Informe de Resultados Red Multiambiental de Evaluación de híbridos de Maíz de Primera
1 Introducción
El cultivo de maíz (Zea mays) es uno de los más importantes en los sistemas productivos de la región. La alta producción de biomasa de este cultivo genera un importante aporte de C al suelo. Además, su inclusión en la rotación disminuye la incidencia de enfermedades y plagas en otros cultivos.
El rendimiento de un cultivo (fenotipo) es función del resultado acumulativo de numerosos factores que inciden en la interacción entre la expresión del material genético del híbrido o cultivar (genotipo) y las condiciones en las cuales la planta crece (ambiente). Los ambientes difieren en la cantidad y calidad de recursos que están disponibles para las plantas (agua, nutrientes y radiación), y las plantas capturan y convierten dichos recursos en biomasa y órganos de interés comercial, según su carga genética, que a su vez es modulada por el ambiente (Yan y Kang, 2002).
Según el objetivo de mejoramiento, los genotipos pueden ser seleccionados para mejorar su adaptación a un amplio rango de condiciones ambientales o bien para condiciones más específicas. En este último caso, la adaptación sitio-específica de los genotipos se relaciona con el fenómeno denominado interacción genotipo-ambiente (GA), el cual se observa cuando la performance relativa de los fenotipos depende del ambiente en el que crecen (Malosetti et al., 2013).
La interacción GA reduce la asociación entre los valores fenotípicos y genotípicos, lo cual puede ocasionar que los genotipos seleccionados por su performance en un ambiente tengan tengan mal desempeño en otro. Es por ello que en presencia de fuerte interacción GA, gran parte del éxito productivo del cultivo de maiz es el resultado de la elección de los materiales más aptos para cada ambiente.
1.1 Objetivos
Resumir los datos de rendimiento de los genotipos de maiz evaluadas en la Red CREA RNSF de Ensayos Multiambientales durante la campaña 2021/22.
Analizar estadísticamente los datos comparando los genotipos globalmente en toda la red en la campaña 2021/22.
Explorar y describir los patrones de la interacción GA en la campaña 2021/22 en particular y considerando el conjunto de ambientes explorados en las distintas localidades y campañas.
2 Metodología
2.1 Sitios experimentales
Durante la campaña 2021/22 se llevaron adelante ensayos comparativos de rendimiento de genotipos de maiz de primera en 5 localidades del Norte de la Provincia de Santa Fe. Los sitios seleccionados para los ensayos en cada localidad corresponden a establecimientos productivos de miembros CREA de la Región Norte de Santa Fe. La distribución espacial e información de los ensayos se muestra en la Figura 2.1. A modo de referencia se incluye la ubicación de los ensayos de las campañas anteriores.
Mapa interactivo: se puede hacer zoom o mostrar/ocultar información de cada ensayo (Fecha de siembra, antecesor, densidad, fertilizacion, etc) haciendo haciendo clik sobre los puntos de la campaña 2021/22.
Figura 2.1: Distribución espacial de las localidades incluidas en la campaña 2021/22 y anteriores
En cada sitio se establecieron ensayos comparativos de rendimiento (ECR) utilizando un diseño experimental sin réplicas con controles sistemáticos (Kempton, 1997). Los materiales fueron sembrados con espaciamiento entre surco (EES) de 52 cm en franjas entre 3.12 y 4.68 m de ancho por entre 180 y 200 m de longitud.
2.2 Condiciones climáticas
Figura 2.2: Precipitaciones mensuales totales por localidad durante la campaña 2021/22 y serie 1945/2020 del EEA INTA Reconquista
Se observa que al inicio de la campaña, en todas las localidades el total de lluvias mensuales fue menor que la serie histórica. En noviembre se produjeron lluvias superiores al promedio histórico, destacándose la zona de La Crriolla, Bajada 213-Calchaquí y Margarita con valores acumulados por encima de 200 mm. Luego durante la parte final de la campaña se observaron valores de lluvia menores al promedio.
En cuanto a la marcha del régimen térmico, en ninguna de las localidades se registraron heladas tardías. Hacia finales del ciclo, se registró un periódo de altas temperaturas sostenidas durante varios días.
En cuanto a la marcha del régimen térmico, en ninguna de las localidades se registraron heladas tardías. Hacia finales del ciclo, se registró un periódo de altas temperaturas sostenidas durante varios días.
