O objetivo desse trabalho foi posicionar cultivares de soja mediante seus desempenhos e selecionar aquelas mais promissoras nas condições de avaliação na região Norte do Estado do Paraná na safra 2017/18.

Autores: Lorena Moreira Lara1; Michel Esper Neto1; Rayssa Fernanda dos Santos1, Fernanda Brunetta Godinho Anghinoni1, João Henrique Rocha Barion2, João Lucas Teixeira Guarnieri2 e Alessandro Lucca Braccini3

Trabalho publicado nos Anais do evento e divulgado com a autorização dos autores.

INTRODUÇÃO

A produção paranaense de soja na safra 2017/18 foi de cerca de 19,2 milhões de toneladas, com redução aproximada de 2,2% quando comparada a safra 2016/17, mesmo com um aumento de 4% da área (CONAB, 2018). Segundo a secretaria da Agricultura e do abastecimento – SEAB, na safra 2014/15 os municípios de Apucarana, Cambé, Floresta e Maringá produziram aproximadamente 300 mil toneladas de grãos de soja, representando cerca de 15% produzido na região norte (SEAB, 2016).

A cultura da soja apresenta grande diversidade de cultivares e a produtividade é o componente de maior interesse para o produtor, mas atrelado a ela, outros caracteres estão associados e contribuem para uma boa performance da lavoura (Carvalho et al., 2002).

O uso do índice de seleção clássico promove uma combinação linear dos caracteres envolvidos afim de estabelecer um novo caráter, desta maneira possibilita o agrupamento das variáveis e a seleção de cultivares (Cruz, Regazzi & Carneiro, 2012).

Diante do exposto o objetivo desse trabalho foi posicionar cultivares de soja mediante seus desempenhos e selecionar aquelas mais promissoras nas condições de avaliação na região Norte do Estado do Paraná na safra 2017/18.

MATERIAL E MÉTODOS

Os experimentos foram conduzidos no ano agrícola 2017/2018, em quatro localidades: Unidade de Difusão de Tecnologia (UDT) da Cooperativa Agroindustrial de Maringá (COCAMAR), no município de Floresta – PR, situada a uma latitude de 23º35’42” sul e longitude de 52º04’02” oeste; Fazenda Experimental de Iguatemi da Universidade Estadual de Maringá (UEM), no município de Maringá – PR, situada a uma latitude de 23º02′ sul e longitude de 52º04′ a oeste; Centro de pesquisa em soja, localizado no município de Cambé – PR, situada a uma latitude de 23º15’02” sul e longitude de 51º14’56” a oeste e Fazenda Cortês, localizada no município de Apucarana – PR, situada a uma latitude de 23º33’47” sul e longitude de 51º22’41” oeste.

Foram utilizadas 12 cultivares comerciais de soja. Cada parcela foi constituída de 6 linhas de 5 metros, espaçadas de 0,45 m. O delineamento foi o de blocos completos com tratamentos casualizados, com quatro repetições e os tratos culturais foram conduzidos segundo as necessidades da cultura da soja para essa região (Embrapa, 2013). As cinco variáveis avaliadas foram: massa de mil grãos (MMG), determinada de acordo com Brasil (2009) e também avaliou-se o peso hectolítrico (PHE).

No estádio de maturação R6 foram coletadas cinco plantas por parcela e obtidos os dados de número de vagens por planta e número de grãos por planta. O rendimento de grãos determinado pelaa produção da parcela extrapolada (kg ha-1).

Todos os dados das variáveis analisadas foram submetidos a análise dos pressupostos básicos da estatística pelos testes Lilliefors (p < 0,05). Em seguida foram submetidos ao teste F da análise de variância (Zimmermann, 2014). Afim de classificar as cultivares quanto ao comportamento das variáveis, os dados foram submetidos a um índice de seleção clássico, utilizando como peso econômico o coeficiente de variação genético correspondente a cada variável, conforme sugestão de Cruz (1990).

RESULTADOS E DISCUSSÃO

A produtividade não apresentou significância para os tratamentos (p<0,05) sendo assim as cultivares não diferem estatisticamente para esse caractere. Já os ambientes foram significativos (p<0,05). Comportamento semelhante foi observado para a variável MMG, onde foi contatado diferença entre os ambientes (p<0,05), mas apenas as cultivares 2, 5, 8 e 11 diferiram ao longo dos ambientes, os demais não.

