Empirical impact of financial service access on farmers income in Ghana / Impacto empírico do acesso a serviços financeiros na renda dos agricultores em Gana

The impact of access to financial services (AFS) and access to informal financial services (AIFS) on farmer income is examined in this study. After a multi-stage random sampling procedure, the study used a sample size of 478 people from two regions in Ghana. The endogenous treatment regression (ETR) model was used to account for selection bias while the unconditional quantile regression (UQR) model was used for a heterogenous analysis. The findings showed that education, financial literacy, IT access, farm size, and distance were all factors of access to financial services. Similarly, the findings revealed a positive and statistically significant link between household income and access to formal financial services. Similarly, there was a positive and significant association between access to informal financial services and household income. The findings showed that access to formal and informal financial services has different effects on household income. As a result, the effects of access to financial services on income varied by quantile. Based on the findings of the study, we developed policies to boost financial services accessibility as a means of increasing household income.

O impacto do acesso a serviços financeiros (AFS) e acesso a serviços financeiros informais (AIFS) na renda do agricultor é examinado neste estudo. Após um procedimento de amostragem aleatória em vários estágios, o estudo utilizou uma amostra de 478 pessoas de duas regiões de Gana. O modelo de regressão de tratamento endógeno (ETR) foi usado para explicar o viés de seleção, enquanto o modelo de regressão quantílica incondicional (UQR) foi usado para uma análise heterogênea. Os resultados mostram que educação, alfabetização financeira, acesso a TI, tamanho da fazenda e distância foram fatores de acesso a serviços financeiros. Da mesma forma, os resultados revelaram uma ligação positiva e estatisticamente significativa entre a renda familiar e o acesso a serviços financeiros formais. Da mesma forma, houve associação positiva e significativa entre acesso a serviços financeiros informais e renda familiar. Os resultados mostram que o acesso a serviços financeiros formais e informais tem efeitos diferentes na renda familiar. Como resultado, os efeitos do acesso a serviços financeiros sobre a renda variaram por quantil. Com base nos resultados do estudo, desenvolvemos políticas para aumentar a acessibilidade dos serviços financeiros como forma de aumentar a renda familiar.

Genome-enabled prediction through quantile random forest for complex traits / Predição genômica por meio do random forest quantílitico para características complexas

ABSTRACT: Quantile Random Forest (QRF) is a non-parametric methodology that combines the advantages of Random Forest (RF) and Quantile Regression (QR). Specifically, this approach can explore non-linear functions, determining the probability distribution of a response variable and extracting information from different quantiles instead of just predicting the mean. This evaluated the performance of the QRF in the genomic prediction for complex traits (epistasis and dominance). In addition, compare the accuracies obtained with those derived from the G-BLUP. The simulation created an F2 population with 1,000 individuals and genotyped for 4,010 SNP markers. Besides, twelve traits were simulated from a model considering additive and non-additive effects, QTL (Quantitative trait loci) numbers ranging from eight to 120, and heritability of 0.3, 0.5, or 0.8. For training and validation, the 5-fold cross-validation approach was used. For each fold, the accuracies of all the proposed models were calculated: QRF in five different quantiles and three G-BLUP models (additive effect, additive and epistatic effects, additive and dominant effects). Finally, the predictive performance of these methodologies was compared. In all scenarios, the QRF accuracies were equal to or greater than the methodologies evaluated and proved to be an alternative tool to predict genetic values in complex traits.

RESUMO: Quantile Random Forest (QRF) é uma metodologia não paramétrica, que combina as vantagens do Random Forest (RF) e da Regressão Quantílica (QR). Especificamente, essa abordagem pode explorar funções não lineares, determinando a distribuição de probabilidade de uma variável resposta e extraindo informações de diferentes quantis em vez de apenas prever a média. O objetivo deste trabalho foi avaliar o desempenho do QRF em predizer o valor genético genômico para características com arquitetura genética não aditiva (epistasia e dominância). Adicionalmente, as acurácias obtidas foram comparadas com aquelas advindas do G-BLUP. A simulação criou uma população F2 com 1.000 indivíduos genotipados para 4.010 marcadores SNP. Além disso, doze características foram simuladas a partir de um modelo considerando efeitos aditivos e não aditivos, com número de QTL (Quantitative trait loci) variando de oito a 120 e herdabilidade de 0,3, 0,5 ou 0,8. Para treinamento e validação foi usada a abordagem da validação cruzada 5-fold. Para cada um dos folds foram calculadas as acurácias de todos os modelos propostos: QRF em cinco quantis diferentes e três modelos do G-BLUP (com efeito aditivo, aditivo e epistático, aditivo e dominante). Por fim, o desempenho preditivo dessas metodologias foi comparado. Em todos os cenários, as acurácias do QRF foram iguais ou superiores às metodologias avaliadas e mostrou ser uma ferramenta alternativa para predizer valores genéticos em características complexas.

Retrieval of leaf chlorophyll content in Gannan navel orange based on fusing hyperspectral vegetation indices using machine learning algorithms / Recuperação do teor de clorofila de folhas em laranja do umbigo Gannan com base na fusão de índices de vegetação hiperespectral usando algoritmos de inteligência artificial

Estimating leaf chlorophyll contents through leaf reflectance spectra is efficient and nondestructive. The literature base regarding optical indices (particularly chlorophyll indices) is wide ranging and extensive. However, it is without much consensus regarding robust indices for Gannan navel orange. To address this problem, this study investigated the performance of 19 published indices using RDS (raw data spectrum), FDS (first derivative data spectrum) and SDS (second derivative data spectrum) for the estimation of chlorophyll content in navel orange leaves. The single spectral index and combination of multiple spectral indices were compared for their accuracy in predicting chlorophyll a content (Chla), chlorophyll b content (Chlb) and total chlorophyll content (Chltot) content in navel orange leaves by using partial least square regression (PLSR), adaboost regression (AR), random forest regression (RFR), decision tree regression (DTR) and support vector machine regression (SVMR) models. Through the comparison of the above data in three datasets, the optimal modeling data set is RDS data, followed by FDS data, and the worst is SDS data. In modeling with multiple spectral indices, good results were obtained for Chla (NDVI750, NDVI800), Chlb (Datt, DD, Gitelson 2) and Chltot (Datt, DD, Gitelson2) by corresponding index combinations. Overall, we can find that the AR is also the best regression method judging by prediction performance from the results of single spectral index models and multiple spectral indices models. In comparison, result of multiple spectral indices models is better than single spectral index models in predicting Chla and Chltot content using FDS data and SDS data, respectively.

