As características genéticas das culturas agrícolas podem ser influenciadas pelo ambiente, interferindo na produtividade. Sendo assim, esta pesquisa visa entender como ocorre a interação entre genótipo e ambiente (IGA) e a interação entre quantitative trait locus (QTL) e ambiente (IQA), a fim de fornecer instrumentos que possam melhorar a produtividade. Em destaque, vemos que o modelo de efeitos principais aditivos e interação multiplicativa (AMMI), que considera como aditivos os efeitos principais de genótipo e ambiente e como multiplicativos os efeitos da interação, é uma importante ferramenta que permite estudar a interação com dados de ensaios multi-ambientais e apresentar boas previsões na detecção de QTL para novos ambientes. Para se levar em considera- ção a heterogeneidade da variância do erro ao longo dos ambientes, uma generalização do modelo AMMI é utilizada, o modelo AMMI ponderado ou W-AMMI. Nesta pesquisa, observando os dados resultantes de um experimento com 9 genótipos de milho conduzidos em 20 ambientes e 4 blocos, foram comparadas as análises da IGA utilizando o modelo AMMI e W-AMMI. Com um segundo conjunto de dados, resultantes do cruzamento das variedades de cevada Harrington e TR306, com 141 genótipos conduzidos em 12 ambientes foram comparados os resultados das análises da IGA e IQA utilizando os modelos AMMI e W-AMMI, sendo que foram propostas ponderações por linha (todos os ambientes para determinado genótipo ficam com o mesmo peso) e coluna (todos os genótipos para determinado ambiente ficam com o mesmo peso).

The genetic characteristics of crops can be influenced by the environment, interfering with productivity. This research intends to understand the genotype-by-environment interaction(IGA) and quantitative trait locus (QTL)-by-environment interection (IQA), in order to provide tools that can improve productivity. That the Additive Main Effects and Multiplicative Interactions (AMMI) model, has been widely used to study and understand these interactions and has shown to provide good interpretations of both IGA and IQA, as well as QTL detection. In order to take into account of the heterogeneity of error variance over the environments, a generalization of the AMMI model is used, the weighted AMMI or W-AMMI. In this study, observing the data resulting from an experiment with 9 maize genotypes conducted in 20 environments and 4 blocks, was used to compare the results between the AMMI and W-AMMI models. A second set of data, resulting a cross between the barley varieties Harrington and TR306, with 141 genotypes conducted in 12 environments, was used to compare the AMMI and two versions of the W-AMMI (equal weighs per row; and equal weights per column) models in terms of IGA, IQA and QTL detection.