Selección de Maíz de
grano blanco QPM y alto contenido de zinc[1]
Román
Gordón-Mendoza[2]; Jorge E. Franco-Barrera[3]; Francisco P. Ramos-Manzané[4]; Ismael Camargo-Buitrago[5]; Félix M. San Vicente-García[6]
RESUMEN
Con el objetivo de evaluar la adaptabilidad y
estabilidad de variedades de maíz de grano normal, alto contenido de zinc y
alta calidad proteica de color blanco, se sembraron ensayos en 16 localidades
de Panamá. Los mismos fueron sembrados en campos de agricultores colaboradores
y la Estación Experimental El Ejido del IDIAP por tres años (2022-2024). El
primer año se evaluaron 18 variedades, luego se redujeron a 12 y finalmente en
el 2019 se evaluó la de mejor desempeño con seis variedades liberadas
previamente en el Proyecto de maíz. Para el análisis de la data se utilizó el
diseño experimental Bloques Completos al Azar con tres repeticiones. A los
datos obtenidos se les aplicó un análisis de varianza combinado tipo REML y las
medias fueron separadas utilizando la Diferencia Mínima Significativa. El
análisis de varianza individual por año y combinado a través de años mostró
diferencias altamente significativas entre las distintas variedades evaluadas
para la variable rendimiento de grano y otras características agronómicas. El análisis de varianza a través de los años,
así como el análisis de estabilidad indican que el sintético S16LTWNQHZNHGAB01 fue
la de mejor desempeño y más estables en las distintas localidades. Después de
tres años de evaluación, el testigo local IDIAP-MQ-09 tuvo un rendimiento de
4,70 t·ha-1, y el mismo fue superado en más del 25% por el sintético
S16LTWNQHZNHGAB01 con rendimiento de 6,06 t·ha-1. El análisis Biplot
GGE-SReg identificó a este último como el más estable a través de las
localidades. El análisis de la confiabilidad de la respuesta normalizada indicó
que en nueve de cada diez localidades la nueva variedad supera al testigo
nacional. Se recomienda el registro de esta variedad para uso por los agricultores
de la República de Panamá.
Palabras clave: Adaptabilidad, Biplot GGE, Confiabilidad de la respuesta,
estabilidad, variedades sintéticas.
SELECTION OF A WHITE-GRAIN QPM MAIZE WITH HIGH ZINC
CONTENT
ABSTRACT
The
adaptability and stability of white-grain maize varieties with normal
endosperm, high zinc content, and quality protein maize (QPM) characteristics
were evaluated across 16 locations in Panama. Field trials were conducted in
collaborating farmers’ fields and at the El Ejido Experimental Station of the
Panamanian Agricultural Innovation Institute (IDIAP) over three consecutive
years (2022–2024). During the first year, 18 varieties were evaluated; this
number was subsequently reduced to 12, and in the final year, the
best-performing candidate was compared with six varieties previously released
by the national maize breeding project. Experiments were established using a
randomized complete block design with three replications. Data were analyzed
using a combined restricted maximum likelihood (REML) analysis of variance, and
treatment means were separated using the least significant difference (LSD)
test. Individual and combined analyses of variance across years revealed highly
significant differences among varieties for grain yield and other agronomic
traits. Combined analyses across environments, together with stability
analyses, identified the synthetic variety S16LTWNQHZNHGAB01 as the
highest-yielding and most stable genotype across locations. After three years
of evaluation, the local check variety IDIAP-MQ-09 achieved a mean grain yield
of 4.70 t.ha⁻¹, whereas S16LTWNQHZNHGAB01 produced 6.06 t.ha⁻¹, representing a yield
increment of more than 25%. The GGE-SReg biplot analysis further identified
S16LTWNQHZNHGAB01 as the most stable genotype across environments. Reliability
analysis of the standardized response indicated that the new variety
outperformed the national check in approximately 9 out of 10 test environments.
Based on its superior yield performance, stability, and adaptability, the
registration and release of S16LTWNQHZNHGAB01 for cultivation by farmers in the
Republic of Panama is recommended.
Keywords: Adaptability, GGE biplot,
reliability analysis, stability, synthetic varieties.
INTRODUCCIÓN
Entre los principales retos que enfrentan los
científicos fitomejoradores y agrónomos, están el cambio y la variabilidad
climática y mejorar genéticamente la calidad nutricional de los alimentos sin
comprometer aspectos como la adaptabilidad, características agronómicas y los
rendimientos (Xiong et al., 2022).
La agricultura y el cambio climático están
íntimamente relacionados en varios aspectos, ya que el cambio climático es la
principal causa de estrés biótico y abiótico, que tiene efectos adversos en la
agricultura, variaciones en la precipitación anual, la temperatura media, olas
de calor, modificaciones en las malezas, plagas o microorganismos, cambios
globales en el nivel de CO2 atmosférico o de ozono, y fluctuaciones
en el nivel del mar (Raza et al., 2019).
En este sentido, la vulnerabilidad es un concepto
que se adapta a diferentes contextos y, debido a esto, resulta complejo
estudiarla en su totalidad, por lo que cada modelo teórico y marco metodológico
se ha adaptado al contexto de la región especifica (Reyes-Anistro
et al., 2018). Si bien
la resiliencia climática de los nuevos cultivares se ha convertido en el núcleo
de los programas de mejoramiento genético, existe una creciente evidencia que
demuestran las dificultades y los desafíos en el desarrollo de cultivares
resilientes o adaptados a el cambio climático (Xiong et al., 2022).
