Avaliação nutricional de genótipos de Amendoim forrageiro (Arachis pintoi) por técnicas multivariadas
DOI:
https://doi.org/10.33448/rsd-v9i8.6039Palavras-chave:
Análise multivariada; In Vitro; Logístico bicompartimental; Modelos não lineares.Resumo
Com o objetivo avaliar se o período (seco- chuvoso) interfere no valor nutricional e selecionar o melhor modelo que descrever os valores dos gases acumulados em dez genótipos de amendoim forrageiro (Arachis pintoi): 13251, 15121, 15598, 30333, 31135, 31496, 31534, 31828, cv. Itabela e cv. RIO em duas épocas (período seco e período chuvoso). O delineamento experimental utilizado foi o de blocos ao acaso, com dez tratamentos (genótipos) e três repetições. Avaliou-se: a produção de matéria seca kg ha-1; os teores de proteína bruta, fibra em detergente neutro, fibra em detergente ácido, proteína insolúvel em detergente ácido e produção acumuladas de gases ajustadas aos modelos: Gompertz, Logístico, Brody, Von Bertalanffy e o Logístico Bicompartimental. A qualidade de ajuste dos modelos foi medida por meio do quadrado médio do resíduo , critério de informação de Akaike , critério de informação Bayesiano e coeficiente de determinação ajustado . A análise multivariada utilizada foi a análise de agrupamentos com coeficiente de correlação cofenética e o índice de Rand para verificar a qualidade do ajuste e a quantidade de grupos. No período de maior precipitação pluviométrica os genótipos 15121, 15598, 30333 e 31496 foram considerados os de melhor produtividade e de valor nutricional. Já no período de menor precipitação, os genótipos 31828 e Itabela se destacaram como os melhores genótipos. O melhor modelo ajustado para ambos os genótipos foi o modelo Logístico Bicomportamental, por apresentar menor AIC e BIC.
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 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
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.