Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina

Autores
Lúquez, Julia; Capurro, M.; Erazzú, Luis
Año de publicación
2010
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
La soja [(Glycine max L.) Mer.] puede sembrarse en una amplia zona del país en Argentina. Los ensayos comparativos de rendimiento, normalmente se realizan en 3 zonas agroecológicas: Norte, Pampeana Norte y Pampeana Sur. El análisis y la interpretación de los datos que surgen de estos ensayos en relación con las interacciones genotipo x ambiente (IGA) y la selección de los mejores genotipos se realiza analizando las varianzas y comparando medias, y así, las IGA no son explotadas debidamente. El objetivo de este estudio fue identificar mega-ambientes (MA) y genotipos y ambientes superiores utilizando modelos de regresión por sitios (SREG) y por genotipos (GREG) que expresan la respuesta en función de G+GA y A+GA respectivamente y la exhiben a través de sus gráficos ("biplot"). Se utilizaron los rendimientos de grano de 19 cultivares de soja del Grupo de Madurez IV largo de las campañas agrícolas 2005, 2007 y 2008 provenientes de 27 ambientes de las 3 zonas agroecológicas del país. El GGA biplot basado en SREG mostró que el rendimiento de grano de los cultivares estuvo determinado por los ambientes y las IGA (los Componentes Principales 1 y 2 explicaron el 70,1% de la variación). Se delinearon prácticamente 3 MA, donde se agruparon los 27 ambientes probados, indicando valiosas adaptaciones específicas de los cultivares. El GGA biplot basado en GREG mostró, en tanto, que 2 MA concentraron a todos los cultivares evaluados en 13 ambientes con los mejores rendimientos de grano, en contraste con las típicas localidades de prueba usadas (los Componentes Principales 1 y 2 explicaron el 87,8% de la variación). El uso de esta aproximación ofrece un punto de vista que podría mejorar el uso de los recursos asignados para realizar ensayos de evaluación de cultivares de soja en Argentina.
In Argentina, soybean [(Glycine max L.) Mer.] can be planted in a wide area. Currently, multienvironment trials (MET's) for yield performance for cultivars of different Maturity Groups are conducted in three different agroecological regions: North, North Pampean and South Pampean. Analysis and interpretation of MET's data related with genotype x environment interactions (GE) and selection of best genotypes have been made with analysis of variance and mean comparisons where GE interactions were not exploited. The objectives of this study were to identify megaenvironments and winner genotypes and environments using GGE biplot based on the site and genotype regression (SREG and GREG) models to exploit MET's data sets from soybean regional trials. The GGE biplots display graphically the relationship among test environments, genotypes and GE interactions. Grain yield data of 19 soybean cultivars of Maturity Group long IV from three seasons (2005, 2007 and 2008) across 27 environments in the three agroecological regions in Argentina were analyzed. The GGE biplots based on the SREG model showed that yield grain performance of soybean cultivars was determined by environments and GE interactions. Practically, three megaenvironments were determined (27 environments were grouped here) suggesting useful cultivar specific adaptations (Principal Components 1 and 2 explained 70.1% of variation). The GGE biplots based on the GREG model showed that two megaenvironments concentrated all cultivars on 13 locations with the best grain yields (Principal Components 1 and 2 explained 87.8% of variation) in contrast with the test locations typically used. The utilization of this information, could lead to improve soybean cultivars evaluation in Argentina.
Facultad de Ciencias Agrarias y Forestales
Materia
Ciencias Agrarias
genotipo
mega-ambientes; interacciones genotipo x ambiente; rendimiento de grano
Soja
Argentina
Ambiente
Cultivos Agrícolas
Glycine max, GGE biplot; megaenvironments; GE interactions; grain yield
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/15707

id SEDICI_9c33d66a417fd05892c967f86000c687
oai_identifier_str oai:sedici.unlp.edu.ar:10915/15707