Estimar os teores de clorofila foliar através de espectros de refletância foliar é eficiente e não destrutivo, a base da literatura sobre índices ópticos (principalmente índices de clorofila) é ampla e extensa. No entanto, não há muito consenso sobre índices robustos para a laranja de Gannan. O estudo investigou o desempenho de 19 índices publicados usando RDS (espectro de dados brutos), FDS (espectro de dados de primeira derivada) e SDS (espectro de dados de segunda derivada) para a estimativa do teor de clorofila em folhas de laranja de umbigo. Os índices espectrais foram comparados quanto à sua precisão na previsão do teor de clorofila a (Chla), teor de clorofila b (Chlb) e teor de clorofila total (Chltot) em folhas de laranja de umbigo usando regressão dos mínimos quadrados parcial (PLSR), regressão adaboost (AR), modelos de regressão de floresta aleatória (RFR), regressão de árvore de decisão (DTR) e regressão de máquina de vetor de suporte (SVMR). Através da comparação dos dados acima em três conjuntos de dados, o conjunto de dados de modelagem ideal são os dados RDS, seguidos pelos dados FDS, e o pior são os dados SDS. Na modelagem com vários índices espectrais, bons resultados foram obtidos para Chla (NDVI750, NDVI800), Chlb (Datt, DD, Gitelson 2) e Chltot (Datt, DD, Gitelson2) por combinações de índices correspondentes. No geral, podemos descobrir que o AR também é o melhor método de regressão a julgar pelo desempenho de previsão dos resultados de modelos de índice espectral único e modelos de índices espectrais múltiplos. Em comparação, o resultado de modelos de índices espectrais múltiplos é melhor do que os modelos de índices espectrais únicos na previsão do conteúdo de Chla e Chltot usando dados FDS e dados SDS, respectivamente.

Retrieval of leaf chlorophyll content in Gannan navel orange based on fusing hyperspectral vegetation indices using machine learning algorithms / Recuperação do teor de clorofila de folhas em laranja do umbigo Gannan com base na fusão de índices de vegetação hiperespectral usando algoritmos de inteligência artificial

ABSTRACT: Estimating leaf chlorophyll contents through leaf reflectance spectra is efficient and nondestructive. The literature base regarding optical indices (particularly chlorophyll indices) is wide ranging and extensive. However, it is without much consensus regarding robust indices for Gannan navel orange. To address this problem, this study investigated the performance of 19 published indices using RDS (raw data spectrum), FDS (first derivative data spectrum) and SDS (second derivative data spectrum) for the estimation of chlorophyll content in navel orange leaves. The single spectral index and combination of multiple spectral indices were compared for their accuracy in predicting chlorophyll a content (Chla), chlorophyll b content (Chlb) and total chlorophyll content (Chltot) content in navel orange leaves by using partial least square regression (PLSR), adaboost regression (AR), random forest regression (RFR), decision tree regression (DTR) and support vector machine regression (SVMR) models. Through the comparison of the above data in three datasets, the optimal modeling data set is RDS data, followed by FDS data, and the worst is SDS data. In modeling with multiple spectral indices, good results were obtained for Chla (NDVI750, NDVI800), Chlb (Datt, DD, Gitelson 2) and Chltot (Datt, DD, Gitelson2) by corresponding index combinations. Overall, we can find that the AR is also the best regression method judging by prediction performance from the results of single spectral index models and multiple spectral indices models. In comparison, result of multiple spectral indices models is better than single spectral index models in predicting Chla and Chltot content using FDS data and SDS data, respectively.

RESUMO: Estimar os teores de clorofila foliar através de espectros de refletância foliar é eficiente e não destrutivo, a base da literatura sobre índices ópticos (principalmente índices de clorofila) é ampla e extensa. No entanto, não há muito consenso sobre índices robustos para a laranja de Gannan. O estudo investigou o desempenho de 19 índices publicados usando RDS (espectro de dados brutos), FDS (espectro de dados de primeira derivada) e SDS (espectro de dados de segunda derivada) para a estimativa do teor de clorofila em folhas de laranja de umbigo. Os índices espectrais foram comparados quanto à sua precisão na previsão do teor de clorofila a (Chla), teor de clorofila b (Chlb) e teor de clorofila total (Chltot) em folhas de laranja de umbigo usando regressão dos mínimos quadrados parcial (PLSR), regressão adaboost (AR), modelos de regressão de floresta aleatória (RFR), regressão de árvore de decisão (DTR) e regressão de máquina de vetor de suporte (SVMR). Através da comparação dos dados acima em três conjuntos de dados, o conjunto de dados de modelagem ideal são os dados RDS, seguidos pelos dados FDS, e o pior são os dados SDS. Na modelagem com vários índices espectrais, bons resultados foram obtidos para Chla (NDVI750, NDVI800), Chlb (Datt, DD, Gitelson 2) e Chltot (Datt, DD, Gitelson2) por combinações de índices correspondentes. No geral, podemos descobrir que o AR também é o melhor método de regressão a julgar pelo desempenho de previsão dos resultados de modelos de índice espectral único e modelos de índices espectrais múltiplos. Em comparação, o resultado de modelos de índices espectrais múltiplos é melhor do que os modelos de índices espectrais únicos na previsão do conteúdo de Chla e Chltot usando dados FDS e dados SDS, respectivamente.

Genome-enabled prediction through quantile random forest for complex traits / Predição genômica por meio do random forest quantílitico para características complexas

Quantile Random Forest (QRF) is a non-parametric methodology that combines the advantages of Random Forest (RF) and Quantile Regression (QR). Specifically, this approach can explore non-linear functions, determining the probability distribution of a response variable and extracting information from different quantiles instead of just predicting the mean. This evaluated the performance of the QRF in the genomic prediction for complex traits (epistasis and dominance). In addition, compare the accuracies obtained with those derived from the G-BLUP. The simulation created an F2 population with 1,000 individuals and genotyped for 4,010 SNP markers. Besides, twelve traits were simulated from a model considering additive and non-additive effects, QTL (Quantitative trait loci) numbers ranging from eight to 120, and heritability of 0.3, 0.5, or 0.8. For training and validation, the 5-fold cross-validation approach was used. For each fold, the accuracies of all the proposed models were calculated: QRF in five different quantiles and three G-BLUP models (additive effect, additive and epistatic effects, additive and dominant effects). Finally, the predictive performance of these methodologies was compared. In all scenarios, the QRF accuracies were equal to or greater than the methodologies evaluated and proved to be an alternative tool to predict genetic values in complex traits.

