RENDIMIENTO Y COMPONENTES AGRONÓMICOS EN HÍBRIDOS DE MAÍZ MORADO (Zea mays L.) USANDO EL MODELO AMMI
DOI:
https://doi.org/10.21704/ac.v84i1.1681Palabras clave:
maíz, rendimiento de grano, híbridos, estabilidad y adaptabilidad, biplotResumen
La producción de maíz (Zea mays L.) en México es deficitaria a pesar de producir 27 millones de toneladas, en los últimos cuatro años se ha incrementado la producción de maíz en Sonora, produciendo de 544 a 680 mil toneladas en 2018 y 2021 respectivamente, el 97% de la producción corresponde a maíces de color blanco, 3% a maíces amarillos; sin embargo, en maíces de color no hay registros de siembras. El objetivo de esta investigación fue estimar el rendimiento de grano y sus componentes agronómicos en híbridos mejorados de maíz morado en el sur de Sonora. Se utilizó un diseño experimental de bloques completos al azar con tres repeticiones con el modelo AMMI, las parcelas fueron de dos surcos en cuatro metros de longitud con una densidad de población de 100,000 plantas por hectárea, las variables fueron: rendimiento de grano, peso de mil granos, longitud de mazorca, granos por hilera, hileras por mazorca y peso hectolitrico. Los resultados mostraron significancia estadística entre híbridos, años y su interacción en todas las variables, el modelo AMMI fue útil para comprender la interacción genotipo-ambiente existente entre los híbridos de color modado en el rendimiento de grano. El AMMI, permitió identificar los híbridos 10, 1, 17, 4 y 2 como más estables en RG, GH, HM y LM para el año 2020, Por otra parte, los híbridos 9, 12, 3 y 13 en 2019; sin embargo, los de mayor interacción fueron 7, 16 y 4 presentaron rendimientos inferiores a la media general; los híbridos 16, 10, 14 y 19 obtuvieron mayor rendimiento, así como mayor PMG, PH GH, y LM. Existió correlación entre el rendimiento de grano con PMG, PH, LM, GH Y HM; en PMG hubo más asociación con PH, GH E HM.
Descargas
Referencias
Acevedo, B.M., Álvarez, R., Silva, O., Torres, E. (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. Bioagro 33(2): 67-78. 2021. doi: http://www.doi.org/10.51372/bioagro332.1.
Crossa, J., Gauch, H., Zobel, R. (1990). Additive main effects and multiplicative interaction analysis of two international maize ultivar trials. Crop Sci. 30: 493-500. https://doi.org/10.2135/cropsci1990.0011183X003000030003xCitations: 159.
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.
Fayeun, L.S., Alake, C.G., 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.
García, M.P.J., Pérez, C.A.A., Silva, D.R.J., Álvarez, P.R.M., Monasterio, P.P., Taramona, R.L.A. (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. https://www.redalyc.org/articulo.oa?id=476047390006.
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). Interacción genotipo ambiente y potencial productivo de 25 variedades de maíz amiláceo en la provincia de Tayacaja, Perú. Revista Bioagro 33(2): 67-78. https://doi.org/10.29312/remexca.v13i7.3070.
García, E. (1973). Modificaciones al Sistema de Clasificación Climática de Köppen. http://cdigital.dgb.uanl.mx/la/1020081042/1020081042_011.pdf. (Noviembre, 2021).
Gauch, H.G. (2006). Statistical Analysis of Yield Trials by AMMI and GGE. Crop Science, 46: 1488-1500. https://doi.org/10.2135/cropsci2005.07-0193
Gauch, H.G., Zobel, R.W. (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. http://dx.doi.org/10.1201/9781420049374.ch4.
Gómez, M.Y., Boicet, F.T., Tornés, O.N., Meriño, H.Y. (2018). Interacción genotipo ambiente de cuatro variedades de tomate en la provincia Granma. Rev. Centro Agrícola. 45(2):21-28.
López, M.F., Chura, C.J., 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., 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.
Martínez, G.A., Zamudio, G.B., Tadeo, R.M., Espinosa, C.A., Cardoso, G.J., Vázquez, C.G., Turrent, F.A. (2018). Rendimiento de híbridos de maíz grano blanco en cinco localidades de valles Altos de México. Rev. Mex. de Cienc. Agríc. 7(9):1447-1458. https://doi.org/10.29312/remexca.v9i7.1357.
Neisse, A.C., Kirch, L.J., Hongyu, K. (2018). AMMI and GGE biplot for genotype x 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.
Ponce-Encinas, M.C., Chura-Chuquija, J., Hernández-Leal, E., Hernández-Salinas, G., Aragón-García, A. (2022). Interacción genotipo-ambiente del rendimiento en híbridos de maíz amarillo mediante AMMI y SREG. Revista Mexicana de Ciencias Agrícolas, 13(7): 1247-1258. DOI: https://doi.org/10.29312/remexca.v13i7.3070.
SAS Institute. (2012). User’s Guide of SAS. SAS Institute Inc. Cary, North Carolina, USA. 550 p.
SIAP, Servicio de Información Agroalimentaria y Pesquera (2022) Avance de siembras y cosechas. Resumen nacional por estado. http://infosiap.siap.gob.mx:8080/agricola_siap_gobmx/AvanceNacio-nalCultivo.do (Consultado Mayo, 2022).
Salinas, M.Y., Gómez, M., Cervantes, J.M., Sierra, M.M., Palafox, A.C., Betanzos M.E., Coutiño, E.B. (2010). Calidad nixtamalera y tortillera en maíces del trópico húmedo y sub-húmedo de México. Revista Mexicana de Ciencias Agrícolas 1:509-523. https://www.redalyc.org/articulo.oa?id=263120639005.
Steel, R., Torrie, J. (1988). Bioestadística:Principios y Procedimientos. McGraw-Hill /Interamericana, México. Doi: https://arveja.awardspace.com.
Vázquez-Carrillo, M.G., Santiago-Ramos, D., Gaytán-Martínez, E., Morales-Sánchez, E., Guerrero-Herrera, M.J. (2018). High oil content maize: Physical, thermal and rheological properties of grain, masa, and tortillas. LWT-Food Science and Technology 60:156-161. DOI:10.1016/j.lwt.2014.07.043.
Vázquez, C.G., Martínez, G.A., Zamudio, G.B., Espinosa, C.A., Tadeo, R.M., Turrent, F.A. (2020). Estabilidad de rendimiento y características fisicoquímicas de grano de híbridos de maíz en Valles Altos de México. Rev. Mex. Cienc. Agríc. 8(11):1803-1814. DOI: https://doi.org/10.29312/remexca.v11i8.1990.
Vargas, H.M., Crossa, J. (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/10883/3489/23. 73248.pdf?sequence=1&isAllowed=y (consulta de mayo, 2022).
Yan, W., Frégeau, R.J., Pageau, D., 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.
Zobel, R.W., Wright, M.J., y Gauch, H.G. (1988). Statistical analysis of a yield trial. Agron. J. 80: 388-393. https://doi.org/10.2134/agronj1988.00021962008000030002x.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2023 Gilberto Rodríguez-Pérez, Alejandro García-Ramirez, Felipe de Jesús Reynaga-Franco, Jaime Edzael Mendívil-Mendoza, Alba Rocío Ochoa Meza, Francisco Cervantes-Ortiz, Enrique Andrio Enriquez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
