Mapa auto-organizável de Kohonen para identificação de ideótipo agronômico de grão-de-bico

Autores/as

Palabras clave:

Cicer arietinum L., Datas de semeadura, Produtividade, Neurônios

Resumen

O objetivo deste trabalho foi identificar o ideótipo agronômico de grão-de-bico (Cicer arietinum L.) de alto desempenho produtivo. Foram realizados ensaios de uniformidade com a cultura de grão-de-bico, cultivar BRS Cristalino, em Santa Maria, estado do Rio Grande do Sul. Cada ensaio foi composto por quatro fileiras de plantas com 5 m de comprimento e espaçadas a 0,5 m entre fileiras. Em cada ensaio, foram marcadas, aleatoriamente, 20 plantas nas duas fileiras centrais, totalizando 160 plantas. Nessas plantas foram avaliados os caracteres: altura de planta (AP), número de folhas (NF), número de nós (NN), número de ramificações primárias (NRP), número de ramificações secundárias (NRS), número de vagens sem grãos (NVSG), número de vagens com um grão (NV1G), número de vagens com dois grãos (NV2G), número de vagens (NV), número de grãos (NG) e produtividade de grãos (PROD). Foi utilizado o mapa auto-organizável de Kohonen, para identificar o ideótipo agronômico de grão de-bico. Utilizou-se a estrutura neural de dimensão 3 × 3, obtendo-se nove neurônios. A topologia hexagonal foi utilizada para a configuração, e a organização dos dados foi realizada com 300 iterações. O ideótipo agronômico de grão-de-bico que maximiza a produtividade de grãos é caracterizado por plantas com maiores valores de número de grãos, número de vagens, número de vagens com um grão e número de ramificações primárias e menores valores de número de vagens sem grãos, número de vagens com dois grãos, número de ramificações secundárias, número de nós, número de folhas e altura de planta.

Citas

ABDEREMANE, B.A. et al. Evaluation of the Productive Potential of a World Collection of Chickpeas (Cicer arietinum L.) for the Initiation of Breeding Programs for Adaptation to Conservation Agriculture. Sustainability, v.15, p.11927, 2023. DOI: 10.3390/su151511927.

ALVARES, C. A. et al. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, p. 711-728, 2013. DOI: 10.1127/0941-2948/2013/0507.

AVELAR, R. I. S. et al. Production and quality of chickpea seeds in different sowing and harvest periods. Journal of Seed Science, v. 40, p. 146-155, 2018a. DOI: 10.1590/2317-1545v40n2185719.

AVELAR, R. I. S. et al. Yield of chickpeas sown at different times. Revista Caatinga, v. 31, p. 900- 906, 2018b. DOI: 10.1590/1983 21252018v31n412rc.

CARGNELUTTI FILHO, A. et al. Correlação e regressão linear entre caracteres de grão-de-bico. Caderno Pedagógico, v. 21, e3555, 2024. DOI: 10.54033/cadpedv21n4-013.

CHAUDHARY, V. et al. A novel self-organizing map (SOM) learning algorithm with nearest and farthest neurons. Alexandria Engineering Journal, v. 53, p. 827-831, 2014. DOI: 10.1016/j.aej.2014.09.007.

CLOVIS, L. R. et al. Yield stability analysis of maize hybrids using the self-organizing map of Kohonen. Euphytica, v. 216, n. 161, 2020. DOI: 10.1007/s10681-020-02683-x.

COSTA, W. G. et al. Genetic diversity and interaction between the maintainers of commercial soybean cultivars using self-organizing maps. Crop Science, v. 62, p. 2233-2245, 2022. DOI:10.1002/csc2.20816.

FERREIRA, F. et al. SSR-based genetic analysis of sweet corn inbred lines using artificial neural networks. Crop Breeding and Applied Biotechnology, v. 18, p. 309-313, 2018. DOI: 10.1590/1984- 70332018v18n3n45.

GHAMARI, S. Classification of chickpea seeds using supervised and unsupervised artificial neural networks. African Journal of Agricultural Research, v. 7, p. 3193-3201, 2012. DOI:10.5897/AJAR11.2071.

