Interacción genotipo ambiente y potencial productivo de 25 variedades de maíz amiláceo en la provincia de Tayacaja, Perú

Autores/as

  • Pedro J. García-Mendoza Facultad de Ingeniería, Universidad Nacional Autónoma de Tayacaja, “Daniel Hernández Morillo” (UNAT), Pampas, Tayacaja, Perú.
  • Iris B. Pérez-Almeida Centro de Estudios Desarrollo Sostenible, Universidad Ecotec, Samborondón, Ecuador.
  • Gino P. Prieto-Rosales Facultad de Ingeniería, Universidad Nacional Autónoma de Tayacaja, “Daniel Hernández Morillo” (UNAT), Pampas, Tayacaja, Perú.
  • Darío E. Medina- Castro Facultad de Biología, Universidad Nacional de Trujillo, Trujillo, Perú.
  • Damián Manayay Sánchez Dpto. Agroindustria, Fac. Ingeniería, Universidad Nacional del Santa, Ancash, Perú.
  • Carlos A. Marín-Rodríguez Unidad Biometría y Estadística, Inst. Nac. Invest. Agríc (INIA). Maracay, Venezuela.
  • Juan C. Ricse Nestares Proyecto maíz de la UNAT, Pampas, Tayacaja, Huancavelica, Perú.
  • Ronald Ortecho Llanos Facultad de Ingeniería, Universidad Nacional Autónoma de Tayacaja, “Daniel Hernández Morillo” (UNAT), Pampas, Tayacaja, Perú.
  • Alicia E. Medina-Hoyos Programa Nacional de Maíz, Inst. Nac. Innov. Agraria (INIA), Cajamarca, Perú

DOI:

https://doi.org/10.51372/bioagro332.1

Palabras clave:

Adaptabilidad, modelo AMMI, rendimiento, Zea mays

Resumen

La interacción genotipo por ambiente (IGA) representa el principal obstáculo en la selección de los genotipos promisorios para diversos ambientes. El objetivo de esta investigación fue evaluar la IGA y el potencial productivo de 25 variedades de maíz amiláceo, utilizando el modelo de efectos principales aditivos e interacción multiplicativa (AMMI). Se utilizó la información generada en cinco ensayos establecidos en diferentes localidades de la provincia de Tayacaja, Huancavelica, Perú, en el ciclo del cultivo 2018–2019, bajo un diseño alfa látice 5x5, con tres repeticiones y unidades experimentales de dos hileras de 4 m de longitud, con arreglos espaciales de 0,80 m entre hileras y 0,20 m entre puntos de siembra. El potencial productivo de los cultivares se midió a través del rendimiento de grano, ajustado a 15 % de humedad. Definida la IGA, se realizó el análisis multivariado, para obtener los valores singulares de los primeros términos significativos del modelo para genotipos y ambientes. La IGA resultó altamente significativa y explicó alrededor del 14 % de la variación fenotípica del rendimiento, mostrando algunas variedades con adaptación específica y otras con amplia adaptación a los ambientes de prueba. El modelo AMMI explicó alrededor del 96 % de la variación debida a la IGA, observándose que sólo los dos primeros ejes concentraron cerca del 85 % de dicha variación. Las variedades locales Chullpi-Q, Carhuay-P, Astilla Blanca-Cusqueado, Astilla Blanca-DH, Cusqueado-P y Astilla Blanca-Astilla Amarilla mostraron el mejor potencial productivo, pero sólo las tres primeras fueron estables a través de los ambientes de evaluación.

Descargas

La descarga de datos todavía no está disponible.

Citas

Acevedo Barona, M., R. Álvarez, R. Silva, O. Torres y E. Reyes. 2019. Interacción genotipo ambiente en arroz para identificar mega-ambientes y ambientes ideales mediante el modelo de regresión por sitios y biplot. Bioagro 31(1): 35-44.

Admassu, S., M. Nigussie y H. Zelleke. 2008. Genotype-environment interaction and stability analysis for grain yield of maize (Zea mays L.) in Ethiopia. Asian Journal of Plant Sciences 7: 163-169.

