Informe de Resultados Red Multiambiental de Evaluación de híbridos de Maíz de Primera 2024/2025
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.
Objetivos
Resumir los datos de rendimiento de los genotipos de maiz evaluadas en la Red CREA RNSF de Ensayos Multiambientales durante la campaña 2024/25.
Analizar estadísticamente los datos comparando los genotipos globalmente en toda la red en la campaña 2024/25.
Explorar y describir los patrones de la interacción GA en la campaña 2024/25 en particular y considerando el conjunto de ambientes explorados en las distintas localidades y campañas.
Metodología
Sitios experimentales
Durante la campaña 2024/25 se llevaron adelante ensayos comparativos de rendimiento de genotipos de maiz de primera en 3 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 el siguiente mapa. 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 2024/25.
Distribución espacial de las localidades incluidas en la campaña 2024/25 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 de 4.16 m de ancho por entre 170 y 200 m de longitud.
Condiciones climáticas
En la siguiente Figura se resumen las precipitaciones mensuales de la presente campaña así como la serie 1945-2020 registrada en la EEA INTA Reconquista.
Precipitaciones mensuales totales por localidad durante la campaña 2024/25 y serie 1945/2020 del EEA INTA Reconquista
Al inicio y final de la campaña El Sombrerito tuvo
precipitaciones menores al promedio, sobre todo al final del ciclo donde
se las precipitaciones fueron menos de la mitad del historico de
referencia. En los meses de octubre y noviembre casi duplicó el
promedio
Malabrigo tuvo menores precipitaciones que el resto de
las localidades con una distribución ligeramente más uniforme que
El Sombrerito.
Finalmente en Margarita se registraron precipitaciones
cercanas al promedio a excepción del mes de noviembre donde se registró
casi el 50% de las precipitaciones de todo el ciclo.
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.
Temperaturas minimas, medias y máximas diarias por localidad durante la campaña 2024/25
Genotipos
Los tratamientos evaluados en la campania 2024/25 fueron 26 genotipos. En la siguiente Tabla se indican las localidades en las que fueron evaluados.
| Semillero | Genotipo |
Localidades
|
||
|---|---|---|---|---|
| El Sombrerito | Malabrigo | Margarita | ||
 |
ACA 471 VT3PRO | |||
|
ACA 476 TRECEPTA | |||
|
ACA 477 TRECEPTA | |||
 |
ADV 8063 TRECEPTA | |||
 |
BRV 8380 PWU | |||
 |
DK 69-62 TRECEPTA | |||
|
DK 72-10 VTPro4 | |||
 |
XX2 | |||
|
XX3 | |||
 |
DUO 2-35 PW | |||
 |
KM 13160 VIP3 | |||
|
KM 13916 VIP3 | |||
|
KWS 19-120 VIP3 | |||
 |
NXM 5122 PWUE | |||
|
NXM 7123 PW | |||
 |
NK 842 VIP3 | |||
|
NK 855 VIPT3 | |||
|
SYN 505 VIP3 | |||
 |
NS 7626 VIP3CL | |||
|
NX 7761 VT3PRO | |||
|
NS 7765 VIP3 | |||
 |
P 1804 PWUE | |||
|
P 2021 PWUE | |||
 |
SPS 2615 VIP3 | |||
|
SPS 2743 VIP3 | |||
 |
ST 9939-20 VIP3 | |||
La mayoría de los genotipos estuvieron presentes en las 3
localidades. Los genotipos ACA 477 TRECEPTA no estuvo en la
localidad de El Sombrerito;
DK 72-10 VTPro4, SYN 505 VIP3, y
NS 7765 VIP3 no estuvieron en las localidades de
Malabrigo y Margarita.
El genotipo NK 842 VIP3 actuó como referencia o check, con más de una réplica por localidad. Para el análisis global se utilizaron los datos de todos los genotipos presentes en las tres localidades.
