INTRODUCCIÓN

La producción mundial de arroz casi se ha triplicado en las últimas cinco décadas debido principalmente al aumento del rendimiento y, en parte, al incremento de la superficie de siembra. Con aproximadamente 154 millones de hectáreas cosechadas cada año, el arroz es uno de los cereales más importantes del mundo, siendo la principal fuente de ingesta de calorías y el alimento básico para más de tres mil millones de personas en el mundo (11. Calero A, Pérez Y, González Y, Yanes LA, Olivera D, Peña K, et al. Respuesta agronómica y productiva de ocho variedades de arroz bajo condiciones de manejo agroecológico. Revista de la Facultad de Ciencias. Universidad Nacional de Colombia. 2020;9(2):43–55. doi: http://doi.org/10.15446/rev.fac.cienc.v9n2.84629.).

En Cuba, el programa de mejoramiento genético ha liberado para la producción varios cultivares de arroz con alto potencial del rendimiento, adaptados a factores adversos, sin embargo, causas como las malas prácticas culturales, deterioro de las propiedades de los suelos, plagas, algunos cambios en variables climáticas, entre otras, han incidido negativamente en los resultados productivos, con bajos rendimientos que aún no superan las 3,6 t ha^-1 como promedio nacional (22. Calero A, Pérez Y, Quintero E, González Y. Densidades de plantas adecuadas para incrementar el rendimiento agrícola del arroz. Centro Agrícola. 2021;48(1):28-36. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000100028&lng=es&tlng=es.).

La aplicación de bioestimulantes del crecimiento vegetal, pudiera ser una alternativa para dar solución a esta problemática, aspecto de gran importancia dentro de las investigaciones científicas para la agricultura, por las implicaciones de carácter social, económico y medioambiental que aportan (33. Torres JA, Reyes JJ, González LG, Jiménez M, Boicet T, Enríquez EA, et al. Respuesta agronómica de dos variedades de maíz blanco (Zea mays L.) a la aplicación de QuitoMax^®, Azofert^® y Ecomic^®. Biotecnia. 2018;20(1):3-7. doi: http://doi.org/10.18633/biotecnia.v20i1.522.), especialmente, en el contexto actual donde el bloqueo impone grandes limitaciones que impactan directamente en la economía del país y esencialmente en el sector agrícola cubano, lo que hace pensar en la necesidad de apostar por una agricultura más productiva, resiliente y compatible con el medio ambiente.

Por otro lado, en épocas pasadas, las estimaciones empíricas del rendimiento de un cultivo se construyeron a partir del conocimiento práctico de los agricultores o bien a partir de procedimientos de muestreo en áreas representativas, pero estos métodos son en general equívocos. En los últimos años, la información a priori del rendimiento se produce generalmente a partir de modelos, ya sea con información sobre el manejo del cultivo, datos del clima y de suelo, entre otros (44. Valle J, González D, Meneses P, Saborit R y Delgado C. Estimate of rice crop yield (Oryza sativa L.) in function of different climatic variables, Revista Ciencias Técnicas Agropecuarias. 2020;29(3): 97-102. Available from: https://www.redalyc.org/journal/932/93264538009/93264538009.pdf.).

Basado en lo antes señalado, este trabajo tiene como objetivo buscar una relación entre el rendimiento, sus componentes y otros caracteres evaluados en genotipos de arroz tratados con los bioestimulantes Biobras-16® y QuitoMax® para proporcionar información útil a especialistas en el desarrollo de los programas de mejoramiento genético de este cultivo.

MATERIALES Y MÉTODOS

En la Finca del productor Rodolfo Miranda, perteneciente a la Cooperativa de Créditos y Servicios (CCS) “Abel Santamaría”, del municipio Los Palacios, se desarrolló este trabajo, sobre un suelo Fluvisol (55. Hernández A, Pérez J, Bosch D, Castro N. Clasificación de los suelos de Cuba 2015. Instituto Nacional de Ciencias Agrícolas, Cuba: Ediciones INCA. 2015. 93 p. Available from: https://isbn.cloud/9789597023777/clasificacion-de-los-suelos-de-cuba-2015/.).

Seis genotipos de arroz (Oryza sativa L.) constituyeron el material vegetal estudiado, integrado por cuatro nuevas líneas avanzadas obtenidas mediante el método de hibridaciones (Línea 1, Línea 2, Línea 3 y Línea 4) y los cultivares comerciales INCA LP-5 de ciclo corto e INCA LP-7 de ciclo medio.

Se utilizó un diseño completamente aleatorizado con dieciocho tratamientos (un testigo sin aplicación y aplicaciones independientes de Biobras-16^® y QuitoMax^®) y tres réplicas cada uno (Tabla 1). En el campo los genotipos fueron trasplantados en parcelas de 2 metros de largo por 2 metros de ancho (4 m²) a una distancia de 15 cm entre plántulas y 50 cm entre parcelas.

