Clasificación de híbridos y líneas de maíz según la dinámica temporal de cobertura foliar mediante fenotipado de alto caudal con vehículos aéreos no tripulados

• Autores: Menes, Jose Fernando; Galizia, Luciana Ayelen; Presello, Daniel Alberto; Schrauf, Gustavo Enrique; Portillo, Javier Esteban
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Fuente: I Reunión Nacional de Ecofisiología y Agroecosistemas, Córdoba, 9 al 11 de Septiembre de 2025
• Materia: Maíz; Híbridos; Genotipos; Teledetección; Maize; Hybrids; Remote Sensing; Drones; Pergamino, Buenos Aires
• Institución: Instituto Nacional de Tecnología Agropecuaria

Poster y resumen
La dinámica de la cobertura foliar es clave para la productividad del maíz, ya que un rápido cierre del entresurco permite aumentar anticipadamente la radiación interceptada en estadios iniciales y reducir la evaporación del suelo. Además, mantener el área foliar verde tras la floración (stay-green), permite sostener la tasa de llenado de grano y mejora la tolerancia a estreses abióticos. El objetivo de este trabajo fue identificar grupos de genotipos con dinámica de cobertura favorable, combinando mayor cobertura inicial y duración del área foliar durante el llenado, mediante análisis multitemporal en un conjunto de líneas e híbridos derivados. El ensayo se realizó durante la campaña 2023 en la EEA Pergamino, con diseño de bloques completos al azar y tres repeticiones, evaluando 56 híbridos y 13 líneas endocriadas de maíz en parcelas de cuatro surcos por cinco metros. La cobertura se estimó mediante un vehículo aéreo no tripulado (VANT) equipado con sensor multiespectral, en cuatro momentos del ciclo (21, 61, 83 y 116 días después de siembra, DDS). Se empleó el índice de tono general (HUE), que utiliza la información de las bandas RGB, para identificar y separar la vegetación fotosintéticamente activa del suelo y de las hojas senescentes. La cobertura se calculó como el porcentaje de píxeles resultantes dentro del entresurco central. Los híbridos presentaron niveles de cobertura superiores respecto de las líneas (p<0,05) alcanzando más del 80 % frente a ~60 % en líneas. La cobertura aumentó hasta los 83 DDS (~R1) y decreció hacia 116 DDS (llenado de granos), manteniéndose los híbridos con valores superiores. Se evidenció una mayor variabilidad entre los híbridos, con diferencias significativas a partir de los 61 DDS. Por su parte, las líneas solo mostraron diferencias a los 61 y 83 DDS (p<0,05). Mediante agrupamiento jerárquico, se evaluó qué tan similares eran los genotipos usando la distancia euclidiana. Luego, se agruparon buscando los puntos más alejados de cada grupo (ligamiento completo) para generar clústeres compactos. Esto permitió identificar cinco grupos de genotipos con distintos patrones de dinámica de cobertura a lo largo del tiempo. Entre los grupos se destacó uno compuesto por híbridos que combinaron un cierre rápido del entresurco, altos valores de cobertura en floración (90–95%) y una senescencia tenue hacia el final del ciclo. Otro grupo presentó crecimiento inicial más lento y una marcada caída de la cobertura verde por senescencia. Adicionalmente, algunas líneas se agruparon con híbridos que presentaron coberturas cercanas al 70 %, mientras que otro grupo, compuesto solo por líneas, mantuvo coberturas bajas, alrededor del 50–60% en floración. El análisis permitió identificar distintos patrones en la dinámica de cobertura foliar, identificando genotipos con alta cobertura en etapas tempranas y menor caída hacia el final del ciclo. Estos resultados evidencian la utilidad del fenotipado mediante VANTs combinado con análisis multitemporal para caracterizar la cobertura, senescencia y comportamiento stay-green a lo largo del ciclo del cultivo, una característica difícil de fenotipar manualmente. Además, este enfoque puede implementarse con sensores RGB, facilitando el uso de cámaras más económicas.
EEA Pergamino
Fil: Menes, José Fernando. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino. Sección Sistema de Información Geográfica (SIG). Becario; Argentina
Fil: Menes, José Fernando. Universidad de Buenos Aires. Facultad de Agronomía. Cátedra de Genética; Argentina
Fil: Galizia, Luciana A. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino. Departamento de Maíz; Argentina
Fil: Galizia, Luciana A. Universidad de Buenos Aires. Facultad de Agronomía. Cátedra de Genética; Argentina
Fil: Presello, Daniel. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino. Departamento de Maíz; Argentina
Fil: Schrauf, G.E. Universidad de Buenos Aires. Facultad de Agronomía. Cátedra de Genética; Argentina
Fil: Portillo, Javier. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino. Sección Sistema de Información Geográfica (SIG); Argentina
Fil: Portillo, Javier. Universidad Nacional del Noroeste de la Provincia de Buenos Aires. Escuela de Ciencias Agrarias, Naturales y ambientales. Cátedra de Introducción al Tratamiento Digital de Imágenes Satelitales; Argentina