Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales

Autores
Aguate, Fernando Matías
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión publicada
Colaborador/a o director/a de tesis
Balzarini, Mónica Graciela
Descripción
Tesis (Doctor en Ciencias Agropecuarias) -- UNC- Facultad de Ciencias Agropecuarias, 2018
Los ensayos multiambientales son conducidos para evaluar genotipos a través de localidades y años, generando bases de datos que frecuentemente están incompletas debido a algunos genotipos no evaluados en algunos ambientes. El sesgo en las estimaciones de componentes de varianza derivadas de estas bases de datos, depende de la dimensión de los datos, la proporción de valores faltantes y el mecanimos de reemplazo de genotipos. El objetivo de este estudio es proponer y evaluar estrategias para el análisis estadístico confiable del mérito genético y la estabilidad de genotipos vegetales a través de ambientes en redes de ensayos. Los resultados, basados en datos reales y simulaciones, muestran que a pesar de la incompletitud de los ensayos, cuatro años de evaluación son preferidos para obtener estimaciones de componentes de varianza. Adicionar años al análisis de ensayos multiambientales es beneficioso para el entendimiento del desempeño de genotipos en sentido amplio y en sentido específico. Esto beneficia la recomendación de genotipos y debería ser considerado al momento de tomar decisiones relacionadas al reemplazo de genotipos. Los valores faltantes aumentan el sesgo de las estimaciones de componentes de varianza obtenidas mediante máxima verosimilitud restringida. No obstante, su efecto es menor cuando se analizan varios años de ensayos. El análisis de ensayos multiambientales necesita de mediciones del rendimiento parcelario que usualmente se obtiene luego de la cosecha. Sin embargo, existen nuevas metodologías para obtener información fenotípica antes del momento de cosecha que pueden agilizar la toma de decisiones y posiblemente reducir los recursos destinados al fenotipado. Mediante cámara hiperespectrales se mide la reflectancia a cientos de longitudes de onda, que puede usarse para predecir el rendimiento. En este estudio se compararon modelos predictivos usando información espectral para la predicción del valor fenotípico parcelario. Los resultados indicaron que un modelo bayesiano se destaca en su capacidad predictiva combinando información espectral. Finalmente, esta tesis propone el uso protocolar de algunas herramientas estadísticas para el análisis de ensayos multiambientales.
Multi-environment trials are conducted to evaluate cultivars across locations and years, generating datasets that are often incomplete due to cultivars not tested in some environments. The bias of variance component estimations derived from these datasets depends on data dimension, proportion of missing values and the drop-out mechanism implemented for cultivar selection. The objective of this study is to propose and evaluate strategies of statistical analysis to derive genetic merits and genotype stability of cultivars across environments in networks of trials. Results based in real and simulated data, showed that, regardless of the existing imbalance in the datasets, four or more years of evaluation are prefered to obtain estimations of variance components. Adding years to the analysis of multi-environment trials is beneficial to the understanding of cultivar performance in broad and narrow senses. This improve cultivar recommendations and should be consider when taking decisions of cultivar replacements. Missing values increase bias in variance component estimates obtained with restricted maximum likelihood methodolgy. Nevertheless, their effect is attenuated when analyzing several years of data. The analysis of multi-environment trials needs yield measurement of plots that are usually obtained after harvesting. However, new methodologies can obtain phenotypic data before harvesting, possibly expediting the decision-making process and reducing resources allocated to phenotyping. Hiper-spectral cameras measure reflectance at potencially hundreds of wave- lengths, which can be used to predict grain yield. This study compared predictive models using spectral information to obtain plot phenotypic values. Results showed that a bayesian model performs particularly well in predictive capacity combining spectral data. Finally, this thesis proposes a protocole using some statistical tools for the analysis of multi-environment trials.
