial distribution. In general, nematode population dynamic depended on vinasse application and chemical characteristics of the soil. In coastal tables, phosphorus, calcium and cation concentration significantly correlated with plant parasite nematodes (r = -0.17, 0.17 and 0.16) and total nematodes (r = -0.20, 0.21, 0.17), respectively. In lean lands there was negative correlation between magnesium and plant parasitic nematodes (r = -0.16). Total amount of nematode in irrigated area was lower than in non irrigated one. Ten up to 75 and 12 up to 40 soil and root samples, respectively, were indicated for monitoring P. zeae depending on sampling net. For Meloidogyne spp. the number of samples ranged from 34 to 132 and 13 to 117 for soil and root, respectively, depending on sampling net. According to semivariograms, Meloidogyne spp. presented moderate and strong spatial dependence in 1×1 and 50×50-m net, respectively, and P. zeae moderate spatial dependence in both nets. The Gaussian model best fitted Meloidogyne spp. in 1×1-m net and P. zeae in both 1×1 and 50×50-m net. For Meloidogyne spp. in 50×50-m net the exponential model fitted the best. In 10×10-m net there was pure nugget effect model for both nematodes. / No Nordeste brasileiro os nematóides das galhas (Meloidogyne spp.) e das lesões (Pratylenchus zeae) são importantes patógenos da cana-de-açúcar, causando danos superiores a 20% na produção. Diversas medidas para controle de nematóides são recomendadas, porém nenhuma tem se mostrado efetiva em reduzir as populações iniciais e evitar riscos ambientais. A coleta adequada de amostras para análise nematológica pode permitir adoção de práticas eficientes e com menores custos no controle desses patógenos. Por outro lado, a aplicação de vinhaça tem sido bastante enfatizada, em razão da elevada quantidade gerada pelas usinas e destilarias, e por ser considerada altamente poluente devido à alta demanda de oxigênio. Os objetivos do presente estudo foram avaliar em áreas de encosta e tabuleiro efeitos da fertirrigação da cana-de-açúcar com vinhaça nas comunidades de nematóides e atributos químicos do solo relacionando efeitos entre as variáveis analisadas e malha de amostragem; recomendar número de amostras para monitoramento de Meloidogyne spp. e P. zeae; e caracterizar a variabilidade espacial destes fitoparasitos em tabuleiro irrigado com vinhaça. Os experimentos foram conduzidos em áreas de tabuleiro e de encosta cultivadas com cana-de-açúcar com e sem aplicação de vinhaça. Amostras de solo e de raiz foram coletadas a 25 cm de profundidade e em cada área foi estabelecida malhas de amostragem quadrangular de 1×1; 10×10 e 50×50 m, com 36 pontos cada, totalizando áreas de 25 m2, 2.500 m2 e 62.500 m2, respectivamente. Técnicas de estatística descritiva e geoestatística foram empregadas para caracterização da magnitude da dependência espacial da distribuição dos nematóides. Com finalidade de fornecer subsídios para um manejo mais adequado da doença na área estudada, foram confeccionados mapas de krigagem da distribuição dos nematóides. De maneira geral, a dinâmica populacional dos nematóides foi dependente das características químicas do solo e da aplicação de vinhaça. Nas áreas de tabuleiro, o fósforo, o cálcio e a saturação de bases correlacionaram-se significativamente com fitoparasitos (r = -0,17; 0,17 e 0,16) e com total de nematóides (r = -0,20; 0,21 e 0,17), respectivamente. Na área de encosta, foi detectada correlação negativa entre magnésio e os fitoparasitos (r = -0,16). O total de nematóides na área irrigada foi menor do que na área não irrigada. Dez a 75 amostras de solo e 12 a 40 amostras de raiz por área foram indicadas para monitoramento de P. zeae variando de acordo com a malha de amostragem adotada.Para Meloidogyne spp. o número de amostras variou de 34 a 132 e de 13 a 117 para solo e raiz, respectivamente, dependendo da malha amostrada. Os semivariogramas experimentais indicaram dependência espacial moderada e forte para Meloidogyne spp. de 1×1 e 50×50 m, respectivamente, e moderada para P. zeae nas duas malhas. O modelo Gaussiano proporcionou melhor ajuste do semivariograma experimental para Meloidogyne spp. na malha de 1×1 m e P. zeae nas malhas de 1×1 e 50×50 m. Para Meloidogyne spp. na malha de 50×50 m o modelo que melhor se ajustou foi o Exponencial. Na malha de 10×10 m ocorreu efeito pepita puro para ambos os nematóides.

