Bruno VinÃcius Castro Guimarães - Produção Vegetal no Semiárido
Bruno VinÃcius Castro Guimarães - Produção Vegetal no Semiárido
Bruno VinÃcius Castro Guimarães - Produção Vegetal no Semiárido
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
UNIVERSIDADE ESTADUAL DE MONTES CLAROS<br />
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA<br />
PARA PREDIÇÃO DE COLHEITA EM<br />
BANANEIRAS TIPO PRATA<br />
BRUNO VINÍCIUS CASTRO GUIMARÃES<br />
2011
BRUNO VINÍCIUS CASTRO GUIMARÃES<br />
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA<br />
PARA PREDIÇÃO DE COLHEITA EM<br />
BANANEIRAS TIPO PRATA<br />
Dissertação apresentada à Universidade<br />
Estadual de Montes Claros, como parte das<br />
exigências do Programa de Pós-Graduação<br />
em Produção <strong>Vegetal</strong> <strong>no</strong> Semiárido, área de<br />
concentração em Produção <strong>Vegetal</strong>, para<br />
obtenção do título de “Magister Scientiae”<br />
Orientador<br />
Prof. D.Sc. Victor Martins Maia<br />
JANAÚBA,<br />
MINAS GERAIS-BRASIL<br />
2011
Guimarães, <strong>Bru<strong>no</strong></strong> Vinícius <strong>Castro</strong>.<br />
G963r<br />
Regressão linear simples e múltipla para predição de<br />
colheita em bananeiras tipo Prata. [manuscrito] / <strong>Bru<strong>no</strong></strong><br />
Vinícius <strong>Castro</strong> Guimarães. – 2011.<br />
98 p.<br />
Dissertação (mestrado)-Programa de Pós-Graduação<br />
em Produção <strong>Vegetal</strong> <strong>no</strong> Semiárido, Universidade<br />
Estadual de Montes Claros-Janaúba, 2011.<br />
Orientador: Profº. D.Sc. Victor Martins Maia.<br />
1. Colheita. 2. Modelo de regressão. 3. Musa spp. I. Maia, Victor<br />
Martins. II. Universidade Estadual de Montes Claros. III. Título.<br />
CDD. 634.772<br />
Catalogação: Biblioteca Setorial Campus de Janaúba
BRUNO VINÍCIUS CASTRO GUIMARÃES<br />
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA PARA PREDIÇÃO DE<br />
COLHEITA EM BANANEIRAS TIPO PRATA<br />
Dissertação apresentada à Universidade<br />
Estadual de Montes Claros, como parte das<br />
exigências do Programa de Pós-Graduação em<br />
Produção <strong>Vegetal</strong> <strong>no</strong> Semiárido, área de<br />
concentração em Produção <strong>Vegetal</strong> para<br />
obtenção do título de “Magister Scientiae”.<br />
APROVADA em 21 de <strong>no</strong>vembro de 2011.<br />
Prof. Dr. Victor Martins Maia<br />
UNIMONTES (Orientador)<br />
Prof. Dr. Sérgio L. R. Donato<br />
IF Baia<strong>no</strong> (Coorientador)<br />
Prof. Dr. Ignacio Aspiazú<br />
UNIMONTES<br />
Dra. Maria G. V. Rodrigues<br />
EPAMIG / URENM<br />
JANAÚBA<br />
MINAS GERAIS - BRASIL<br />
2011
DEDICATÓRIA<br />
A toda minha família, irmãos, Maycon Murilo e Gabryella, ao meu pai,<br />
Marconde Teixeira Guimarães, e a minha super mãe, Luzia do Socorro <strong>Castro</strong><br />
Guimarães, guerreira incansável.<br />
Especialmente à minha esposa, Ana Maria Alves Abreu, por ter suportado a<br />
distância e as dificuldades associadas a minha ausência e, principalmente, pelo<br />
amor, carinho e dedicação a <strong>no</strong>ssa família.<br />
Aos meus queridos filhos que estão por vir.<br />
DEDICO
AGRADECIMENTOS<br />
A Deus, em primeiro lugar, pelo Dom da vida e pela oportunidade de fazer feliz<br />
aqueles que amo.<br />
À Universidade Estadual do Sudoeste da Bahia - UESB, Campus Vitória da<br />
Conquista, onde iniciei minha formação continuada como alu<strong>no</strong> especial do<br />
Mestrado.<br />
À Universidade Estadual de Montes Claros - UNIMONTES, Campus Janaúba,<br />
por oferecer um curso de qualidade e corpo docente competente e dedicado.<br />
Ao Instituto Nacional de Pesquisa da Amazônia - INPA, Campus Manaus, pela<br />
autorização e possibilidade de realizar duas disciplinas obrigatórias: Estatística<br />
Experimental e Seminário de Área II, respectivamente sob responsabilidade das<br />
professoras, Suely Souza e Eliana Feldeberg, figuras ilustres e capazes.<br />
Ao Instituto Federal de Educação, Ciência e Tec<strong>no</strong>logia Baia<strong>no</strong>, Campus<br />
Guanambi, nas representações sequenciais dos professores Ariomar Rodrigues e<br />
Carlos Elízio Cotrim, pela oportunidade do Ensi<strong>no</strong> - Professor colaborador e<br />
Pesquisa na área experimental dessa unidade.<br />
Ao Instituto Federal de Educação, Ciência e Tec<strong>no</strong>logia do Amazonas, Campus<br />
São Gabriel da Cachoeira, na pessoa das professoras Francinete e Josiani, pelo<br />
apoio, confiança e votos oferecidos na conclusão deste curso.<br />
À EMBRAPA Mandioca e Fruticultura Tropical, especialmente ao Dr. Eugênio<br />
Ferreira Coelho e Dr. Maurício Antônio Coelho, pela importante contribuição e<br />
suporte na unidade experimental.
À Epamig/URENM (Empresa de Pesquisa Agropecuária de Minas<br />
Gerais/Unidade Regional Epamig, Norte de Minas Gerais), na pessoa da Dra.<br />
Maria Geralda Rodrigues, pela importante participação neste trabalho.<br />
Ao Dr. Victor Martins Maia, pela orientação e confiança em <strong>no</strong>sso desempenho.<br />
Ao Dr. Sérgio Luiz Rodrigues Donato, grande responsável e exemplo de<br />
competência, por quem tenho grande admiração e respeito, coorientador<br />
imprescindível <strong>no</strong> sucesso desta obra.<br />
À minha esposa, Ana Maria, pela força, coragem, carinho, apoio, compreensão e<br />
amor incondicional.<br />
Aos meus familiares; avós, Marieta e Lita; tias, Marliete e Marli, pelo amor e<br />
estímulo proporcionados nesta vitória.<br />
Aos colegas e professores, fontes inspiradoras, em especial a Sérgio Donato,<br />
Rosa Ho<strong>no</strong>rato, Carlos Cotrim, João Abel, Socorro Mercês, Sandro Correia,<br />
Anselmo Eloi, Hugo Andrade, Ignacio Aspiazú, Paulo Emílio, Paulo Santos,<br />
Verbenes Azevedo, Alexandro Arantes e Abel Rebouças, pelo exemplo e modelo<br />
de sucesso <strong>no</strong> meio acadêmico.<br />
Ao colega Pedro Ricardo Rocha Marques, pela colaboração.<br />
Aos amigos e funcionários do IFET: José Roberto, Luis Rogério, Davi Araújo,<br />
Izabel Silva, Normélia Mercês, Gildázio O<strong>no</strong>fre, Salza, Marlon e Letícia, pela<br />
amizade e apoio sem medidas nesta conquista.<br />
Muito Obrigado.
SUMÁRIO<br />
LISTA DE TABELAS............................................................................................i<br />
LISTA DE FIGURAS..........................................................................................iii<br />
RESUMO..............................................................................................................iv<br />
ABSTRACT..........................................................................................................vi<br />
1 – INTRODUÇÃO...............................................................................................1<br />
2 – REFERENCIAL TEÓRICO..........................................................................5<br />
2.1 A cultura da bananeira <strong>no</strong> Brasil.......................................................................5<br />
2.2 ‘Prata-Anã’........................................................................................................5<br />
2.3 Híbrido BRS Platina..........................................................................................6<br />
2.4 Comportamento fitotécnico da ‘Prata-Anã’ e da ‘BRS Platina’.......................8<br />
2.5 Análises Estatísticas..........................................................................................9<br />
2.5.1 Correlação......................................................................................................9<br />
2.5.2 Regressão linear...........................................................................................12<br />
2.5.2.1 Regressão linear simples...........................................................................13<br />
2.5.2.2 Regressão linear múltipla..........................................................................14<br />
2.5.2.3 Coeficiente de determinação.....................................................................16<br />
2.5.3 Modelos de predição....................................................................................16<br />
3 – MATERIAL E MÉTODOS..........................................................................20<br />
3.1 Condições experimentais.................................................................................20<br />
3.2 Amostragem de plantas...................................................................................20<br />
3.3 Avaliações.......................................................................................................21<br />
3.3.1 Características vegetativas avaliadas............................................................21<br />
3.3.2 Características de rendimento do cacho.......................................................22<br />
3.3.3 Características de rendimento da penca.......................................................23<br />
3.4 Procedimentos estatísticos...............................................................................23
3.4.1 Estatísticas descritivas: médias e desvios-padrão........................................23<br />
3.4.2 Análise de correlação...................................................................................24<br />
3.4.3 Análise de regressão.....................................................................................24<br />
3.4.3.1 Regressão linear múltipla.........................................................................25<br />
3.4.3.2 Regressão linear simples...........................................................................26<br />
4 – RESULTADOS E DISCUSSÃO..................................................................28<br />
4.1 Características médias dos genótipos de bananeira tipo Prata, ‘Prata-Anã’ e<br />
‘BRS Platina’.........................................................................................................30<br />
4.2 Correlações fe<strong>no</strong>típicas entre massas do cacho e das pencas e características<br />
vegetativas.............................................................................................................34<br />
4.3 Correlações fe<strong>no</strong>típicas entre massas do cacho e das pencas e características<br />
de rendimento........................................................................................................37<br />
4.4 Predição de colheita utilizando modelos de regressão linear simples e múltipla<br />
em bananeiras tipo Prata........................................................................................46<br />
4.4.1 Estimativas de equações de predição para colheita em função das variáveis<br />
vegetativas.............................................................................................................46<br />
4.4.2 Estimativas de equações de predição para colheita em função das variáveis<br />
de rendimento........................................................................................................53<br />
5 – CONCLUSÕES.............................................................................................68<br />
REFERÊNCIAS BIBLIOGRÁFICAS..............................................................69
LISTA DE TABELAS<br />
TABELA 1. Médias e desvios-padrão das características vegetativas de<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi, BA, 2009.............................31<br />
TABELA 2. Médias e desvios-padrão de características de rendimento de<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi, BA, 2009.............................32<br />
TABELA 3. Médias e desvios-padrão de características de rendimento da<br />
primeira à quinta penca de bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi,<br />
BA, 2009...............................................................................................................32<br />
TABELA 4. Médias e desvios-padrão de características de rendimento da sexta<br />
à décima penca de bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi, BA,<br />
2009.......................................................................................................................33<br />
TABELA 5. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
características vegetativas em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’..................................................................................................................34<br />
TABELA 6. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
características vegetativas em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’..................................................................................................................35<br />
TABELA 7. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
outras características de rendimento em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’..................................................................................................................38<br />
TABELA 8. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e as<br />
massas individuais da primeira à décima penca em bananeiras tipo Prata, 'Prata-<br />
Anã' e ‘BRS Platina’.............................................................................................42<br />
TABELA 9. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e as<br />
massas individuais da primeira à décima penca em bananeiras tipo Prata, 'Prata-<br />
Anã' e ‘BRS Platina’.............................................................................................43<br />
TABELA 10. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e as<br />
massas individuais dos frutos centrais da fileira externa de frutos da primeira à<br />
décima penca em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’................................................................................................................. 44<br />
TABELA 11. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
as massas individuais dos frutos centrais da fileira externa de frutos da primeira à<br />
décima penca em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’................................................................................................................. 45<br />
i
TABELA 12. Modelos de predição para as massas do cacho e das pencas, em<br />
bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’, em função do perímetro do<br />
pseudocaule ao nível do solo, Guanambi, BA, 2009............................................ 48<br />
TABELA 13. Componentes da equação de predição para massa do cacho da<br />
bananeira 'Prata-Anã', em função das características de<br />
rendimento............................................................................................................ 54<br />
TABELA 14. Componentes da equação de predição para massa das pencas da<br />
bananeira 'Prata-Anã', em função das características de<br />
rendimento............................................................................................................ 55<br />
TABELA 15. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
características de rendimento para bananeira 'Prata-Anã'.................................... 57<br />
TABELA 16. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
características de rendimento para a bananeira 'Prata-Anã'................................. 57<br />
TABELA 17. Componentes da equação de predição para massa do cacho da<br />
bananeira ‘BRS Platina’, em função das características de rendimento.............. 60<br />
TABELA 18. Componentes da equação de predição para massa das pencas da<br />
bananeira ‘BRS Platina’, em função dos características de rendimento.............. 60<br />
TABELA 19. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho ou a<br />
massa das pencas e características de rendimento para bananeira ‘BRS<br />
Platina’................................................................................................................. 62<br />
TABELA 20. Modelos de predição para as massas do cacho e das pencas, em<br />
bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’, em função do número de<br />
pencas, Guanambi, BA, 2009............................................................................... 64<br />
ii
LISTA DE FIGURAS<br />
FIGURA 1. Planta de bananeira ‘Prata-Anã’, Guanambi, BA.............................28<br />
FIGURA 2. Cacho de bananeira 'Prata-Anã', Guanambi, BA..............................29<br />
FIGURA 3. Planta de bananeira ‘BRS Platina’, Guanambi, BA.........................29<br />
FIGURA 4. Cacho de bananeira ‘BRS Platina’, Guanambi, BA.........................30<br />
FIGURA 5. Massa do cacho em função do perímetro do pseudocaule ao nível do<br />
solo em bananeira 'Prata-Anã'. ..............................................................................49<br />
FIGURA 6. Massa das pencas em função do perímetro do pseudocaule ao nível<br />
do solo em bananeira 'Prata-Anã'. .........................................................................50<br />
FIGURA 7. Massa do cacho em função do perímetro do pseudocaule ao nível do<br />
solo em bananeira ‘BRS Platina’...........................................................................52<br />
FIGURA 8. Massa das pencas em função do perímetro do pseudocaule ao nível<br />
do solo em bananeira ‘BRS Platina’......................................................................53<br />
FIGURA 9. Massa do cacho em função do número de pencas em bananeira<br />
'Prata-Anã'. ............................................................................................................65<br />
FIGURA 10. Massa das pencas em função do número de pencas em bananeira<br />
'Prata-Anã'. ............................................................................................................65<br />
FIGURA 11. Massa do cacho em função do número de pencas em bananeira<br />
'BRS Platina'. .........................................................................................................66<br />
FIGURA 12. Massa das pencas em função do número de pencas em bananeira<br />
'BRS Platina'. .........................................................................................................66<br />
iii
RESUMO<br />
GUIMARÃES, <strong>Bru<strong>no</strong></strong> Vinícius <strong>Castro</strong>. Regressão Linear simples e múltipla<br />
para predição de colheita em bananeiras tipo Prata. 2011. 99 p. Dissertação<br />
(Mestrado em Produção <strong>Vegetal</strong> <strong>no</strong> Semiárido) – Universidade Estadual de<br />
Montes Claros, Janaúba, MG 1 .<br />
Uma das demandas da Ciência Agronômica é gerar modelos de simulação de<br />
crescimento e desenvolvimento. Na bananicultura, este conhecimento possibilita<br />
a estimativa da produção de uma determinada planta a partir de outros atributos,<br />
que preferencialmente devem ser de aplicação prática, fácil determinação, com<br />
uso de instrumentos simples, e com antecedência à colheita, o que subsidia uma<br />
programação de colheita eficiente. Este trabalho objetivou ajustar modelos de<br />
regressão para predição da colheita em bananeiras tipo Prata. O experimento<br />
consistiu-se de plantas e cachos de um bananal conduzido em Guanambi, BA,<br />
com os genótipos Prata-Anã (AAB) e BRS Platina (AAAB), plantados <strong>no</strong><br />
espaçamento de 3,0 m x 2,5 m, com irrigação. As mensurações das características<br />
vegetativas e de rendimento foram procedidas em 98 plantas de 'Prata-Anã' e 96<br />
plantas de ‘BRS Platina’, amostradas ao acaso. Determinaram-se as médias,<br />
desvios-padrão, correlação e regressão para estimativa dos modelos de predição<br />
de colheita. Estimaram-se modelos de regressão linear simples, considerando<br />
como variáveis independentes as com maiores coeficientes de correlação com as<br />
massas do cacho e das pencas. Ajustaram-se também modelos de regressão linear<br />
múltipla pelo procedimento de eliminação indireta Backward elimination<br />
utilizando como variáveis independentes características de rendimento com<br />
maiores coeficientes de correlação. Os modelos de regressão linear simples<br />
estimam com me<strong>no</strong>r precisão as massas do cacho (MCA) e das pencas (MPE)<br />
com base <strong>no</strong> perímetro do pseudocaule mensurado ao nível do solo, para<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’. Os modelos de regressão linear múltipla<br />
estimam com adequada precisão as massas do cacho e das pencas a partir das<br />
variáveis independentes número de frutos e massa do fruto da quarta penca para<br />
'Prata-Anã' e número de frutos e massa do fruto da quinta penca para ‘BRS<br />
Platina’. Os modelos de regressão linear simples possibilitam predição das<br />
massas do cacho e das pencas em função do número de pencas (NPE), com<br />
melhor precisão, para ambos os genótipos e com antecedência de pelo me<strong>no</strong>s 120<br />
dias à colheita. Sendo as seguintes equações para a 'Prata-Anã': MCA = -10,0485<br />
+ 3,07985**NPE; r² = 0,99, e, MPE = -12,3804 + 3,55401**NPE; r² = 0,99.<br />
1 Comitê orientador: Prof. Dr. Victor Martins Maia (Orientador) – UNIMONTES; Prof. Dr. Sérgio<br />
Luiz Rodrigues Donato (Coorientador) – IF Baia<strong>no</strong>.<br />
iv