Materia
Fitomejoramiento
Análisis estadístico
Métodos estadísticos
Estadística
Software
Ensayo
Análisis de la varianza
Técnicas de predicción
Interacción genotipo ambiente
Modelos lineales
Genotipos
Fenotipos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/6742

id RDUUNC_222e74d974d1e9f3b445ee57d8b1d83e
oai_identifier_str oai:rdu.unc.edu.ar:11086/6742
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientalesAguate, Fernando MatíasFitomejoramientoAnálisis estadísticoMétodos estadísticosEstadísticaSoftwareEnsayoAnálisis de la varianzaTécnicas de predicciónInteracción genotipo ambienteModelos linealesGenotiposFenotiposTesis (Doctor en Ciencias Agropecuarias) -- UNC- Facultad de Ciencias Agropecuarias, 2018Los ensayos multiambientales son conducidos para evaluar genotipos a través de localidades y años, generando bases de datos que frecuentemente están incompletas debido a algunos genotipos no evaluados en algunos ambientes. El sesgo en las estimaciones de componentes de varianza derivadas de estas bases de datos, depende de la dimensión de los datos, la proporción de valores faltantes y el mecanimos de reemplazo de genotipos. El objetivo de este estudio es proponer y evaluar estrategias para el análisis estadístico confiable del mérito genético y la estabilidad de genotipos vegetales a través de ambientes en redes de ensayos. Los resultados, basados en datos reales y simulaciones, muestran que a pesar de la incompletitud de los ensayos, cuatro años de evaluación son preferidos para obtener estimaciones de componentes de varianza. Adicionar años al análisis de ensayos multiambientales es beneficioso para el entendimiento del desempeño de genotipos en sentido amplio y en sentido específico. Esto beneficia la recomendación de genotipos y debería ser considerado al momento de tomar decisiones relacionadas al reemplazo de genotipos. Los valores faltantes aumentan el sesgo de las estimaciones de componentes de varianza obtenidas mediante máxima verosimilitud restringida. No obstante, su efecto es menor cuando se analizan varios años de ensayos. El análisis de ensayos multiambientales necesita de mediciones del rendimiento parcelario que usualmente se obtiene luego de la cosecha. Sin embargo, existen nuevas metodologías para obtener información fenotípica antes del momento de cosecha que pueden agilizar la toma de decisiones y posiblemente reducir los recursos destinados al fenotipado. Mediante cámara hiperespectrales se mide la reflectancia a cientos de longitudes de onda, que puede usarse para predecir el rendimiento. En este estudio se compararon modelos predictivos usando información espectral para la predicción del valor fenotípico parcelario. Los resultados indicaron que un modelo bayesiano se destaca en su capacidad predictiva combinando información espectral. Finalmente, esta tesis propone el uso protocolar de algunas herramientas estadísticas para el análisis de ensayos multiambientales.Multi-environment trials are conducted to evaluate cultivars across locations and years, generating datasets that are often incomplete due to cultivars not tested in some environments. The bias of variance component estimations derived from these datasets depends on data dimension, proportion of missing values and the drop-out mechanism implemented for cultivar selection. The objective of this study is to propose and evaluate strategies of statistical analysis to derive genetic merits and genotype stability of cultivars across environments in networks of trials. Results based in real and simulated data, showed that, regardless of the existing imbalance in the datasets, four or more years of evaluation are prefered to obtain estimations of variance components. Adding years to the analysis of multi-environment trials is beneficial to the understanding of cultivar performance in broad and narrow senses. This improve cultivar recommendations and should be consider when taking decisions of cultivar replacements. Missing values increase bias in variance component estimates obtained with restricted maximum likelihood methodolgy. Nevertheless, their effect is attenuated when analyzing several years of data. The analysis of multi-environment trials needs yield measurement of plots that are usually obtained after harvesting. However, new methodologies can obtain phenotypic data before harvesting, possibly expediting the decision-making process and reducing resources allocated to phenotyping. Hiper-spectral cameras measure reflectance at potencially hundreds of wave- lengths, which can be used to predict grain yield. This study compared predictive models using spectral information to obtain plot phenotypic values. Results showed that a bayesian model performs particularly well in predictive capacity combining spectral data. Finally, this thesis proposes a protocole using some statistical tools for the analysis of multi-environment trials.Balzarini, Mónica Graciela2018info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://hdl.handle.net/11086/6742spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:40:49Zoai:rdu.unc.edu.ar:11086/6742Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:40:50.028Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
title Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
spellingShingle Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
Aguate, Fernando Matías
Fitomejoramiento
Análisis estadístico
Métodos estadísticos
Estadística
Software
Ensayo
Análisis de la varianza
Técnicas de predicción
Interacción genotipo ambiente
Modelos lineales
Genotipos
Fenotipos
