Evaluación del potencial agronómico de híbridos de maíz amarillo basado en el análisis GGE biplot y el modelo AMMI

Autores/as

  • Pedro J. García M. Instituto Nacional de Investigaciones Agrícolas (INIA). Araure, estado Portuguesa, Venezuela.
  • Alberto A. Pérez C. Instituto Nacional de Investigaciones Agrícolas (INIA). Araure, estado Portuguesa, Venezuela.
  • Rubén J. Silva D. Instituto Nacional de Investigaciones Agrícolas (INIA-CENIAP). Maracay. Venezuela.
  • Rosa M. Álvarez P. Instituto Nacional de Investigaciones Agrícolas (INIA). Araure, estado Portuguesa, Venezuela.
  • Pedro P. Monasterio P. Instituto Nacional de Investigaciones Agrícolas (INIA). Yaritagua, Yaracuy. Venezuela.
  • Luis A. Taramona R. Universidad Le Cordón Blue, Lima, Perú.

Palabras clave:

Estabilidad genotípica, interacción genotipo-ambiente, rendimiento de grano, Zea mays

Resumen

Al evaluar diferentes genotipos en un número variado de ambientes agroecológicos, la interacción genotipo por ambiente (IGA) dificulta la selección de los materiales más promisorios para las diferentes localidades. El objetivo de este estudio fue evaluar la interacción genotipo ambiente (IGA) y la estabilidad fenotípica de 20 híbridos de maíz de grano amarillo, utilizando las metodologías AMMI y GGE biplot. Se utilizó la información generada en ensayos previos de validación agronómica de cultivares de maíz, desarrollados en siete localidades de Venezuela. Los experimentos fueron conducidos bajo un diseño de bloques al azar con tres repeticiones, y el potencial agronómico de los cultivares se determinó mediante el rendimiento de grano, ajustado a 12 % de humedad. Una vez detectada la IGA se procedió a realizar el análisis multivariado para obtener los valores singulares de los primeros términos AMMI que resultaron significativos para los genotipos y ambientes. El GGE biplot estuvo basado en el modelo de regresión lineal bi-lineal de los ambientes. Los tres primeros ejes (CP) resultaron altamente significativos, explicando cerca del 80 % de la IGA. No obstante, mientras el CP1 explicó solo el 42 % de la IGA, el conjunto de CP1 y CP2 explicó 61,72 % de esta interacción. Según el modelo AMMI los híbridos HIMECA-24A93 (G7) y SYN-730 (G19) resultaron con alta estabilidad y rendimiento para los diferentes ambientes, mientras que el análisis GGE biplot permitió determinar los mejores híbridos para cada uno de los ambientes. Adicionalmente, estos resultados sugieren que ambas metodologías pueden ser consideradas como complementarias y de gran utilidad en los programas de mejoramiento genético vegetal.

Descargas

La descarga de datos todavía no está disponible.

Citas

1. Alejos, G., P. Monasterio y R. Rea. 2006. Análisis de la interacción genotipo ambiente para rendimiento de maíz en la región maicera del estado Yaracuy, Venezuela. Agronomía Trop. 56(3): 369-384.

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

3. Blum, A. 1988. Plant Breeding for Stress Environments. Boca Raton, FL, USA, CRC Press. 222 p.

4. Cabrera, S., P. García, F. Morillo y C. Sánchez. 2001. Estabilidad del rendimiento de híbridos blancos de maíz (Zea mays L.) en diferentes zonas agroecológicas de Venezuela, Revista UNELLEZ de Ciencia y Tecnología, 19: 182-198.

5. Cabrera, S., C. Marín, P. Romero, L. Hernández, F. Morillo y C. Sánchez. 1997. Análisis de estabilidad del rendimiento en híbridos de maíz (Zea mays L.), en zonas productoras de los estados Portuguesa y Barinas. Revista Científica de la Fundación para la Investigación Agrícola DANAC. http://www.danac.org.ve.

6. Córdova, H. 1991. Estimación de parámetros de estabilidad para determinar la respuesta de híbridos de maíz (Zea mays L.) ambientes contrastantes de Centro América, Panamá y México. Agro. Mesoamer. 2: 1-10.

