HERRAMIENTAS ESTADÍSTICAS PARA LA EVALUACIÓN Y SELECCIÓN DE HÍBRIDOS DE MAÍZ A TRAVÉS DE MÚLTIPLES AMBIENTES Y AÑOS
Resumen
Con el objetivo de evaluar algunas herramientas estadísticas para la toma de decisiones al momento de liberar nuevos genotipos, con la precisión que éstos sean superiores a los testigos de uso común, se tomaron los datos de 34 ensayos sembrados durante los últimos tres años (2017-2019) principalmente en la Región de Azuero en Panamá. El número de híbridos evaluados por año varió de 20, 15 y 18 genotipos, respectivamente. Para el estudio se tomaron seis híbridos en común a través de los años comparándose con el testigo más usado en el país (30F-35). El diseño experimental original fue Alfa Látice con tres repeticiones, el cual varió a través de años. Para el análisis de los siete genotipos seleccionados se realizó un análisis de varianza individual y combinado tipo REML en un diseño de Bloques Completos al Azar. Estos análisis mostraron diferencias altamente significativas entre los distintos híbridos evaluados para la variable rendimiento de grano y otras características agronómicas. Este análisis mostró que al reducir el número de cultivares, la varianza entre genotipos se redujo; mientras que la varianza entre ambientes aumentó. De los híbridos evaluados, tres sobrepasaron la media general del combinado, sobresaliendo de manera significativa el P-4039, ADV-9789 y ADV-9779 con medias de que superan las 8,30 ton·ha-1. El análisis Biplot GGE-SReg identificó al híbrido ADV-9779 como el más estable a través de las localidades. El análisis de la confiabilidad de la respuesta normalizada, indicó que el P-4039 supera al testigo en el 87% de las localidades. Se confirmó que las metodologías empleadas, resultan útiles y sencillas para identificar genotipos superiores para su liberación en las áreas de influencia evaluadas.
Descargas
Citas
Camargo-Buitrago, I., Gordón-Mendoza, R., y Quirós-McIntire, E.I. (2017). La repetitividad como estimador de la precisión experimental en el análisis de experimentos. Revista Agronomía Mesoamericana, 28(1), 159-169.
Camargo, I., Quirós, E.I., y Camargo, V.M. (2014). Selección de nuevos genotipos de arroz basados en la probabilidad de superar al testigo. Agron. Mesoamericana, 25(1), 63-71.
Camargo, I., Gordón, R., y Fuentes, M.R. (2003). Estabilidad y confiabilidad de los nuevos híbridos de maíz en comparación al testigo regional HB-83, 1998-200. Agron. Mesoamericana, 14(2), 129-134.
Córdova, H.S., Barreto, H.J., y Crossa, J. (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.
Cornelius, P.L., Crossa, J., y Seyedsadr, M.S. (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., Gauch Junior, H.G., y Zobel, R.W. (1990). Additive main effects and multiplicative interaction analysis of two international maize cultivar trials. Crop Science, 30, 493‑500.
Eskridge, K.M. (1997). Evaluation of corn hybrids using the probability of outperforming a check based on strip-test data. Journal of agricultural, biological and environmental statistics, 2(3), 245-254.
Eskridge, K.M., Smith, O.S., y Byrne, P.F. (1993). Comparing test cultivars using reliability functions of test check differences from on farm trials. Theor. Appl. Genet. 87, 60-64.
Eskridge, K.M, y Mumm, R.F. (1992). Choosing plant cultivars based on the probability of outperforming a check. Theor Appl. Genet. 84, 494-500.
Falconer, D.S. (1990). Introducción a la genética cuantitativa. 3ª imp. Compañía Editorial Continental S.A., MEX.
Gauch Junior, H.G., y Zobel, R.W. (1989). Accuracy and selection success in yield trial analyses. Theoretical and Applied Genetics, 77, 473‑481.
Gordón M, R., Franco, J.E., Núñez, J.I., Sáez, A.E., Jaén., J.E., Ramos, F.P., y Ávila, A.E. (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 M, R., Franco, J.E., Núñez, J.I., Sáez, A.E., Ramos, F.P., Jaén, J.E., y San Vicente, F.M. (2020). Evaluación y selección de variedades de maíz para sistemas de agricultura familiar en Panamá, 2017-2019. Ciencia Agropecuaria, 31, 99-126.
