VARIEDADES DE MAÍZ EN LA REGIÓN DE AZUERO, PANAMÁ - 2017

  • Román Gordón-Mendoza Instituto de Investigación Agropecuaria de Panamá
  • Jorge Franco-Barrera Instituto de Investigación Agropecuaria de Panamá
  • Jorge Núñez-Cano Instituto de Investigación Agropecuaria de Panamá
  • Jorge Jaén-Villarreal Instituto de Investigación Agropecuaria de Panamá
  • Ana Sáez-Cigarruista Instituto de Investigación Agropecuaria de Panamá
  • Francisco Ramos-Manzané Instituto de Investigación Agropecuaria de Panamá
  • Aurisbel Ávila-Guevara Instituto de Investigación Agropecuaria de Panamá
Palabras clave: Sintéticos, Biplot GGE-SReg, QPM, Alfa Látice, grano amarillo.

Resumen

Con el objetivo de evaluar la adaptabilidad y estabilidad de nuevas variedades sintéticas de grano normal y alta calidad proteica de color amarillo, se sembró un experimento en cuatro localidades de la región de Azuero. El material genético consistió de 12 variedades provenientes del CIMMYT. Se utilizó el diseño experimental Alfa Látice 4 x 3 con tres repeticiones. A los datos obtenidos se les realizó un análisis de varianza combinado tipo REML y las medias se separaron utilizando la Diferencia Mínima Significativa. De acuerdo al análisis de varianza el ambiente (A) capturó el 33% de la suma de cuadrados total del experimento. El rendimiento promedio a través de las cuatro localidades fue de 6,11 t.ha-1. El análisis de varianza mostró diferencias altamente significativas entre las distintas variedades evaluadas (G) para la variable rendimiento de grano; logrando capturar el 36% de la suma de cuadrados del análisis de varianza. De los cultivares evaluados S10TLYNGSHGAB01, S16LTYQHGAB05, S16LTYQHGAB01, S10TLYNGSHGAB02, S07TLYNHGAB02 y S16LTYQHGAB03 sobrepasaron la media general, sobresaliendo de manera significativamente los dos primeros por sus características agronómicas. El testigo IDIAP-MV-1102 tuvo un rendimiento de 5,80 t.ha-1 y fue superado en más del 15% por las tres primeras variedades. Los primeros dos ejes o Componentes Principales de la Interacción G x A, del análisis Biplot GGE-SReg explicaron el 94,2%. Las variedades más estables fueron S10TLYNGSHGAB01 y S16LTYQHGAB03. Este mismo análisis clasificó los ambientes en dos grupos. Las variedades S10TLYNGSHGAB01, S16LTYQHGAB03, S16LTYQHGAB05, S10TLYNGSHGAB01, presentaron el mejor comportamiento en el primer grupo ambiental, mientras que las variedades S16LTYQHGAB05, S07TLYNHGABA02, S10TLYNGSHGAB01, S10TLYNGSHGAB02, presentaron un buen comportamiento en el segundo grupo ambiental.

Descargas

La descarga de datos todavía no está disponible.

Citas

Camargo-Buitrago, I; Gordón-Mendoza, R; Quirós-McIntire, EI. 2017. La repetitividad como estimador de la precisión experimental en el análisis de experimentos. Revista Agronomía Mesoamericana 28(1):159-169.

Gordón Mendoza, R; Franco Barrera, JE; Camargo Buitrago, I. 2016. Impacto de la tecnología generada en el cultivo de maíz para la Región de Azuero. Ciencia Agropecuaria 24:1-18.

Gordón M, R; Camargo B, I. 2015. Selección de estadísticos para la estimación de la precisión experimental en ensayos de maíz. Revista Agronomía Mesoamericana 26(1) 55:63.

Gordón, R. 2012. Manejo Integral del cultivo de maíz. Instituto de Investigación Agropecuaria de Panamá. 18 p.

Holland, JB. 2006. Estimating genotypic correlations and their standard errors using multivariate restricted maximum likelihood estimation with SAS Proc MIXED. Crop Sci. 46:642-654. doi:10.2135/cropsci2005.0191

Johnson, DE. 1998. Métodos multivariados aplicados al análisis de datos. International Thompson Editors. 566 p. Cap 9.

Neelin, JD; Munnich, M; Su, H; Meyerson, JE; Holloway, CE. 2006. Tropical drying trends in global warming models and observations. PNAS 103:6110-6115.

Ruane, AC; DeWayne, CL; Horton, RM; Gordón, R; McCollum, R; Brown, D; Killough, B; Goldberg, R; Greeley, AP; Rosenzweig, C. 2013. Climate change impact uncertainties for maize in Panama: Farm information, climate projections, and yield sensitivities. Agricultural and Forest Meteorology. 170:132-145. http://dx.doi.org/10.1016/j.agrformet.2011.10.015

Srivastava, AM; Mboh, CM; Zhao, G; Gaiser, T; Ewert, F. 2018 Climate change impact under alternate realizations of climate scenarios on maize yields and biomass in Ghana. Agricultural Systems. 159:157-174. http://dx.doi.org/10.1016/j.agsy.2017.03.011

Vargas, M; Combs, E; Alvarado, G; Atlin, G; Mathews, K; Crossa, J. 2013. META: A suite of SAS Programs to analyze Multi environment breeding trials. Agron. J. 105:11-19.

Yan, W; Hunt, LA; Sheng, Q; Szlavnics, Z. 2000. Cultivar Evaluation and Mega Environment Investigation based on the GGE Biplot. Crop Sci. 40:597-605.

Publicado
2018-05-04
Cómo citar
Gordón-Mendoza, R., Franco-Barrera, J., Núñez-Cano, J., Jaén-Villarreal, J., Sáez-Cigarruista, A., Ramos-Manzané, F., & Ávila-Guevara, A. (2018). VARIEDADES DE MAÍZ EN LA REGIÓN DE AZUERO, PANAMÁ - 2017. Ciencia Agropecuaria, (28), 117-131. Recuperado a partir de http://200.46.165.126/index.php/ciencia-agropecuaria/article/view/13
Sección
Artículos

Artículos más leídos del mismo autor/a