Para ‘BRS Platina’ as equações foram MCA = -1,36638 + 3,01573**NPE; r² =<br />
0,97 e MPE = -2,73380 + 2,87825**NPE; r² = 0,97. Os valores dos coeficientes<br />
de determinação para os modelos ajustados asseguram a consistência das<br />
regressões para a estimativa da produção em bananeiras tipo Prata.<br />
Palavras-chave: Estimativa de colheita, genótipos AAB e AAAB, modelos de<br />
regressão.<br />
v
ABSTRACT<br />
Guimarães, <strong>Bru<strong>no</strong></strong> Vinicius <strong>Castro</strong>. Simple and multiple linear regressions to<br />
predict harvest of banana type 'Prata'. 2011. 98 p. Dissertation (Master’s<br />
degree in Plant Production in Semiarid) - Universidade Estadual de Montes<br />
Claros, Janaúba, MG. 2<br />
One of the demands of Agricultural Science is to generate simulation models for<br />
growth and development. In banana crop, this k<strong>no</strong>wledge makes possible to<br />
estimate the production of a certain plant from other attributes, which should<br />
preferably be of practical application, easy determination, with use of simple<br />
tools, and prior to harvest, which subsidizes an effective harvest program. This<br />
study aimed to adjust regression models for predicting harvest of banana type<br />
’Prata’. The experiment consisted of trees and bunches of of banana conducted in<br />
Guanambi, BA, with ge<strong>no</strong>types Prata-Anã (AAB) and ‘BRS Platina’ (AAAB),<br />
planted in a spacing of 3.0 m x 2.5 m, under irrigation. Measurements of<br />
vegetative and yield characteristics were performed in 98 ’Prata-Anã' plants and<br />
96 ‘BRS Platina’ one at random We determined the means and standard<br />
deviations, correlation and regression to estimate the harvest prediction models.<br />
We estimated simple linear regression models, considering as independent<br />
variables those with the highest correlation coefficients with bunch and hands<br />
masses. They were also adjusted multiple linear regression models by backward<br />
elimination using as independent variables yield characteristics with higher<br />
coefficients of correlation. The models of simple linear regression esteem with<br />
lesser accuracy the masses of bunches (MCA) and hands (MPE) based on<br />
pseudostem perimeter measured at level of the soil for 'Prata-Anã’ and ‘BRS<br />
Platina' bananas. The models of multiple linear regression esteem with adequate<br />
accuracy the masses of bunches and hands from the independent variables<br />
number of fruits and fruit mass of the fourth hand for ' ‘Prata-Anã’ and number of<br />
fruits and fruit mass of the fifth hand for ‘BRS Platina’. The models of simple<br />
linear regression make possible prediction of the masses of bunches and hands, in<br />
function of the number of hands (NPE), with better accuracy, for both the<br />
ge<strong>no</strong>types and with antecedence of at least 120 days to harvest. Being the<br />
2 Guidance Committee: Prof. DSc. Victor Martins Maia (Adviser) – UNIMONTES; Prof. DSc.<br />
Sérgio Luiz Rodrigues Donato (Co-adviser) – IF Baia<strong>no</strong>.<br />
vi
following equations for ‘Prata-Anã’: MCA = -10.0485 + 3.07985**NPE; r² =<br />
0.99, and, MPE = -12.3804 + 3.55401**NPE; r² = 0.99. For ‘BRS Platina’, the<br />
equations were MCA = -1.36638 + 3.01573**NPE; r² = 0.97 and MPE = -<br />
2.73380 + 2.87825**NPE; r² = 0.97. The values of determination coefficients for<br />
the adjusted models assure the consistency of the regressions to estimate<br />
production of banana trees type ‘Prata’.<br />
Keywords: harvest estimation, AAAB and AAB ge<strong>no</strong>types, regression models.<br />
vii
1 - INTRODUÇÃO<br />
A bananeira (Musa spp.) é a maior mo<strong>no</strong>cotiledônea herbácea cultivada<br />
<strong>no</strong> mundo, pertence à classe Liliopsida, subclasse Liliidae, superordem Lilinae,<br />
ordem Zingiberales (Scitamineae), família Musaceae, subfamília Musoideae,<br />
gênero Musa, seção Eumusa (SILVA et al., 2002) originada de cruzamentos<br />
interespecíficos entre Musa acuminata Colla e Musa balbisiana Colla. Apresenta<br />
caracteres das duas espécies e três níveis de ploidia, existindo diploides (2n) com<br />
22 cromossomos, triploides (3n) com 33 cromossomos e tetraploides (4n) com 44<br />
cromossomos, sendo que o número básico de cromossomos é 11 (SIMMONDS,<br />
1973; SHEPHERD, 1984).<br />
Ao longo dos séculos, a cultura se expandiu e atualmente é cultivada em<br />
mais de 120 países, destacando a banana como a fruta mais consumida <strong>no</strong> mundo<br />
(CORDEIRO & MOREIRA, 2006). Ela é considerada um importante alimento,<br />
em razão da sua composição química e conteúdo em vitaminas e minerais,<br />
principalmente potássio. Constitui elemento importante na alimentação, não só<br />
pelo alto valor nutritivo, mas também pelo baixo custo (IBRAF, 2005).<br />
A produção mundial de bananas em 2009 foi de 97,4 milhões de<br />
toneladas, colhidas em uma área de 4,9 milhões de hectares. O Brasil foi o quinto<br />
maior produtor, com cerca de sete milhões de toneladas, perdendo para a Índia,<br />
que registrou 27 milhões de toneladas; as Filipinas, com 9,01 milhões de<br />
toneladas; a China, que produziu 9 milhões de toneladas, e o Equador, com 7,64<br />
milhões de toneladas nesse período (FAO, 2011).<br />
Em 2009 o Brasil produziu 6,78 milhões de toneladas de banana em uma<br />
área de 479.614 hectares. A região Nordeste participou com 37,28% dessa<br />
produção, o equivalente a 2,53 milhões de toneladas colhidas em 196.391<br />
hectares. O Sudeste ficou em segundo lugar com 2,23 milhões de toneladas<br />
(134.905 ha) e participação de 32,88%, seguido do Sul com 53.113 hectares de<br />
1
área colhida e produção de 975,52 mil toneladas, o que corresponde a 14,38% do<br />
volume total (IBGE, 2009).<br />
A Bahia é o segundo maior produtor brasileiro, com 1.015.505 toneladas<br />
produzidas em 65.487 hectares, em 2009. Perde apenas para São Paulo que<br />
produziu, <strong>no</strong> mesmo período, 1.257.539 toneladas em 53.078 hectares. Santa<br />
Catarina fica em terceiro lugar com 624.204 toneladas (30.922 ha). Minas Gerais<br />
e Pará ocupam a quarta e quinta colocações <strong>no</strong> ranking da produção nacional de<br />
banana, registrando 620.93 mil toneladas (39.194 ha) e 501.34 mil toneladas<br />
(38.925 ha), respectivamente (IBGE, 2009).<br />
Cabe ressaltar que o setor de fruticultura está entre os principais<br />
geradores de renda, emprego e de desenvolvimento rural do agronegócio nacional<br />
(BRASIL/MAPA, 2007). Por conta de sua importância econômica, a<br />
bananicultura é motivo de interesse cada vez maior de pesquisadores <strong>no</strong> mundo<br />
inteiro (DANTAS & SOARES FILHO, 2006).<br />
Nesses estudos, <strong>no</strong>rmalmente, o pesquisador está interessado na<br />
identificação e seleção de genótipos superiores, que reúnam características<br />
desejáveis, como porte adequado, resistência às principais pragas e doenças, e<br />
adaptações a diferentes ecossistemas. Assim, a análise experimental aborda as<br />
características biométricas da planta (altura da planta, número de folhas,<br />
perímetro do pseudocaule) e do cacho (massa do cacho, número de pencas,<br />
número de frutos por cacho, comprimento e diâmetro dos frutos) (SILVA et al.,<br />
2000), por serem quantitativos, fáceis de mensurar, podem estar sobre controle<br />
poligênico, sofrem influência ambiental, têm importância econômica direta e<br />
indireta e, a maior parte deles apresenta correlação significativa entre si (ORTIZ,<br />
1997; DONATO et al., 2006a).<br />
Dessa forma, a análise do comportamento e expressão dos vegetais é de<br />
amplo interesse àqueles que se dedicam à pesquisa em produção vegetal, sendo<br />
de grande aplicação e essencial para o planejamento adequado das atividades<br />
2
agrícolas. Assim, diversos estudos estatísticos, modelos lineares e não lineares,<br />
têm sido desenvolvidos com o propósito de obter informações futuras e descrever<br />
o crescimento do vegetal ao longo do tempo (URCHEI et al., 2000;<br />
HERNÁNDEZ et al., 2007; MAIA, 2009).<br />
Nesse contexto, inúmeros autores fazem uso de modelos de predição para<br />
diminuir ou driblar as interferências do meio biótico ou abiótico na expressão da<br />
variável de interesse econômico (CHIKOYE et al., 1995; DIELEMAN et al.,<br />
1995, 1996; BOSNIC & SWANTON, 1997a, 1997b; COUSENS, 1998). Além<br />
disso, os modelos de simulação constituem ferramentas estratégicas para estimar<br />
a duração de estádios de desenvolvimento vegetal, para escolher a época de<br />
plantio, para prever uma produção irregular e assim utilizar esses dados em<br />
programas de melhoramento genético (ROBERTO et al., 2005; STENZEL et al.,<br />
2006; BÍSCARO, 2007), sendo por isso, importante para melhoristas e<br />
produtores.<br />
Nessa perspectiva, observa-se a utilização de modelos matemáticos,<br />
também, para previsão da colheita em diversas culturas agrícolas (LE BAIL et al.,<br />
2005). Contudo, a modelagem matemática na estimativa de produção em<br />
bananeira é limitada e de baixa expressão na literatura. Nesse aspecto Meyer<br />
(1975) e Jaramillo (1982) descrevem estudos dessa natureza em cultivares tipo<br />
Cavendish na Costa Rica, e Soares (2010), <strong>no</strong> Brasil, ajustou modelos de predição<br />
de colheita para a cultivar Tropical.<br />
Ainda vale ressaltar que tão importante quanto à modelagem na<br />
agricultura é a aplicabilidade do modelo de predição. Dessa forma, o pesquisador<br />
que ajusta ou desenvolve o modelo estatístico de previsão também deve estar<br />
interessado na funcionalidade da equação. Assim, quanto mais simples e coerente<br />
for o método matemático maior será o sucesso na utilização <strong>no</strong> campo<br />
(WALPOLE et al., 2009).<br />
3
Nesse sentido, o estudo da regressão linear simples e múltipla pode ser<br />
utilizado para prever valores relacionados à colheita utilizando variáveis<br />
significativas e de alta correlação com a produção. O modelo de regressão linear<br />
é dito simples, porque utiliza apenas uma variável e, consequentemente, a<br />
regressão múltipla é composta por duas ou mais variáveis. Contudo, ambas<br />
podem ser ajustadas com variáveis de fácil determinação e por um método não<br />
destrutivo (JAME & CUTFORTH, 1996).<br />
Assim, justifica-se a importância de se identificar as variáveis que<br />
explicam parte da variação da produtividade por meio da modelagem matemática<br />
de estimativa da colheita, baseada em descritores agronômicos mensurados ao<br />
longo do ciclo da cultura. Nesse caso, o modelo matemático, desde que ajustado<br />
de forma funcional, permite aos envolvidos com a bananicultura, seja o<br />
pesquisador e/ou produtor, o planejamento e a organização das operações pré e<br />
pós-colheita. Além disso, vale destacar que os modelos de regressão podem<br />
apontar a necessidade de ajustes <strong>no</strong> manejo que permitam corrigir características<br />
que se apresentem desfavoráveis em determinado momento, principalmente para<br />
a safra seguinte, ciclo do seguidor.<br />
Inserido nesse contexto, este estudo tem por objetivo ajustar modelos de<br />
regressão linear simples e múltipla para predição da colheita em bananeiras tipo<br />
Prata, 'Prata-Anã' e ‘BRS Platina’.<br />
4
2-REFERENCIAL TEÓRICO<br />
2.1. A cultura da bananeira <strong>no</strong> Brasil<br />
A banana é uma das frutas tropicais mais importantes por constituir<br />
alimento básico tanto para a população das áreas rurais quanto das áreas urbanas<br />
(AZEVEDO et al., 2010) e é também a mais consumida <strong>no</strong> Brasil, seja por sua<br />
versatilidade em termos de modalidades de consumo (processada, frita, cozida, in<br />
natura) ou por suas características de sabor, aroma, higiene e facilidade de ser<br />
consumida (DONATO et al. 2006; MOREIRA & CORDEIRO, 2006).<br />
O considerável consumo per capita (FANCELLI, 2003) indica a elevada<br />
demanda pelo produto <strong>no</strong> mercado doméstico (DANTAS et al., 1997;<br />
MATSUURA et al., 2004). A facilidade de divulgação da fruta junto ao<br />
consumidor, o preço acessível e a produção contínua são aspectos que contribuem<br />
para a alta demanda pela fruta (VIEIRA, 2010).<br />
As variedades de bananeira mais cultivadas <strong>no</strong> país são as do tipo Prata<br />
(Prata, Pacovan e Prata-Anã) — responsáveis por 60% da área cultivada —<br />
Maçã, Mysore, as do tipo Cavendish (Nanica, Nanicão e Grande Naine) —<br />
preferidas pelo mercado internacional —, e as do tipo Terra (Terra e D'Angola)<br />
(SILVA et al., 2002, 2002a; 2008), existindo ainda, outras variedades em me<strong>no</strong>r<br />
proporção, como as do tipo Figo ou Bluggoe, as do tipo Caru e do tipo Ouro<br />
(MOREIRA, 1999).<br />
2.2. ‘Prata-Anã’<br />
Pertencente ao grupo genômico AAB, a 'Prata-Anã' é uma variedade do<br />
tipo Prata e ocupa a maior área cultivada entre as regiões Sudoeste da Bahia,<br />
Médio São Francisco e Norte de Minas Gerais, com frutos bem aceitos <strong>no</strong><br />
5
mercado inter<strong>no</strong> (DONATO et al., 2009; RODRIGUES et al., 2011). Também<br />
conhecida como 'Enxerto' ou 'Prata de Santa Catarina', apresenta as pencas mais<br />
juntas que as da 'Prata', com frutos do mesmo sabor (doce a suavemente ácido) e<br />
com pontas em formato de gargalo de garrafa (MOREIRA & CORDEIRO, 2006).<br />
Variedade mais cultivada <strong>no</strong> Brasil, a Prata-Anã é popularmente<br />
confundida com a cultivar Branca, pois suas diferenças são sutis. Em relação à<br />
'Branca', a 'Prata-Anã' apresenta me<strong>no</strong>r tamanho do cacho, maior botão floral,<br />
folhas mais largas, casca mais grossa, paladar mais definido e adocicado, maior<br />
perímetro do pseudocaule, bananas mais longas e com maior diâmetro na colheita<br />
(MOREIRA & CORDEIRO, 2006).<br />
A planta dessa cultivar é bastante vigorosa, com porte médio a baixo (2,0<br />
a 3,5 m), apresenta bom potencial de produtividade em condições de irrigação,<br />
podendo atingir entre 30 e 35 t ha -1 ciclo -1 (SILVA et al., 1999a) ou mais. Tem<br />
boa capacidade de competição com plantas daninhas e alta resistência à broca da<br />
bananeira e nematoides, mas é medianamente suscetível à Sigatoka-amarela e<br />
altamente suscetível à Sigatoka-negra, causadas respectivamente por<br />
Mycosphaerella musicola, Leach e Mycosphaerella fijiensis Morelet (ZAFFARI,<br />
1995) e também ao mal-do-Panamá, Fusarium oxysporium f. sp. Cubense, que<br />
tem prejudicado seu cultivo em diversas regiões do Brasil (LICHTEMBERG,<br />
2006), principalmente em algumas regiões do Norte de Minas Gerais em que<br />
constitui a principal variedade plantada (RODRIGUES et al., 2011).<br />
2.3. Híbrido BRS Platina<br />
‘BRS Platina’ é um híbrido tetraploide (AAAB) desenvolvido pela<br />
EMBRAPA Mandioca e Fruticultura em parceria com o Instituto Federal Baia<strong>no</strong><br />
Campus Guanambi e a Epamig Norte de Minas Gerais (AMORIM et al., 2011). É<br />
derivada do cruzamento da 'Prata-Anã' (AAB) com o diploide M53 (AA).<br />
6
Anteriormente ao pré-lançamento era de<strong>no</strong>minada como PA42-44. Destaca-se,<br />
em relação à genitora, como genótipo promissor por apresentar resistência ao<br />
mal-do-Panamá e Sigatoka-amarela (SILVA et al., 2008), maior precocidade e<br />
superioridade das dimensões do fruto como massa, comprimento e diâmetro<br />
(LINS, 2005; DONATO et al., 2006, 2009; MARQUES et al., 2011).<br />
Pimentel et al. (2010) observaram que os frutos se apresentam mais<br />
maduros <strong>no</strong>s mesmos índices de coloração em relação à ‘Prata-Anã’. Sua<br />
produtividade é semelhante à da 'Prata-Anã' e o maior tamanho compensa o<br />
me<strong>no</strong>r número de pencas em relação à sua genitora (DONATO et al., 2009). O<br />
formato pla<strong>no</strong> das pencas facilita a embalagem (DONATO, 2003), embora possa<br />
apresentar pencas muito grandes, a depender do manejo, principalmente de<br />
adubação.<br />
Este genótipo apresenta bom perfilhamento, porte médio e características<br />
tanto de desenvolvimento quanto de rendimento próximas às da ‘Prata-Anã’. Sua<br />
produtividade média é de 20 t ha -1 ciclo -1 . Sob condições de boa fertilidade de<br />
solo, apresenta rendimento médio de até 40 t ha -1 a<strong>no</strong> -1 (SILVA et al., 2008).<br />
A principal desvantagem apresentada por esse genótipo comentada por<br />
diferentes autores (DONATO, 2003; LIMA et al., 2004; LINS, 2005; DONATO<br />
et al., 2006) é a susceptibilidade ao despencamento, o que pode resultar em alta<br />
perecibilidade pós-colheita (PIMENTEL et al., 2010), com consequências para o<br />
seu valor comercial e sua aceitação pelos consumidores.<br />
A despeito dessas afirmações, Oliveira (2010) constatou que o genótipo<br />
BRS Platina possui sabor e textura próximos aos da ‘Prata-Anã’, diferindo<br />
levemente quanto ao aroma e aparência, este último devido ao maior<br />
comprimento e massa do fruto. Pimentel et al. (2010) comprovaram que as<br />
características sensoriais dos genótipos são similares quanto à preferência. As<br />
avaliações físico-químicas indicaram pouca variação entre a 'Prata-Anã' e ‘BRS<br />
Platina’ para as características pH, Acidez Titulável e Sólidos Solúveis<br />
7
(OLIVEIRA, 2010). Esse estudo também indicou que a ‘Prata-Anã’ e a ‘BRS<br />
Platina’ enquadraram nas mesmas classes de resistência ao despencamento dos<br />
frutos conforme Pereira et al. (2004), suscetíveis ao despencamento (< 20 N)<br />
quando armazenadas a 25 o C, com valores similares estatisticamente, de 19,66 N<br />
para a 'Prata-Anã' e 17,43 N para ‘BRS Platina’, e medianamente resistentes (20-<br />
60 N), quando à temperatura de 15 o C, com valores estatisticamente diferentes de<br />
28,34 N para a 'Prata-Anã' e 39,83 N para ‘BRS Platina’. Entretanto, Pimentel et<br />
al. (2010) verificaram, com bananas armazenadas a 22 o C, maior resistência ao<br />
despencamento para a 'Prata-Ana'. Pereira et al. (2004) classificam a banana<br />
‘Prata-Ana’ como medianamente resistente ao despencamento por apresentar<br />
valores médios de 45,2 N. Pimentel et al. (2010) e Oliveira (2010) comprovaram<br />
que a 'Prata-Anã' apresenta maior firmeza da polpa que a ‘BRS Platina’.<br />
2.4. Comportamento fitotécnico da 'Prata-Anã' e da ‘BRS Platina’<br />
Rodrigues et al. (2006) avaliaram variedades e híbridos da bananeira<br />
'Prata-Anã' cultivados <strong>no</strong> semiárido irrigado do <strong>no</strong>rte de Minas Gerais quanto ao<br />
porte e qualidade da produção em três ciclos. A 'Prata-Anã' apresentou alta<br />
precocidade e o maior valor na constância <strong>no</strong> número de folhas vivas <strong>no</strong><br />
momento da colheita <strong>no</strong>s dois primeiros ciclos.<br />
Ao analisar o comportamento de variedades e híbridos de bananeira,<br />
Donato et al. (2006) constataram que a variedade Prata-Anã se destacou <strong>no</strong><br />
caráter número de folhas vivas <strong>no</strong> florescimento e na colheita, enquanto seu<br />
híbrido, BRS Platina, apresentou melhores resultados nas características<br />
relacionadas às dimensões dos frutos (comprimento, diâmetro e massa) quando<br />
comparado à sua genitora.<br />
Em trabalho realizado em Petrolina (PE), Lima et al. (2004) obtiveram,<br />
para o caráter número de folhas vivas <strong>no</strong> florescimento, média de 15 para a<br />
8
'Prata-Anã' e 14 para ‘BRS Platina’; o número de folhas vivas na colheita foi de<br />
10 e 8 unidades, respectivamente; a altura <strong>no</strong> primeiro ciclo foi de 239 cm para a<br />
primeira e 228 cm para o híbrido; o diâmetro do pseudocaule foi de 19,73 cm e<br />
19,06 cm, na mesma ordem.<br />
Donato et al. (2009) também verificaram manutenção do caráter altura da<br />
genitora 'Prata-Anã' <strong>no</strong> híbrido BRS Platina — ambas as cultivares não diferiram<br />
estatisticamente <strong>no</strong>s dois ciclos de produção —, confirmando as constatações<br />
feitas por Donato et al. (2006) e Oliveira et al. (2008). O número de folhas <strong>no</strong><br />
florescimento da ‘BRS Platina’ e 'Prata-Anã' não diferiu <strong>no</strong>s dois ciclos de<br />
produção. Os resultados assemelham-se aos obtidos por Donato et al. (2006,<br />
2009) e Marques et al. (2011), que comprovaram a superioridade da 'Prata-Anã'<br />
quanto ao número de folhas <strong>no</strong> florescimento.<br />
No trabalho de Donato et al. (2009), a cultivar Prata-Anã, embora mais<br />
suscetível à Sigatoka-amarela, apresentou mais folhas comparada ao híbrido,<br />
provavelmente em razão da baixa incidência da doença <strong>no</strong> local. Na avaliação de<br />
Sigatoka-amarela <strong>no</strong> florescimento, o híbrido BRS Platina se mostrou mais<br />
resistente, sem apresentar sintomas da doença <strong>no</strong>s dois ciclos, diferindo<br />
significativamente das outras cultivares. A 'Prata-Anã' foi a mais suscetível,<br />
enquanto os demais híbridos, todos derivados da mesma genitora, foram<br />
moderadamente resistentes.<br />
Diversos autores comprovaram superioridade <strong>no</strong> número de pencas e<br />