Gordón M, R. (2020). Variabilidad climática en la Región de Azuero y su efecto sobre el cultivo de maíz. IDIAP.
Gordón M, R., Franco, J.E., Núñez, J.I., Sáez, A.E., y Jaén, J.E. (2017a). Adaptabilidad de 20 híbridos de maíz a las condiciones agroclimáticas de la zona maicera de la Región de Azuero, Panamá, 2016. Visión Antataura, 1(2), 1-17.
Gordón M, R., Franco, J., Núñez, J., Jaén, J., Sáez, A., Ramos, F., y Ávila, A. (2017b). Variedades de maíz en la Región de Azuero, Panamá, 2017. Ciencia Agropecuaria, 28, 117-131.
Gordón M, R., y 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 M, R. (2009). Manejo Integral del cultivo de Maíz. Folleto Técnico. IDIAP. 20 p.
Gordón, R., Camargo, I., Franco, J., y González, A. (2004). Impacto de la Precipitación Pluvial en el Rendimiento de Grano del Maíz en la Región de Azuero, Panamá, 1995-2003. I. Análisis de la Distribución de Lluvias y su Relación con la Época de Siembra. Ciencia Agropecuaria, 16, 17-30.
Holland, J.B., Nyquist, W.E., y Cervantes-Martínez, C.T. (2003). Estimating and interpreting heritability for plant breeding and update. Plant Breed. Rev. 22, 9-11.
Johnson, D.E. (2000). Métodos multivariados aplicados al análisis de datos. International Thompson Editors. 566 p.
Nuland, D.S., y Eskridge, K.M. (1992). Probability of outperforming a check. In: H.F. Schwartz (ed.). Proceedings, 35th Bean Improvement Cooperative Meetings. Colorado State Univ. For. Collins. CO. p. 17-20. Theor. Appl. Genet. 84, 494-500.
Samonte, S.O.PB., Wilson, L.T., McClung, A.M., y Mendley, J.C. (2005). Targeting cultivars onto rice growing environments using AMMI and SREG GGE Biplot analyses. Crop. Sci. 45, 2414-24124.
Vargas, M., Combs, E., Alvarado, G., Atlin, G., Mathews, K., y Crossa, J. (2013). META: A suite of SAS Programs to analyze Multi environment breeding trials. Agron. J. 105, 11-19.
Yan, W. (2014). Crop variety trials. Data management and analysis. John Wiley & Sons Inc., MA, USA.
Yan, W., y Holland, J.B. (2010). A heritability-adjusted GGE Biplot for test environmental evaluation. Euphytica 171, 355-369.
Yan, W, Kang, M.S., S. Woods, B. Ma, y Cornelius, P.L. (2007). GGE Biplot vs. AMMI analysis of genotype-by-environment data. Crop Sci. 47, 641-653.
Yan, W., y Kang, M.S. (2003). GGE Biplot Analysis: A graphical tool for breeders, geneticists, and agronomists. CRC Press, Boca Ratón, FL. 271 p. https://books.google.com.pa/booksid=Bz2SpUxgnkC&lpg=PP1&ots=neKRaEtiBv&lr&pg=PA8#v=onepage&q&f=false
Yan, W., y Hunt, L.A. (2002). Biplot analysis of multi-environment trial data. En: M.S. Kang, editor, Quantitative genetics, genomics and plant breeding. CAB International, Wallingford. p. 289-319.
Yan, W., Cornelius, P., Crossa, J., y Hunt, L.A. (2001). Two types of GGE Biplots for analyzing multi environment trial data. Crop Sci. 41, 656-663.
Yan, W., Hunt, L.A., Sheng, Q., y Szlavnics, Z. (2000). Cultivar Evaluation and Mega Environment Investigation based on the GGE Biplot. Crop Sci. 40, 597-605.
Zobel, R.W., Madison, J.W., y Gauch, H.G. Jr. (1988). Statistical analysis of a yield trial. Agron. J. 80, 388-393.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.
.jpg){kind=logo}
