En Cuba se han realizado numerosos estudios relacionados con la evaluación de genotipos en diferentes ambientes de producción y sus implicaciones en el mejoramiento de los rendimientos cañeros y azucareros; no obstante, el estudio de este aspecto en la provincia Holguín no ha sido abordado con amplitud en los últimos años, a pesar de los grandes cambios producidos en la industria azucarera cubana y el clima. Los resultados de estos estudios reiteran la importancia y significación de la interacción genotipo-ambiente, lo que apunta a la necesaria evaluación multiambiental de los cultivares durante el proceso de selección, fundamentalmente en las etapas finales, así como posterior a su liberación en áreas comerciales ¹.

Sin embargo, el reordenamiento de la agroindustria azucarera en Cuba y, con ello, la reestructuración de la infraestructura para la investigación-desarrollo en este sector, motivaron un reordenamiento de las investigaciones y reducción de la red experimental y de los sitios de pruebas de nuevos cultivares, lo que provocó poca correspondencia entre los ambientes de selección genética y los ambientes de destino de los cultivares ².

El insuficiente conocimiento de la respuesta agroazucarera de los nuevos cultivares comerciales de caña de azúcar en localidades de la provincia Holguín en condiciones de secano, limita la adecuada selección, recomendación y manejo de estos en los ambientes de producción de la provincia, por lo que con este estudio se persigue evaluar la respuesta de los cultivares en estudio recomendados en los últimos años, bajo condiciones de secano en diferentes localidades de la provincia Holguín e identificar mediante el método de Regresión de Sitios los cultivares que presentan estabilidad fenotípica general para las tres variables evaluadas en las localidades en estudio.

Las localidades y los tipos de suelos donde se plantaron los experimentos se presentan en la Tabla 1. La clasificación de los suelos se realizó según la Nueva Versión de la Clasificación Genética de los Suelos de Cuba ³. En octubre de 2010, se estableció un experimento de campo en cada localidad y se evaluaron hasta marzo de 2014.

En la Tabla 2 se muestran los 14 cultivares de caña de azúcar empleados en el estudio, incluyendo dos testigos, la mayoría de los cultivares fueron recomendados en los últimos años para otras zonas geográficas del país.

Para el montaje de los experimentos se utilizó el diseño de bloques al azar con tres repeticiones, con parcelas de 48 m². Las evaluaciones se realizaron en las cepas de caña planta (P), primer retoño (1R) y segundo retoño (2R) a los 16, 13 y 12 meses de edad, respectivamente. Las variables de cosecha evaluadas fueron porcentaje de pol en caña (PPC); toneladas de caña por hectárea (TCH) y toneladas de pol por hectárea (TPH); se evaluó, además, el comportamiento fitopatológico ante la roya parda (Puccinia melanocephala H. and P. Sydow) y el carbón (Sporisorium scitamineum (Syd.) M. Piepenbr., M. Stoll & Oberw.) en condiciones naturales. Todos los experimentos fueron conducidos y evaluados, según está estipulado en las Normas y Procedimientos del Programa de Fitomejoramiento de la Caña de Azúcar en Cuba ⁴.

Se emplearon nueve ambientes, los mismos se refieren a la combinación de las localidades y años (cepas), combinación comúnmente empleada por diferentes autores ^5,6 en estudios de este tipo en caña de azúcar. Los datos originales de las variables de cosecha, se evaluaron respecto a su normalidad y homogeneidad de varianza, mediante pruebas de Chí cuadrado y Bartlett-Box F. No fue necesario transformar los datos. Para el procesamiento estadístico de los datos se empleó el software Statistica v.8.

Se realizó un análisis de varianza factorial con modelo de efectos fijos para conocer si existía interacción genotipo-ambiente y aplicar análisis de estabilidad fenotípica a las variables de cosecha donde la interacción resultó significativa. Para esto se tomaron como factores los genotipos, localidades y cepas, de acuerdo con el modelo de Cochran y Cox (1965). Se calculó la contribución de cada una de las fuentes de variación a la varianza fenotípica total.