Este estudo teve como objetivo determinar a variabilidade espacial dos teores de óleo e proteína de grãos de soja e correlacioná-los com atributos do solo. Em uma área aproximada de 9,01ha, foram realizadas 170 coletas de dados em pontos correspondentes aos nós de uma malha regular de 25m. Em um raio de 1m ao redor do ponto central georreferenciado, foram colhidos todos os grãos de soja e coletadas 7 subamostras de solo, totalizando uma amostra composta. A correlação entre dados, visando a explicar a variabilidade espacial da produtividade de culturas agrícolas, é uma das fases mais importantes e sensíveis da Agricultura de Precisão. Muitos são os atributos que podem estar influenciando os teores de óleo (Porcentagem de Extrato Etéreo na Matéria Seca – %E.E.M.S.) e proteína (Porcentagem de Proteína Bruta na Matéria Seca – %P.B.M.S.) do grão de soja como, por exemplo, os do solo (compactação, estrutura, nutrientes, textura, umidade), os da planta (nutrientes absorvidos, enraizamento, disponibilidade de água nas folhas, ataque de pragas) e os do clima (radiação solar, vento, temperatura e umidade). Com os atributos utilizados neste estudo não houve correlação satisfatória entre a variabilidade espacial dos atributos da fertilidade e textura do solo com teores de óleo (Porcentagem de Extrato Etéreo na Matéria Seca – %E.E.M.S.) e proteína (Porcentagem de Proteína Bruta na Matéria Seca – %P.B.M.S.) da soja da área experimental e também um baixo coeficiente de determinação na análise de regressão linear múltipla para as variáveis óleo e proteína. Quanto à análise geoestatística, as variáveis, óleo (Porcentagem de Extrato Etéreo na Matéria Seca – %E.E.M.S.), proteína (Porcentagem de Proteína Bruta na Matéria Seca – %P.B.M.S.), argila e boro não apresentaram dependência espacial. Na área experimental encontrou-se um ótimo coeficiente de determinação entre as variáveis de atributos do solo (silte, H+Al, M.O., Ca, Mg, K, SB, CTC, V%, Mn eCu) todos maior que 85%, apenas a variável K teve um ajustamento que pode ser considerado bom, ficando entre 75% e 85%. / The purpose of the present study was to determine the spatial variability of oil and protein contents in soybean grains and to correlate these characteristics with soil attributes. In a 9.01ha field, 170 samples were taken at the nodes of a 25m regular grid. Within a 1-m radius around the georeferenced node, all soybean grains were collected, as well as 7 soil subsamples, constituting one compound sample. One of the most important and delicate aspects of Precision Agriculture is correlating data to explain the spatial yield variability of agricultural crops. There are several attributes that can influence oil (percentage of ethereal extract in dry matter – %E.E.D.M.) and protein (percentage of gross protein in dry matter – %G.P.D.M.) amounts in soybean grains, such as, those related to the soil (compaction, structure, nutrients, texture, moisture), plants (nutrients absorbed, rooting, water availability in the leaves, pest attacks) and climate (solar radiation, wind, temperature and humidity). Considering the attributes studied, poor correlation was verified between the spatial variability of soil fertility and texture with oil (percentage of ethereal extract in dry matter – %E.E.D.M.) and protein (percentage of gross protein in dry matter – %G.P.D.M.) amounts in soybean grains from the experimental area. A low coefficient of determination for the multiple linear regression analysis was obtained for the attributes oil and protein contents. Using geostatistical analysis, no spatial dependence was verified for the variables oil (ethereal extract in dry matter – %E.E.D.M.), protein (gross protein in dry matter – %G.P.D.M.), clay and boron amounts. The soil attributes (silt, H+Al, D.M., Ca, Mg, K, SB, CEC, V%, Mn and Cu) showed excellent coefficients of determination in the experimental area, with all coefficients above 85%, except for K, which showed coefficients between 75% and 85%, which are considered good.

A agricultura de precisão é um ramo de pesquisa relativamente recente na área agrícola e que apresenta perspectivas promissoras na geração de novas técnicas de gerenciamento da lavoura otimizadoras de insumos e que permitam diminuição nos custos de produção. Técnicas como aplicação localizada de fertilizantes, defensivos agrícolas e melhor monitoramento de características dos solos e outros fatores de produção, fornecem informações que permitem um melhor gerenciamento da área a ser cultivada e em última instância resultam num maior rendimento econômico por área cultivada. Para que seja possível otimizar a produção agrícola utilizando essas técnicas algumas informações iniciais são necessárias. Entre essas uma das mais divulgadas é a utilização dos mapas de produtividade na avaliação da variabilidade espacial das lavouras. Pesquisas recentes tem relatado que conjugado a esse mapa outras camadas de informações podem e devem ser incorporadas, possibilitando desvendar os motivos da variabilidade espacial da produtividade em uma lavoura. Entre essas camadas existem os mapas de características físico-químicas do solo. Um conceito de mapeamento de fatores do solo é o monitoramento da condutividade elétrica do mesmo que permite inferir sobre elementos como textura, salinidade, teor de água, entre outros fatores. O presente trabalho estudou a técnica da mensuração desta característica e sua avaliação em solos brasileiros, verificando a correlação das leituras de condutividade elétrica do solo com parâmetros obtidos por análise laboratorial de amostras do mesmo e com a produtividade de culturas instaladas em três áreas experimentais. Além disso verificou-se a possibilidade de definição de unidades de gerenciamento do solo, que consigam com sucesso representar regiões homogêneas quanto a atributos que influenciam o desenvolvimento das culturas, utilizando a condutividade elétrica. Para realização desses objetivos técnicas diversas de análises foram utilizadas. Após a análise estatística descritiva dos conjuntos de dados procedeu-se com a análise geoestatística dos mesmos para avaliação do grau de dependência espacial das variáveis e obtenção dos mapas das distribuições espaciais das mesmas. De posse desses mapas foi possível efetuar a análise de correlação linear de Pearson entre as variáveis e em seguida a análise de componentes principais para verificar quais seriam as de maior influência sobre a variação do solo em cada uma das áreas monitoradas. Na última etapa a lógica fuzzy definiu as unidades de gerenciamento do solo e uma análise de variância avaliou a relevância dessas divisões. Os resultados indicaram a utilidade da condutividade elétrica, além de comprovarem a eficácia do procedimento realizado, devido a correlação da mesma com alguns atributos físico-químicos do solo, notadamente a elevada correlação com o conteúdo de argila em uma das áreas experimentais. / Precision Agriculture is a line of research relatively recent in the agricultural area and one that presents promising perspectives on the generation of new field management techniques that allow for cost reduction and input optimization. Techniques as variable rate application of fertilizers, agrochemical and better sensing of soil characteristics, and other production factors, give information that enables better management of fields being cultivated and result in greater economic revenue. For it to be possible to optimize agricultural production using these techniques some initial information are necessary. For one, there is the utilization of yield maps to evaluate the spatial variability of fields. Some researches demonstrated that, conjugated to those maps, other levels of information should be incorporated, permitting to reveal factors that explain spatial variability of yield in a field. Among these information there are physical-chemical soil characteristics maps. One of the concepts for mapping soil factors is sensing its electrical conductivity, which is related to soil characteristics such as texture, moisture, salinity and other. This research studied the measurement of the electrical conductivity of some types of Brazilian soils. Then, correlation of the electrical conductivity readings with soil parameters, obtained by laboratory analysis of soil samples, and with crop yields, cultivated on three experimental areas, was obtained. Besides that, it was verified the possibility of definition of soil management zones, using soil electrical conductivity, which can successfully represent homogeneous regions with regards to attributes that influence the development of crops. For accomplishing these objectives, several analysis techniques were used. After the descriptive statistics analysis of the data set, the geostatistical analysis was made for the evaluation of the variables’ degree of spatial dependence and then obtaining the maps with the spatial distribution of these same variables. In the possession of these maps, it was possible to verify Pearson’s linear correlation among all variables, followed by the principal components analysis to infer which of them had greater influence on soil variability in each of the experimental areas. Thenceforth, fuzzy logic was used to define the soil management zones and an analysis of variance evaluated the importance of the zone divisions made. Results showed the usefulness of electrical conductivity, besides corroborating the efficiency of the proceedings used, because of its correlation with some physical-chemical properties of the soil, especially high correlation with clay content in one of the experimental areas.