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en ArgentinaGenotype-environment interactions, megaenvironments and winner genotypes and environments for soybean grain yield in ArgentinaLúquez, JuliaCapurro, M.Erazzú, LuisCiencias Agrariasgenotipomega-ambientes; interacciones genotipo x ambiente; rendimiento de granoSojaArgentinaAmbienteCultivos AgrícolasGlycine max, GGE biplot; megaenvironments; GE interactions; grain yieldLa soja [(Glycine max L.) Mer.] puede sembrarse en una amplia zona del país en Argentina. Los ensayos comparativos de rendimiento, normalmente se realizan en 3 zonas agroecológicas: Norte, Pampeana Norte y Pampeana Sur. El análisis y la interpretación de los datos que surgen de estos ensayos en relación con las interacciones genotipo x ambiente (IGA) y la selección de los mejores genotipos se realiza analizando las varianzas y comparando medias, y así, las IGA no son explotadas debidamente. El objetivo de este estudio fue identificar mega-ambientes (MA) y genotipos y ambientes superiores utilizando modelos de regresión por sitios (SREG) y por genotipos (GREG) que expresan la respuesta en función de G+GA y A+GA respectivamente y la exhiben a través de sus gráficos ("biplot"). Se utilizaron los rendimientos de grano de 19 cultivares de soja del Grupo de Madurez IV largo de las campañas agrícolas 2005, 2007 y 2008 provenientes de 27 ambientes de las 3 zonas agroecológicas del país. El GGA biplot basado en SREG mostró que el rendimiento de grano de los cultivares estuvo determinado por los ambientes y las IGA (los Componentes Principales 1 y 2 explicaron el 70,1% de la variación). Se delinearon prácticamente 3 MA, donde se agruparon los 27 ambientes probados, indicando valiosas adaptaciones específicas de los cultivares. El GGA biplot basado en GREG mostró, en tanto, que 2 MA concentraron a todos los cultivares evaluados en 13 ambientes con los mejores rendimientos de grano, en contraste con las típicas localidades de prueba usadas (los Componentes Principales 1 y 2 explicaron el 87,8% de la variación). El uso de esta aproximación ofrece un punto de vista que podría mejorar el uso de los recursos asignados para realizar ensayos de evaluación de cultivares de soja en Argentina.In Argentina, soybean [(Glycine max L.) Mer.] can be planted in a wide area. Currently, multienvironment trials (MET's) for yield performance for cultivars of different Maturity Groups are conducted in three different agroecological regions: North, North Pampean and South Pampean. Analysis and interpretation of MET's data related with genotype x environment interactions (GE) and selection of best genotypes have been made with analysis of variance and mean comparisons where GE interactions were not exploited. The objectives of this study were to identify megaenvironments and winner genotypes and environments using GGE biplot based on the site and genotype regression (SREG and GREG) models to exploit MET's data sets from soybean regional trials. The GGE biplots display graphically the relationship among test environments, genotypes and GE interactions. Grain yield data of 19 soybean cultivars of Maturity Group long IV from three seasons (2005, 2007 and 2008) across 27 environments in the three agroecological regions in Argentina were analyzed. The GGE biplots based on the SREG model showed that yield grain performance of soybean cultivars was determined by environments and GE interactions. Practically, three megaenvironments were determined (27 environments were grouped here) suggesting useful cultivar specific adaptations (Principal Components 1 and 2 explained 70.1% of variation). The GGE biplots based on the GREG model showed that two megaenvironments concentrated all cultivars on 13 locations with the best grain yields (Principal Components 1 and 2 explained 87.8% of variation) in contrast with the test locations typically used. The utilization of this information, could lead to improve soybean cultivars evaluation in Argentina.Facultad de Ciencias Agrarias y Forestales2010info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf31-36http://sedici.unlp.edu.ar/handle/10915/15707enginfo:eu-repo/semantics/altIdentifier/url/http://www.agro.unlp.edu.ar/revista/index.php/revagro/article/view/90info:eu-repo/semantics/altIdentifier/issn/1669-9513info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:52:35Zoai:sedici.unlp.edu.ar:10915/15707Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:52:35.379SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
Genotype-environment interactions, megaenvironments and winner genotypes and environments for soybean grain yield in Argentina
title Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
spellingShingle Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
Lúquez, Julia
Ciencias Agrarias
genotipo
mega-ambientes; interacciones genotipo x ambiente; rendimiento de grano
Soja
Argentina
Ambiente
Cultivos Agrícolas
Glycine max, GGE biplot; megaenvironments; GE interactions; grain yield
title_short Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
title_full Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
title_fullStr Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
title_full_unstemmed Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
title_sort Interacciones genotipo x ambiente, mega-ambientes y genotipos y ambientes superiores para rendimiento de grano de soja en Argentina
dc.creator.none.fl_str_mv Lúquez, Julia
Capurro, M.
Erazzú, Luis
author Lúquez, Julia
author_facet Lúquez, Julia
Capurro, M.
Erazzú, Luis
author_role author
author2 Capurro, M.