2.3 Genotipos
Los tratamientos evaluados en la campania 2021/22 fueron 37 genotipos. En la Tabla 2.1 se indican las localidades en las que fueron evaluados.
| Semillero | Genotipo | Localidades | ||||
|---|---|---|---|---|---|---|
| Bajada 213-Calchaquí | Colonia Silva | La Criolla | La Pelada | Margarita | ||
 |
ACA 473 VT3PRO | |||||
|
ACA 476 VT3PRO | |||||
|
ACA 484 VT3PRO | |||||
|
ACA EXP. VT3PRO | |||||
 |
ADV 8115 VT3PRO | |||||
|
ADV 8122 VT3PRO | |||||
 |
ARG 7715 BTRRCL | |||||
|
ARG 7718 VT3PRO EXP | |||||
 |
BRV 8380 PWU | |||||
|
NEXT 22.6 PWU | |||||
 |
DM 2773 VT3PRO | |||||
|
DM 2789 VIPTERA3 | |||||
 |
DUO 255 PWU | |||||
 |
HS 687 BTRR | |||||
|
HS TRONIX BTRR | |||||
 |
I799 VT3PRO | |||||
 |
LT 723 VTPRO4 | |||||
|
LT 785 VT3PRO | |||||
 |
EXP APACHE | |||||
 |
DK 72-20 VTPRO4 | |||||
|
DK 72-70 VT3PRO | |||||
|
DK 73-30 VT3PRO | |||||
|
DK 77-02 VT3PRO | |||||
 |
NXM 1122 PWU | |||||
|
NXM 7123 PW | |||||
 |
NS 7621 VIPT3 | |||||
|
NS 7818 VIPT3 | |||||
|
NS 7921 VIPTERA 3 CL | |||||
 |
NK 842 VIP3 | |||||
|
SYN 897 VIP3 | |||||
 |
P 1804 VYHR | |||||
|
P 2021 PWUE | |||||
|
P 2089 VYHR | |||||
 |
EXP. FLORENTINO 318 | |||||
La mayoría de los genotipos estuvieron presentes en las 5 localidades. Los genotipos ACA EXP., HS 687 BTRR, HS TRONIX BTRR, DK 72-10 VT3PRO y DK 77-02 VT3PRO no estuvieron presentes en las localidades La Criolla y Margarita. Asimismo, NS 7818 VIPT3 y EXP. FLORENTINO 318 no fueron evaluiados en Bajada 213-Calchaquí, Colonia Silva y La Pelada. Por último, NEXT 22.6 PWU e I799 VT3PRO no estuvieron presentes en La Criolla, mientras que NS 7621 VIPT3 no se evaluó en Margarita.
El genotipo P 1804 VYHR actuó como referencia o check, con más de una réplica por localidad. Para el análisis global se utilizaron los datos de todos los genotipos con presentes en al menos tres localidades.
3 Resultados
3.1 Rendimiento testigo
En la Tabla 3.1 se muestran los rendimientos promedio por localidad de los genotipos utilizados como check o control.
| Localidad | media | CV |
|---|---|---|
| Bajada 213-Calchaquí | 4239 | 10 |
| Colonia Silva | 4592 | 10 |
| La Criolla | 5855 | 6 |
| La Pelada | 3225 | 8 |
| Margarita | 4718 | 11 |
En general la variabilidad observada en el control repetido fue baja indicando homogeneidad en las condiciones experimentales dentro de cada sitio. Tampoco se observó un gradiente de rendimientos consistente en dirección al orden de las parcelas por lo que los rendimientos no fueron ajustados. La Tabla 3.2 muestra el stand de plantas promedio logrado en las distintas localidades.
| Localidad | Promedio | CV (%) |
|---|---|---|
| Bajada 213-Calchaquí | 56303 | 3 |
| Colonia Silva | 48173 | 4 |
| La Criolla | 47288 | 6 |
| La Pelada | 43499 | 4 |
| Margarita | 56125 | 4 |
El stand mostró baja variación dentro de las localidades, con CV en torno al 4%.
3.2 Rendimientos por Localiad
Las Figuras 3.1 y ?? muestran los rendimientos medios por localidad, respectivamente. La línea continua representa el promedio en toda la campaña.
Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda.
Figura 3.1: Rendimiento seco promedio y desvío estándar por Localidad
Los rendimientos promedio de las localidades variaron entre ~ 3000 (La Pelada) a 5500 kg ha-1 (La Crioilla). Este aspecto determina el rango del índice ambiental explorado. Por otro lado, las parcelas con checks mostraron rendimientos en torno al rendimiento promedio de la localidad o rendimientos más altos.
3.3 Rendimientos por Genotipo
En la Figura 3.2 se presentan los valores medios y desviaciones estándar de los rendimientos seco de los genotipos considerando la variabilidad entre localidades.
Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda.
Figura 3.2: Rendimientos medios y desvio estándar de los genotipos
En general todos los genotipos presentaron rendimientos medios entre 3100 y 5500 kg ha-1. La amplitud de las barras de cada material representan las diferencias de variabilidad entre ambientes. Genotipos como NS 7118 VIPT3 y ADV 8115 VT3PRO, mostraron rendimiento promedio superior al general. La variación observada en estos materiales responde a fueron evaluados en 2 o 3 localidades bien contrastantes.