HAYKIN, S. Redes Neurais: Princípios e Prática. Bookman, Ed. 2, 898p., 2001.

JUKANTI, A. et al. Nutritional quality and health benefits of chickpea (Cicer arietinum L.): A review. British Journal of Nutrition, v. 108, p. 11-26, 2012. DOI: 10.1017/S0007114512000797.

KOHONEN, T. Self-Organizing Maps. Springer-Verlag, Ed. 3, 501p., 2001.

MIRANDA, V. F. L. et al. Rede Neural artificial aplicada na avaliação da População de Fungos Micorrízicos Arbusculares na Rizosfera de Cafeeiros. Sigmae, v. 4, p. 24-30, 2015. Disponível em: https://publicacoes.unifal mg.edu.br/revistas/index.php/sigmae/article/view/240.

MOREIRA, E. G. S. Grão-de-bico cultivado sob condições de manejo em sequeiro e irrigado. 2020. 81p. Dissertação, Programa de Pós-Graduação em Produção Vegetal, Universidade Estadual de Goiás.

NABATI, J. et al. Identification of diverse agronomic traits in chickpea (Cicer arietinum L.) germplasm lines to use in crop improvement. Legume Science, v. 5, e167, 2023. DOI:10.1002/leg3.167.

NASCIMENTO, W. M. et al. Grão-de-bico. In: Nascimento, W. M. [ed.]. Hortaliças leguminosas.

Brasília: Embrapa, p. 89-118, 2016. Disponível em: https://www.embrapa.br/busca-de- publicacoes/-/publicacao/1054423/hortalicas-leguminosas.

PIMENTEL-GOMES, F. Curso de estatística experimental, Piracicaba-FEALQ, Ed. 15, 451p., 2009.

QUEIROGA, V. P. et al. Grão de bico (Cicer arietinum L.) tecnologias de plantio e utilização. AREPB, Ed 1., 199p., 2021.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing. 2024. ISBN 3-900051-07-0, URL http://www.R-project.org/.

RAO, P. P. et al. Chickpea and Pigeon pea Economies in Asia: Facts, Trends, and Outlook. International Crop Reserarch Institute for the Semi-Arid Tropics, Ed 1, 76p., 2010.

SÁ, L. G. et al. Kohonen’s self-organizing maps for the study of genetic dissimilarity among soybean cultivars and genotypes. Pesquisa Agropecuária Brasileria, v. 57, e02722, 2022. DOI: 10.1590/S1678-3921.pab2022.v57.02722.

SANTOS, H. G. et al. Sistema Brasileiro de Classificação de Solos. Brasília: Embrapa, Ed 5, 356p., 2018.

SWAMY, K. R. M. Origin, domestication, taxonomy, botanical description, genetics and cytogenetics, genetic diversity and breeding of chickpea (Cicer arietinum L.). International Journal of Development Research, v. 13, p. 63107-63127, 2023. DOI: 10.37118/ijdr.26892.06.2023.

WEHRENS, R.; KRUISSELBRINK, J. Flexible Self-Organizing Maps in kohonen 3.0. Journal of Statistical Software, v. 87, p. 1-18, 2018. DOI: 10.18637/jss.v087.i07.

YADAV, S. S. et al. Chickpea breeding and management. CABI, 664p., 2007.

Descargas

Publicado

04-11-2024

Cómo citar

Ortiz, V. M., Cargnelutti Filho, A., Vieira Loro, M., Andretta, J. A., Brum dos Reis, M., & Schuller, B. R. (2024). Mapa auto-organizável de Kohonen para identificação de ideótipo agronômico de grão-de-bico. Sigmae, 13(4), 52–61. Recuperado a partir de https://publicacoes.unifal-mg.edu.br/revistas/index.php/sigmae/article/view/2545

Número

Vol. 13 Núm. 4 (2024): Special issue: 68th RBRAS

Sección

Applied Statistics

Licencia

Proposta de Política para Periódicos de Acesso Livre


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.

    1. 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.

  1. 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 (Veja O Efeito do Acesso Livre).