frutos para a ‘Prata-Anã’ e <strong>no</strong> comprimento, diâmetro e massa do fruto para a<br />
‘BRS Platina’ (DONATO et al., 2006, 2009; OLIVEIRA, 2010; MARQUES et<br />
al., 2011). A massa do fruto é um caráter importante para os trabalhos de<br />
melhoramento, e deve ser considerada associada a outros componentes que<br />
refletem a qualidade dos frutos, como o comprimento e o diâmetro destes. O<br />
estudo de Donato et al. (2006) registrou frutos de 155,80 gramas <strong>no</strong> primeiro<br />
ciclo e 158,43 g <strong>no</strong> segundo ciclo <strong>no</strong> caso da 'Prata-Anã', e 174,22 g e 180,64 g<br />
9
para a ‘BRS Platina’, respectivamente.O comprimento do fruto apresentou média<br />
de 16,58 cm para a 'Prata-Anã' <strong>no</strong> primeiro, e 18,79 cm <strong>no</strong> segundo ciclo; para a<br />
‘BRS Platina’, médias de 18,82 cm e 20,32 cm. Esses resultados confirmam a<br />
constatação de Silva et al. (2002a) de que a massa de frutos em híbridos é sempre<br />
superior ao das cultivares genitoras femininas.<br />
Analisando o comprimento e o diâmetro lateral dos frutos para as bananas<br />
tipo Prata, e tomando como base sua classificação apresentada <strong>no</strong> Manual<br />
Ilustrado do Ministério da Integração Nacional, publicado em 2000, pode-se<br />
afirmar, com relação a esses caracteres, que os genótipos Prata-anã e BRS Platina<br />
avaliados enquadram-se <strong>no</strong> tipo exportação (DONATO et al. 2006; OLIVEIRA,<br />
2010). O diâmetro do fruto é <strong>no</strong>rmalmente usado para indicar o ponto de colheita,<br />
desde que se conheçam as características de cada genótipo. Frutos que não<br />
atingem o comprimento e o diâmetro mínimos são descartados na<br />
comercialização (JARAMILLO, 1982; MOREIRA, 1999; SOTO<br />
BALLESTERO, 2008).<br />
2.5. Análises estatísticas<br />
2.5.1. Correlação<br />
As correlações entre os caracteres observadas em ensaios experimentais<br />
são de natureza genética e ambiental (VENCOVSKY & BARRIGA, 1992) e<br />
estimadas com o propósito de mensurar a alteração em um caráter quando a<br />
seleção é praticada em outro. Atributos morfológicos que exerçam efeitos na<br />
produção podem ser definidos por meio das correlações entre caracteres do<br />
desenvolvimento vegetativo e caracteres do cacho na bananeira Prata<br />
(SIQUEIRA,1984).<br />
As correlações entre massa do cacho e os caracteres altura da planta,<br />
perímetro do pseudocaule, número de folhas na colheita, número de frutos,<br />
10
comprimento do fruto, massa média do fruto e número de dias do plantio à<br />
colheita apresentam variações entre os ciclos dentro dos genótipos e entre os<br />
genótipos dentro dos ciclos, inclusive entre os híbridos e seus respectivos<br />
genitores (FLORES, 2000; DONATO et al., 2006a; ROCHA, 2010).<br />
Dadzie (1998), avaliando as características pós-colheita de um genótipo<br />
triploide e de híbridos tetraploides de bananeira, observou correlações<br />
predominantemente positivas e significativas entre a idade do cacho e a massa<br />
dos frutos, o comprimento dos frutos, o diâmetro dos frutos, a área do corte<br />
transversal e a relação entre a polpa e a casca.<br />
Diferentes trabalhos relacionando características vegetativas e<br />
reprodutivas em bananeira relatam a importância da correlação para os programas<br />
de melhoramento genético, recomendações de genótipos e estimativa de colheita<br />
(HASSELO, 1962; FERNANDEZ CALDAS et al., 1977; HOLDER & CUMBS,<br />
1982; SIQUEIRA, 1984; DONATO et al., 2006a; ARANTES et al., 2010;<br />
ROCHA, 2010). Em análise da produção, vários autores identificaram correlação<br />
positiva e significativa entre a massa do cacho e: o número de pencas por cacho<br />
(JARAMILLO, 1982), o perímetro do pseudocaule (VARGAS, 1983), o diâmetro<br />
do pseudocaule a 30 cm do solo (SIQUEIRA, 1984) e a altura da planta<br />
(FLORES, 2000).<br />
Apesar de diversos estudos de correlação desenvolvidos entre os<br />
descritores fe<strong>no</strong>típicos na cultura da bananeira (HASSELO, 1962; LOSSOIS,<br />
1963; FERNANDEZ-CALDAS et al., 1977; GARCIA et al., 1977; PÁDUA,<br />
1978; IUCHI et al., 1979; HOLDER & CUMBS, 1982; JARAMILLO, 1982;<br />
VARGAS, 1983; SIQUEIRA, 1984; LIMA NETO et al., 2003; DONATO et al.,<br />
2006a; ARANTES et al., 2010), a literatura carece de informação sobre a<br />
expressão dos caracteres vegetativos e de rendimento na produtividade final<br />
(RAHMAN & BALA, 2010).<br />
11
2.5.2. Regressão linear<br />
Os modelos de simulação expressam o comportamento da cultura em<br />
resposta às condições do ambiente, permitindo, dessa forma, o estudo e o<br />
entendimento do conjunto. O intuito é estimar o desempenho da cultura em<br />
diferentes áreas e situações, tomando como base a expressão dos mais diversos<br />
tipos de caracteres em relação ao produto de interesse, como relata Soares (2010).<br />
Assim, identificar, descrever e predizer as relações entre eventos que<br />
envolvem o desenvolvimento da bananeira cultivada é de fundamental<br />
importância. Uma das formas é encontrar modelos que relacionem variáveis que<br />
descrevam a realidade, avaliando a possível relação entre uma variável<br />
dependente com uma ou mais variáveis independentes. Isso pode ser conseguido<br />
pela utilização de modelos de regressão lineares (SOARES, 2010).<br />
A regressão linear é uma das classes de modelo utilizadas pelos<br />
pesquisadores na compreensão dos problemas de suas pesquisas, desempenhando<br />
papel importante em diferentes áreas do conhecimento. Devido à maior facilidade<br />
de cálculos, os modelos de regressão linear, como o poli<strong>no</strong>mial, são bastante<br />
utilizados na modelagem de crescimento de plantas em geral (CUNHA, 2011).<br />
A análise de regressão é um modelo comumente usado para se obter uma<br />
função de predição para estimar valores de uma variável resposta Y usando uma<br />
ou mais variáveis preditoras X 1 ,..., X k . No entanto, não se pode afirmar que a<br />
função estimada apresentará influência significativa da variável preditora sob a<br />
variável resposta. Dessa forma, faz-se necessária a utilização de procedimentos<br />
estatísticos para validar as estimativas dos coeficientes da equação de regressão.<br />
Assim, a análise de variância, teste F proposto por Fisher e Snedecor possibilita a<br />
avaliação e confiabilidade <strong>no</strong> modelo da equação (BATES & WATTS, 1988).<br />
Segundo Cunha (2011), um modelo estatístico apresenta os seguintes<br />
componentes básicos: resposta, erro, parâmetros e a parte sistemática. Sendo<br />
12
esses elementos organizados pela operação: Resposta = estrutura + erro, em que<br />
“Resposta” é a medida de interesse a ser obtida, geralmente representada pelo<br />
eixo das ordenadas; “estrutura” é a parte sistemática que contém os parâmetros e<br />
coeficientes do modelo, chamada de função média; o “erro” é a diferença entre a<br />
função média e as observações (SCHABENBERGER & PIERCE, 2002).<br />
De acordo com Montgomery et al. (2001), a regressão é definida como<br />
técnica estatística para modelar e investigar a relação entre variáveis. Weisberg<br />
(2005) defende que a regressão, assim como a maioria das técnicas estatísticas,<br />
tem como meta sumarizar os dados observados da forma mais simples, útil e<br />
elegante possível. Para Gujarati (2000) e Neter et al. (2005), a análise de<br />
regressão estuda a dependência da característica de interesse, em relação a uma<br />
ou mais variáveis, com o objetivo de estimar o valor médio da característica de<br />
interesse em função dos valores conhecidos das variáveis de controle.<br />
A análise de regressão é uma das ferramentas mais utilizadas para a<br />
análise de dados, sendo aplicada em quase todas as áreas de conhecimento,<br />
incluindo: engenharia, física, química, administração, ciências biológicas e<br />
agro<strong>no</strong>mia. A simplicidade e utilidade dessa técnica são resultantes do conceito<br />
lógico de utilizar uma equação matemática para expressar a relação entre<br />
variáveis, sendo interessante devido à base matemática e bem desenvolvida teoria<br />
estatística (MONTGOMERY et al., 2001).<br />
2.5.2.1. Regressão linear simples<br />
O modelo de regressão linear é dito simples, porque utiliza apenas uma<br />
variável independente. O diagrama de dispersão é a referência para a orientação<br />
do segmento de reta ou função linear, ou não. A regressão linear simples busca<br />
construir modelo estatístico que possa ser utilizado para prever os valores da<br />
13
variável resposta ou variável dependente Y , com base <strong>no</strong>s valores da variável<br />
regressora ou variável independente X (DRAPER & SMITH, 1981).<br />
O modelo de regressão linear simples (MRLS) é representado pela<br />
seguinte equação Y = β0 + β1Xi + εi (1). O termo ε é chamado de erro aleatório,<br />
sendo assumido como <strong>no</strong>rmal e independentemente distribuído, com média zero e<br />
variância constante e desconhecida ζ 2 . Essa suposição é importante para a<br />
estimação da reta de regressão e deve ser verificada posteriormente para a<br />
validação do modelo estimado (MONTGOMERY et al., 2001; NETER et al.,<br />
2005). Segundo Neter et al. (2005), a equação (1) é dita simples, pois representa a<br />
relação entre uma característica de interesse e uma variável de controle, é linear<br />
<strong>no</strong>s parâmetros, pois nenhum dos parâmetros aparece como expoente ou está<br />
sendo multiplicado ou dividido por outros parâmetros.<br />
Apesar da me<strong>no</strong>r participação <strong>no</strong>s estudos de modelagem em relação à<br />
regressão múltipla, o conceito de regressão linear simples tem sido aplicado em<br />
algumas fruteiras de maneira significativa e de alta magnitude, com coeficiente<br />
de determinação (r²) de 0,91 e 0,99, respectivamente para a cultura da manga cv.<br />
Haden (CASTRO NETO & REINHARDT, 2003) e para bananeiras Cavendish<br />
(JARAMILLO, 1982).<br />
2.5.2.2. Regressão linear múltipla<br />
As relações das variáveis são muito complexas e de difícil descrição em<br />
termos simples. Ainda assim, é possível, quase sempre, uma descrição<br />
aproximada por meio de algum modelo matemático, simples o bastante para ser<br />
compreendido. Examinando-se tais funções, é possível compreender ou descobrir<br />
as verdadeiras causas do relacionamento entre os diversos caracteres ou atributos<br />
pesquisados (DRAPER, 1981).<br />
14
Mesmo quando não existe relação perceptível entre tais caracteres, é<br />
possível relacioná-las por algum tipo de equação matemática que, mesmo<br />
parecendo, à primeira vista, sem significado, pode ser de grande utilidade na<br />
previsão de fenôme<strong>no</strong>s ou na antecipação de resultados que, de outro modo, só<br />
seriam conhecidos ao final de um processo (DRAPER, 1981).<br />
Na obtenção da equação de regressão surgem dois critérios de sentidos<br />
opostos: que a equação inclua o maior número de variáveis independentes, a fim<br />
de que as determinações por meio dela sejam mais precisas e que, em virtude do<br />
trabalho nas determinações, a equação inclua o me<strong>no</strong>r número de variáveis<br />
(RIBEIRO JÚNIOR, 2001).<br />
Vários procedimentos para seleção da melhor equação de regressão<br />
podem ser utilizados, porém, geralmente, eles não levam a semelhantes soluções<br />
quando aplicados aos mesmos dados; embora, em alguns casos, haja identidade<br />
de soluções: todas as regressões (all possible regression), seleção por etapas<br />
(stepwise regression procedure) e eliminação indireta (the backward elimination)<br />
(NUNES, 1998; RIBEIRO JÚNIOR, 2001).<br />
Soares (2010) utilizou o procedimento estatístico, de seleção por etapas,<br />
baseado <strong>no</strong> modelo stepwise regression procedure, para ajustar uma equação de<br />
predição da massa do cacho de bananeira cv. Tropical. Diversos modelos de<br />
predição de colheita foram ajustados pela regressão linear múltipla em várias<br />
culturas agrícolas, como algodão (SHAMIM & MAHEY, 1999); soja<br />
(FONTANA et al., 2000); tomate (MARIM et al., 2002); cana-de-açúcar<br />
(SCARPARI & BEAUCLAIR, 2004); pepi<strong>no</strong> (CARDOSO, 2006); morango<br />
(ANTUNES et al., 2006); laranja (STENZEL et al., 2006); milho (SOLER et al.,<br />
2007); arroz (STRECK et al., 2007); café (WYZYKOWSKI, 2009) e cana-deaçúcar<br />
(SCARPARI & BEAUCLAIR, 2009).<br />
15
2.5.2.3. Coeficiente de determinação<br />
O coeficiente de determinação R² é uma medida simples da variabilidade<br />
da característica de interesse que pode ser explicada pelo modelo estimado<br />
contendo as variáveis de controle X1, X2, ..., Xk (MONTGOMERY et al., 2001;<br />
WEISBERG, 2005): R 2 = SQReg/SQT = 1 – SQR/SQT em que: 0 ≤ R 2 ≤ 1,<br />
SQReg é a soma de quadrados da regressão, SQT é a soma de quadrados totais e<br />
SQR é a soma de quadrados dos resíduos.<br />
O R² fornece uma informação adicional para verificar se o modelo<br />
proposto é adequado para descrever o fenôme<strong>no</strong>, pois mede o quanto da variação<br />
da variável resposta, dependente, é explicada pela variável de controle,<br />
independente, através da equação de regressão ajustada. A qualidade do ajuste do<br />
modelo de regressão é melhor quanto mais próximo da unidade estiver o valor de<br />
R², ou seja, me<strong>no</strong>r é a influência atribuída às causas aleatórias medidas pelo erro<br />
ou pelo desvio da regressão (RIBEIRO JÚNIOR & MELO, 2009).<br />
2.5.3. Modelos de Predição<br />
A associação entre características agronômicas em bananeira é de<br />
fundamental importância para estimar a produção do cacho, podendo ser avaliada<br />
pelas correlações fe<strong>no</strong>típicas, genéticas e ambientais (VENCOVSKY &<br />
BARRIGA, 1992). Assim, as correlações entre os caracteres vegetativos e de<br />
rendimento possibilitam predizer a produção do cacho de uma determinada planta<br />
a partir de outros atributos. Ainda que apresente trabalhos relacionando caracteres<br />
de componentes da produção em diferentes genótipos de bananeira (MEYER,<br />
1975; JARAMILLO, 1982; DADZIE, 1998), a literatura carece de informações<br />
que permitam uma estimativa da massa do cacho a partir de alguns atributos<br />
medidos na fase da pré-colheita (SOARES, 2010).<br />
16
Diversas áreas da esfera agronômica convergem para a necessidade de<br />
desenvolver modelos de predição de crescimento vegetativo e de colheita com o<br />
propósito de detectar os fatores que possam limitar o cultivo, influenciando <strong>no</strong><br />
potencial produtivo das espécies, além de prever rendimentos em função das<br />
condições em que as plantas se desenvolvem. A explicação do crescimento de<br />
planta requer o conhecimento das respostas das plantas ao ambiente<br />
(HUANG,1993). Assim, esse conhecimento prévio pode indicar ajustes <strong>no</strong><br />
manejo da cultura da bananeira que possibilitem corrigir características que se<br />
apresentem desfavoráveis em determinado momento, principalmente para a safra<br />
seguinte, ciclo do seguidor.<br />
Dourado Neto (1998) afirma que um modelo de crescimento e<br />
desenvolvimento de plantas visa, entre outras finalidades, a obtenção de<br />
informações básicas das diversas interações entre a planta e o ambiente,<br />
maximizando o uso de recursos naturais de cada região, ou de uma determinada<br />
condição de cultivo, por programas experimentais. Contudo, os níveis<br />
experimentais são desenvolvidos para investigar um número muito limitado de<br />
variáveis. Dessa forma, os modelos de previsão são ferramentas úteis para<br />
expandir o conhecimento adquirido em experimentos de campo e/ou extrapolar os<br />
resultados para outras regiões (BANNAYAN et al., 2007).<br />
Assim, os modelos podem simular os efeitos de comportamento de<br />
genótipos, épocas de colheita, práticas de manejo, e quantificar a produção. No<br />
entanto, embora os modelos de simulação tenham grande aplicabilidade e custo<br />
inferior em relação aos experimentos convencionais, eles não podem ser<br />
considerados substitutos dos experimentos, e sim uma técnica que os<br />
complementa. A interação entre as plantas e o ambiente envolve uma<br />
complexidade de processos químicos, físicos e biológicos que, na maioria das<br />
vezes, não é contemplado pelos modelos. A fim de se obter melhor conhecimento<br />
das respostas da cultura ao ambiente, modelos de simulação são de grande<br />
17
eficiência para as áreas de sistemas cultivados, permitindo o estudo e o<br />
entendimento do conjunto, estimando o desempenho da cultura em diferentes<br />
áreas e situações (SOARES, 2010).<br />
Modelos de predição de culturas são desenvolvidos com base em<br />
conhecimento e pressupostos da morfofisiologia da planta e seu relacionamento<br />
com o ambiente. Esse conhecimento e relações, expressas como funções<br />
matemáticas, são integrados em conjunto para descrever sistema de produção. As<br />
aplicações vão desde a estimativa de colheita em pequenas propriedades rurais até<br />
a previsão de rendimentos em grande escala para uma agroindústria<br />
(BANNAYAN et al., 2003).<br />
Os modelos permitem analisar, detalhadamente, os diversos componentes<br />
da produção, possibilitando uma visão integrada de sua participação <strong>no</strong> sistema.<br />
Entretanto, Sahai & Ajai (1992) apontam que a estimativa da produção é um<br />
problema complexo que envolve um grande número de variáveis significativas e,<br />
para obter melhores resultados, diferentes abordagens devem ser adotadas.<br />
Apesar da complexidade envolvida na construção de modelos, os<br />
esforços são compensados em função de sua aplicabilidade, uma vez que esses<br />
auxiliam na tomada de decisões, permitindo a organização racional de questões<br />
envolvendo transporte, distribuição e comercialização do produto agrícola, entre<br />
outras (CARDOSO et al., 2004). Dessa forma, a estimativa de produção é uma<br />
ferramenta potencial para obter informações precisas e oportunas sobre a<br />
condição e rendimento das culturas, além da gestão estratégica em viabilizar a<br />
atividade rural, permitindo melhor planejamento para atender o mercado inter<strong>no</strong><br />
(BAUER, 1975).<br />
Na bananicultura, a colheita deve ser realizada <strong>no</strong> momento oportu<strong>no</strong>. As<br />
frutas devem estar fisiologicamente maduras, uma vez que são climatéricas e<br />
devem ser colhidas verdes (SOTO BALLESTERO, 2008), para posteriormente<br />
serem climatizadas, preferencialmente <strong>no</strong> local de desti<strong>no</strong> da produção.<br />
18
Adicionalmente, o ponto de colheita pode variar com a distância do mercado ou<br />
tempo de transporte. Dessa forma modelos de predição de colheita,<br />
particularmente os que contemplem características que possam ser mensuradas à<br />
época do florescimento das plantas podem otimizar o planejamento da<br />
comercialização, principalmente se aliados ao critério utilizado por muitos<br />
produtores para colheita programada, a marcação dos cachos por idade<br />
(MOREIRA, 1999; SOTO BALLESTERO, 2008; LICHTEMBERG et al., 2008).<br />
Dessa maneira, tem-se uma estimativa mais ajustada da quantidade e da época da<br />
oferta do produto, visto que para bananeiras tipo Prata, especificamente a 'Prata-<br />
Anã' e a ‘BRS Platina’, a colheita ocorre cerca de 120 a 150 dias após o<br />
florescimento nas condições semiáridas do Sudoeste da Bahia (DONATO et al.,<br />
2006; 2009).<br />
Na bananicultura, especificamente, os modelos de predição de colheita,<br />
além de proporcionarem o prévio conhecimento da colheita, podem ser ainda<br />
mais úteis <strong>no</strong> manejo das plantas da safra seguinte, de modo a promover maior<br />
eficiência na organização da produção.<br />
19
3 - MATERIAL E MÉTODOS<br />
3.1. Condições experimentais<br />
As plantas e os cachos utilizados para as avaliações realizadas <strong>no</strong><br />
presente trabalho foram de um bananal experimental conduzido com o sistema de<br />
irrigação convencional subcopa, com os genótipos de bananeira tipo Prata, 'Prata-<br />
Anã' e ‘BRS Platina’. O experimento foi implantado em Latossolo Vermelho-<br />
Amarelo distrófico típico, A fraco, textura média, fase caatinga hipoxerófila,<br />
relevo pla<strong>no</strong> a suave‐ondulado (JACOMINE et al., 1979; SANTOS et al., 2006).<br />
A área localiza-se <strong>no</strong> Instituto Federal Baia<strong>no</strong>, Campus Guanambi, BA, a<br />
14º13'30"S, 42º46'53"W, com altitude de 545 m, com médias anuais de<br />
precipitação de 663,69 mm e temperatura média de 26 ºC. O clima do local é do<br />
tipo Aw, segundo a classificação de Köppen.<br />
Foram utilizadas mudas micropropagadas, plantadas <strong>no</strong> espaçamento de<br />
3,0 x 2,5 m. A implantação e os tratos culturais seguiram as recomendações para<br />
a cultura, conforme Rodrigues et al. (2008).<br />
3.2. Amostragem de plantas<br />
Os dois genótipos avaliados foram: 'Prata-Anã', triploide AAB, suscetível<br />
às sigatokas amarela e negra e ao mal-do-Panama; e seu híbrido BRS Platina,<br />
tetraploide AAAB, resistente à sigatoka-amarela e ao mal-do-Panamá,<br />
desenvolvido pela EMBRAPA Mandioca e Fruticultura em colaboração com o<br />