A presente pesquisa propôs-se a investigar problemas de ordem estatístico-experimental relacionados à aplicação do delineamento de blocos aumentados, em programas de melhoramento genético vegetal. Nesses desenhos experimentais há duas categorias de tratamentos: as testemunhas (repetidas) e os tratamentos adicionais ou novos (normalmente não repetidos). As primeiras usualmente são cultivares comerciais já recomendados, e os outros, os novos materiais genéticos sob avaliação. Sua relação com os delineamentos de blocos em geral, princípios para a sua aplicação e análise estatística, bem como informações correlatas de outros temas aqui investigados (modelos mistos, componentes de variância e análise espacial de experimentos) foram objetos de revisão no Capítulo 1. O material que fundamentou este trabalho foi um conjunto de 41 ensaios de competição de linhagens de soja (genótipos), em gerações de autofecundação nunca inferiores a F5. Os ensaios, assim delineados, fazem parte do Programa de Melhoramento da Soja desenvolvido pelo Setor de Genética Aplicada às Espécies Autógamas, do Departamento de Genética da ESALQ/USP. Foram escolhidos, preferencialmente, os ensaios que dispunham de mapa de campo completo, o que possibilita associar cada observação à sua posição espacial na área do experimento. Entre os diversos caracteres avaliados, apenas os dados de produtividade de grãos (kg/ha) foram aqui considerados. Sabe-se que esses ensaios são conduzidos em etapas preliminares, quando as linhagens podem ser estatisticamente assumidas como de efeitos aleatórios, ou em fases intermediárias e finais, quando são preferencialmente tidas como de efeitos fixos. Logo, uma curiosidade inicial foi investigar, nos delineamentos em blocos, a influência destas suposições sobre as estimativas das médias genotípicas, bem como sobre o seu ordenamento para fins de seleção (Capítulo 2). O fato também abre a possibilidade de diferentes modelagens para a análise estatística dos dados desses experimentos, incluindo-se o modelo fixo e modelos mistos (análise intrablocos, análise com recuperação de informação interblocos e análises recuperando informação intergenotípica). A apresentação destas alternativas e suas implicações na seleção de genótipos constitui o objetivo principal do Capítulo 3. Acrescenta-se que, na abordagem de modelos mistos, uma etapa fundamental é a de estimação dos componentes de variância. Isto é passível de realização por meio de vários métodos estatísticos, cujos resultados, todavia, podem ser bastante conflitantes; sobretudo em caso de desbalanceamento. Dada a escassez de informações específicas e o fato de esses delineamentos serem naturalmente desbalanceados, avaliaram-se através de simulação em computador as propriedades dos principais estimadores disponíveis: ANOVA, MIVQUE(0), ML e REML (Capítulo 4). Outra característica marcante desses ensaios, particularmente nas etapas iniciais, é a adoção de parcelas de pequeno tamanho, haja vista a pouca disponibilidade de material de propagação. Isto, associado à costumeira alocação sistemática de testemunhas e/ou grupos de linhagens aparentadas, suscitou a avaliação de um procedimento de análise estatística que não ficasse sujeito à clássica suposição de independência espacial entre observações (Capítulo 5). Entre os resultados e conclusões obtidas pode-se destacar: i) a análise intrablocos (modelo fixo) pode fornecer ordenamentos inadequados das médias dos genótipos se estes forem de efeitos aleatórios e, sobretudo, se estiverem relacionados a diferentes populações de referência (Capítulo 2); ii) a classificação das novas linhagens em relação aos cultivares testemunhas pode mudar sensivelmente de um modelo de análise para outro, principalmente quando se passa da análise intrablocos para uma análise que recupera informação interlinhagens (Capítulo 3); iii) o método MIVQUE(0) comparativamente fornece estimativas de melhor qualidade para os componentes de variância, em particular se os genótipos vierem de população(ões) com baixa(s) variância(s) genotípica(s) e os experimentos forem relativamente pequenos (Capítulo 4); e, iv) em experimentos com observações correlacionadas espacialmente, a discriminação genotípica e o ordenamento dos genótipos para fins de seleção podem ser melhorados consideravelmente através da análise estatística espacial (Capítulo 5). / This research investigates experimental and statistical problems related with the use of the augmented block design in plant breeding programs. A characteristic of these designs is that treatments are of two categories, namely: common checks (generally commercial varieties replicated over blocks) and the additional or new treatments (usually not replicated), the latter being the ones under evaluating for selection purposes. The relation of this design with block designs in general and fundaments required for its applications and analysis, as well as information about other topics (mixed models, components of variance and spatial analysis) were reviewed in the Chapter 1. For analysis and discussion a group of 41 trials, set up at the Department of Genetics (ESALQ, USP) for evaluating soybean inbred lines, was used. Only trials having a complete layout of the spatial position of plots in the field were taken. Analyses and discussions given here refer only to grain yield (kg/ha). It is known that these trials are usually conducted at preliminary stages, when genotypes can be statistically assumed as having random effects, or at intermediate and final stages when they are preferentially considered with fixed effects. The first interesting point here investigated was the influence of these assumptions on the estimates of genotypic means, as well as on the ranking of lines for selection purposes (Chapter 2). The assumptions open the possibility of considering either fixed or mixed models for analysis (intrablock analysis, or others with recovering of interblock or intergenotypic information). Chapter 3 shows the corresponding analytical procedures and their consequences on the ranking and selection of genotypes. Under mixed models a fundamental step is the estimation of variance components, for which several procedures are available. It is known that these procedures may lead to different estimates of the same parameter, specially when experiments are unbalanced. Due to the lack of specific information about its point, and since these designs are naturally unbalanced, computer simulations were made here for evaluating the properties of the different available estimators, specifically: ANOVA, MIVQUE(0), ML and REML (Chapter 4). An additional characteristic of these design, at initial stages of breeding programs, is the use of small-sized plots, necessary to accommodate the lack of seeds. This fact in addition to the common practice of systematic arrangement of check plots in the field and/or the arrangement of genetically related treatments in sets, motivated the application of spatial statistics procedures (Chapter 5). The following main results and conclusions can be pointed out: i) the intrablock analysis (fixed model) can provide inadequate ranking of the genotypic means if genotypes have random effects and, specially if they are stem from different populations (Chapter 2); ii) the classification of the new genetic treatments in relation to check varieties may change considerably, depending on the model adopted, specially when the intrablock and the analyses with recovery of intergenotypic information are compared (Chapter 3); iii) the MIVQUE(0) method, in general, furnished more efficient estimates of variance components, particularly if genotypes are derived from population(s) with low genotypic variance(s) and experiments are of small size (Chapter 4); and, iv) if the experimental observations are spatially correlated the discrimination among genotypes and the ranking of genetic treatments can be substantially improved through spatial statistical analysis (Chapter 5).