Por otro lado, el mejoramiento de la calidad
nutricional de los alimentos es crucial para la salud pública, la seguridad
alimentaria y la sostenibilidad del sistema alimentario. La biofortificación es
una estrategia para mejorar la calidad nutricional de los alimentos,
especialmente cultivos básicos, al aumentar el contenido de nutrientes como
vitaminas y minerales (Ashraf, 2025).
La desnutrición y el hambre oculta están presentes
tanto en países desarrollados como en desarrollo y tienen efectos devastadores
a nivel mundial. La biofortificación es el método más sostenible y rentable
para aliviar la desnutrición. La biofortificación se ha utilizado para producir
cultivos con una densidad y biodisponibilidad de nutrientes adecuadas y ayudar
a combatir el hambre oculta (Ofori et al., 2022).
Mediante el fitomejoramiento podemos aumentar los
niveles de nutrientes en cultivos básicos hasta alcanzar los niveles requeridos
para mejorar la nutrición humana, sin comprometer el rendimiento, ni las
características agronómicas preferidas por los agricultores (Bouis & Saltzman, 2017). Sin embargo, uno de los
mayores desafíos de la biofortificación, además de los métodos para fortalecer
el valor nutricional de los cultivos, es la aceptación pública de los alimentos
biofortificados (Ofori et al., 2022).
En general, los granos básicos, legumbres, semillas
oleaginosas, hortalizas y frutas son cultivos en los que se centra principalmente
la biofortificación mediante estos métodos, centrándose en Zn, Fe, magnesio
(Mg), selenio (Se), ácido fólico, carotenoides y vitamina A (Sheoran et al.,
2022). Un ejemplo importante de este método de mejoramiento es el
desarrollo de maíz de calidad proteica (QPM), ampliamente aceptado por los
agricultores. Sin embargo, con métodos convencionales, también se pueden lograr
cultivares de maíz con niveles de Zn y Betacaroteno; en arroz y trigo
enriquecidos con Fe y Zn, con un mayor rendimiento (Sheoran
et al., 2022). En
concordancia con esta tendencia global, los proyectos de maíz del IDIAP han
generado variedades con alta calidad de proteínas (Gordón-Mendoza
et al., 2020; Gordón-Mendoza et al., 2015), alto contenido de
Betacarotenos (Gordón-Mendoza et al.,
2018).
También es indispensable disponer de estadísticos
robustos durante el proceso de selección y evaluación para estos fines (Gordón-Mendoza & Camargo-Buitrago, 2021)
proponen diferentes herramientas estadísticas básicas para la toma de
decisiones al momento de introducir innovaciones tecnológicas varietales, al
evaluar genotipos en diferentes años y localidades, tales como: la
repetitividad (Yan & Holland, 2010; Gordón-Mendoza
& Camargo-Buitrago, 2015; Camargo-Buitrago et al., 2017); la adaptabilidad y estabilidad fenotípica
mediante el modelo Biplot GGE (Yan et al., 2000; Yan
& Rajcan, 2002; Yan & Kang, 2003);
el análisis de confiabilidad o respuesta normalizada (Eskridge & Mumm,
1992; Nuland & Eskridge 1992; Eskridge et al., 1993; Eskridge ,1997); el análisis de conglomerado por
el método de Ward (Johnson, 2000), que permiten seleccionar con todo el rigor
científico los materiales genéticos superiores evaluados en diferentes
ambientes y años. El presente estudio se realizó con el objetivo de evaluar la
adaptabilidad, estabilidad y respuesta normalizada de variedades de maíz de grano normal y alta
calidad proteica y zinc de color blanco.
MATERIALES Y MÉTODOS
Localidades y material genético
En el segundo semestre de
los ciclos agrícolas 2022, 2023 y 2024 se sembraron múltiples ensayos (17 en
distintas localidades de la Región de Azuero. Todos los genotipos evaluados en
esta investigación fueron enviados del Proyecto “Maize Breeding Network for
Latin America” del Centro Internacional para el Mejoramiento de Maíz y
Trigo (CIMMYT). Los ensayos en campo fueron financiados por el “Proyecto
generación de variedades e híbridos de maíz” del Instituto de Innovación
Agropecuaria de Panamá Agropecuaria de Panamá (Cuadro 1).
Los mismos se realizaron en parcelas de productores colaboradores, así
como en la Estación Experimental El Ejido ubicada en Los Santos, Panamá durante
la segunda época de siembra del año 2022 a 2024 (agosto-enero). Las otras ocho
localidades se ubicaron en distintos puntos de la provincia de Los Santos. Se
midió la precipitación pluvial durante todo el desarrollo del cultivo en
pluviómetros cercanos a las localidades en donde se sembraron los ensayos.
En el año 2022 se sembraron 18 variedades de
maíz grano blanco, en el mismo se incluyeron siete variedades de grano de alta
calidad proteica y alto contenido de Zinc (QPM), 10 variedades de grano normal
y un testigo. En el 2023 se evaluaron 12 variedades de grano blanco, de los
cuales seis genotipos eran QPM altos en contenido de Zinc, tres variedades de
grano normal y tres testigos (dos de los mismos son híbridos Triples y una
variedad). Por otra parte, en el año 2024 se sembraron siete variedades, cinco
de las cuales son de grano amarillo entre normales, QPM, alto contenido de
Betacarotenos y dos de grano blanco QPM. De este grupo de siete variedades,
seis ya están liberadas por el IDIAP como variedades para uso de los
productores. Las variedades evaluadas en los dos primeros años corresponden a
los sintéticos formados con las líneas élite de los distintos programas del
CIMMYT hasta el año 2020. Todos los años se sembró la variedad testigo de grano
blanco de alta calidad proteica IDIAP-MQ-09, el cual es una variedad sintética
(S06TLWQHGAB2) liberada en el año 2013 (Cuadro 2).
