Análisis de biplot GGE de interacción genotipo por ambiente de cultivares de cebada

• Hüseyin Güngör Department of Field Crops, Faculty of Agriculture, Duzce University, 81620, Duzce, Turkey. https://orcid.org/0000-0001-6708-6337
• Mehmet Fatih Çakır Environment and Health Coordination Technical Specialization, Duzce University, Duzce, Turkey. https://orcid.org/0000-0003-1354-9476
• Ziya Dumlupınar Department of Agricultural Biotechnology, Faculty of Agriculture, Kahramanmaras Sutcu Imam University, Kahramanmaras, Turkey. https://orcid.org/0000-0003-3119-6926

Palabras clave: rendimiento de grano, componentes de rendimiento, multiambientes, estabilidad

Resumen

Este estudio se realizó para determinar el rendimiento de grano, los componentes de rendimiento y algunas características de calidad de 17 genotipos de cebada (Hordeum vulgare L.) en seis ambientes en la región de Tracia en Turquía, utilizando análisis de componentes principales (PCA) y análisis de biplot de genotipo (G) + interacción genotipo × ambiente (GGE) para definir los genotipos con mayor rendimiento y características de calidad deseables durante las temporadas de cultivo 2016-2017 y 2017-2018. Los valores medios de los genotipos variaron de 5106-6753 kg.ha^-1 para el rendimiento de grano, 103,4-117,1 días para la fecha de espigado, 94,6-110,3 cm para la altura de la planta, 6,26-10,07 cm para la longitud de la espiga, 25,0-75,5 número de granos por espiga, 1,20-2,99 g de peso de grano por espiga, 35,0-50,5 g para el peso de mil granos y 56,4-64,1 kg.hl^-1 para el peso de prueba. Las relaciones entre las características y los genotipos examinados fueron del 53,9 % según los análisis de biplot PC. El análisis de biplot GGE representó el 94,77 % de la relación de G + GE para el rendimiento de grano. Se formaron dos mega círculos según el rendimiento de grano, el genotipo Zeus para las ubicaciones E1, E2 y E5 y el genotipo Arcanda para las ubicaciones E3, E4 y E6 fueron determinados como genotipos prominentes. Los cultivares Zeus y Arcanda han sido identificados como los genotipos más ideales y estables.

Citas

Abate, F., Mekbib, F. & Dessalegn, F. (2015). GGE biplot analysis of multi-environment yield trials of durum wheat (Triticum turgidum Desf.) genotypes in North Western Ethiopia. Journal of Expanded Agriculture International, 8, 120-129.
https://doi.org/10.9734/AJEA/2015/9994
Fana, G., Tadese, D., Sebsibe, H. & Verma, R.P. (2018). Multi-environment trial analysis of food barley in Ethiopio using AMMI and GGE biplot methods. Journal of Plant Breeding and Genetics, 6, 75-85. https://doi.org/10.33687/pbg.006.03.2579
FAOSTAT. (2023). Food and Agriculture Organization of the United Nations. Rome-Italy. (Online Database). http://www.faostat/en/
Ghazvini, H., Bagherikia, S., Pour-Aboughdareh, A., Sharifalhossaini, M., Razarvi, S. A., Mohammadi, S., Ghasemi-Kalkhoren, M., Fathihafshejani, A. & Khakizade, G. (2022). GGE biplot analysis of promising barley lines in the cold regions of Iran. Journal of Crop Improvement, 36(4), 461-472. https://doi.org/10.1080/15427528.2021.1977448
Gungor, H., Cakir, M.F., Dumlupinar, Z. (2022a). Evaluation of triticale: genotype by environment interaction and GGE biplot analysis. Journal of Animal and Plant Science, 32(6), 1637-1647. https://doi.org/10.36889/JAPS.2022.6.0573
Gungor, H., Cakir, M.F., & Dumlupinar, Z. (2022b). Evaluation of wheat genotypes: genotype × environment interaction and GGE biplot analysis. Turkish Journal of Field Crops, 27(1), 149-157. https://doi.org/10.17557/tjfc.1081513
Hagos, G. & Abay, F. (2013). AMMI and GGE biplot analysıs of bread wheat genotypes in the Northen part of Ethiopia. Journal of Plant Breeding Genetics, 1:12-18. https://esciencepress.net/journals/index.php/JPBG/article/view/50/76
Khalili, M., Pour-Aboughadareh, A. & Naghavi, M.R. (2013). Screening of drought tolerant cultivars in barley using morphophysiological traits and integrated selection index under water deficit stress condition. Advanced Crop Science., 3, 462–471. https://www.researchgate.net/publication/257208136
Laidig, F., Piepho, H. P., Rentel, D, Drobek, T. & Meyer U. (2017). Breeding progress, genotypic and environmental variation and correlation of quality traits in malting barley in German official variety trials between 1983 and 2015. Theorethical and Applied Genetics, 130, 2411–2429. https://doi.org/10.1007/s00122-017-2967-4
Meints, B., Vallejos, C. & Hayes, P. (2021). Multi-use naked barley: A new frontier. Journal of Cereal Science, 102, 103370. https://doi.org/10.1016/j.jcs.2021.103370
SAS. (2020). JMP® 15 Design of Experiments Guide. Cary, NC 27513. USA.
TUIK. (2023). Turkish Statistical Institute. Retrieved from 30 January 2023 from https://www.tuik.gov.tr
Vaezi, B., Pour-Aboughadareh, A., Mohammadi, R., Armion, M., Mehraban, A., Hossein-Pour, T. & Dorii, M. (2017). GGE biplot and AMMI analysis of barley yield performance in Iran. Cereal Research Communications, 45(3), 500-511. https://doi.org/10.1556/0806.45.2017.019
Vaezi, B., Pour-Aboughadareh, A., Mehraban, A., Hossein-Pour, T., Mohammadi, R., Armion, M. & Dorii, M. (2018). The use of parametric and non-parametric measures for selecting stable and adapted barley lines. Archives of Agronomy and Soil Science, 64(5), 597–611. https://doi.org/10.1080/03650340.2017.1369529
VSN-INTERNATIONAL. (2011). Genstat for windows 14. ed. VSN International, Hemel Hempstead, UK. https://vsni.co.uk/software/genstat
Yan, W., Cornelius, P. L., Crossa, J. & Hunt, L. A. (2001). Two types of GGE biplots for analyzing multi-environment trial data. Crop Science, 41, 656–663. https://doi.org/10.2135/cropsci2001.413656x
Yan, W. & Tinker, N.A. (2006). Biplot analysis of multi-environment trial data: principles and applications. Canadian Journal of Plant Science, 86, 623-645. http://doi.org/10.4141/P05-169
Yan, W, Kang, M. S., Ma, B., Woods, S. & Cornelius, P.L. (2007). GGE Biplot vs. AMMI analysis of genotype by environment data. Crop Science, 47, 643-655. https://doi.org/10.2135/cropsci2006.06.0374
Yan, W. (2014). Crop Variety Trials: Data Management and Analysis. John Wiley & Sons. pp 360. https://doi.org/10.2135/cropsci2014.08.0002br