Instituto Federal Baia<strong>no</strong> Campus Guanambi e a EPAMIG Norte de Minas Gerais<br />
(AMORIM et al., 2011).<br />
As mensurações foram realizadas à época da colheita. Cada planta,<br />
unidade básica, foi considerada como repetição. Assim, para avaliação das<br />
20
características vegetativas e de rendimentos, as plantas foram amostradas ao<br />
acaso <strong>no</strong>s dois genótipos com número diferentes de repetições, 98 para 'Prata-<br />
Anã' e 96 para ‘BRS Platina’.<br />
3.3. Avaliações<br />
As avaliações foram realizadas na ocasião da colheita dos cachos, para os<br />
dois genótipos, <strong>no</strong> segundo ciclo de produção (planta-filha). O período de<br />
aferição dos caracteres fe<strong>no</strong>típicos foi, aproximadamente, de quatro meses, entre<br />
setembro e dezembro de 2009, com coleta de dados diária. Foram mensuradas as<br />
características fe<strong>no</strong>típicas vegetativas, de rendimento de cacho e pencas, de<br />
acordo com a proposta metodológica que consta <strong>no</strong>s catálogos de descritores<br />
morfológicos padrão para bananeira (DESCRIPTORS FOR BANANA, 1996;<br />
SILVA et al., 1999).<br />
3.3.1. Características vegetativas avaliadas<br />
Avaliaram-se, à época da colheita dos cachos, a altura da planta, o<br />
perímetro do pseudocaule ao nível do solo, a 30 cm do solo e a 100 cm do solo e<br />
o número de folhas vivas presentes na planta.<br />
A altura da planta foi avaliada com uma trena de cinco metros, medindose<br />
a distância, em centímetros, da base do pseudocaule até a roseta foliar, na<br />
altura da inserção do engaço <strong>no</strong> pseudocaule.<br />
Os valores do perímetro do pseudocaule foram determinados com o<br />
auxílio de uma fita métrica graduada <strong>no</strong> sistema métrico decimal. Medindo-se a<br />
circunferência do pseudocaule, em centímetros, em três níveis em relação ao solo:<br />
ao nível do solo, à altura de 30 cm e a 100 cm.<br />
21
Contou-se o número de folhas vivas presentes na planta, considerando<br />
como viva ou funcional a folha que possuía mais de 50% do limbo verde, mesmo<br />
que dilacerado.<br />
3.3.2. Características de rendimento do cacho<br />
Avaliaram-se na ocasião da colheita dos cachos as características de<br />
rendimentos: massa do cacho, número de pencas e de frutos por cacho, massa das<br />
pencas, a massa, o comprimento e o diâmetro do engaço.<br />
A massa do cacho, em quilogramas (kg), foi obtida pelo somatório da<br />
massa das pencas, da ráquis e do engaço. As pencas e os frutos de cada cacho<br />
foram contados.<br />
A massa de cada penca, de uma a 10, foi obtida individualmente, pesando<br />
penca por penca. As pencas foram numeradas de um a 10 <strong>no</strong> sentido da base -<br />
proximal para o ápice - distal cacho. A massa das pencas foi obtida pela soma das<br />
massas de todas as pencas de cada cacho, sem a massa do engaço e expressa em<br />
quilograma (kg).<br />
Após a despenca, foi pesado o engaço com a ráquis feminina e a ráquis<br />
masculina, expresso em quilogramas (kg), considerando o conjunto como massa<br />
do engaço. Na colheita, os engaços de todos os cachos foram cortados <strong>no</strong> mesmo<br />
ponto (inserção <strong>no</strong> pseudocaule).<br />
Mediu-se o comprimento do engaço, em centímetros, desde a sua<br />
inserção <strong>no</strong> pseudocaule até a inflorescência masculina. O diâmetro do pedúnculo<br />
do cacho foi mensurado, em milímetros, na região mediana entre a inserção <strong>no</strong><br />
pseudocaule e a primeira penca utilizando-se paquímetro.<br />
22
3.3.3. Características de rendimento da penca<br />
Avaliou-se em cada penca, de uma a 10, a contar da base - proximal para<br />
o ápice – distal, as seguintes características: número de frutos, massas do fruto<br />
central das fileiras externa - superior e interna - inferior, comprimento inter<strong>no</strong> e<br />
exter<strong>no</strong> do fruto central das fileiras externa e interna e o diâmetro do fruto central<br />
das fileiras externa e interna. Quantificou-se e a<strong>no</strong>tou o número de frutos por<br />
penca.<br />
As massas dos frutos centrais das fileiras externa e interna de cada penca<br />
foram obtidas individualmente, em balança digital (precisão de três casas<br />
decimais) e o seu valor expresso em gramas (g). Foi mensurado o comprimento<br />
na curvatura interna e externa destes mesmos frutos, utilizando fita métrica (cm),<br />
do ápice para a base (desconsiderando o pedicelo e o ápice do fruto).<br />
Mensurou-se o diâmetro, em milímetros (mm), na região mediana do<br />
fruto, utilizando-se paquímetro mecânico, posicionando-o nas laterais do fruto. O<br />
diâmetro ou calibração lateral do fruto central da fileira externa de frutos da<br />
segunda penca foi utilizado como critério para a colheita dos frutos.<br />
3.4. Procedimentos estatísticos<br />
Os procedimentos estatísticos utilizados para análise dos dados das<br />
características avaliadas neste trabalho, quais sejam, estatística descritiva (média<br />
e desvio-padrão), correlação e regressão para estimativa dos modelos de predição<br />
de colheita são apresentados a seguir.<br />
3.4.1. Estatística descritiva: médias e desvios-padrão<br />
Para determinar as médias e os desvios-padrão das características<br />
vegetativas e de rendimento avaliadas, consideraram-se as observações e<br />
23
amostragens dos genótipos Prata-Anã e BRS Platina, sendo, respectivamente, 98<br />
e 96 repetições.<br />
3.4.2. Análise de Correlação<br />
Para cada genótipo avaliado, 'Prata-Anã' e ‘BRS Platina’, foram<br />
estimadas correlações fe<strong>no</strong>típicas referentes às associações entre as massas do<br />
cacho e das pencas com características vegetativas e de rendimento avaliadas,<br />
com base na correlação de Pearson (PIMENTEL-GOMES, 2000).<br />
Utilizaram-se os dados das observações individuais das repetições de<br />
cada genótipo, para estabelecimento das associações entre as características.<br />
A partir das estimativas das correlações entre todas as variáveis<br />
mensuradas com as massas do cacho e das pencas, as associações significativas e<br />
com maiores valores foram consideradas para proceder às análises de regressão e<br />
posterior escolha do modelo mais ajustado.<br />
3.4.3. Análise de regressão<br />
A principal função do procedimento de regressão é expor as variáveis a<br />
uma metodologia sistemática planejada para assegurar a inclusão eventual das<br />
melhores combinações das variáveis. Nas análises de regressão procurou-se, além<br />
de chegar a uma equação de predição funcional e de fácil aplicação prática,<br />
encontrar a “melhor regressão” envolvendo somente as variáveis que são<br />
instrumentos de predição úteis, ou seja, não destrutivos e que permitam a<br />
estimativa com antecedência à ocorrência do fenôme<strong>no</strong> avaliado. Desse modo,<br />
buscou-se classificar as variáveis com potencial para determinar quais têm efeito<br />
significante na resposta e ajustar a equação de predição mais eficaz (WALPOLE<br />
et al., 2009).<br />
24
3.4.3.1. Regressão linear múltipla<br />
Para se avaliar a importância das variáveis referentes às características<br />
vegetativas e de rendimento e a influência dessas nas massas do cacho e das<br />
pencas, estimou-se uma equação de regressão utilizando-se o procedimento de<br />
seleção das variáveis de<strong>no</strong>minado backward elimination (DRAPER; SMITH,<br />
1981; NUNES, 1998; RIBEIRO JÚNIOR, 2001), <strong>no</strong> software SAEG (Sistema de<br />
Análises Estatísticas), versão 9.1, da Universidade Federal de Viçosa (SAEG,<br />
2007). O modelo estatístico com k variáveis independentes pode ser determinado<br />
com a seguinte equação de regressão linear múltipla:<br />
Yi = β0 + β1X1i + β2X2i + ... + βkXki + εi<br />
em que: Yi refere-se à variável resposta: massa do cacho ou das pencas,<br />
determinado em função das variáveis regressoras de rendimento do cacho<br />
(número de pencas, massa médias das pencas, massa, comprimento e diâmetro do<br />
engaço e número de frutos) e de rendimento das pencas (massa da penca, número<br />
de frutos da penca, massa do fruto da fileira externa, massa do fruto da fileira<br />
interna, comprimento exter<strong>no</strong> do fruto da fileira externa, comprimento exter<strong>no</strong> do<br />
fruto da fileira interna, comprimento inter<strong>no</strong> do fruto da fileira externa,<br />
comprimento inter<strong>no</strong> do fruto da fileira interna, diâmetro do fruto da fileira<br />
externa e diâmetro do fruto da fileira interna (Xi; ... ;Xk), εi é o erro associado à<br />
i-ésima observação, assumido <strong>no</strong>rmal e independentemente distribuído, β0<br />
constante inerente ao modelo e β1, ..., βk coeficientes do modelo.<br />
O coeficiente de determinação do modelo foi determinado pela fórmula:<br />
em que: 0 ≤ R 2 ≤ 1<br />
R 2 = SQReg = 1 – SQR<br />
SQT SQT<br />
25
Para elucidar a relação com cada variável, que foi significativa na análise<br />
de regressão com a massa final do cacho, foram estimadas as correlações<br />
paramétricas de Pearson (PIMENTEL-GOMES, 2000).<br />
No presente trabalho, <strong>no</strong>s procedimentos estatísticos realizados para<br />
estimar as equações de predição dos valores de massas do cacho e das pencas<br />
para bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’, selecionaram-se apenas as<br />
variáveis com coeficientes de correlação significativos e com maiores valores.<br />
Considerou-se a significância dos coeficientes de regressão pelo teste “t” a 5% de<br />
probabilidade, o comportamento do fenôme<strong>no</strong> biológico, o coeficiente de<br />
determinação (R²) e a significância do teste F da análise de variância da<br />
regressão, para as equações de predições ajustadas, em cada caso em particular.<br />
Utilizou-se, para tanto, o procedimento de eliminação indireta Backward<br />
elimination <strong>no</strong> software SAEG (SAEG, 2007), conforme Nunes (1998) e Ribeiro<br />
Júnior (2001). Nesses casos utilizaram-se os dados das observações individuais<br />
das repetições para cada genótipo, 'Prata-Anã' e ‘BRS Platina’, separadamente.<br />
3.4.3.2. Regressão linear simples<br />
Ajustaram-se ainda modelos de regressão linear simples entre as massas<br />
do cacho e das pencas, para cada genótipo avaliado, 'Prata-Anã' e ‘BRS Platina’,<br />
com as características vegetativas e de rendimento. Para tanto, as regressões<br />
foram ajustadas a partir das médias das repetições, considerando como variável<br />
independente, para cada genótipo, o perímetro do pseudocaule mensurado ao<br />
nível do solo e o número de pencas, por apresentarem maiores coeficientes de<br />
correlação com as massas do cacho e das pencas. Razão adicional para utilização<br />
dessas variáveis <strong>no</strong>s modelos são o fato de serem de fácil determinação, por<br />
contagem direta (número de pencas) e por medida simples com trena (perímetro<br />
do pseudocaule), não destrutivas e poderem ser obtidas ainda na fase de<br />
florescimento, bem anterior à colheita do cacho da 'Prata-Anã' e da 'BRS Platina',<br />
26
cerca de 120 a 150 dias (DONATO et al., 2006, 2009), possibilitando<br />
planejamento eficiente, e que associado à técnica de marcação do cacho por idade<br />
como critério de ponto de colheita (LICHTEMBERG et al., 2008; SOTO<br />
BALLESTERO, 2008), possibilita prever a época e a quantidade da colheita.<br />
O número de repetições para cada caso foi variável, com a estratificação<br />
do número de pencas em classes de observações, variando de <strong>no</strong>ve a 13 pencas<br />
para a 'Prata-Anã' e de sete a 12 pencas para o híbrido ‘BRS Platina’. Do mesmo<br />
modo, foi feito para o perímetro do pseudocaule mensurado ao nível do solo,<br />
estratificando, conforme o número de repetições de cada classe e utilizando as<br />
médias das repetições <strong>no</strong> procedimento regressão linear simples e múltipla <strong>no</strong><br />
software SAEG (2007).<br />
27
4 - RESULTADOS E DISCUSSÃO<br />
As Figuras 1 a 4 ilustram as plantas e os cachos das bananeiras tipo Prata,<br />
'Prata-Anã' e ‘BRS Platina’, nas quais foram mensuradas as características<br />
vegetativas e de rendimento que possibilitaram a aplicação dos procedimentos<br />
estatísticos de correlação e de regressão para estimativa dos modelos de predição<br />
de colheita.<br />
FIGURA 1. Planta de bananeira ‘Prata-Anã’, Guanambi, BA.<br />
Foto: Alessandro de Magalhães Arantes<br />
28
FIGURA 2. Cacho de bananeira 'Prata-Anã', Guanambi, BA<br />
Foto: Alessandro de Magalhães Arantes<br />
FIGURA 3. Planta de bananeira ‘BRS Platina’, Guanambi, BA.<br />
Foto: Alessandro de Magalhães Arantes<br />
29
FIGURA 4. Cacho de bananeira ‘BRS Platina’, Guanambi, BA.<br />
Foto: Alessandro de Magalhães Arantes<br />
4.1. Características médias dos genótipos de bananeira tipo Prata, 'Prata-<br />
Anã' e ‘BRS Platina’<br />
No intuito de caracterizar as bananeiras tipo Prata, 'Prata-Anã' e ‘BRS<br />
Platina’, são apresentadas nas Tabelas 1 a 4, as médias e os desvios-padrão das<br />
características vegetativas e de rendimento avaliadas, que possibilitaram a<br />
aplicação dos procedimentos estatísticos de correlação e de regressão para<br />
estimativa dos modelos de predição de colheita.<br />
Os valores médios e a variabilidade das características vegetativas e de<br />
rendimento (TABELAS 1 a 4) mensurados nas bananeiras 'Prata-Anã' e ‘BRS<br />
Platina’ estão de acordo com os dados determinados na mesma região de cultivo,<br />
para os mesmos genótipos (DONATO et al., 2006; 2009).<br />
Da análise da Tabela 1, verifica-se que os genótipos, Prata-Anã e BRS<br />
Platina, apresentam proximidades <strong>no</strong>s valores correspondentes às características<br />
30
vegetativas. Neste sentido diversos autores confirmam a similaridade dos<br />
genótipos quanto ao porte (DONATO et al. 2006, 2009; LÉDO et al., 2008;<br />
OLIVEIRA et al., 2008; MARQUES et al., 2011). Por outro lado, esses mesmos<br />
estudos observaram superioridade da genitora em relação ao híbrido, <strong>no</strong> tocante<br />
ao perímetro do pseudocaule e o número de folhas na colheita. No entanto,<br />
Donato et al. (2009) constataram semelhanças entre esses genótipos também para<br />
essas últimas características avaliadas.<br />
TABELA 1. Médias e desvios-padrão das características vegetativas de<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi, BA, 2009.<br />
Genótipos<br />
1 ALT (cm)<br />
2 PPNS (cm)<br />
3 PP30 (cm)<br />
4 PP100 (cm)<br />
5 NFC (un)<br />
Prata-Anã 335 ± 35 113 ± 14 99 ± 14 78 ± 9 14 ± 2<br />
BRS Platina 348 ± 34 108 ± 10 93 ± 9 72 ± 8 11 ± 2<br />
1 ALT, altura da planta; 2 PPNS, perímetro do pseudocaule ao nível do solo; 3 PP30, perímetro do<br />
pseudocaule a 30 cm de altura; 4 PP100, perímetro do pseudocaule a 100 cm de altura; 5 NFC,<br />
número de folhas vivas na colheita.<br />
A ‘Prata-Anã’ apresenta maiores valores para as características número<br />
de pencas e de frutos em relação ao híbrido (TABELA 2), enquanto a ‘BRS<br />
Platina’ é mais expressiva <strong>no</strong> valor unitário da massa média das pencas<br />
(TABELA 2), e apresenta maior comprimento, massa e diâmetro dos frutos<br />
(TABELA 3). Diversos trabalhos confirmam essas diferenças entre ‘'Prata‐Ana' e<br />
'BRS Platina’, o que indica que são diferenças varietais que se manifestam,<br />
independentemente das condições ambientais e de manejo (DONATO et al.,<br />
2006; LÉDO et al., 2008; DONATO et al., 2009; MARQUES et al., 2011). Dessa<br />
forma, considerando que as bananas são comercializadas mediante classificação,<br />
que inclui as dimensões do fruto, os genótipos apresentaram frutos que seriam<br />
bem classificados (TABELAS 2 e 3), com vantagens para a 'BRS Platina'.<br />
31
TABELA 2. Médias e desvios-padrão de características de rendimento de<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi, BA, 2009.<br />
Características<br />
Genótipos<br />
Prata-Anã<br />
BRS Platina<br />
Massa do cacho (kg) 27 ± 6 24 ± 5<br />
Massa das pencas (kg) 24 ± 5 21 ± 5<br />
Número de pencas (un) 11 ± 1 8 ± 1<br />
Massa média das pencas (kg) 2,16 ± 0,39 2,58 ± 0,50<br />
Massa do engaço (kg) 2,83 ± 0,39 2,55 ± 0,55<br />
Comprimento do engaço (cm) 38,61 ± 8,94 43,07 ± 8,04<br />
Diâmetro do engaço (mm) 73,27 ± 8,15 68,51 ± 6,68<br />
Número de frutos (un) 183 ± 26 128 ± 21<br />
TABELA 3. Médias e desvios-padrão de características de rendimento da<br />
primeira à quinta penca de bananeiras 'Prata-Anã' e ‘BRS Platina’,<br />
Guanambi, BA, 2009.<br />
Características<br />
Posição da penca<br />
Primeira Segunda Terceira Quarta Quinta<br />
'Prata-Anã'<br />
MPE 1 (kg) 2,88 ± 1,07 2,85 ± 0,71 2,48 ± 0,53 2,32 ± 0,45 2,22 ± 0,42<br />
NFR 2 (un) 19 ± 5 19 ± 3 17 ± 1 17 ± 1 17 ± 1<br />
MFFE 3 (g) 140 ± 28 144 ± 27 140 ± 26 139 ± 24 132 ± 25<br />
MFFI 4 (g) 148 ± 31 149 ± 30 145 ± 31 143 ± 28 137 ± 28<br />
CEFFE 5 (cm) 18 ± 2 18 ± 2 18 ± 2 18 ± 1 17 ± 2<br />
CEFFI 6 (cm) 18 ± 2 18 ± 2 17 ± 2 17 ± 2 17 ± 2<br />
CIFFE 7 (cm) 14 ± 1 14 ± 1 13 ± 1 13 ± 1 14 ± 2<br />
CIFFI 8 (cm) 14 ± 2 14 ± 2 14 ± 3 14 ± 2 14 ± 2<br />
DFFE 9 (cm) 32 ± 3 33 ± 3 32 ± 3 32 ± 3 31 ± 2<br />
DFFI 10 (mm) 33 ± 3 33 ± 3 33 ± 3 34 ± 3 33 ± 3<br />
‘BRS Platina’<br />
MPE 1 (kg) 3,47 ±1,05 2,94 ± 0,68 2,69 ± 0,51 2,62 ± 0,52 2,44 ± 0,43<br />
NFR 2 (un) 18 ± 4 16 ± 3 15 ± 1 15 ± 1 15 ± 1<br />
MFFE 3 (g) 176 ± 29 171 ± 25 163 ± 24 162 ± 25 156 ± 24<br />
MFFI 4 (g) 188 ± 30 187 ± 24 178 ± 26 177 ± 27 170 ± 25<br />
CEFFE 5 (cm) 20 ± 2 20 ± 2 20 ± 2 19 ± 1 19 ± 1<br />
CEFFI 6 (cm) 20 ± 2 20 ± 2 19 ± 2 19 ± 2 18 ± 2<br />
CIFFE 7 (cm) 15 ± 1 14 ± 1 14 ± 1 14 ± 1 14 ± 2<br />
CIFFI 8 (cm) 16 ± 1 16 ± 2 15 ± 1 15 ± 2 15 ± 1<br />
DFFE 9 (cm) 33 ± 3 32 ± 3 32 ± 3 33 ± 3 32 ± 2<br />
DFFI 10 (mm) 34 ± 3 34 ± 3 35 ± 3 36 ± 3 35 ± 2<br />
1 MPE, massa da penca; 2 NFR, número dos frutos; 3 MFFE, massa do fruto da fileira externa;<br />
4 MFFE, massa do fruto da fileira interna; 5 CEFFE, comprimento exter<strong>no</strong> do fruto da fileira externa;<br />
6 CEFFI, comprimento exter<strong>no</strong> do fruto da fileira interna; 7 CIFFE, comprimento inter<strong>no</strong> do fruto da<br />
fileira externa; 8 CIFFI, comprimento inter<strong>no</strong> do fruto da fileira interna; 9 DFFE, diâmetro do fruto da<br />
fileira externa; 10 DFFI, diâmetro do fruto da fileira interna.<br />
32
TABELA 4. Médias e desvios-padrão de características de rendimento da sexta à<br />
décima penca de bananeiras 'Prata-Anã' e ‘BRS Platina’, Guanambi,<br />
BA, 2009.<br />
Características<br />
Posição da penca<br />
Sexta Sétima Oitava Nona Décima<br />
'Prata-Anã'<br />
MPE 1 (kg) 2,09 ± 0,43 1,98 ± 0,38 1,90 ± 0,35 1,86 ± 0,41 1,76 ± 0,34<br />
NFR 2 (un) 16 ± 1 16 ± 1 16 ± 1 16 ± 1 16 ± 1<br />
MFFE 3 (g) 127 ± 25 123 ± 22 119 ± 20 114 ± 21 109 ± 18<br />
MFFI 4 (g) 134 ± 26 127 ± 23 123 ± 22 118 ± 24 113 ± 20<br />
CEFFE 5 (cm) 17 ± 2 17 ± 1 16 ± 1 16 ± 2 16 ± 2<br />
CEFFI 6 (cm) 17 ± 3 16 ± 2 16 ± 2 16 ± 2 15 ± 2<br />
CIFFE 7 (cm) 13 ± 1 12 ± 1 12 ± 1 12 ± 1 12 ± 1<br />
CIFFI 8 (cm) 14 ± 2 13 ± 1 13 ± 2 12 ± 2 12 ± 1<br />
DFFE 9 (cm) 31 ± 3 31 ± 3 31 ± 2 31 ± 2 31 ± 3<br />
DFFI 10 (mm) 32 ± 3 32 ± 3 32 ± 2 32 ± 3 32 ± 3<br />
‘BRS Platina’<br />
MPE 1 (kg) 2,33 ±0,4 2,17 ± 0,40 2,09 ± 0,39 1,97 ± 0,52 1,98 ± 0,28<br />
NFR 2 (un) 15 ± 1 15 ± 1 15 ± 1 15 ± 2 16 ± 00<br />
MFFE 3 (g) 149 ± 21 141 ± 23 132 ± 20 127 ± 13 121 ± 19<br />
MFFI 4 (g) 162 ± 24 150 ± 23 142 ± 21 133 ± 19 127 ± 28<br />
CEFFE 5 (cm) 19 ± 2 18 ± 1 17 ± 1 17 ± 1 16 ± 1<br />
CEFFI 6 (cm) 17 ± 2 17 ± 2 16 ± 2 16 ± 2 15 ± 2<br />
CIFFE 7 (cm) 13 ± 1 13 ± 1 13 ± 1 13 ± 1 12 ± 1<br />
CIFFI 8 (cm) 15 ± 2 14 ± 1 14 ± 1 13 ± 1 13 ± 1<br />
DFFE 9 (cm) 32 ± 2 31 ± 2 31 ± 2 30 ± 3 30 ± 3<br />
DFFI 10 (mm) 35 ± 3 35 ± 3 33 ± 3 33 ± 3 33 ± 2<br />
1 MPE, massa da penca; 2 NFR, número dos frutos; 3 MFFE, massa do fruto da fileira externa; 4 MFFE, massa do<br />
fruto da fileira interna; 5 CEFFE, comprimento exter<strong>no</strong> do fruto da fileira externa; 6 CEFFI, comprimento exter<strong>no</strong><br />
do fruto da fileira interna; 7 CIFFE, comprimento inter<strong>no</strong> do fruto da fileira externa; 8 CIFFI, comprimento<br />
inter<strong>no</strong> do fruto da fileira interna; 9 DFFE, diâmetro do fruto da fileira externa; 10 DFFI, diâmetro do fruto da<br />
fileira interna.<br />
Quanto ao número de frutos por penca (TABELAS 3 e 4), para o<br />
intervalo da primeira à décima penca, pode-se sugerir que a arquitetura dos<br />
cachos da ‘Prata-Anã’ e da ‘BRS Platina’ são, respectivamente, de aspecto cônico<br />
33
e cilíndrico, o que favorece para este último melhor classificação das pencas para<br />
comercialização.<br />
4.2. Correlações fe<strong>no</strong>típicas entre massas do cacho e das pencas e<br />
características vegetativas<br />
As correlações entre as massas do cacho e das pencas, para com as<br />
características vegetativas, altura da planta, perímetro do pseudocaule ao nível do<br />
solo, perímetro do pseudocaule à 30 cm de altura, perímetro do pseudocaule à<br />
100 cm de altura e número de folhas vivas na colheita, para as bananeiras 'Prata-<br />