3.4 Rendimientos promedio y CV
En la Tabla 3.3 se presentan los promedios y \(CV\) por Genotipo y Localidad, del rendimiento seco en kg/ha y base 100. Los genotipos están ordenados en función del valor relativo promedio. Los colores están ordenados en funión del valor relativo de cada localidad.**
Los datos pueden descargarse de los siguientes enlaces: medias_CV_rend_real.xlsx
3.4.1 Tabla rendimiento y CV
| Genotipo | Localidad | Promedio | CV | |||||
|---|---|---|---|---|---|---|---|---|
| Bajada 213-Calchaquí | Colonia Silva | La Criolla | La Pelada | Margarita | ||||
| 1 | DK 72-70 VT3PRO | — | 145 (6206) | — | 98 (3103) | — | 122 (4654) | 27 (47) |
| 2 | ADV 8115 VT3PRO | — | 135 (5779) | 104 (5749) | 93 (2942) | 132 (5729) | 116 (5050) | 18 (28) |
| 3 | NS 7818 VIPT3 | — | — | 116 (6410) | — | 105 (4587) | 110 (5498) | 7 (23) |
| 4 | NXM 1122 PWU | 116 (4040) | 130 (5569) | 95 (5277) | 106 (3349) | 101 (4416) | 110 (4530) | 13 (20) |
| 5 | P 1804 VYHR | 122 (4239) | 107 (4592) | 106 (5855) | 102 (3225) | 108 (4718) | 109 (4526) | 7 (21) |
| 6 | DK 72-20 VTPRO4 | 116 (4049) | 92 (3938) | 116 (6439) | 106 (3345) | 103 (4473) | 107 (4449) | 9 (27) |
| 7 | P 2089 VYHR | 128 (4440) | 80 (3426) | 104 (5750) | 108 (3412) | 113 (4928) | 107 (4391) | 16 (23) |
| 8 | LT 723 VTPRO4 | — | 110 (4700) | 106 (5847) | 95 (3006) | 113 (4904) | 106 (4614) | 7 (26) |
| 9 | ACA 476 VT3PRO | — | 118 (5045) | 92 (5121) | 104 (3286) | 112 (4855) | 106 (4577) | 11 (19) |
| 10 | NK 842 VIP3 | — | 104 (4430) | 98 (5432) | 108 (3430) | 110 (4797) | 105 (4522) | 5 (19) |
| 11 | NXM 7123 PW | 117 (4067) | 103 (4420) | 108 (5974) | 98 (3092) | 88 (3822) | 103 (4275) | 11 (25) |
| 12 | DK 73-30 VT3PRO | 106 (3703) | 125 (5361) | 97 (5363) | 95 (2991) | 90 (3898) | 103 (4263) | 13 (25) |
| 13 | I799 VT3PRO | 93 (3223) | 103 (4415) | — | 111 (3514) | 104 (4543) | 103 (3924) | 7 (17) |
| 14 | P 2021 PWUE | 102 (3550) | 96 (4123) | 106 (5886) | 100 (3166) | 104 (4535) | 102 (4252) | 4 (25) |
| 15 | ARG 7715 BTRRCL | 111 (3858) | 124 (5294) | 92 (5070) | 91 (2868) | 90 (3927) | 102 (4203) | 15 (24) |
| 16 | NEXT 22.6 PWU | — | 83 (3565) | — | 111 (3518) | 112 (4858) | 102 (3980) | 16 (19) |
| 17 | DM 2773 VT3PRO | — | 86 (3682) | 101 (5600) | 96 (3036) | 119 (5193) | 100 (4378) | 14 (28) |
| 18 | BRV 8380 PWU | 112 (3901) | 95 (4074) | 114 (6309) | 83 (2614) | 96 (4175) | 100 (4215) | 13 (32) |
| 19 | DK 77-02 VT3PRO | — | 96 (4114) | — | 103 (3264) | — | 100 (3689) | 5 (16) |
| 20 | HS 687 BTRR | 112 (3906) | 88 (3766) | — | 100 (3174) | — | 100 (3615) | 12 (11) |
| 21 | NS 7621 VIPT3 | 97 (3359) | 104 (4444) | 98 (5431) | 91 (2878) | — | 98 (4028) | 5 (28) |
| 22 | DUO 255 PWU | — | 79 (3365) | 90 (4999) | 111 (3510) | 109 (4723) | 97 (4149) | 16 (20) |
| 23 | ACA 473 VT3PRO | 97 (3381) | 104 (4445) | 98 (5405) | 94 (2984) | 94 (4077) | 97 (4058) | 4 (23) |
| 24 | ADV 8122 VT3PRO | 102 (3554) | 77 (3299) | 102 (5649) | 106 (3357) | 99 (4319) | 97 (4036) | 12 (25) |
| 25 | EXP APACHE | 88 (3060) | 93 (3958) | 92 (5078) | 93 (2956) | 109 (4763) | 95 (3963) | 9 (24) |
| 26 | ACA EXP. VT3PRO | — | 91 (3901) | — | 99 (3135) | — | 95 (3518) | 6 (15) |
| 27 | ACA 484 VT3PRO | — | 90 (3836) | 98 (5414) | 110 (3485) | 79 (3432) | 94 (4042) | 14 (23) |