Unidad
experimental
Todos los ensayos fueron sembrados a una distancia de 0,75 m entre
hileras y 0,20 m entre posturas de siembra para una densidad inicial de 6,66
plantas por metro cuadrado. Las parcelas experimentales consistieron en dos
surcos de 5,2 m de largo. El manejo agronómico de los ensayos respecto al
control de malezas y plagas dependió de su incidencia basándose en las
recomendaciones del Manual Técnico del maíz del IDIAP (Gordón, 2021). Se aplicó
a la siembra 273 kg·ha-1 de una fórmula completa (15,8-26-10-7,56)
en forma de banda a 2,5 cm de profundidad. Se realizaron dos aplicaciones
suplementarias de nitrógeno al voleo sobre la superficie del suelo. La primera
en forma de Urea-S (38-0-0-7S) alrededor de la etapa V6 o 21 días después de
siembra (dds) a razón de 159 kg·ha-1 y la segunda en la etapa V10 a
V11 (35 dds) con la fórmula 30-0-20 a razón de 204 kg·ha-1. Las
malezas fueron controladas con la aplicación de herbicidas pre emergentes
(atrazina más pendimentalina) y se realizaron deshierbes manuales por escape
del control antes de la cosecha. No se realizó en ninguno de los ensayos
control de insectos.
Variables
medidas
Los datos tomados incluyeron caracteres cuantitativos como: días a
floración masculina y femenina, altura de planta y mazorca, número de plantas
acamadas de tallo, número de mazorcas podridas, número de plantas y mazorcas al
momento de la cosecha, rendimiento de grano, número de mazorcas con mala
cobertura y humedad del grano. Además, se midieron variables cualitativas,
como: aspecto de planta y mazorcas (escala 1 a 5), textura de grano (escala 1 a
4), enfermedades al follaje tales como Bipolaris
maydis, Exserohilum turcicum. En donde 1,0 indica ausencia de enfermedad y
5,0 infección muy severa. La evaluación se realizó en la etapa R3 (75-80 dds)
del cultivo, antes de la senescencia de las hojas. Para el análisis estadístico
de las variables porcentaje de plantas acamadas, mazorcas podridas y mazorcas
con punta descubiertas, se les transformó utilizando la fórmula de la raíz
cuadrada más un medio ().
El rendimiento de grano de cada variedad fue normalizado (RNi) por
medio del proceso de estandarización o normalización
N (0,1). La fórmula para el cálculo del rendimiento normalizado por localidad
fue (Xi- µ) /d, en donde Xi es
el rendimiento de la variedad de interés, µ es la media y d es la
desviación estándar de cada localidad. Posteriormente, se obtuvo la media de
cada variedad a través de localidades.
Diseño experimental y
análisis estadístico
Se realizó un análisis de varianza por localidad y combinado por año con
las 10 variedades en común, así como un combinado de los primeros dos años
(2022 y 2023). Para los análisis de varianza individuales y combinado se
utilizó el diseño de Bloques Completo al Azar (BCA) con tres repeticiones. Los
análisis de varianzas se realizaron con el método REML (Restricted Maximum
Likelihood) propuesto por Vargas et al., (2013). El cálculo por localidad de
las varianzas de cada una de las fuentes de variación (1) y de la repetitividad
(2) se realizó de acuerdo con las siguientes fórmulas:
En donde Y ijk es el tratamiento de interés; 𝛍 es la media general; Rep
i es el efecto de la i-ésima repetición; Gen k es el efecto
j-ésimo genotipo, y ε ij es el error residual. En este modelo los
genotipos se consideran como efectos fijos y las repeticiones como efectos al
azar. Las localidades que tuvieron una repetitividad superior a cero, se les
realizó un análisis de varianza combinado por año (3) y un combinando a través
de años con el modelo BCA (3). Para la repetitividad del análisis combinado (4)
se utilizó la fórmula propuesta por Vargas et al (2013):
En donde los nuevos términos Loc i y Loc i x Gen
l son los efectos para la i-ésima localidad y la interacción genotipo por
localidad, ambos considerados términos al azar dentro del modelo. Para la
estructura de las covarianzas se utilizó el modelo de componentes de la
varianza (Variance components). A todas
las variables se le calculó las medias ajustadas o el Mejor predictor lineal
insesgado (BLUP) y las mismas fueron comparadas utilizando las diferencias
mínimas significativas (DMS) al 5% de probabilidad.
Análisis de Estabilidad
Para el análisis de estabilidad por año y
combinado de los tres años, se utilizó el modelo Biplot GGE-SReg, que integra
el análisis de varianza y el análisis de componentes principales (Yan et al.,
2000). El SReg es basado en la Regresión de sitios Lineal-bilineal
(multiplicativo) de (Cornelius & Crossa, 1999). El modelo matemático del
SReg (5) es:
(5)
En donde es el Rendimiento promedio de un genotipo i en
un ambiente k, μ es la media del
genotipo i-ésimo en el j-ésimo ambiente;
j es
el efecto de las desviaciones de las medias del ambiente, λ k es el valor singular para el PCA o son constantes
de escala (valores singulares) que permiten la imposición de restricciones de
orto-normalidad en los vectores singulares para genotipos
y ambientes
;
de modo que
y
para
;
y
son llamadas “primario”, “secundario”,
“terciario”….etc efectos de genotipos y ambientes respectivamente.;
es el Error experimental asumiendo ser normal
y con distribución independiente (0,
).
