PREDIÇÃO DA PRODUTIVIDADE DE GRÃOS E ADAPTABILIDADE E ESTABILIDADE EM VARIEDADES CRIOULAS DE FEIJÃO-FAVA (Phaseolus lunatus L.)

Abstract

RESUMO:No presente estudo, objetivou-se comparar os modelos de Regressão Linear Múltipla (RLM) e Redes Neurais Artificiais (RNAs) para predição de produtividade de grãos de variedades crioulas de feijão-fava e avaliar a adaptabilidade e estabilidade para recomendação da variedade com melhor desempenho. Foram conduzidos dois ensaios de avaliação com dez variedades crioulas de feijão-fava, nos municípios de Teresina - PI e São Domingos do Maranhão – MA, nas quais foram mensurados 11 caracteres em ambos os municípios, com exceção da produtividade de grãos no município de São Domingos do Maranhão – MA. O método para predição da produtividade de grãos mais adequado foi a Rede Neural Artificial, do tipo perceptrons de múltiplas camadas, em comparação à Regressão Linear Múltipla, com base nos parâmetros: coeficientes de correlação de Pearson e Spearman, raiz do erro quadrático médio (RMSE), erro médio absoluto (MAE) e coeficiente de determinação (R2). Para interação G x A, realizou-se análise conjunta para os caracteres avaliados em Teresina - PI e São Domingos do Maranhão, que apresentaram correlação significativa com a produtividade de grãos. Os dados de produtividade reais e preditos foram submetidos à análise de adaptabilidade e estabilidade pelo método GGE biplot. Os municípios de Teresina - PI e São Domingos – MA são considerados ambientes discriminantes e representativos para a seleção de genótipos adaptados. As variedades crioulas Mulatinha e Fava branca do MA se destacaram em ambos os locais de avaliação e podem ser recomendadas se esse desempenho for confirmado em avaliações posteriores.

ABSTRACT:In this presente study, objective was to compare the the Multiple Linear Regression (RLM) and Artificial Neural Networks (RNAs) models for grain yield prediction of creole varieties of lima bean and evaluate the adaptability and stability for recommendation for the best performing variety. Two evaluation trials were conducted with ten creole varieties of lima bean in the counties of Teresina - PI and São Domingos do Maranhão – MA, in which 11 characters were measured in both counties, with the exception of grain yield in the county of São Domingos do Maranhão - MA. The method for predicting grain yield most appropriate was the Artificial Neural Network, of the multilayer perceptrons type compared to the Multiple Linear Regression based on the parameters: Pearson and Spearman correlation coefficients root mean square error (RMSE), mean absolute error (MAE) and coefficient of determination (R2). For interaction G x A, a joint analysis was performed for the characters evaluated in Teresina -PI and São Domingos do Maranhão, which showed a significant correlation with grain yield. The real and predicted productivity data were submitted to the adaptability and stability analysis by the method GGE biplot. The counties of Teresina - PI and São Domingos - MA are considered discriminating and representative environments for the selection of adapted genotypes. The Mulatinha and Fava white creole varieties of the MA stood out in both places of evaluation and can be recommended if this performance is confirmed in later evaluations.