Relações entre variáveis meteorológicas e o desempenho produtivo de linhagens de soja

Resumo

O objetivo deste trabalho foi identificar as relações entre variáveis meteorológicas capazes de predizer o desempenho produtivo de linhagens de soja, com uso da regressão stepwise e do aprendizado de máquina não supervisionado. O delineamento experimental utilizado foi o de blocos aumentados com controles intercalares. Os seguintes tratamentos regulares e irregulares foram avaliados, respectivamente: 3 linhagens F₄ (87,5% homozigotas), 138 linhagens F₅ (93,75% homozigotas) e 88 linhagens F₈ (99,22 homozigotas) de soja, totalizando 230 linhagens segregantes; e quatro cultivares, com três repetições, totalizando 242 unidades experimentais. Os dados meteorológicos foram obtidos das plataformas Nasa Power e Sisdagro. Foram observadas associações lineares positivas entre temperatura máxima e déficit de pressão de vapor e curva de pressão de saturação de vapor (r = 0,9), bem como correlação negativa entre umidade relativa e evapotranspiração potencial (r = -0,7). Estas associações influenciaram diretamente a dinâmica da capacidade de armazenamento de água no solo e modularam todas as outras correlações entre as variáveis meteorológicas. A regressão stepwise e o aprendizado de máquina não supervisionado são eficazes na identificação de relações entre variáveis meteorológicas que predizem o desempenho produtivo de linhagens de soja.