Anã' e ‘BRS Platina’, encontram-se nas Tabelas 5 e 6, respectivamente. As<br />
correlações foram significativas e positivas para todas as variáveis analisadas, o<br />
que indica a variação direta das variáveis de rendimento, massas do cacho e das<br />
pencas, com as variáveis vegetativas analisadas, <strong>no</strong> presente trabalho.<br />
TABELA 6. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
características vegetativas em bananeiras tipo Prata, 'Prata-Anã' e<br />
‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Altura da planta 0,63** 0,49**<br />
Perímetro do pseudocaule ao nível do solo 0,75** 0,75**<br />
Perímetro do pseudocaule a 30 cm do solo 0,69** 0,64**<br />
Perímetro do pseudocaule a 100 cm do solo 0,68** 0,74**<br />
Número de folhas na colheita 0,35** 0,52**<br />
**Significativo ao nível de 1% de probabilidade.<br />
34
TABELA 6. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
características vegetativas em bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Altura da planta 0,63** 0,47**<br />
Perímetro do pseudocaule ao nível do solo 0,75** 0,73**<br />
Perímetro do pseudocaule a 30 cm do solo 0,68** 0,63**<br />
Perímetro do pseudocaule a 100 cm do solo 0,67** 0,72**<br />
Número de folhas na colheita 0,35** 0,52**<br />
**Significativo ao nível de 1% de probabilidade.<br />
Os genótipos 'Prata-Anã' e ‘BRS Platina’ apresentaram correlações<br />
positivas e significativas entre as massas médias do cacho e das pencas com a<br />
altura da planta. Soares (2010) compartilha essa relação com a cultivar Tropical.<br />
Essa associação de<strong>no</strong>ta a variação direta das massas do cacho e das pencas com o<br />
porte da planta; <strong>no</strong> entanto, a magnitude dessa correlação foi a me<strong>no</strong>r entre as<br />
variáveis vegetativas avaliadas para o híbrido BRS Platina (TABELAS 5 e 6).<br />
Siqueira (1984) constatou, a partir de clones da bananeira ‘Prata’, que é possível<br />
selecionar genótipos me<strong>no</strong>res sem prejudicar a produção, pois a altura da planta,<br />
na maioria dos clones avaliados, não se relacio<strong>no</strong>u com nenhum caráter associado<br />
ao rendimento.<br />
Da análise da associação entre os caracteres de rendimento, massas do<br />
cacho e das pencas, e a característica vegetativa, perímetro do pseudocaule,<br />
avaliada ao nível do solo, a 30 cm do solo e a 100 cm do solo, observam-se<br />
estimativas satisfatórias de correlação. Contudo, a associação com o perímetro do<br />
pseudocaule ao nível do solo expressou melhor resposta, o que sugere como<br />
variável eficaz na predição (TABELAS 5 e 6). Diferentes trabalhos relacionando<br />
características vegetativas e reprodutivas em bananeira relatam correlação<br />
significativa entre o perímetro do pseudocaule e produção do cacho (HASSELO,<br />
1962; FERNANDEZ CALDAS et al., 1977; HOLDER & CUMBS, 1982;<br />
ARANTES et al., 2010). Além disso, Siqueira (1984) constatou, a partir de<br />
35
clones da bananeira ‘Prata’, que dentre os caracteres relacionados ao<br />
desenvolvimento vegetativo, o perímetro do pseudocaule foi o que mais se<br />
correlacio<strong>no</strong>u positivamente com os caracteres da produção.<br />
Neste sentido, Flores et al. (2000) observaram, em genótipos tipo Prata,<br />
correlações significativas e positivas entre o perímetro do pseudocaule e a massa<br />
do cacho. Outros trabalhos também apresentam correlações significativas,<br />
positivas e alta magnitude entre esses descritores (HOLDER & CUMBS, 1982;<br />
SIQUEIRA, 1984; LIMA NETO et al., 2003; ARANTES et al., 2010).<br />
Este resultado não corrobora Donato (2006a) e Soares (2010), que<br />
compartilham que, a massa do cacho e perímetro do pseudocaule foi não<br />
significativa e positiva, o que pode indicar que, independente da espessura do<br />
pseudocaule, a massa do cacho pode ser de valor satisfatório. Entretanto, os<br />
genótipos que apresentaram maior e me<strong>no</strong>r altura proporcionaram,<br />
respectivamente, maior e me<strong>no</strong>r perímetro do pseudocaule também. Hasselo<br />
(1962) verificou que a correlação entre a massa do cacho e o diâmetro do<br />
pseudocaule na bananeira ‘Gros Michel’ não é, <strong>no</strong>rmalmente, influenciada por<br />
fatores ambientais.<br />
Neste trabalho foram encontrados valores estatisticamente significativos e<br />
positivos para a associação massas do cacho (TABELA 5) e das pencas<br />
(TABELA 6) com número de folhas vivas na colheita para 'Prata-Anã' e ‘BRS<br />
Platina’. A maior estimativa de correlação foi expressa pelo híbrido, porém para<br />
os dois genótipos o nível de correlação foi baixo. Esse resultado pode ser<br />
atribuído ao elevado número de folhas presente à colheita, com média de 14 e 11<br />
folhas, respectivamente, para os genótipos Prata-Anã e BRS Platina (TABELA<br />
1). A ‘BRS Platina’ apresentou me<strong>no</strong>r número de folhas, porém maior coeficiente<br />
de correlação (0,52) que a ‘Prata-Anã’ (0,35) que possuía mais folhas (TABELA<br />
6). Em trabalho conduzido <strong>no</strong> Norte de Minas Gerais, os cachos da ‘Prata-Anã<br />
foram mais pesados quando a planta foi mantida com um mínimo de 12 folhas.<br />
36
Dessa forma, a quantidade de folhas registrada neste trabalho atende ao requisito<br />
mínimo para o enchimento <strong>no</strong>rmal dos cachos em bananeiras tipo Prata<br />
(RODRIGUES et al., 2009), o que justifica a baixa correlação. Adicionalmente, o<br />
momento de avaliação, à época da colheita, e não à época do florescimento,<br />
quando seria de se esperar maior correlação entre essas variáveis.<br />
Alguns autores não compartilharam esses resultados, visto que esses<br />
genótipos apresentaram valores não significativos e positivos para a associação<br />
número de folhas na colheita e produção do cacho, <strong>no</strong>s dois ciclos de produção<br />
(IUCHI et al., 1979; LIMA NETO et al., 2003; DONATO et al., 2006).<br />
Entretanto, Siqueira (1984) <strong>no</strong>tou correlações significativas entre os referidos<br />
caracteres. De acordo com o pa<strong>no</strong>rama geral apresentado pela correlação neste<br />
estudo e <strong>no</strong>utros revisados, pode-se inferir que os caracteres não apresentam forte<br />
correlação, o que pode proporcionar baixa confiabilidade na predição de colheita,<br />
enquanto componente do modelo.<br />
Soares (2010) observou que, apesar de significativa e positiva a relação<br />
massa do cacho e número de folhas vivas na colheita, apresentou coeficiente de<br />
correlação de baixa magnitude. Isso indica que a massa do cacho varia de forma<br />
direta em relação ao número de folhas vivas, porém, desde que atendidas as<br />
exigências mínimas do número de folhas, essa influência não é expressiva.<br />
4.3. Correlações fe<strong>no</strong>típicas entre massas do cacho e das pencas e<br />
características de rendimento<br />
As correlações entre a massa do cacho e os outros descritores de<br />
rendimento mensurados à época da colheita foram positivas e significativas ao<br />
nível de 1% de probabilidade, exceto para o comprimento do engaço <strong>no</strong> genótipo<br />
BRS Platina, que foi não significativa (TABELA 7). Dessa forma, a massa do<br />
cacho variou <strong>no</strong> mesmo sentido dos demais caracteres de rendimento<br />
considerados. Todavia, <strong>no</strong>s trabalhos de predição, é desejável que a variável que<br />
37
compõe o modelo apresente alto coeficiente de correlação associado à facilidade<br />
de mensuração desta <strong>no</strong> campo.<br />
TABELA 7. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
outras características de rendimento em bananeiras tipo Prata,<br />
'Prata-Anã' e ‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã<br />
BRS Platina<br />
Massa das pencas 0,99** 0,99**<br />
Massa do engaço 0,82** 0,71**<br />
Comprimento do engaço 0,35** 0,08 ns<br />
Diâmetro do engaço 0,69** 0,68**<br />
Número de pencas 0,70** 0,60**<br />
Número de frutos 0,74** 0,74**<br />
Massa média das pencas 0,86** 0,89**<br />
** e ns Significativo ao nível de 1% de probabilidade e não significativo, respectivamente.<br />
A massa do cacho em relação à massa das pencas expressou a maior<br />
correlação, 0,99 para ambos os genótipos, Prata-Anã e BRS Platina, como era de<br />
se esperar, pois a massa das pencas é o principal componente do cacho, apenas<br />
sem a ráquis. O comportamento geral desta correlação assemelha-se ao obtido<br />
pelos autores Jaramilo (1982), Lima Neto et al. (2003), Donato et al. (2006a).<br />
Contudo, embora esta associação, massa do cacho e das pencas, seja significativa<br />
e de alta magnitude, a mesma apresenta limitação como variável a ser utilizada na<br />
predição de colheita, uma vez que assume a condição de variável resposta, assim<br />
como a massa do cacho.<br />
A correlação entre massa do cacho e do engaço, para os genótipos<br />
estudados, apresentou valores estatisticamente significativos e positivos.<br />
Entretanto, Donato et al. (2006a) encontraram correlações diversas para os<br />
genótipos abordados, sendo a relação significativa e positiva para 'Prata-anã', e<br />
significativa e negativa para o híbrido BRS Platina.. A variável massa do engaço,<br />
para estimativa de colheita, é considerada como amostra destrutiva e de difícil<br />
38
mensuração, pois para quantificação de sua massa, faz-se necessário o<br />
despencamento do cacho. Essas razões aliadas à época de mensuração,<br />
coincidente com a época de avaliação do fenôme<strong>no</strong> que se pretende prever,<br />
tornam a variável de pouca aplicação prática na predição.<br />
A associação entre massa do cacho e o comprimento do engaço, apesar de<br />
significativa e positiva para 'Prata-Anã', apresentou a me<strong>no</strong>r estimativa, 0,35, e,<br />
para ‘BRS Platina’, foi não significativa, com valor de 0,08 (TABELA 7). Donato<br />
et al. (2006a) não observaram correlações estáveis para a relação massa do cacho<br />
e comprimento do engaço ao longo dos ciclos para os genótipos estudados.<br />
Soares (2010) afirma que a massa do cacho independe do comprimento do<br />
engaço. Dessa forma, pode-se sugerir que o comprimento do engaço não é<br />
medida constante e confiável para compor a equação de previsão de colheita,<br />
embora seja uma variável de fácil mensuração e não destrutível.<br />
O diâmetro do engaço é uma variável de fácil aferição <strong>no</strong> campo, com<br />
correlação significativa, positiva e relativamente alta, 0,69 e 0,68 (TABELA 7),<br />
respectivamente, para 'Prata-Anã' e ‘BRS Platina’. Resultados semelhantes foram<br />
compartilhados por Soares (2010), com a cv. Tropical, o que de<strong>no</strong>ta um padrão<br />
geral de variação direta da massa do cacho com o diâmetro do engaço um<br />
resultado esperado, visto que os cachos são compostos de pencas (frutos) e<br />
engaço (ráquis), e os cachos maiores possuem ráquis mais compridas<br />
(JARAMILLO, 1982). Apesar disso, a participação percentual da ráquis na massa<br />
do cacho decresce com o aumento da massa do cacho, o que foi comprovado por<br />
Jaramillo (1982) para cultivares tipo Cavendish, Donato (2003) para cultivares de<br />
grupos genômicos e subgrupos diversos e Azevedo (2010) para cultivares tipo<br />
Prata, de porte alto.<br />
A massa do cacho apresenta grande oscilação entre cachos com mesmo<br />
número de pencas e <strong>no</strong>rmalmente aumenta com o número de pencas, embora<br />
possa alterar esse padrão de variação em função de variações na massa, diâmetro<br />
39
e comprimento dos frutos, <strong>no</strong> número de frutos por cacho e na flutuação da massa<br />
da ráquis (JARAMILLO, 1982). Donato et al. (2008) constataram com a<br />
'Tropical' a mesma média de massa do cacho, 14,32 e 14,85 kg, para o primeiro e<br />
o segundo ciclo de produção, respectivamente, apesar do número de pencas ter<br />
elevado de cinco para sete. A ausência de incrementos entre os ciclos, para a<br />
massa do cacho, decorreu dos decréscimos observados em massa, comprimento e<br />
diâmetro do fruto de 158,07 g para 103,74 g, 15,88 cm para 14,39 cm, e de 40,77<br />
mm para 34,13 mm, respectivamente.<br />
No presente trabalho as correlações entre massa do cacho e número de<br />
pencas foram significativas e positivas, sendo o maior coeficiente de correlação<br />
associado à genitora 'Prata-Anã' (0,70), enquanto o híbrido BRS Platina<br />
apresentou coeficiente de correlação imediatamente inferior (0,60) para as<br />
mesmas variáveis (TABELA 7). De acordo com Donato et al. (2006a), para os<br />
genótipos avaliados, esta associação mostrou-se estável, positiva e de alta<br />
magnitude. Além disso, vale destacar que a variável número de pencas é de<br />
natureza quantitativa discreta e de fácil aplicação na prática, o que a credencia<br />
para uso num modelo de predição de colheita.<br />
Assim como a variável número de pencas, o número de frutos pode ser<br />
mensurado <strong>no</strong> campo. A correlação entre massa do cacho e o número frutos foi<br />
estatisticamente significativa, positiva e com magnitude adequada, sendo a<br />
estimativa de 0,74 para ambos os genótipos, Prata-Anã e BRS Platina (TABELA<br />
7), maiores, também, para os dois genótipos que a correlação entre massa do<br />
cacho e número de pencas. Lima Neto et al. (2003) obtiveram estimativas de<br />
correlação, positivas e significativas para a maioria dos genótipos estudados.<br />
Associações semelhantes foram encontradas por Soares (2010). Donato et al.<br />
(2006a) observaram correlações positivas e significativas e com valores próximos<br />
ao do presente trabalho para ‘BRS Platina’ e positivas e não significativas para<br />
'Prata-Anã'. Contudo, esses autores constataram estimativas de correlação<br />
40
negativas e significativas entre a massa do cacho e o número de frutos para os<br />
genótipos Calipso e Preciosa e positivas e significativas entre a massa do cacho e<br />
a massa média dos frutos, o que indica que cachos de maior massa podem ter<br />
me<strong>no</strong>r número de frutos, mas com frutos de maior tamanho unitário. Nesse<br />
sentido, a variável número de frutos antecipa e pronuncia as características<br />
quantitativas do cacho na ocasião da colheita, sendo, portanto, de grande<br />
confiabilidade na estimativa desta, além de fácil mensuração.<br />
Analogamente, à associação entre massa do cacho e massa das pencas<br />
foram encontrados valores significativos, positivos, mas com magnitudes mais<br />
elevadas, para 'Prata-Anã' (0,86) e para ‘BRS Platina’(0,89) (TABELA 7).<br />
Contudo, os valores elevados para esta correlação têm o seu uso dificultado para<br />
aplicação numa equação de predição de colheita, por questões práticas, pois se<br />
trata de uma variável destrutiva e de difícil mensuração. Dessa forma, essa<br />
variável não seria interessante para compor a equação de predição de colheita.<br />
Foram encontradas correlações significativas e positivas entre a massa do<br />
cacho e as massas das pencas da primeira à décima penca, para os dois genótipos<br />
avaliados (TABELA 8). Os maiores coeficientes de correlação foram observados<br />
em associação com a massa da quinta penca para a 'Prata-Anã', e com a massa da<br />
quarta penca para ‘BRS Platina’, por isso as características dessas pencas foram<br />
utilizadas para compor os modelos de predição.<br />
41
TABELA 8. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e as<br />
massas individuais da primeira à décima penca em bananeiras tipo<br />
Prata, 'Prata-Anã' e ‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Massa da primeira penca 0,61** 0,60**<br />
Massa da segunda penca 0,62** 0,67**<br />
Massa da terceira penca 0,86** 0,80**<br />
Massa da quarta penca 0,85** 0,85**<br />
Massa da quinta penca 0,88** 0,83**<br />
Massa da sexta penca 0,84** 0,79**<br />
Massa da sétima penca 0,82** 0,81**<br />
Massa da oitava penca 0,85** 0,62**<br />
Massa da <strong>no</strong>na penca 0,83** 0,69**<br />
Massa da décima penca 0,83** 0,64*<br />
** e * Significativo ao nível de 1 e 5 % de probabilidade, respectivamente.<br />
De forma similar às correlações entre massa do cacho e as massas<br />
individuais da primeira à décima penca, as correlações entre a massa das pencas e<br />
as massas individuais da primeira à décima penca foram significativas e positivas,<br />
para os dois genótipos (TABELA 9). Também, as maiores estimativas para esta<br />
associação ocorreram para a quinta e a quarta pencas, respectivamente, para<br />
'Prata-Anã' e ‘BRS Platina’. Assim, pode-se inferir que essas pencas podem ser<br />
tão adequadas para o desenvolvimento de estudos de pós-colheita e para a<br />
programação do ponto de colheita quanto à segunda penca, que se apresenta<br />
como procedimento clássico na bananicultura para a determinação da colheita e<br />
para pesquisas.<br />
42
TABELA 9. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
as massas individuais da primeira à décima penca em bananeiras tipo Prata,<br />
'Prata-Anã' e ‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Massa da primeira penca 0,62** 0,57**<br />
Massa da segunda penca 0,63** 0,65**<br />
Massa da terceira penca 0,87** 0,80**<br />
Massa da quarta penca 0,86** 0,85**<br />
Massa da quinta penca 0,89** 0,82**<br />
Massa da sexta penca 0,86** 0,78**<br />
Massa da sétima penca 0,84** 0,80**<br />
Massa da oitava penca 0,87** 0,59**<br />
Massa da <strong>no</strong>na penca 0,83** 0,70**<br />
Massa da décima penca 0,85** 0,67*<br />
** e * Significativo ao nível de 1 e 5 % de probabilidade, respectivamente.<br />
Diante das análises das Tabelas 8 e 9, pode-se sugerir que a quinta e a<br />
quarta pencas, respectivamente, para 'Prata-Anã' e ‘BRS Platina’, apresentam<br />
maior confiabilidade para compor a equação de predição de colheita, tanto para a<br />
estimativa da massa do cacho, quanto para previsão da massa das pencas.<br />
Contudo, são consideradas amostras destrutíveis, visto que se deve extrair a penca<br />
para obter a massa.<br />
No intuito de minimizar as perdas na amostragem das variáveis devido à<br />
retirada da penca, promoveu-se o estudo de correlação com os descritores<br />
unitários do fruto central da fileira externa e interna, devido ao me<strong>no</strong>r impacto da<br />
retirada destes na mensuração do cacho. Assim, foram avaliados o número de<br />
frutos por penca, o comprimento, o diâmetro e a massa dos frutos das fileiras<br />
externa e interna das pencas. Utilizaram-se para tais mensurações as pencas da<br />
primeira à décima posição. As correlações entre a massa do cacho e a massa do<br />
fruto da fileira externa da primeira à décima penca apresentaram-se significativas<br />
e positivas e com maiores valores comparadas aos demais descritores (TABELA<br />
10).<br />
43
TABELA 10. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e as<br />
massas individuais dos frutos centrais da fileira externa de frutos da<br />
primeira à décima penca em bananeiras tipo Prata, 'Prata-Anã' e<br />
‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Massa do fruto central da fileira externa da primeira penca 0,73** 0,64**<br />
Massa do fruto central da fileira externa da segunda penca 0,67** 0,60**<br />
Massa do fruto central da fileira externa da terceira penca 0,67** 0,56**<br />
Massa do fruto central da fileira externa da quarta penca 0,73** 0,61**<br />
Massa do fruto central da fileira externa da quinta penca 0,70** 0,67**<br />
Massa do fruto central da fileira externa da sexta penca 0,70** 0,66**<br />
Massa do fruto central da fileira externa da sétima penca 0,68** 0,65**<br />
Massa do fruto central da fileira externa da oitava penca 0,71** 0,73**<br />
Massa do fruto central da fileira externa da <strong>no</strong>na penca 0,83** 0,79**<br />
Massa do fruto central da fileira externa da décima penca 0,80** 0,40 ns<br />
** e * Significativo ao nível de 1 e 5 % de probabilidade, respectivamente; ns Não significativo.<br />
As correlações entre a massa do cacho e as massas dos frutos da fileira<br />
externa da <strong>no</strong>na (0,83) e décima pencas (0,80) para 'Prata-Anã' e a massa dos<br />
frutos das fileiras externas da oitava (0,73) e <strong>no</strong>na penca (0,79) para ‘BRS<br />
Platina’ têm maiores valores de coeficiente de correlação (TABELA 10).<br />
Entretanto, essas pencas não foram consideradas para compor o modelo da<br />
equação de predição de colheita, devido à limitação do tamanho do cacho em<br />
número de pencas, pois os cachos destes genótipos <strong>no</strong> campo possuem<br />
<strong>no</strong>rmalmente de sete a 13 pencas. Assim, a equação de predição se limitaria à<br />
previsão de cachos maiores que oito pencas para ‘BRS Platina’ e maiores que<br />
<strong>no</strong>ve pencas para 'Prata-Anã'. Todavia, por essas considerações associou-se ao<br />
modelo de predição as massas do fruto da fileira externa da quarta (0,73) e quinta<br />
penca (0,67), para 'Prata-Anã' e ‘BRS Platina’, respectivamente (TABELA 10).<br />
Razão adicional foi o fato das massas da quarta e quinta pencas apresentarem<br />
maiores coeficientes de correlação com as massas do cacho e das pencas, o que<br />
direcio<strong>no</strong>u para estimativas de modelos envolvendo as características unitárias<br />