Quantile Random Forest (QRF) é uma metodologia não paramétrica, que combina as vantagens do Random Forest (RF) e da Regressão Quantílica (QR). Especificamente, essa abordagem pode explorar funções não lineares, determinando a distribuição de probabilidade de uma variável resposta e extraindo informações de diferentes quantis em vez de apenas prever a média. O objetivo deste trabalho foi avaliar o desempenho do QRF em predizer o valor genético genômico para características com arquitetura genética não aditiva (epistasia e dominância). Adicionalmente, as acurácias obtidas foram comparadas com aquelas advindas do G-BLUP. A simulação criou uma população F2 com 1.000 indivíduos genotipados para 4.010 marcadores SNP. Além disso, doze características foram simuladas a partir de um modelo considerando efeitos aditivos e não aditivos, com número de QTL (Quantitative trait loci) variando de oito a 120 e herdabilidade de 0,3, 0,5 ou 0,8. Para treinamento e validação foi usada a abordagem da validação cruzada 5-fold. Para cada um dos folds foram calculadas as acurácias de todos os modelos propostos: QRF em cinco quantis diferentes e três modelos do G-BLUP (com efeito aditivo, aditivo e epistático, aditivo e dominante). Por fim, o desempenho preditivo dessas metodologias foi comparado. Em todos os cenários, as acurácias do QRF foram iguais ou superiores às metodologias avaliadas e mostrou ser uma ferramenta alternativa para predizer valores genéticos em características complexas.

Genetic evaluation of oocyte and embryo production in dairy Gir cattle using repeatability and random regression models

The objective of this work is to estimate genetic parameters and breeding values to improve embryo and oocyte production, using repeatability and random regression models (RRM) for Gir dairy cattle. We used 11,398 records of ovum pick-up from 1,747 dairy Gir donors and evaluated sixteen different models: the traditional repeatability model and fifteen RRM, each of which considered a different combination of Legendre polynomial regressors to describe the additive genetic and permanent environment effects. The 4G1P model (four regressors for the genetic effect and one regressor for the permanent environment effect) is the most suitable model to analyze the number of viable and total oocytes, while the 3G1P is the best model to analyze the number of cleaved and viable embryos, according to the values of the Akaike information criterion (AIC) and the Bayesian information criterion (BIC). The heritability estimated with the RRM was higher than that estimated with the repeatability model. The high repeatability reported for oocyte and embryo count traits indicates that donors, which had high oocyte and embryo counts in the first ovum pick-up, should maintain this result in the next ovum pick-up. Genetic correlations between adjacent ages were high and positive, while genetic correlations between extreme ages were weak. We observed a reranking of the top sires and females (heifers and cows) over the period evaluated. The reliability of the estimated breeding values by RRM showed changes across age, and the expected genetic gains by RRM are larger. This shows that RRM is most suitable alternative for the evaluation and selection of oocyte and embryo count traits.(AU)

A lettuce moisture detection method based on terahertz time-domain spectroscopy / Um método de detecção de umidade de alface baseado em THz-TDS

For non-destructive detection of water stress in lettuce, terahertz time-domain spectroscopy (THz-TDS) was used to quantitatively analyze water content in lettuce. Four gradient lettuce water contents were used . Spectral data of lettuce were collected by a THz-TDS system, and denoised using the S-G derivative, Savitzky-Golay (S-G) smoothing and normalization filtering. The fitting effect of the pretreatment method was better than that of regression fitting, and the S-G derivative fitting effect was obtained. Then a calibration set and a verification set were divided by the Kennan-Stone algorithm, sample set partitioning based on joint X-Y distance (SPXY) algorithm, and the random sampling (RS) algorithm, and the parameters of RS were optimized by regression fitting. The stability competitive adaptive reweighted sampling, iteratively retained information variables and interval combination optimization were used to select characteristic wavelengths, and then continuous projection was used on basis of the three algorithms above. After the successive projection algorithm was re-screened, partial least squares regression was used into modeling. The regression coefficients R²c and RMSEC reach 0.8962 and 412.5% respectively, and R²p and RMSEP of the verification set are 0.8757 and 528.9% respectively.

Para a detecção não destrutiva de estresse hídrico da alface, espectroscopia no domínio do tempo em terahertz (THz-TDS) foi usada para analisar quantitativamente o conteúdo de água na alface. Quatro gradientes de conteúdo de água de alface foram usados. Os dados espectrais da alface foram coletados por um sistema THz-TDS e denoised usando o derivado S-G, Savitzky-Golay (S-G) suavização e filtragem de normalização. O efeito de ajuste do método de pré-tratamento foi melhor do que o do ajuste de regressão, e o efeito de ajuste da derivada S-G foi obtido. Em seguida, um conjunto de calibração e um conjunto de verificação foram divididos pelo algoritmo Kennan-Stone, particionamento do conjunto de amostra com base no algoritmo de distância X-Y conjunta (SPXY) e o algoritmo de amostragem aleatória (RS), e os parâmetros de RS foram otimizados por ajuste de regressão. A amostragem adaptativa de estabilidade competitiva reponderada, variáveis de informação retidas iterativamente e otimização de combinação de intervalo foram usadas para selecionar comprimentos de onda característicos e, em seguida, a projeção contínua foi usada com base nos três algoritmos acima. Depois que o algoritmo de projeção sucessivo foi reprojetado, a regressão de mínimos quadrados parcial foi usada na modelagem. Os coeficientes de regressão R2 e erro quadrático médio (RMSEP) atingem 0,8962 e 412,50%, respectivamente, e R2 e RMSEP do conjunto de verificação são 0,8757 e 528,93%, respectivamente.