Resultados
Rendimiento testigo
Los rendimientos promedio por localidad de los genotipos utilizados como check o control se uestran en la sigueinte tabla:
| Localidad | media | CV |
|---|---|---|
| El Sombrerito | 7764 | 2 |
| Malabrigo | 6023 | 12 |
| Margarita | 9959 | 5 |
La variabilidad observada en el control repetido fue más alta en
Malabrigo indicando heterogeneidad en las condiciones
experimentales dentro del sitio. En esta localidad se observó un
gradiente de rendimientos consistente en dirección al orden de las
parcelas por lo que los rendimientos fueron ajustados. A continuación se
muestra el stand de plantas promedio logrado en las distintas
localidades:
| Localidad | Promedio | CV (%) |
|---|---|---|
| El Sombrerito | 41250 | 7 |
| Malabrigo | 55000 | 5 |
| Margarita | 50593 | 7 |
El stand mostró baja variación dentro de las localidades, con CV en torno al 5-7%.
Rendimientos por Localiad
La siguiente figura muestra los rendimientos medios por localidad. 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.
Rendimiento seco promedio y desvío estándar por Localidad
Los rendimientos promedio de las localidades variaron entre 5800 y
10100 kg ha-1. 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 como el caso de El Sombrerito.
Rendimientos por Genotipo
En la siguiente figura 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.
Rendimientos medios y desvio estándar de los genotipos
En general todos los genotipos presentaron rendimientos medios a
través de las localidades entre 5600 y 8300 kg ha-1. La
amplitud de las barras de cada material representan las diferencias de
variabilidad entre ambientes. Genotipos como NXM 5122 PWUE,
SPS 2743VIP3, XX1,
ADV 8063 TRECEPTA, Y SPS 2615 VIP3 mostraron
rendimiento promedio superior al general. Se observó mucha variabilidad
en los rendimientos de ACA 477 TRECEPTA. Los hibridos
XX3 y P 2021 PWUE se caracterizaron por un
mejor desvio con rendimientos similares al promedio.
Rendimientos promedio y CV
En la siguiente tabla 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 función del valor
relativo de cada localidad.**
Los datos pueden descargarse de los siguientes enlaces: medias_CV_rend_real.xlsx
Los datos pueden descargarse de los siguientes enlaces: medias_CV_rend_aj.xlsx
Tabla rendimiento y CV
|
Localidad
|
Promedio | CV | |||
|---|---|---|---|---|---|
| El Sombrerito | Malabrigo | Margarita | |||
| NXM 5122 PWUE | 110 (7631) | 106 (6160) | 112 (11261) | 109 (8351) | 3 (31) |
| SPS 2743 VIP3 | 107 (7423) | 112 (6499) | 104 (10512) | 108 (8145) | 4 (26) |
| ADV 8063 TRECEPTA | 105 (7278) | 108 (6292) | 107 (10742) | 107 (8104) | 1 (29) |
| SPS 2615 VIP3 | 104 (7190) | 107 (6180) | 106 (10689) | 106 (8020) | 1 (30) |
| DK 72-10 VTPro4 | 106 (7376) | — | — | 106 (7376) | NA (NA) |
