Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio
ACI Avances en Ciencias e Ingenierías

SECCIÓN B: CIENCIAS DE LA VIDA

Vol. 11 Núm. 1 (2019): Número especial de la XXII Reunión Latinoamericana del Maíz

Estabilidad de rendimiento y adaptabilidad de híbridos de maíz tolerantes a suelos ácidos en base a las características del análisis GGE biplot

DOI
https://doi.org/10.18272/aci.v11i1.1081
Enviado
abril 4, 2018
Publicado
2019-05-17

Resumen

 

El objetivo principal de esta investigación fue evaluar las respuestas de catorce híbridos de maíz a través de veintisiete ambientes de prueba para identificar a los genotipos de alto rendimiento con amplia y específica adaptación mediante la aplicación del análisis GGE (Genotipo + Genotipo x Ambiente) biplot. Se utilizó el diseño de bloques completos al azar con tres repeticiones en cada localidad. Se registraron los rendimientos en toneladas de grano de maíz por hectárea. El análisis GGE biplot permitió conocer que los cultivares G11, G6, G12, G10 y G9 presentaron un buen potencial de rendimiento de grano y la mejor estabilidad a través de todos los ambientes evaluados. Los genotipos G4, G8, G9 y G3 presentaron adaptación específica; que los ambientes de prueba con mayor capacidad de discriminación y más representativos y útiles para la selección de genotipos con adaptación amplia fueron L5-Pereira y L15-El Líbano. Se identificó a siete agrupamientos de genotipos y ambientes (mega-ambientes) que son áreas que muestra condiciones ambientales homogéneas y que causa que ciertos genotipos se desempeñen similarmente.

 

 

 

viewed = 726 times

Citas

  1. CIMMYT. (2001). CIMMYT 1999/2000 World maize facts and trends. Meeting world maize needs: Technological opportunities and priorities for the public sector. Recuperado el 7 de diciembre de 2016, de http://repository.cimmyt.org/xmlui/handle/10883/771?show=full
  2. Lopez-Hernandez, D., Hernandez-Hernandez, R. M., & Brossard, M. (2005). Historia del uso reciente de tierras de las sabanas de América del Sur. Estudios de casos en sabanas del Orinoco. Interciencia-INCI, 30(10), 623-632.
  3. Paliwal, R. L., Granados, G., Lafitte, H. R., & Violic, A. D. (2001). El Maíz en los trópicos. Organización de la Naciones Unidas para la Agricultura y Alimentación. Roma, Italia. pp 392.
  4. Narro, L. A., & Arcos, A. L. (2010). Genetics of alluminum-induced callose formation in maize roots, a selection trait for alluminum resistance. Crop Science, 50, 1848-1853.
  5. Yan, W., Hunt, L., Sheng, Q., & Szlavnics, Z. (2000). Cultivar evaluation and megaenvironment investigation based on GGE biplot. Crop Science, 40, 597-605.
  6. Yan, W., & Tinker, N. A. (2006). Biplot analysis of multi-environment trial data: Principles and applications. Canadian Journal of Plant Science, 86(3), 623-645.
  7. Frutos, E., Galindo, M. P., & Leyva, V. (2014). An interactive biplot implementation in R for modeling genotype-by-environment interaction. Stochastic Environment esearch and Risk Assesment, 28, 1629-1641.
  8. Borém, A., Condori, M., & Miranda, G. V. (2008). Mejoramiento de Plantas (Primera ed.). Vicosa, MG, Brasil: Editora UFV.
  9. Salas, E., Juárez, H., Giraldo, D., Amoros, W., Simon, R., & Bonierbale, M. (2009). Modelos de análisis de estabilidad y definición de ambientes basados en GIS. Lima, Peru: CIP. p 63.
  10. Yan, W., & Hunt, L. A. (2002). Biplot analysis of multi-environment trial data. In: Kang, M. S. ed. Quantitative Genetics, Genomics and Plant Breeding. CABI Publishing, 289-303.
  11. Gollob, H. F. (1968). A statistical model which combines features of factor analytic and analysis of variances technique. Psychometrik, 33, 73-115.
  12. Balzarini, M., Bruno, C., & Arroyo, A. (2005). Análisis de Ensayos Agrícolas Multiambientales. Ejemplos en Info-Gen. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Estadística y Biometría. Primera Ed., p 141.