Machine learning applied to the prediction of root architecture of soybean cultivars under two water availability conditions / Machine learning aplicado à predição da arquitetura radicular de cultivares de soja sob duas condições de disponibilidade hídrica

The objective of this study was to evaluate the performance of four machine learning models, as well as multitask learning, to predict soybean root variables from simpler variables, under two water availability conditions. In order to do so, 100 soybean cultivars were conducted in a greenhouse under a control condition and a stress condition. Aerial part and root variables were evaluated. The machine learning models used to predict complex root variables were artificial neural network (ANN), random forest (RF), extreme gradient boosting (EGBoost) and support vector machine (SVM). A linear model was used for comparison purposes. Multitask learning was employed for ANN and RF. In addition, feature importance was defined using RF and XGBoost algorithms. All the machine learning models performed better than the linear model. In general, SVM had the greatest potential for the prediction of most of the root variables, with better values of RMSE, MAE and R2. Dry weight of the aerial part and root volume exhibited the greatest importance in the predictions. The models developed using multitask learning performed similarly to the ones conventionally developed. Finally, it is concluded that the machine learning models evaluated can be used to predict root variables of soybean from easily measurable variables, such as dry weight of the aerial part and root volume.(AU)

O objetivo deste estudo foi avaliar o desempenho de quatro modelos de machine learning, bem como multitask learning, para predizer variáveis radiculares de soja a partir de variáveis simples, em duas condições de disponibilidade hídrica. Para isso,100 cultivares de soja foram conduzidas em casa de vegetação sob uma condição controle e uma condição estresse. Foram avaliadas as variáveis da parte aérea e da raiz. Os modelos machine learning usados para predizer variáveis complexas do sistema radicular foram rede neural artificial (RNA), random forest (RF), extreme gradient boosting (EGBoost) e support vector machine (SVM). O modelo linear foi usado para fins de comparação. O multitask learning foi empregado para RNA e RF. Além disso, a importância das variáveis foi definida usando algoritmos RF e XGBoost. Todos os modelos de machine learning apresentaram melhor desempenho do que o modelo linear. Em geral, SVM apresentou o maior potencial de predição da maioria das variáveis raiz, com melhores valores de RMSE, MAE e R2. O peso seco da parte aérea e o volume da raiz exibiram as maiores importâncias nas predições. Os modelos desenvolvidos por meio do multitask learning apresentaram desempenhos semelhantes aos desenvolvidos convencionalmente. Por fim, conclui-se que os modelos de machine learning avaliados podem ser usados para predizer variáveis radiculares de soja a partir de variáveis facilmente mensuráveis, como massa seca da parte aérea e volume radicular.(AU)

Determination of factors affecting profit by quantitative methods in broiler enterprises / Determinação dos fatores que afetam o lucro por métodos quantitativos em empresas de frangos de carne

This study was carried out to demonstrate how a regression model can be used as a decision support tool in the poultry sector, using variables that affect profit, within the scope of broiler enterprises that are engaged in contract production depending on broiler integrations. Enterprises included in the study were selected from Bolu, Sakarya and Ankara provinces those have the 24% of the rearing flocks and the integrations in Turkey. The 68 out of 9872 broiler enterprises existing in Turkey in 2017 were included in the study by random sampling method. The regression model obtained because of this study allows producers and institutions providing consultancy services in the broiler sector to monitor the marginal effect of variables that affect profit. As a result, when price and cost factors change under different risk conditions, the research model can be used as a decision support tool.

Este estudo foi realizado para demonstrar como um modelo de regressão pode ser utilizado como uma ferramenta de apoio à decisão no setor avícola, utilizando variáveis que afetam o lucro, dentro do escopo de empresas de frangos de corte que se dedicam à produção sob contrato, dependendo das integrações de frangos de corte. As empresas incluídas no estudo foram selecionadas das províncias de Bolu, Sakarya e Ancara, que possuem os 24% dos lotes de frangos de corte e as integrações na Turquia. As 68 das 9872 empresas de frangos de corte existentes na Turquia em 2017 foram incluídas no estudo pelo método de amostragem aleatória. O modelo de regressão obtido devido a este estudo permite aos produtores e instituições que prestam serviços de consultoria no setor de frangos de corte monitorar o efeito marginal das variáveis que afetam o lucro. Como resultado, quando os fatores preço e custo mudam sob diferentes condições de risco, o modelo de pesquisa pode ser usado como uma ferramenta de apoio à decisão.

Kennard-Stone method outperforms the random sampling in the selection of calibration samples in SNPs and NIR data / Método Kennard-Stone supera a amostragem aleatória na seleção de amostras de calibração em dados SNPs e NIR

ABSTRACT: Splitting the whole dataset into training and testing subsets is a crucial part of optimizing models. This study evaluated the influence of the choice of the training subset in the construction of predictive models, as well as on their validation. For this purpose we assessed the Kennard-Stone (KS) and the Random Sampling (RS) methods in near-infrared spectroscopy data (NIR) and marker data SNPs (Single Nucleotide Polymorphisms). It is worth noting that in SNPs data, there is no knowledge of reports in the literature regarding the use of the KS method. For the construction and validation of the models, the partial least squares (PLS) estimation method and the Bayesian Lasso (BLASSO) proved to be more efficient for NIR data and for marker data SNPs, respectively. The evaluation of the predictive capacity of the models obtained after the data partition occurred through the correlation between the predicted and the observed values, and the corresponding square root of the mean squared error of prediction. For both datasets, results indicated that the results from KS and RS methods differ statistically from each other by the F test (P-value < 0.01). The KS method showed to be more efficient than RS in practically all repetitions. Also, KS method has the advantage of being easy and fast to be applied and also to select the same samples, which provides excellent benefits in the following analyses.

RESUMO: A divisão de subconjuntos de treinamento e teste é parte fundamental da otimização de modelos. O objetivo deste trabalho foi avaliar a influência da escolha do subconjunto de treinamento na construção dos modelos, bem como sua validação. Os métodos Kennard-Stone (KS) e a amostragem aleatória (AA) foram avaliados em dados de espectroscopia no infravermelho próximo (NIR) e em dados de marcadores SNPs (Single Nucleotide Polymorphisms). Vale destacar, que em dados SNPs, não há conhecimento de relatos na literatura a respeito da utilização do método KS. Para a construção e validação dos modelos, o método de estimação dos mínimos quadrados parciais (PLS) e Lasso bayesiano (BLASSO) mostraram-se mais eficientes para os dados NIR e para os dados SNPs, respetivamente. A avaliação da capacidade preditiva dos modelos obtidos após a partição dos dados ocorreu por meio da correlação entre os valores preditos e os valores reais, e da raiz quadrada do erro quadrático médio de predição. Para ambos os conjuntos de dados, os resultados indicam que os métodos KS e AA diferem estatisticamente entre si pelo teste F (valor P < 0.01), com o KS mais eficiente do que o AA em praticamente todas as repetições. Além disso, o método KS possui a vantagem de ser fácil e rápido de ser aplicado e também de selecionar sempre as mesmas amostras, o que proporciona grandes benefícios em futuras análises.