| BRV 8380 PWU | 107 (7395) | 98 (5675) | 108 (10867) | 104 (7979) | 5 (33) |
| NS 7626 VIP3CL | 99 (6859) | 106 (6176) | 106 (10738) | 104 (7924) | 4 (31) |
| DUO 2-35 PW | 104 (7195) | 103 (5982) | 102 (10252) | 103 (7810) | 1 (28) |
| P 1804 PWUE | 95 (6612) | 113 (6538) | 101 (10183) | 103 (7778) | 9 (27) |
| NK 855 VIPT3 | 96 (6623) | 112 (6502) | 101 (10169) | 103 (7765) | 8 (27) |
| NK 842 VIP3 | 106 (7367) | 102 (5941) | 99 (9959) | 102 (7756) | 3 (26) |
| DK 69-62 TRECEPTA | 97 (6734) | 100 (5822) | 104 (10479) | 100 (7678) | 4 (32) |
| NX 7761 VT3PRO | 102 (7058) | 95 (5514) | 103 (10406) | 100 (7659) | 4 (33) |
| XX3 | 104 (7215) | 110 (6386) | 86 (8650) | 100 (7417) | 12 (15) |
| NXM 7123 PW | 106 (7334) | 89 (5146) | 103 (10415) | 99 (7632) | 9 (35) |
| P 2021 PWUE | 96 (6677) | 111 (6430) | 91 (9143) | 99 (7417) | 10 (20) |
| NS 7765 VIP3 | 98 (6783) | — | — | 98 (6783) | NA (NA) |
| ACA 477 TRECEPTA | — | 82 (4740) | 112 (11285) | 97 (8012) | 22 (58) |
| ST 9939-20 VIP3 | 101 (7007) | 80 (4656) | 109 (10993) | 97 (7552) | 15 (42) |
| ACA 476 TRECEPTA | 97 (6690) | 96 (5570) | 99 (9937) | 97 (7399) | 2 (31) |
| XX2 | 93 (6441) | 101 (5841) | 92 (9289) | 95 (7190) | 5 (26) |
| KM 13916 VIP3 | 105 (7247) | 92 (5319) | 89 (8968) | 95 (7178) | 9 (25) |
| ACA 471 VT3PRO | 92 (6345) | 93 (5410) | 95 (9609) | 93 (7121) | 2 (31) |
| KWS 19-120 VIP3 | 95 (6569) | 87 (5074) | 92 (9271) | 91 (6971) | 4 (31) |
| KM 13160 VIP3 | 95 (6613) | 96 (5593) | 80 (8093) | 90 (6766) | 10 (19) |
| SYN 505 VIP3 | 81 (5645) | — | — | 81 (5645) | NA (NA) |
| Promedio | 100 (6932) | 100 (5802) | 100 (10083) | — | — |
El nivel de variabilidad de los genotipos a través de los ambientes mostró valores moderados (> 28%) y en algunos casos altos (CV > 57%) en los datos expresados en rendimiento absoluto. Aproximadamente el 50% de los genotipos tuvo CV de rendimiento entre 26 y 32%. Al considerar los valores relativos, la variabilidad se reduce (el 50% de los híbridos pasa a tener CV entre 2 y 9%), 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 más grandes como
por ejemplo NK 855 VIPT3, P 1804 PWUE (pasan
de rendimiento relativo ligeramente superior a 100 a rendimientos
relativos menores a 100).
Gráfico
A continuación se 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 2024/25.
Rendimiento relativo medio (en kg/ha) y CV (%) de los genotipos evaluados en la campaña 2024/25
Tomando el rendimiento y CV medios de la red (líneas punteadas), se
observa que la mayoría de los hibridos tuvieron variacion de 15% o
menores. Se destaca NXM 5122 PWUE,
SPS 2743 VIP3, ADV 8063 TRECEPTA y
SPS 2615 VIP3, por tener rendimiento relativo casi 10%
superiores y baja variabilidad. Mientras que
ACA 477 TRECEPTA mostró un rendimientos ligeramente
inferior al promedio y la mayor variabilidad.