| 28 | SYN 897 VIP3 | 63 (2191) | 110 (4698) | 102 (5643) | 96 (3028) | 95 (4150) | 93 (3942) | 19 (35) |
| 29 | ARG 7718 VT3PRO EXP | 93 (3230) | 87 (3704) | 103 (5703) | 106 (3341) | 76 (3314) | 93 (3858) | 13 (27) |
| 30 | DM 2789 VIPTERA3 | 78 (2705) | 78 (3318) | 96 (5335) | 106 (3357) | 96 (4181) | 91 (3779) | 14 (27) |
| 31 | NS 7921 VIPTERA 3 CL | 78 (2702) | 87 (3704) | 94 (5233) | 98 (3096) | 83 (3593) | 88 (3666) | 9 (26) |
| 32 | LT 785 VT3PRO | 78 (2711) | 89 (3795) | 94 (5219) | 105 (3322) | 71 (3108) | 87 (3631) | 15 (27) |
| 33 | HS TRONIX BTRR | 92 (3205) | 91 (3898) | — | 75 (2387) | — | 86 (3163) | 11 (24) |
| 34 | EXP. FLORENTINO 318 | — | — | 78 (4343) | — | 88 (3836) | 83 (4090) | 9 (9) |
| 35 | Promedio | 100 (3480) | 100 (4277) | 100 (5538) | 100 (3162) | 100 (4352) | — | — |
El nivel de variabilidad de los genotipos a través de los ambientes mostró valores moderados (> 20%) en los datos expresados en rendimiento absoluto. Aproximadamente el 50% de los genotipos tuvo CV de rendimiento entre 20 y 26%. Al considerar los valores relativos, la variabilidad se reduce (el 50% de los híbridos pasa a tener CV entre 7 y 14%), ya que se remueve en parte el efecto de la variación entre localidades.
En general se observaron cambios en la posición relativa a traves de las localidades. En algunos casos, estos cambios fueron pequeños, por ejemplo P 1804 VYHR que se mantuvo dentro del grupo intermedio (rendimiento relativo ligeramente superior a 100). En otros casos, genotipos pasaron de grupo superior a valores de rendimiento relativo debajo de 90 o menos.
3.4.2 Gráfico
La Figura 3.3 presenta la relación entre los rendimientos promedio expresados en valores relativos y la estabilidad (indicada por el CV) de los genotipos a través de las localidades incluidas en la red durante la campaña 2021/22.
Figura 3.3: Rendimiento seco medio corregido a 42% MG (en kg/ha) y CV (%) de los genotipos evaluados en la campaña 2021/22
Tomando el rendimiento y CV medios de la red (líneas punteadas), se observa que el genotipo de mayor rendimiento relativo promedio (ADV 8115 VT3PRO) mostró valores altos de variabilidad, en especial el primero que fue evaluado sólamente en dos ambientes contrastantes. En cambio NXM 1122 PWU, NS 7817 VIPT3 y P 1804 VYHR presentaron rendimientos 10% superiores al promedio general y CV entre menor al promedio global (11%).
3.5 Diferencias entre genotipos
En la Tabla 3.4 se presentan los resultados del análisis de la varianza (ANOVA) del modelo mixto ajustado usando la informacion de los genotipos con al menos tres localidades.
| gl num | gl den | F | Valor p | |
|---|---|---|---|---|
| (Intercept) | 1 | 97 | 104.20 | 0.00000 |
| Genotipo | 28 | 97 | 1.52 | 0.06918 |
Se detectaron diferencias de rendimiento estadísticamente significativas al 10% considerando la red en su conjunto y considerando la heterogeneidad de variabilidad entre localidades (p = 0.069). El efecto del stand de plantas no fue significativo al 10%. En Tabla 3.5 se listan los valores medios ajustados, errores estándar e intervalos de confianza de los rendimientos medios de cada genotipo. La amplitud de los \(IC_{90}\) responde a que el espacio de inferencia es toda la región de donde proviene la muestra de las 5 localidades analizadas y la precisión alcanzada según el número de réplicas.