Andrés-Meza, P., M. Sierra-Macías, J. Mejía-Contreras, J. Molina-Galán, A. Espinosa-Calderón, N. Gómez-Montiel y R. Valdivia-Bernal. 2014. Genotype-environment interaction in tropical maize varieties developed for the tropical region of Veracruz, México. Interciencia 39(3): 180-184.

Balestre, M., R. Von Pinho, J. Souza y R. Oliveira. 2009. Genotypic stability and adaptability in tropical maize based on AMMI and GGE biplot analysis. Genet. Mol. Res. 8(4): 1311-1322.

Becker, H. C. 1981. Correlations among some statistical measures of phenotypic stability. Euphytica 30: 835-840.

Carena, M. J. 2005. Maize commercial hybrids compared to improved population hybrids for grain yield and agronomic performance. Euphytica 141: 201-208.

Chimonyo, V., C. Mutengwa y C. Chiduza. 2014. Genotype x environment interactions and yield stability of stress-tolerant open-pollinated maize varieties in the Eastern Cape province, South Africa. South African Journal of Plant and Soil 31(2): 61-68.

Chura C. y E. Huanuqueño C. 2015. Comportamiento de ocho poblaciones de maíz amarillo (Zea mays L.) en cruzas con un probador. Anales Científicos 76(1): 78-86.

Crossa, J., H. Gauch y R. Zobel. 1990. Additive main effects and multiplicative interaction analysis of two international maize cultivar trials. Crop Sci. 30: 493-500.

Crossa, J., P. Cornelius y M. Vargas. 2000. Modelos Estadísticos Multiplicativos para el Análisis de la lnteracción Genotipo x Ambiente. CIMMYT Library. México D. F., México. https://repository.cimmyt.org/bitstre am/handle/10883/3487/68592.pdf?sequence= 1&isAllowed=y (consulta de junio 18, 2020).

Dudley, J.W. 1997. Quantitative Genetics and Plant Breeding. Advances in Agronomy 59: 1- 23.

Falcon, C., S. Kaeppler, E. Spalding, N. Miller, N. Haase, N. AlKhalifah et al. 2020. Relative utility of agronomic, phenological, and morphological traits for assessing genotype-by-environment interaction in maize inbreds. Crop Science 60(1): 62-81.

García, P., S. Cabrera, A. Pérez, R. Silva, R. Álvarez, C. Marín et al. 2009. Estabilidad del rendimiento y potencial agronómico de cultivares de maíz de endospermo normal y QPM en zonas agroecológicas de Venezuela. Agronomía Tropical 59(4): 433-443.

García M., P.J., A.A. Pérez C., R.J. Silva D., R.M. Álvarez P., P. Monasterio P. y L.A. Taramona R. 2020. Evaluación del potencial agronómico de híbridos de maíz amarillo basado en el análisis GGE Biplot y el modelo AMMI. Bioagro 32(2): 95-106.

Gauch, H.G. y R.W. Zobel. 1996. AMMI analysis of yield trials. In: M.S. Kang y H. G. Gauch. (eds.). Genotype-by-Environment interaction. CRC Press. Boca Raton, FL, USA. pp. 85-122.

González, A. J. Sahagún, L. Vázquez, J. Rodríguez, D. Pérez, A. Domínguez, O. Franco, y A. Balbuena. 2009. Identificación de variedades de maíz sobresalientes considerando el modelo AMMI y los Índices de Eskridge. Agricultura Técnica en México 35(2): 189-200.

Hallauer, A., M. Carena y J. Miranda Filho. 2010. Quantitative Genetics in Maize Breeding. Springer. London.

Khamphasan, P., K. Lomthaisong, B. Harakotr, D. Ketthaisong, M. Scott, K. Lertrat y B. Suriharn. 2018. Genotypic variation in anthocyanins, phenolic compounds, and antioxidant activity in cob and husk of purple ield corn. Agronomy 8: 271: 1-15.

Lao, F., G. Sigurdson, y M. Giusti. 2017. Health benefits of purple corn (Zea mays L.) phenolic compounds. Comprehensive Reviews in Food Science and Food Safety 16: 234-246.

