Evaluación nutricional de los genotipos del maní forrajero (Arachis pintoi) mediante técnicas multivariantes
DOI:
https://doi.org/10.33448/rsd-v9i8.6039Palabras clave:
Análisis multivariado; In Vitro; Logística bicompartimental; Modelos no lineales.Resumen
Para evaluar si el período (estación de lluvias) interfiere en el valor nutritivo y seleccionar el mejor modelo que describa los valores de gas acumulados en diez genotipos de maní forrajero (Arachis pintoi): 13251, 15121, 15598, 30333, 31135, 31496, 31534, 31828, cv. Itabela y cv. RIO en dos estaciones (estación seca y estación de lluvias). El diseño experimental utilizado fue el de bloques aleatorios, con diez tratamientos (genotipos) y tres repeticiones. Se evaluó: la producción de materia seca kg ha-1; el contenido de proteína bruta, fibra en detergente neutro, fibra en detergente ácido, proteína insoluble en detergente ácido y la producción acumulada de gases ajustada a los modelos: Gompertz, Logístico, Brody, Von Bertalanffy y Logístico Bicompartimental. La calidad de ajuste de los modelos se midió mediante el cuadrado medio del residuo (QMR), el criterio de información Akaike (AIC), el criterio de información Bayesiana (BIC) y el coeficiente de determinación ajustado . El análisis multivariado utilizado fue el análisis de agrupaciones con coeficiente de correlación cofinética y el índice Rand para comprobar la calidad del ajuste y la cantidad de grupos. En el período de mayores precipitaciones se consideraron los genotipos 15121, 15598, 30333 y 31496 como los de mayor productividad y valor nutritivo. En el período de menor precipitación, los genotipos 31828 e Itabela se destacaron como los mejores genotipos. El modelo mejor ajustado para ambos genotipos fue el modelo Logístico Bicomportamental, para presentar AIC y BIC inferiores.
Citas
Akaike, H. (1974). A new look at the statistical model identication. IEEE Transactions on Automatic Control, 19 (16), 716-723.
Albuquerque, L. G. (2003). Modelos de dimensão infinita aplicados a características de crescimento de bovinos da raça Nelore.
Alves, B. M., Cargnelutti Filho, A., Burin, C., Toebe, M., & da Silva, L. P. D. (2015). Divergência genética de milho transgênico em relação à produtividade de grãos e à qualidade nutricional. Ciência Rural, 45(5), 884-891.
Bates, D. M., & Watts, D. G. (1988). Nonlinear regression analysis and its applications. series in probability e mathematical statistics. New York, NY: Wiley.
Bourscheidt, M. L. B., Pedreira, B. C., Pereira, D. H., Zanette, M. C., & Devens, J. (2019). Estratégias de fornecimento de nitrogênio em pastagens: fertilizante mineral, inoculante bacteriano e consórcio com amendoim forrageiro. Scientific Eletronic Archives, 12 (3), 137-147.
Draper, N. R., & Smith, H. (1998). Apllied regression analysis. New York, NY: J. Wiley.
Santos C, Í., Azevêdo, J. A. G., dos Santos Pina, D., Pereira, L. G. R., Fernandes, H. J., de Almeida, F. M., Souza, L. L, de Lima, F. H., & Cirne, L. G. A. (2019).
Ferreira, A. L., Maurício, R. M., Pereira, L. G. R., Azevêdo, J. A. G., Oliveira, L. S., & Pereira, J. M. (2012) a. Nutritional divergence in genotypes of forage peanut. Revista Brasileira de Zootecnia, 41(4), 856-863. Doi: http://dx.doi.org/10.1590/S1516-35982012000400005.
Ferreira, A. L., Maurício, R. M., Fernandes, F. D., Carvalho, M. A., Ramos, A. K. B., & Junior, R. G. (2012) b. Ranking contrasting genotypes of forage peanut based on nutritive value and fermentation kinetics. Animal feed science and technology, 175(1-2), 16-23.
Doi: https://doi.org/10.1016/j.anifeedsci.2012.03.024
Gregory, W. C., Krapovickas, A., & Gregory, M. P. (1980). Structure, variation, evolution and classification in Arachis. England: Royal Botanical Garden. 468 - 481.
Hubert, L.J., & Arabie P. (1985). Comparing partitions, Journal of Classification, 2(1), 193–218. Doi: https://doi.org/10.1007/BF01908075.
Maurício, R. M., Pereira, L. G., Gonçalves, L. C., Rodriguez, N. M., Borges, A., Borges, I., ... & Jayme, C. G. (2001). Obtenção da equação quadrática entre volume e pressão para a implantação da técnica in vitro semi-automática de produção de gás para avaliação de forrageiras tropicais. Anais da Reunião Anual da Sociedade Brasileira de Zootecnia, Piracicaba, SP, 38, 1340-1341.
Mauricio, R. M., Mould, F. L., Dhanoa, M. S., Owen, E., Channa, K. S., & Theodorou, M. K. (1999). A semi-automated in vitro gas production technique for ruminant feedstuff evaluation. Animal Feed Science and Technology, 79 (4), 321-330. Doi: https://doi.org/10.1016/S0377-8401(99)00033-4.
Mendes, P. N. (2007). Curvas de crescimento difásicas de fêmeas hereford com erros auto regressivos e heterogeneidade de variâncias. Dissertação de mestrado em Agronomia, Universidade Federal de Lavras, Lavras, MG, Brasil.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa
cientifica. Editora UAB/NTE/UFSM, Santa Maria/RS. Disponível em:
Purcino, H. M., Viana, M. C. M., freire, F. M., Macedo, G. A., Marriel, I. E., & Mendes, I. C. (2004). Avaliação da cobertura do solo com arachis pintoi como fonte de nitrogênio para produção de milho.
Rand, W. M. (1971). Objective criteria for the evaluation of clustering methods. Journal of the American Statistical association, 66(336), 846-850.
Schwarz, G. (1978). Estimating the dimension of a model. The annals of statistics, 6(2), 461-464.
Silva, D. J., & Queiroz, A. C. (2002). Análise de alimentos (métodos químicos e biológicos). Viçosa, MG: Universidade Federal de Viçosa.
Silva, K. C. L., da Silva, K. P., de Carvalho, E. V., Rotilli, E. A., Afférri, F. S., & Peluzio, J. M. (2015). Divergência genética de genótipos de milho com e sem adubação nitrogenada em cobertura. Revista Agro@ mbiente On-line, 9(2), 102-110. Doi: https://doi.org/10.18227/1982-8470ragro.v9i2.2142
Terra, A. B. C., Florentino, L. A., & de Rezende, A. V. (2019). Leguminosas forrageiras na recuperação de pastagens no Brasil. Revista de Ciências Agrárias, 42(2), 305-313. Doi: https://doi.org/10.19084/rca.16016.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Antônio Guedes Correa Gondim Filho, Guilherme Rocha Moreira, Frank Gomes-Silva, Moacyr Cunha Filho, Diego Alves Gomes, Alexandre Lima Ferreira, Maria Lindomárcia Leonardo da Costa, Denise Stéphanie de Almeida Ferreira, Nélio Cunha Gonçalves, Silas Primola Gomes, Patrícia Guimarães Pimentel, André Luiz Pinto dos Santos, Lucas Silva Amaral
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.