Análisis de estabilidad de híbridos experimentales de maíz con alta calidad de proteína en Costa Rica Stability analysis of experimental maize hybrids with high quality protein in Costa Rica
El objetivo de este trabajo fue determinar la adaptación de híbridos experimentales de maíz en Costa Rica. Se evaluaron veinticuatro híbridos experimentales de grano blanco en las condiciones agroecológicas de bosque tropical húmedo, durante el período 2009-2011, en las localidades de Concepción, Guagaral, Chánguena, El ]]>
Palabras clave: genotipos de maíz, AMMI, QPM, Biplot, componentes principales.
]]>
Abstract
The objective of this work was determine the adaptation of experimental maize hybrids in Costa Rica. Twenty four white grain experimental hybrids were evaluated in agroecological conditions of humid tropical forest during 2009-2011, at Concepción, ]]>
Key words: genotypes, AMMI, QPM, Biplot, principal components. Introducción
El maíz es una fuente de almidón pero su contenido de proteína es más bajo que el de otros cereales. Entre las clases de maíz, el amarillo ]]>
La liberación de híbridos modernos de maíz, tolerantes a factores adversos, bióticos y ]]>
et al. 2002).
En el maíz ]]>
et al. 2007).
A partir de los años 1970, los fitomejoradores del Centro Internacional de Mejoramiento de Maíz y Trigo (CIMMYT), apoyados por el laboratorio de bioquímica de esa institución, continuaron mejorando las características agronómicas y nutricionales de estos maíces. En los primeros años de la ]]>
et al. 2002, Bonilla 2005, Gordón et al. 2010).
El análisis de varianza y regresión conjunta, es una metodología empleada ampliamente para explicar la interacción genotipo x ambiente (Eberhart
y Russell 1966, Perkins y Jinks 1968). Las técnicas multivariadas también han sido utilizadas para estudiar los efectos de la interacción genotipo x ambiente; por ejemplo, el análisis de componentes principales (PCA), de coordenadas, y de clúster (Crossa 1990). El desarrollo del modelo AMMI (efectos principales aditivos e interacción multiplicativa), que integra análisis de varianza y de componentes principales (Castañón et al. ]]>
et al. 2000), ha mostrado su eficiencia para explicar una proporción de la suma de cuadrados de la interacción, superior a la obtenida con el análisis de varianza y regresión conjunta (Gauch y Zobel 1988, Crossa 1990, Crossa et al. 1990, Crossa et al. 1991, Yan et al. 2000, Crossa et al. 2002, Leem y Johnson 2005, Yang et al. ]]>
Es importante definir el concepto de estabilidad con que se trabaja, esto sin tomar en cuenta la metodología empleada para estimar la interacción genotipo x ambiente. Becker (1981), Lin et al. (1986), Becker y León (1988), definen conceptos de estabilidad fenotípica que se complementan desde el punto de vista estadístico, ]]>
Existen numerosos ejemplos de la utilización de las diversas metodologías aplicadas a evaluaciones de la interacción genotipo x ambiente, de manera que se determinan los genotipos más estables y los ambientes más discriminantes (Camargo et al. 2003, Bonilla 2005, Gordon et ]]>
2006, Gordon et al. 2010).
El objetivo de este trabajo fue determinar la adaptación de híbridos experimentales de maíz en diversas localidades de Costa Rica.
Materiales y Métodos
En el período 2009 a 2011 se evaluaron 24 híbridos experimentales de grano blanco. Las condiciones agroecológicas de los sitios experimentales en general fueron de bosque tropical húmedo con temperaturas entre 26 y 35°C y una precipitación promedio entre ]]>
2700-3200 mm por año. Los ensayos se establecieron en ocho localidades: Concepción de Pilas, Guagaral y Chánguena ubicadas en Buenos Aires, Puntarenas y Veracruz, El Águila, El Progreso en Pejibaye de Pérez Zeledón, San José, Costa Rica (Cuadro 1).