Los datos de rendimiento fueron sometidos a un análisis de conglomerado
mediante el método de Ward (Johnson, 2000). Este método utiliza el análisis de
la varianza para evaluar la distancia entre grupos, minimizando la suma de los
cuadrados de las distancias entre los conglomerados que son formados en cada
interacción.
Análisis de confiabilidad
de la respuesta
El análisis de
confiabilidad se aplicó a las cinco variedades (excluyendo al testigo local)
que fueron evaluadas los tres años. Para la confiabilidad o respuesta
normalizada (RNi), del i-ésimo genotipo se determinó a partir de los
diferenciales de rendimiento con respecto al testigo IDIAP-MQ-09. Los valores
promedios de las diferencias (di) y la desviación estándar de las diferencias
(Sdi) se estimaron en todos los ambientes. A continuación, se determinó el
valor estandarizado (di/Sdi), al cual se le incorpora la probabilidad normal
estandarizada, mediante la tabla de distribución normal tipificada N (0, 1),
que proporciona los valores de alfa de la cola (probabilidad de encontrar un
valor de Z mayor al indicado). A esta probabilidad se le denomina confiabilidad
normalizada con respecto al testigo (RNi) (Córdova et al., 1994; Camargo et al., 2014). Se seleccionó el mejor genotipo y se le
calculó la diferencia y probabilidad de su ocurrencia con respecto al testigo
local IDIAP-MQ-09 (Eskridge & Mumm, 1992).
RESULTADOS Y
DISCUSIÓN
Las fechas de siembra y la
precipitación pluvial en las cuatro etapas de desarrollo del cultivo de las
localidades se presentan en el Cuadro 3, junto a los lugares donde se sembraron
los ensayos. La etapa de 0 a 30 dds se refiere a la etapa inicial de
crecimiento vegetativo en donde la falta de lluvias puede causar la muerte de
la planta. La etapa de 31 a 50 dds es la etapa prefloración, mientras que de 51
a 80 dds incluye la floración y llenado de grano, siendo éstas las dos etapas
más críticas en donde se requiere buena humedad para la formación y llenado del
grano. La cuarta etapa que va de 81 a 100 dds se considera la etapa final de
llenado y pérdida de humedad del grano (Gordón et al., 2025).
Las localidades de El Ejido, San
José y El Nanzal sembradas en el 2022 presentaron registros de lluvia por
encima de los 500 mm desde la siembra hasta los 100 dds, por el contrario, los
ensayos de La Candelaria, Río Pocrí tuvieron acumulados menores de 470 mm,
ambos valores considerados como buenos para el desarrollo del cultivo de maíz
(Cuadro 3).
Las localidades de El Nanzal, La
Candelaria y Río Pocrí tuvieron acumulados de lluvia por debajo de los 100 mm
en los primeros 30 días. En todas las localidades del 2022 en el período entre
31 a 50 dds hubo lluvias menores a los 200 mm. En San José y El Ejido, la
precipitación fue de 188 y 79 mm, en el período o fase final que va de 81 a 100
dds. El resto de las localidades la lámina acumulada al final del periodo fue
de menos de 40 mm (Cuadro 3).
En el año 2023, todas las
localidades presentaron registros de lluvia por debajo de los 500 mm desde la
siembra hasta los 100 días después de la siembra (dds), con excepción de la
siembra en El Ejido con acumulado de 514 mm, siendo ésta la localidad con mayor
acumulación de lluvias de todo el período. La localidad con el registro más
bajo (386 mm) fue Nuevo Ocú. Los ensayos en El Nanzal, Río Pocrí y Purio se
caracterizaron por presentar un bajo acumulado de lluvias (113 mm) en la fase
vegetativa del cultivo y el mayor acumulado (401 mm) después de la floración
(50 a 100 dds). En La Candelaria a pesar de tener acumulados similares, la
distribución en estas dos etapas fue más parecida en ambas fases del cultivo.
En varias las localidades, en el período o fase final que va de 81 a 100 dds,
la precipitación fue por encima de los 250 mm. Por otra parte, las siembras
realizadas en 2024 en las localidades de El Montero, Purio y Mariabé
presentaron registros por encima de los 800 mm desde la siembra hasta los 100
dds. Ese mismo año, las siembras realizadas en Río Pocrí, La Candelaria y Nuevo
Ocú presentaron registros muy cercanos a los 500 mm, pero con la ventaja que en
el período más crítico que es entre los 50 y 80 dds tuvieron una muy buena
precipitación acumulada (alrededor de los 230 mm) y muy baja (menos de 30 mm)
en la etapa de 80 a 100 dds. En relación con las localidades de Purio y Mariabé
presentaron lluvias acumuladas alrededor de los 850 mm con una buena
distribución durante todo el período de desarrollo del cultivo (Cuadro 3).
En general, todos los suelos en donde se llevaron los
experimentos se consideran suelos de fertilidad media para el cultivo de maíz.