| Rend. medio | Error estándar | gl | LI IC90 | LS IC90 | grupo | |
|---|---|---|---|---|---|---|
| ADV 8115 VT3PRO | 4896 | 477 | 4 | 3879 | 5913 | 1 |
| NXM 1122 PWU | 4530 | 463 | 4 | 3543 | 5517 | 12 |
| P 1804 VYHR | 4526 | 463 | 4 | 3539 | 5513 | 12 |
| LT 723 VTPRO4 | 4461 | 477 | 4 | 3444 | 5477 | 12 |
| DK 72-20 VTPRO4 | 4449 | 463 | 4 | 3462 | 5436 | 12 |
| ACA 476 VT3PRO | 4423 | 477 | 4 | 3406 | 5440 | 12 |
| P 2089 VYHR | 4391 | 463 | 4 | 3404 | 5378 | 12 |
| NK 842 VIP3 | 4369 | 477 | 4 | 3352 | 5385 | 12 |
| NXM 7123 PW | 4275 | 463 | 4 | 3288 | 5262 | 12 |
| I799 VT3PRO | 4264 | 477 | 4 | 3247 | 5280 | 12 |
| DK 73-30 VT3PRO | 4263 | 463 | 4 | 3276 | 5250 | 12 |
| P 2021 PWUE | 4252 | 463 | 4 | 3265 | 5239 | 12 |
| NEXT 22.6 PWU | 4229 | 499 | 4 | 3164 | 5293 | 12 |
| DM 2773 VT3PRO | 4224 | 477 | 4 | 3207 | 5241 | 12 |
| BRV 8380 PWU | 4215 | 463 | 4 | 3228 | 5202 | 12 |
| ARG 7715 BTRRCL | 4203 | 463 | 4 | 3216 | 5190 | 12 |
| HS 687 BTRR | 4128 | 499 | 4 | 3063 | 5192 | 12 |
| NS 7621 VIPT3 | 4072 | 477 | 4 | 3056 | 5089 | 12 |
| ACA 473 VT3PRO | 4058 | 463 | 4 | 3071 | 5045 | 12 |
| ADV 8122 VT3PRO | 4036 | 463 | 4 | 3049 | 5023 | 12 |
| DUO 255 PWU | 3996 | 477 | 4 | 2979 | 5012 | 12 |
| EXP APACHE | 3963 | 463 | 4 | 2976 | 4950 | 12 |
| SYN 897 VIP3 | 3942 | 463 | 4 | 2955 | 4929 | 12 |
| ACA 484 VT3PRO | 3888 | 477 | 4 | 2871 | 4905 | 12 |
| ARG 7718 VT3PRO EXP | 3858 | 463 | 4 | 2871 | 4845 | 12 |
| DM 2789 VIPTERA3 | 3779 | 463 | 4 | 2792 | 4766 | 12 |
| HS TRONIX BTRR | 3676 | 499 | 4 | 2611 | 4740 | 12 |
| NS 7921 VIPTERA 3 CL | 3666 | 463 | 4 | 2679 | 4653 | 2 |
| LT 785 VT3PRO | 3631 | 463 | 4 | 2644 | 4618 | 2 |
El cuadro anterior representa el ranking de genotipos ordeandos por el rendimiento global para la zona de influencia de la Red. El rendimiento medio representa la mejor estimación global del rendimiento de cada genotipo para la región en general a partir de la información obtenida en el presente ensayo. Este valor estimado se acompaña de los límites de un intervalo de confianza (LI IC90 y LS IC90) los cuales representan la región donde se encuentra el verdadero valor del rendimiento.
Considerando la red globalmente, el ranking de materiales muestra diferencias entre ADV 8115 VT3PRO respecto de NS 7921 VIPTERA 3 CL y LT 785 VT3PRO, con diferencias de 1300 kg.
3.6 Interacción GA
3.6.1 Campaña actual
Las diferencias de los rendimientos medios de cada localidad resumen la heterogeneidad de condiciones ambientales a las cuales fueron sometidos los genotipos evaluados. Utilizando esta información se construye un índice ambiental (IA) que se utiliza para modelar la interacción genotipo x ambiente a partir de rendimientos de cada genotipo y ambiente. En la Tabla 3.6 se presenta la tabla de ANOVA del modelo.
| Fuente | gl | SC | CM | F | Valor p |
|---|---|---|---|---|---|
| Localidad | 4 | 88245134.30 | 22061283.57 | 70.56 | <0.0001 |
| Genotipo | 28 | 10658853.73 | 380673.35 | 1.22 | 0.2512 |
| Genotipo:IA | 28 | 2792035.26 | 99715.54 | 0.32 | 0.9994 |
| Residuals | 69 | 21573410.84 | 312658.13 |
Según este análisis, no se detecta interacción significativa entre los materiales evaluados y el índice ambiental (p = 0.99). Esto implica que, pese a las diferencias de sensibilidad observadas, la heterogeneidad de las pendientes de la relación IA y rendimiento no fueron consistentes debido principalmente al rango valores de IA explorados.
En la Figura 3.4 se presentan las gráficas correspondientes a las normas de reacción a los cambios del IA en relación a la respuesta promedio (recta 1:1).
Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda. Por defecto se muestra el primer genotipo, pero haciendo click o doble-click sobre los nombres de los genotipos se pueden agregar/remover rectas para comparar.