Erazzú, Luis
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Agrarias
genotipo
mega-ambientes; interacciones genotipo x ambiente; rendimiento de grano
Soja
Argentina
Ambiente
Cultivos Agrícolas
Glycine max, GGE biplot; megaenvironments; GE interactions; grain yield
topic Ciencias Agrarias
genotipo
mega-ambientes; interacciones genotipo x ambiente; rendimiento de grano
Soja
Argentina
Ambiente
Cultivos Agrícolas
Glycine max, GGE biplot; megaenvironments; GE interactions; grain yield
dc.description.none.fl_txt_mv La soja [(Glycine max L.) Mer.] puede sembrarse en una amplia zona del país en Argentina. Los ensayos comparativos de rendimiento, normalmente se realizan en 3 zonas agroecológicas: Norte, Pampeana Norte y Pampeana Sur. El análisis y la interpretación de los datos que surgen de estos ensayos en relación con las interacciones genotipo x ambiente (IGA) y la selección de los mejores genotipos se realiza analizando las varianzas y comparando medias, y así, las IGA no son explotadas debidamente. El objetivo de este estudio fue identificar mega-ambientes (MA) y genotipos y ambientes superiores utilizando modelos de regresión por sitios (SREG) y por genotipos (GREG) que expresan la respuesta en función de G+GA y A+GA respectivamente y la exhiben a través de sus gráficos ("biplot"). Se utilizaron los rendimientos de grano de 19 cultivares de soja del Grupo de Madurez IV largo de las campañas agrícolas 2005, 2007 y 2008 provenientes de 27 ambientes de las 3 zonas agroecológicas del país. El GGA biplot basado en SREG mostró que el rendimiento de grano de los cultivares estuvo determinado por los ambientes y las IGA (los Componentes Principales 1 y 2 explicaron el 70,1% de la variación). Se delinearon prácticamente 3 MA, donde se agruparon los 27 ambientes probados, indicando valiosas adaptaciones específicas de los cultivares. El GGA biplot basado en GREG mostró, en tanto, que 2 MA concentraron a todos los cultivares evaluados en 13 ambientes con los mejores rendimientos de grano, en contraste con las típicas localidades de prueba usadas (los Componentes Principales 1 y 2 explicaron el 87,8% de la variación). El uso de esta aproximación ofrece un punto de vista que podría mejorar el uso de los recursos asignados para realizar ensayos de evaluación de cultivares de soja en Argentina.
In Argentina, soybean [(Glycine max L.) Mer.] can be planted in a wide area. Currently, multienvironment trials (MET's) for yield performance for cultivars of different Maturity Groups are conducted in three different agroecological regions: North, North Pampean and South Pampean. Analysis and interpretation of MET's data related with genotype x environment interactions (GE) and selection of best genotypes have been made with analysis of variance and mean comparisons where GE interactions were not exploited. The objectives of this study were to identify megaenvironments and winner genotypes and environments using GGE biplot based on the site and genotype regression (SREG and GREG) models to exploit MET's data sets from soybean regional trials. The GGE biplots display graphically the relationship among test environments, genotypes and GE interactions. Grain yield data of 19 soybean cultivars of Maturity Group long IV from three seasons (2005, 2007 and 2008) across 27 environments in the three agroecological regions in Argentina were analyzed. The GGE biplots based on the SREG model showed that yield grain performance of soybean cultivars was determined by environments and GE interactions. Practically, three megaenvironments were determined (27 environments were grouped here) suggesting useful cultivar specific adaptations (Principal Components 1 and 2 explained 70.1% of variation). The GGE biplots based on the GREG model showed that two megaenvironments concentrated all cultivars on 13 locations with the best grain yields (Principal Components 1 and 2 explained 87.8% of variation) in contrast with the test locations typically used. The utilization of this information, could lead to improve soybean cultivars evaluation in Argentina.
Facultad de Ciencias Agrarias y Forestales
description La soja [(Glycine max L.) Mer.] puede sembrarse en una amplia zona del país en Argentina. Los ensayos comparativos de rendimiento, normalmente se realizan en 3 zonas agroecológicas: Norte, Pampeana Norte y Pampeana Sur. El análisis y la interpretación de los datos que surgen de estos ensayos en relación con las interacciones genotipo x ambiente (IGA) y la selección de los mejores genotipos se realiza analizando las varianzas y comparando medias, y así, las IGA no son explotadas debidamente. El objetivo de este estudio fue identificar mega-ambientes (MA) y genotipos y ambientes superiores utilizando modelos de regresión por sitios (SREG) y por genotipos (GREG) que expresan la respuesta en función de G+GA y A+GA respectivamente y la exhiben a través de sus gráficos ("biplot"). Se utilizaron los rendimientos de grano de 19 cultivares de soja del Grupo de Madurez IV largo de las campañas agrícolas 2005, 2007 y 2008 provenientes de 27 ambientes de las 3 zonas agroecológicas del país. El GGA biplot basado en SREG mostró que el rendimiento de grano de los cultivares estuvo determinado por los ambientes y las IGA (los Componentes Principales 1 y 2 explicaron el 70,1% de la variación). Se delinearon prácticamente 3 MA, donde se agruparon los 27 ambientes probados, indicando valiosas adaptaciones específicas de los cultivares. El GGA biplot basado en GREG mostró, en tanto, que 2 MA concentraron a todos los cultivares evaluados en 13 ambientes con los mejores rendimientos de grano, en contraste con las típicas localidades de prueba usadas (los Componentes Principales 1 y 2 explicaron el 87,8% de la variación). El uso de esta aproximación ofrece un punto de vista que podría mejorar el uso de los recursos asignados para realizar ensayos de evaluación de cultivares de soja en Argentina.
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/15707
url http://sedici.unlp.edu.ar/handle/10915/15707
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.agro.unlp.edu.ar/revista/index.php/revagro/article/view/90
info:eu-repo/semantics/altIdentifier/issn/1669-9513
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
31-36
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615780139794432
score 13.070432