Estos suelos son clasificados como bajos en fósforo con excepción del suelo de
Río Pocrí y El Nanzal en donde el valor encontrado es igual o superior a la
dosis crítica de 13 cmol/kg (Gordón-Mendoza et al., 2016). En relación con el
potasio, los suelos son considerados de contenido medio a alto. En calcio y
magnesio se clasifican como altos en contenido; y bajos en aluminio. Su pH es
ácido a muy ácido y su textura va de arcillosa a franco arcillosa con excepción
de la localidad La Candelaria que presentan textura arenosa. Todos los suelos
son bajos en materia orgánica y bajos en zinc (Cuadro 4).
Análisis de los ensayos de
2022 y 2023
El análisis individual por
localidad indicó que todos los análisis presentaron repetividad (H) entre 0,93
y 0,17 por lo que todas las localidades fueron incluidas en el análisis
combinado. También se presenta el cociente DMS/Rango el cual varió de 0,22 a
0,83, indicando este valor la buena precisión de los ensayos individuales
(Gordón-Mendoza & Camargo-Buitrago, 2015; Camargo-Buitrago et al., 2017).
El coeficiente de variación máximo fue de 14,1 en el Ensayo de El Nanzal,
mientras que el más bajo fue 6,3 en Río Pocrí del año 2023, el cual presentó la
mayor repetitividad con 0,93 (Cuadro 5).
El análisis de varianza combinado del
rendimiento y algunas características agronómicas de las once localidades
presenta una repetitividad de 0,93, con un coeficiente DMS/Rango de 0,22. El
coeficiente de variación fue de 9,7% para la variable rendimiento de grano; los
valores de todos estos estadísticos indican buena precisión experimental
(Cuadro 6). Este análisis de varianza combinado presentó diferencias altamente
significativas entre ambientes y variedades para la mayoría de las variables
estudiadas. La interacción genotipo ambiente resultó altamente significativa
para todas las variables excepto la floración femenina, peso de mazorcas,
posición relativa de la mazorcas y textura de grano. De acuerdo con el análisis
de varianza del rendimiento, el ambiente capturó el 57% de la suma de cuadrados
total del experimento. Por su parte los genotipos capturaron el 17% de la
variabilidad total del análisis de varianza.
De acuerdo con el análisis
de Conglomerados de Ward se identifican tres grupos ambientales o dominios de
recomendación con una distancia de 0,25. El primer grupo estuvo formado por las
localidades de San José-2 y La Candelaria-2, (Grupo A), un segundo grupo (Grupo
B) reunió a las localidades sembradas en La Candelaria-3, Nuevo Ocú-3 y
Purio-3. El tercer grupo o Grupo C se conformó con el resto de las localidades
(Figura 1).
De todas las variedades evaluadas, cuatro
superaron la media general de las once localidades, sobresaliendo de manera
significativa el sintético de grano normal S19LTWNHGAB13 y el sintético QPM
alto en zinc S16LTWNQHZNHGAB01 con medias superiores 5,90 t·ha-1. La
variedad de grano normal superó estadísticamente al testigo IDIAP-MQ-09 en 40%
y a la media en general en 33%. Por otra parte, la variedad QPM superó al
testigo en 36% y a la media general en 26%. Siguieron al primer grupo de
variedades, el formado por los sintéticos S20LLTWNHGAB01, y S19LTWQZNHGAB02 con
rendimientos superiores a la media general 5,36 t·ha-1. El resto de
los sintéticos evaluados tuvieron rendimientos por debajo del promedio de las
once localidades (Cuadro 7).
En cuanto a la población de
plantas al momento de la cosecha, se encontró diferencia estadística
significativa entre las variedades evaluadas oscilando los valores entre 6,38 y
5,39 plantas cosechadas. Todos los sintéticos fueron muy similares en floración
femenina, con valores entre 55 y 57 dds. Con relación a la altura de planta, la
variedad de menor estatura fue el S13LTWQHZNHGAB03 con 193 cm. Las medidas de
la altura de la mazorca variaron entre 88 a 104 cm, siendo el mismo sintético
el de la posición más baja de la mazorca (88 cm). Todos los materiales
presentaron una alta prolificidad de mazorcas por planta con valores muy
cercanos a una mazorca por planta. El sintético S16LTWNQHZNHGAB02 presentó la
más alta susceptibilidad a la pudrición de mazorcas con porcentajes superiores
al 4,9% en el promedio de todas las localidades. Por otro lado, el resto de los
sintéticos presentaron bajos porcentajes de mazorcas podridas (menos del 4%).
Con relación a la interacción genotipo
ambiente, la Figura 2A muestran las variedades que mejor se comportaron en cada
uno de los grupos ambientales, de acuerdo con la posición o cercanía a la que
se encuentran de cada grupo ambiental. La variedad de mejor desempeño en las
localidades del Grupo A y C fue el S19LTWNHGAB13 y S16LTWNQHZNHGAB01 ambas
variedades están ubicados en el vértice del polígono que está en el sector (Yan
et al., 2000). De
acuerdo con el análisis Biplot realizado este año el
cultivar de grano más estable y de mayor rendimiento a través de las localidades
fue S20LLTWNHGAB01, mientras que S16LTWNQHZNHGAB01 fue el más estable para las
variedades QPM. Ambos presentan la mayor puntuación en el Eje del Componente
Principal 1 (PCA1) y más cercano al Eje del Ambiente Promedio o EAP (Figura
2B).
Análisis de los ensayos de 2024
Los
análisis estadísticos individuales de los ensayos del 2024 presentaron
repetitividades que oscilaron entre 0,97 a 0,99 y DMS/Rango de 0,24 a 0,46 por
lo que fueron incluidos en el análisis combinado (Gordón-Mendoza & Camargo-Buitrago,
2015; Camargo-Buitrago et al.,
2017). Este análisis presentó diferencias significativas para las principales
variables de respuesta entre localidades, genotipos y la interacción genotipo
ambiente (Cuadro 8).