Para la estimación de la estabilidad, se utilizó el modelo multivariado de efectos principales de los genotipos, más efectos de la interacción genotipo-ambiente (GGE, por sus siglas en ingles), del modelo de Regresión de Sitios (SREG). Para presentar el comportamiento medio y estabilidad de los genotipos en todos los ambientes se utilizó el biplot que muestra el ambiente promedio, que se obtiene mediante la media de las coordenadas de los ambientes (se representa mediante un pequeño círculo). La ordenada del ambiente promedio es la recta que pasa por el origen del biplot y es perpendicular al eje de las abscisas, esta línea con dos flechas indica mayor variabilidad (pobre estabilidad) en cualquier dirección ⁷.

Se utilizaron las informaciones existentes de las precipitaciones registradas por las redes pluviométricas del Instituto de Recursos Hidráulicos, ubicadas en cada localidad, durante el periodo en que se llevaron a cabo los estudios, así como las series históricas del período 1995-2013 de cada una de estas localidades.

Los resultados del análisis de varianza factorial (Tabla 3), mostraron que tanto los factores simples, como sus interacciones resultaron significativos (p≤0,05), para las tres variables de cosecha (PPC, TCH, TPH), lo que significa que los genotipos mostraron diferentes patrones de comportamiento en las distintas cepas y localidades en estudio, confirmándose la existencia de interacción de los genotipos con el ambiente e indica, coincidiendo con lo planteado por otro autor ⁸, que será más efectivo seleccionar los genotipos de respuesta específica a cada ambiente de producción.

Al respecto, varios autores plantearon que cuando la interacción genotipo-ambiente está presente, el medio ambiente es uno de los factores más influyentes que afecta la selección del genotipo ⁹.

Además, se apreció el predominio de los componentes ambientales (porcentaje extraído de la suma de cuadrados de los factores ambientales como, localidad, cepa y su interacción) sobre la suma de cuadrados total, 49,3 % para el porcentaje de pol en caña, 65,1 % para las TCH y 68,6 % para las TPH, resultados similares fueron informados en estudios multiambientales en la provincia Santiago de Cuba ⁸.

En un estudio realizado en siete localidades de Venezuela, plantearon que el rendimiento promedio en caña fue significativamente afectado por los efectos ambientales y genotípicos, los cuales explicaron el 41,16 y 40,67 % de la suma de cuadrados total, respectivamente ¹⁰.

En el contexto específico de las localidades en estudio, resulta muy importante que determinados cultivares se comporten favorablemente, pues estas zonas geográficas se caracterizan por presentar precipitaciones insuficientes y generalmente mal distribuidas. Al analizar el comportamiento histórico de las precipitaciones en el período 1995-2013 (Figura 1), se puede observar que en la localidad “López-Peña” durante todo el período, las precipitaciones anuales fueron inferiores a los 1500 mm, cifra que señalan algunos autores ^11,12, como necesidad hídrica de la caña de azúcar. Comportamiento similar alcanzaron las otras localidades en estudio, pues “Loynaz Hechavarría” solo alcanzó precipitaciones anuales por encima de la cifra antes señalada, en los años 2006 y 2007, al igual que “Fernando de Dios” que además de estos dos años, alcanzó un ligero incremento de las lluvias en 1996 y 2012; no obstante, se observó que las precipitaciones no satisfacen las necesidades hídricas del cultivo, coincidiendo con los resultados alcanzados por varios autores ¹³, quienes plantearon que los mayores valores de precipitaciones se alcanzaron en la región más al norte de la provincia Holguín y demostraron mediante climogramas que estas localidades en estudio presentaron déficit de humedad en el suelo durante todo el año, debido a los altos valores de evaporación y al pobre acumulado de las lluvias.

Con respecto al comportamiento fitosanitario de los cultivares empleados en el estudio podemos decir que no fueron afectados por el Carbón (Sporisorium scitamineum (Syd.) M. Piepenbr., M. Stoll & Oberw.) y la Roya parda (Puccinia melanocephala H. and P. Sydow) en condiciones naturales, lo que corrobora los resultados alcanzados en la prueba estatal de Carbón por inoculación artificial y la prueba estatal de Roya parda con foco de infección, donde estos cultivares presentaron resistencia múltiple a ambas enfermedades.

La existencia de diferencias significativas en la interacción localidad-cultivar-cepa justifica la aplicación del modelo de SREG. La variabilidad de la respuesta azucarera de los cultivares en los ambientes en estudio se confirmó mediante el análisis del comportamiento promedio y la estabilidad (Figura 2), el componente principal 1 (CP1) representa el promedio de PPC de los cultivares y el CP2 está relacionado con la interacción genotipo-ambiente, estos componentes, en su conjunto, explican el 59,6 % de la variabilidad total contenida en los efectos de los genotipos más la interacción genotipo-ambiente. Este porcentaje se considera adecuado para representar las relaciones entre ambientes, genotipos y entre estos por medio de los diferentes representaciones bidimensionales (biplots) que se pueden obtener con el modelo de Regresión de Sitios ¹⁴.

