Atualmente, procedimentos para análises de interação genótipos x ambientes e, por conseguinte, de adaptabilidade e estabilidade, de execução e interpretação mais simples devem ser preferidos, haja vista a necessidade de se analisar e interpretar dados de experimentos com o menor tempo possível, a fim de torná-los públicos.
Apesar dos avanços já alcançados, em termos de melhoria dos métodos de análise de adaptabilidade e estabilidade, Resende (2007a) frisa que medidas que incorporem adaptabilidade e estabilidade em uma única estatística, como nos métodos de Annicchiarico (1992) e de Linn & Bins (1988), têm tido maior apelo prático. Diversos métodos de seleção simultânea para a produtividade de grãos e estabilidade, assim como seus relacionamentos, foram discutidos por Kang & Pham (1991). Nesse estudo, os referidos autores frisam que o método de Hühn (1990) poderia ser uma ótima ferramenta para o caso de seleção simultânea de produtividade e estabilidade.
Kang (1993), utilizando SASMR, desenvolveu uma metodologia utilizando a estatística de Shukla, a qual chamou de estatística YSi (Yield- Stability), como forma de selecionar simultaneamente produtividade e estabilidade. Nesse estudo, o autor referenciou as consequências, para pesquisadores e produtores, dos problemas de estimação dos erros tipo I e II, e concluiu que o erro Tipo 2, cometido pelos pesquisadores, é menos prejudicial
aos produtores se a seleção for única para produtividade ou para ambos, produtividade e estabilidade. Magari & Kang (1997) desenvolveram um aplicativo no SASMR, aprimorando o YSi de Kang (1993), denominado STABLE, para cálculo simultâneo da estabilidade e da produtividade como único critério de seleção. Vale ressaltar que esses critérios (métodos) são baseados em valores fenotípicos e a dados balanceados, e métodos baseados em valores genotípicos e que envolvam dados não balanceados ainda não são comuns.
Como medida simultânea para adaptabilidade, estabilidade e produtividade de grãos, com base em modelos mistos, Resende (2004) estabeleceu a MHPRVG-BLUP, na qual os genótipos são ordenados com base em seus valores genéticos (produtividade). Esse método, além de selecionar os materiais simultaneamente para os três atributos mencionados, tem outras vantagens, como (i) considera os efeitos genotípicos como aleatórios e, portanto, fornece estabilidade e adaptabilidade genotípica e não fenotípica; (ii) permite lidar com desbalanceamento; (iii) permite lidar com delineamentos não ortogonais; (iv) permite lidar com heterogeneidade de variâncias; (v) permite considerar erros correlacionados dentro de locais; (vi) fornece valores genéticos já descontados (penalizados) da instabilidade; (vii) pode ser aplicado com qualquer número de ambientes; (viii) permite considerar a estabilidade e a adaptabilidade na seleção de indivíduos dentro de progênie; (ix) não depende da estimação de outros parâmetros, tais como coeficientes de regressão; (x) elimina os ruídos da interação genótipos x ambientes, pois considera a herdabilidade desses efeitos; (xi) gera resultados na própria grandeza ou escala do caráter avaliado e (xii) permite computar o ganho genético com a seleção pelos três atributos simultaneamente (Resende, 2004; 2007a; Oliveira et al., 2005; Bastos et al., 2007; Carbonnel et al., 2007).
Em cana-de-açúcar, no Brasil, há uma pequena série de trabalhos. Oliveira et al. (2005) realizaram a avaliação genotípica e a seleção de clones em três ambientes no estado do Paraná, a fim de estimar parâmetros genéticos e realizar a predição de valores genotípicos de clones pelos procedimentos de Linn & Bins (1988) e MHPRVG. Bastos et al. (2007) avaliaram a interação genótipos x ambientes em cana-de-açúcar, utilizando modelos mistos, em sete ambientes de Minas Gerais, utilizando os métodos MHPRVG e DRRB-CV, de Cruz & Carneiro (2003). Neste estudo, os autores destacam, entre outras conclusões, que o método MHPRVG mostrou-se altamente correlacionado com o método DRRB-CV, porém, ao se utilizar MHPRVG, tem-se a vantagem de se interpretar diretamente os valores genéticos para produtividade, adaptabilidade e estabilidade, simultaneamente.
Com a cultura do feijoeiro, Carbonnel et al. (2007) estudaram a estabilidade de cultivares e linhagens em diferentes ambientes no estado de São Paulo, utilizando os métodos MHPRVG, Lin & Binns (1988) e Annicchiarico (1992), concluindo que os métodos selecionaram praticamente as mesmas linhagens. Contudo, o método MHPRVG seleciona os valores genéticos para produtividade, adaptabilidade e estabilidade simultaneamente e os demais se baseiam em valores fenotípicos.
