https://www.alice.cnptia.embrapa.br/alice/handle/item/900 Embrapa Café (SAPC) Fri, 26 Jun 2026 16:48:15 GMT 2026-06-26T16:48:15Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187655 Título: Leaf-scale phenotypic plasticity of Coffea arabica progenies under seasonal variation in water availability. Autoria: SILVA, E. A. da; SANTOS, C. S. dos; MATOS, N. M. S. de; PENNACCHI, J. P.; ABRAHÃO, J. C. de R.; CARVALHO, M. A. de F.; TAVARES, M. C. dos S.; CARVALHO, S. P. de; GUIMARÃES, R. J. Conteúdo: Abstract: Climate variability poses major challenges to coffee production, particularly due to the increasing frequency and intensity of drought events. Understanding the physiological acclimation capacity of Coffea arabica genotypes to water deficit is critical for developing resilient cultivars. We hypothesized that progenies with higher multivariate phenotypic plasticity index (MVPi) values would exhibit coordinated morphophysiological traits associated with greater acclimation capacity to seasonal water availability. This study aimed to quantify leaf-scale phenotypic plasticity in 16 C. arabica progenies derived from a plant selected for its large leaves and fruits, which originated from a natural mutation of the Acaiá cultivar. Physiological, anatomical, and biochemical traits were assessed during the dry and rainy seasons, and plasticity was quantified using the MVPi. Principal component analysis revealed substantial variation in plastic responses among genotypes, with M11, L30, and L16 exhibiting the highest MVPi values. These genotypes showed coordinated adjustments in water use efficiency, chlorophyll content, and leaf tissue structure. Although MVPi proved effective in integrating multidimensional trait variation, its interpretation requires caution, as higher plasticity does not necessarily indicate an adaptive advantage. These findings support the integration of multivariate plasticity analysis into breeding programs as a strategy to identify genotypes with superior acclimation potential under water-limited conditions. Thu, 01 Jan 2026 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187655 2026-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187490 Título: Extreme learning machine for genomic prediction of rust disease resistance in Arabica coffee. Autoria: SILVA, J. T. da; BARRETO, C. A. V.; NASCIMENTO, A. C. C.; AZEVEDO, C. F.; ALMEIDA, D. P. de; CAIXETA, E. T.; TEIXEIRA, F. R. F.; NASCIMENTO, M. Conteúdo: ABSTRACT – The objective of this work was to investigate the use of Extreme Learning Machines (ELM) for the genomic prediction of rust resistance in Coffea arabica. With the objective of identifying an effective predictive model for the selection of resistant genotypes, ELM was compared to Artificial Neural Networks (ANN) and Bayesian Generalized Linear Regression (GBLR) in terms of accuracy measures and computational time. To this end, an F2 population of 245 C. arabica plants genotyped with 137 markers was used to evaluate the application of ELM for the genomic prediction of coffee rust resistance. The results indicate that ELM and ANN show a higher accuracy – on average 15% greater than that of GBLR – in predicting rust resistance. Additionally, ELM proves to be computationally more efficient, with a processing speed 5.5 and 19.45 times slower than that of ANN and BGLR, respectively, making it promising for large-scale analyses. RESUMO – O objetivo deste trabalho foi investigar o uso de Máquinas de Aprendizagem Extrema (ELM) para a predição genômica da resistência à ferrugem em Coffea arabica. Com o objetivo de identificar um modelo preditivo eficaz para a seleção de genótipos resistentes, o ELM foi comparado a Redes Neurais Artificiais (RNA) e Regressão Linear Generalizada Bayesiana (GBLR) em termos de medidas de acurácia e tempo computacional. Para tanto, uma população F2 de 245 plantas de C. arabica genotipadas com 137 marcadores foi utilizada de modo a avaliar a aplicação do ELM na predição genômica da resistência à ferrugem-do-café. Os resultados indicam que o ELM e a RNA apresentam maior acurácia – em média 15% superior ao GBLR – na predição da resistência à ferrugem. Adicionalmente, o ELM se mostra computacionalmente mais eficiente, com velocidades de processamento 5,5 e 19,45 vezes menores que a de RNA e o BGLR, respectivamente, tornando-o promissor para análises de larga escala. Thu, 01 Jan 2026 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187490 2026-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187089 Título: Relação entre variáveis meteorológicas e o NDVI de produtos MOD13Q1 em áreas cafeeiras do município de Três Pontas, MG, anos 2008 e 2009. Autoria: VOLPATO, M. M. L.; ALVES, H. M. R.; VIEIRA, T. G. C.; SANTOS, W. J. R. dos; MESQUITA JR., C. H.; SOUZA, V. C. O. de Conteúdo: Remote sensing and geographic information systems (GIS) are powerful tools which can be combined and used for various agricultural and environmental purposes. The NDVI (Normalized Difference Vegetation Index), derived from images of the MODIS sensor of the TERRA satellite, is used to estimate vegetative vigor. The aim of this study was to evaluate the average NDVI values of coffee areas, in 2008 and 2009 and its relation to phenology and meteorological variables. The study demonstrated the great potential of the MOD13Q1 for monitoring agrometeorological of coffee areas of the region of Três Pontas, Minas Gerais, Brazil. Sat, 01 Jan 2011 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187089 2011-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187097 Título: Índices crescimentos de lavoura de café conilon conduzido com vergamento com e sem corte dos ramos vergados. Autoria: VERDIN, A. C. F.; VOLPI, P. S.; MAURI, A. L.; FONSECA, A. F. A.; FERRAO, M. A. G.; FERRÃO, R. G.; LANI, J. A.; ANDRADE, S.; RODRIGUES, W. N.; SOUSA, R. A.; BAQUETI, A. L. Conteúdo: A cafeicultura no Estado do Espírito Santo se constitui em uma base sólida, está calcada na sustentabilidade econômica e social de milhares de agricultores familiares. Uma nutrição equilibrada, um controle fitossanitário, o uso de materiais geneticamente melhorados, com adequado manejo de solo e plantas, além de consideráveis investimentos em sistemas de irrigação são fatores fundamentais que devem ser devidamente arranjados pelo produtor para a consolidação e manutenção desta base produtiva. Aliado a otimização destes fatores, sistemas de condução de plantas que buscam a padronização das lavouras facilitando seu manejo atrelados a uma maior produtividade inicial são extremamente favoráveis. Com esse objetivo foi desenvolvido a técnica de indução de brotação de plantas ainda jovens denominada de “VERGAMENTO”. Esta técnica consiste em estimular a emissão de novos ramos ortotrópicos em plantas de café ainda jovens, promovendo um aumento do número de hastes ainda jovem, desta forma proporcionando maior uniformidade da lavoura e ainda com a densidade de hastes recomendadas para cultura Sat, 01 Jan 2011 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/1187097 2011-01-01T00:00:00Z