Adaptabilidade e estabilidade de genótipos precoces de cana-de-açúcar no Estado do Paraná pelos métodos Ammi e GGE Biplot

Abstract

Resumo: Os canaviais estão expandindo e ocupando novas áreas em todos os estados produtores no Brasil. Com o melhoramento genético é possível obter ganhos na produtividade e na recuperação de açúcares por tonelada de cana-de-açúcar. Devido a constante liberação de novos cultivares, com ampla adaptabilidade e alta estabilidade, o produtor obteve ganhos em produtividade agrícola e industrial. A interação genótipos x ambientes constitui em um dos maiores desafios dos programas de melhoramento genético, seja na fase de seleção ou na de recomendação de cultivares, este trabalho teve como objetivo avaliar a adaptabilidade e estabilidade fenotípica de 20 genótipos de cana-de-açúcar da série RB00 e dois cultivares, RB855156 e RB855453, em cinco ambientes de experimentação no Estado do Paraná, além de estudar a associação de dois métodos estatísticos, AMMI e GGE Bilpot, como ferramenta de auxílio de seleção de novos cultivares. A metodologia AMMI apresentou quais genótipos possuem adaptabilidade específica a cada ambiente, tal como a metodologia GGE Biplot, mas a diferença foi que o GGE Biplot agrupou os locais testados em dois mega-ambientes e também apresentou quais os genótipos foram os melhores e os que estiveram entre os melhores, para cada mega-ambiente, facilitando a identificação gráfica e seleção de genótipos superiores. Outra vantagem da metodologia GGE Biplot foi o destaque do genótipo e do ambiente ideal, que serviram de referência para a seleção de genótipos promissores e para a identificação de ambientes que promoveram maior interação GxE. Os resultados obtidos através do modelo AMMI e GGEBiplot, mostraram que o genótipo mais produtivo, em relação ao TPH, foi o RB006970 e os dois cultivares padrões, RB855156 e RB855453 e que o local São Pedro do Ivaí foi o melhor ambiente para seleção de genótipos superiores. Ambas as metodologias apresentaram elevada porcentagem de explicação das soma dos quadrados, tendo a metodologia AMMI uma pequena vantagem sobre o GGE Biplot.

Abstract: The expansion of sugarcane cultivations is a reality in Brazil. Cane plantations are expanding, occupying new areas in all of the producing states in Brazil. By genetic improvement, gains in productivity and in recuperation of sugar kilograms per sugarcane tonne are achievable. Due to the constant liberation of new cultivars, characterized by wide adaptability and high stability, producers obtained improvements both in agricultural and industrial productivity. Being aware that the genotype (G) by environment (E) interaction is known as one of the hardest challenges for genetic improvement programs, both in the selection phase and in the cultivars recommendation phase, this work aimed to evaluate the adaptability and phenotypic stability of 20 genotypes of sugarcane from RB00 series and two cultivars, RB855156 and RB855453, in five production environments located in the State of Paraná. Furthermore it aimed to stratify these same five locations and study the association of two statistical methods as instruments to support the selection of new cultivars (AMMI and GGEBiplot). AMMI methodology revealed which genotypes have specific adaptability to each environment, same as GGEBiplot, but the difference was that GGE Biplot grouped the tested locations into two mega-environments and also revealed which genotypes were the best and which were among the best, per each mega-environment, facilitating the graphic identification and selection of the superior genotypes. Another advantage of GGE Biplot methodology was to define the ideal genotype and environment, used as references to select promising genotypes and to choose environments that promoted the higher GxE interaction. Results obtained through AMMI and GGEBiplot models showed that the most productive genotypes, in terms of TPH, were the RB006970 and the two standard cultivars, RB855156 and RB855453, and that São Pedro do Ivaí location was the best environment for superior genotypes selection. Both methodologies presented high percentage of sum of the squares explanation, having the AMMI methodology a slight advantage over the GGEBiplot.