Genotype by environment interaction and productive potential of 25 starch maize assessed at the Tayacaja Province, Peru

Authors

  • 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

Keywords:

Adaptability, AMMI model, yield, Zea mays

Abstract

The genotype by environment interaction (GEI) represents a main difficulty in the selection of promising genotypes for different environments. The objective of this research was to evaluate the GEI and the productive potential of 25 starch maize varieties, using the additive main effects and multiplicative interaction (AMMI) model. The information was collected from five trials in different locations of the Tayacaja province, Peru, during the 2018-2019 season, under an alfa lattice 5x5 experimental design with three replications and experimental units of two rows 4 m long, 0.80 m between rows and 0.20 m between seeding points. The cultivar productive potential was measured through the grain yield, adjusted to 15 % moisture. Once the GEI was defined, the multivariate analysis was carried out to obtain the singular values of the first significant model terms for genotypes and environments. The GEI was highly significant and explained around 14 % of the yield phenotypic variation, discriminating some varieties with specific adaptation, while others showed broad adaptation to the environments. The AMMI model explained about 96 % of the variation due to the GEI, showing that only the first two axes concentrated about 85 % of that variation. The local varieties Chullpi-Q, Carhuay-P, Astilla Blanca-Cusqueado, Astilla Blanca-DH, Cusqueado-P and Astilla Blanca-Astilla Amarilla showed the best productive potential, but only the first three remained stable through the evaluation environments.

Downloads

Download data is not yet available.

References

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.

Published

2021-04-29

How to Cite

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). Genotype by environment interaction and productive potential of 25 starch maize assessed at the Tayacaja Province, Peru. Bioagro, 33(2), 67-78. https://doi.org/10.51372/bioagro332.1

Issue

Section

Artículos