Las proyecciones de los marcadores genotipos sobre el eje que pasa por el origen del biplot y el ambiente promedio, obtenido de la media de las coordenadas de los ambientes, aproximan los valores medios de los genotipos, por lo que los cultivares aparecen ordenados a lo largo del eje con la flecha apuntando al mayor valor. Por lo que al analizar la Figura 2 se observa que el cultivar C95-416 alcanzó el contenido azucarero medio más alto, seguido por C90-647, C86-12 (testigo), C97-445 y C89-147; no obstante, entre ellos los más estables fueron los dos últimos. En un estudio realizado en la región sur oriental de Cuba, se señaló a los genotipos C90-647 y C86-12 como los más estables y de alto contenido azucarero ⁵.

Los cultivares más inestables fueron C86-165, C90-647 y C95-416, pues alcanzaron altos valores de porcentaje de pol en caña en algunos ambientes pero fueron los más bajos en otros.

El análisis GGE Biplot se ha empleado con éxito en estudios de estabilidad fenotípica en diversos cultivos como soya (Glycine max L.) y algodón (Gossypium hirsutum L.). Recientemente, en un estudio desarrollado por varios autores ¹⁵, en diferentes localidades de las colinas del Himalaya, con el uso del GGE Biplot identificaron la variedad de soya “VLS 89” estable y con alto rendimiento. Asimismo, en un estudio realizado en ocho ambientes de Brasil donde se emplearon 16 genotipos de algodón con el objetivo de determinar adaptabilidad y estabilidad mediante el método GGE biplot, el autor se refiere que dos genotipos se destacaron como los más estables, combinando amplia adaptación y productividad ¹⁶. Otro autor utilizó la metodología GGE biplot para evaluar la adaptabilidad y estabilidad de genotipos de melón (Cucumis melo) en cuatro condiciones de salinidad (ambientes) y pudo identificar siete accesiones tolerantes a la salinidad ¹⁷.

Con respecto al rendimiento agrícola (TCH) el análisis del biplot logró explicar el 63,55 % de la variabilidad total contenida en los efectos de los genotipos más la interacción genotipo-ambiente, en los dos primeros componentes del modelo de regresión de sitios (Figura 3). En cuanto al comportamiento medio y la estabilidad de los genotipos en todos los ambientes para el rendimiento agrícola, se destaca el genotipo C92-524 con rendimiento superior a la media de todos los ambientes, también resultaron estables (genotipos más cercanos al eje de las abscisas) y con rendimientos cercanos a la media de todos los ambientes, los genotipos C97-445, C86-12 y C86-56; los genotipos C95-416 y C92-325 también alcanzaron rendimientos por encima de la media, pero fueron menos estables que los cultivares mencionados anteriormente. En un estudio realizado en diferentes ambientes de la provincia Matanzas, se informó al cultivar C86-56 con buena adaptación general en todos los ambientes para las variables de rendimiento agrícola y azucarero ⁶.

En la figura anterior, se observa que el genotipo C86-165 alcanzó rendimiento cercano a la media, pero fue inestable, con buen comportamiento en las cepas de retoño de la localidad “Loynaz Hechavarría”. Por otro lado, los cultivares de mayor estabilidad fueron C89-147 y C132-81, pero con rendimientos agrícolas inferiores a la media de los ambientes en estudio, coincidiendo con los autores que plantean que los genotipos estables no son necesariamente los más productivos ¹⁸.

Un colectivo de autores revelan que el uso del GGE biplot del modelo SREG les permitió identificar los genotipos de Michelia chapensis más estables y de alto rendimiento y confirmaron el sitio más representativo y discriminativo entre los tres ambientes estudiados al sur de China ¹⁹.

Varios autores utilizaron el modelo SREG para evaluar la estabilidad de once genotipos de maíz cultivados en seis localidades de México y concluyen que el modelo SREG es una buena herramienta para evaluar la estabilidad de los rasgos de rendimiento y calidad de los granos para el proceso de nixtamalización de genotipos de maíz y permitió identificar el mejor genotipo para recomendación para varias localidades ²⁰.