De acuerdo con el análisis de Conglomerados
de Ward todos los ambientes fueron similares, solo se logró separar ambientes a
una distancia de 0,07. El primer grupo estuvo formado por las localidades de
Río Pocrí y Nuevo Ocú, (Grupo A), un segundo grupo (Grupo B) reunió a las
localidades sembradas en La Candelaria, El Montero, Mariabé y Purio (Figura 3).
El análisis de varianza
combinado del rendimiento y algunas características agronómicas de las seis
localidades presentó una repetitividad de 0,96, con un coeficiente DMS/Rango de
0,18. El coeficiente de variación fue de 11,2% para la variable rendimiento de
grano, los valores de todos estos estadísticos indican buena precisión
experimental (Cuadro 9). Este análisis de varianza combinado presentó
diferencias altamente significativas entre ambientes y variedades para la
mayoría de las variables estudiadas. La interacción genotipo ambiente resultó
altamente significativa para todas las variables excepto posición relativa de
las mazorcas, % de mazorcas podridas y textura de grano. De acuerdo con el
análisis de varianza del rendimiento no hubo diferencias significativas entre
localidades para el rendimiento de grano. Por su parte los genotipos capturaron
el 74% de la variabilidad total del análisis de varianza. Este resultado
sugiere que la gran diferencia se debió a las variedades con poca interacción
entre los mismos a través de las localidades.
En este ciclo de evaluación sobresalieron la variedad de grano amarillo
IDIAP-MV1102 y el nuevo sintético blanco S16LTWNQHZNHGAB01 con promedios de
7,18 y 6,24 t·ha-1, respectivamente. Estas dos variedades superaron
significativamente al testigo nacional blanco IDIAP-MQ-09 en 1,90 y 0,96 t·ha-1
(36 y 18%). A esta variedad le siguió la variedad IDIAP-MQ-09 e IDIAP-MV-1816
con rendimientos superiores a las 5,0 t·ha-1. El resto de las
variedades tuvieron rendimiento por debajo de la media general del experimento
4,84 t.ha-1 (Cuadro 10).
En relación con el número de plantas al momento de la cosecha, se
encontró diferencia estadística significativa entre las variedades evaluadas
oscilando los valores entre 6,51 y 3,02 plantas cosechadas, siendo los valores
más bajos en las variedades con menor rendimiento de grano. Todos los
sintéticos fueron muy similares en floración femenina, con valores entre 52 y
54 dds. Con respecto a la altura de planta, la variedad de menor estatura fue
el IDIAP-ProA-04 con 219 cm. Las medidas de la altura de la mazorca variaron
superaron los 110 cm, excepto el IDIAP-MQ-18 e IDIAP-ProA-04. Todos los
materiales presentaron una alta prolificidad de mazorcas por planta con valores
muy cercanos a una mazorca por planta, con excepción del IDIAP-MV-0706 que tuvo
una media de 0,83 mazorcas/planta. La pudrición de mazorcas fue baja en todas
las variedades con porcentajes menores o igual al 5,2. El porcentaje de plantas
acamadas presentó diferencias siendo el S16LTWNQHZNHGAB01 e IDIAP-MV-1816 las
variedades con promedios menores al 10%. La variedad con el mayor porcentaje de
plantas acamadas fue el IDIAP-MV-0706 con una media de 27.3%. El promedio de la
clasificación de enfermedades fue baja, menos de 2,5.
Con relación a la interacción genotipo ambiente, la Figura 4A muestran
las variedades que mejor se comportaron en cada uno de los grupos ambientales,
de acuerdo con la posición o cercanía a la que se encuentran de cada grupo
ambiental. La variedad de mejor desempeño en las localidades del Grupo B fue el
S16LTWNQHZNHGAB01(S16) mientras que el IDIAP-MV-1102 (I02) es la de mejor
desempeño en las localidades del Grupo A, ambas ubicadas en los vértices del
polígono que están en el sector (Yan et
al., 2000). De acuerdo con el análisis Biplot realizado este año el
cultivar de grano más estable y de mayor rendimiento a través de las
localidades fue S16LTWNQHZNHGAB01 (S16). Siendo la primera la de mayor
puntuación en el Eje del Componente Principal 1 (PCA1) y más cercana al Eje del
Ambiente Promedio o EAP. La variedad IDIAP-MV-1102 presentó mayor rendimiento,
pero su distancia al eje EAP fue mayor (Figura 4B).
Análisis de confiabilidad o respuesta normalizada
El análisis de estabilidad y confiabilidad de la respuesta normalizada
(RNi) de los tres años en las 17 localidades, se presentan en el
Cuadro 11. El genotipo S16LTWNQHZNHGAB01, de baja interacción con el ambiente y
una puntuación cercana a cero del segundo eje del Componente Principal (PCA2),
presentó una respuesta normalizada, con un valor de Ri de 0,92, lo cual se
interpreta que en noventa y dos de cada cien localidades hay una respuesta
superior de esta variedad con respecto al testigo de grano blanco IDIAP-MQ-09.
Para este análisis se utilizó la distribución de t, según Eskridge & Mumm
(1992) esta distribución puede ser utilizada pero sus estimado diferirían
ligeramente de los en la Distribución Normal cuando se tienen la cantidad
suficiente de localidades para estimar la confiabilidad.
