Trabajos en Prensa

Evaluación de métodos para el análisis estadístico de ensayos comparativos de rendimiento de girasol (Helianthus annuus L.)

Recibido 02 de enero de 2016 // Aceptado 10 de abril de 2017 // Publicado online 17 de enero de 2018
MONTIEL, M.G.1; PERELMAN, S.2; DE LA VEGA, A.J.3

Resumen
El rendimiento de aceite por unidad de superficie es el principal criterio de selección de la mayoría de los programas de mejoramiento de girasol. Los ensayos comparativos de rendimiento instalados en red en la región girasolera de la República Argentina contribuyen tanto a la toma de decisión de los productores y asesores como a la selección de genotipos superiores por parte de los fitomejoradores. El objetivo de este trabajo es cuantificar las diferencias en capacidad predictiva de diferentes diseños experimentales y métodos de análisis estadístico en la estimación de los efectos genotípicos para rendimiento de aceite (kg ha-1) y su impacto en la selección de híbridos superiores. Se evaluaron 43 ensayos multiambientales de girasol (261 ensayos locales) en cinco campañas. Se comparó la eficiencia relativa del diseño más frecuente en programas de mejoramiento (Bloques Completos Aleatorizados) con otros dos modelos de diseño y análisis de ensayos: Láttice y Espacial. Se obtuvo un ranking de híbridos para cada modelo y con una presión de selección del 20% se evaluó el grado de superposición en la selección entre pares de modelos mediante un coeficiente de coincidencia. El modelo espacial fue el que mejor ajustó los rendimientos de aceite obtenidos a los esperados y también presentó un aumento en la eficiencia de selección de genotipos superiores en relación con el diseño en bloques a través de un mayor coeficiente de coincidencia con el modelo de mayor eficiencia relativa para cada combinación año-subregión (modelo “ideal”). Según estos resultados se podría mejorar fuertemente la precisión de las estimaciones provenientes de las redes oficiales de ensayos comparativos de rendimiento de cultivos sin aumentar la inversión de recursos en términos de número de parcelas y utilizando programas estadísticos ya disponibles.
 

Palabras clave: diseño experimental, eficiencia relativa, redes oficiales de ensayos, girasol, modelos lineales
mixtos, análisis espacial.

Abstract
The oil yield per unit area is the main criterion for selection of most sunflower breeding programs. Comparative performance testing by a network installed throughout the sunflower region of Argentina contributes to both the decision-making of farmers and their advisers, and to the selection of superior genotypes by plant breeders. The aim of this study is to quantify the differences in predictive ability of different experimental designs and methods of statistical analysis in the estimation of the genotypic effects oil yield (kg ha-1) and its impact on the selection of superior hybrids. Forty-three multi-environmental sunflower trials (261 local trials) were evaluated for five seasons. The relative efficiency of the most common breeding program design (Randomized Complete Blocks) was compared with two alternative models for design and analysis of trials. A ranking of hybrids was obtained for each model and, with a selection pressure of 20%, the degree of overlap was evaluated in the selection of peer models using a coefficient of coincidence. The spatial model was the best fit between actual and expected oil yields, and also showed an increase in the efficiency of selection of superior genotypes in relation to the block design through a higher coefficient of coincidence with the Ideal Model (that of highest relative efficiency). According to these results, the precision of estimates from official networks of comparative
crop yield tests could be strongly improved using available statistical packages without increasing the need for investment of additional resources in terms of the number of plots.

Keywords: experimental design, relative efficiency, official trial networks, sunflower, mixed linear models, spatial analysis.

1Dto. Métodos Cuantitativos y Sistemas de Información, Facultad de Agronomía, UBA.
Correo electrónico: mmontiel@agro.uba.ar
2Dto. Métodos Cuantitativos y Sistemas de Información, Facultad de Agronomía, UBA. Ifeva, UBA-CONICET. Correo electrónico:
perelman@agro.uba.ar
3DuPont Pioneer, 41309 La Rinconada, Sevilla, España. Correo electrónico: abelardo.delavega@pioneer.com

Notas Actualidad I+D

  • Determinan el potencial del carbono para identificar plantas amenazadas
    20 de Marzo de 2019

    Así lo destaca un estudio publicado recientemente en la revista Nature Scientific Reports donde Pablo Peri, referente del INTA y UNPA – CONICET, junto a un equipo de investigadores, evaluaron la relación entre la biodiversidad de especies vegetales amenazadas y el carbono del suelo.

    No contiene audio
    Contiene imagen
    No contiene infografía
    No contiene video
    No contiene archivos adjunto
  • Leptospirosis: hallan dos nuevas especies de roedores hospedadores de la bacteria
    13 de Marzo de 2019

    Este descubrimiento de investigadores del INTA y de la Universidad Nacional del Litoral – CONICET permite a los profesionales de la salud humana y animal estar alerta frente a esta enfermedad infecciosa de amplia distribución en el país.

    No contiene audio
    Contiene imagen
    No contiene infografía
    No contiene video
    No contiene archivos adjunto
  • Aumentar la producción sin comprometer los recursos es posible
    06 de Marzo de 2019

    Un consorcio de investigadores de Alemania y Argentina –del que participa el INTA– evaluó el costo ambiental de la expansión de la frontera agropecuaria y el impacto de los cambios en el uso del suelo en el Chaco semiárido. Escenarios posibles para prever las áreas de mayor riesgo de transformación y su impacto.

    No contiene audio
    Contiene imagen
    No contiene infografía
    No contiene video
    Contiene archivo adjunto
  • Detectives del código genético
    27 de Febrero de 2019

    En la era del big data, un equipo de investigadores del INTA aplica herramientas de la bioinformática para ordenar, secuenciar y analizar grandes volúmenes de datos. Descifrar el ADN de un organismo vivo permite entender cómo funciona y cuáles son los mecanismos que se activan frente a una enfermedad o cambios en el ambiente.

    No contiene audio
    Contiene imagen
    No contiene infografía
    No contiene video
    Contiene archivo adjunto
  •  
  • 1 de 33
  • +

RECURSOS MULTIMEDIA

Novedades RIA

Edición actual

Otros Números