EVALUACIÓN Y SELECCIÓN DE VARIEDADES DE MAÍZ PARA SISTEMAS DE AGRICULTURA FAMILIAR DE PANAMÁ, 2017-2019

  • Román Gordón-Mendoza Instituto de Investigación Agropecuaria de panamá.
  • Jorge E. Franco-Barrera Instituto de Investigación Agropecuaria de panamá.
  • Jorge I. Núñez-Cano Instituto de Investigación Agropecuaria de panamá.
  • Ana E. Sáez-Cigarruista Instituto de Investigación Agropecuaria de panamá.
  • Francisco P. Ramos-Manzané Instituto de Investigación Agropecuaria de panamá.
  • Jorge E. Jaén-Villarreal Instituto de Investigación Agropecuaria de panamá.
  • Félix M. San Vicente-García Centro Internacional para el Mejoramiento de Maíz y Trigo (CIMMYT).
Palabras clave: Estabilidad, Biplot GGE-SReg, confiabilidad de la respuesta normalizada, QPM, grano normal.

Resumen

Con el objetivo de evaluar la adaptabilidad y estabilidad de variedades de maíz amarillo de grano normal y alta calidad proteica, se sembraron ensayos en treinta localidades de Panamá. Estos mismos ensayos fueron sembrados en campos de agricultores colaboradores y en la Estación Experimental de El Ejido del IDIAP durante tres años (2017-2019). El primer año se evaluaron 12 variedades luego se redujeron a 10 y finalmente en el 2019 se evaluaron las seis mejores variedades. Se utilizó el diseño experimental Alfa Látice con tres repeticiones el cual varió a través de años. A los datos obtenidos se les aplicó un análisis de varianza combinado tipo REML y las medias fueron separadas utilizando la Diferencia Mínima Significativa. El análisis de varianza individual por año y combinado a través de años mostró diferencias altamente significativas entre las distintas variedades evaluadas para la variable rendimiento de grano y otras características agronómicas. El análisis mostró que, al reducir el número de variedades, la varianza entre genotipos se redujo, mientras que la varianza entre ambientes aumentó. Al segundo año de estudio se seleccionó la variedad de grano de alta calidad proteica S16LTYQHGAB05 como la mejor entre estos genotipos. Después de tres años, el testigo IDIAP-MV-1102 tuvo un rendimiento de 5,49 t·ha-1, y el mismo fue superado en más del 15% por el sintético S10TLYNGSHGAB01 con rendimiento de 6,39 t·ha-1. El análisis Biplot GGE-SReg identificó a este último como el más estable a través de las localidades. El análisis de la confiabilidad de la respuesta normalizada, indicó que en ocho de cada diez localidades el S10TLYNGSHGAB01 superó al genotipo testigo nacional. De acuerdo a los resultados de esta investigación, se concluye que estas dos variedades cumplen con los requisitos para ser registradas, y se podría recomendar que los utilicen los agricultores de la República de Panamá.

Descargas

La descarga de datos todavía no está disponible.

Citas

Camargo-Buitrago, I., R. Gordón-Mendoza, y E.I. Quirós-McIntire. 2017. La repetitividad como estimador de la precisión experimental en el análisis de experimentos. Agronomía Mesoamericana 28(1):159-169. http://dx.doi.org/10.15517/am.v28i1.24239.

Camargo, I., E.I. Quirós y V.M. Camargo. 2014. Selección de nuevos genotipos de arroz basados en la probabilidad de superar al testigo. Agronomía. Mesoamericana 25(1):63-71. https://www.redalyc.org/articulo.oa?id=43730495007 (consultado 14 abr. 2020).

Camargo, I., R. Gordón y M.R. Fuentes. 2003. Estabilidad y confiabilidad de los nuevos híbridos de maíz en comparación al testigo regional HB-83, 1998-200. Agronomía Mesoamericana 14(2)129-134. https://www.redalyc.org/pdf/437/43714201.pdf

CIMMYT (Centro Internacional de Mejoramiento de Maíz y Trigo). 1995. Manejo de los ensayos e informe de los datos para el Programa de Ensayos Internacionales de Maíz del CIMMYT. México, D.F. 20p.

Córdova, H.S., y H.J. Barreto, J. Crossa. 1993. Impacto del desarrollo de híbridos en Centro América: confiabilidad de las ganancias en rendimiento sobre el genotipo H5 y consideraciones para selección de testigos regionales. En: Síntesis de resultados Experimentales del PRM. 4:3-10. https://repository.cimmyt.org/xmlui/bitstream/handle/10883/3636/67845.pdf (consultado 14 ago. 2020).

