📄 agriculture

Genotype × environment interaction, adaptability, and stability of soybean genotypes in a new production region of Brazil

Diese Studie nutzte REML/BLUP- und HMRPGV-Methoden, um Genotyp-×-Umwelt-Interaktionen bei Sojabohnen in fünf Umgebungen im Norden von Rio de Janeiro, Brasilien, zu analysieren, wobei die Genotypen 95R95IPRO, BMX COMPACTA IPRO und TMG7061IPRO aufgrund ihres hohen Ertrags, ihrer Anpassungsfähigkeit und ihrer Stabilität als überlegene Kandidaten für den Anbau in dieser neuen Produktionsregion identifiziert wurden.

Ursprüngliche Autoren: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes So

Veröffentlicht 2026-07-08

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Josimar Nogueira Batista, Derivaldo Pureza Cruz, Yure Pequeno de Souza, Letícia Pastore Mendonça, Pedro Henrique Silva Ferreira, Roni Fernandes Guareschi, Elderson Pereira Silva, Benedito Fernandes Souza Filho, Claudia Pozzi Jantalia, Jerri Édson Zilli, Roberto Kazuhiko Zito, Geraldo Amaral Gravina

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Chefkoch, der nach dem perfekten Rezept für einen Kuchen sucht. Sie haben acht verschiedene Kuchenmischungen (die Sojabohnen-Genotypen) und wollen herausfinden, welche am besten schmeckt. Aber hier ist der Haken: Sie backen nicht in nur einer Küche. Sie backen in fünf verschiedenen Küchen (den Umgebungen), von denen jede ihre eigene Ofentemperatur, Luftfeuchtigkeit und Höhe hat.

Diese Studie ist im Grunde ein riesiger Geschmackstest, um herauszufinden, welche Kuchenmischung in diesen spezifischen brasilianischen Küchen am besten funktioniert und welche „wählerisch“ (nur in einer Küche gut) versus „vielseitig“ (in allen gut) ist.

Hier ist die Aufschlüsselung dessen, was die Forscher herausgefunden haben, unter Verwendung einfacher Analogien:

1. Das große Problem: Die „Küche“ zählt mehr als die „Mischung“

Die Forscher entdeckten etwas Überraschendes: Die Küche war viel wichtiger als die Kuchenmischung.

In wissenschaftlichen Begriffen fanden sie eine enorme „Genotyp × Umwelt“-Interaktion. Denken Sie an Folgendes: Wenn man einen großartigen Läufer nimmt und ihn auf eine schlammige Strecke setzt, wird er vielleicht verlieren. Setzt man ihn auf eine glatte Strecke, gewinnt er. Der Läufer (die Sojabohne) hat sich nicht verändert, aber die Strecke (die Umgebung) hat seine Leistung komplett verändert.

In dieser Studie verursachten die Unterschiede in Wetter und Boden zwischen den fünf Standorten etwa 8of 80 % der Variation in der Menge der Soja, die die Pflanzen produzierten. Das bedeutet, dass eine Sorte Soja, die in einer Stadt eine riesige Ernte liefert, in einer Stadt, die nur 80 Kilometer entfernt liegt, vielleicht nur eine winzige Ernte liefert.

2. Die Herausforderung: Die Zukunft vorherzusagen ist schwer

Da die „Küchen“ so unterschiedlich waren, war es sehr schwierig, vorherzusagen, welche Kuchenmischung gewinnen würde, wenn man nur auf den Durchschnitt schaute. Der „Genauigkeitswert“ der Forscher bei der Vorhersage der Gewinner war recht niedrig (0,18).

Stellen Sie sich vor, Sie versuchen zu erraten, wer ein Rennen gewinnt, bei dem sich die Strecke jedes Mal ändert, wenn man läuft. Es ist ein Glücksspiel. Dies zeigt uns, dass man nicht einfach die „beste“ Sojabohne basierend auf einem einzigen Test auswählen kann; man muss sie an vielen verschiedenen Orten testen, um sicher zu sein.

3. Die Gewinner: Die „Allwetter“-Champions

Trotz des Chaos der verschiedenen Umgebungen nutzten die Forscher ein spezielles statistisches Werkzeug (denken Sie an einen superintelligenten Schiedsrichter), um die Sojabohnen zu finden, die am konsistentesten waren.

Sie suchen nach drei Dingen:

Hoher Ertrag: Hat sie viele Bohnen produziert?
Stabilität: Hat sie auch dann gut performt, wenn das Wetter seltsam war?
Anpassungsfähigkeit: Konnte sie verschiedene Bedingungen bewältigen, ohne einzubrechen?