Figura 3.4: Respuesta diferencial de cada Genotipo a los cambios del IA
Las pendientes (\(\beta\)) de las rectas (línea sólida de color) representan la sensibilidad de cada genotipo a la calidad del ambiente caracterizada por el rendimiento medio de la localidad. La sensibilidad promedio (línea punteada) representa la respuesta general de todos los genotipos. Para un genotipo cualquiera, si el valor de la pendiente es \(\beta_i > 1\), el genotipo en cuestión tiene mayor sensibilidad a los cambios de calidad del ambiente (a mayor calidad ambiental, mayor rendimiento, y vice versa). En cambio si \(\beta_i < 1\), entonces el genotipo es menos sensible y tendría mejores respuestas en ambientes malos y respuestas inferiores al promedio en ambientes buenos. Las diferencias entre las pendientes de los distintos genotipos representa la interacción GA.
A modo descriptivo los valores estimados de los \(\beta\) para algunos genotipos, como por ejemplo SYN 897 VIP3, HS TRONIX BTRR, y BRV 8380 PWU mostraron pendientes positivas 25% mayores al promedio general. En el otro extremo, HS 687 BTRR, DUO 255 PWU, NEXT 22.6 PWU, y ACA 476 VT3PRO fueron los materiales con menor sensibilidad (pendientes 25% menores a 1). No obstante, ninguna de estas estimaciones fue estadísticamente distintas de la recta 1:1.
El siguiente gráfico muestra la relación entre las pendientes estimadas y los rendimientos medios de cada genotipo.
Figura 3.5: Coeficiente de sensibilidad vs rendimiento medio de los genotipos a través de las localidades
Se observa que entre los materiales con mayores rendimiento promedio los valores de sensibilidad fluctuaron entre 0.75 y 1.2.
3.6.2 Últimas dos campañas
Al considerar los ambientes evaluados en las últimas 2 campañas (combinacion localidad x campaña), sólo 7 genotipos estuvieron presentes en los 10 ambientes explorados en las últimas 2 campañas. En la Tabla 3.7 se presenta la tabla de ANOVA del modelo de regresión de la media ajustado.
| Fuente | gl | SC | CM | F | Valor p |
|---|---|---|---|---|---|
| Localidad | 6 | 103798375.89 | 17299729.31 | 52.31 | <0.0001 |
| Genotipo | 6 | 3943463.23 | 657243.87 | 1.99 | 0.0932 |
| Genotipo:IA | 7 | 4129591.91 | 589941.70 | 1.78 | 0.1209 |
| Residuals | 36 | 11905444.07 | 330706.78 |
Según este análisis la interacción entre los materiales evaluados y el índice ambiental tiene un valor de significancia de (p < 0.12), el cual se acerca al umbral del 10%. Esto implica que al menos uno de los genotipos mostró una norma de reacción con pendiente distinta de 1, es decir, sensibilidad diferente al promedio. La Tabla 3.8 muestra los valores de pendiente estimados.
| Genotipo | Beta | Error estándar | gl | LI IC90 | LS IC90 |
|---|---|---|---|---|---|
| P 2089 VYHR | 1.16 | 0.14 | 42 | 0.88 | 1.44 |
| P 2021 PWU | 1.11 | 0.14 | 42 | 0.83 | 1.40 |
| ADV 8122 VT3PRO | 1.10 | 0.14 | 42 | 0.82 | 1.38 |
| ACA 473 VT3PRO | 1.00 | 0.14 | 42 | 0.72 | 1.28 |
| ACA 484 VT3PRO | 0.93 | 0.14 | 42 | 0.64 | 1.21 |
| SYN 897 VIP3 | 0.80 | 0.14 | 42 | 0.52 | 1.08 |
| ARG 7715 BTRRCL | 0.71 | 0.14 | 42 | 0.43 | 0.99 |
Según la tabla anterior se observa que, salvo el material ARG 7715 BTRRCL cuya estimación de sensibilidad se separa ligeramente de 1 (intervalo de confianza no contiene al 1), el resto de los materiales no difiere de la unidad.
En la Figura 3.6 se presentan las gráficas correspondientes a las normas de reacción a los cambios del IA en relación a la respuesta promedio (recta 1:1). Por defecto se muestra el primer genotipo, pero haciendo click o doble-click sobre los nombres de los genotipos se pueden agregar/remover rectas para comparar.
Figura 3.6: Respuesta diferencial de cada Genotipo a los cambios del IA ultimas 2 campañas
Según el gráfico anterior se observa la menor pendiente de AG 7715 BTRRCL y mayores pendientes de P 202 PWU y P 2089 VYHR. En este caso, estos materiales se diferencian en su respuesta a los ambientes de mayor potencial.
4 Consideraciones finales
En general se observó una moderada variabilidad de los rendimientos de cada genotipo a través de las distintas localidades evaluadas y baja heterogeneidad de respuesta dentro de cada localidad reflejada por los testigos. A nivel global las diferencias se detectaron diferencias mayores a 1300 kg ha-1 entre ADV 8115 VT3PRO y el grupo conformado por NS 7921 VIPTERA 3 CL y LT 785 VT3PRO.