title_short Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
title_full Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
title_fullStr Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
title_full_unstemmed Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
title_sort Desarrollo de herramientas estadístico-computacionales para el análisis de ensayos agrícolas multiambientales
dc.creator.none.fl_str_mv Aguate, Fernando Matías
author Aguate, Fernando Matías
author_facet Aguate, Fernando Matías
author_role author
dc.contributor.none.fl_str_mv Balzarini, Mónica Graciela
dc.subject.none.fl_str_mv Fitomejoramiento
Análisis estadístico
Métodos estadísticos
Estadística
Software
Ensayo
Análisis de la varianza
Técnicas de predicción
Interacción genotipo ambiente
Modelos lineales
Genotipos
Fenotipos
topic Fitomejoramiento
Análisis estadístico
Métodos estadísticos
Estadística
Software
Ensayo
Análisis de la varianza
Técnicas de predicción
Interacción genotipo ambiente
Modelos lineales
Genotipos
Fenotipos
dc.description.none.fl_txt_mv Tesis (Doctor en Ciencias Agropecuarias) -- UNC- Facultad de Ciencias Agropecuarias, 2018
Los ensayos multiambientales son conducidos para evaluar genotipos a través de localidades y años, generando bases de datos que frecuentemente están incompletas debido a algunos genotipos no evaluados en algunos ambientes. El sesgo en las estimaciones de componentes de varianza derivadas de estas bases de datos, depende de la dimensión de los datos, la proporción de valores faltantes y el mecanimos de reemplazo de genotipos. El objetivo de este estudio es proponer y evaluar estrategias para el análisis estadístico confiable del mérito genético y la estabilidad de genotipos vegetales a través de ambientes en redes de ensayos. Los resultados, basados en datos reales y simulaciones, muestran que a pesar de la incompletitud de los ensayos, cuatro años de evaluación son preferidos para obtener estimaciones de componentes de varianza. Adicionar años al análisis de ensayos multiambientales es beneficioso para el entendimiento del desempeño de genotipos en sentido amplio y en sentido específico. Esto beneficia la recomendación de genotipos y debería ser considerado al momento de tomar decisiones relacionadas al reemplazo de genotipos. Los valores faltantes aumentan el sesgo de las estimaciones de componentes de varianza obtenidas mediante máxima verosimilitud restringida. No obstante, su efecto es menor cuando se analizan varios años de ensayos. El análisis de ensayos multiambientales necesita de mediciones del rendimiento parcelario que usualmente se obtiene luego de la cosecha. Sin embargo, existen nuevas metodologías para obtener información fenotípica antes del momento de cosecha que pueden agilizar la toma de decisiones y posiblemente reducir los recursos destinados al fenotipado. Mediante cámara hiperespectrales se mide la reflectancia a cientos de longitudes de onda, que puede usarse para predecir el rendimiento. En este estudio se compararon modelos predictivos usando información espectral para la predicción del valor fenotípico parcelario. Los resultados indicaron que un modelo bayesiano se destaca en su capacidad predictiva combinando información espectral. Finalmente, esta tesis propone el uso protocolar de algunas herramientas estadísticas para el análisis de ensayos multiambientales.
Multi-environment trials are conducted to evaluate cultivars across locations and years, generating datasets that are often incomplete due to cultivars not tested in some environments. The bias of variance component estimations derived from these datasets depends on data dimension, proportion of missing values and the drop-out mechanism implemented for cultivar selection. The objective of this study is to propose and evaluate strategies of statistical analysis to derive genetic merits and genotype stability of cultivars across environments in networks of trials. Results based in real and simulated data, showed that, regardless of the existing imbalance in the datasets, four or more years of evaluation are prefered to obtain estimations of variance components. Adding years to the analysis of multi-environment trials is beneficial to the understanding of cultivar performance in broad and narrow senses. This improve cultivar recommendations and should be consider when taking decisions of cultivar replacements. Missing values increase bias in variance component estimates obtained with restricted maximum likelihood methodolgy. Nevertheless, their effect is attenuated when analyzing several years of data. The analysis of multi-environment trials needs yield measurement of plots that are usually obtained after harvesting. However, new methodologies can obtain phenotypic data before harvesting, possibly expediting the decision-making process and reducing resources allocated to phenotyping. Hiper-spectral cameras measure reflectance at potencially hundreds of wave- lengths, which can be used to predict grain yield. This study compared predictive models using spectral information to obtain plot phenotypic values. Results showed that a bayesian model performs particularly well in predictive capacity combining spectral data. Finally, this thesis proposes a protocole using some statistical tools for the analysis of multi-environment trials.
description Tesis (Doctor en Ciencias Agropecuarias) -- UNC- Facultad de Ciencias Agropecuarias, 2018
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/6742
url http://hdl.handle.net/11086/6742
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618885148442624
score 13.070432