Pesquisa Agropecuária Brasileira
URI permanente para esta coleçãohttps://thoth.dti.ufv.br/handle/123456789/9886
Navegar
2 resultados
Resultados da Pesquisa
Item Alocação de fotoassimilados em folhas e frutos de cafeeiro cultivado em duas altitudes(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2007-11) Laviola, Bruno Galvêas; Martinez, Herminia Emilia Prieto; Salomão, Luiz Carlos Chamhum; Cruz, Cosme Damião; Mendonça, Sebastião Marcos; Paula Neto, AnaO objetivo deste trabalho foi avaliar a alocação de fotoassimilados em frutos e folhas de cafeeiro arábico, da antese à maturação, em duas altitudes. O experimento foi constituído da variedade de cafeeiro (Coffea arábica L.) Catuaí IAC-44, cultivada a 720 e 950 m de altitude, no Município de Martins Soares, MG. O delineamento experimental foi inteiramente ao acaso, com três repetições, em um esquema de parcela subdividida no tempo. Na altitude de 720 m o acúmulo de amido, açúcares solúveis totais, açúcares redutores e açúcares não-redutores em frutos de cafeeiro deu-se em menor tempo. O acúmulo de amido na altitude de 720 m antecedeu o acúmulo de amido na altitude de 950 m, e os frutos apresentaram maior porcentagem de acúmulo relativo desse composto no estádio de expansão rápida. Neste estádio, a concentração de carboidratos em folhas dos 3 o e 4 o pares decresceu bruscamente, indicando ser este o período mais crítico para a concentração de carboidratos em folhas. A altitude influencia a alocação de fotoassimilados em frutos e a variação da concentração de carboidratos em folhas de cafeeiro.Item Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2017-03) Silva, Gabi Nunes; Nascimento, Moysés; Sant’Anna, Isabela de Castro; Cruz, Cosme Damião; Caixeta, Eveline Teixeira; Carneiro, Pedro Crescêncio Souza; Rosado, Renato Domiciano Silva; Pestana, Kátia Nogueira; Almeida, Dênia Pires de; Oliveira, Marciane da SilvaThe objective of this work was to evaluate the use of artificial neural networks in comparison with Bayesian generalized linear regression to predict leaf rust resistance in Arabica coffee (Coffea arabica). This study used 245 individuals of a F 2 population derived from the self-fertilization of the F 1 H511-1 hybrid, resulting from a crossing between the susceptible cultivar Catuaí Amarelo IAC 64 (UFV 2148-57) and the resistant parent Híbrido de Timor (UFV 443-03). The 245 individuals were genotyped with 137 markers. Artificial neural networks and Bayesian generalized linear regression analyses were performed. The artificial neural networks were able to identify four important markers belonging to linkage groups that have been recently mapped, while the Bayesian generalized model identified only two markers belonging to these groups. Lower prediction error rates (1.60%) were observed for predicting leaf rust resistance in Arabica coffee when artificial neural networks were used instead of Bayesian generalized linear regression (2.4%). The results showed that artificial neural networks are a promising approach for predicting leaf rust resistance in Arabica coffee.