En el estudio de la interacción GA de la campaña actual no se detectó diferencias significativas respecto al patrón de respuesta promedio, principalmente debido al rango de indice ambiental explorado. No obstante, algunos materiales mostraron valores estimados de seinsibilidad de más de 25% respecto a la recta 1:1.
En el análisis combinado los datos de las últimas dos campañas se observó que los 7 genotipos analizados no mostraron heterogeneidad de pendientes al 10%, aunque se observaron algunas diferencias en los patrones siendo P 202 PWU y P 2089 VYHR los más sensibles y AG 7715 BTRRCL menos sensible a ambientes de mayor potencial.
5 Agradecimientos
A las empresas semilleras: A.C.A., Advanta, Argenetics, Corteva, Don Mario, Forratec, Hersems, Illinois, La Tijereta, Maisur, Monsanto, Nexsem, Nidera, NK, Pioneer, y San Pedro, por haber confiado un año más en nuestra zona y en la utilidad de los Ensayos Comparativos de Rendimiento.
A las Empresas CREA de la Región Norte de Santa Fe que año tras año realizan el esfuerzo de siembra conducción y cosecha de estas macro parcelas en sus establecimientos, dedicando personal tiempo y recursos para tal fin.
A las empresas Extra CREA – Faccioli Diego y Larrauri Maria Inmaculada por realizar el esfuerzo de siembra conducción y cosecha de estas macro parcelas en sus establecimientos, dedicando personal, tiempo y recursos para tal fin.
6 Apéndice
6.1 Análisis estadístico
6.1.1 Rendimientos testigos
La información proveniente de las franjas testigo repetidas se utilizó para evaluar la variación dentro de las localidades y la existencia de tendencia espacial de los rendimientos según su ubicación en el experimento. Para esto último, en cada localidad se ajustaron modelos lineales de los rendimientos en función del orden de la parcela:
\[ y_{i} = \beta_0 + \beta_1X_i + e_{i} \]
donde: \(y_{i}\) representa la respuesta del testigo en la parcela \(i\), \(X_i\) es el número de posición de la parcela en el experimento, y \(\beta_0\) y \(\beta_1\) coeficientes de regresión.
6.1.2 Estadísticas descriptivas
Se calcularon estadísticas de resumen y gráficos descriptivos por genotipo y localidad para la variable respuesta rendimiento seco (kg ha-1).
El promedio de cada genotipo en la red se calculó utilizando la siguiente expresión:
\[ \bar{y}_i = \dfrac{\sum y_{ij}}{n_i} \]
donde: \(\bar{y}_i\) es el rendimiento medio del genotipo \(i\), \(y_{ij}\) es el rendimiento del genotipo \(i\) en la localidad \(j\) y \(n_i\) es el número de localidades donde fue evaluado el genotipo \(i\). En aquellos casos donde se contó con más de una franja por localidad, los datos fueron promediados dentro de cada localidad. Así mismo el coeficiente de variación (\(CV\)) de cada genotipo en la red se calculó mediante la siguiente expresión:
\[ CV_{{y}_i} = \dfrac{s_{y_i}}{\bar{y}_i} \times 100 \]
donde: \(\bar{y}_i\) es el rendimiento medio del genotipo \(i\) y \(s_{y_{i}}\) es el desvío estándar de los rendimientos del genotipo \(i\) a través de las localidades:
\[ s_{y_i} = \sqrt{\dfrac{\sum \left(y_{ij} - \bar{y}_i \right)^2}{n_i -1}} \]
Las estadísticas anteriores se expresaron en valores absolutos y relativos al promedio de la localidad.
6.1.3 Diferencias de rendimiento
Para comparar y determinar las diferencias de respuesta de los materiales evaluados a nivel región se ajustó a los datos un modelo lineal mixto, i.e. con efectos fijos y aleatorios sobre el rendimiento medio global de la Red. Los genotipos y el stand de plantas fueron considerados efectos fijos y las localidades efectos aleatorios:
\[ y^*_{ij} = \mu + \tau_i + \rho_j + l_j + e_{ij} \]
donde: \(y^*_{ij}\) representa la respuesta del genotipo \(i\) sembrado en la localidad \(j\), corregido por efecto de la posición de la parcela en caso necesario; \(\mu\) es la media general de los ensayos de la red, \(\tau_i\) es efecto o diferencia del genotipo \(i\) respecto a la media general del ensayo, \(\rho_i\) es efecto de la relación stand de plantas y rendimiento en la localidad \(j\), \(l_j\) el efecto de la localidad \(j\), y \(e_{ij}\) el error experimental asociado al genotipo \(i\) sembrado en la localidad \(j\). Se asume que \(l_j\) como \(e_{ij}\) son independientes y tienen distribución normal con media 0 y varianza \(\sigma^2_l\) y \(\sigma^2_e\).