La diferencia con el testigo fue en promedio de 1,36 t·ha-1.
Las magnitudes de las respuestas normalizadas coinciden con los encontrados por
Gordón-Mendoza & Camargo-Buitrago
(2021). A diferencia de la estabilidad, la confiabilidad permite hacer
inferencias más amplias que ésta, ya que depende de las diferencias con el
testigo y el genotipo de interés en las distintas localidades utilizadas en la
evaluación (Eskridge et al., 1993).
La curva de frecuencia acumuladas de las
diferencias de la nueva variedad con respecto al testigo IDIAP-MQ-09 se
presenta en la Figura 5. Según Eskridge et
al., (1993) en cuanto más se desplace la función de confiabilidad hacia
la derecha, mayor es la diferencia de medias y más probable que la variedad de
prueba supere a la variedad testigo. En esta gráfica se aprecia como la
variedad S16LTWNQHZNHGAB01 supera al testigo en mayor cantidad total para una
misma frecuencia acumulada. Se verifica que entre mayor es la diferencia de
rendimiento, mayor es la confiabilidad estimada, es decir, si se toma la
mediana (50% de todas las localidades), el sintético S10TLYNGSHGAB01 supera al
testigo en 1,12 toneladas. De acuerdo con Camargo et al., (2003), la variación en confiabilidad para los genotipos
dentro de un diferencial dado se debe básicamente a las diferentes magnitudes
de las desviaciones estándares a través de los distintos ambientes.
CONCLUSIONES
·
La integración de las metodologías utilizadas
como Biplot GGE-SReg y confiabilidad de la respuesta ayudan a aumentar la
certeza de los investigadores en el proceso de selección de cultivares élites
con buena adaptabilidad a la región de interés.
·
El trabajo colaborativo entre las
instituciones nacionales de investigación e innovación con los Centros
Internacionales permite la búsqueda y selección de genotipos con mayor
productividad en beneficio de los productores nacionales.
·
Se logró identificar un genotipo superior
grano de alta calidad proteica y alto contenido de Zn que supera al testigo
nacional utilizado en la investigación.
RECOMENDACIONES
· Presentar toda la documentación generada para el
registro ante el Comité Nacional de Semillas del Ministerio de Desarrollo Agropecuario
de la nueva variedad S16LTWNQHZNHGAB01 para su siembra en la República de
Panamá.
·
El nombre sugerido para esta variedad es
IDIAP-MQ-13.
REFERENCIAS
Ashraf, S. A. (2025) Food fortification as
sustainable global strategy to mitigate micronutrient deficiencies and improve
public health. Discover Food, 5, 201.
https://doi.org/10.1007/s44187-025-00512-5
Bouis, H. E., &
Saltzman, A. (2017). Improving nutrition through biofortification: A review of
evidence from Harvest Plus, 2003 through 2016. Global Food Security, 12, 49-58.
https://doi.org/10.1016/j.gfs.2017.01.009
Camargo, I., Gordón, R., & Fuentes, M.
(2003). Estabilidad y confiabilidad de los nuevos híbridos de maíz en
comparación al testigo regional HB-83, 1998-2000. Agronomía Mesoamericana, 14(2), 129-134. https://doi.org/10.15517/am.v14i2.11940
Camargo, I., Quirós, E. I., & Camargo, V.
M. (2014). Selección de nuevos genotipos de arroz basados en la probabilidad de
superar al testigo. Agronomía
Mesoamericana, 25(1), 63-71. https://www.redalyc.org/articulo.oa?id=43730495007
Camargo-Buitrago, I., Gordón-Mendoza, R.,
& Quirós-McIntire, E. I. (2017). La repetitividad como estimador de la
precisión experimental en el análisis de experimentos. Agronomía Mesoamericana, 28(1), 159-169. http://dx.doi.org/10.15517/am.v28i1.24239
Córdova, H. S., Barreto, H. J., & Crossa,
J. (1994). Impacto del desarrollo de híbridos de maíz en Centro América. Agronomía Mesoamericana, 5, 78-87. https://doi.org/10.15517/am.v5i0.25064
Cornelius, P. L., &
Crossa, J. (1999). Prediction assessment
of shrinkage estimators of multiplicative model for multi environment cultivar
trials. Crop Science, 39, 998-1009. https://doi.org/10.2135/cropsci1999.0011183X003900040007x
Eskridge, K. M., & Mumm, R. F. (1992).
Choosing plant cultivars based on the probability of outperforming a check. Theoretical and Applied Genetics, 84,
494-500. https://doi.org/10.1007/BF00229512
Eskridge, K. M.,
Smith, O. S., & Byrne, P. F. (1993). Comparing test cultivars using
reliability functions of test check differences from on farm trials. Theor. Appl. Genet, 87, 60-64. https://doi.org/10.1007/BF00223745
Eskridge, K. M. (1997). Evaluation of corn
hybrids using the probability of outperforming a check based on strip-test
data. Journal of agricultural, biological
and environmental statistics, 2(3), 245-254. https://doi.org/10.2307/1400444
Gordón-Mendoza, R.,
Franco-Barrera J. E., & San Vicente-García, F. M. (2015). Selección de
variedades de maíz tolerantes al déficit hídrico. Ciencia Agropecuaria, (23), 39-59. http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/121
Gordón-Mendoza, R., & Camargo-Buitrago,
I. (2015). Selección de estadísticos para la estimación de la precisión
experimental en ensayos de maíz. Agronomía
Mesoamericana, 26(1), 55-63. https://doi.org/10.15517/am.v26i1.16920
Gordón-Mendoza,
R., Franco, J.E. Villarreal, J.E.& Smyth, T.J. (2016). Manejo de la
fertilización fosforada en el cultivo de maíz, El Ejido, Panamá, 2004-2013. Agronomía Mesoamericana 27(1), 95-108. http://dx.doi.org/10.15517/am.v27i1.21889
Gordón-Mendoza, R., Franco-Barrera, J.,
Núñez-Cano, J., Jaén-Villarreal, J., Sáez-Cigarruista, A., Quirós-Rodríguez,
E., Rodríguez-Quiel, E., & San Vicente-García, F. (2018). Variedades de
maíz con alto contenido de betacarotenos. Ciencia Agropecuaria, (28),
93-116.