De igual manera usaron el análisis GGE biplot para evaluar la estabilidad en el rendimiento del trigo en Irán e identificar los mejores genotipos en cada ambiente ²¹.

En el caso de la variable TPH, el efecto de los genotipos más la interacción genotipo-ambiente alcanzó el orden de 64,91 % de la variabilidad total, observada en sus dos primeros componentes (Figura 4). Los cultivares C97-445, C92-524 y el testigo C86-12 fueron los más estables entre los genotipos que alcanzaron altos valores de TPH, variable que representa el rendimiento de azúcar por unidad de superficie, los genotipos C95-416 y C92-325 también alcanzaron rendimientos azucareros cercanos a la media de todas las localidades, pero sus resultados fueron más inestables que los mencionados anteriormente. Los genotipos más inestables fueron C86-165 y C90-530. En el biplot también se observa que C91-356, C90-647 y el testigo C86-503 fueron los cultivares que presentaron el rendimiento azucarero medio más bajo.

Resultados similares han obtenido otros autores mediante el uso del biplot para identificar cultivares estables en diferentes ambientes; en un estudio realizado en diferentes ambientes en Kenya, un colectivo de autores determinaron los genotipos de sorgo dulce (Sorghum Moench) más estables y el genotipo que mostró adaptabilidad general a todos los ambientes en estudio ²². También mediante el uso del GGE biplot varios autores identificaron los mejores genotipos de canola (Brassica napus) en cuanto a rendimiento y contenido de aceite ²³. Asimismo, otros autores emplearon el análisis GGE Biplot para estudiar el comportamiento de diferentes genotipos de forraje en Turkía ²⁴.

Incorporar al proyecto de variedades de la Empresa Azucarera Holguín los cultivares C92-524, C97-445 y C95-416, sin restricciones, por su estabilidad agroindustrial en todos los ambientes estudiados.

In Cuba, numerous studies have been carried out related to genotype evaluation in different production environments and their implications in improving sugarcane and sugar yields. However, the study of this aspect in Holguín province has not been extensively addressed in recent years, despite the great changes produced in the Cuban sugar industry and the climate. The results of these studies reiterate the importance and significance of the genotype-environment interaction, which points to the necessary multi-environmental evaluation of cultivars during the selection process, mainly in the final stages, as well as after their release in commercial areas ¹.

However, the sugar agribusiness reorganization in Cuba and with it the restructuring of the infrastructure for research-development in this sector, led to a reordering of research and experimental network reduction and testing sites for new cultivars which caused little correspondence between the genetic selection environments and the target environments of cultivars ².

Insufficient knowledge of agro-sugar response of new commercial sugarcane cultivars in towns of Holguín province under rainfed conditions, limits the adequate selection, recommendation and management of these in production environments of this province, so with this study aims to evaluate the response of the cultivars under study recommended in recent years, under rainfed conditions in different locations in Holguín province, and to identify cultivars that present general phenotypic stability for the three variables using the Site Regression method evaluated in the study locations.

The localities and soil types where the experiments were planted are presented in Table 1. The classification of soils was carried out according to the New Version of the Genetic Classification of Cuban Soils ³. In October 2010, a field experiment was established in each location and they were evaluated until March 2014.

Table 2 shows the 14 sugarcane cultivars used in the study, including two controls, most of the cultivars were recommended in recent years for other geographical areas of the country.

The randomized block design with three replications, with plots of 48 m², was used to set up the experiments. The evaluations were carried out in the plant (P), first shoot (1S) and second shoot (2S) strains at 16, 13 and 12 months of age, respectively. The harvest variables evaluated were the percentage of pol in sugarcane (PPS), tons of sugarcane per hectare (TSH) and tons of pol per hectare (TPH), the phytopathological behavior was also evaluated against brown rust (Puccinia melanocephala H. and P. Sydow) and charcoal (Sporisorium scitamineum (Syd.) M. Piepenbr., M. Stoll & Oberw.), under natural conditions. All experiments were conducted and evaluated, as stipulated in Norms and Procedures of Cuban Sugarcane Breeding Program ⁴.

Nine environments were used, they refer to the combination of locations and years (strains), a combination commonly used by different authors ^5-6 in studies of this type in sugar cane. The original data of the harvest variables were evaluated regarding their normality and variance homogeneity, using Chi-square and Bartlett-Box F tests. It was not necessary to transform the data. For data statistical processing, the Statistica v.8 software was used.