Previo a la siembra de los ensayos ]]>
Los materiales evaluados fueron ]]>
El sistema de siembra utilizado, ]]>
Las variables evaluadas fueron: ]]>
Para las variables medidas en términos de porcentaje se utilizó la transformación de arcoseno de la raíz cuadrada de x para ]]>
El tamaño de las parcelas experimentales constó de dos surcos de 5 m de largo distanciados a 0,75 m. Para el establecimiento en campo se utilizó un diseño de alfa látice con tres repeticiones mediante un arreglo de 4 x 6 (bloques x genotipos) de acuerdo con el siguiente modelo matemático:
en donde: X = Valor del carácter estudiado A L = efecto de ambiente μ = Media general (G A)IL = efecto de la interacción genotipo ambiente G I = efecto de genotipo e IJ = error experimental B J/L = ]]>
Se realizó un análisis de varianza combinado, con base en un modelo mixto (ambiente aleatorio y genotipo fijo). Se separó el efecto de la suma de cuadrados de los genotipos normales y QPM así como la diferencia entre ambos grupos. Para la separación de medias de todas las variables se utilizó la diferencia mínima ]]>
et al. 2000, Yan 2001, Yan y Hunt 2002a, Yan et al. 2007, Yan ]]>
en donde:
Yg e = rendimiento promedio de un genotipo g en un ambiente e ]]>
μ = Media general άg = efecto de las desviaciones de las medias de los genotipos βe = efecto de las desviaciones de las medias del ambiente ]]>
N = número de Pca retenidos en el modelo λn = es el valor singular para el Pca Yg n = Valores de vectores de los genotipos (Pca) ]]>
δe n = Valores de los vectores para cada ambiente (Pca) ρg e = residual
]]>
Resultados y Discusión
Análisis de varianza
Según el ]]>
Efecto de ambientes
Para este trabajo el ambiente (localidad) obtuvo un 49,05% de la suma de cuadrados total del análisis de varianza para la variable rendimiento de grano. Esto indica que los ambientes considerados fueron relativamente contrastantes con diferencias en la magnitud de las respuestas entre las medias ]]>
Efecto de genotipos
]]>
En cuanto a los genotipos el análisis de varianza mostró diferencias significativas (P<0,01) entre los diferentes híbridos evaluados para la variable rendimiento de grano; en este caso se logró obtener el 4,72% de la suma de cuadrados total del análisis de varianza para esta variable. Los híbridos CML494/ CML495 (9), (CLQRCWQ121/CLQRCWQ108)// CML491 (12), CLRCW92/CLRCW96//CML494 (8) y (CLQRCWQ122/CML502)//CML491 (17) presentaron los mayores rendimientos siendo dos híbridos ]]>
Interacción genotipo por ambiente
El análisis de varianza para ]]>
La gráfica Biplot GGESREG que toma en cuenta los valores de los dos ejes principales (PCA1 y ]]>
et al. ]]>
et al. 2006, Gordón et al. 2010). Para este experimento se logró separar tres grupos ambientales.
El primero (Grupo ambiental 1) lo conforman las localidades Concepción, El Águila1, Los Chiles1 y Upala 1; el promedio de rendimiento de estas fue de 6,29 t/ ]]>
De acuerdo a las puntuaciones del eje PCA2, los genotipos más estables fueron los híbridos (CLQRCWQ 121/CM L502)//CM L491;CML494/ CML 495;CLQRCWQ122/CLQRCWQ26)/ / C M L 4 9 1 , ( C L R C W 8 8 / C L R C W 9 5 ) / / CML494;(CLRCW88/CLRCW85)//CML494 y (CML 502/CLQRCWQ26)/CML491 (valores cercanos a cero), mientras que los híbridos (CLQRCWQ122/ C M L 5 0 2 ) / / C M L 4 9 1 , ( C L Q R C W Q 2 6 / CLQRCWQ108)//CML491, (CLQRCWQ121/CLQR CWQ108)//CML491 y (CLQRCWQ116/CML491)// CML503 fueron los que mejor respondieron a los estímulos ambientales por estar en las esquinas del polígono, presentando el mejor rendimiento los híbridos CML494/CML495 y (CLQRCWQ121/CLQRCWQ108)//CML491 con 7,11 y 7,07 t/ha respectivamente (Yan et al. 2000, Yan et al. 2001) (Cuadro 6).