dessas pencas (TABELAS 8 e 9).<br />
44
Correlações semelhantes em magnitude e significância foram encontradas<br />
também entre a massa das pencas e massa do fruto da fileira externa da primeira à<br />
décima penca (TABELA 11).<br />
TABELA 11. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
as massas individuais dos frutos centrais da fileira externa de frutos<br />
da primeira à décima penca em bananeiras tipo Prata, 'Prata-Anã' e<br />
‘BRS Platina’.<br />
Características<br />
Genótipos<br />
Prata-Anã BRS Platina<br />
Massa do fruto central da fileira externa da primeira penca 0,75** 0,63**<br />
Massa do fruto central da fileira externa da segunda penca 0,70** 0,59**<br />
Massa do fruto central da fileira externa da terceira penca 0,70** 0,55**<br />
Massa do fruto central da fileira externa da quarta penca 0,75** 0,61**<br />
Massa do fruto central da fileira externa da quinta penca 0,71** 0,66**<br />
Massa do fruto central da fileira externa da sexta penca 0,71** 0,65**<br />
Massa do fruto central da fileira externa da sétima penca 0,70** 0,64**<br />
Massa do fruto central da fileira externa da oitava penca 0,73** 0,73**<br />
Massa do fruto central da fileira externa da <strong>no</strong>na penca 0,83** 0,80**<br />
Massa do fruto central da fileira externa da décima penca 0,82** 0,38 ns<br />
** e ns Significativo ao nível de 1% de probabilidade e não significativo, respectivamente.<br />
Nesse caso também, consideraram-se os maiores valores do coeficiente<br />
de correlação, aliado aos aspectos práticos discutidos, como o número de pencas,<br />
<strong>no</strong>rmalmente encontrado para os genótipos em avaliação. Desse modo, foi<br />
selecionada a associação entre a massa das pencas e a massa do fruto da fileira<br />
externa da quarta (0,75) e da quinta penca (0,66), para 'Prata-Anã' e ‘BRS Platina’<br />
(TABELA 11), respectivamente, para compor o modelo de estimativa de colheita,<br />
baseado em características de rendimento.<br />
45
4.4. Predição de colheita utilizando modelos de regressão linear simples e<br />
múltipla em bananeiras tipo Prata<br />
4.4.1. Estimativas de equações de predição para colheita em função das<br />
variáveis vegetativas<br />
A colheita é uma operação que exige cuidados especiais, pois tudo o que<br />
foi feito durante o cultivo da bananeira pode-se transformar em perdas. A colheita<br />
do cacho muito magro ou muito gordo inviabiliza sua comercialização. O ponto<br />
de colheita pode ser determinado por várias técnicas, como as que se baseiam na<br />
idade do cacho, <strong>no</strong> diâmetro do fruto da segunda penca e na visualização da<br />
presença de quinas <strong>no</strong>s frutos (LICHTEMBERG et al., 2008). A idade ideal do<br />
cacho a ser colhido varia de acordo com a cultivar, a idade e a densidade do<br />
bananal, a estação ou época do a<strong>no</strong>, a tec<strong>no</strong>logia de cultivo e a incidência de<br />
pragas e doenças. O ponto de colheita pode variar de acordo com a distância do<br />
mercado ou tempo de transporte, além de ser influenciado pela oferta, demanda<br />
do produto ou flutuação dos preços <strong>no</strong> mercado inter<strong>no</strong>. Portanto, a colheita deve<br />
ser realizada <strong>no</strong> momento oportu<strong>no</strong>. As frutas devem estar fisiologicamente<br />
maturas, visto que elas são climatéricas e devem ser colhidas verdes (SOTO<br />
BALLESTERO, 2008). Aliado a esse conhecimento, particularmente ao critério<br />
de colheita por idade do cacho, o modelo de estimativa da produção favorece<br />
maior precisão para organizar a colheita e a comercialização, associando a<br />
antecedência ao fenôme<strong>no</strong> e o rendimento da produção.<br />
Na bananicultura, especificamente, os modelos de predição de colheita<br />
podem ser ainda mais úteis <strong>no</strong> manejo das plantas da safra seguinte, de modo a<br />
diag<strong>no</strong>sticar a produtividade e fornecer informações para tomada de decisão<br />
sobre as práticas que devem ser adotadas para melhorá-la, promovendo maior<br />
eficiência na organização da produção.<br />
46
O pesquisador que usa a análise de regressão também está interessado na<br />
supressão de várias variáveis, pois é desejável que, além de chegar a uma equação<br />
de predição de fácil aplicação, ele deve encontrar a “melhor regressão”<br />
envolvendo somente as variáveis que são instrumentos de predição úteis<br />
(WALPOLE et al., 2009), ou seja, não destrutivos e que permitam a estimativa do<br />
fenôme<strong>no</strong> avaliado com antecedência, <strong>no</strong> caso, à colheita.<br />
As mensurações acerca dos descritores vegetativos são de grande<br />
aplicação na prática, por ser de fácil determinação e exigir instrumentos simples.<br />
Além disso, podem ser mensuradas na época do florescimento, cerca de 120 a<br />
150 dias antes da colheita de bananeiras tipo Prata (Donato et al., 2006; 2009), o<br />
que subsidia uma programação de colheita eficiente.<br />
Diante da alta correlação <strong>no</strong>rmalmente encontrada entre os fatores de<br />
rendimento e o perímetro do pseudocaule ao nível solo, aliado à facilidade de<br />
mensuração e o seu caráter não destrutivo, essa variável foi testada como<br />
componente da equação de predição das massas do cacho e das pencas para as<br />
bananeiras 'Prata-Anã' e ‘BRS Platina’. Ajustaram-se, dessa forma, modelos de<br />
regressão linear simples entre essas variáveis (TABELA 12) a partir das médias<br />
das repetições, considerando como variável independente o perímetro do<br />
pseudocaule mensurado ao nível do solo.<br />
Os modelos de regressão linear simples que estimam as massas do cacho<br />
e das pencas, para a 'Prata-Anã e ‘BRS Platina’, mostraram valores significativos<br />
para a variável vegetativa, perímetro do pseudocaule ao nível do solo (TABELA<br />
12). De modo geral, a variável ajustou-se adequadamente ao modelo de predição<br />
de colheita para os genótipos tipo Prata. Assim, para 'Prata-Anã', o r² oscilou de<br />
0,76 a 0,77, respectivamente para as massas do cacho e das pencas. Para o híbrido<br />
BRS Platina, o modelo proporcio<strong>no</strong>u ajuste dos dados em 0,77 e 0,76, nesta<br />
mesma ordem.<br />
47
TABELA 12. Modelos de predição para as massas do cacho e das pencas, em<br />
bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’, em função do<br />
perímetro do pseudocaule ao nível do solo, Guanambi, BA, 2009.<br />
Genótipo ¹Estimativa (Ŷ) Equação de regressão linear simples ²(X) (r²)<br />
Prata-Anã MCA Yˆ = -10,1177 + 0,32709**X PPNS 0,76<br />
Prata-Anã MPE Yˆ = -8,73556 + 0,28921**X PPNS 0,77<br />
BRS Platina MCA Yˆ = -14,3135 + 0,35508**X PPNS 0,77<br />
BRS Platina MPE Yˆ = -13,4510 + 0,32365**X PPNS 0,76<br />
¹Estimativa de rendimento( Yˆ): MCA = massa do cacho; MPE = massa das pencas;²Variável<br />
independente (X): PPNS = perímetro do pseudocaule ao nível do solo.<br />
Soares (2011), em estudo de bananeira cv. Tropical para predição de<br />
colheita através da regressão linear múltipla, constatou que as variáveis<br />
vegetativas, altura da planta, perímetro do pseudocaule e número de folhas vivas<br />
<strong>no</strong> florescimento tiveram baixa resposta <strong>no</strong> ajuste da equação, com R 2 de 0,13.<br />
Para a autora, tal valor pode ter sido em função da pouca influência que cada<br />
variável exerce sobre a massa final ou devido ao reduzido número de variáveis<br />
que compõem este modelo, o que de<strong>no</strong>ta que uma série de outros fatores não<br />
considerados nesse trabalho possa estar influenciando a massa do cacho.<br />
Contudo, o valor de R 2 constatado foi baixo, apesar do coeficiente de variação ter<br />
sido relativamente baixo também (CV=16%). Isso é justificável, uma vez que as<br />
associações entre a massa do cacho e os demais caracteres em bananeira podem<br />
variar entre genótipos e ciclos e inclusive entre os híbridos e seus respectivos<br />
genitores (FLORES, 2000; DONATO et al., 2006a; ARANTES et al., 2010).<br />
As equações de regressão linear simples envolvendo massa do cacho e<br />
das pencas foram estimadas em função das médias das repetições da variável<br />
independente, perímetro do pseudocaule mensurado ao nível do solo, cujos<br />
modelos desenvolvidos expressam magnitudes compatíveis com os estudos de<br />
correlação e com valores de coeficientes de determinação passíveis de utilização.<br />
Esses modelos são ilustrados nas Figuras 5 e 6 para bananeira 'Prata-Anã'.<br />
48
Em observância à correlação dos descritores da planta, resultados<br />
semelhantes foram encontrados por Donato et al. (2006a) com relação ao caráter<br />
perímetro do pseudocaule, e sua relação com a massa do cacho para outros<br />
genótipos, ST12-31, Grande Naine, PV42-85 e Nanicão. Todavia, não se<br />
objetivou naquele estudo estabelecer equação de previsão da massa do cacho,<br />
mas somente a relação entre os caracteres.<br />
ŷ 10,1177<br />
0,327093 ** x<br />
r²<br />
0,76<br />
FIGURA 5. Massa do cacho em função do perímetro do pseudocaule ao nível do<br />
solo em bananeira 'Prata-Anã'.<br />
Os modelos de regressão linear simples foram significativos e positivos<br />
para a variável perímetro do pseudocaule ao nível do solo, tanto para a massa do<br />
cacho quanto para a massa das pencas, e com adequado coeficiente de<br />
determinação (r²), para ambos os genótipos. Este resultado sugere a possibilidade<br />
de planejamento da colheita e suas implicações, como logística da colheita e da<br />
pós-colheita, além da comercialização, transporte e climatização, com<br />
49
considerável confiabilidade e com três a quatro meses de antecedência (<strong>no</strong><br />
momento da floração), através de um indicador de fácil mensuração.<br />
yˆ<br />
8,73556<br />
0,289205** x<br />
r²<br />
0,77<br />
FIGURA 6. Massa das pencas em função do perímetro do pseudocaule ao nível<br />
do solo em bananeira 'Prata-Anã'.<br />
O modelo estima que para cada centímetro de aumento <strong>no</strong> perímetro do<br />
pseudocaule da bananeira ‘Prata-Anã’ as massas do cacho e das pencas<br />
aumentam, respectivamente, 327 e 289 gramas. Nesta ordem, os coeficientes de<br />
determinação foram ajustados em 0,76 e 0,77. Assim, o (r²) mostrado nas<br />
ilustrações representa o ajuste dos dados para a predição da colheita, em função<br />
do perímetro do pseudocaule ao nível do solo para ambos os genótipos. Dessa<br />
forma, as estimativas de colheita tanto para a massa do cacho quanto para a massa<br />
das pencas indicaram 76 e 77%, respectivamente, de confiabilidade na<br />
determinação final da produção.<br />
O perímetro do pseudocaule <strong>no</strong> presente trabalho foi mensurado à época<br />
da colheita, mas esse apresentaria as mesmas dimensões se tivesse sido avaliado<br />
50
<strong>no</strong> florescimento, pois a característica se mantém constante após a floração. Após<br />
o florescimento, a bananeira cessa a emissão de raízes e folhas, iniciando a<br />
senescência desses órgãos e culminando com o amadurecimento do cacho (SOTO<br />
BALLESTERO, 2008; ROBINSON & GALÁN SAÚCO, 2010).<br />
Adicionalmente, as equações de predição foram compostas por variáveis de fácil<br />
mensuração e simples aplicação na prática. Por conseguinte, estes dados<br />
permitem o uso de métodos não destrutivos para determinar a produção e a<br />
produtividade.<br />
Soares (2010), em estudo de bananeira cv. Tropical, para predição de<br />
colheita, utilizou o procedimento estatístico, de seleção por etapas, baseado <strong>no</strong><br />
modelo stepwise regression procedure para regressão linear múltipla e observou<br />
que as variáveis vegetativas, altura da planta, perímetro do pseudocaule e número<br />
de folhas vivas <strong>no</strong> florescimento, tiveram baixa resposta <strong>no</strong> ajuste da equação.<br />
Diversos autores avaliaram a estimativa de colheita nas culturas<br />
agrícolas. De acordo com Shimoya et al. (2002), estimativas do coeficiente de<br />
determinação acima de 0,80 podem ser consideradas de alta confiabilidade na<br />
predição final. Cardoso (2006) observou com a cultura do pepi<strong>no</strong> híbrido,<br />
coeficiente de determinação superior a 0,98; Marim et al. (2002), em tomateiro,<br />
alcançaram valores de r² acima de 0,81; Fontana et al. (2000) obtiveram, pelo<br />
ajuste dos dados, coeficientes de determinação de 0,86 para o modelo de<br />
estimativa do rendimento de soja.<br />
Os modelos de regressão linear simples para a ‘BRS Platina’ podem ser<br />
vistos, tanto para a estimativa da massa do cacho quanto para as massas das<br />
pencas, em função do perímetro do pseudocaule, respectivamente, nas Figuras 7 e<br />
8.<br />
51
yˆ<br />
14,3135<br />
0,355076 ** x<br />
r²<br />
0,77<br />
FIGURA 7 Massa do cacho em função do perímetro do pseudocaule ao nível<br />
do solo em bananeira ‘BRS Platina’.<br />
De acordo com os coeficientes das equações relacionadas às Figuras 7 e<br />
8, pode-se sugerir para o híbrido BRS Platina que os modelos estimam que cada<br />
centímetro de aumento <strong>no</strong> perímetro do pseudocaule a massa do cacho e a massa<br />
das pencas aumentam, respectivamente, 355 e 324 gramas. Nesta sequência os<br />
coeficientes de determinação foram ajustados em 0,77 e 0,76.<br />
52
yˆ<br />
13,451<br />
0,323648 ** x<br />
r²<br />
0,76<br />
FIGURA 8 Massa das pencas em função do perímetro do pseudocaule ao nível<br />
do solo em bananeira ‘BRS Platina’.<br />
4.4.2. Estimativas de equações de predição para colheita em função das<br />
variáveis de rendimento<br />
Procedimentos estatísticos de regressão linear múltipla foram utilizados<br />
para estimar a equação de predição dos valores de massas do cacho e das pencas<br />
para as bananeiras tipo Prata, 'Prata-Anã' e seu híbrido BRS Platina. Para tanto,<br />
foram selecionadas apenas as variáveis que apresentaram coeficientes de<br />
correlações significativos e com maiores valores em associação às massas do<br />
cacho e das pencas, para cada genótipo. Considerou-se ainda a lógica prática que<br />
envolve a mensuração da variável, a significância dos coeficientes de regressão<br />
pelo teste “t” a 5% de probabilidade, o comportamento do fenôme<strong>no</strong>, o<br />
coeficiente de determinação (R²) e a significância do teste F da análise de<br />
variância da regressão, para as equações de predições ajustadas, em cada caso em<br />
particular. Utilizou-se o procedimento de<strong>no</strong>minado eliminação indireta the<br />
bakcward elimination para a escolha das equações de predições ajustadas.<br />
53
Pela metodologia utilizada, a equação de predição de colheita que obteve<br />
o melhor ajuste para 'Prata-Anã, tanto para massa do cacho (TABELA 13) quanto<br />
para massa das pencas (TABELA 14), apresentou coeficiente de determinação<br />
(R²) de 0,87.<br />
Para as características de rendimento mensuradas considerando a 'Prata-<br />
Anã', as melhores equações ajustadas para determinar a massa do cacho e a massa<br />
das pencas na colheita foram, respectivamente (TABELAS 13 e 14):<br />
MĈA = -18,7733 + 0,139034NFR + 0,143696MFFE4, e;<br />
M Pˆ E = -16,6289 + 0,118955NFR + 0,134287MFFE4.<br />
Em que MĈA e M Pˆ E indicam, respectivamente, a massa do cacho e a<br />
massa das pencas; NFR = número de frutos e MFFE4 = massa do fruto da fileira<br />
externa da quarta penca. As demais variáveis mensuradas à época da colheita não<br />
foram significativas pelo procedimento adotado (TABELAS 13 e 14). O fato do<br />
coeficiente de determinação deste modelo ser maior é um indício de que os<br />
descritores de rendimento mensurados na ocasião da colheita podem representar a<br />
produção com maior precisão. Tal evento assume maior relevância quando<br />
associado à ocorrência de coeficiente de variação adequado (TABELAS 13 e 14).<br />
TABELA 13. Componentes da equação de predição para massa do cacho da<br />
bananeira 'Prata-Anã', em função das características de rendimento.<br />
Coeficientes<br />
Constante 1 NPE NFR NFR4 MFFE4 CEFFE4 DFFE4 R² CV(%)<br />
-18,7733 --- 0,139034 --- 0,143696 --- --- 0,87 22,87<br />
¹NPE, número de pencas; NFR, número de frutos; NFR4, número de frutos da quarta penca;<br />
MFFE4, massa do fruto da fileira externa da quarta penca; CEFFE4, comprimento exter<strong>no</strong> do fruto<br />
da fileira externa da quarta penca; DFFE4, diâmetro do fruto da fileira externa da quarta penca; ---,<br />
variáveis não significativas pelo procedimento backward elimination.<br />
54
TABELA 14. Componentes da equação de predição para massa das pencas da<br />
bananeira 'Prata-Anã', em função das características de rendimento.<br />
Coeficientes<br />
Constante 1 NPE NFR NFR4 MFFE4 CEFFE4 DFFE4 R² CV(%)<br />
-16,6289 --- 0,118955 --- 0,134287 --- --- 0,87 23,15<br />
¹NPE, número de pencas; NFR, número de frutos; NFR4, número de frutos da quarta penca;<br />
MFFE4, massa do fruto da fileira externa da quarta penca; CEFFE4, comprimento exter<strong>no</strong> do fruto<br />
da fileira externa da quarta penca; DFFE4, diâmetro do fruto da fileira externa da quarta penca; ---,<br />
variáveis não significativas pelo procedimento backward elimination.<br />
Os estudos de previsão associados aos de correlação podem discriminar<br />
quais variáveis influenciam na produção ao determinar a magnitude e a<br />
significância das associações entre descritores fe<strong>no</strong>típicos (SOARES, 2010).<br />
Além disso, deve-se observar a praticidade de mensuração das variáveis, a fim de<br />
torná-la de fácil aplicação prática pelo produtor.<br />
Os estudos de correlação efetivados à priori evidenciaram maiores<br />
coeficientes de correlação para as massas do cacho e das pencas em associação<br />
com a massa da quinta penca para a 'Prata-Anã', e com a massa da quarta penca<br />
para ‘BRS Platina’, o que justifica a utilização das características unitárias dessas<br />
pencas para compor os modelos de predição.<br />
Meyer (1975) estimou uma equação de predição de colheita para<br />
bananeiras tipo Cavendish. O autor investigou as relações entre a massa líquida<br />
do cacho (massa das pencas, sem engaço) e alguns parâmetros facilmente<br />
mensuráveis <strong>no</strong> dia da colheita. O melhor ajuste encontrado pelo autor foi obtido<br />
a partir da massa do dedo médio da quarta mão ou penca, o que assemelha ao<br />
presente trabalho. As equações foram: Y =15,295X 1 + 9,835X 2 + 13,549; e Y =<br />
8,41Z + 4,314; em que, Y = massa líquida do cacho, expresso em kg; X 1 =<br />
número de dedos por cacho x 10 -2 ; X 2 = massa do dedo médio da quarta mão, em<br />
hectogramas; Z = X 1 x X 2 .<br />
Soares (2010) em estudo da bananeira cv. Tropical, para predição de<br />
colheita, trabalhou o procedimento estatístico, de seleção por etapas, baseado <strong>no</strong><br />
55
modelo stepwise regression procedure para regressão linear múltipla, utilizando<br />
características vegetativas e de rendimento. Nesse estudo, determi<strong>no</strong>u-se o<br />
melhor ajuste da equação de predição da massa do cacho na colheita, com o<br />
aumento das variáveis que compõe o modelo de predição, através da equação:<br />
MĈA= -5,249 + 0,11NFC + 0,066NFR + 0,046MMF + 0,183CEF + 2,039MRA -<br />
0,011CEN; em que, MĈA = massa do cacho, expresso em kg; NFC = número de<br />
folhas; NFR = número de frutos; MMF= massa média do fruto; CEF =<br />
comprimento exter<strong>no</strong> do fruto; MRA = massa da ráquis; CEN = comprimento do<br />
engaço, e obteve-se o coeficiente de determinação igual a 0,71. No entanto, as<br />
variáveis são de difícil mensuração ou com amostras destrutíveis, para a massa<br />
média do fruto e massa da ráquis, respectivamente, fato que inviabiliza ou pouco<br />
contribui para a eficiência e praticidade do processo de predição, conforme<br />
argumenta Walpole et al. (2009).<br />
A associação entre características agronômicas em bananeira é de<br />
fundamental importância para estimar a produção do cacho, podendo ser avaliada<br />
por meio das correlações fe<strong>no</strong>típicas, genéticas e ambientais (ROCHA, 2010).<br />
Contudo, deve-se agregar ao estudo de predição de colheita a análise de<br />
correlação a fim de determinar quais variáveis influenciam em maior ou me<strong>no</strong>r<br />
grau na produção.<br />
As correlações entre as variáveis massa do cacho e massa das pencas,<br />
para com os caracteres de rendimentos observados à época da colheita, número de<br />
pencas e número de frutos do cacho, e os caracteres da quarta penca, número de<br />
frutos, massa do fruto da fileira externa, comprimento exter<strong>no</strong> do fruto da fileira<br />
externa e o diâmetro do fruto da fileira externa, bem como as correlações entre si,<br />
para a 'Prata-Anã', encontram-se, respectivamente, nas Tabelas 15 e 16. Foi<br />
realizada a análise de correlação apenas para as variáveis significativas pela<br />
regressão linear múltipla para predição do rendimento do cacho e das pencas.<br />
56
TABELA 15. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho e<br />
características de rendimento para bananeira 'Prata-Anã'.<br />
MCA 1,00<br />
MCA NPE NFR NFR4 MFFE4 CEFFE4 DFFE4<br />
NPE 0,70 1,00<br />
NFR 0,74 0,94 1,00<br />
