Aplicação do modelo AMMI na avaliação da interação genótipo × ambiente de arroz de terras altas em Minas Gerais

Abstract

O aumento da eficiência na produção agrícola depende fundamentalmente do melhoramento de plantas, estratégia que busca elevar a produtividade de forma sustentável. No entanto, o desempenho dos genótipos é frequentemente influenciado pelas variações ambientais, fenômeno conhecido como interação genótipo × ambiente (G×A). A compreensão dessa interação é crucial para a identificação de cultivares que apresentem adaptabilidade e estabilidade em diferentes cenários. Entre as metodologias estatísticas utilizadas, destaca-se o modelo AMMI (Additive Main Effects and Multiplicative Interaction), que integra a análise de variância (ANOVA) para os efeitos principais e a análise de componentes principais (ACP) para a estrutura multiplicativa da interação. Contudo, o modelo AMMI apresenta limitações significativas na presença de dados ausentes, comuns em experimentos de campo devido a falhas operacionais ou adversidades climáticas. Este trabalho propõe a utilização do algoritmo EM (Expectation-Maximization) como uma alternativa robusta para lidar com o desbalanceamento de dados. O algoritmo opera de forma iterativa nas etapas de Expectativa (E) e Maximização (M), permitindo a estimação consistente dos parâmetros mesmo com lacunas na matriz de dados. O objetivo principal é conduzir a análise AMMI-EM para identificar genótipos resilientes e fornecer recomendações precisas de cultivares. Espera-se que a integração do algoritmo EM ao modelo AMMI amplie a robustez analítica, permitindo interpretações mais confiáveis da interação G×A e fortalecendo a eficiência dos programas de melhoramento genético.