Estabilidad ambiental en híbridos de maíz usando el modelo AMMI en el Litoral ecuatoriano
Resumen
El objetivo de esta investigación fue evaluar la adaptabilidad y estabilidad del rendimiento de grano en 27 híbridos de maíz, usandoel modelo de efectos principales aditivos e interacción multiplicativa (AMMI). Los ensayos fueron conducidos en tres ambientes del Litoral ecuatoriano durante la época seca del año 2012. Se realizó un análisis de varianza combinado entre ambientes, posteriormente un análisis de consistencia y finalmente el análisis de efectos principales aditivos e interacción multiplicativa, para la variable rendimiento. El ambiente, híbrido y la interacción híbrido × ambiente explicaron el 13,74, 43,78 y 15.50% del total de la suma de cuadrados, espectivamente. El primer componente principal del análisis del modelo AMMI fue significativo (P<0,001), explicando un 82,11% de la suma de cuadrados de la interacción. Los híbridos triples seleccionados H11 y H15 mostraron alto rendimiento y estabilidad para todos los ambientes. El ambiente más eficiente para discriminar los híbridos fue Santa Ana. El modelo AMMI resultó muy útil para dentificar híbridos de maíz altamente productivos y con buena estabilidad.
Descargas
Citas
Asfaw, A., Alemayehu, F., Gurum, F, and Atnaf, M. 2009. AMMI and SREG GGE biplot analysis for matching varieties onto soybean production environments in Ethiopia, Scientific Research and Essays. 4:1322-1330,
Bergamaschi, H., Dalmago, G, A., Comiran, F., Bergonci, J, I., Müller, A, G., França, S., Santos, A, O., Radin, B., Bianchi, C, A, M., and Pereira, P, G. 2006. Deficit hídrico e produtividade na cultura do milho, Pesquisa Agropecuária Brasileira. 41:243-249.
Castañón, G., Zetina, R., Arano, R., and Raygoza, B. 2000. El Ammi y Clúster en la selección de los mejores híbridos experimentales de maíz, Agronomía mesoamericana. 11:71-76.
Crossa, J., Gauch, H., and Zobel, R, W. 1990. Additive main effects and multiplicative interaction analysis of two international maize cultivar trials, Crop Science, 30:493-500.
Ebdon, J., and Gauch, H. 2002. Additive main effect and multiplicative interaction analysis of national turf- grass performance trials, Crop science, 42:497-506.
Falconer, D, S., and Mackay, T, F, C. 2006. Introducción a la genética cuantitativa, Acribia.
Finlay, K,, and Wilkinson, G, 1963, The analysis of adaptation in a plant-breeding programme, Crop and Pasture Science, 14:742-754.
García, M., Cabrera, P,, Pérez, C., Silva, D., Álvarez, P., Marín, R., Monasterio, P., and Santella, Q. 2009. Yield stability and agronomic potential of maize cultivars with normal and QPMendosperm in agroecological zone of Venezuela, Agronomía Tropical (Maracay). 59:433-443.
Gauch, H, G,, Piepho, H,-P,, and Annicchiarico, P. 2008. Statistical analysis of yield trials by AMMI and GGE: further considerations, Crop science. 4: 866-889.
Geerts, S., and Raes, D. 2009. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas. Agricultural water management. 96:1275-1284.
Gordón-Mendoza, R., Camargo-Buitrago, I., Franco-Barrera, J., and Saavedra, A, G. 2006. Evaluación de la adaptabilidad y estabilidad de 14 híbridos de maíz, Azuero, Panamá, Agronomía Mesoamericana. 17: 189- 199.
Harfouche, A. 2000. A non-parametric data analysis for studying genotype×environment interaction effects in maritime pine (Pinus pinaster Ait,). Forest Genetics. 7:253-263.
Kadi, Z., Adjel, F., and Bouzerzour, H. 2010. Analysis of the genotype X environment interaction of barley grain yield (Hordeum Vulgare L,) under semi arid conditions. Advances in environmental biology. 34-41.
Kang, S., Liang, Z., Pan, Y., Shi, P., and Zhang, J. 2000. Alternate furrow irrigation for maize production in an arid area. Agricultural Water Management. 45:267-274.
Kaya, Y., and Turkoz, M. 2016. Evaluation of genotype by environment interaction for grain yield in durum wheat using non-parametric stability statistics, Turkish Journal of Field Crops. 21:51-59.
Kempton, R. 1984. The use of biplots in interpreting variety by environment interactions, J, Agric, Sci. 103:123-135.