López-Morales, F., J. Chura-Chuquija y G. García-Pando. 2019. Interacción genotipo por ambiente del rendimiento de maíz amarillo en híbridos trilineales, Perú. Revista Mexicana de Ciencias Agrícolas 10(4): 859-872.

Lozano-Ramírez, A., A. Santacruz-Varela, F. San-Vicente-García, J. Crossa, J. Burgueño y J. Molina-Galán. 2015. Modelación de la interacción genotipo x ambiente en rendimiento de híbridos de maíz blanco en ambientes múltiples. Rev. Fitotec. Mex. 38(4): 337-347.

Lunezzo R., V. García, M. Balestre y D. Ferreira. 2010. Evaluation of maize hybrids and environmental stratification by the methods AMMI and GGE biplot. Crop Breeding and Applied Biotechnology 10: 247-253.

Mudada N., J. Chitamba, T. Macheke, y P. Manjeru. 2017. Genotype x environmental interaction on seed cotton yield and yield components. Open Access Library Journal 4: 1-22.

Ngaboyisonga, C., A. Nyombayire, M. Gafishi, F. Nizeyimana, A. Uwera, T. Ndayishimiye et al. 2016. Adaptability and genotype by environment interaction of maize commercial hybrid varieties from East African seed companies in Rwandan environments. Global Journal of Agricultural Research 4(2): 32-40.

San Vicente, F., C. Marín y D. Díaz. 2005. Estabilidad del rendimiento y potencial agronómico de híbridos de maíz de alta calidad de proteína (QPM) en Venezuela. Agronomía Tropical 55(3): 397-410.

Souza, A., G. Miranda, M. Gonzaga y L. Souza. 2009. Predicting the genetic gain in the Brazilian white maize landrace. Ciência Rural 39: 19-24.

Steel, R. y J. Torrie 1988. Bioestadística: Principios y Procedimientos. McGraw-Hill /Interamericana, México.

UNAT (Universidad Nacional Autónoma de Tayacaja “Daniel Hernández Morillo”). 2018. Selección de cultivares y conservación de la identidad genética de variedades de maíz (Zea mays L.) en la provincia de Tayacaja. Proyecto aprobado según Resolución de la Comisión Organizadora N°0126-2018-CO-UNAT. 49 p. https://unat.edu.pe/nuestras-investigaciones/ (consulta de junio 18, 2020).

Vargas H., M. y J. Crossa. 2000. El análisis AMMI y la gráfica del biplot en SAS. Universidad Autónoma de Chapingo (UACh) y Unidad de Biometría y Estadística, CIMMYT. México, DF. 42 p. https://reposito ry.cimmyt.org/bitstream/handle/10883/3489/73248.pdf?sequence=1&isAllowed=y (consulta de noviembre 1, 2016).

Vieira, G., L. Vagno, G. Moreira, H. Namorato, L. Rodrigues, y M. Oliveira. 2009. Multivariate analyses of genotype x environment interaction of popcorn. Pesq. Agropec. Bras. 44(1): 45-50.

Yan, W., M. Kang, B. Ma, S. Woods y P. Cornelius. 2007. GGE Biplot vs. AMMI Analysis of Genotype-by-Environment Data. Crop Sci. 47: 641-653.

Yan, W., P. Cornelius, J. Crossa y L. Hunt. 2001. Two types of GGE biplots for analyzing multi-environment trial data. Crop Sci. 41: 656-663.

Zobel, R.W., M.J. Wright y H.G. Gauch. 1988. Statistical analysis of a yield trial. Agron. J. 80: 388-393.

Publicado

2021-04-29

Cómo citar

García-Mendoza, P. J., Pérez-Almeida, I. B., Prieto-Rosales, G. P., Medina- Castro, D. E., Manayay Sánchez, D., Marín-Rodríguez, C. A., Ricse Nestares, J. C., Ortecho Llanos, R., & Medina-Hoyos, A. E. (2021). Interacción genotipo ambiente y potencial productivo de 25 variedades de maíz amiláceo en la provincia de Tayacaja, Perú. Bioagro, 33(2), 67-78. https://doi.org/10.51372/bioagro332.1

Número

Sección

Artículos

Artículos más leídos del mismo autor/a