Diferencias entre genotipos
Los resultados del análisis de la varianza (ANOVA) del modelo ajustado se presentan a continuación.
| gl | F | Valor p | |
|---|---|---|---|
| (Intercept) | 1 | 12,758.94 | 0.00000 |
| Localidad | 2 | 342.37 | 0.00000 |
| Genotipo | 21 | 1.64 | 0.08566 |
Se detectaron diferencias de rendimiento estadísticamente significativas al 10% considerando la red en su conjunto y considerando la heterogeneidad de variabilidad entre localidades (p = 0.08223). El efecto del stand de plantas no fue significativo al 10%. En al siguiente tabla 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 3 localidades analizadas y la precisión alcanzada según el número de réplicas.
| Rend. medio | Error estándar | gl | LI IC90 | LS IC90 | grupo | |
|---|---|---|---|---|---|---|
| NXM 5122 PWUE | 8351 | 316 | 42 | 7819 | 8883 | a |
| SPS 2743 VIP3 | 8145 | 316 | 42 | 7613 | 8677 | ab |
| ADV 8063 TRECEPTA | 8104 | 316 | 42 | 7572 | 8636 | ab |
| SPS 2615 VIP3 | 8020 | 316 | 42 | 7488 | 8552 | ab |
| BRV 8380 PWU | 7979 | 316 | 42 | 7447 | 8511 | ab |
| NS 7626 VIP3CL | 7924 | 316 | 42 | 7392 | 8456 | abc |
| DUO 2-35 PW | 7810 | 316 | 42 | 7278 | 8342 | abcd |
| P 1804 PWUE | 7778 | 316 | 42 | 7246 | 8310 | abcd |
| NK 855 VIPT3 | 7765 | 316 | 42 | 7233 | 8297 | abcd |
| NK 842 VIP3 | 7756 | 316 | 42 | 7224 | 8288 | abcd |
| DK 69-62 TRECEPTA | 7678 | 316 | 42 | 7146 | 8210 | abcde |
| NX 7761 VT3PRO | 7659 | 316 | 42 | 7127 | 8191 | abcde |
| NXM 7123 PW | 7632 | 316 | 42 | 7100 | 8164 | abcde |
| ST 9939-20 VIP3 | 7552 | 316 | 42 | 7020 | 8084 | bcde |
| XX3 | 7417 | 316 | 42 | 6885 | 7949 | bcdef |
| P 2021 PWUE | 7417 | 316 | 42 | 6885 | 7949 | bcdef |
| ACA 476 TRECEPTA | 7399 | 316 | 42 | 6867 | 7931 | bcdef |
| XX2 | 7190 | 316 | 42 | 6658 | 7722 | cdef |
| KM 13916 VIP3 | 7178 | 316 | 42 | 6646 | 7710 | cdef |
| ACA 471 VT3PRO | 7121 | 316 | 42 | 6589 | 7653 | def |
| KWS 19-120 VIP3 | 6971 | 316 | 42 | 6439 | 7503 | ef |
| KM 13160 VIP3 | 6766 | 316 | 42 | 6234 | 7298 | f |
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 NXM 5122 PWUE respecto del grupo liderado
por ST 9939-20 VIP3, con diferencias de 800 kg o más.
Tambien el grupo de SPS 2743 VIP3 a
ACA 476 TRECEPTA se diferenció el grupo liderado por
XX2.
Interacción GA
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. A continuación la tabla de ANOVA del modelo
Finlay.
| Fuente | gl | SC | CM | F | Valor p |
|---|---|---|---|---|---|
| Localidad | 2 | 205596312.94 | 102798156.47 | 697.61 | <0.0001 |
| Genotipo | 21 | 10332097.27 | 492004.63 | 3.34 | 0.004 |
| Genotipo:IA | 21 | 9516229.14 | 453153.77 | 3.08 | 0.0065 |
| Residuals | 21 | 3094496.58 | 147356.98 |
Según este análisis, se detecta interacción significativa entre los
materiales evaluados y el índice ambiental (p = 0.007). Esto implica
que, las diferencias de sensibilidad observadas, es decir la
heterogeneidad de las pendientes de la relación IA y
rendimiento fueron consistentes debido principalmente al rango valores
de IA explorados.
La siguiente figura muestra 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.
