Distribuição de Cu, Zn, Mn e B no feijoeiro (Phaseolus vulgaris L.): aplicação de métodos estatísticos multivariados

Abstract

Métodos de reconhecimentos de padrões e técnicas estatísticas multivariadas, contidos “nos programas do Sistema Computacional Arthur para microcomputadores, foram usados para estudar os efeitos da época e densidade de plantio e do acúmulo dos micronutrientes Cu, Zn, Mn e B nas diferentes partes do cultivar “Rico 23”. Quarenta mostras foram colhidas, separadamente, em diferentes estados de desenvolvimento, em quatro densidades de semeadura (a=1,00 s 106, b=5,00 x 105, c=2,50 x 105 e d=1,25 x 105 Sem/Ha) e em duas épocas de plantio (“águas" e seca). Os teores de zinco e manganês foram determinados por espectrofotometria de absorção atômica; os teores de cobre e boro, por espectrofotometria no visível. As análises foram efetuadas em duplicata. Os resultados obtidos foram condizentes com as propostas iniciais: no gráfico dos componentes principais verificou-se a separação das duas categorias ("águas" e seca), com exceção das análises efetuadas nas folhas, o que parece indicar que a translocação dos micronutrientes para as folhas é independente da época de plantio. Comprovou-se o mesmo com a aplicação dos programas SIMCA e KNN, que deram um índice de acerto de 90%. As densidades de plantio não influenciaram significativamente e, nas condições deste experimento, parece que não houve competição entre as plantas pela absorção das quantidades adequadas de cada um dos micronutrientes estudados. Assim, os programas SIMCA e KNN mostraram índices de acerto de 50 e 2,5% para o plantio das “águas" e 35 a 5% para o da seca. As variâncias dos teores dos micronutrientes com a densidade de plantio foram muito menores do que as correspondentes às diferentes partes da planta. Segundo os gráficos dos componentes principais, verificou-se acúmulo de cada parte da planta numa região, sendo os grupos formados pelas quatro densidades de plantio. Nesse contexto, experimentou-se a distribuição por partes da planta, e os índices de acerto, de acordo com o SIMCA e o KNN, foram de 100 e 86% para o plantio das "águas" e de 85 e 60% para o plantio da seca, respectivamente. Conclui-se que os métodos classificatórios baseados na regra do vizinho mais próximo (KNN) e de modelagem de similaridade, utilizando os componentes principais (SIMCA), são úteis na descrição da natureza da distribuição desses micronutrientes no cultivar “Rico 23'.

Multivariate statistical and pattern recognition tecniques contained in the microcomputational package ARTHUR were used to study the effect of season and planting density on the accumulation of the Cu, Zn, Mn e B micronutrients in different parts of the 'Rico 23' bean cultivar. Forty plant samples were collected saparately at diffarent growth stages, corresponding to four planting densities (10, 5, 2.5 and 1.25 x 105 Seeds/ha) and two growing seasons (wet and dry). Zinc and manganese were determined by atomic absortion spectroscopy, copper and boron by colorimetry. Principal components graphs clearly show a separation of samples for the wet and dry seasons with the exception of samples obtained from the plant leaves, indicating micronutrient passage to the leaves independent of growing season. The nearest neighbor and SIMCA pattern recognition tecniques confirmed this observation presenting successful classification of 90% these samples. Plant densities do not appear to affect micronutrient concentrations. Within the range of densities studied there is no competition evident among the plants for micronutriente As such, the pattern recognition methods have very low classification success percentages for these density categories. The variances of the micronutrient concentrations for planting density is much smaller than those for the different parts of the plants. SIMCA and nearest neighbor methods for wet season beans classified 100% and 86%, respectively, of the samples correctly as to that origin in different parts of the plants,i.e., leaves, stem, etc. These correct classification percentages are 85% and 60% for dry season samples.