Interacción genotipo-ambiente del rendimiento en híbridos de maíz amarillo mediante AMMI y SREG

Autores/as

  • María Corina Ponce-Encinas Programa de Investigación y Proyección Social de Maíz-Universidad Nacional Agraria La Molina. Avenida La Molina s/n, Lima 12, La Molina, Lima, Perú. CP. 15026
  • Fernando López-Morales Manejo Sostenible de Agroecosistemas-Instituto de Ciencias-Benemérita Universidad Autónoma de Puebla-EcoCampus Valsequillo. Edificio VAL1, carretera a San Baltazar Tétela km 1.7, San Pedro Zacachimalpa, Puebla. CP. 72960
  • Julián Chura-Chuquija Programa de Investigación y Proyección Social de Maíz-Universidad Nacional Agraria La Molina. Avenida La Molina s/n, Lima 12, La Molina, Lima, Perú. CP. 15026
  • Enrique Hernández-Leal Campo Experimental La Laguna-INIFAP. Boulevard José Santos Valdez 1200 Pte. Matamoros, Coahuila. CP. 27440
  • Gregorio Hernández-Salinas Tecnológico Nacional de México-Instituto Tecnológico Superior de Zongolica-Extensión Tezonapa. Zongolica Carretera a la Compañía s/n km 4, Tepetlitlanapa, Zongolica, Veracruz, México. CP. 95005.
  • Agustín Aragón-García Manejo Sostenible de Agroecosistemas-Instituto de Ciencias-Benemérita Universidad Autónoma de Puebla-EcoCampus Valsequillo. Edificio VAL1, carretera a San Baltazar Tétela km 1.7, San Pedro Zacachimalpa, Puebla. CP. 72960.

DOI:

https://doi.org/10.29312/remexca.v13i7.3070

Palabras clave:

Zea mays, estabilidad y adaptabilidad, gráfica biplot, híbridos dobles y trilineales

Resumen

Es indispensable para los programas de fitomejoramiento de maíz (Zea mays L.) seleccionar materiales homogéneos, con alto rendimiento y atributos agronómicos estables; asimismo, con buena adaptabilidad en ambientes contrastantes. El objetivo del trabajo fue evaluar la estabilidad e interacción genotipo-ambiente del rendimiento de 36 híbridos de maíz amarillo duro, evaluados en siete ambientes de Perú, durante 2016-2018, dichos materiales fueron analizados mediante los modelos AMMI (efectos principales aditivos e interacción multiplicativa) y SREG (regresión de sitios). El diseño utilizado en cada experimento fue un látice 6×6 con tres repeticiones y la variable respuesta fue el rendimiento de grano. Se realizó un análisis de varianza combinado, en el cual se detectó diferencias estadísticas entre ellos (p≤ 0.05), posteriormente se aplicó la prueba de medias Tukey (p≤ 0.05) finalmente, se ejecutaron los modelos AMMI y SREG y se obtuvieron las gráficas biplot de cada modelo estadístico. De la interacción entre el CP1 y CP2, el AMMI explicó el 45.5 y 15.3%, respectivamente y SREG con 59.8 y 12.2%, para los mismos componentes. Los híbridos trilineales Dk-5005 y AG-01 superaron a los híbridos de cruza doble. El modelo AMMI detectó la interacción GE existente en el rendimiento de grano, y el SREG agrupó con precisión los sitios de evaluación en seis mega-ambientes. Los tres ambientes de La Molina y de Huánuco identificaron a Dk-5005 y AG-01 con mayor rendimiento de grano (11.524 y 11.359 t ha-1, respectivamente).

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Camargo, B. I.; Quiros, M. E. y Gordon, M. R. 2011. Identificación de mega‑ambientes para potenciar el uso de genotipos superiores de arroz en Panamá. Pesquisa Agropecuária Brasileira. 46(9):1061-1069. Doi.org/10.1590/S0100-204X2011000900013.

Castillo, D.; Matus, I.; Pozo, A.; Madariaga, R. and Mellado, M. 2012. Adaptability and genotype × environment interaction of spring wheat cultivars in Chile using regression analysis, AMMI, and SREG. Chilean J. Agric. Res. 72(2):167-174. Doi.org/10.4067/S0718-583920 12000200001.

Chura, C. J. y Huanuqueño, C. E. H. 2014. Comportamiento de ocho poblaciones de maíz amarillo (Zea mays L.) en cruzas con un probador. Anales Científicos. 76(1):78-86. Doi.org/10.21704/ac.v76i1.767.

Crossa, J.; Vargas, M.; Cossani, C. M.; Alvarado, G.; Burgueño, J.; Mathews, K. L. and Reynolds, M. P. 2015. Evaluation and interpretation of interactions. Agron. J. 107(2):736-747. Doi.org/10.2134/agronj2012.0491.

Dia, M.; Wehner, T. C. and Arellano, C. 2016. Analysis of genotype × environment interaction using SAS programming. Agron. J. 108(5):1838-1852. Doi.org/10.2134/agronj2016.02.0085.

Eberhart, S. A. and Russel, W. A. 1966. Stability parameters for comparing varieties. Crop Sci. 6(1):36-40. Doi.org/10.2135/cropsci1966.0011183X000600010011x. Farias, F. J. C.; Carvalho, P. L.; Silva, F. J. L. and Teodoro, E. P. 2016. Biplot analysis of phenotypic stability in upland cotton genotypes in Mato Grosso. Genet. Mol. Res. 15(2):1-10. Doi.org/10.4238/gmr.15028009. Fayeun, L. S.; Alake, C. G. and Akinlolu, O. A. 2018. GGE biplot analysis of fluted pumpkin (Telfairia occidentalis) landraces evaluated for marketable leaf yield in Southwest Nigeria. J. Saudi Soc. Agric. Sci. 17(4):416-423. Doi.org/10.1016/j.jssas.2016.10.001. Fritsche, N. R.; Vieira, M. G.; Oliveira, D. R. and Namorato, S. H. 2010. Factor analysis and SREG GGE biplot for the genotype × environment interaction stratification in maize. Ciência Rural. 40(5):1044-1048. Doi.org/10.1590/S0103-84782010000500007.