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 ST 9939-20 VIP3 mostraron pendientes positivas 25%
mayores al promedio general. En el otro extremo, XX3,
KM 13160 VIP3, y P 2021 PWUE fueron los
materiales con menor sensibilidad (pendientes 25% menores a 1). No
obstante, BRV 8380 PWU, NXM 5122 PWUE,
NXM 7123 PW, y ST 9939-20 VIP3 tuvieron
estimaciones por encima de la recta 1:1 (mayor sensibildiad) y
KM 13160 VIP3, P 2021 PWUE y XX3
con menor sensibilidad.
El siguiente gráfico muestra la relación entre las pendientes estimadas y los rendimientos medios de cada genotipo.
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.
Humedad de cosecha
A continuación se presenta la duración del ciclo del cultivo para cada localidad y la humedad a cosecha lograda.
| Genotipo |
Localidad (Duración ciclo)
|
||
|---|---|---|---|
| El Sombrerito (162 días) | Malabrigo (147 días) | Margarita (166 días) | |
| ACA 471 VT3PRO | 9.1 | 11.0 | 11.8 |
| ACA 476 TRECEPTA | 9.2 | 11.0 | 13.0 |
| ADV 8063 TRECEPTA | 9.3 | 11.5 | 11.4 |
| BRV 8380 PWU | 9.1 | 11.0 | 12.9 |
| DK 69-62 TRECEPTA | 9.0 | 11.2 | 12.3 |
| DK 72-10 VTPro4 | 8.9 | — | — |
| DUO 2-35 PW | 10.1 | 11.3 | 14.2 |
| KM 13160 VIP3 | 10.0 | 11.6 | 13.1 |
| KM 13916 VIP3 | 9.8 | 11.4 | 13.5 |
| KWS 19-120 VIP3 | 10.0 | 11.7 | 14.9 |
| NK 842 VIP3 | 9.8 | 11.3 | 12.8 |
| NK 855 VIPT3 | 9.1 | 11.3 | 14.9 |
| NS 7626 VIP3CL | 9.7 | 11.5 | 12.7 |
| NX 7761 VT3PRO | 9.9 | 11.5 | 15.4 |
| NS 7765 VIP3 | 9.8 | — | — |
| NXM 5122 PWUE | 9.6 | 11.2 | 13.4 |
| NXM 7123 PW | 8.9 | 10.8 | 14.1 |
| P 1804 PWUE | 9.1 | 11.1 | 12.2 |
| P 2021 PWUE | 9.7 | 11.3 | 14.7 |
| SPS 2615 VIP3 | 9.3 | 11.1 | 13.1 |
| SPS 2743 VIP3 | 9.2 | 11.5 | 13.3 |
| ST 9939-20 VIP3 | 9.3 | 11.7 | 14.3 |
| SYN 505 VIP3 | 9.7 | — | — |
| XX2 | 8.9 | 11.3 | 11.9 |
| XX3 | 9.5 | 11.1 | 12.1 |
| ACA 477 TRECEPTA | — | 11.0 | 15.5 |
Los datos pueden descargarse del siguiente enlace: tabla_humedad.xlsx
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 800 kg ha-1 entre NXM 5122 PWUE y el
grupo encabezado por ST 9939-20 VIP3.
En el estudio de la interacción GA de la campaña
actual se detectó diferencias significativas respecto al patrón de
respuesta promedio, principalmente debido al rango de indice ambiental
explorado. Los genotipos BRV 8380 PWU,
NXM 5122 PWUE, NXM 7123 PW, y
ST 9939-20 VIP3 pendientes significativamente superiores a
1 (mayor sensibildiad) y mientras que KM 13160 VIP3,
P 2021 PWUE y XX3 mostraron menor
sensibilidad.
Agradecimientos
A las empresas semilleras: A.C.A., Advanta, Brevant, Dekalb, Duo Semillas, KWS, MacroSeed, Nidera, NK, Pioneer, SPS, y Stine, 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.
Apéndice
Análisis estadístico
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.
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.
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%.
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.
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).
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.
