INDICE MULTIVARIADO GGE-BIPLOT PARA SELECIONAR PROGÊNIES DE MILHO PARA EFICIENTE ASSOCIAÇÃO COM Azospirillum brasiliense

Autores

DOI:

https://doi.org/10.1590/1983-21252021v34n401rc

Palavras-chave:

Zea mays L. Bactérias fixadoras de nitrogênio. Melhoramento de milho.

Resumo

O milho é amplamente cultivado no Brasil e nitrogênio é seu principal nutriente para produção. Azospirillum brasiliense auxilia no suprimento desse nutriente às plantas, porém sua simbiose com milho não é muito eficiente. Índices multivariados permitem a seleção usando um único valor e a análise GGE-Biplot permite a visualização da interação Genótipo-Ambiente a partir desse valor. O estudo objetivou selecionar progênies de melhor associação com as bactérias e estudar a eficiência da seleção de progênies utilizando um índice multivariado observado no método GGE-Biplot. Os experimentos foram realizados em duas cidades do estado de Mato Grosso do Sul. Foram avaliados 256 genótipos, em látice simples 16x16, na presença e ausência das bactérias diazotróficas. Altura das plantas, comprimento da espiga, diâmetro do caule, intervalo de florescimento masculino e feminino, massa de cem grãos, nota de sanidade e produtividade foram medidos para construção do índice de seleção. Os genótipos apresentaram interação genótipo-ambiente significativa para todos os caracteres avaliados, permitindo o uso de todos no índice de seleção. O índice subestimou alguns genótipos de alto rendimento, tornando importante usar as médias de produtividade como um parâmetro de seleção. 37 progênies aumentaram seu rendimento quando inoculadas nos dois municipios de avaliação. No entanto, usando o índice de seleção com o gráfico GGE-biplot, apenas 29 deles ainda são selecionados como estáveis e de associação eficiente com a bactéria. Os parâmetros de seleção combinados permitiram a visualização de genótipos com alto e estável rendimento e com associação eficiente à bactéria.

O milho é amplamente cultivado no Brasil e Nitrogênio é seu principal nutriente para produção. Azospirillum brasiliense auxilia no suprimento desse nutriente às plantas, porém sua simbiose com milho não é muito eficiente. Índices multivariados permitem a seleção usando um único valor e a análise GGE-Biplot permite a visualização da interação genótipo x ambientes a partir desse valor. O estudo objetivou selecionar progênies de melhor associação com as bactérias e estudar a eficiência da seleção de progênies utilizando um índice multivariado observado no método GGE-Biplot. Os experimentos foram realizados em duas cidades do estado de Mato Grosso do Sul. Foram avaliados 256 genótipos, em látice simples 16x16, na presença e ausência das bactérias diazotróficas. Avaliou-se as características altura das plantas, comprimento da espiga, diâmetro do caule, intervalo de florescimento masculino e feminino, massa de cem grãos, sanidade e produtividade para construção do índice de seleção. Os genótipos apresentaram interação genótipos-ambientes significativa para todos os caracteres avaliados, permitindo o uso de todos no índice de seleção. Os genótipos apresentaram interação genótipos-ambientes significativa para todos os caracteres avaliados, permitindo o uso de todos no índice de seleção. Genótipos de alto rendimento não foram os mesmos com maior valor no índice. Os caracteres PROD, DC, MCG, NS, CE e AP foram os que mais contribuíram para a construção do índice. O sistema de plantio direto pode ter contribuído para a resposta mais fraca do milho à inoculação com Azospirillum brasiliense. O genótipo 96 apresentou valores mais altos das características usadas para calcular o GISI, representando maior estabilidade entre os ambientes.

Downloads

Não há dados estatísticos.

Referências

ALBRECHT, S. L. et al. Nitrogen fixation by corn-Azospirillum associations in a temperate climate. Crop Science, 21: 301-306, 1981.

ARAUJO, K. C.; VIVAS, M. Multivariate analysis used as a tool to select snap bean (Phaseolus vulgaris L.) genotypes. Australian Journal of Crop Science, 12: 67-73, 2018.

ARAÚJO, L. B. D. et al. Gráficos biplot e joint plot para o estudo da interação tripla. Ciência Rural, 40: 833-839, 2010.

BENDER, S. F.; WAGG, C.; HEIJDEN, M. G. V. D. An underground revolution: biodiversity and soil ecological engineering for agricultural sustainability. Trends in Ecology & Evolution, 31: 440-452, 2016.

BERGAMASCHI, H. et al. Déficit hídrico e produtividade na cultura do milho. Pesquisa Agropecuária Brasileira, 41: 243-249, 2006.

CASSÁN, F.; DIAZ-ZORITA, M. Azospirillum sp. in current agriculture: From the laboratory to the field. Soil Biology and Biochemistry, 103: 117-130, 2016.

CURÁ, J. A. et al. Inoculation with Azospirillum sp. and Herbaspirillum sp. Bacteria Increases the Tolerance of Maize to Drought Stress. Microorganisms, 5: 1-16, 2017.

FANCELLI, A. L.; DOURADO NETO, D. Ecofisiologia e fenologia. In: FANCELLI, A. L.; DOURADO NETO, D. Produção de milho. 2.ed. Guaíba: Agropecuária, 2000. 360 p.

FERREIRA, D.F. Estatística multivariada. 3 ed. Lavras, MG: Editora UFLA, 2018. 624 p.