Made available in DSpace on 2017-07-10T19:24:09Z (GMT). No. of bitstreams: 1 tese__fabiana.pdf: 3413093 bytes, checksum: 69eef866f8ca47e7714ae83768804879 (MD5) Previous issue date: 2016-02-02 / Understanding the spatial distribution knowledge regarding georeferenced data has been essencial to various areas including agriculture. Thus, several trials have been carried out. However, most of these studies assume that the underlying stochastic process is Gaussian. When the data associated with this process do not present normality, data transformations are applied. And though the use of these transformations has presented satisfactory results, it is important to consider models which take into account the characteristics of such phenomenon. It may be more appropriate than using a normal model. So, this trial aimed at proposing a spatial model based on the Birnbaum-Saunders distribution (BS). This distribution has been shown effective to model data that take positive values and whose behavior presents positive asymmetry and unimodality. Thefore, this trial has proposed a methodology that includes the formulation of the spatial Birnbaum-Saunders model , estimation of its parameters using maximum likelihood (ML), and application of diagnostic techniques which can detect the sensitivity of the model to atypical data and evaluate the proposed model through a simulation study and studies using real data sets of agricultural engineering. These data were obtadined in a 167.35-ha commercial area for grain production, in Cascavel city, to validate the studied model. In the study with simulated data and large samples, estimation parameters and diagnostic analysis showed a good performance. According to the study with real data, calculations of AIC (Akaike s information criterion) and BIC (Bayesian information criterion) indexes, Bayes factor as well as Q-Q plots constrution have shown that the proposed model is appropriate to fit the obtained data. Influential cases were detected, and their removal from data set caused a considerable change in contour maps. It is therefore concluided that Birnbaum-Saunders spatial model is adequate to carry out studies with spatially correlated data. Is is also an alternative model to the normal model when the data set present positive asymmetrical distribution / O conhecimento da distribuição espacial de dados georrefenciados é de interesse de diversas áreas do conhecimento, incluindo a área agrícola. Neste sentido, diversos trabalhos já foram realizados; no entanto, a maioria destes trabalhos assumem que o processo estocástico subjacente é gaussiano. Quando os dados associados com este processo não apresentam normalidade, transformações de dados são usadas. E ainda que o uso dessas transformações tenha apresentado resultados satisfatórios, considerar modelos que levem em conta as características do fenômeno pode ser mais adequado do que a utilização do modelo normal. O objetivo deste trabalho é propor um modelo espacial baseado na distribuição Birnbaum-Saunders (BS). Esta distribuição tem se mostrado eficiente para modelar conjuntos de dados formados por valores estritamente positivos e cujo comportamento apresenta assimetria positiva e unimodalidade. A metodologia proposta neste trabalho inclui a formulação do modelo espacial Birnbaum-Saunders, a estimação de seus parâmetros utilizando o método de máxima verossimilhança (ML), a aplicação de técnicas de diagnóstico que permitem detectar a sensibilidade do modelo a dados atípicos, a avaliação do modelo proposto por um estudo de simulação e aplicação da metodologia desenvolvida em análise de dados reais da área agrícola. Os dados utilizados para validação do modelo estudado foram obtidos em uma área comercial de produção de grãos de 167,35 ha de Cascavel. No estudo com dados simulados, para amostras grandes, a estimação dos parâmetros e a análise de diagnóstico apresentaram boa performance. No estudo com dados reais, os cálculos dos índices AIC, BIC e fator Bayes bem como a construção de Q-Q plots mostraram que o modelo proposto é adequado para ajustar os dados. Casos influentes foram detectados e suas retiradas do conjunto de dados causaram uma mudança considerável nos mapas de contorno. Conclui-se portanto, que o modelo espacial Birnbaum-Saunders é adequado para realização de estudos com dados espacialmente correlacionados, e é um modelo alternativo ao modelo normal quando o conjunto de dados apresenta distribuição assimétrica positiva

Made available in DSpace on 2017-07-10T19:24:43Z (GMT). No. of bitstreams: 1 Diego dos Santos.pdf: 2913932 bytes, checksum: d8e9895a3e1da5977f9c57f222aa7ece (MD5) Previous issue date: 2010-02-12 / The benefits of a no-tillage system and crop rotation in order to mitigate soil compaction problems show that the use of cover crops is an interesting management to improve soil quality and therefore crop yield. However, there is a spatial dependence for soil properties, thus it is an important geostatistic analysis to detect the structure of dependence in the studied area. This study aimed at evaluating the cover crops performance in winter management and the spatial variability of porosity, bulk density, water content of soil and soybean yield. The experiment was carried out in a randomized block design with three blocks, five treatments and two replications per treatment. Each plot was averagely 5.1 m wide and 133 m of length. There were five winter managements as treatments: black oat; Consortium 1 (consortium of forage turnip and black oats); Consortium 2 (forage turnip, black oat and common vetch), wheat, and control (remained fallow during the winter). Data were collected in a two hectare area, in two periods: before each sowing and after management of winter treatments to evaluate macro and microporosity, total porosity, bulk/ soil density and water content of soil from 0 - 0.1 m depth. The cover crops management was carried out with a roller-knife and wheat was cropped by a harvester machine. Soybean was sown in the whole area during summertime and determined its yield for each treatment. After exploratory and geostatistic analyses, the theoretical models were set to semivariograms for each attribute by cross-validation. For each map drawing, the sampling points were considered for each winter treatment. Then an interpolation of values for the whole area was done, as if the respective treatment were used in it. For the comparison of maps made for different treatments, it was used the relative deviation coefficient (RDC) by taking the control as standard. Pearson's correlation and Spearman non-parametric correlation coefficients were used to evaluate the correlation degree among variables. In the first soil analysis, all variables showed spatial dependence. This fact, however, was not observed in the second soil analysis, where, except for soybean yield, all variables showed a nugget effect in someone treatment (except for Consortium 2). It was concluded that the reduction of porosity