Eficiência experimental para avaliação de progênies de eucalipto por meio do delineamento de blocos aumentados

Abstract

Este trabalho avaliou a eficiência do delineamento em blocos aumentados na seleção de progênies de meios-irmãos de E. grandis × E. urophylla, em comparação ao delineamento em blocos completos casualizados (DBC). O estudo foi conduzido com dados experimentais de campo, envolvendo variáveis de crescimento (DAP, HT e IMA), fundamentais para o setor florestal brasileiro. As análises de variância evidenciaram que grande parte da variabilidade está concentrada dentro das famílias, reforçando a importância da seleção individual para maximizar o ganho genético. Os modelos baseados em blocos aumentados proporcionaram estimativas mais consistentes dos componentes de variância, maior precisão experimental e herdabilidades mais robustas, além de maior coincidência entre seleções realizadas em diferentes modelos, em contraste com a menor precisão observada no DBC. A repetição de testemunhas nos blocos permitiu controlar de forma mais eficaz a variabilidade ambiental e reduzir o confundimento entre variação genética e erro experimental. Os resultados confirmam a superioridade dos delineamentos aumentados, especialmente em experimentos com elevado número de tratamentos e limitação de mudas clonais. Conclui-se que a integração entre blocos aumentados e modelos mistos (REML/BLUP) constitui uma ferramenta estatística robusta para programas de melhoramento genético florestal, ampliando a acurácia seletiva, otimizando recursos experimentais e acelerando o progresso genético na cultura do eucalipto. Recomenda-se que estudos futuros incluam maior número de simulações, avaliações em idades avançadas e validação clonal das seleções, visando consolidar a eficiência da metodologia e garantir segurança em sua adoção operacional.

This study evaluated the efficiency of augmented block designs in selecting half-sib progenies of E. grandis × E. urophylla, compared to randomized complete block designs (RCBD). The study was conducted using experimental field data involving growth variables (DBH, HT, and MAI), fundamental to the Brazilian forestry sector. Analysis of variance showed that much of the variability is concentrated within families, reinforcing the importance of individual selection to maximize genetic gain. Augmented block-based models provided more consistent estimates of variance components, greater experimental precision, and more robust heritabilities, as well as greater coincidence between selections made in different models, in contrast to the lower precision observed in the RCBD. The repetition of controls in the blocks allowed for more effective control of environmental variability and reduced confounding between genetic variation and experimental error. The results confirm the superiority of augmented block designs, especially in experiments with a high number of treatments and limited clonal seedlings. It is concluded that the integration between augmented blocks and mixed models (REML/BLUP) constitutes a robust statistical tool for forest genetic improvement programs, increasing selective accuracy, optimizing experimental resources, and accelerating genetic progress in eucalyptus cultivation. It is recommended that future studies include a greater number of simulations, evaluations at advanced ages, and clonal validation of selections, aiming to consolidate the efficiency of the methodology and ensure safety in its operational adoption.