Spatiotemporal analysis of distribution of pest and predator in corn crops

ABSTRACT Crop pests have negative impacts on yield. This paper proposes a spatiotemporal geostatistical modeling to compare data of adult Syrphidae fly count and corn leaf aphid Rhopalosiphum maidis (Fitch, 1856) colonies in corn crops. The use of a geostatistical model that allows the space-time variation makes the approach more interesting because it is a more complete model. Multiple regression was used to model the trend component for the variable response adult Syrphidae fly count and corn leaf aphid colonies, with the coordinates serving as covariates and the spatiotemporal variations around the deviation are described by a random spacetime residual field. Finally, the prediction map obtained by kriging may be a biological indicator of possible corn leaf aphid colonies in the corn crop. It was possible to verify that the occurrence of the pest provided a significant increase in adult predators and seminatural habitats may favor populations of natural enemies.

Evaluation of the nutritional status of corn by vegetation indices via aerial images / Avaliação do estado nutricional do milho por índices de vegetação de imagens aéreas

The objective of this study is to determine the vegetation indices (IV) as a means of identifying the nutritional status of corn, with respect to the soil nitrogen and potassium, using the aerial images received through an RGB camera loaded on an unmanned aerial vehicle. The images were obtained for an experiment of the nitrogen levels (0, 60, 120 and 180 kg ha-¹) and potassium levels (0, 50, 100 and 150 kg ha-¹), in the random block design, with a factorial scheme of 4 x 4, having three repetitions. Ten leaves were plucked per plot during the flowering phase to assess the total N (NF) and K+ leaf contents. The Pearson’s correlation analysis, as well as the analyses of variance and regression between the IV and the concentrations of N and K2O. NF, K+ and the grain yield, responded only to the soil N levels. A significant correlation was observed for the indices of Red Index, Normalized Difference Index and Visible Atmospherically Resistant Index with the NF, which endorses them as favorable in identifying the nutritional standing of corn, with respect to the N level. Not even a single one of the indices evaluated could detect the nutritional ranking of corn in the context of the potassium level.

O estudo teve como objetivo avaliar índices de vegetação (IV) para detecção do status nutricional do milho com relação ao nitrogênio e potássio por meio de imagens aéreas obtidas por câmera RGB embarcada em veículo aéreo não tripulado. As imagens foram adquiridas em ensaio de níveis de nitrogênio (0, 60, 120 e 180 kg ha-¹) e potássio (0, 50, 100 e 150 kg ha-¹), em blocos ao acaso, fatorial 4 x 4, com três repetições. Coletaram-se dez folhas por parcela na fase de florescimento para avaliação do teor foliar de N total (NF) e K+. Efetuou-se análise de correlação de Pearson, análise de variância e de regressão entre os IV e os níveis de N e de K2O. NF, K+ e a produtividade de grãos responderam apenas aos níveis de N no solo. Houve correlação significativa para os índices Excess Red Index, Normalized Difference Index e Visible Atmospherically Resistant Index com o NF, que os credencia como promissores na detecção do status nutricional do milho em relação ao N. Nenhum dos índices avaliados foi capaz de detectar o status nutricional do milho com relação ao potássio.

Evaluation of the nutritional status of corn by vegetation indices via aerial images / Avaliação do estado nutricional do milho por índices de vegetação de imagens aéreas

The objective of this study is to determine the vegetation indices (IV) as a means of identifying the nutritional status of corn, with respect to the soil nitrogen and potassium, using the aerial images received through an RGB camera loaded on an unmanned aerial vehicle. The images were obtained for an experiment of the nitrogen levels (0, 60, 120 and 180 kg ha-¹) and potassium levels (0, 50, 100 and 150 kg ha-¹), in the random block design, with a factorial scheme of 4 x 4, having three repetitions. Ten leaves were plucked per plot during the flowering phase to assess the total N (NF) and K+ leaf contents. The Pearsons correlation analysis, as well as the analyses of variance and regression between the IV and the concentrations of N and K2O. NF, K+ and the grain yield, responded only to the soil N levels. A significant correlation was observed for the indices of Red Index, Normalized Difference Index and Visible Atmospherically Resistant Index with the NF, which endorses them as favorable in identifying the nutritional standing of corn, with respect to the N level. Not even a single one of the indices evaluated could detect the nutritional ranking of corn in the context of the potassium level.(AU)

O estudo teve como objetivo avaliar índices de vegetação (IV) para detecção do status nutricional do milho com relação ao nitrogênio e potássio por meio de imagens aéreas obtidas por câmera RGB embarcada em veículo aéreo não tripulado. As imagens foram adquiridas em ensaio de níveis de nitrogênio (0, 60, 120 e 180 kg ha-¹) e potássio (0, 50, 100 e 150 kg ha-¹), em blocos ao acaso, fatorial 4 x 4, com três repetições. Coletaram-se dez folhas por parcela na fase de florescimento para avaliação do teor foliar de N total (NF) e K+. Efetuou-se análise de correlação de Pearson, análise de variância e de regressão entre os IV e os níveis de N e de K2O. NF, K+ e a produtividade de grãos responderam apenas aos níveis de N no solo. Houve correlação significativa para os índices Excess Red Index, Normalized Difference Index e Visible Atmospherically Resistant Index com o NF, que os credencia como promissores na detecção do status nutricional do milho em relação ao N. Nenhum dos índices avaliados foi capaz de detectar o status nutricional do milho com relação ao potássio.(AU)

Evaluation of the nutritional status of corn by vegetation indices via aerial images / Avaliação do estado nutricional do milho por índices de vegetação de imagens aéreas

ABSTRACT: The objective of this study is to determine the vegetation indices (IV) as a means of identifying the nutritional status of corn, with respect to the soil nitrogen and potassium, using the aerial images received through an RGB camera loaded on an unmanned aerial vehicle. The images were obtained for an experiment of the nitrogen levels (0, 60, 120 and 180 kg ha-1) and potassium levels (0, 50, 100 and 150 kg ha-1), in the random block design, with a factorial scheme of 4 x 4, having three repetitions. Ten leaves were plucked per plot during the flowering phase to assess the total N (NF) and K+ leaf contents. The Pearson's correlation analysis, as well as the analyses of variance and regression between the IV and the concentrations of N and K2O. NF, K+ and the grain yield, responded only to the soil N levels. A significant correlation was observed for the indices of Red Index, Normalized Difference Index and Visible Atmospherically Resistant Index with the NF, which endorses them as favorable in identifying the nutritional standing of corn, with respect to the N level. Not even a single one of the indices evaluated could detect the nutritional ranking of corn in the context of the potassium level.

