Evaluation of adaptability and stability for iron, zinc and protein content in cowpea genotypes using GGE biplot approach.

Cowpea is a widely cultivated crop in the world. Biofortification strategies aim to reduce mineral and protein deficiencies, especially among the poorest people. The aim of this study was to estimate adaptability and stability of cowpea genotypes for iron, zinc and protein contents, through GGE biplot analysis. Twenty cowpea genotypes were evaluated in the municipalities of Piauí Monsenhor Hipólito, Pio IX and São Miguel do Tapuio, under rainfed conditions. The experimental design was a randomized block design with four replications. The traits evaluated were grain yield, iron, zinc and protein contents in dry grains. Iron (Fe) and zinc (Zn) were determined by flame atomic absorption spectrophotometer, and protein contents by Kjeldahl methods. Adaptability and stability were evaluated by GGE biplot analyses. The means of the experiments were 1,209.1 kg ha-1, 51.1 mg kg-1, 46.8 mg kg-1 and 24.3% for grain yield, Fe, Zn and protein contents, respectively. The joint analysis of variance showed significant difference (p < 0.05) for the effect of interaction genotypes by environments for Fe, Zn and protein contents. The lines G6 and G8 were the most promising for grain yield, mineral and protein content through adaptability and stability by GGE biplot approach.

Análises Biplot: conceitos, interpretações e aplicações / Biplot analysis: concepts, interpretations and uses

A seleção e recomendação de genótipos superiores são dificultadas devido à ocorrência da interação genótipo e ambiente. Nesse contexto, as análises biplot têm sido cada vez mais utilizadas na análise de dados agronômicos, com interações de natureza complexa. Entretanto, as particularidades existentes no gráfico biplot dificultam sua interpretação, podendo induzir o pesquisador a erros. Assim, este artigo de revisão discute a aplicabilidade e a interpretação gráfica dos modelos AMMI (Additive Main effects and Multiplicative Interaction) e GGE biplot (genotype main effects + genotype environment interaction) destas análises no gráfico biplot. Também, visa a desmistificar a necessidade de comparação entre ambas as metodologias. Discute-se quanto à escolha da metodologia mais adequada, levando em consideração a informação requerida e os objetivos do pesquisador.

The genotype environment interaction (GE) influences on the selection and recommendation of cultivars. Biplot analysis has been increasingly used in data analysis of complex traits in agriculture. However, the peculiarities of biplot graphic could induce the researcher to errors on interpretation. Thus, this review argues the applicability and graphic interpretation of models AMMI (Additive Main Effects and Multiplicative Interaction) and GGE biplot (genotype main effects + genotype environment interaction). Moreover, also aims to explain that it is not adequate to compare both statistical methods. It is discussed the best methodology considering the information required and the research objectives.

Análises Biplot: conceitos, interpretações e aplicações

The genotype environment interaction (GE) influences on the selection and recommendation of cultivars. Biplot analysis has been increasingly used in data analysis of complex traits in agriculture. However, the peculiarities of biplot graphic could induce the researcher to errors on interpretation. Thus, this review argues the applicability and graphic interpretation of models AMMI (Additive Main Effects and Multiplicative Interaction) and GGE biplot (genotype main effects + genotype environment interaction). Moreover, also aims to explain that it is not adequate to compare both statistical methods. It is discussed the best methodology considering the information required and the research objectives.

A seleção e recomendação de genótipos superiores são dificultadas devido à ocorrência da interação genótipo e ambiente. Nesse contexto, as análises biplot têm sido cada vez mais utilizadas na análise de dados agronômicos, com interações de natureza complexa. Entretanto, as particularidades existentes no gráfico biplot dificultam sua interpretação, podendo induzir o pesquisador a erros. Assim, este artigo de revisão discute a aplicabilidade e a interpretação gráfica dos modelos AMMI (Additive Main effects and Multiplicative Interaction) e GGE biplot (genotype main effects + genotype environment interaction) destas análises no gráfico biplot. Também, visa a desmistificar a necessidade de comparação entre ambas as metodologias. Discute-se quanto à escolha da metodologia mais adequada, levando em consideração a informação requerida e os objetivos do pesquisador.

Análises Biplot: conceitos, interpretações e aplicações

The genotype environment interaction (GE) influences on the selection and recommendation of cultivars. Biplot analysis has been increasingly used in data analysis of complex traits in agriculture. However, the peculiarities of biplot graphic could induce the researcher to errors on interpretation. Thus, this review argues the applicability and graphic interpretation of models AMMI (Additive Main Effects and Multiplicative Interaction) and GGE biplot (genotype main effects + genotype environment interaction). Moreover, also aims to explain that it is not adequate to compare both statistical methods. It is discussed the best methodology considering the information required and the research objectives.

A seleção e recomendação de genótipos superiores são dificultadas devido à ocorrência da interação genótipo e ambiente. Nesse contexto, as análises biplot têm sido cada vez mais utilizadas na análise de dados agronômicos, com interações de natureza complexa. Entretanto, as particularidades existentes no gráfico biplot dificultam sua interpretação, podendo induzir o pesquisador a erros. Assim, este artigo de revisão discute a aplicabilidade e a interpretação gráfica dos modelos AMMI (Additive Main effects and Multiplicative Interaction) e GGE biplot (genotype main effects + genotype environment interaction) destas análises no gráfico biplot. Também, visa a desmistificar a necessidade de comparação entre ambas as metodologias. Discute-se quanto à escolha da metodologia mais adequada, levando em consideração a informação requerida e os objetivos do pesquisador.