Die Top Drei Champions:

95R95IPRO
BMX COMPACTA IPRO
TMG7061IPRO

Diese drei waren die „Allwetter“-Athleten. Sie haben nicht nur in einer spezifischen Küche gewonnen; sie lieferten über die verschiedenen Farmen und Jahreszeiten hinweg konsistent hohe Erträge. Sie waren die zuverlässigsten Performer.

4. Die Verlierer: Die „wählerischen“ Sorten

Einige Sorten, wie zum Beispiel BRS 544RR, hatten Schwierigkeiten. Sie waren wie eine Kuchenmischung, die nur funktioniert, wenn der Ofen exakt 175 Grad Celsius hat. Wenn die Temperatur sank oder die Luftfeuchtigkeit stieg, war das Ergebnis schlecht. Die Studie stellte fest, dass diese Sorte signifikant weniger produzierte als die anderen, was sie zu einer riskanten Wahl für Landwirte in dieser neuen Region macht.

5. Das „magische“ mathematische Werkzeug

Die Forscher verwendeten eine Methode namens REML/BLUP. Sie können dies als einen magischen Filter betrachten.

Normale Mathematik würde vielleicht nur sagen: „Diese Pflanze hat im Durchschnitt 100 Bohnen produziert.“
Der „Magische Filter“ sagt: „Warte, diese Pflanze hat 100 Bohnen produziert, aber der Boden war an diesem Tag schrecklich. Wenn der Boden normal gewesen wäre, hätte sie wahrscheinlich 120 produziert. Lassen Sie uns den Wert anpassen, um das wahre Talent der Pflanze widerzuspiegeln, nicht nur das Pech des Wetters.“

Dieses Werkzeug half ihnen, das tatsächliche genetische Potenzial der Pflanze vom Glück des Wetters zu trennen.

Das Fazit

Die Studie kommt zu dem Schluss, dass man in dieser neuen Soja-Region Brasiliens (Nördliches Rio de Janeiro) nicht einfach blind die „beste“ Sojasamen auswählen kann. Da sich das Wetter und der Boden von Farm zu Farm stark ändern, benötigt man Samen, die stabil und anpassungsfähig sind.

Die Sorten 95R95IPRO, BMX COMPACTA IPRO und TMG7061IPRO sind die empfohlenen „Allwetter“-Champions für dieses Gebiet. Es sind die Sorten, die Landwirte pflanzen sollten, wenn sie eine zuverlässige Ernte wollen, unabhängig davon, ob die Saison nass, trocken, heiß oder kühl ist.

Technische Zusammenfassung: Genotyp × Umwelt-Interaktion, Adaptabilität und Stabilität von Soja-Genotypen in einer neuen Produktionsregion Brasiliens

Problemstellung
Die Sojaproduktion (Glycine max) in Brasilien expandiert in neue Agrargrenzen, insbesondere in die nördlichen und nordwestlichen Regionen des Bundesstaates Rio de Janeiro, die über 300.000 Hektar für den mechanisierten Anbau geeignet sind. Die Leistung von Soja-Genotypen wird jedoch stark von edaphoklimatischen Bedingungen beeinflusst, was zu signifikanten Genotyp × Umwelt (G×E)-Interaktionen führt. Während statistische Methoden wie gemischte Modelle (REML/BLUP) etabliert sind, um Stabilität und Adaptabilität zu bewerten, mangelt es an Forschung, die sich mit diesen spezifischen Parametern für Soja-Genotypen unter den einzigartigen Bedingungen der neuen Produktionsregionen von Rio de Janeiro befasst. Diese Lücke erschwert die genaue Empfehlung von Kultivaren und die Optimierung von Produktionsstrategien in dieser neuen Frontier.

Methodik
Die Studie untersuchte acht kommerzielle Soja-Genotypen (einschließlich Kultivaren wie 95R95IPRO, BMX COMPACTA IPRO und BRS 7780IPRO) über fünf verschiedene Umwelten hinweg. Diese Umwelten wurden durch Kombinationen von zwei Standorten (Campos dos Goytacazes und Macaé) und zwei Anbausaisons (2019/2020 und 2020/2021) definiert. Die Experimente nutzten ein randomisiertes Blockdesign mit vier Wiederholungen.