RESUMO: O estudo teve como objetivo avaliar índices de vegetação (IV) para detecção do status nutricional do milho com relação ao nitrogênio e potássio por meio de imagens aéreas obtidas por câmera RGB embarcada em veículo aéreo não tripulado. As imagens foram adquiridas em ensaio de níveis de nitrogênio (0, 60, 120 e 180 kg ha-1) e potássio (0, 50, 100 e 150 kg ha-1), em blocos ao acaso, fatorial 4 x 4, com três repetições. Coletaram-se dez folhas por parcela na fase de florescimento para avaliação do teor foliar de N total (NF) e K+. Efetuou-se análise de correlação de Pearson, análise de variância e de regressão entre os IV e os níveis de N e de K2O. NF, K+ e a produtividade de grãos responderam apenas aos níveis de N no solo. Houve correlação significativa para os índices Excess Red Index, Normalized Difference Index e Visible Atmospherically Resistant Index com o NF, que os credencia como promissores na detecção do status nutricional do milho em relação ao N. Nenhum dos índices avaliados foi capaz de detectar o status nutricional do milho com relação ao potássio.

Estimation of genetic parameters for test-day milk yield in Girolando cows using a random regression model / [Estimação de parâmetros genéticos para produção de leite no dia do teste em vacas da raça Girolando utilizando modelo de regressão aleatória]

The objective of this study was to estimate the components of variance and genetic parameters of test-day milk yield in first lactation Girolando cows, using a random regression model. A total of 126,892 test-day milk yield (TDMY) records of 15,351 first-parity Holstein, Gyr, and Girolando breed cows were used, obtained from the Associação Brasileira dos Criadores de Girolando. To estimate the components of (co) variance, the additive genetic functions and permanent environmental covariance were estimated by random regression in three functions: Wilmink, Legendre Polynomials (third order) and Linear spline Polynomials (three knots). The Legendre polynomial function showed better fit quality. The genetic and permanent environment variances for TDMY ranged from 2.67 to 5.14 and from 9.31 to 12.04, respectively. Heritability estimates gradually increased from the beginning (0.13) to mid-lactation (0.19). The genetic correlations between the days of the control ranged from 0.37 to 1.00. The correlations of permanent environment followed the same trend as genetic correlations. The use of Legendre polynomials via random regression model can be considered as a good tool for estimating genetic parameters for test-day milk yield records.(AU)

O objetivo deste estudo foi estimar os componentes de variância e os parâmetros genéticos da produção de leite no dia do teste (TDMY) em vacas Girolando de primeira lactação, usando modelo de regressão aleatória. Foram utilizados 126.892 registros de produção de leite no dia controle de 15.351 vacas primíparas das raças Holandesa, Gir e Girolando, obtidas na Associação Brasileira dos Criadores de Girolando. Para estimar os componentes de (co) variância, as funções genéticas aditivas e de covariância ambiental permanente foram estimadas por regressão aleatória em três funções: Wilmink, polinômios de Legendre (terceira ordem) e polinômios splines lineares (três nós). A função polinomial de Legendre apresentou melhor qualidade de ajuste. As variâncias genéticas e de ambiente permanente para produção de leite no dia do controle variaram de 2,67 a 5,14 e de 9,31 a 12,04, respectivamente. As estimativas de herdabilidade aumentaram gradativamente do início (0,13) para o meio da lactação (0,19). As correlações genéticas entre os dias do controle variaram de 0,37 a 1,00. As correlações de ambiente permanente seguiram a mesma tendência das correlações genéticas. A utilização dos polinômios de Legendre via modelos de regressão aleatória pode ser considerada como uma boa ferramenta para estimação de parâmetros genéticos da produção de leite no dia do teste.(AU)

Breed, heterosis, and recombination effects for lactation curves in Brazilian cattle

The objective of this study was to estimate the breed, heterosis, and recombination effects on different components of the lactation curve of Girolando cattle. The dataset used consisted of 12,121 purebred cows of Holstein (H) and Gyr (G) breeds, and six H×G crossbred cows (Girolando). The model used presents random effects of herd and cow, regression coefficient associated with linear effect of proportion of H breed, regression coefficient associated with the linear effect of heterosis between H and G breeds, regression coefficient associated with the linear effect of recombination between H and G breeds, and random effect of residual. Dijkstra's (DJ), Nelder's (ND), Wilmink's (WL), and Wood's (WD) models were tested to fit production records of these different genetic groups. These models were then tested according to evaluation criteria of quality of fit (AIC, BIC, and RMSE), and the two best models (WD and WL) were chosen for estimation of 305-day milk yield (MY305), peak yield, time to peak, and persistency of milk yield. The breed effect was significant for all traits and components of the lactation curve. The heterosis effect was significant for all traits, and was more significant for MY305 (945.62±79.17 kg). Peak yield was the component of lactation curve that presented the most significant heterosis effect, partially explaining the heterosis effect (12 to 21%) found for MY305. The recombination effect was positive only for lactation period and time to peak of lactation in Girolando cows.