NFR4 0,51 0,69 0,76 1,00<br />
MFFE4 0,73 0,25 0,25 0,19 1,00<br />
CEFFE4 0,64 0,21 0,21 0,16 0,76 1,00<br />
DFFE4 0,41 0,03 0,056 -0,01 0,47 0,37 1,00<br />
MCA, massa do cacho; NPE, número de pencas; NFR, número de frutos; NFR4, número de frutos<br />
da 4ª penca; MFFE4, massa do fruto da fileira externa da 4ª penca; CEFFE4, comprimento exter<strong>no</strong><br />
do fruto da fileira externa da 4ª penca; DFFE4, diâmetro do fruto da fileira externa da 4ª penca.<br />
TABELA 16. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa das pencas e<br />
características de rendimento para a bananeira 'Prata-Anã'.<br />
MPE NPE NFR NFR4 MFFE4 CEFFE4 DFFE4<br />
MPE 1,00<br />
NPE 0,68 1,00<br />
NFR 0,72 0,94 1,00<br />
NFR4 0,50 0,69 0,76 1,00<br />
MFFE4 0,75 0,25 0,25 0,19 1,00<br />
CEFFE4 0,66 0,21 0,21 0,16 0,76 1,00<br />
DFFE4 0,42 0,03 0,06 -0,010 0,47 0,37 1,00<br />
MPE, massa das pencas; NPE, número de pencas; NFR, número de frutos; NFR4, número de frutos<br />
da 4ª penca; MFFE4, massa do fruto da fileira externa da 4ª penca; CEFFE4, comprimento exter<strong>no</strong><br />
do fruto da fileira externa da 4ª penca; DFFE4, diâmetro do fruto da fileira externa da 4ª penca.<br />
O número de pencas e de frutos do cacho e os caracteres da quarta penca<br />
(número de frutos, massa do fruto da fileira externa, comprimento exter<strong>no</strong> do<br />
fruto da fileira externa e diâmetro do fruto da fileira externa) foram<br />
correlacionados à produção.<br />
As variáveis massa do cacho e massa das pencas, correlacionadas com o<br />
número de pencas, foram estatisticamente significativas, positivas, com valores,<br />
respectivamente de 0,70 e 0,68. Conforme Flores (2000), o número de pencas por<br />
57
cacho é de grande interesse para o produtor de banana, uma vez que a penca<br />
constitui a unidade comercial, além do que, um aumento <strong>no</strong> número de pencas<br />
pode resultar em elevação da massa do cacho, caráter que expressa a<br />
produtividade do genótipo.<br />
O número de pencas e frutos por cacho é o componente que mais<br />
influencia na massa do cacho. Neste trabalho, a quantidade de frutos e o diâmetro<br />
do fruto da fileira externa da quarta penca apresentaram os me<strong>no</strong>res valores de<br />
correlação com as massas do cacho e das pencas (Tabelas 15 e 16). Moreira<br />
(1999) e Soto Ballestero (2008) relatam a relação entre o diâmetro do fruto<br />
central da fileira externa de frutos da segunda penca e a idade dos cachos para a<br />
colheita, sendo por isso, tal fruto utilizado como referência na indicação do ponto<br />
de colheita do cacho. Pádua (1978) também obteve estimativas positivas e altas<br />
para as correlações entre o diâmetro dos frutos da segunda penca e a produção.<br />
As associações entre as massas do cacho e das pencas com a massa do<br />
fruto da fileira externa da quarta penca foram estatisticamente significativas,<br />
positivas e com maior valor em relação às outras variáveis, sendo<br />
respectivamente 0,73 e 0,75 (TABELAS 15 e 16). Isso indica que a quarta penca<br />
do cacho é fortemente relacionada à produção (MEYER, 1975). Dessa menira,<br />
com base <strong>no</strong>s dados de Meyer (1975) e <strong>no</strong> presente trabalho, infere-se que a<br />
quarta e a quinta penca podem ser tão adequadas para o desenvolvimento de<br />
estudos de pós-colheita e para a programação do ponto de colheita quanto à<br />
segunda penca, referência para estudos e procedimento clássico na bananicultura<br />
para determinação do ponto de colheita para alguns genótipos (JARAMILLO,<br />
1982), o que sugere pesquisas específicas para comprovação dessa hipótese.<br />
As variáveis massa do cacho e massa das pencas, em relação ao<br />
comprimento exter<strong>no</strong> do fruto da fileira externa da quarta penca apresentaram<br />
correlações significativas e positivas, respectivamente de 0,64 e 0,66 (TABELAS<br />
15 e 16). Soares (2010) relatou esses valores para a cultivar Tropical. Outros<br />
58
autores (PÁDUA, 1978; JARAMILLO, 1982; DADZIE, 1998; DONATO et al.,<br />
2006a) encontraram associação positiva e significativa entre a produção e o<br />
comprimento exter<strong>no</strong> do fruto, o que a preconiza como característica varietal para<br />
alguns genótipos.<br />
De acordo com o estudo de correlação, pode-se sugerir que os descritores<br />
de rendimento apresentam potencial para compor o modelo de predição. Nesse<br />
contexto, os maiores coeficientes de determinação obtidos para as estimativas de<br />
colheita, tanto para massa do cacho quanto para massa das pencas, foram<br />
observados com as variáveis de rendimento, número de frutos e massa do fruto da<br />
fileira externa da quarta penca para a bananeira 'Prata-Anã'.<br />
Em análise do coeficiente de determinação, para as mesmas estimativas<br />
de colheita, o híbrido BRS Platina expressou valores inferiores aos apresentados<br />
pela genitora, porém considerados adequados, sendo R² = 0,80 e 0,79,<br />
respectivamente, para a massa do cacho (TABELA 17) e massa das pencas<br />
(TABELA 18). Isso é justificável, uma vez que as associações entre a massa do<br />
cacho e os demais caracteres em bananeira podem variar entre genótipos e ciclos<br />
e inclusive entre os híbridos e seus respectivos genitores (FLORES, 2000;<br />
DONATO et al., 2006a; ARANTES et al., 2010).<br />
Os coeficientes de variação apresentaram similaridade entre os genótipos.<br />
As melhores equações para determinar a massa do cacho e a massa das pencas na<br />
colheita, em bananeira ‘BRS Platina’, foram, respectivamente (TABELAS 17 e<br />
18):<br />
MĈA = -14,2494+0,155647NFR+0,117627MFFE5, e;<br />
M Pˆ E = -13,8663+0,144082NFR+0,108365MFFE5.<br />
Em que MĈA e M Pˆ E indicam respectivamente a massa do cacho e a<br />
massa das pencas; NFR = número de frutos e MFFE5 = massa do fruto da fileira<br />
externa da quinta penca. As demais variáveis mensuradas à colheita não foram<br />
significativas pelo procedimento utilizado para a escolha dos modelos.<br />
59
TABELA 17. Componentes da equação de predição para massa do cacho da<br />
bananeira ‘BRS Platina’, em função das características de<br />
rendimento.<br />
Coeficientes<br />
Constante 1 NPE NFR NFR5 MFFE5 CEFFE5 DFFE5 R² CV(%)<br />
-14,2494 --- 0,155647 --- 0,117627 --- --- 0,80 22,87<br />
¹NPE, número de pencas; NFR, número de frutos; NFR5, número de frutos da 5ª penca; MFFE5,<br />
massa do fruto da fileira externa da 5ª penca; CEFFE5, comprimento exter<strong>no</strong> do fruto da fileira<br />
externa da 5ª penca; DFFE5, diâmetro do fruto da fileira externa da 5ª penca; ---, variáveis não<br />
significativas pelo procedimento backward elimination<br />
TABELA 18. Componentes da equação de predição para massa das pencas da<br />
bananeira ‘BRS Platina’, em função das características de<br />
rendimento.<br />
Coeficientes<br />
Constante 1 NPE NFR NFR5 MFFE5 CEFFE5 DFFE5 R² CV(%)<br />
-13,8663 --- 0,144082 --- 0,108365 --- --- 0,79 23,15<br />
¹NPE, número de pencas; NFR, número de frutos; NFR5, número de frutos da 5ª penca; MFFE5,<br />
massa do fruto da fileira externa da 5ª penca; CEFFE5, comprimento exter<strong>no</strong> do fruto da fileira<br />
externa da 5ª penca; DFFE5, diâmetro do fruto da fileira externa da 5ª penca; ---, variáveis não<br />
significativas pelo procedimento backward elimination.<br />
Vários modelos podem ser usados para descrever o rendimento de<br />
plantas. Todavia, Cunha (2011) constatou que o crescimento dos frutos de<br />
amexeira 'Gulfblase' apresentou comportamento linear. O ajuste do modelo<br />
poli<strong>no</strong>mial proporcio<strong>no</strong>u coeficiente de determinação acima de 0,71, sugerindo<br />
que os modelos explicam acima de 71% das variações ocorridas <strong>no</strong> diâmetro do<br />
fruto da amexeira devido às variações <strong>no</strong> tempo. Dessa forma, <strong>no</strong>ta-se que a<br />
tendência do crescimento do diâmetro dos frutos foi sempre crescente. Godoy e<br />
Cardoso (2003) ajustaram o modelo poli<strong>no</strong>mial ao diâmetro longitudinal do fruto<br />
do melão, cultivar Louis, obtendo um coeficiente de determinação igual a 0,77.<br />
No intuito de estimar a produção em duas variedades de algodão, vr.<br />
America<strong>no</strong> e Desi, Shamim & Mahey (2000) verificaram, pela regressão linear<br />
múltipla, que o rendimento de algodão em caroço (MCA), variedade America<strong>no</strong>,<br />
60
apresentou alto coeficiente de determinação com as variáveis conteúdo de<br />
clorofila (CL) e número de capulhos abertos por planta (NCA), dada pela<br />
seguinte equação: MCA= 4,74 + 1,32CL + 0,54NCA, R² = 0,95. Nessa avaliação,<br />
a produção de caroço de algodão, variedade Desi, também foi correlacionada;<br />
contudo, o modelo associou quatro variáveis independentes à equação, em que a<br />
massa de algodão em caroço (MCA) foi estimada pelo número de flores por<br />
planta (NFP), número de capulhos abertos por planta (NCA), número de<br />
capulhos total por planta (NCT) e capulhos fechados por planta (NCF), sendo a<br />
equação resultante, MCA= 14,97+0,40NFP+0,31 NCA-0,21NCT+0,23NCF, R² =<br />
0,99.<br />
Scarpari (2002) buscou, através de parâmetros climáticos, obter modelos<br />
para a previsão da produtividade da cana-de-açúcar (Saccharum spp.). O modelo<br />
considerado pode fornecer valores de produção com um mês de antecedência da<br />
colheita, sendo de extrema valia <strong>no</strong> planejamento de corte, pois o tempo de<br />
planejamento numa usina geralmente é escasso. Com relação ao coeficiente de<br />
determinação obtido R² = 0,76, este é um valor que explica cerca de 76% da<br />
variação da produção, sendo o restante (24%) devido a fatores que não foram<br />
considerados <strong>no</strong> modelo, como a própria diferença varietal.<br />
As correlações entre as variáveis massa do cacho e massa das pencas<br />
apresentaram os mesmos valores, sendo expressos na Tabela 19, para o número<br />
de pencas, número de frutos, número de frutos da quinta penca, massa do fruto da<br />
fileira externa da quinta penca, comprimento exter<strong>no</strong> do fruto da fileira externa da<br />
quinta penca e o diâmetro do fruto da fileira externa da quinta penca, bem como<br />
as correlações entre si, para a bananeira ‘BRS Platina’. Foi realizada a análise de<br />
correlação apenas para variáveis significativas pela regressão linear múltipla para<br />
predição da massa do cacho.<br />
61
TABELA 19. Coeficientes de correlações fe<strong>no</strong>típicas entre a massa do cacho ou<br />
a massa das pencas e características de rendimento para bananeira<br />
‘BRS Platina’.<br />
1 MCA ou<br />
MPE<br />
NPE NFR NFR5 MFFE5 CEFFE5 DFFE5<br />
NPE 0,59 1,00<br />
NFR 0,73 0,90 1,00<br />
NFR5 0,65 0,61 0,78 1,00<br />
MFFE5 0,66 0,14 0,23 0,30 1,00<br />
CEFFE5 0,57 0,05 0,16 0,34 0,79 1,00<br />
DFFE5 0,34 0,08 0,08 0,03 0,58 0,26 1,00<br />
1 MCA ou MPE, massa do cacho ou das pencas; NPE, número de pencas; NFR, número de frutos;<br />
NFR5, número de frutos da 5ª penca; MFFE5, massa do fruto da fileira externa da 4ª penca;<br />
CEFFE5, comprimento exter<strong>no</strong> do fruto da fileira externa da 5ª penca; DFFE5, diâmetro do fruto da<br />
fileira externa da 5ª penca.<br />
Pela análise da Tabela 19, depreende-se que os descritores de rendimento,<br />
número de frutos e massa do fruto da fileira externa da quinta penca,<br />
apresentaram maiores coeficientes de correlação em relação às demais variáveis.<br />
Esse fato credencia essas variáveis para compor o modelo de predição de colheita<br />
para o híbrido BRS Platina.<br />
Em síntese, a variável de maior correlação para a massa do cacho e massa<br />
das pencas foi o número de frutos, para os dois genótipos (TABELAS 15, 16 e<br />
19). Apesar da massa do fruto da fileira externa ter apresentado valores<br />
interessantes de coeficiente de correlação para as bananeiras tipo Prata, houve<br />
divergência para os genótipos em função da posição da penca, sendo a quinta<br />
penca a segunda maior expressão para o híbrido BRS Platina (TABELA 19),<br />
enquanto para a 'Prata-Anã', a maior correlação foi obtida para a massa do fruto<br />
da fileira externa da quarta penca (TABELAS 15 e 16).<br />
Consoante Jaramillo (1982) e Carvalho (1995), a massa do cacho de um<br />
genótipo está estreitamente relacionada ao número de frutos, que, por sua vez, é<br />
diretamente proporcional ao número de pencas. Jaramillo (1982) estimou<br />
equações de regressão e verificou que o número de pencas por cacho está<br />
fortemente relacionado com a massa do cacho. Outros autores (FERNANDEZ<br />
62
CALDAS et al., 1977; HOLDER & CUMBS, 1982) confirmam a relação dos<br />
componentes, massa do cacho e pencas, com o número de pencas. Dessa forma,<br />
pode-se inferir que os caracteres de produção e número de pencas são diretamente<br />
correlacionados. Donato et al. (2006a) verificaram coeficientes de correlações de<br />
0,94 e 0,92, respectivamente, para 'Prata-Anã' e ‘BRS Platina’, entre massa do<br />
cacho e número de pencas, <strong>no</strong> primeiro ciclo de produção. Também a massa das<br />
pencas correlacio<strong>no</strong>u significativamente com o número de pencas, como era de se<br />
esperar, pois a massa do cacho é semelhante à massa das pencas, sem a ráquis.<br />
Arantes et al. (2010) encontraram correlação de 0,97 e 0,98 entre massa do cacho<br />
e massa das pencas, respectivamente, com número de pencas em bananeiras tipo<br />
Terra.<br />
Assim, diante da alta correlação <strong>no</strong>rmalmente encontrada entre a<br />
produção e o número de pencas, aliada a facilidade de mensuração e o seu caráter<br />
não destrutivo, essa variável foi testada como componente da equação de<br />
predição das massas do cacho e das pencas para as bananeiras 'Prata-Anã' e ‘BRS<br />
Platina’. Ajustaram-se, dessa forma, modelos de regressão linear simples entre<br />
essas variáveis (TABELA 20) a partir das médias das repetições, considerando<br />
como variável independente o número de pencas.<br />
O número de pencas é uma característica de fácil determinação, por<br />
contagem simples, e pode ser obtido ainda na fase de florescimento, bem anterior<br />
à colheita do cacho da 'Prata-Anã' e da 'BRS Platina', cerca de 120 a 150 dias<br />
(DONATO et al., 2006, 2009), e que, associado à técnica de marcação do cacho<br />
por idade como critério de ponto de colheita (LICHTEMBERG et al., 2008;<br />
SOTO BALLESTERO, 2008), possibilita prever a época e a quantidade da<br />
colheita com maior precisão.<br />
Os modelos de regressão linear simples que estimam as massas do cacho<br />
e das pencas, para a 'Prata-Anã e ‘BRS Platina’, mostraram valores significativos<br />
para a variável de rendimento, número de pencas (TABELA 20). Dessa forma, o<br />
63
número de pencas apresentou dependência linear <strong>no</strong> modelo de predição de<br />
colheita para os genótipos tipo Prata. Assim, a genitora 'Prata-Anã', tanto para a<br />
massa das pencas (FIGURA 9) quanto para a massa do cacho (FIGURA 10), com<br />
a variável número de pencas ajustou r² de 0,99. Para o híbrido BRS Platina, o<br />
coeficiente de determinação foi de 0,97 para as massas do cacho (FIGURA 11) e<br />
das pencas (FIGURA 12) também, com a variável número de pencas. Outrossim,<br />
Jaramillo (1982) observou, por meio da regressão linear, ajuste de alta<br />
dependência linear (r² 0,99) entre o número de pencas e a massa do cacho para<br />
cultivares tipo Cavendish.<br />
TABELA 20. Modelos de predição para as massas do cacho e das pencas, em<br />
bananeiras tipo Prata, 'Prata-Anã' e ‘BRS Platina’, em função do<br />
número de pencas, Guanambi, BA, 2009.<br />
Genótipo ¹Estimativa (Yˆ ) Equação de regressão linear simples ²(X) (r²)<br />
Prata-Anã MCA Yˆ = -12,3804 + 3,55401**X NPE 0,99<br />
Prata-Anã MPE Yˆ = -10,0485 + 3,07985**X NPE 0,99<br />
BRS Platina MCA Yˆ = -1,36638 + 3,01573**X NPE 0,97<br />
BRS Platina MPE Yˆ = -2,73380 + 2,87825**X NPE 0,97<br />
¹Estimativa de rendimento( Yˆ): MCA = massa do cacho; MPE = massa das pencas;²Variável<br />
independente (X): NPE = número de pencas.<br />
Os modelos de regressão linear simples para os genótipos Prata-Anã e<br />
BRS Platina podem ser vistos, respectivamente, nas Figuras 9, 10 e 11, 12. Desse<br />
modo, estima-se que, para cada penca aumentará o valor correspondente ao<br />
coeficiente que acompanha a variável independente, na massa do cacho em<br />
quilos. O coeficiente de determinação (r²) mostrado nas ilustrações representa o<br />
ajuste dos dados para a predição da colheita em função do número de pencas.<br />
64
yˆ<br />
12,3804<br />
r ² 0,99<br />
3,55401<br />
* * x<br />
FIGURA 9. Massa do cacho em função do número de pencas em bananeira<br />
'Prata-Anã'.<br />
yˆ<br />
10,0485<br />
3,07985 ** x<br />
r²<br />
0,99<br />
FIGURA 10. Massa das pencas em função do número de pencas em bananeira<br />
'Prata-Anã'.<br />
65
yˆ<br />
<br />
1,36638<br />
<br />
3,01573<br />
* * x<br />
r ²<br />
<br />
0,97<br />
FIGURA 11. Massa do cacho em função do número de pencas em bananeira<br />
'BRS Platina'.<br />
yˆ<br />
2,7338<br />
2,87825 ** x<br />
r²<br />
0,97<br />
FIGURA 12. Massa das pencas em função do número de pencas em bananeira<br />
'BRS Platina'.<br />
66
Pelas equações de regressão linear simples foi possível estimar com alta<br />
precisão o rendimento em massa do cacho (FIGURA 9) e em massa das pencas<br />
(FIGURA 10) para ‘Prata-Anã’. Nesta mesma ordem, a razão do aumento da<br />
massa por pencas foi estimada em 3,55 kg e 3,08 kg, e o rendimento em massa do<br />
cacho (FIGURA 11) e em massa das pencas (FIGURA 12) para o híbrido BRS<br />
Platina apresentou, por penca, respectivamente, um aumento estimado em 3,02 kg<br />
e 2,88 kg.<br />
Dessa forma, para compor a equação, buscou-se a facilidade na obtenção<br />
dos valores da variável de rendimento aliada ao seu alto coeficiente de correlação<br />
com a produção. Nesse conjunto, o ajuste dos dados proporcio<strong>no</strong>u r² 0,99 e 0,97,<br />
respectivamente para ‘Prata-Anã' e ‘BRS Platina’. Este resultado sugere que o<br />
modelo de previsão encontrado nas Figuras 9 a 12 é significativo e de grande<br />
aplicação científica e prática. Além disso, como estes modelos utilizam a variável<br />
número de pencas do cacho, que é definida na floração, ou seja, 3 a 4 meses antes<br />
da colheita, possibilita-se que o produtor faça seu planejamento.<br />
67
5 – CONCLUSÕES<br />
1- Os modelos de regressão linear simples estimam, com relativa precisão, as<br />
massas do cacho e das pencas, com base <strong>no</strong> perímetro do pseudocaule mensurado<br />
ao nível do solo, para bananeiras 'Prata-Anã' e ‘BRS Platina’.<br />
2- Os modelos de regressão linear múltipla estimam, com adequada precisão, as<br />
massas do cacho e das pencas, em função das características número de frutos e<br />
massa do fruto da quarta penca para 'Prata-Anã', e número de frutos e massa do<br />
fruto da quinta penca para ‘BRS Platina’.<br />
3- Os modelos de regressão linear simples possibilitam predição das massas do<br />
cacho e das pencas, em função do número de pencas, com antecedência de pelo<br />
me<strong>no</strong>s 120 dias à colheita, e alta precisão, para 'Prata-Anã' (r²= 0,99) e ‘BRS<br />
Platina’ (r²= 0,97), o que assegura a consistência das regressões para estimativa<br />
da produção em bananeiras tipo Prata.<br />
68
REFERÊNCIAS BIBLIOGRÁFICAS<br />
AMORIM, E. P . et al. Banana cultivar from the Prata type resistant to<br />
Fusarium wilt. Disponível em: < www.promusa.org/tikiindex.php?page=BRS+Platina<br />
>. Acesso em: <strong>no</strong>v. de 2011.<br />
ANTUNES, O. T. et al. Floração, frutificação e maturação de frutos de<br />
morangueiro cultivados em ambiente protegido. Horticultura Brasileira,<br />
Campinas, v. 24, n. 4, p. 426-430, out. 2006.<br />
ARANTES, A. M. et al. Relação entre características morfológicas e<br />
componentes de produção em pláta<strong>no</strong>s. Pesquisa Agropecuária Brasileira,<br />
Brasília, v. 45. n. 2. p. 224-227, fev.2010.<br />
AZEVEDO, V. F. Avaliação de bananeira Tipo Prata, de porte alto, <strong>no</strong><br />
semiárido. 2010. 77 p. Dissertação (Mestrado em Produção <strong>Vegetal</strong> <strong>no</strong><br />
semiárido), UNIMONTES, Janaúba-MG, 2010.<br />
AZEVEDO, V. F. et al. Avaliação de bananeiras tipo prata, de porte alto, <strong>no</strong><br />
semiárido. Ciência e Agrotec<strong>no</strong>logia, Lavras, v. 34, n. 6, p. 1372-1380, <strong>no</strong>v./dez.<br />
2010.<br />
BATES, D. M.; WATTS, D. G. Nonliner regression analysis and its<br />
applications. New York: J. Wiley, 1988.365 p.<br />
BAUER, M. E. The role of remote sensing in determining the distribution and<br />
yield of crops. In: N. C. Brady (ed) Advances in Agro<strong>no</strong>my, New York:<br />
Academic Press, 1975. v. 10. p. 271-303,<br />
BÍSCARO, G. A. Meteorologia agrícola básica. Cassilândia: UNIGRAF, 2007.<br />
86 p.<br />
69
BOSNIC, A. C.; SWANTON, C. J. Eco<strong>no</strong>mic decision rules for postemergence<br />
herbicide control of barnyardgrass (Echi<strong>no</strong>chloa crus-galli) in corn (Zea mays).<br />
Weed Science, Lawrence, v. 45, n. 4, p. 557-563, 1997a.<br />