Die Datenanalyse erfolgte mit der Selegen REML/BLUP Software. Die Studie verwendete ein lineares gemischtes Modell ($y = Xr + Zg + Wi + e$), um Varianzkomponenten und Genotypenwerte zu schätzen. Die berechneten statistischen Parameter umfassten:

Varianzkomponenten: Genotypische ( $\sigma^2_g$ ), G×E-Interaktions- ( $\sigma^2_{ge}$ ) und Residuenvarianz ( $\sigma^2_e$ ).
Genetische Parameter: Heritabilität basierend auf Genotypenmittelwerten ( $\hat{h}^2$ ), Selektionsgenauigkeit (SA) und genotypische Korrelation zwischen Umwelten ( $\hat{r}_{ge}$ ).
Selektionsindizes: Zur Bewertung von Adaptabilität und Stabilität nutzte die Studie das harmonische Mittel der Genotypenwerte (HMGV) für den Ertrag und die Stabilität, die relative Leistung der Genotypenwerte (RPGV) für die Adaptabilität sowie das harmonische Mittel der relativen Leistung der Genotypenwerte (HMRPGV) für die simultane Selektion von Ertrag, Stabilität und Adaptabilität.

Wesentliche Ergebnisse

G×E-Interaktion: Es wurde eine signifikante und dominante G×E-Interaktion festgestellt, die etwa 80 % der Phänotypvarianz des Kornertrags ausmachte. Die genotypische Korrelation zwischen den Umwelten war extrem niedrig ( $\hat{r}_{ge} = 0,01$ ), was darauf hindeutet, dass sich die Rangfolge der Genotypen über verschiedene Umwelten hinweg signifikant verschob.
Genetische Parameter: Die Studie beobachtete eine geringe Heritabilität für den Kornertrag ( $\hat{h}^2 = 0,03$ ) und eine geringe Selektionsgenauigkeit (SA = 0,18), was auf den starken Einfluss von Umweltfaktoren und die starke G×E-Interaktion zurückzuführen ist. Der experimentelle Variationskoeffizient (CVe) lag bei 10,76 %, was innerhalb der akzeptablen Grenzen für Soja-Versuche liegt.
Genotypenleistung:
- Gesamtertrag: Der Gesamtdurchschnitt des Kornertrags betrug 3.281,15 kg ha⁻¹.
- Top-Performer: Die Genotypen 95R95IPRO, BMX COMPACTA IPRO und TMG7061IPRO zeigten konsistent eine überlegene Leistung.
- Stabilität und Adaptabilität: Die HMRPGV-Methode identifizierte 95R95IPRO, BMX COMPACTA IPRO und TMG7061IPRO als die drei besten Genotypen für simultanen Ertrag, Stabilität und Adaptabilität.
- Spezifische Gewinne: Der Genotyp 95R95IPRO zeigte den höchsten genetischen Gewinn (13,82 kg ha⁻¹) gegenüber dem allgemeinen Mittel unter Berücksichtigung interaktionsfreier Werte.
- Umweltspezifität: Während einige Genotypen (z. B. BRS 7780IPRO) in spezifischen Umwelten (wie E2, E3 und E4) glänzten, behielten die drei durch HMRPGV identifizierten Top-Genotypen eine hohe Leistung über die getesteten diversen Bedingungen bei.
- Ertragsvergleich: Die leistungsstärksten Genotypen in der Region Macaé übertrafen den nationalen Durchschnittsertrag der Ernte 2023/2024 (3.202 kg ha⁻¹), wobei einige in spezifischen günstigen Umwelten über 6.000 kg ha⁻¹ erreichten.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass die beobachtete signifikante G×E-Interaktion den Einsatz von gemischten Modellen (REML/BLUP) in Kombination mit Stabilitäts- und Adaptabilitätsindizes (HMGV, RPGV, HMRPGV) erforderlich macht, anstatt sich bei der Kultivaremmpfehlung allein auf die Durchschnittsleistung zu verlassen.

Die Studie hebt hervor, dass die Genotypen 95R95IPRO, BMX COMPACTA IPRO und TMG7061IPRO das notwendige genetische Potenzial für breite Adaptabilität und Stabilität in der nördlichen Region von Rio de Janeiro besitzen. Diese Genotypen werden als vielversprechende Kandidaten für Zuchtprogramme und den Anbau in der Zielregion präsentiert. Die Autoren betonen, dass die Durchschnittsleistung zwar wichtig ist, die Konsistenz der genotypischen Ausprägung über Umwelten hinweg – validiert durch die HMRPGV-Methode – jedoch entscheidend für eine erfolgreiche genetische Verbesserung und Kultivardeinsatz in Gebieten mit komplexen Umweltinteraktionen ist. Die Ergebnisse unterstreichen die Nützlichkeit dieser statistischen Werkzeuge zur Unterstützung von Genotypen-Selektionsstrategien für aufstrebende Soja-Frontiers in Brasilien.