Cornelius, P.L., and J. Crossa. 1999. Prediction assessment of shrinkage estimators of multiplicative model for multi environment cultivar trials. Crop Science. 39:998-1009. DOI: https://doi.org/10.2135/cropsci1999.0011183X003900040007x

Cornelius, P.L., J. Crossa, and M.S. Seyedsadr. 1996. Statistical test and estimators of multiplicative models for genotype-by-environment interaction. En: Kang, M.S. y Gauch, H.G. (eds). Genotype-by-environment interaction. Boca Ratón, FL., CRC Press. 199-234.

Crossa, J., P.N. Fox, W.H. Pfeiffer, S. Rajaram, and H.G. Gauch, Jr. 1991. AMMI adjustment for statistical analysis of an international wheat yield trial. Theoretical and Applied Genetics. 81(1):27-37. https://doi.org/10.1007/BF00226108

Eberhart, S.A., and W.A. Russell. 1966. Stability parameters for comparing varieties. Crop Science. 6:36-40. https://doi.org/10.2135/cropsci1966.0011183X000600010011x

Eskridge, K.M., O.S. Smith, and P.F. Byrne. 1993. Comparing test cultivars using reliability functions of test check differences from on farm trials. Theoretical and Applied Genetics. 87:60-64.

Eskridge, K.M., and R.F. Mumm. 1992. Choosing plant cultivars based on the probability of outperforming a check. Theoretical and Applied Genetics. 84:494-500.

Gordón-Mendoza, R., J.E. Franco, J.I. Núñez, A.E. Sáez, J.E. Jaén., F.P. Ramos y A.E. Ávila. 2019. Evaluación de la adaptabilidad de híbridos de maíz a las condiciones agroclimáticas de la Región de Azuero, Panamá, 2017. Visión Antataura 3(2):15-32.

Gordón-Mendoza, R., J. Franco Barrera, J. Núñez Cano, J. Jaén Villarreal, A. Sáez Cigarruista, F. Ramos Manzané y A. Ávila Guevara. 2017. Variedades de maíz en la Región de Azuero, Panamá, 2017. Ciencia Agropecuaria 28:117-131.

Gordón-Mendoza, R., y I. Camargo-Buitrago. 2015. Selección de estadísticos para la estimación de la precisión experimental en ensayos de maíz. Agronomía Mesoamericana 26(1) 55:63. DOI: 10.15517/am.v26i1.16920

Gordón, R. 2009. Manejo Integral del cultivo de Maíz. Folleto Técnico. IDIAP. 20 pág.

Johnson, D.E. 2000. Métodos multivariados aplicados al análisis de datos. International Thompson Editors. 566 p.

Kogo, B.K., L. Kumar, R. Koech, and P. Langat. 2019. Modelling Impacts of climate change on maize (Zea mays L.) growth and productivity: A review of models, outputs and limitations. Journal of Geoscience and Environment Protection, 7:76-95. DOI: 10.4236/gep.2019.78006

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

Samonte, S.O.PB., L.T. Wilson, A.M. McClung, and J.C. Mendley. 2005. Targeting cultivars onto rice growing environments using AMMI and SREG GGE Biplot analyses. Crop Science. 45:2414-24124.

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

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

Yan, W., M.S. Kang, B. Ma, S. Woods, and P.L. Cornelius. 2007. GGE Biplot vs. AMMI analysis of genotype-by-environment data. Crop Science 47:641-653. DOI: https://doi.org/10.2135/cropsci2006.06.0374

Yan, W., and N.A. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science. 86: 623-645. DOI: https://doi.org/10.4141/P05-169

Yan, W., and M.S. Kang. 2003. GGE Biplot Analysis: A graphical tool for breeders, geneticists, and agronomists. CRC Press, Boca Ratón, FL. 271 p.

Yan, W., and I. Rajcan. 2002. Biplot Analysis of test sites and trait relations of soybean in Ontario. Crop Science 42:11-20. DOI: https://doi.org/10.2135/cropsci2002.1100

Yan, W., L.A. Hunt, Q. Sheng and Z. Szlavnics. 2000. Cultivar Evaluation and Mega Environment Investigation based on the GGE Biplot. Crop Science. 40:597-605. DOI: https://doi.org/10.2135/cropsci2000.403597x

Publicado
2020-12-08
Cómo citar
Gordón-Mendoza, R., Franco-Barrera, J., Núñez-Cano, J., Sáez-Cigarruista, A., Ramos-Manzané, F., Jaén-Villarreal, J., & San Vicente-García, F. (2020). EVALUACIÓN Y SELECCIÓN DE VARIEDADES DE MAÍZ PARA SISTEMAS DE AGRICULTURA FAMILIAR DE PANAMÁ, 2017-2019. Ciencia Agropecuaria, (31), 99-126. Recuperado a partir de http://200.46.165.126/index.php/ciencia-agropecuaria/article/view/303
Sección
Artículos

Artículos más leídos del mismo autor/a