Con relación a la interacción genotipo ambiente, los híbridos con el mejor desempeño en cada uno de los grupos ambientales, se encuentran cerca de cada grupo ambiental (Yan 2001, Yan y Hunt 2002b, Yan y Rajcan 2002). Ejemplo de esto, el híbrido (CLQRCWQ122/CML502)//CML491, el cual tuvo buen comportamiento en las localidades del Grupo 1 y 2 (tercero y segundo lugar) con medias de 7,95 y 5,22 t/ha pero ocupó la posición 12 en la localidad del Grupo 3 con 6,87 t/ha, mientras que el híbrido (CLQRCWQ121/CLQRCWQ108)//CML491 fue el de mejor rendimiento (8,17 t/ha) en los ambientes del Grupo 1 , pero su rendimiento quedó en las posiciones 12 y 7 en los ambientes del Grupo 2 y 3 (4,33 y 7,24 t/ha, respectivamente). Este comportamiento se puede observar al comparar las medias de rendimiento general y por cada grupo ambiental (Cuadro 7). El modelo Biplot GGE-SReg, resultó apropiado para estimar con precisión los patrones de respuesta de los sintéticos así como de los efectos ambientales. Literatura citada
Becker, HC. 1981. Correlations among some statistical measures of phenotypic stability. Euphytica 30(3): 835-840. [ Links ]
Becker, HC; León, J. 1988. Stability analysis in plant breeding. Plant Breeding 101:1-23. [ Links ]
Bonilla, N. 2005. Análisis de estabilidad de cultivares de maíz (Zea mays L.) en ambientes de Costa Rica. San José, Costa Rica. Alcances Tecnológicos 3(1):63-71. [ Links ]
Bonilla, N. 2009. Cultivo de maíz (Zea mays L.) Manual de recomendaciones cultivo de maíz. Instituto Nacional de Innovación y Transferencia en Tecnología Agropecuaria (INTA). 79 p. [ Links ]
Camargo, I; Gordón, R; Fuentes, M. 2003. Estabilidad y confiabilidad de los nuevos híbridos en comparación al testigo regional HB-83, 1998-2000. Agronomía Mesoamericana 14(2):129-134. [ Links ] Castañón, G; Zetina, R; Arano, R; Raygoza, B. 2000. El Ammi y Clúster en la selección de los mejores híbridos experimentales de maíz. Agronomía mesoamericana 11(1):71-76. [ Links ]
Córdova, HS. 1990. Estimación de parámetros de estabilidad para determinar la respuesta de híbridos de maíz (Zea mays L.) a ambientes contrastantes de Centroamérica, Panamá y México. In Memoria XXXVL Reunión PCCMCA. San Salvador. 234 p. [ Links ]
Córdova, HS; Castellanos, S; Barreto, H; Bolaños, J. 2002. Veinticinco años de mejoramiento en los sistemas de maíz en Centroamérica: Logros y estrategias hacia el 2000. Agronomía Mesoamericana 13(1):73-84. [ Links ]
Crossa, J. 1990. Statistical analysis of multi location trials. Advances in agronomy 44:55-85. [ Links ]
Crossa, J; Gauch, Jr, HG; Zobel, RW. 1990. Additive main effects and multiplicative interaction analysis of two international maize cultivar trials. Crop Science 30:493-500. [ Links ]
Crossa, J; Fox, PN; Pfeiffer, WH; Rajaram, S; Gauch, Jr., HG. 1991. AMMI adjustment for statistical analysis of an international wheat yield trial. Theoretical Applied Genetics 81:27-37. [ Links ]
Crossa, J; Cornelius, PL; Yan, W. 2002. Biplots of linearbilinear models for studying crossover genotype x environment interaction. Crop Science 42:619-633. [ Links ]
Gauch, HG; Zobel, RW. 1988. Predictive and postdictive success of statistical analysis of yield trials. Theoretical Applied Genetics 76:1-10. [ Links ]