raised high values for the soil density, which, in its turn, decreased soil ability to retain water. The studied cover crops improved macroporosity and total porosity in some regions of this area. Besides, the use of black oats as cover crop was more efficient and kept higher soil water content, so it can be suggested in rotation with soybeans to decrease bulk density. / A associação dos benefícios do sistema plantio direto e da rotação de culturas com a necessidade de amenizar problemas oriundos da compactação do solo mostra que o uso de plantas de cobertura aparece como um manejo interessante na melhoria da qualidade do solo e consequentemente, da produtividade de culturas comerciais. Entretanto, os atributos do solo apresentam dependência espacial, portanto, necessitam de análise geoestatística para detectar a estrutura de dependência dentro da área em estudo. Assim, o objetivo deste trabalho foi avaliar o desempenho de plantas de cobertura em manejo de inverno e a variabilidade espacial de porosidade, densidade e teor de água do solo e produtividade da soja. O experimento foi implantado sob delineamento experimental de blocos ao acaso, com três blocos, cinco tratamentos e duas repetições por tratamento. Cada parcela foi uma faixa de 5,1 m de largura e 133 m de comprimento. Os tratamentos foram os cinco manejos de inverno: aveia preta; consórcio 1 (consórcio de nabo forrageiro e aveia preta); consórcio 2 (consórcio entre nabo forrageiro, aveia preta e ervilhaca comum); trigo; e testemunha (permaneceu em pousio durante o inverno). Os dados foram coletados em uma área de 2ha, em duas épocas: antes de cada semeadura e após o manejo dos tratamentos de inverno em que se avaliaram macroporosidade, microporosidade, porosidade total, densidade e teor de água do solo, na profundidade de 0 - 0,1 m. O manejo das plantas de cobertura foi realizado com rolo-faca e o trigo colhido com colhedora. A soja foi semeada em toda área no verão e determinada sua produtividade para cada tratamento. Após as análises exploratória e geoestatística, ajustaram-se os modelos teóricos aos semivariogramas para cada atributo por meio da validação cruzada. Para elaboração de cada mapa, consideraram-se os pontos amostrais relativos a cada tratamento de inverno. Então, realizou-se a interpolação dos valores para toda a área, como se em toda área tivesse sido usado o respectivo tratamento. Para comparação dos mapas elaborados para os diferentes tratamentos, utilizou-se o coeficiente de desvio relativo (CDR) sendo a testemunha a referência. Para a avaliação do grau de correlação entre as variáveis, foram utilizados o coeficiente de correlação linear de Pearson e o coeficiente de correlação não-paramétrica de Spearman. Na primeira análise do solo, todas as variáveis apresentaram dependência espacial. Tal fato, entretanto, não foi verificado na segunda análise do solo, na qual, com exceção da produtividade da soja, todas as variáveis apresentaram efeito pepita puro em algum tratamento (exceto para o Consórcio 2). A redução da macroporosidade promoveu os altos valores para a densidade do solo que, por sua vez, diminuíram a capacidade do solo em reter água. As plantas de cobertura utilizadas melhoraram a macroporosidade e porosidade total em algumas regiões dentro da área em estudo. O uso da aveia preta como planta de cobertura foi mais eficiente em manter mais elevado o teor de água do solo e pode ser recomendado em rotação com a soja pelo potencial para diminuição da densidade do solo.

Made available in DSpace on 2017-05-12T14:47:25Z (GMT). No. of bitstreams: 1 tese__fabiana.pdf: 3413093 bytes, checksum: 69eef866f8ca47e7714ae83768804879 (MD5) Previous issue date: 2016-02-02 / Understanding the spatial distribution knowledge regarding georeferenced data has been essencial to various areas including agriculture. Thus, several trials have been carried out. However, most of these studies assume that the underlying stochastic process is Gaussian. When the data associated with this process do not present normality, data transformations are applied. And though the use of these transformations has presented satisfactory results, it is important to consider models which take into account the characteristics of such phenomenon. It may be more appropriate than using a normal model. So, this trial aimed at proposing a spatial model based on the Birnbaum-Saunders distribution (BS). This distribution has been shown effective to model data that take positive values and whose behavior presents positive asymmetry and unimodality. Thefore, this trial has proposed a methodology that includes the formulation of the spatial Birnbaum-Saunders model , estimation of its parameters using maximum likelihood (ML), and application of diagnostic techniques which can detect the sensitivity of the model to atypical data and evaluate the proposed model through a simulation study and studies using real data sets of agricultural engineering. These data were obtadined in a 167.35-ha commercial area for grain production, in Cascavel city, to validate the studied model. In the study with simulated data and large samples, estimation parameters and diagnostic analysis showed a good performance. According to the study with real data, calculations of AIC (Akaike s information criterion) and BIC (Bayesian information criterion) indexes, Bayes factor as well as Q-Q plots constrution have shown that the proposed model is appropriate to fit the obtained data. Influential cases were detected, and their removal from data set caused a considerable change in contour maps. It is therefore concluided that Birnbaum-Saunders spatial model is adequate to carry out studies with spatially correlated data. Is is also an alternative model to the normal model when the data set present positive asymmetrical distribution / O conhecimento da distribuição espacial de dados georrefenciados é de interesse de diversas áreas do conhecimento, incluindo a área agrícola. Neste sentido, diversos trabalhos já foram realizados; no entanto, a maioria destes trabalhos assumem que o processo estocástico subjacente é gaussiano. Quando os dados associados com este processo não apresentam normalidade, transformações de dados são usadas. E ainda que o uso dessas transformações tenha apresentado resultados satisfatórios, considerar modelos que levem em conta as características do fenômeno pode ser mais adequado do que a utilização do modelo normal. O objetivo deste trabalho é propor um modelo espacial baseado na distribuição Birnbaum-Saunders (BS). Esta distribuição tem se mostrado eficiente para modelar conjuntos de dados formados por valores estritamente positivos e cujo comportamento apresenta assimetria positiva e unimodalidade. A metodologia proposta neste trabalho inclui a formulação do modelo espacial Birnbaum-Saunders, a estimação de seus parâmetros utilizando o método de máxima verossimilhança (ML), a aplicação de técnicas de diagnóstico que permitem detectar a sensibilidade do modelo a dados atípicos, a avaliação do modelo proposto por um estudo de simulação e aplicação da metodologia desenvolvida em análise de dados reais da área agrícola. Os dados utilizados para validação do modelo estudado foram obtidos em uma área comercial de produção de grãos de 167,35 ha de Cascavel. No estudo com dados simulados, para amostras grandes, a estimação dos parâmetros e a análise de diagnóstico apresentaram boa performance. No estudo com dados reais, os cálculos dos índices AIC, BIC e fator Bayes bem como a construção de Q-Q plots mostraram que o modelo proposto é adequado para ajustar os dados. Casos influentes foram detectados e suas retiradas do conjunto de dados causaram uma mudança considerável nos mapas de contorno. Conclui-se portanto, que o modelo espacial Birnbaum-Saunders é adequado para realização de estudos com dados espacialmente correlacionados, e é um modelo alternativo ao modelo normal quando o conjunto de dados apresenta distribuição assimétrica positiva