Na cultura do arroz, ainda não há registro do uso de modelos mistos (REML/BLUP), portanto, é importante realizar trabalhos que possam testar e justificar a utilização desse método.
2.4.1 Detalhes sobre MHVR, PRVG e MHPRVG
De acordo com Resende (2007a), nesse método, o vetor de dados (y) é trabalhado como a recíproca das observações, ou seja (1/y). Isso conduz a resultados que são função (1/H) da média harmônica dos dados, pois quanto menor o desvio padrão do comportamento genotípico através dos locais, maior será a média harmônica de seus valores genotípicos através dos locais.
O modelo ajusta os efeitos de locais e blocos dentro de locais no vetor de efeitos fixos por meio da combinação bloco-local-ano, o qual contempla todos os graus de liberdade disponíveis nas fontes de variação referentes a locais e blocos dentro de locais. Dessa forma, os valores genotípicos preditos para um genótipo i qualquer, em cada local j, usa simultaneamente os dados de todos os locais e anos, e são dados por
ijk= i+
g
i+gl
ijVG
u
, em que ui é a média dolocal j. Nesse caso, todos os efeitos aleatórios são preditos com maior precisão, pois todo o conjunto de dados é utilizado, bem como os ruídos da interação são eliminados quando se produzem os BLUPs de gl (Resende, 2007a).
Assim, a seleção pelos maiores valores da média harmônica dos valores genotípicos, chamada de MHVG, implica, simultaneamente, seleção para produtividade e estabilidade. O autor descreve, ainda, como medida simples e eficiente no contexto de modelos mistos para a adaptabilidade e produtividade através de ambientes, a performance relativa dos valores genéticos, chamada de PRVG. A PRVG é obtida expressando-se os valores genotípicos preditos (ou os dados originais) como proporção da média geral de cada local e, posteriormente, obtendo-se o valor médio dessa proporção através dos locais.
Dessa forma, ao se considerar simultaneamente a adaptabilidade, a estabilidade e a produtividade, estas podem ser determinadas, no contexto de modelos misto, por meio da média harmônica da performance relativa dos valores genéticos (MHPRVG) (Resende, 2004). A MHPRVG deve ser aplicada, preferencialmente, sobre os dados originais, em que estes são expressos como a
média do local dividida por y (média do local/y) e, posteriormente, obtendo-se os BLUPs para os valores genotípicos (média geral + efeitos genotípicos = u+g). A recíproca destes, multiplicada pela média geral de todos os ensaios, fornece a MHPRVG na unidade de avaliação do caráter (Resende, 2004). Procedendo-se dessa forma, as diferentes precisões associadas aos valores genéticos preditos dos genótipos nos ambientes são automaticamente levadas em consideração pelo procedimento REML/BLUP (Resende, 2007a). O método apresenta-se como vantajoso, pois, como ressaltam Scapim et al. (2000), uma maior estabilidade estará associada, obrigatoriamente, a uma maior produtividade.
O modelo é análogo aos métodos de Linn & Bins (1988) e de Annicchiaricho (1992) e pode ser aplicado via modelo multivariado e modelo univariado do tipo g+Ge, com correção para heterogeneidade de variâncias (Resende, 2007a). Por esse critério, seis diferentes modalidades de valores genotípicos podem ser obtidas para cada genótipo. Então, podem ser observados os seguintes valores genotípicos:
1) por local: u+g+gl, para plantio em cada local da rede experimental; 2) para vários locais livres da interação ge: u+g;
3) para a média dos locais: capitalizando o efeito médio da interação:
u+g+gem, para plantio em vários outros locais com o mesmo padrão de
interação g x e da rede experimental;
4) para vários locais, penalizado pela instabilidade de cada genótipo (MHVG);
5) para a média dos locais, capitalizando a capacidade de resposta de cada genótipo à melhoria do ambiente (PRVG);
6) para a média dos locais, penalizado pela instabilidade e capitalizado pela adaptabilidade (MHPRVG).
Seguindo essa recomendação, as diferentes precisões associadas aos valores genéticos preditos dos genótipos nos ambientes são automaticamente
consideradas pelo procedimento REML/BLUP. Nesse tipo de modelo e análise, ou seja, estudo de ensaios multilocais e anos, quando são ajustados via modelos mistos (REML/BLUP) são mais vantajosos e, acima de tudo, mais precisos, sobretudo pela facilidade e eficiência estatística com que permitem lidar com dados incompletos, por exemplo, para o caso em que nem todas as variedades encontram-se em todos os experimentos, como destacado por Resende (2007a). Smith et al. (2001) e Smith et al. (2005) ressaltam que esse tipo de modelagem e de análise vem sendo utilizado na Austrália e na Inglaterra.