Estimation of buckwheat leaf area by leaf dimensions / Estimação de área foliar de trigo mourisco por dimensões foliares

The objective of this work was to model and identify the best models for estimating the leaf area, determined by digital photos, of buckwheat (Fagopyrum esculentum Moench) of the cultivars IPR91-Baili and IPR92-Altar, as a function of length (L), width (W) or length x width product (LW) of the leaf blade. Ten uniformity trials (blank experiments) were carried out, five with IPR91-Baili cultivar and five with IPR92-Altar cultivar. The trials were performed on five sowing dates. In each trial and cultivar, expanded leaves were collected at random from the lower, middle and upper segments of the plants, totaling 1,815 leaves. In these 1,815 leaves, L and W were measured and the LW of the leaf blade was calculated, which were used as independent variables in the model. The leaf area of each leaf was determined using the digital photo method (Y), which was used as a dependent variable of the model. For each sowing date, cultivar and thirds of the plant, 80% of the leaves (1,452 leaves) were randomly separated for the generation of the models and 20% of the leaves (363 leaves) for the validation of the models of leaf area estimation as a function of linear dimensions. For buckwheat, IPR91-Baili and IPR92-Altar cultivars, the quadratic model (Ŷ = 0.5217 + 0.6581LW + 0.0004LW2, R2 = 0.9590), power model (Ŷ = 0.6809LW1.0037, R2 = 0.9587), linear model (Ŷ = 0.0653 + 0.6892LW, R2 = 0.9587) and linear model without intercept (Ŷ = 0.6907LW, R2 = 0.9587) are indicated for the estimation of leaf area determined by digital photos (Y) based on the LW of the leaf blade (x), and, preferably, the linear model without intercept can be used, due to its greater simplicity.

O objetivo deste trabalho foi modelar e identificar os melhores modelos para a estimação da área foliar, determinada por fotos digitais, de trigo mourisco (Fagopyrum esculentum Moench) das cultivares IPR91-Baili e IPR92-Altar, em função do comprimento (C), da largura (L) ou do produto comprimento vezes largura (CL) do limbo foliar. Foram conduzidos dez ensaios de uniformidade (experimentos em branco), sendo cinco com a cultivar IPR91-Baili e cinco com a cultivar IPR92-Altar. Os ensaios foram realizados em cinco datas de semeadura. Em cada ensaio e cultivar foram coletadas, aleatoriamente, folhas expandidas dos terços inferior, médio e superior das plantas, totalizando 1.815 folhas. Nessas 1.815 folhas, foram mensurados o C e a L e calculado o CL do limbo foliar, os quais foram utilizados como variáveis independentes no modelo. Determinou-se a área de cada folha por meio do método de fotos digitais (Y) e a mesma foi utilizada como variável dependente do modelo. Para cada data de semeadura, cultivar e terços da planta foram separadas, aleatoriamente, 80% das folhas (1.452 folhas) para a geração de modelos e 20% das folhas (363 folhas) para a validação dos modelos de estimação da área foliar em função das dimensões lineares. Para o trigo mourisco, cultivares IPR91-Baili e IPR92-Altar, os modelos quadrático (Ŷ = 0,5217 + 0,6581CL + 0,0004CL2, R2 = 0,9590), potência (Ŷ = 0,6809CL1,0037, R2 = 0,9587), linear (Ŷ = 0,0653 + 0,6892CL, R2 = 0,9587) e linear sem intercepto (Ŷ = 0,6907CL, R2 = 0,9587), são indicados para a estimação da área foliar determinada por fotos digitais (Y) com base no CL do limbo foliar (x), podendo, preferencialmente, ser utilizado o modelo linear sem intercepto, devido a sua maior simplicidade.

Estimation of buckwheat leaf area by leaf dimensions / Estimação de área foliar de trigo mourisco por dimensões foliares

The objective of this work was to model and identify the best models for estimating the leaf area, determined by digital photos, of buckwheat (Fagopyrum esculentum Moench) of the cultivars IPR91-Baili and IPR92-Altar, as a function of length (L), width (W) or length x width product (LW) of the leaf blade. Ten uniformity trials (blank experiments) were carried out, five with IPR91-Baili cultivar and five with IPR92-Altar cultivar. The trials were performed on five sowing dates. In each trial and cultivar, expanded leaves were collected at random from the lower, middle and upper segments of the plants, totaling 1,815 leaves. In these 1,815 leaves, L and W were measured and the LW of the leaf blade was calculated, which were used as independent variables in the model. The leaf area of each leaf was determined using the digital photo method (Y), which was used as a dependent variable of the model. For each sowing date, cultivar and thirds of the plant, 80% of the leaves (1,452 leaves) were randomly separated for the generation of the models and 20% of the leaves (363 leaves) for the validation of the models of leaf area estimation as a function of linear dimensions. For buckwheat, IPR91-Baili and IPR92-Altar cultivars, the quadratic model (Ŷ = 0.5217 + 0.6581LW + 0.0004LW2, R2 = 0.9590), power model (Ŷ = 0.6809LW1.0037, R2 = 0.9587), linear model (Ŷ = 0.0653 + 0.6892LW, R2 = 0.9587) and linear model without intercept (Ŷ = 0.6907LW, R2 = 0.9587) are indicated for the estimation of leaf area determined by digital photos (Y) based on the LW of the leaf blade (x), and, preferably, the linear model without intercept can be used, due to its greater simplicity.(AU)

O objetivo deste trabalho foi modelar e identificar os melhores modelos para a estimação da área foliar, determinada por fotos digitais, de trigo mourisco (Fagopyrum esculentum Moench) das cultivares IPR91-Baili e IPR92-Altar, em função do comprimento (C), da largura (L) ou do produto comprimento vezes largura (CL) do limbo foliar. Foram conduzidos dez ensaios de uniformidade (experimentos em branco), sendo cinco com a cultivar IPR91-Baili e cinco com a cultivar IPR92-Altar. Os ensaios foram realizados em cinco datas de semeadura. Em cada ensaio e cultivar foram coletadas, aleatoriamente, folhas expandidas dos terços inferior, médio e superior das plantas, totalizando 1.815 folhas. Nessas 1.815 folhas, foram mensurados o C e a L e calculado o CL do limbo foliar, os quais foram utilizados como variáveis independentes no modelo. Determinou-se a área de cada folha por meio do método de fotos digitais (Y) e a mesma foi utilizada como variável dependente do modelo. Para cada data de semeadura, cultivar e terços da planta foram separadas, aleatoriamente, 80% das folhas (1.452 folhas) para a geração de modelos e 20% das folhas (363 folhas) para a validação dos modelos de estimação da área foliar em função das dimensões lineares. Para o trigo mourisco, cultivares IPR91-Baili e IPR92-Altar, os modelos quadrático (Ŷ = 0,5217 + 0,6581CL + 0,0004CL2, R2 = 0,9590), potência (Ŷ = 0,6809CL1,0037, R2 = 0,9587), linear (Ŷ = 0,0653 + 0,6892CL, R2 = 0,9587) e linear sem intercepto (Ŷ = 0,6907CL, R2 = 0,9587), são indicados para a estimação da área foliar determinada por fotos digitais (Y) com base no CL do limbo foliar (x), podendo, preferencialmente, ser utilizado o modelo linear sem intercepto, devido a sua maior simplicidade.(AU)

