The goal of this study was to estimate the leaf area of Crotalaria juncea according to the linear dimensions of leaves from different ages. Two experiments were conducted with C. juncea cultivar IAC-KR1, in the 2014/2015 sowing seasons. At 59, 82, 102, 129 days after sowing (DAS) of the first and 61, 80, 92, 104 DAS of the second experiment, 500 leaves were collected, totaling 4,000 leaves. In each leaf, the linear dimensions were measured (length, width, length/width ratio and length × width product) and the specific leaf area was determined through Digimizer and Sigma Scan Pro software, after scanning images. Then, 3,200 leaves were randomly separated to generate mathematical models of leaf area (Y) in function of linear dimension (x), and 800 leaves for the models validation. In C. juncea, the leaf areas determined by Digimizer and Sigma Scan Pro software are identical. The estimation models of leaf area as a function of length × width product showed superior adjustments to those obtained based on the evaluation of only one linear dimension. The linear model Ŷ=0.7390x (R²=0.9849) of the real leaf area (Y) as a function of length × width product (x) is adequate to estimate the C. juncea leaf area.

O objetivo deste trabalho foi avaliar a interferência da não normalidade multivariada e da multicolinearidade na análise de trilha, em milho. Foram utilizados os dados de 13 ensaios de competição de cultivares de milho. Foram mensuradas a variável principal (produtividade de grãos) e sete variáveis explicativas (número de dias até o florescimento, estatura de plantas, altura de inserção da espiga, posição relativa da espiga, número de plantas, número de espigas e prolificidade), em cada cultivar. Procedeu-se, então, à transformação dos dados e ao diagnóstico de normalidade univariada e multivariada. Antes e após a transformação de dados, foram calculados os coeficientes de correlação e realizado o diagnóstico de multicolinearidade. A análise de trilha foi realizada por três métodos: tradicional; sob condições de multicolinearidade (análise de trilha em crista); e tradicional com eliminação de variáveis. A transformação de dados reduz o grau de multicolinearidade e a variabilidade das estimativas dos efeitos diretos, na análise de trilha tradicional com alto grau de multicolinearidade. A multicolinearidade exerce maior impacto sobre a estimativa dos efeitos diretos nas análises de trilha do que a não normalidade multivariada. A análise de trilha tradicional com eliminação de variáveis é mais adequada do que a análise de trilha em crista.

A configuração populacional vem sofrendo acentuadas transformações ao longo da última década. Atualmente, a masculinização e o envelhecimento populacional são apontados como características dessa realidade. Neste sentido, este trabalho teve como objetivo analisar a ocorrência e o comportamento dos processos de masculinização e envelhecimento da população rural de 27 municípios da Região Central do Rio Grande do Sul, em diferentes faixas etárias. Para alcançar esse propósito, utilizaram-se dados da Contagem Populacional de 1996 e 2007 do IBGE referentes à população rural regional sistematizados em quatro faixas: 0 a 14 anos, 15 a 24, 25 a 59 e 60 ou mais anos. As diferenças entre os sexos foram submetidas ao Teste para Diferença entre Duas Proporções com 5% de probabilidade de erro. Também foram calculadas a diferença percentual da população total e de cada sexo entre 1996 e 2007. O processo de masculinização rural consolida sua presença na Região Central do RS, sendo a população adulta atingida com mais intensidade. A sobreposição masculina significativa pode ser observada em todos os municípios, aumentando da primeira a terceira faixa etária. Em alguns municípios, houve uma intensificação da masculinização rural também entre a população idosa. Também pode ser observado, de forma geral, um abrandamento do predomínio masculino entre a população jovem. A forte redução da população de 0 a 14 anos, bem como o aumento da população idosa no período mostra um processo de envelhecimento entre a população estudada. Essa configuração populacional pode comprometer a sucessão nos estabelecimentos rurais, interferindo na dinâmica social e produtiva do espaço rural da Região Central do RS.

A área foliar é importante na determinação do crescimento e desenvolvimento das culturas agrícolas. Assim, os objetivos do trabalho foram comparar os métodos de discos foliares e de fotos digitais na estimativa da área foliar de Crambe abyssinica e modelar a área foliar em função do comprimento (C), da largura (L) e ou do produto comprimento vezes largura (CxL) de diferentes tamanhos de folhas. Para isso, em 308 folhas, foram determinados a área foliar, o comprimento, a largura e o produto comprimento vezes largura por meio dos métodos de discos foliares e de fotos digitais. Em seguida, foram comparados os métodos por meio do coeficiente de correlação linear entre a área foliar. A seguir, em cada método, modelou-se a área foliar (Y) em função do C, da L e do CxL, por meio dos modelos: linear, linear simples, quadrático, geométrico e exponencial. Os coeficientes de correlação linear de Pearson e de Spearman entre a área foliar dos métodos de discos foliares e de fotos digitais foram de 0,9917 e 0,9889, respectivamente, o que revela métodos concordantes. Em ambos os métodos, os modelos quadráticos e geométricos apresentaram os melhores coeficientes de determinação da área foliar em função do comprimento e da largura das folhas. A largura da folha é a variável que melhor estima a área foliar. O método de fotos digitais pode ser utilizado para estimar a área foliar de crambe.

O objetivo deste trabalho foi determinar o tamanho de amostra para a estimação do coeficiente de correlação linear de Pearson entre caracteres de três híbridos de milho. Para as análises, foram tomadas aleatoriamente 361, 373 e 416 plantas, respectivamente, de híbridos simples, triplo e duplo. Para cada planta, os seguintes caracteres foram mensurados: diâmetro maior e menor do colmo, altura da planta e altura, peso, comprimento e diâmetro da espiga, número de fileiras por espiga, peso e diâmetro de sabugo, massa de cem grãos, número de grãos por espiga, comprimento e produtividade de grãos. Para cada um dos 91 pares de caracteres e híbridos, foi determinado o tamanho de amostra a partir de "bootstrap", com reposição de 1.000 amostras, de cada tamanho de amostra simulado. Na estimação do coeficiente de correlação linear de Pearson com a mesma precisão, o tamanho de amostra (número de plantas) aumenta na direção de pares de caracteres com menor intensidade de relação linear, independentemente do tipo de híbrido. Para os 91 pares de caracteres estudados, 252 plantas são suficientes para a estimação do coeficiente de correlação linear de Pearson, no intervalo de confiança de "bootstrap" de 95%, igual a 0,30