7. Cornelius, P. L., J. Crossa and M. S. Seyedsadr. 1996. Statistical tests and estimators for multiplicative models for genotype by environment interaction. In Kang, M. S. and Gauch, H.G. Jr. (ed.) Genotype by environment interaction. CRC Press, Boca Raton, FL, USA. pp. 199-234.

8. Crossa, J. 1990. Statistical analysis of multilocations trials, Academic Press, Advances in Agronomy 44: 55-85.

9. Crossa, J., P. Cornelius y M. Vargas. 2000. Modelos Estadísticos Multiplicativos para el Análisis de la Interacción Genotipo x Ambiente. CIMMYT Library. México D. F., México. https://repository.cimmyt.org/bitstream /handle/10883/3487/68592.pdf?sequence=1&is Allowed=y.

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

11. De León, H., F. R. Sánchez, M. H. Reyes, D. S. Garduño, G. M. Zambrano, R. C. Cadenas y J. D. Cárdenas. 2005. Potencial de rendimiento y estabilidad de combinaciones germo-plásmicas formadas entre grupos de maíz. Rev. Fit. Mex. 28(2): 135-143.

12. Gabriel K. R. 1971: The biplot graphic display of matrices with application to principal components analysis. Biometrika 58: 453-467.

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

14. Gauch H.G., R. W. Zobel. 1988: Predictive and postdictive success of statistical analysis of yield trials. Theoretical and Applied Genetics 76: 1-10.

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

16. Miranda, G., L. Souza, L. Moreira, H. Namorato, L. Rodríguez y M. Oliveira. 2009. Multivariate analyses of genotype x environment interaction of popcorn. Pesquisa Agropecuária Brasileira 44: 45-50.

17. 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 Trop. 55(3): 397-410.

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

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

20. Vargas, H. M. y J. Crossa. 2000. El análisis AMMI y la gráfica del Biplot en SAS. CIMMYT, México, DF. pp. 26-42. http://www.cimmyt.cgiar.org/biometrics (con-sulta de Nov 1, 2016).

21. Wardofa, G., H. Mohammed, D. Asnake y T. Alemu. 2019. Genotype x environment interaction and yield stability of bread wheat genotypes in Central Ethiopia. J. Plant Breed. Genet. 7(2): 87-94.

22. Yan, W. 2001. GGE biplot a Windows application for graphical analysis of multi-environment trial data and other types of two-way data. Agron. J. 93: 1111-1118.

23. Yan, W. and M. Kang. 2003. GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists. CRC Press, Boca Raton, FL, USA.

24. Yan, W. y N. Tinker. 2006. Biplot analysis of multi-environment trial data: Principles and applications. Canadian J. Plant Sci. 623-645.

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

26. Yan, W., L.A. Hunt, Q. Sheng y Z. Szlavnics. 2000. Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Sci. 40: 597-605.

27. Yan, W., M. Kang, B. Ma, S. Woods y P.L. Cornelius. 2007. GGE Biplot vs. AMMI analysis of genotype by environment data. Crop Sci. 47: 641-653.

Publicado

2020-05-16

Cómo citar

García M., P. J., Pérez C., A. A., Silva D., R. J., Álvarez P., R. M., Monasterio P., P. P., & Taramona R., L. A. (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. Recuperado a partir de https://revistas.uclave.org/index.php/bioagro/article/view/2693

Número

Vol. 32 Núm. 2 (2020): Mayo-Agosto

Sección

Artículos

Derechos del/de autor/es a partir del año de publicación

Esta obra está bajo la licencia:
Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación ni de la UCLA. Se autoriza la reproducción total o parcial de los textos aquí publicados, siempre y cuando se cite la fuente completa y la dirección electrónica de esta revista. Los autores(as) tienen el derecho de utilizar sus artículos para cualquier propósito siempre y cuando se realice sin fines de lucro. Los autores(as) pueden publicar en internet o cualquier otro medio la versión final aprobada de su trabajo, luego que esta ha sido publicada en esta revista.

Bioagro se reserva el derecho de realizar modificaciones textuales y ajustes técnicos a las figuras de los manuscritos, de acuerdo con el estilo y especificaciones de la revista.