RESUMO Fatores climáticos desempenham papel essencial no crescimento da largura dos anéis das árvores. Neste estudo, objetivou-se avaliar a correlação entre variáveis climáticas e características de crescimento de anéis de árvores de Pinus sibirica nas montanhas de Altai, noroeste da China. Este estudo é o primeiro desse tipo na análise do crescimento climático de Pinus sibirica no noroeste da China. O estudo mostrou grande potencial para entender as espécies que crescem sob as condições climáticas específicas. Total de 70 testemunhos coletados em três locais na área de amostragem, dos quais 63 testemunhos considerados para este estudo. O efeito das variáveis climáticas estudadas incluem precipitação, temperatura e PDSI. Nossos resultados mostraram que a cronologia da Largura do Anel da Árvore tem uma correlação significativamente positiva com a temperatura do final do inverno (março) e uma correlação negativa significativa com as temperaturas de julho. Uma correlação significativa foi observada com a precipitação do final do verão, enquanto nenhuma relação significativa foi encontrada com o Índice de Severidade de Seca de Palmer. Essas correlações significativas com a temperatura e precipitação sugeriram que esta espécie de árvore tinha o potencial para a reconstrução do clima passado na área.

Abstract Climatic factors play an essential role in the growth of tree ring width. In this study, we aimed to evaluate the correlation between climatic variables and tree-ring growth characteristics of Pinus sibirica in Altai mountains, northwestern China. This study being is first of its kind on climate growth analysis of Pinus sibirica in northwestern China. The study showed great potential to understand the species growing under the specific climatic conditions. Total of 70 tree cores collected from three sites in the sampling area, out of which 63 tree cores considered for this study. The effect of climatic variables which was studied include precipitation, temperature and PDSI. Our results showed that Tree Ring Width chronology has a significantly positive correlation with the late winter (March) temperature and significant negative correlation with the July temperatures. A significant correlation was observed with the late summer precipitation whereas no significant relation found with the Palmer Drought Severity Index. These significant correlations with temperature and precipitation suggested that this tree species had the potential for the reconstruction of the past climate in the area.

Resumo Uma das características mais importantes que os produtores de plantas visam melhorar é o rendimento de grãos, que é uma particularidade altamente quantitativa e controlada por várias características agromorfológicas. Foram considerados 12 traços morfológicos como fatores independentes, como Porcentagem de Germinação, Dias para Emergência da Espiga, Altura da Planta, Comprimento da Espiga, Comprimento da Aresta, Perfilhos /Planta, Ângulo da Folha, Sementes /Espiga, Espessura da Planta, Peso de 1000 Grãos, Índice de Colheita e Dias até a Maturidade,. A correlação, regressão e análise de componentes principais (em inglês Principal Component Analysis (PCA)) são usadas para identificar as diferentes características do trigo duro, que contribuem significativamente para o rendimento. As suposições necessárias exigidas para a aplicação da modelagem de regressão foram testadas e todas as suposições são adequadas de acordo com os dados observados. Os outliers são detectados nas observações de características fixas e rendimento de grãos. Algumas observações são detectadas como outliers, mas as observações outliers não mostraram qualquer influência no ajuste da regressão. Para selecionar um modelo de regressão parcimonioso para o trigo duro, foram aplicadas tanto a melhor regressão de subconjunto quanto as técnicas de regressão stepwise. A melhor análise de regressão de subconjunto revelou que a porcentagem de germinação, perfilhos /planta e sementes /espiga tem um efeito de aumento acentuado, enquanto a espessura da planta tem um efeito negativo sobre o rendimento do trigo duro. Enquanto a análise de regressão passo a passo identificou que as características, porcentagem de germinação, perfilhos/planta e sementes /espiga contribuem significativamente para aumentar a produtividade do trigo duro. O coeficiente de correlação simples especificou a correlação positiva significativa do rendimento de grãos com a porcentagem de germinação, número de perfilhos/planta, sementes / espiga e índice de colheita. Esses resultados da análise de correlação direcionaram a importância dos caracteres morfológicos e seu impacto positivo e significativo no rendimento de grãos. Os resultados da PCA mostraram que a maior parte da variação (70%) entre o conjunto de dados pôde ser explicada pelos cinco primeiros componentes. Também identificou que Sementes / Espiga, Peso de 1000 Grãos e Índice de Colheita têm uma maior influência na contribuição para o rendimento do trigo duro. Com base nos resultados, recomenda-se que esses importantes parâmetros possam ser considerados e focados em futuros programas de melhoramento de trigo duro para desenvolver variedades de alto rendimento.

Abstract One of the most important traits that plant breeders aim to improve is grain yield which is a highly quantitative trait controlled by various agro-morphological traits. Twelve morphological traits such as Germination Percentage, Days to Spike Emergence, Plant Height, Spike Length, Awn Length, Tillers/Plant, Leaf Angle, Seeds/Spike, Plant Thickness, 1000-Grain Weight, Harvest Index and Days to Maturity have been considered as independent factors. Correlation, regression, and principal component analysis (PCA) are used to identify the different durum wheat traits, which significantly contribute to the yield. The necessary assumptions required for applying regression modeling have been tested and all the assumptions are satisfied by the observed data. The outliers are detected in the observations of fixed traits and Grain Yield. Some observations are detected as outliers but the outlying observations did not show any influence on the regression fit. For selecting a parsimonious regression model for durum wheat, best subset regression, and stepwise regression techniques have been applied. The best subset regression analysis revealed that Germination Percentage, Tillers/Plant, and Seeds/Spike have a marked increasing effect whereas Plant thickness has a negative effect on durum wheat yield. While stepwise regression analysis identified that the traits, Germination Percentage, Tillers/Plant, and Seeds/Spike significantly contribute to increasing the durum wheat yield. The simple correlation coefficient specified the significant positive correlation of Grain Yield with Germination Percentage, Number of Tillers/Plant, Seeds/Spike, and Harvest Index. These results of correlation analysis directed the importance of morphological characters and their significant positive impact on Grain Yield. The results of PCA showed that most variation (70%) among data set can be explained by the first five components. It also identified that Seeds/Spike; 1000-Grain Weight and Harvest Index have a higher influence in contributing to the durum wheat yield. Based on the results it is recommended that these important parameters might be considered and focused in future durum wheat breeding programs to develop high yield varieties.