A factorial variance analysis was performed with a fixed effects model to know if there was a genotype-environment interaction and apply phenotypic stability analysis to the harvest variables where the interaction was significant. For this, genotypes, localities and strains were taken as factors, according to the model of Cochran and Cox (1965). The contribution of each of variation sources to the total phenotypic variance was calculated.

To estimate stability, the multivariate model of main effects of genotypes, plus effects of genotype-environment interaction (GEI), of the Site Regression Model (SREG) was used. To present the average behavior and genotype stability in all environments, the biplot was used that shows the average environment, which is obtained by means of coordinate environment mean (represented by a small circle). The ordinate of the average environment is the line that passes through biplot origin and it is perpendicular to the abscissa axis, this line with two arrows indicates greater variability (poor stability) in any direction ⁷.

The existing information on the rainfall recorded by the pluviometric networks of the Institute of Hydraulic Resources, located in each locality, during the period in which the studies were carried out, as well as the historical series of the period 1995-2013 of each one of these localities.

The results of the factorial variance analysis (Table 3), showed that both the simple factors and their interactions were significant (p≤0.05) for the three harvest variables (PPS, TSH, TPH), which means that genotypes showed different behavior patterns in different strains and localities under study, confirming the genotype interaction existence with the environment and indicates, coinciding with what was proposed by another author ⁸, that it will be more effective to select the response genotypes specific to each production environment.

In this regard, several authors stated that when the genotype - environment interaction is present, the environment is one of the most influential factors affecting genotype selection ⁹.

In addition, the predominance of environmental components (percentage extracted from the squares sum of environmental factors such as, locality, strain and their interaction) over the total squares sum, 49.3 % for the percentage of pol in sugar cane, 65 was appreciated. 1 % for TSH and 68.6 % for TPH, similar results reported by other author in multi-environmental studies in Santiago de Cuba province ⁸.

In a study carried out in seven localities in Venezuela, they stated that the average sugarcane yield was significantly affected by environmental and genotypic effects, which explained 41.16 and 40.67 % of the total sum of squares, respectively ¹⁰.

In the specific context of the localities under study, it is very important that certain cultivars behave favorably, since these geographical areas are characterized by insufficient and generally poorly distributed rainfall. When analyzing the historical rainfall behavior in the period 1995-2013 (Figure 1), it can be seen that in "López-Peña" locality throughout the period, annual rainfall was less than 1500 mm, a figure that some indicate authors ^11,12, as the water requirement of sugar cane. Similar behavior reached the other locations under study, since "Loynaz Hechavarría" locality only achieved annual rainfall above the figure indicated above, in 2006 and 2007, as did "Fernando de Dios" locality, which in addition to these two years, reached a slight increase in rainfall in 1996 and 2012, however, it was observed that rainfall does not satisfy the water needs of the crop, coinciding with the results achieved by several authors ¹³ who stated that the highest rainfall values were reached in the region further north of Holguín province, and they demonstrated through climograms that these study locations presented a deficit of moisture in the soil throughout the year, due to high evaporation values and poor accumulated rainfall.

Regarding the phytosanitary behavior of cultivars used in the study, it can say that they were not affected by Carbon (Sporisorium scitamineum (Syd.) M. Piepenbr., M. Stoll & Oberw) and Brown rust (Puccinia melanocephala H. and P. Sydow) under natural conditions, which corroborates the results achieved in the state test Carbon for by artificial inoculation and the state test for brown rust with an infection focus, where these cultivars presented multiple resistance to both diseases.

The existence of significant differences in the locality-cultivar-strain interaction justifies SREG model application. The sugar response variability of cultivars in the study environments was confirmed by analyzing the average behavior and stability (Figure 2), the pricipal component 1 (CP1) represents the average PPS of cultivars and the CP2 is related with the genotype-environment interaction, these components as a whole explain 59.6 % of the total variability contained in genotype effects plus the genotype-environment interaction. This percentage is considered adequate to represent the relationships between environments, genotypes and between them through the different two-dimensional representations (biplots) that can be obtained with the Site Regression model ¹⁴.

