A aveia branca (Avena sativa L.) é uma espécie de estação fria de múltiplos propósitos. É usada na sucessão e rotação de culturas quebrando o ciclo de pragas e moléstias e de excelente cobertura de solo ao sistema de semeadura direta. Na alimentação animal fornece ração, feno, silagem e forragem direta de alta qualidade. Na alimentação humana, os grãos se destacam como um alimento funcional rico em proteínas e fibras. Dentre estas, a fibra alimentar beta glucana auxilia na redução do colesterol LDL. A inclusão da aveia na dieta alimentar tem crescido enormemente nos últimos anos, por conta de uma população mais exigente e que busca alimentos mais nutritivos e saudáveis. Por outro lado, o consumo de aveia tem por base o produto “in natura”, que depois de descascado é direcionado a produção de farelo, farinha ou flocos, exigindo maiores cuidados no processo de produção, principalmente no uso de agroquímicos para o controle de doenças fúngicas. Dentre as doenças, a ferrugem da folha (Puccinia coronata Cda. f.sp. avenae) e a mancha amarela [Drechslera avenae (Eidam) El Sharif] têm recebido especial atenção, as quais podem causar perdas de até 100% na produtividade de grãos em anos favoráveis ao desenvolvimento. Com isso a necessidade de construção de modelos que permitam otimização das tecnologias de manejo no controle de doenças à máxima qualidade do produto à alimentação humana e na qualificação da tomada de decisões no manejo da cultura. O objetivo do estudo é modelagem matemática da aveia por regressões e teste de médias na caracterização de grupos de resistência às doenças foliares, que dimensionam o comportamento e previsibilidade com adaptabilidade de cultivares. Além disto, do uso de redes neurais artificiais na simulação da evolução da doença e os reflexos sobre a produtividade pelas condições meteorológicas e de uso de fungicida. O estudo foi realizado no Instituto Regional de Desenvolvimento Rural (IRDeR/DEAg/UNIJUÍ), no município de Augusto Pestana (RS). O experimento foi delineado em blocos casualizados com três repetições, seguindo um modelo fatorial 22x4, para as 22 cultivares de aveia branca e 4 condições de aplicações de fungicida, sem fungicida, com uma aplicação aos 60 dias após a emergência DAE, com duas aplicações 60/75DAE, com três aplicações 60/75/90 DAE, respectivamente. A área foliar necrosada foi avaliada aos 60, 75, 90 e 105 DAE, em cada condição de uso do fungicida em todas as cultivares em estudo. Portanto, 15 dias após aplicação do fungicida, conforme o período residual do produto químico de controle (15 dias). As 22 cultivares de aveia branca avaliadas foram: Barbarasul, Brisasul, FAEM 006, FAEM 007, FAEM 4 Carlasul, FAEM 5 Chiarasul, IPR Afrodite, UPFA Gaudéria, UPFA Ouro, UPFPS Farroupilha, URS 21, URS Altiva, URS Brava, URS Charrua, URS Corona, URS Estampa, URS Fapa Slava, URS Guará, URS Guria, URS Tarimba, URS Taura e URS Torena. Pelo agrupamento de médias segundo modelo de Scott & Knott é definido que as cultivares URS Altiva, FAEM 007, URS Brava são as que obtiveram maior resistência genética as doenças foliares, nas condições de uso de tratamento químico com fungicida no ano favorável (2015). Destaca-se que em 2016, ano desfavorável às doenças, as cultivares FAEM 007, IPR Afrodite, URS Corona, FAEM 5 Chiarasul e URS Altiva, mostraram produtividade de grãos satisfatório com reduzidos valores de área foliar necrosada. Na análise dos dois anos agrícolas, as cultivares com maior destaque são FAEM 007 e URS Altiva que independente do ano ser ou não favorável à incidência de doenças foliares, foram as que obtiveram melhor produtividade de grãos junto a menor área foliar necrosada. Na avaliação da taxa de produtividade de grãos e área foliar danificada pelo incremento do número de aplicações do fungicida, recebem destaque as cultivares, URS Charrua, URS Altiva e URS Guria. Estas cultivares obtiveram a maior eficiência agronômica pelo incremento do número de aplicações do fungicida, com a URS Altiva de menor coeficiente linear de área foliar necrosada, indicando resistência genética superior às demais cultivares. Cabe também destacar, a cultivar URS Charrua que independente do ano de cultivo, indica resultados vantajosos pela elevada eficiência nas aplicações de fungicida em 2015, com elevada produtividade na ausência e presença de fungicida em 2016. A partir dos modelos de adaptabilidade e estabilidade por “Eberhart e Russel” é possível identificar as cultivares IPR Afrodite, URS Altiva e URS Corona com adaptabilidade geral, e estabilidade nas condições de uso de fungicida nos anos agrícolas avaliados. Dentre estas, destaca-se os valores mais reduzidos da área foliar necrosada obtida pela URS Altiva, com previsibilidade de expressão de necrose foliar e adaptabilidade a ambientes desfavoráveis, qualificando seu uso em condições mais restritivas no uso de fungicida. Os modelos de regressão linear múltipla qualificam a estimativa de produtividade de grãos, principalmente, quando incluído no modelo a precipitação, temperatura mínima, área foliar necrosada em cm² e as aplicações de fungicida. No entanto, é verificado que apenas dois anos de cultivo não permite o desenvolvimento de um único modelo de simulação por regressão linear múltipla para todas as cultivares. Por outro lado, quando a equação é desenvolvida para cada cultivar, a eficiência de simulação é obtida. As redes neurais artificiais do tipo Perceptron de Múltiplas Camadas, com o algoritmo de aprendizagem backpropagation e função de treinamento Levember-Marquadt, se mostram eficientes na previsibilidade da produtividade de grãos e área foliar necrosada, pelas condições de uso de fungicida junto aos fatores meteorológicos. Além disso, é possível simular a produtividade final de grãos ao longo do ciclo de desenvolvimento da aveia, atrelando ao modelo, as condições meteorológicos, o manejo do fungicida e área foliar necrosada. Assim, as RNAs somam-se aos demais modelos convencionais de simulação, tornando-se uma ferramenta de auxilio na tomada de decisões, quanto ao manejo da cultura da aveia. / 104 f.
| Identifer | oai:union.ndltd.org:IBICT/oai:bibliodigital.unijui.edu.br:123456789/4361 |
| Date | 28 July 2017 |
| Creators | Scremin, Ari Higino |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UNIJUI, instname:Universidade Regional do Noroeste do Estado do Rio Grande do Sul, instacron:UNIJUI |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0282 seconds