Comparison of random regression models, traditional animal model and with the inclusion of molecular markers in the estimation of genetic parameters in Colombian Holstein cattle / Comparação entre modelos de regressão aleatória, modelo animal tradicional e com a inclusão de marcadores moleculares na estimativa de parâmetros genéticos em bovinos da raça Holandesa Colombiana

The use of molecular markers to identify desirable genes in animal production is known as marker-assisted selection. The traditional genetic evaluation model uses the BLUP methodology; when genetic markers are included in the evaluation model, the methodology is known as M-BLUP. In contrast, random regression models (RRM), unlike the models based on production at 305 days, consider factors that change for each animal from one test to another. The objective of this study was to compare variance components, genetic parameters and breeding values for milk production, protein percentage and somatic cell score in Colombian Holstein cattle using BLUP, M-BLUP and RRM. For the estimation of genetic parameters and values, 2003 lactations corresponding to 1417 cows in 55 herds were used, and effects of the order of delivery, herd, and contemporary group were included. The three traits presented greater heritability under the MBLUP model: 0.44 for protein percentage, 0.27 for milk production and 0.28 for somatic cell score. This was because the genetic variance was greater when M-BLUP was used, which allowed a greater accuracy of the breeding value estimation in the three traits. Therefore, the model that includes information on molecular markers is more suitable for genetic evaluation in Colombian Holstein cattle.(AU)

O uso de marcadores moleculares para identificar genes desejáveis na produção animal é conhecido como seleção assistida por marcadores. O modelo tradicional de avaliação genética utiliza a metodologia BLUP, e quando os marcadores genéticos são incluídos no modelo de avaliação, a metodologia é conhecida como M-BLUP. Por outro lado, os modelos de regressão aleatória (RRM), ao contrário dos modelos baseados em produções a 305 dias, consideram fatores que mudam para cada indivíduo de um controle para outro. O objetivo deste estudo foi comparar componentes de variância, parâmetros e valores genéticos para produção de leite, percentagem de proteína e escore de células somáticas em gado holandês de Colômbia utilizando BLUP, M-BLUP e RRM. Para a estimativa de parâmetros e valores genéticos, foram utilizadas 2.003 lactações correspondentes a 1.417 vacas de 55 rebanhos e efeitos da ordem de parto, rebanho e grupo contemporâneo. Os três traços apresentaram maior hereditariedade no modelo MBLUP, 0,44 para percentagem de proteína, 0,27 para produção de leite e 0,28 para escore de células somáticas. Isso por causa da variância genética foi maior quando o M-BLUP foi utilizado, o que permitiu estimar maior precisão do valor genético nos três traços, portanto, o modelo que inclui informações sobre marcadores moleculares é mais adequado para avaliação genética em gado holandês colombiano.(AU)

Covariance functions under B-spline polynomials to model Polled Nellore cattle growth / Funções de covariâncias sob polinômios B-splines para modelagem do crescimento de bovinos Nelore Mocho

B-spline functions have been used in random regression models (RRM) to model animal weight from birth to adulthood because they are less vulnerable to common difficulties of other methods. However, its application to model growth traits of Polled Nellore cattle has been little studied. Therefore, this study aimed to evaluate polynomial functions of different orders and segment numbers to model effects associated with the Polled Nellore cattle growth curve. For this purpose, we used 15,148 weight records of 3,115 animals aged between 1 and 660 days and reared in northern Brazil and born between 1995 and 2010. Random effects were modeled using B-spline polynomials. As random effects, we considered the direct and maternal genetic additives, as well as direct and maternal permanent environments. As fixed effects were included contemporary group, cow age at calving (linear and quadratic) and fourth-order Legendre polynomials to represent average growth curve. The residue was modeled by considering seven age classes. The bestfitted model was the one that considered cubic B-spline functions with four knots for direct additive genetic effects and three knots for maternal genetic, animal permanent environment, and maternal permanent environment effects (C6555). Therefore, covariance functions under B-spline polynomials are efficient and can be used to model the growth curve of Polled Nellore cattle from birth to 660 days of age.(AU)

Os modelos de regressão aleatória (MRA) aplicando funções B-spline são uma alternativa para modelar pesos do nascimento até a idade adulta dos animais, pois estas funções são menos vulneráveis as dificuldades constantemente observadas em outras metodologias. No entanto, são escassas pesquisas sobre aplicação destas funções sobre as características de crescimento em bovinos Nelore Mocho. Funções polinomiais de diferentes ordens e números de segmentos foram avaliadas na modelagem dos efeitos associados à curva de crescimento de bovinos da raça Nelore Mocho. Foram utilizados 15.148 registros de peso de 3.115 animais com idade entre 1 e 660 dias, criados na região norte do Brasil e nascidos entre 1995 e 2010. Os efeitos aleatórios foram modelados usando polinômios do tipo B-splines. Como efeitos aleatórios, foram considerados os efeitos genéticos aditivo direto e materno e os efeitos de ambientes permanentes direto e materno. Foram considerados como efeitos fixos, os grupos de contemporâneos, a idade da vaca ao parto (efeito linear e quadrático) e os polinômios de Legendre de quarta ordem, representando a curva média de crescimento. O resíduo foi modelado por meio de sete classes distribuídas segundo a idade. O modelo que considerou funções B-splines cúbicas com quatro nós para o efeito genético aditivo direto e três nós para os efeitos genético materno, ambiente permanente animal e ambiente permanente materno (C6555) foi o mais adequado. Concluiu-se que funções de covariâncias sob polinômios B-splines são eficientes e podem ser utilizados como alternativas para modelar a curva de crescimento de bovinos da raça Nelore Mocho do nascimento até 660 dias de idade.(AU)