Genetic parameters and simultaneous selection for root yield, adaptability and stability of cassava genotypes

O objetivo deste trabalho foi estimar parâmetros genéticos e avaliar a seleção simultânea quanto à produtividade de raízes e à adaptabilidade e estabilidade de genótipos de mandioca. Os efeitos dos genótipos foram considerados como fixos e aleatórios, e a metodologia de modelos mistos (REML/Blup) foi utilizada para estimar os parâmetros genéticos e a média harmônica do desempenho relativo dos valores genotípicos (MHPRVG), para seleção simultânea. Dez genótipos foram avaliados em delineamento de blocos ao acaso, com quatro repetições. O experimento foi realizado nos municípios de Altamira, Santarém e Santa Luzia do Pará, PA, nos anos agrícolas de 2009/2010, 2010/2011 e 2011/2012. As raízes foram colhidas 12 meses após o plantio, em todos os locais testados. A produtividade de raízes apresentou baixo coeficiente de variação genotípica (4,25%) e herdabilidade de parcelas individuais no sentido amplo (0,0424), o que resultou em baixo ganho genético. Em razão da baixa correlação genotípica (0,15), a classificação dos genótipos quanto à produtividade de raízes variou de acordo com o ambiente. Os genótipos CPATU 060, CPATU 229 e CPATU 404 destacaram-se quanto à produtividade, adaptabilidade e estabilidade.

Modelo OLAM (ocean-land-atmosphere-model): descrição, aplicações, e perspectivas

O modelo OLAM foi desenvolvido com objetivo de estender a capacidade de representar os fenômenos de escala global e regional simultaneamente. Este modelo apresenta inovações quanto aos processos dinâmicos, configuração de grade, estrutura de memória e técnicas de solução numérica das equações prognósticas. As equações de Navier-Stokes são resolvidas através da técnica de volumes finitos que conservam massa, momento e energia. No presente trabalho, apresenta-se uma descrição sucinta do OLAM e alguns resultados de sua aplicação em simulações climáticas da precipitação mensal para a região norte da América do Sul, bem como em rodadas para previsão numérica de tempo regional. Os resultados mostram que o modelo consegue representar bem os aspectos meteorológicos de grande escala. Em geral, seu desempenho melhora quando são adotadas grades de maior resolução espacial, nas quais se verificam melhorias significativas tanto na estimativa da precipitação mensal regional, quanto na previsão numérica de tempo.