Made available in DSpace on 2017-05-12T14:48:06Z (GMT). No. of bitstreams: 1 Diego dos Santos.pdf: 2913932 bytes, checksum: d8e9895a3e1da5977f9c57f222aa7ece (MD5) Previous issue date: 2010-02-12 / The benefits of a no-tillage system and crop rotation in order to mitigate soil compaction problems show that the use of cover crops is an interesting management to improve soil quality and therefore crop yield. However, there is a spatial dependence for soil properties, thus it is an important geostatistic analysis to detect the structure of dependence in the studied area. This study aimed at evaluating the cover crops performance in winter management and the spatial variability of porosity, bulk density, water content of soil and soybean yield. The experiment was carried out in a randomized block design with three blocks, five treatments and two replications per treatment. Each plot was averagely 5.1 m wide and 133 m of length. There were five winter managements as treatments: black oat; Consortium 1 (consortium of forage turnip and black oats); Consortium 2 (forage turnip, black oat and common vetch), wheat, and control (remained fallow during the winter). Data were collected in a two hectare area, in two periods: before each sowing and after management of winter treatments to evaluate macro and microporosity, total porosity, bulk/ soil density and water content of soil from 0 - 0.1 m depth. The cover crops management was carried out with a roller-knife and wheat was cropped by a harvester machine. Soybean was sown in the whole area during summertime and determined its yield for each treatment. After exploratory and geostatistic analyses, the theoretical models were set to semivariograms for each attribute by cross-validation. For each map drawing, the sampling points were considered for each winter treatment. Then an interpolation of values for the whole area was done, as if the respective treatment were used in it. For the comparison of maps made for different treatments, it was used the relative deviation coefficient (RDC) by taking the control as standard. Pearson's correlation and Spearman non-parametric correlation coefficients were used to evaluate the correlation degree among variables. In the first soil analysis, all variables showed spatial dependence. This fact, however, was not observed in the second soil analysis, where, except for soybean yield, all variables showed a nugget effect in someone treatment (except for Consortium 2). It was concluded that the reduction of porosity raised high values for the soil density, which, in its turn, decreased soil ability to retain water. The studied cover crops improved macroporosity and total porosity in some regions of this area. Besides, the use of black oats as cover crop was more efficient and kept higher soil water content, so it can be suggested in rotation with soybeans to decrease bulk density. / A associação dos benefícios do sistema plantio direto e da rotação de culturas com a necessidade de amenizar problemas oriundos da compactação do solo mostra que o uso de plantas de cobertura aparece como um manejo interessante na melhoria da qualidade do solo e consequentemente, da produtividade de culturas comerciais. Entretanto, os atributos do solo apresentam dependência espacial, portanto, necessitam de análise geoestatística para detectar a estrutura de dependência dentro da área em estudo. Assim, o objetivo deste trabalho foi avaliar o desempenho de plantas de cobertura em manejo de inverno e a variabilidade espacial de porosidade, densidade e teor de água do solo e produtividade da soja. O experimento foi implantado sob delineamento experimental de blocos ao acaso, com três blocos, cinco tratamentos e duas repetições por tratamento. Cada parcela foi uma faixa de 5,1 m de largura e 133 m de comprimento. Os tratamentos foram os cinco manejos de inverno: aveia preta; consórcio 1 (consórcio de nabo forrageiro e aveia preta); consórcio 2 (consórcio entre nabo forrageiro, aveia preta e ervilhaca comum); trigo; e testemunha (permaneceu em pousio durante o inverno). Os dados foram coletados em uma área de 2ha, em duas épocas: antes de cada semeadura e após o manejo dos tratamentos de inverno em que se avaliaram macroporosidade, microporosidade, porosidade total, densidade e teor de água do solo, na profundidade de 0 - 0,1 m. O manejo das plantas de cobertura foi realizado com rolo-faca e o trigo colhido com colhedora. A soja foi semeada em toda área no verão e determinada sua produtividade para cada tratamento. Após as análises exploratória e geoestatística, ajustaram-se os modelos teóricos aos semivariogramas para cada atributo por meio da validação cruzada. Para elaboração de cada mapa, consideraram-se os pontos amostrais relativos a cada tratamento de inverno. Então, realizou-se a interpolação dos valores para toda a área, como se em toda área tivesse sido usado o respectivo tratamento. Para comparação dos mapas elaborados para os diferentes tratamentos, utilizou-se o coeficiente de desvio relativo (CDR) sendo a testemunha a referência. Para a avaliação do grau de correlação entre as variáveis, foram utilizados o coeficiente de correlação linear de Pearson e o coeficiente de correlação não-paramétrica de Spearman. Na primeira análise do solo, todas as variáveis apresentaram dependência espacial. Tal fato, entretanto, não foi verificado na segunda análise do solo, na qual, com exceção da produtividade da soja, todas as variáveis apresentaram efeito pepita puro em algum tratamento (exceto para o Consórcio 2). A redução da macroporosidade promoveu os altos valores para a densidade do solo que, por sua vez, diminuíram a capacidade do solo em reter água. As plantas de cobertura utilizadas melhoraram a macroporosidade e porosidade total em algumas regiões dentro da área em estudo. O uso da aveia preta como planta de cobertura foi mais eficiente em manter mais elevado o teor de água do solo e pode ser recomendado em rotação com a soja pelo potencial para diminuição da densidade do solo.