Gordón-Mendoza, R; Camargo-Buitrago, I; Franco-Barrera, J; González-Saavedra, A. 2006. Adaptabilidad y estabilidad de 14 híbridos de maíz. Agronomía Mesoamericana 17(2):189-199. [ Links ]
Gordón-Mendoza, R; Franco-Barrera, J; Camargo-Buitrago, I. 2010. Adaptabilidad y estabilidad de 20 variedades de maíz, Panamá. Agronomía Mesoamericana 21(1):11-20. [ Links ] Krivanek, A; De Groote, H; Gunaratna, NS; Diallo, AO; Friesen, D. 2007. Breeding and disseminating quality protein maize (QPM) for Africa. African Journal of Biotechnology 6(4):312-324. [ Links ]
Lee, EJ; Johnson, DE. 2005. AMMI Macros for multiplicative interaction models, advanced micro devices Inc., Sunnyvale, CA, Kansas State University, Manhattan, KS. Paper 049-31. SUGI 31. Coders’ Corner. 10 p. [ Links ]
Lin, CS; Binns, MR; Lefkovitch, LP. 1986. Stability analysis: where do we stand? Crop Science 26(5):894-900. [ Links ]
Paliwal, RL; Granados, G. 2001. El maíz en los trópicos: Mejoramiento y producción. Organización de las Naciones Unidas para la Agricultura y la Alimentación. Roma, Italia. 376 p. [ Links ]
Perkins, JM; Jinks, JL. 1968. Environmental and genotype environmental components of variability. IV Nonlinear interactions for multiple inbred lines. Heredity 23:525-535. [ Links ]
Yan, W; Hunt, LA; Sheng, Q; Szlavnics, Z. 2000. Cultivar evaluation and mega environment investigation based on the GGE Biplot. Crop Science 40:597-605. [ Links ]
Yan, W. 2001. GGEbiplot—A Windows application for graphical analysis of multi-environment trial data and other types of two-way data. Agronomy Journal 93(5): 1111-1118. [ Links ]
Yan, W; Hunt, LA. 2002a. Biplot analysis of multi-environmental trial data. In Kang, MS. ed. Quantitative genetics, genomics and plant breeding. Louisiana State University, USA. CABI Publishing, CAB International. p. 289-303. [ Links ]
Yan, W; Rajcan, I. 2002. Biplot analysis of test sites and trait relations of soybean in Ontario. Crop Science 42:11-20. [ Links ]
Yan, W; Tinker, NA. 2005. An integrated system of biplot analysis for displaying, interpreting, and exploring genotype by environment interactions. Crop Science 45(3):1004-1016. [ Links ]
Yan, W; Tinker, NA. 2006. Biplot analysis of multi-environment trial data: principles and applications. Canadian Journal of Plant Science 86:623-645. [ Links ]
Yan, W; Kang, MS; Ma, B; Woods, S; Cornelius, PL. 2007. GGE Biplot vs. AMMI Analysis of Genotype-by-Environment Data. Crop Science 47:643-653. [ Links ]
Yang, R; Crossa, J; Cornelius, PL; Burgueno, J. 2009. Biplot analysis of genotype × environment interaction: Proceed with caution. Crop Science 49:1564-1576. [ Links ] ]]>
*Correspondencia a: Nevio Bonilla- Morales. Instituto Nacional de Innovación y Transferencia en Tecnología Agropecuaria (INTA). Apartado Postal 10094, San José, Costa Rica. nbonilla@inta.go.cr 1.Este trabajo es parte del proyecto de granos básicos del Instituto Nacional de Innovación y Transferencia en Tecnología Agropecuaria (INTA). 2.Instituto Nacional de Innovación y Transferencia en Tecnología Agropecuaria (INTA). Apartado Postal 10094, San José, Costa Rica. nbonilla@inta.go.cr
Recibido: 17 de marzo, 2012. Aceptado: 10 de octubre, 2012.