SELECCIÓN DE MAÍZ DE GRANO BLANCO QPM Y ALTO CONTENIDO DE ZINC
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.
Descargas
Citas
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
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.
.jpg){kind=logo}