Este modelo asume que los niveles de Localidad son una muestra aleatoria de las localidades de la Región Norte y permite realizar inferencia más amplia sobre la respuesta de los genotipos. Debido a que los testigos fueron las únicas variedades replicadas, la interacción Genotipo:Localidad representaría la heterogeneidad de dicho genotipo dentro de cada Localidad por lo tanto no fue estimada (Piepho et al., 2012).
Las diferencias de rendimiento entre genotipos se determinaron mediante la prueba de comparaciones múltiples de Tukey, considerando un nivel de significancia de 10%.
6.1.4 Análisis interacción genotipo x ambiente
Para explorar los patrones de interacción GA se utilizó el procedimiento de regresión sobre la media (Finlay y Wilkinson, 1963)
La heterogeneidad ambiental explorada por los genotipos considerados en la red se caracterizó mediante los rendimientos medios de cada Localidad. Esta covariable denominada Índice Ambiental (IA) fue utilizada para modelar la interacción GA a partir del siguiente modelo:
\[ y_{ij} = \mu_i + \beta_i X_j + e_{ij} \]
donde: \(y_{ij}\) es el rendimiento del genotipo \(i\) en el ambiente o localidad \(j\), \(\mu_i\) es la ordenada al origen de cada genotipo, \(X_j\) el índice ambiental de la localidad \(j\), y \(\beta_i\) la pendiente o sensibilidad del genotipo \(i\) a los cambios del IA.
Según este modelo, \(\mu_i\) representa el comportamiento de los genotipos en el ambiente promedio y los coeficientes \(\beta_i\) la sensibilidad de los Genotipos a la calidad del ambiente caracterizada por el rendimiento medio de la localidad. Entonces, si la interacción GA es significativa representa la heterogeneidad de respuestas, i.e. \(\beta\) distintos para los genotipos. El valor de \(\beta\) indica la sensibilidad el genotipo a los cambios de calidad del ambiente. Si \(\beta_i > 1\) indica que el genotipo \(i\) tiene una respuesta mayor al promedio (a mayor calidad ambiental, mayor rendimiento), en cambio si \(\beta_i < 1\), entonces el genotipo responde menos.
Para complementar este análisis, se realizó el mismo procedimiento combinando los datos de últimas campañas. La Tabla 6.1 muestra el número de genotipos presentes en todas las localidades de las últimas campañas.
| Campañas | Número de genotipos |
|---|---|
| 2021/22 | 24 |
| 2020/21, 2021/22 | 7 |
| 2019/20, 2020/21, 2021/22 | 3 |
| 2018/19, 2019/20, 2020/21, 2021/22 | 0 |
| 2017/18, 2018/19, 2019/20, 2020/21, 2021/22 | 0 |
| 2016/17, 2017/18, 2018/19, 2019/20, 2020/21, 2021/22 | 0 |
De los 79 genotipos evaluados durante las últimas 6 campañas, sólo 7 estuvieron en todos los ambientes conformados por la interacción Campaña:Localidad de las campañas 2021/22 y 2020/21. Estos genotipos fueron utilizados para el análisis. Si bien el criterio de inclusión reduce la cantidad de genotipos se incrementa la potencia para detectar patrones de interacción.
6.2 Software
Los datos fueron procesados utilizando el software estadístico R versión 4.1 (R Core Team, 2021) y los paquetes nlme (Pinheiro et al., 2018), emmeans (Lenth, 2019), tidyverse (Wickham, 2017) y plotly (Sievert, 2020).
7 Bibliografía
Finlay, K. W., and Wilkinson, G.N. (1963). The analysis of adaptation in a plant-breeding programme. Aust. J. Agric. Res. 14, 742–754.
Kempton, R.A. (Ed) (1997). Statistical methods for plant variety evaluation. Plant breeding series. Chapman & Hall, London. pp. 191.
Lenth, R. (2019). emmeans: Estimated Marginal Means, aka Least-Squares Means. R package version 1.3.3. https://CRAN.R-project.org/package=emmeans
Malosetti, Marcos, Jean-Marcel Ribaut, and Fred A. van Eeuwijk. 2013. “The Statistical Analysis of Multi-Environment Data: Modeling Genotype-by-Environment Interaction and Its Genetic Basis.” Frontiers in Physiology 4 (March). doi:10.3389/fphys.2013.00044.
Piepho, H.P., C. Richter, J. Spilke, K. Hartung, A. Kunick, and H. Thöle. 2011. Statistical aspects of on-farm experimentation. Crop and Pasture Science 62(9): 721.
Pinheiro J, Bates D, DebRoy S, Sarkar D, R Core Team (2018). nlme: Linear and Nonlinear Mixed Effects Models. R package version 3.1-137, URL: https://CRAN.R-project.org/package=nlme.
R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
Sievert, C. (2020) Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman and Hall/CRC Florida.
Wickham, H. (2017). tidyverse: Easily Install and Load the ‘Tidyverse’. R package version 1.2.1. https://CRAN.R-project.org/package=tidyverse
Yan, W.; Kang, M. S. (2002). GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists. 1st edition. CRC Press. pp. 288.