The projections of the genotype markers on the axis that passes through biplot origin and the average environment, obtained from coordinate environment mean, approximate the mean values of the genotypes, so that cultivars appear ordered along axis with the arrow pointing to the highest value. Therefore, when analyzing Figure 2, it is observed that cultivar C95-416 reached the highest average sugar content, followed by C90-647, C86-12 (control), C97-445 and C89-147, however, among them the most stable were the last two. In a study carried out in the southeastern region of Cuba indicated the genotypes C90-647 and C86-12 as the most stable and with a high sugar content ⁵.

The most unstable cultivars were C86-165, C90-647 and C95-416, since they reached high values of percentage of pol in sugarcane in some environments but were the lowest in others.

The GEI Biplot analysis has been used successfully in phenotypic stability studies in various crops such as soybeans (Glycine max L.) and cotton (Gossypium hirsutum L.). Recently, in a study developed by several authors in different locations in the Himalayan hills ¹⁵, with the use of the GEI Biplot, they identified the stable and high-yielding variety of soybean “VLS 89”. Likewise, in a study carried out in eight environments in Brazil where 16 cotton genotypes were used with the aim of determining adaptability and stability using the GEI biplot method, an author refers that two genotypes stood out as the most stable, combining broad adaptation and productivity ¹⁶. Another author used the GEI biplot methodology to evaluate the adaptability and stability of melon (Cucumis melo) genotypes in four salinity conditions (environments) ¹⁷⁾ and it was able to identify seven salinity-tolerant accessions.

With respect to agricultural yield (TCS), the biplot analysis managed to explain 63.55 % of the total variability contained in the effects of genotypes plus the genotype-environment interaction, in the first two components of the site regression model (Figure 3). Regarding the average behavior and stability of the genotypes in all environments for agricultural performance, the C92-524 genotype stands out with a yield higher than the average of all environments, they were also stable (genotypes closer to the abscissa axis) and with yields close to the average of all environments, genotypes C97-445, C86-12 and C86-56; genotypes C95-416 and C92-325 also achieved above-average yields, but were less stable than the cultivars mentioned above. In a study carried out in different environments of the Matanzas province, some authors reported cultivating C86-56 with good general adaptation in all environments for the variables of agricultural and sugar yield ⁶.

In the previous figure, it is observed that the C86-165 genotype reached yield close to the average, but was unstable, with good behavior in the sucker strains of the “Loynaz Hechavarría” locality. On the other hand, the cultivars with the highest stability were C89-147 and C132-81, but with lower agricultural yields than the average of the study environments, coinciding with another author who argue that stable genotypes are not necessarily the most productive ¹⁸.

A group of authors revealed that the GEI biplot use of the SREG model allowed them to identify the most stable and high-yield genotypes of Michelia chapensis, and confirmed the most representative and discriminative site among the three environments studied in southern China ¹⁹.

Several authors used the SREG model to evaluate the stability of eleven maize genotypes grown in six locations in Mexico ²⁰⁾ and concluded that the SREG model is a good tool to evaluate the stability of the yield and quality traits of the grains for nixtamalization process of corn genotypes and allowed to identify the best genotype for recommendation for several localities.

Likewise, they used the GEI biplot analysis to evaluate the wheat yield stability in Iran and identify the best genotypes in each environment ²¹.

In the case of TPH variable, the genotype effect plus the genotype-environment interaction reached the order of 64.91 % of the total variability, observed in its first two components (Figure 4). The cultivars C97-445, C92-524 and the control C86-12 were the most stable among the genotypes that reached high values of TPH, a variable that represents the sugar yield per unit area, the genotypes C95-416 and C92-325 They also reached sugar yields close to the average of all localities, but their results were more unstable than those mentioned above. The most unstable genotypes were C86-165 and C90-530. In the biplot it is also observed that C91-356, C90-647 and the control C86-503 were the cultivars that presented the lowest average sugar yield.

Similar results have been obtained by other authors by using the biplot to identify stable cultivars in different environments; in a study carried out in different environments in Kenya, a group of authors determined the most stable sweet sorghum (Sorghum Moench) genotypes and the genotype that showed general adaptability to all study environments ²². Also by using the GEI biplot, several authors identified the best canola (Brassica napus) genotypes in terms of yield and oil content ²³. Likewise, the authors used the GEI Biplot analysis to study the behavior of different forage genotypes in Turkey ²⁴.

It is recommended the incorporation to the Project of varieties from Holguín Sugar Company, C92-524, C97-445 and C95-416 cultivars without restrictions for their agro-industrial stability in the environment under study.