A presente pesquisa propôs-se a investigar problemas de ordem estatístico-experimental relacionados à aplicação do delineamento de blocos aumentados, em programas de melhoramento genético vegetal. Nesses desenhos experimentais há duas categorias de tratamentos: as testemunhas (repetidas) e os tratamentos adicionais ou novos (normalmente não repetidos). As primeiras usualmente são cultivares comerciais já recomendados, e os outros, os novos materiais genéticos sob avaliação. Sua relação com os delineamentos de blocos em geral, princípios para a sua aplicação e análise estatística, bem como informações correlatas de outros temas aqui investigados (modelos mistos, componentes de variância e análise espacial de experimentos) foram objetos de revisão no Capítulo 1. O material que fundamentou este trabalho foi um conjunto de 41 ensaios de competição de linhagens de soja (genótipos), em gerações de autofecundação nunca inferiores a F5. Os ensaios, assim delineados, fazem parte do Programa de Melhoramento da Soja desenvolvido pelo Setor de Genética Aplicada às Espécies Autógamas, do Departamento de Genética da ESALQ/USP. Foram escolhidos, preferencialmente, os ensaios que dispunham de mapa de campo completo, o que possibilita associar cada observação à sua posição espacial na área do experimento. Entre os diversos caracteres avaliados, apenas os dados de produtividade de grãos (kg/ha) foram aqui considerados. Sabe-se que esses ensaios são conduzidos em etapas preliminares, quando as linhagens podem ser estatisticamente assumidas como de efeitos aleatórios, ou em fases intermediárias e finais, quando são preferencialmente tidas como de efeitos fixos. Logo, uma curiosidade inicial foi investigar, nos delineamentos em blocos, a influência destas suposições sobre as estimativas das médias genotípicas, bem como sobre o seu ordenamento para fins de seleção (Capítulo 2). O fato também abre a possibilidade de diferentes modelagens para a análise estatística dos dados desses experimentos, incluindo-se o modelo fixo e modelos mistos (análise intrablocos, análise com recuperação de informação interblocos e análises recuperando informação intergenotípica). A apresentação destas alternativas e suas implicações na seleção de genótipos constitui o objetivo principal do Capítulo 3. Acrescenta-se que, na abordagem de modelos mistos, uma etapa fundamental é a de estimação dos componentes de variância. Isto é passível de realização por meio de vários métodos estatísticos, cujos resultados, todavia, podem ser bastante conflitantes; sobretudo em caso de desbalanceamento. Dada a escassez de informações específicas e o fato de esses delineamentos serem naturalmente desbalanceados, avaliaram-se através de simulação em computador as propriedades dos principais estimadores disponíveis: ANOVA, MIVQUE(0), ML e REML (Capítulo 4). Outra característica marcante desses ensaios, particularmente nas etapas iniciais, é a adoção de parcelas de pequeno tamanho, haja vista a pouca disponibilidade de material de propagação. Isto, associado à costumeira alocação sistemática de testemunhas e/ou grupos de linhagens aparentadas, suscitou a avaliação de um procedimento de análise estatística que não ficasse sujeito à clássica suposição de independência espacial entre observações (Capítulo 5). Entre os resultados e conclusões obtidas pode-se destacar: i) a análise intrablocos (modelo fixo) pode fornecer ordenamentos inadequados das médias dos genótipos se estes forem de efeitos aleatórios e, sobretudo, se estiverem relacionados a diferentes populações de referência (Capítulo 2); ii) a classificação das novas linhagens em relação aos cultivares testemunhas pode mudar sensivelmente de um modelo de análise para outro, principalmente quando se passa da análise intrablocos para uma análise que recupera informação interlinhagens (Capítulo 3); iii) o método MIVQUE(0) comparativamente fornece estimativas de melhor qualidade para os componentes de variância, em particular se os genótipos vierem de população(ões) com baixa(s) variância(s) genotípica(s) e os experimentos forem relativamente pequenos (Capítulo 4); e, iv) em experimentos com observações correlacionadas espacialmente, a discriminação genotípica e o ordenamento dos genótipos para fins de seleção podem ser melhorados consideravelmente através da análise estatística espacial (Capítulo 5). / This research investigates experimental and statistical problems related with the use of the augmented block design in plant breeding programs. A characteristic of these designs is that treatments are of two categories, namely: common checks (generally commercial varieties replicated over blocks) and the additional or new treatments (usually not replicated), the latter being the ones under evaluating for selection purposes. The relation of this design with block designs in general and fundaments required for its applications and analysis, as well as information about other topics (mixed models, components of variance and spatial analysis) were reviewed in the Chapter 1. For analysis and discussion a group of 41 trials, set up at the Department of Genetics (ESALQ, USP) for evaluating soybean inbred lines, was used. Only trials having a complete layout of the spatial position of plots in the field were taken. Analyses and discussions given here refer only to grain yield (kg/ha). It is known that these trials are usually conducted at preliminary stages, when genotypes can be statistically assumed as having random effects, or at intermediate and final stages when they are preferentially considered with fixed effects. The first interesting point here investigated was the influence of these assumptions on the estimates of genotypic means, as well as on the ranking of lines for selection purposes (Chapter 2). The assumptions open the possibility of considering either fixed or mixed models for analysis (intrablock analysis, or others with recovering of interblock or intergenotypic information). Chapter 3 shows the corresponding analytical procedures and their consequences on the ranking and selection of genotypes. Under mixed models a fundamental step is the estimation of variance components, for which several procedures are available. It is known that these procedures may lead to different estimates of the same parameter, specially when experiments are unbalanced. Due to the lack of specific information about its point, and since these designs are naturally unbalanced, computer simulations were made here for evaluating the properties of the different available estimators, specifically: ANOVA, MIVQUE(0), ML and REML (Chapter 4). An additional characteristic of these design, at initial stages of breeding programs, is the use of small-sized plots, necessary to accommodate the lack of seeds. This fact in addition to the common practice of systematic arrangement of check plots in the field and/or the arrangement of genetically related treatments in sets, motivated the application of spatial statistics procedures (Chapter 5). The following main results and conclusions can be pointed out: i) the intrablock analysis (fixed model) can provide inadequate ranking of the genotypic means if genotypes have random effects and, specially if they are stem from different populations (Chapter 2); ii) the classification of the new genetic treatments in relation to check varieties may change considerably, depending on the model adopted, specially when the intrablock and the analyses with recovery of intergenotypic information are compared (Chapter 3); iii) the MIVQUE(0) method, in general, furnished more efficient estimates of variance components, particularly if genotypes are derived from population(s) with low genotypic variance(s) and experiments are of small size (Chapter 4); and, iv) if the experimental observations are spatially correlated the discrimination among genotypes and the ranking of genetic treatments can be substantially improved through spatial statistical analysis (Chapter 5).

