| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
27/10/2004 |
|
Data da última atualização: |
03/09/2018 |
|
Autoria: |
GRAVINA, G. de A.; MARTINS FILHO, S.; SEDIYAMA, C. S.; CRUZ, C. D. |
|
Afiliação: |
Geraldo de Amaral Gravina, Universidade Federal de Viçosa - UFV/Departamento de Fitotecnia; Sebastião Martins Filho, Universidade Federal do Espírito Santo - UFES/Departamento de Engenharia Rural; Carlos Sigueyuki Sediyama, Universidade Federal de Viçosa - UFV/Departamento de Fitotecnia; Cosme Damião Cruz, Universidade Federal de Viçosa - UFV/Departamento de Biologia. |
|
Título: |
Parâmetros genéticos da resistência da soja a Cercospora sojina. |
|
Ano de publicação: |
2004 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 39, n. 7, p. 653-659, jul. 2004 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: Genetic parameters of soybean resistance to Cercospora sojina. |
|
Conteúdo: |
A herança da resistência da soja a Cercospora sojina Hara foi avaliada por meio de parâmetros genéticos, estimados pela análise de médias e de variâncias de um índice multivariado. Foram utilizados os cruzamentos de duas cultivares resistentes, Paraná (P) e Uberaba (U), com uma suscetível, Bossier (B). Foram avaliados cinco caracteres associados à doença, nos genitores e nas gerações F1, F2, RCR e RCS de cada cruzamento: nota do grau de infecção avaliado visualmente; diâmetro médio da lesão; porcentagem de área foliar lesionada; número de lesões por centímetro quadrado; e índice de doença. Foi aplicado aos dados das análises de gerações um índice multivariado anteriormente estabelecido. O efeito genético aditivo foi o mais importante na determinação dos caracteres relacionados com a resistência da soja a C. sojina. Nos dois cruzamentos, PxB e UxB, pelo menos um dos tipos de epistasia (aa, ad e dd) foi significativo, sendo mais adequada a avaliação da resistência da soja a C. sojina, pelo modelo aditivo-dominante-epistático. |
|
Palavras-Chave: |
canonical variables; índice multivariado; joint scaling test; multivariate index; teste de escala conjunta; variáveis canônicas. |
|
Thesagro: |
Glycine Max. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/108350/1/Parametros.pdf
|
|
Marc: |
LEADER 01898naa a2200253 a 4500
001 1112185
005 2018-09-03
008 2004 bl uuuu u00u1 u #d
100 1 $aGRAVINA, G. de A.
245 $aParâmetros genéticos da resistência da soja a Cercospora sojina.
260 $c2004
500 $aTítulo em inglês: Genetic parameters of soybean resistance to Cercospora sojina.
520 $aA herança da resistência da soja a Cercospora sojina Hara foi avaliada por meio de parâmetros genéticos, estimados pela análise de médias e de variâncias de um índice multivariado. Foram utilizados os cruzamentos de duas cultivares resistentes, Paraná (P) e Uberaba (U), com uma suscetível, Bossier (B). Foram avaliados cinco caracteres associados à doença, nos genitores e nas gerações F1, F2, RCR e RCS de cada cruzamento: nota do grau de infecção avaliado visualmente; diâmetro médio da lesão; porcentagem de área foliar lesionada; número de lesões por centímetro quadrado; e índice de doença. Foi aplicado aos dados das análises de gerações um índice multivariado anteriormente estabelecido. O efeito genético aditivo foi o mais importante na determinação dos caracteres relacionados com a resistência da soja a C. sojina. Nos dois cruzamentos, PxB e UxB, pelo menos um dos tipos de epistasia (aa, ad e dd) foi significativo, sendo mais adequada a avaliação da resistência da soja a C. sojina, pelo modelo aditivo-dominante-epistático.