Ainda para MMG verificou-se significância para os tratamentos (p<0,05), ou seja, deve existir pelo menos um tratamento que difere dos demais. O número de grãos por planta mesmo não havendo diferença significativa para tratamentos e ambientes, ao ser analisada a interação genótipos x ambientes a diferença foi expressa (p < 0,05). As demais variáveis, PHE e número de vagens por planta não foram significativas.

Como já mencionada, a produtividade (Tabela 1) é a variável determinante, mas seu desempenho pode ser alterado com seleções em variáveis que sejam componentes de produção. Segundo Navarro Junior e Costa (2002) o número de vagens e o número de grãos por planta influenciam diretamente nos ajustes da produtividade, além de outras variáveis. Com o objetivo de agrupar as cinco variáveis avaliadas para selecionar as cultivares mais promissoras para as condições avaliadas, utilizou-se o índice de seleção clássico (Cruz, Regazzi & Carneiro, 2012). Esse índice apresenta distribuição de ganhos genéticos esperados de maneira mais equilibrada e através desse índice foi selecionado o primeiro terço das cultivares classificadas.

Tabela 1 – Médias de produtividade das cultivares obtidas nos quatro locais na safra 2017/18.

As cultivares 5, 3, 9 e 4 foram as primeiras na classificação do índice na direção dos acréscimos e a cultivar 2 foi a sétima, ou seja, a melhor colocada das seis últimas cultivares, sendo considerada como o limite inferior da seleção, nenhuma cultivar com desempenho abaixo dela deve ser selecionada.


Confira nossa galeria de cursos TOTALMENTE ONLINE! Agregue conhecimento, faça já!


Os coeficientes de determinação explicaram bem o comportamento das cultivares discutidas devido à seleção pelo índice (5, 3, 9, 4 e 2) frente as variações ambientais, e para a variável produtividade foram respectivamente 93.9, 99.3, 94.6, 98.9 e 99.7%.

CONCLUSÃO

O índice de seleção clássico pode possibilitar a classificação de cultivares mesmo quando não há diferença estatística entre os mesmo para produtividade através da associação desse caractere com alguns de seus componentes e obter respostas eficientes.

REFERÊNCIAS

BRASIL.Regras para análise de sementes. Ministério da Agricultura, Pecuária e Abastecimento, Mapa/ACS, Secretaria de Defesa Agropecuária. Brasília, DF: Mapa/ACS. 395 p, 2009.

CONAB – Companhia Nacional de Abastecimento. Boletim de acompanhamento da safra brasileira de grãos. v. 5, n. 7 (safra 2017/18- sétimo levantamento, abril 2018).

CARVALHO, C. G. P., ARIAS, C. A. A., DE TOLEDO, J. F. F., DE OLIVEIRA, M. F., & VELLO, N. A. Correlações e análise de trilha em linhagens de soja semeadas em diferentes épocas. Pesquisa Agropecuária Brasileira, 37(3), 311-320, 2002.

CRUZ, C.D. Aplicação de algumas técnicas multivariadas no melhoramento de plantas. 1990. 188p. Tese (Doutorado) – Escola Superior de Agricultura Luiz de Queiroz, Piracicaba.

CRUZ, C. D.; REGAZZI, A. J.; CARNEIRO, P. C. S. Modelos biométricos aplicados ao melhoramento genético. Viçosa, MG: UFV, 2012, v. 1, 514 p.

EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Tecnologias de produção de soja – região central do Brasil 2012 e 2013. Londrina: Embrapa, 2013.

NAVARRO JÚNIOR, H. M.; COSTA, J. A. Expressão do potencial de rendimentos de cultivares de soja. Pesquisa Agropecuária Brasileira, Brasília, v. 37, n. 3, p. 275-479, 2002.

SECRETARIA DA AGRICULTURA E DO ABASTECIMENTO – SEAB. Produção Agropecuária: Produção Agrícola Paranaense por Município. Disponível em: <http://www.agricultura.pr.gov.br/modules/conteudo/conteudo.php?conteudo=137>. Acesso em: 30 jul. 2018.

ZIMMERMANN, F. J. P.. Estatística aplicada à pesquisa agrícola (2nd ed.). Brasília, DF. Embrapa, 2014.

Informações dos autores:  

1Pós-graduando do programa de pós-graduação em Agronomia, Universidade Estadual de Maringá (UEM), Maringá/PR.

2Acadêmico do curso de Agronomia Universidade Estadual de Maringá (UEM)

3Professor Doutor do Departamento de Agronomia Universidade Estadual de Maringá (UEM)

Disponível em: Anais do I Congresso Online para aumento da produtividade de soja 2018. Santa Maria, RS.

Nenhum comentário

Deixar um comentário

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