Testes multiambientais na seleção de genótipos de arroz utilizando o modelo de regressão nos sítios ou locais / Multi-environment tests in the selection of rice genotypes using sites regression model

A análise da interação genótipo x ambiente utilizda no melhoramento de plantas tem sofrido mudanças na última década, melhorando a sua eficiência quanto à seleção dos genótipos sob diferentes condições ambientais. O objetivo deste trabalho foi analisar a produtividade e estabilidade de 12 genótipos de arroz em oito ambientes, durante os anos 2005 e 2006, na Colômbia. O delineamento utilizado foi o de blocos ao acaso com quatro repetições. Os parâmetros de estabilidade fenotípica e o agrupamento dos ambientes foram estimados pelo estudo da interação genótipo x ambiente, segundo o método SREG (Regressão nos sítios ou locais) e seu gráfico biplot (GGE). As análises estatísticas indicaram diferenças significativas (com 5 por cento de probabilidade de erro) entre genótipos e entre ambientes e significância (com 5 por cento de probabilidade de erro) da interação genótipo x ambiente, sugerindo uma resposta diferente dos genótipos nos vários ambientes. No método SREG, os dois primeiros componentes principais da interação explicaram 75,29 por cento da interação. Os genótipos 400094, 350361 e a variedade Fedearroz 50 foram considerados os de maior produtividade. Segundo o gráfico biplot GGE, os ambientes La Libertad e Escobal foram os mais favoráveis para o cultivo do arroz.(AU)

The analysis of genotype x environment interaction in plant breeding have been enlarged with new methodologies in the last decade, improving its efficiency on the selection of genotypes under different environmental conditions. The objective of this research was to analyze the yield and stability of twelve genotypes of rice, in eight environments, during the years 2005 and 2006 in Colombia. Completely randomized block designs with four replications were used. The phenotypic stability parameters and grouping of environments were estimated by the genotype-environment interaction study according to SREG (Sites Regression) method and its biplot graphic (GGE). The statistical analysis indicated significant differences (with 5 percent probability error) among genotypes and among environments. Also, it pointed out the significance (with 5 percent probability error) of the genotype-environment interaction, indicating different responses of genotypes confronted with different environments. In SREG method, the two first principal components of interactions explained 75.29 percent of the interaction. The genotypes 400094, 350361 and the variety Fedearroz were found as the highest yields. According to the biplot GGE graphic the environments La Libertad and Escobal were the ones with small variations during the years of study.(AU)

Testes multiambientais na seleção de genótipos de arroz utilizando o modelo de regressão nos sítios ou locais / Multi-environment tests in the selection of rice genotypes using sites regression model

A análise da interação genótipo x ambiente utilizda no melhoramento de plantas tem sofrido mudanças na última década, melhorando a sua eficiência quanto à seleção dos genótipos sob diferentes condições ambientais. O objetivo deste trabalho foi analisar a produtividade e estabilidade de 12 genótipos de arroz em oito ambientes, durante os anos 2005 e 2006, na Colômbia. O delineamento utilizado foi o de blocos ao acaso com quatro repetições. Os parâmetros de estabilidade fenotípica e o agrupamento dos ambientes foram estimados pelo estudo da interação genótipo x ambiente, segundo o método SREG (Regressão nos sítios ou locais) e seu gráfico biplot (GGE). As análises estatísticas indicaram diferenças significativas (com 5 por cento de probabilidade de erro) entre genótipos e entre ambientes e significância (com 5 por cento de probabilidade de erro) da interação genótipo x ambiente, sugerindo uma resposta diferente dos genótipos nos vários ambientes. No método SREG, os dois primeiros componentes principais da interação explicaram 75,29 por cento da interação. Os genótipos 400094, 350361 e a variedade Fedearroz 50 foram considerados os de maior produtividade. Segundo o gráfico biplot GGE, os ambientes La Libertad e Escobal foram os mais favoráveis para o cultivo do arroz.

The analysis of genotype x environment interaction in plant breeding have been enlarged with new methodologies in the last decade, improving its efficiency on the selection of genotypes under different environmental conditions. The objective of this research was to analyze the yield and stability of twelve genotypes of rice, in eight environments, during the years 2005 and 2006 in Colombia. Completely randomized block designs with four replications were used. The phenotypic stability parameters and grouping of environments were estimated by the genotype-environment interaction study according to SREG (Sites Regression) method and its biplot graphic (GGE). The statistical analysis indicated significant differences (with 5 percent probability error) among genotypes and among environments. Also, it pointed out the significance (with 5 percent probability error) of the genotype-environment interaction, indicating different responses of genotypes confronted with different environments. In SREG method, the two first principal components of interactions explained 75.29 percent of the interaction. The genotypes 400094, 350361 and the variety Fedearroz were found as the highest yields. According to the biplot GGE graphic the environments La Libertad and Escobal were the ones with small variations during the years of study.