L'hétérogénéité spatiale est aujourd'hui reconnue comme un facteur primordial pour la diversité et le fonctionnement des écosystèmes prairiaux, mais reste souvent négligée dans l'analyse de l'impact de différents modes d'utilisation pastorale. Les communautés prairiales subalpines sont des milieux hautement diversifiés, au cœur d'enjeux écologiques, socio-économiques et culturels. Depuis plusieurs décennies, des changements d'usage, notamment l'extensification conduisant parfois à l'abandon du pâturage, affectent ces prairies dans de vastes régions des Alpes. Connaitre la réponse spatiale de ces communautés à ces changements d'usage peut constituer un enjeu important pour mieux prédire les conséquences en termes de valeurs écologiques et agronomiques. L'objectif général de ce travail est d'identifier l'organisation spatiale de composantes spécifiques et fonctionnelles de communautés prairiales subalpines dans des situations contrastées d'usage : pâturage traditionnel et abandon sur le moyen terme (~20 ans), de comprendre les mécanismes liés au pâturage influençant cette organisation spatiale et d'explorer les conséquences potentielles de l'organisation spatiale des composantes spécifiques et fonctionnelles sur les valeurs d'usage de ces milieux. Ce travail révèle que l'arrêt du pâturage conduit à des modifications importantes de l'organisation spatiale à la fois des espèces et de traits fonctionnels aériens. La variabilité spatiale de ces composantes est systématiquement augmentée à différentes échelles spatiales en situation d'abandon révélant un grain plus grossier d'hétérogénéité spatiale, lié à une plus faible coexistence locale des espèces et des traits et à une convergence fonctionnelle plus forte que sous l'effet diversificateur à échelle fine du pâturage traditionnel. D'autres part, même si une réponse en termes de patrons spatiaux est également observée, celle-ci n'est pas systématique, indiquant l'absence d'une action structurante forte du pâturage qui agit donc surtout sur la variabilité. Une expérimentation in situ montre en effet que la formation de patrons spatiaux marqués en réponse à une action de défoliation sélective semble limitée dans ces prairies relativement peu productives. De plus, une faible structuration spatiale du couvert en termes de valeurs d'usage fourragère a été observée, pilotée dès des échelles très fines par la variabilité spatiale à un grain fin des assemblages d'espèces et de traits dans les zones pâturées. Ces résultats suggèrent ainsi l'expression d'un pâturage peu sélectif exprimé par les troupeaux ovins dans ces milieux peu productifs, et la prépondérance du filtre abiotique dans la détermination des assemblages spatiaux des espèces et des traits. La formation de patchs très contrastés et très structurés spatialement en réponse au pâturage est plus probable dans des milieux très productifs où la compétition est plus intense et la repousse de la végétation favorisée. La prise en compte de la variabilité autour de la réponse moyenne des communautés se révèle donc un élément essentiel pour analyser l'évolution des prairies subalpines en réponse au changement d'usages pastoraux. Une des perspectives fortes suite à ce travail est l'analyse de la synergie entre la réponse de l'hétérogénéité spatiale du couvert et celle du compartiment souterrain (traits racinaires, mycorhization, diversité microbienne…). / Spatial heterogeneity is now widely recognized as a key component for diversity and functioning of grazed plant communities but is still often neglected for the analysis of the impact of different pastoral uses. Subalpine grassland communities are species-rich habitats of high conservative, economic and cultural values. In large regions of the Alps, these grasslands have experienced a decrease in pastoral use and even abandonment, in the last decades. The investigation of the spatial response of these communities to these changes in pastoral use can be a key issue to better predict ecological and agronomical consequences of such changes. The main objective of this study is to identify the spatial organization of species and traits of subalpine grassland communities in contrasted situations of pastoral use: traditional grazing and abandonment (~20 years), to understand grazing-induced mechanisms influencing this spatial organisation and to explore the potential consequences of the spatial organization of species and traits on the pastoral value of these grasslands. This work reveals that grazing cessation leads to strong modifications of the spatial organization of both species and aerial functional traits. The spatial variability of these components are systematically increased at different spatial scales following grazing abandonment which revealed a coarser grain of spatial heterogeneity in relation to a lower species and trait local coexistence and to a stronger functional convergence than under the fine-scale diversifying action of traditional grazing. Besides, despite we also observed a response in terms of spatial patterns, this one is not systematic which indicates the absence of strongly structuring action of grazing that especially acts on variability. An in situ experiment indeed showed that spatial pattern creation in response to selective defoliation is limited in these relatively low productive grassland communities. In addition, we also evidenced that pastoral values (forage quality) exhibited poor spatial heterogeneity in these grasslands in relation to the fine grained spatial variability of species and plant traits in grazed areas. These results suggest the expression of a low selective grazing promoted by sheep herds grazing and low productivity of subalpine communities and the predominance of the abiotic filter in the determination of spatial assemblages of species and traits. Pronounced spatial patterns in response to grazing may be expected in more productive environments where competitive interactions between species are more intense and species regrowth promoted. Therefore, the consideration of the spatial variability in addition to the mean response of community components appeared to be essential in the analysis of subalpine grassland community dynamics in response to land use changes. One of the strong perspective following this work is to analyse the association between spatial responses of vegetation components and those of belowground components (root traits, microbial diversity…).