HAICHAR, F. Z.et al. Plant host habitat and root exudates shape soil bacterial community structure. The ISME journal, 2: 1221-1230, 2008.

HRIDYA, A. C.; BYJU, G.; MISRA, R. S. Effect of biocontrol agents and biofertilizers on root rot, yield, harvest index and nutrient uptake of cassava (Manihot esculanta Crantz). Archives of Agronomy and Soil Science, 59: 1215-1227, 2012.

HUNGRIA, M. et al. Inoculation with selected strains of Azospirillum brasilense and A. lipoferum improves yields of maize and wheat in Brazil. Plant and Soil, 331: 413-425, 2010.

KHAKWANI, K. et al. Maize ideotype breeding for changing environmental conditions. African Journal of Agricultural Research, 13: 512-517, 2018.

LONGHINI, V. Z. et al. Nitrogen fertilization and inoculation with diazotrophic bacteria in corn intercropped with xaraés grass. Revista Brasileira de Ciências Agrárias, 12: 340-347, 2017.

MELO, A. V. et al. Divergência genética entre híbridos de milho em condições de deficiência hídrica. Revista de Agricultura Neotropical, 6: 66-75, 2019.

OKOYE, N. F. et al. Seed Production, Growth and Grain Yield of Self, Half-sib and Bulk-sib Progenies Developed from an Early-maturing Maize (Zea mays L.) Population. Asian Research Journal of Agriculture, 9: 1-12, 2018.

OLIVEIRA, R. L.et al. Selection index in the study of adaptability and stability in maize. The Scientific World Journal, 2014: 1-6, 2014.

OLIVEIRA, T. R. A. D. et al. The GT biplot analysis of green bean traits. Ciência Rural, 48: 1-6, 2018.

QUADROS, P. D. D. et al. Desempenho agronômico a campo de híbridos de milho inoculados com Azospirillum. Revista Ceres, 61: 209-218, 2014.

RAIJ, B. V. Nitrogênio. In: RAIJ, B. V. (Ed.). Fertilidade do solo e adubação. Piracicaba, SP: Editora Agronômica Ceres, 1981. v. 2, cap. 9, p. 119-124

R CORE TEAM. R: A language and environment for statistical computing. 2018.

SAVEMORE, N. N.; MANJERU, P.; NCUBE, B. Pod yield stability and adaptation of groundnut (Arachis hypogaea L.) genotypes evaluated in multienvironmental trials in Zimbabwe. African Journal of Plant Science, 11: 174-184, 2017.

SHAKERI, E. et al. Improvement of yield, yield components and oil quality in sesame (Sesamum indicum L.) by N-fixing bacteria fertilizers and urea. Archives of Agronomy and Soil Science, 62: 547-560, 2016.

SHARMA, R. C. et al. Identifying high yielding stable winter wheat genotypes for irrigated environments in Central and West Asia. Euphytica, 171: 53-64, 2009.

SOUZA, M. S. et al. Azospirillum spp. from native forage grasses in Brazilian Pantanal floodplain: biodiversity and plant growth promotion potential. World Journal of Microbiology and Biotechnology, 33: 1-13, 2017.

SUN, J. et al. Involvement of glnB, glnZ, and glnD genes in the regulation of poly-3-hydroxybutyrate biosynthesis by ammonia in Azospirillum brasilense Sp7. Applied Environmental Microbiology, 68: 985-988, 2002.

URREA-VALENCIA, S. et al. Detection of Azospirillum brasilense by qPCR throughout a maize field trial. Applied Soil Ecology, 160: e.103849, 2021.

USDA - United States Department of Agriculture. World Agricultural Production. Circular series. July-2019. Disponível em: < https://apps.fas.usda.gov/psdonline/circulars/production.pdf >. Acesso em: 12 de jul. 2019.

VIDOTTI, M. S. et al. Maize responsiveness to Azospirillum brasilense: Insights into genetic control, heterosis and genomic prediction. PloS one, 14: e.0217571, 2019.

VIMAL, S. R. et al. Soil-plant-microbe interactions in stressed agriculture management: a review. Pedosphere, 27: 177-192, 2017.

WICKHAM, H. ggplot2: Elegant Graphics for Data Analysis. New York: Springer, 2010. 213 p.

YAN, W.; FRÉGEAU-REID, J. Genotype by Yield* Trait (GYT) Biplot: a novel approach for genotype selection based on multiple traits. Scientific reports, 8: 1-10, 2018.

YAN, W.; HOLLAND, J. B. A heritability-adjusted GGE biplot for test environment evaluation. Euphytica, 171: 355- 369, 2010.

YAN, W. et al. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science, 40: 597-605, 2000.

YAN, W. et al. GGE biplot vs. AMMI analysis of genotype-by-environment data. Crop science, 47: 643-653, 2007.

YAN, W.; TINKER, N. A. Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86: 623-645, 2006.

YAN, W.; RAJCAN, I. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42: 11-20, 2002.

YAN, W. GGEbiplot - A Windows application for graphical analysis of multienvironment trial data and other types of two‐way data. Agronomy journal, 93: 1111-1118, 2001.

YANG, R. C. et al. Biplot analysis of genotype × environment interaction: proceed with caution. Crop Science, 49: 1564-1576, 2009.

Downloads

Publicado

27-09-2021

Edição

Seção

Agronomia