Lehrsch, G, A,, Sojka, R., and Westermann, D. 2000. Nitrogen placement, row spacing, and furrow irriga- tion water positioning effects on corn yield. Agronomy Journal. 92:1266-1275. Lin, C, S., Binns, M, R., and Lefkovitch, L, P. 1986. Stability analysis: where do we stand? Crop science, 26:894-900.
Liu, Y,-J,, Chuan, D,, Tian, M,-L,, Hu, E,-L,, and Huang, Y,-B. 2010. Yield stability of maize hybrids evalua- ted in maize regional trials in southwestern china using nonparametric methods, Agricultural Sciences in China. 9:1413-1422,
Magari, R,, and Kang, M, S. 1993. Genotype selection via a new yield-stability statistic in maize yield trials. Euphytica. 70:105-111.
Nassir, A, L,, and Ariyo, O, J. 2011. Genotype x environment interaction and yield-stability analyses of rice grown in tropical inland swamp, Notulae Botanicae Horti Agrobotanici Cluj-Napoca. 39:220.
Palemón-Alberto, F., Gómez-Montiel, N, O., Castillo-González, F., Ramírez-Vallejo, P., Molina-Galán, J, D., and Miranda-Colín, S, 2012, Estabilidad de cruzas intervarietales de maíz (Zea mays L,) para la región semicálida de Guerrero. Agrociencia. 46:133-145.
Rad, M, N., Kadir, M, A., Rafii, M., Jaafar, H, Z., Naghavi, M, R., and Ahmadi, F. 2013. Genotype× environ- ment interaction by AMMI and GGE biplot analysis in three consecutive generations of wheat (Triticum aestivum) under normal and drought stress conditions, Australian Journal of Crop Science. 7: 956-961.
Rea, R., and De Sousa–Vieira, O. 2001. Interacción genotipo x ambiente y análisis de estabilidad en ensayos regionales de caña de azúcar en Venezuela. Caña de azúcar 19.
Ribaut, J,-M., Jiang, C,, Gonzalez-de-Leon, D., Edmeades, G,, and Hoisington, D. 1997. Identification of quantitative trait loci under drought conditions in tropical maize, 2, Yield components and marker-assisted selection strategies, Theoretical and Applied Genetics. 94:887-896.
Sadras, V, O, and Angus, J, F. 2006. Benchmarking water-use efficiency of rainfed wheat in dry environ- ments, Crop and Pasture Science. 57:847-856.
SINAGAP (Sistema de Información Nacional de Agricultura, Ganadería, Acuacultura y Pesca). 2014. Bo- letín Situacional Maíz Duro 2014, Coordinación General del Sistema de Información Nacional, MAGAP, Quito, p. 6. Disponible en: http://sinagap,agricultura,gob,ec/phocadownloadpap/cultivo/2014/iboletin maiz-duro-seco-2014-actualizado,pdf (consultado el 5 Marzo 2017).
Soluki, M., Ghanbari, A., Sadehi, A, A, V., and Kazemipour, A. 2008. Yield stability analysis in hulless barley (Hordeum vulgare L,), Asian Journal of Plant Sciences. 7:589-593.
Srinivasa Rao, P., Reddy, P, S., Rathore, A., Reddy, B, V., and Panwar, S. 2011. Application GGE biplot and AMMI model to evaluate sweet sorghum (Sorghum bicolor) hybrids for genotype x environment interaction and seasonal adaptation, Indian Journal of Agricultural Sciences. 81:438-444.
Tollenaar, M., and Lee, E, 2002, Yield potential, yield stability and stress tolerance in maize. Field Crops Research. 75:161-169.
Voltas, J., van Eeuwijk, F., Igartua, E., Garcia del Moral, L., Molina-Cano, J, L., and Romagosa, I. 2002. Genotype by environment interaction and adaptation in barley breeding: basic concepts and methods of analysis, Barley science: Recent advances from molecular biology to agronomy of yield and quality: 205-241.
Wold, S., Esbensen, K., and Geladi, P. 1987. Principal component analysis, Chemometrics and intelligent laboratory systems. 2:37-52.
Yan, W., Hunt, L., Sheng, Q., and Szlavnics, Z. 2000. Cultivar evaluation and mega-environment investiga- tion based on the GGE biplot. Crop Science. 40: 597-605.
Zobel, R, W., Wright, M, J., and Gauch, H, G. 1988. Statistical analysis of a yield trial, Agronomy journal. 8: 388-393.
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.