BOSNIC, A. C.; SWANTON, C. J. Influence of barnyardgrass (Echi<strong>no</strong>chloa<br />
crus-galli) time of emergence and density on corn (Zea mays). Weed Science,<br />
Lawrence, v. 45, n. 2, p. 276-282, 1997b.<br />
BRASIL. Ministério da Agricultura, Pecuária e Abastecimento. Secretaria de<br />
Política Agrícola, Instituto Interamerica<strong>no</strong> de Cooperação para a Agricultura.<br />
Cadeia produtiva de frutas. Série agronegócios, v. 7. Antônio Márcio Buainain<br />
e Mário Otávio Batalha (Coord.). Brasília: IICA: MAPA/SPA, 2007.<br />
BANNAYAN, M . et al (2007). Gene-based modeling for rice: an opportunity to<br />
enhance the simulation of rice growth and development. Journal of Theoretical<br />
Biology, n. 249, p. 593–605, 2007.<br />
BANNAYAN, M.; CROUT N M; HOOGENBOOM, G. Application of CERESwheat<br />
Model for within-season prediction of winter wheat yield in United<br />
Kingdom. Agro<strong>no</strong>my Journal, Madison, v. 95, p. 114–125, 2003.<br />
CARDOSO, A. I. I. Número mínimo de colheitas em pepi<strong>no</strong> híbrido estimado por<br />
meio do coeficiente de repetibilidade. Bragantia, Campinas, v. 65, n. 4, p. 591-<br />
595, 2006.<br />
CARDOSO, C.; FARIA, R. T.; FOLEGATTI, M. V. Aplicação do modelo<br />
CERES-maize na análise de estratégias de irrigação para milho "safrinha" em<br />
Londrina-PR. Engenharia Agrícola, Jaboticabal, v. 24 n. 1, jan./abr. 2004.<br />
CARVALHO, P. C. L. Estabelecimentos de descritores botânico-agronômicos<br />
para caracterização de germoplasma de banana (Musa spp.). 1995. 174 p.<br />
Dissertação (Mestrado em Ciências Agrárias). Universidade Federal da Bahia/<br />
Escola de Agro<strong>no</strong>mia, Cruz das Almas-BA, 1995.<br />
70
CASTRO NETO, M. T.; REINHARDT, D. H. Relações entre parâmetros de<br />
crescimento do fruto da manga cv. Haden. Revista Brasileira de Fruticultura,<br />
Jaboticabal-SP, v. 25, n. 1, p. 36-38, abril 2003.<br />
CHIKOYE, D.; SWANTON, C. J. Evaluation of three empirical models depicting<br />
Ambrosia artemisiifolia competition in white bean. Weed Research, Oxford, v.<br />
35, n. 5, p. 421-428, 1995.<br />
COUSENS, R. D.; MOKHTARI, S. Seasonal and site variability in the tolerance<br />
of wheat cultivars to interference from Lolium rigidum. Weed Research, Oxford,<br />
v. 38, n. 4, p. 301-307, 1998.<br />
CORDEIRO, Z. J. M.; MOREIRA, R. S. A bananicultura brasileira.<br />
Bananicultura: um negócio sustentável. In: REUNIÃO INTERNACIONAL<br />
ACORBAT, 17., 2006. Joinville – Santa Catarina – Brasil. Anais... Joinville –<br />
Santa Catarina – Brasil, 2006. p. 36-47.<br />
CUNHA, L. S. Modelos de regressão para a descrição do crescimento de<br />
frutos da ameixeira. 2011. Dissertação (Mestrado em Estatística e<br />
Experimentação Agropecuária), Universidade Federal de Lavras, Lavras, 2011.<br />
DADZIE, B. K. Post-harvest characteristics of black Sigatoka resistant<br />
banana, cooking banana and plantain hybrids-Inibap. Montpellier: INIBAP,<br />
1998. 75 p. (Technical guidelines, 4).<br />
DANTAS, J. L. L.; SOARES FILHO, W. S. Classificação, origem e evolução.<br />
Frutas do Brasil, março 2006. Disponível em:<br />
. Acesso em: 15 maio<br />
2011.<br />
DANTAS, J. L. L. . et al. Classificação botânica, origem, evolução e distribuição<br />
geográfica. In: ALVES, E. J. A cultura da banana: aspectos técnicos,<br />
socioeconômicos e agroindustriais. Brasília: Embrapa-SPL, 1997. p. 27-34.<br />
71
DIELEMAN, A . et al. Decision rules for postemergence control of pigweed<br />
(Amaranthus spp.) in soybean (Glycine max). Weed Science, Champaign, v. 44,<br />
n. 1, p. 126-132, 1996.<br />
DIELEMAN, A. et al.. Empirical models of pigweed (Amaranthus spp.)<br />
interference in soybean (Glycine max). Weed Science, Champaign, v. 43, n. 4, p.<br />
612-618, 1995.<br />
DONATO, S. L. R. Comportamento de variedades e híbridos de bananeira<br />
(Musa spp.), em primeiro ciclo de produção <strong>no</strong> Sudoeste da Bahia, Região de<br />
Guanambi. 2003. 115 f. Dissertação (Mestrado em Ciência e Tec<strong>no</strong>logia de<br />
Sementes) - Faculdade de Agro<strong>no</strong>mia “Eliseu Maciel”, Universidade Federal de<br />
Pelotas, Pelotas-RS, 2003.<br />
DONATO, S. L. R. et al. Comportamento fitotécnico da bananeira 'Prata-Anã' e<br />
de seus híbridos. Pesquisa Agropecuária Brasileira, Brasília, v. 44, n. 12, p.<br />
1608-1615, dez. 2009.<br />
DONATO, S. L. R. et al. Correlações entre caracteres da planta e do cacho em<br />
bananeira (Musa spp). Ciência e Agrotec<strong>no</strong>logia, Lavras, v. 30, p. 21-30, 2006a.<br />
DONATO, S. L. R . et al. Comportamento de variedades e híbridos de bananeira<br />
(Musa spp.) em dois ciclos de produção <strong>no</strong> Sudoeste da Bahia. Revista<br />
Brasileira de Fruticultura, Jaboticabal, v. 28, n. 1, p. 139-144, abr. 2006.<br />
DONATO, S. L. R. D. et al. Estimativas de tamanho de parcelas para avaliação<br />
de descritores fe<strong>no</strong>típicos em bananeira. Pesquisa Agropecuária Brasileira,<br />
Brasília, v. 43, n. 8, ago. 2008.<br />
DOURADO NETO, D. Principles of crop modeling and simulation. I. Uses of<br />
mathematical models in agriculture science. Scientia Agricola, Piracicaba, v. 55,<br />
p. 46-50, 1998.<br />
DRAPER, N. R.; SMITH, H. Applied regression analysis. 2. ed. New York: J.<br />
Wiley, 1981. 709 p.<br />
72
FANCELLI, M. Cultivo da banana para o estado do Amazonas. Cruz das<br />
Almas: Embrapa Mandioca e Fruticultura, 2003. 4 p. (Sistema de produção, 6).<br />
FAO. Food and Agricultural Organization. Disponível em:<br />
. Acesso em: 15 maio 2011.<br />
FERNANDEZ – CALDAS, E. et al. Análisis foliar Del pláta<strong>no</strong> en dos fases de su<br />
desarrollo: floración y corte. Fruits, Paris, v. 32, n. 11, p. 665-671, 1977.<br />
FLORES, J. C. O. Avaliação de cultivares e híbridos de bananeira (Musa<br />
spp.) em quatro ciclos de produção em Cruz das Almas-BA. 2000. 109 p.<br />
Dissertação (Mestrado), Universidade Federal da Bahia, Cruz das Almas, 2000.<br />
FONTANA, D. C. et al. Modelo de estimativa de rendimento de soja <strong>no</strong> Estado<br />
do Rio Grande do Sul. Pesquisa Agropecuária Brasileira, Brasília, v. 36, n. 3,<br />
p. 399-403, mar. 2001.<br />
GODOY, A. R.; CARDOSO, A. I. I. Curva de crescimento e qualidade de frutos<br />
de melão rendilhado sob cultivo protegido. Revista Ceres, Viçosa, MG, v. 50, n.<br />
289, p. 220-303, 2003.<br />
GUJARATI, D. Eco<strong>no</strong>metria básica. 4. Ed. São Paulo: Campus, 2006. 812 p.<br />
HASSELO, R. N. Evaluation of the circunference of the pseudostem as in grown<br />
index for the Gross Michel banana. Tropical Agriculture, Trindad, v. 39, n. 1, p.<br />
57- 63, 1962.<br />
HERNÁNDEZ, M. S. et al. Behavior of arazá (Eugenia stipitata Mc Vaugh) fruit<br />
quality traits during growth, development and ripening. Scientia Horticulturae,<br />
[s.l], v. 111, p. 220-227, 2007.<br />
HOLDER, G. D., CUMBS, F. A. Effects of water supply during floral initiation<br />
an differentation on female flower production by robusta banana. Experimental<br />
Agriculture, New York, v. 18, n. 2, p. 183-93, 1982.<br />
73
HUANG, B. K. Computer simulation analysis of bilological and agricultural<br />
systems. New York: CRC, 1993. 613p.<br />
IBGE – Instituto Brasileiro de Geografia e Estatística. Em abril, desocupação<br />
foi de 6,4%. Disponível em:<br />
Acesso em:<br />
14 maio 2011.<br />
IBGE – Instituto Brasileiro de Geografia e Estatística. Diretoria de Pesquisas,<br />
Coordenação de Agropecuária. Produção Agrícola Municipal: culturas<br />
temporárias e permanentes, Rio de Janeiro, v. 36, p. 1-93, 2009.<br />
IBRAF – Instituto Brasileiro de Frutas. Estudo da cadeia produtiva de<br />
fruticultura do estado da Bahia: Análises. São Paulo, janeiro 2005.<br />
IUCHI, V. L. et al. Parcelamento do adubo nitrogenado e potássio em bananeira<br />
(Musa sp) cv. ‘Prata’. In: CONGRESSO BRASILEIRO DE FRUTICULTURA,<br />
5, 1979, Pelotas. Anais... Pelotas: SBF, 1979. v. 1, p. 109-117.<br />
IPGRI- International Plant Genetic Resources Institute. Descriptors for banana<br />
(Musa spp.). Roma: IPGRI, 1996, 55p.<br />
JACOMINE, P.K.T. et al. Levantamento exploratório: reconhecimento dos<br />
solos da margem direita do Rio São Francisco - Estado da Bahia. Recife:<br />
Embrapa-SNLCS: Sudene, 1979. v. 2. 1.296 p. (Boletim Técnico, 52).<br />
JAME, Y. W.; CUTFORTH, H.W. Crop growth models for decision support<br />
systems. Canadian Journal of Plant Science, Ottawa, v. 76, n. 1, p. 9–19, 1996.<br />
JARAMILLO, R. C. Las principales características morfológicas Del fruto de<br />
bana<strong>no</strong>, variedade Cavendish Gigante (Musa AAA) em Costa Rica. Upeb-<br />
Impretex, 1982. 42 p.<br />
74
LE BAIL, M. et al. Is it possible to forecast the grain quality and yield of<br />
different varieties of winter wheat from Mi<strong>no</strong>lta SPAD meter measurements?<br />
European Journal Agro<strong>no</strong>my, [s.l], v. 23, n. 4, p. 379–391, Dec. 2005.<br />
LÉDO, A. S. et al. Avaliação de genótipos de bananeira na região do Baixo São<br />
Francisco, Sergipe. Revista Brasileira de Fruticultura, Jaboticabal, v. 30, n. 3,<br />
p. 691-695, set. 2008.<br />
LICHTEMBERG, L.A. et al. Efeito do ensacamento e de produtos químicos<br />
sobre pragas do cacho de banana cavendish. In: REUNIÃO INTERNACIONAL<br />
ACORBAT, 17., Joinville, SC, BRASIL.–Anais... Joinville:<br />
ACORBAT/ACAFRUTA, 2006. v. 2, p. 908-812. Trabalhos Completos.<br />
LICHTEMBERG, L.A.; VILAS BOAS, E.V.B.; DIAS, M.S.C. Colheita e póscolheita<br />
da banana. Informe agropecuário, Belo Horizonte, v. 29, n. 245, p. 92-<br />
110, jul./ago. 2008.<br />
LIMA, M. B.; SILVA, S. O.; ALVES, J. S. Comportamento de variedades e<br />
híbridos de bananeiras em Petrolina. In: CONGRESSO BRASILEIRO DE<br />
FRUTICULTURA 18., 2004, Florianópolis. Anais... Florianópolis: Sociedade<br />
Brasileira de Fruticultura, 2004. CD-ROM<br />
LIMA NETO, F. P . et al. Relações entre caracteres de rendimento e de<br />
desenvolvimento em genótipos de bananeira. Magistra, Cruz das Almas, v. 15, n.<br />
2, p. 275-281, 2003.<br />
LINS, R. D. Avaliação de genótipos de bananeira em dois ciclos de produção<br />
<strong>no</strong> município de Una, BA, 2005. 55 p. Dissertação (Mestrado em Ciências<br />
Agrárias). Universidade Federal da Bahia, Cruz das Almas, 2005.<br />
MAIA, E. et al. Método de comparação de modelos de regressão não-lineares em<br />
bananeiras. Ciência Rural, Santa Maria. v. 39, n. 5, ago, 2009.<br />
75
MARIM, B. G . et al. Número mínimo de colheitas em tomateiro estimado por<br />
meio do coeficiente de repetibilidade. Horticultura Brasileira, Brasília, v. 20, n.<br />
2, 2002. Suplemento 2. CD-ROM,.<br />
MARQUES, P. R. R. et al. Características agronômicas de bananeira tipo Prata<br />
sob diferentes sistemas de irrigação. Pesquisa Agropecuária Brasileira,<br />
Brasília, v. 46, n. 8, p. 852-859, ago. 2011.<br />
MATSUURA, F. C. A. U.; COSTA, J. I. P.; FOLEGATTI, M. I. S. Marketing de<br />
banana: preferências do consumidor quanto aos atributos de qualidade dos frutos.<br />
Revista Brasileira Fruticultura, Jaboticabal, SP, v. 26, n. 1, abr. 2004.<br />
MEYER, J. P. Estimation de productivité: calculé du poids des régimes de<br />
bananier en function du <strong>no</strong>mbre de doigts et du poids d’un doigt. Fruits, Cirad, v.<br />
30, n. 12, p. 739 – 744, 1975.<br />
MONTGOMERY; D. C.; VINING, G. C.; PECK, E. A. Introduction to linear<br />
regression analysis. 3 rd ed. New York: J. Wiley, 2001. 641 p.<br />
MOREIRA, R. S. Banana: teoria e prática de cultivo. 2. ed. São Paulo: Fundação<br />
Cargill, 1999. 1 CD-ROM.<br />
MOREIRA, R. S; CORDEIRO, Z. J. M. A história da banana <strong>no</strong> Brasil.<br />
Bananicultura: um negócio sustentável. In: REUNIÃO INTERNACIONAL<br />
ACORBAT 17., 2006, Joinville – Santa Catarina – Brasil. Anais..., Joinville –<br />
Santa Catarina – Brasil, 2006, p. 48-82.<br />
NETER, J. et al. Applied linear statistical models. 5 th ed. New York: Mc Graw-<br />
Hill/Irwin, 2005. 1396 p.<br />
NUNES, R. P. Métodos para a pesquisa agronômica. Fortaleza: Universidade<br />
Federal do Ceará - Centro de Ciências Agrárias, 1998. 564 p.<br />
76
OLIVEIRA, C. G. Caracterização pós-colheita de banana Prata-anã e seu<br />
híbrido BRS Platina armazenados sob refrigeração. 2010. 74 p. Dissertação<br />
(Mestrado em produção.vegetal <strong>no</strong> semiárido) UNIMONTES, Janaúba, 2010.<br />
OLIVEIRA, T. K. et al. Características agronômicas de genótipos de bananeira<br />
em três ciclos de produção em Rio Branco, AC. Pesquisa Agropecuária<br />
Brasileira, Brasília, v. 43, n. 8, p. 1003-1010, ago. 2008.<br />
ORTIZ, R. Morphological variation in Musa germplasm. Genetic Resources and<br />
Crop Evolution, Netherlands, v. 44, p. 393-404, oct.. 1997.<br />
PÁDUA, T. Caracterização Agronômica do Cacho da Bananeira ‘Prata’.<br />
1978. 117 f. Dissertação (Mestrado) – Escola Superior de Agricultura de Lavras,<br />
Lavras, 1978.<br />
PEREIRA, M. C. T. et al. Suscetibilidade a queda natural e caracterização dos<br />
frutos de diversos genótipos de bananeiras. Revista Brasileira de Fruticultura,<br />
Jaboticabal, v. 26, n. 3, dez. 2004.<br />
PIMENTEL-GOMES, F. Curso de estatística experimental. 14. ed. Piracicaba:<br />
Nobel, 2000. 477 p.<br />
PIMENTEL, R. M. A. et al. Qualidade pós-colheita dos genótipos de ‘BRS<br />
Platina’ e “Prata-Anã” cultivados <strong>no</strong> Norte de Minas Gerais. Revista Brasileira<br />
de Fruticultura. Jaboticabal, v. 32, n. 2, p. 407-413, 2010.<br />
RAHMAN, M. M.; BALA, B. K. Modelling of jute production using artificial<br />
neural networks. Biosystems Engineering, v. 105, n. 3, p. 350–356, Mar. 2010.<br />
RIBEIRO JÚNIOR, J. I. Análises estatísticas <strong>no</strong> SAEG. Viçosa: UFV, 2001.<br />
301 p.<br />
RIBEIRO JÚNIOR, J. I.; MELO, A. L. P. Guia prático para utilização do<br />
SAEG. Viçosa: Folha, 2009. 288 p.<br />
77
ROBINSON, J. C.; GALÁN SAÚCO, V. Bananas and plantains. 2 nd ed.<br />
Oxford: CAB International, 2010. 311 p. (Crop production science in<br />
horticulturae series, 19).<br />
ROCHA, J. Avaliação do coeficiente de variação e relações entre caracteres<br />
de rendimento e desenvolvimento na cultura da bananeira. 2010. 46 p.<br />
Dissertação (Mestrado em Ciências Agrárias) Universidade Federal do<br />
Recôncavo da Bahia, Cruz das Almas, BA, 2010.,<br />
RODRIGUES, M. G. V.; SOUTO, R. F.; SILVA, S. O. Avaliação de genótipos<br />
de bananeira sob irrigação. Revista Brasileira de Fruticultura, Jaboticabal, v.<br />
28, n. 3, p. 444-448, dez. 2006.<br />
RODRIGUES, M. G. V. et al. Planejamento, implantação e manejo do bananal.<br />
Informe Agropecuário, Belo horizonte – MG, v. 29, n. 245, p.14-22, 2008.<br />
RODRIGUES, M. G. V.; LEITE, M. A. Aspectos socioeconômicos da<br />
bananicultura. Informe Agropecuário, Belo horizonte – MG, v. 29, n. 245, p.<br />
07-12, 2008.<br />
RODRIGUES, M. G. V.; DIAS, M. S. C.; PACHECO, D. D. Influência de<br />
diferentes níveis de desfolha na produção e qualidade dos frutos da bananeira<br />
‘Prata Anã’. Revista Brasileira de Fruticultura, Jaboticabal, v. 31, p. 755‐762,<br />
2009.<br />
RODRIGUES, M. G. R.; DONATO, S. L . R.; RODRIGUES, F. E. Pa<strong>no</strong>rama del<br />
Sector bananero en el Norte de Minas Gerais, Brasil. In: Boletín Musalac. Costa<br />
Rica: Red de Investigación y Desarrollo de Bana<strong>no</strong> y Pláta<strong>no</strong> para América<br />
Latina y el Caribe. v. 2, n. 2, p. 3-5, 2011.<br />
ROBERTO, S. R. et al. Caracterização da fe<strong>no</strong>logia e exigência térmica<br />
(grausdia) para a uva 'Cabernet Sauvig<strong>no</strong>n' em zona subtropical. Acta<br />
Scientiarum Agro<strong>no</strong>my, Maringá, v. 27, n. 1, p. 183-187, jan./mar. 2005.<br />
78
SAEG. Sistema para análises estatísticas. Versão 9.1. CD-ROM. Viçosa:<br />
FUNARBE, UFV, 2007. CD-ROM.<br />
SAHAI, B. AND AJAI. Estimation of cotton acreage and production – How<br />
remote sensing can help. SILVER JUBILEE CELEBRATIONS OF ALL INDIA<br />
COORDINATED COTTON IMPROVEMENT PROJECT, 1992. Coimbatoor,<br />
Proceedings... Coimbatoor. Índia: Sept. 1992. p. 11-14.<br />
SANTOS, H. G. dos . et al. (Ed.). Sistema brasileiro de classificação de solos.<br />
2. ed. Rio de Janeiro: Embrapa Solos, 2006. 306 p.<br />
SCARPARI, M. S.; BEAUCLAIR, E. G. F. Physiological model to estimate the<br />
maturity of sugarcane. Scientia Agricicola, Piracicaba, v. 66, n. 5, p. 622-628,<br />
Sept./Oct. 2009.<br />
SCARPARI, M. S.; BEAUCLAIR, E. G. F. Sugarcane maturity estimation<br />
through Edaphic-climatic parameters. Scientia Agrícola, Piracicaba, v. 61, n. 5,<br />
p. 486-491, Sept./Oct. 2004.<br />
SCARPARI, M. S. Modelos para a previsão da produtividade da cana-deaçúcar<br />
(Saccharum spp.) através de parâmetros climáticos. 2002. Dissertação<br />
(Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, 2002.<br />
SCHABENBERGER, O.; PIERCE, F. J. Contemporary statistical models for<br />
the plante and soil sciences. Boca Raton: CRC, 2002. 753 p.<br />
SHAMIM, ANSARI M. D; MAHEY, E. S. Cotton Yield Prediction Through<br />
Spectral Parameters. Journal of The Indian Society of Remote Sensing,<br />
Ludhiana, India, v. 27, p. 185-192, 1999<br />
SHEPHERD, K. Taxo<strong>no</strong>mia e caracterização de cultivares de banana. Cruz<br />
das Almas, BA: Embrapa CNPMF, 1984. 5p.<br />
79
SILVA, S. O.; PEREIRA, L. V.; RODRIGUES, M. G. V. Bananicultura irrigada:<br />
i<strong>no</strong>vações tec<strong>no</strong>lógicas: variedades. Informe Agropecuário, Belo Horizonte, v.<br />
29, n. 245, p. 78-83, jul./ago. 2008.<br />
SILVA, S. O.; FLORES, J. C.; LIMA NETO, F. P. Avaliação de cultivares e<br />
híbridos de bananeira em quatro ciclos de produção. Pesquisa Agropecuária<br />
Brasileira, Brasília, v. 37, n. 11, p. 1.567-1.574, 2002a.<br />
SILVA, S. O. et al. (Ed.). Melhoramento de fruteiras tropicais. Viçosa, MG:<br />
UFV, 2002. p. 101-157.<br />
SILVA, S. O. et al. Caracterização morfológica e avaliação de cultivares e<br />
híbridos de bananeira. Revista Brasileira de Fruticultura, Jaboticabal, v. 22, n.<br />
2, p. 161-169, ago. 2000.<br />
SILVA, S. O. et al.Catálogo de germoplasma de bananeira (Musa spp.). Cruz<br />
das Almas: Embrapa Mandioca e Fruticultura, 1999. 100 p.<br />
SILVA, S. O. et al. Cultivares. In: ALVES, E. J. A cultura da banana: aspectos<br />
técnicos, socioeconômicos e agroindustriais. 2.ed. Brasília: Embrapa-SPI/Cruz<br />
das Almas: Embrapa-CNPMF, 1999a. p. 85-106.<br />
SIMMONDS, N. W. Los pláta<strong>no</strong>s. Barcelona, Espanha: Blume, 1973. 539 p.<br />
SIQUEIRA, D. L. de Variabilidade e correlações de caracteres em clones da<br />
bananeira ‘Prata’. 1984. 68 p. Dissertação (Mestrado) – UFLA, Lavras, 1984.<br />
SOARES, J. D. R. Modelagem matemática na previsão de colheita de<br />
bananeira: regressão linear múltipla x redes neurais artificiais. 2010. 115 p...<br />
Tese (Doutorado), UFLA, Lavras, 2010..<br />
SOLER, C. M. T.; SENTELHAS, P. C.; HOOGENBOOM, G. Application of the<br />
CSM-CERES-Maize model for planting date evaluation and yield forecasting for<br />
80
maize grown off-season in a subtropical environment. European Journal of<br />
Agro<strong>no</strong>my, New York, v. 27, n. 2-4, p. 165-177, Sept. 2007.<br />
SOTO BALLESTERO, M. S. Bana<strong>no</strong>s Técnicas de Producción, Poscosecha y<br />
Comercialización. 3. ed. San José, Costa Rica: Lil, 2008. 1 CD – ROM.<br />
STENZEL, N. M. C. et al. Maturation curves and degree-days accumulation for<br />
fruits of 'Folha Murcha' orange trees. Scientia Agrícola, Piracicaba, v. 63, n. 3 p.<br />
219-225, May/June 2006.<br />
STRECK, N. A. et al. Soma térmica de algumas fases do ciclo de<br />
desenvolvimento da escala de counce para cultivares sul-brasilerias de arroz<br />
irrigado. Bragantia, Campinas, v. 66, n. 2, p. 357-364, abr. 2007.<br />
URCHEI, M.A. et al. Análise de crescimento de duas cultivares de feijoeiro sob<br />
irrigação, em plantio direto e preparo convencional. Pesquisa Agropecuária<br />
Brasileira, Brasilia, v. 35, n. 3, p. 497-506, 2000.<br />
VARGAS, G. Comparación em calidades y rendimientos de los clones “Gran<br />
Ena<strong>no</strong>” y “Valery”. 1983. Tesis (Doutorado) – Faculdad de Agro<strong>no</strong>mia,<br />
Universidad de Costa Rica, San José, 1983.<br />
VENCOVSKY, R.; BARRIGA, P. Genética biométrica <strong>no</strong> fitomelhoramento.<br />
Ribeirão Preto: SBG, 1992. 496 p.<br />
VIEIRA, L. M. Síntese anual da agricultura de Santa Catarina 2009-2010.<br />
Florianópolis: Epagri/Cepa, 2010.<br />
WALPOLE, R.E. et al.Probabilidade e Estatística para engenharia e ciências.<br />
8. Ed. Americana. ISBN 978–85–7605–199-2. São Paulo: Pearson Prentice Hall,<br />
2009.<br />
WEISBERG, S. Applied linear regression. 3 rd ed. New York: J. Wiley, 2005.<br />
310 p.<br />
81
WYZYKOWSKI, J. Modelos de regressão para a descrição do crescimento do<br />
cafeeiro irrigado e não irrigado após recepa. 2009. 80 p. Dissertação<br />
(Mestrado em Estatística e Experimentação em Agropecuária), Universidade<br />
Federal de Lavras, Lavras, 2009.<br />
ZAFFARI, G. R.; LICHTEMBERG, L. A.; STUKER, H. Grau de<br />
susceptibilidade ao frio de cultivares de bananeira em Santa Catarina. Revista<br />
Brasileira de Fruticultura, Cruz das Almas, v. 17, n. 3, p. 69-75, 1995.<br />
82