http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/8
Gordón-Mendoza, R., Franco-Barrera, J. E.,
Núñez-Cano, J. I., Sáez-Cigarruista, A. E., Ramos-Manzané, F. P.,
Jaén-Villarreal, J. E., & San Vicente-García, F. M. (2020). Evaluación y
selección de variedades de maíz para sistemas de agricultura familiar de Panamá,
2017-2019. Ciencia Agropecuaria,
(31), 99-126.
http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/303
Gordón-Mendoza, R., & Camargo-Buitrago,
I. (2021). Herramientas estadísticas para la evaluación y selección de híbridos
de maíz a través de múltiples ambientes y años. Ciencia Agropecuaria,
(32), 12-37.
http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/417
Gordón-Mendoza, R. (2021). Manual Técnico: El
maíz en Panamá: Características, requerimientos y recomendaciones para su
producción en ambientes con alta variabilidad climática. Instituto de
Innovación Agropecuaria de Panamá. 108 p.
http://www.idiap.gob.pa/download/manual-tecnico-el-maiz-en-panama/?wpdmdl=5371
Gordón-Mendoza, R., Sáez-Cigarruista, A. E.,
Franco-Barrera, J. E., Ramos-Manzané, F. P., & Núñez Cano, J. I. (2025).
Efecto del déficit hídrico en distintas etapas del cultivo de maíz, El Ejido,
Los Santos, 2020-2023. Revista
Investigaciones Agropecuarias, 8(1), 11-24. https://doi.org/10.48204/j.ia.v8n1.a8760
Johnson, D. E. (2000). Métodos multivariados
aplicados al análisis de datos. International Thompson
Editors. 566 p. https://es.scribd.com/document/794931238/Johnson-2000-Metodos-Multivariados-Aplicados-Al-Analisis-de-Datos
Nuland, D. S., & Eskridge, K. M. (1992).
Probability of outperforming a check. In: H.F. Schwartz (ed.). Proceedings,
35th Bean Improvement Cooperative Meetings. Colorado State Univ. For. Collins.
CO. p. 17-20. Theor. Appl.
Genet. 84, 494-500.
Ofori, K. F., Antoniello, S., English, M. M., & Aryee, A. (2022).
Improving Nutrition through Biofortification. A Systematic Review. Frontiers in Nutrition, 9,1043655. https://doi.org/10.3389/fnut.20221043655
Raza, A., Razzaq, A., Sundas, S. M., Zou, X.,
Zhang, X., Yan, Lv., & Xu, J. (2019). Impact
of Climate Change on Crops Adaptation and Strategies to Tackle Its Outcome: A
Review. Plants, 8(2),34.
https://doi.org/doi:10.3390/plants8020034
Reyes-Anistro, G. I., Adame-Martínez, S.,
& Cadena-Vargas, E. (2018). Vulnerabilidad ante la variabilidad climática
en los cultivos de maíz Zea mays. Sociedad y Ambiente, 17, 93-113. <http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-65762018000200093&lng=es&nrm=iso>
Sheoran, S., Kumar, S., Ramtekey, V., Kar, P., Meena, R. S., &
Jangir, C. K. (2022). Current Status and Potential of Biofortification to
Enhance Crop Nutritional Quality: An Overview. Sustainability, 14(6), 3301. https://doi.org/10.3390/su14063301
Vargas, M., Combs, E., Alvarado, G., Atlin,
G., Mathews, K., & Crossa, J. (2013). META: A suite of SAS Programs to
analyze Multi environment breeding trials. Agronomy
Journal, 105,11-19. httphs://doi.org/10.2134/agronj2012.0016
Xiong, W., Reynolds, M., & Xu, Y. (2022).
Climate change challenges plant breeding. Current
Opinion in Plant Biology, 70, 102308. https://doi.org/10.1016/j.pbi.2022.102308
Yan, W., Hunt, L. A., Sheng, Q., &
Szlavnics, Z. (2000). Cultivar Evaluation and Mega Environment Investigation
based on the GGE Biplot. Crop Science, 40,
597-605. https://doi.org/10.2135/cropsci2000.403597x
Yan, W., & Rajcan, I. (2002). Biplot
Analysis of test sites and trait relations of soybean in Ontario. Crop Science, 42, 11-20. https://doi.org/10.2135/cropsci2002.1100
Yan, W., & Kang, M. S. (2003). GGE Biplot
Analysis: A graphical tool for breeders, geneticists, and agronomists. CRC
Press, Boca Ratón, FL. 271 p.
Yan, W., & Holland, J. B. (2010). A
heritability-adjusted GGE Biplot for test environmental evaluation. Euphytica, 171,
355-369. https://doi.org/10.1007/s10681-009-0030-5