Gómez, M. Y.; Boicet, F. T.; Tornés, O. N. y Meriño, H. Y. 2018. Interacción genotipo ambiente de cuatro variedades de tomate en la provincia Granma. Rev. Centro Agrícola. 45(2):21-28.

Kandus, M.; Almorza, D.; Boggio R. R. and Salerno, J. C. 2010. Statistical models for evaluating the genotype-environment interaction in maize (Zea mays L.). International J. Exp. Bot. 79(1):39-46. Doi:10.32604/phyton.2010.79.039.

Ledesma, R. L.; Solís, M. E.; Suaste, F. M. P.; Rodríguez, C. J. F. y Cruz, G. M. L. 2012. Análisis GGE biplot del rendimiento de trigo (Triticum spp.) con riego normal y restringido en el Bajío, México. Agrociencia. 46(2):119-131.

López, M. F.; Chura, C. J. y García, P. G. 2019. Interacción genotipo por ambiente del rendimiento de maíz amarillo en híbridos trilineales, Perú. Rev. Mex. Cienc. Agríc. 10(4):859-872. Doi.org/10.29312/remexca. v10i4.1696.

Lozano, R. Á.; Santacruz, V. A.; San-Vicente, G. F.; Crossa, J.; Burgueño, J. y Molina, G. J. D. 2015. Modelación de la interacción genotipo ambiente en rendimiento de híbridos de maíz blanco en ambientes múltiples. Rev. Fitotec. Mex. 38(4):337-347. Doi.org/10.35196/rfm. 2015.4.337.

Manrique, C. P. A. 1997. El maíz en el Perú. Consejo Nacional de Ciencia y Tecnología. (CONCYTEC). Lima, Perú. 362 p.

MINAGRI. 2020. Ministerio de Agricultura y Riego. Sistema de información de cultivos de maíz amarillo duro. Lima, Perú. http://sissic.minagri.gob.pe/sissic.

Ndhlela, T.; Herselman, L.; Magorokosho, C.; Setimela, P.; Mutimaamba, C. and Labuschagne, M. 2014. Genotype environment interaction of maize grain yield using AMMI biplots. Crop Science. 54(5):1992-1999. Doi.org/10.2135/cropsci2013.07.0448.

Neisse, A. C.; Kirch, L. J. and Hongyu, K. 2018. AMMI and GGE biplot for genotype × environment interaction: a medoid-based hierarchical cluster analysis approach for high-dimensional data. Biometrical Letters. 55(2):97-121. Doi.org/10.2478/bile-2018-0008.

SAS Institute. 2012. User’s Guide of SAS. SAS Institute Inc. Cary, North Carolina, USA. 550 p.

SENAMHI. 2020. Servicio Nacional de Meteorología e Hidrología del Perú. Mapa climático nacional. Ministerio del Ambiente. Lima, Perú. https://www.senamhi.gob.pe/?&p=mapa-climatico-del-peru.

Tadeo, R M.; Espinosa, C. A.; Guzmán, M. R.; Turrent, F. A.; Zaragoza, E. J. y Virgen, V. J. 2015. Productividad de híbridos varietales de maíz de grano amarillo para Valles Altos de México. Agron. Mesoam. 26(1):65-72. Doi.org/10.15517/am.v26i1.16921.

Vallejo, C. F. A. y Estrada, S. E. I. 2002. Interacción genotipo-ambiente. In: Vallejo, C. F. A. y Estrada, S. E. I. (Ed.). Mejoramiento genético de plantas. Universidad Nacional de Colombia. Palmira, Colombia. 189-202 pp.

Vargas, E. E. A.; Vargas, S. J. E. y Baena, G. D. 2016. Análisis de estabilidad y adaptabilidad de híbridos de maíz de alta calidad proteica en diferentes zonas agroecológicas de Colombia. Acta Agronómica. 65(1):72-79. Doi.org/10.15446/acag.v65n1.43417.

Yan, W.; Pageau, D.; Frégeau, R. J.; Lajeunesse, J.; Goulet, J.; Durand, J. and Marois, D. 2011. Oat mega-environments and test-locations in Quebec. Canadian J. Plant Sci. 91(4):643-649. Doi.org/10.4141/cjps10139.

Yan, W.; Frégeau, R. J.; Pageau, D. and Martin, R. 2016. Genotype-by-environment interaction and trait associations in two genetic populations of oat. Crop Sci. 56(3):1136-1145. Doi.org/10.2135/cropsci2015.11.0678.

Yang, R. C.; Crossa, J.; Cornelius, P. L. and Burgueño, J. 2009. Biplot analysis of genotype environment interaction: proceed with caution. Crop Sci. 49(5):1564-1576. Doi.org/10.2135/cropsci2008.11.0665.

Publicado

2022-11-22

Cómo citar

Ponce-Encinas, María Corina, Fernando López-Morales, Julián Chura-Chuquija, Enrique Hernández-Leal, Gregorio Hernández-Salinas, y Agustín Aragón-García. 2022. «Interacción Genotipo-Ambiente Del Rendimiento En híbridos De maíz Amarillo Mediante AMMI Y SREG». Revista Mexicana De Ciencias Agrícolas 13 (7). México, ME:1247-58. https://doi.org/10.29312/remexca.v13i7.3070.

Número

Sección

Artículos

Artículos más leídos del mismo autor/a