GUIMARÃES, Bruno Vinícius Castro. Predição de colheita e estimativas do tamanho e formato de parcelas experimentais para palma forrageira ‘Gigante’. 2020. 216p. Tese (Doutorado) – Universidade Estadual de Montes Claros, Janaúba. Orientador: Ignacio Aspiazú. Coorientador: Sérgio Luiz Rodrigues Donato – IFBaiano – Campus Guanambi.

Dentre as forrageiras, a palma ‘Gigante’, Opuntia ficus-indica Mill, destaca-se, sobretudo no
ecossistema semiárido, pela alta resiliência às condições adversas associada à máxima produção de biomassa vegetal. Por essa singular importância no campo da agropecuária, diversos estudos têm sido desenvolvidos em busca do maior entendimento e pressuposições agronômicas sobre essa variedade. Entre eles, destacam-se a predição de colheita e a definição do tamanho da parcela experimental, para propiciar extrapolação segura de resultados. Dessa forma, objetivou-se com este trabalho construir modelos para predição da colheita e estimar o tamanho e o formato de parcelas para avaliação fenotípica da palma forrageira ‘Gigante’. O experimento de campo foi desenvolvido na condição de sequeiro na área experimental do Instituto Federal Baiano, a partir de um ensaio em branco ou com ausência de tratamentos, em que, nas etapas de preparo do solo, adotou-se um padrão de uniformidade em toda a área experimental. Simultaneamente, procederam-se com a seleção dos cladódios e o devido preparo destes para o plantio, com tempo de cura de 15 dias à sombra. A adubação orgânica foi realizada em três aplicações, sendo 60 Mg ha-¹ ano-¹ de esterco de ovino no primeiro ano, parcelados em 30 Mg ha-¹ no sulco na ocasião do plantio e 30 Mg ha-¹ em cobertura após o enraizamento das plantas, posteriormente, no segundo ano de plantio, correspondente aos 360 DAP, realizou-se uma nova aplicação com 60 Mg ha-¹ a lanço nas entrelinhas, repetindo a mesma dosagem de 60 Mg ha-¹ aos 720 DAP. Práticas agronômicas complementares foram realizadas com base nas recomendações para a cultura forrageira. Com isso, as plantas, denominadas como unidades básicas UB, foram submetidas aos mesmos tratos culturais e à mesma sistematização de plantio com 2,0 x 0,2 m, em um arranjo de 10 fileiras com 50 plantas cada, sendo consideradas como parcela útil o gride i x j com i = 48 linhas e j = 8 colunas, correspondentes a 384 UBs numa área total com 153,60 m². Aos 930 DAP, avaliaram-se os descritores morfológicos, altura da planta; comprimento, largura, espessura, área e número dos cladódios; massa dos cladódios e área total do cladódio no terceiro ciclo de produção. Para cada característica vegetativa estudada, objeto da avaliação das 384 UB, foram combinados diversos tamanhos de parcelas que permitissem o preenchimento de toda a área experimental. Desse modo, foram contemplados 15 diferentes tamanhos de parcelas pré-estabelecidos com formatos retangulares e em fileiras. A predição da colheita foi realizada por Redes Neurais Artificiais – RNA e pelos modelos de interface da análise de regressão simples, múltipla, quadrática e interação. O tamanho das parcelas foi estimado pelos métodos da máxima curvatura modificada, tamanho conveniente de parcela, linear e quadrático com resposta a platô, comparação de variâncias e a informação relativa. Para predição da colheita, foram ajustadas redes neurais artificiais com coeficiente de determinação de 0,87 para a amostra de validação, assegurando o potencial de generalização do modelo. Os caracteres morfológicos de maior contribuição relativa foram a área total do cladódio, altura da planta, espessura do cladódio e comprimento do cladódio, porém, todos são importantes na predição da produtividade. Por meio da regressão linear múltipla, interação quadrática com todas as variáveis ou somente a característica área total do cladódio para a regressão linear simples, foi possível estimar a produtividade da palma forrageira no semiárido nordestino como aporte nutricional e hídrico para fomentar o planejamento rural. No tocante à determinação dos tamanhos de parcelas, o modelo da máxima curvatura modificado estimou tamanhos de parcela entre três e nove plantas no sentido da fileira de cultivo para as características em estudo. Estimativas de diferentes tamanhos de parcelas foram construídas pela metodologia matricial proposta por Hatheway, em que o pesquisador pode fazer uso de uma série de combinação entre os parâmetros, número de tratamento, número de repetições, diferença a ser detectável e o coeficiente de variação da característica para selecionar o tamanho conveniente da parcela. Os estimadores de regressão linear e quadrático com resposta platô determinaram parcelas com 10 e 17 unidades básicas, respectivamente. Pelo método da comparação de variância, considerou-se como tamanho ótimo parcelas com 12 UB (4,8 m²), pois o emprego de tamanhos superiores não diminui significativamente a variância. O tamanho e o formato de parcela mais adequados foram determinados pela maior informação relativa associada ao menor coeficiente de variação. Estudos com a palma forrageira ‘Gigante’ têm sido desenvolvidos com tamanhos de parcelas diversificados com 15, 32 e 36 unidades básicas. Contudo, em consonância com os resultados obtidos nesse trabalho, a área experimental pode ser otimizada com redução significativa no tamanho e formato da parcela. O tamanho da parcela experimental com oito unidades básicas no formato com oito colunas e uma planta por coluna assegura eficiência na avaliação experimental, pois essa combinação entre tamanho e formato, além de atender todas as características normalmente avaliadas em estudos com a palma forrageira, tem-se o máximo controle da heterogeneidade do solo, com a diminuição do erro experimental e ganhos significativos sobre a precisão. Adicionalmente, a partir dos caracteres morfológicos, é possível predizer a produção de palma forrageira com alta precisão por meio das RNAs e dos modelos de regressão.

Palavras-chave: Opuntia ficus-indica, modelos, métodos, ensaio, caracteres morfológicos, precisão experimental.

Ver tese

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.