650 $aGlycine Max
653 $acanonical variables
653 $aíndice multivariado
653 $ajoint scaling test
653 $amultivariate index
653 $ateste de escala conjunta
653 $avariáveis canônicas
700 1 $aMARTINS FILHO, S.
700 1 $aSEDIYAMA, C. S.
700 1 $aCRUZ, C. D.
773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 39, n. 7, p. 653-659, jul. 2004
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Solos. Para informações adicionais entre em contato com cnps.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
01/03/2007 |
|
Data da última atualização: |
04/03/2020 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
MENDONÇA-SANTOS, M. de L.; MCBRATNEY, A. B.; MINASNY, B. |
|
Afiliação: |
MARIA DE LOURDES M SANTOS BREFIN, CNPS. |
|
Título: |
Soil prediction with spatially decomposed environmental factors. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
In: LAGACHERIE, P.; MCBRATNEY, A. B.; VOLTZ, M. (Ed.). Digital soil mapping: an introductory perspective. Amsterdam: Elsevier, 2007. cap. 21, 269-278. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Prediction of soil attributes and soil classes in digital soil mapping relies on finding relationships between soil and the predictor variables of soil-forming factors and processes. The predictor variables can be remotely or proximally sensed images of soil, landscape, parent material or climatic factors. Till date, most prediction methods are based on performing regression on the predictor variables directly to predict soil attributes or classes. There are problems using data layers from different sources, particularly, multicollinearity, and the fact that the relationships between soil and environmental variables can change with spatial scale. To overcome the problem of correlation between variables, principal component analysis can be performed on the predictor variables. With respect to the spatial dependency, each of these variables can be decomposed into separate spatial components and mapped separately. One of the methods of achieving this is wavelet analysis, which decomposes the variables into separate hierarchical spatial components of decreasing spatial resolution. These components could all be derived and subsequently used as separate layers in predicting soil classes or soil attributes. In this chapter, data are decomposed using the wavelet method and examples of predictions of soil classes and surface-clay content are shown, in order to evaluate the effect of using the decomposed layers in comparison with the original data. |
|
Palavras-Chave: |
Atributos do solo. |
|
Thesagro: |
Sensoriamento Remoto. |
|
Thesaurus NAL: |
Remote sensing. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
Marc: |
LEADER 02099naa a2200181 a 4500
001 1338904
005 2020-03-04
008 2007 bl uuuu u00u1 u #d
100 1 $aMENDONÇA-SANTOS, M. de L.
245 $aSoil prediction with spatially decomposed environmental factors.$h[electronic resource]
260 $c2007
520 $aPrediction of soil attributes and soil classes in digital soil mapping relies on finding relationships between soil and the predictor variables of soil-forming factors and processes. The predictor variables can be remotely or proximally sensed images of soil, landscape, parent material or climatic factors. Till date, most prediction methods are based on performing regression on the predictor variables directly to predict soil attributes or classes. There are problems using data layers from different sources, particularly, multicollinearity, and the fact that the relationships between soil and environmental variables can change with spatial scale. To overcome the problem of correlation between variables, principal component analysis can be performed on the predictor variables. With respect to the spatial dependency, each of these variables can be decomposed into separate spatial components and mapped separately. One of the methods of achieving this is wavelet analysis, which decomposes the variables into separate hierarchical spatial components of decreasing spatial resolution. These components could all be derived and subsequently used as separate layers in predicting soil classes or soil attributes. In this chapter, data are decomposed using the wavelet method and examples of predictions of soil classes and surface-clay content are shown, in order to evaluate the effect of using the decomposed layers in comparison with the original data.
650 $aRemote sensing
650 $aSensoriamento Remoto
653 $aAtributos do solo
700 1 $aMCBRATNEY, A. B.
700 1 $aMINASNY, B.
773 $tIn: LAGACHERIE, P.; MCBRATNEY, A. B.; VOLTZ, M. (Ed.). Digital soil mapping: an introductory perspective. Amsterdam: Elsevier, 2007. cap. 21, 269-278.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