Las labores y atenciones fitotécnicas (preparación del suelo, semillero, trasplante, fertilización, riego y tratamientos fitosanitarios) se efectuaron según lo que establece el Instructivo Técnico del Cultivo del Arroz (66. MINAG. Instructivo Técnico Cultivo de Arroz. Instituto de Investigaciones del Arroz, MINAG. 2014. 73 p. Available from: https://isbn.cloud/9789597210863/ instructivo-tecnico-cultivo-de-arroz/.).

Se aplicaron dos bioestimulantes: Biobras-16^®, que tiene como ingrediente activo un análogo de brasinoesteroide y se utilizó una formulación a una concentración de 1 mg mL^-1 y QuitoMax^®, formulación líquida a base de polímeros de quitosano, a una concentración de 4 g L^-1.

Las aspersiones se hicieron manualmente, utilizando una mochila CareSpray de ocho litros de capacidad y con boquilla de cono a presión constante en el horario comprendido entre las 9 y 10 am, asperjándose el follaje hasta que el mismo estuvo bien humedecido. Las dosis empleadas fueron de 25 mg ha^-1 y 50 mg ha^-1 para Biobras-16^® y QuitoMax^®, respectivamente, en las fases de inicio de paniculación y llenado del grano, para ambos bioestimulantes.

Se evaluaron los siguientes caracteres cuantitativos, utilizando como metodología el Sistema de Evaluación Estándar para Arroz del IRRI (77. IRRI. Standard Evaluation System (SES) for Rice. Quinta Edición. Filipinas. 2013. 55p. Available from: https://www.clrri.org/ver2/uploads/SES_5th_edition.pdf.).

Los caracteres granos llenos por panícula, granos vanos por panícula y masa de 1000 granos se determinaron en 20 panículas centrales tomadas al azar y el ciclo como el número de días desde la germinación hasta que el 50 % de las panículas de las plantas que habían emergido. Las panículas por metro cuadrado se muestrearon una vez por parcela, en un marco de 0 25 m² y el rendimiento agrícola del cultivo fue calculado en un área de 1 m².

La matriz de datos obtenida fue procesada mediante los Análisis Multivariados de Componentes Principales (empleando la distancia Euclidiana al cuadrado), Regresión Lineal Múltiple (considerando el rendimiento como la variable dependiente y el resto como independientes) y las correlaciones de Pearson, todos con la ayuda del paquete estadístico Statgraphics Plus v.5.

RESULTADOS Y DISCUSIÓN

Del análisis estadístico, en la Tabla 2 se muestran las correlaciones fenotípicas (correlaciones de Pearson) existentes entre las variables analizadas.

El coeficiente de correlación es una herramienta estadística que generalmente muestra relaciones entre caracteres independientes, y el grado de relación lineal entre esas características. En investigaciones de fitomejoramiento, por lo general, se toman medidas de varios caracteres o variables a partir de la misma planta (88. Monge JE, Loría M. Producción de chile dulce en invernadero: correlación entre densidad de siembra y variables de rendimiento. Tecnología en Marcha. 2021;34(2):161-177. doi: http://doi.org/10.18845/tm.v34i2.4983.). Este puede tener valor entre 0 y ±1, el signo indica la dependencia o relación que existe. Cuando el valor está más cerca de uno, mayor es la dependencia de correlación entre los dos índices.

El rendimiento se correlacionó fuerte y positivamente con la masa de 1000 granos, las panículas por metro cuadrado y el ciclo, mientras que de forma negativa lo hizo con los granos vanos por panícula. El grado de asociación entre caracteres es un factor importante cuando se trata de una variable tan compleja como el rendimiento que está controlada por muchos genes y muy influenciada por el medio ambiente (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.). La selección por rendimiento puede no ser efectiva, a menos que se tomen en consideración los otros componentes de este que influyen directa o indirectamente sobre él. Cuando se ejerce presión de selección para mejorar cualquier variable altamente asociada con el rendimiento, afecta simultáneamente a muchos otros caracteres correlacionados. Por lo tanto, el conocimiento sobre la asociación del carácter con el rendimiento y entre ellos proporciona una guía al fitomejorador, brindando una comprensión clara de la contribución con respecto al establecimiento de la asociación por factores genéticos y no genéticos (1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H). En este sentido se han encontrado coincidencias en algunos trabajos (1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H-1616. Osman KA, Abdalla S, Kang K, Sang L, Mohamed A, Ahmed Y, Ismial A. Genetic diversity analysis of elite doubled haploid rice genotypes for yield attributing traits in White Nile State, Sudan. Agricultural Sciences. 2022; 13:330-344. doi: http://doi.org/10.4236/as.2022.133023) y no coincidencia en otro (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.) donde se estudiaron las relaciones entre estos caracteres.

Además, una correlación fuerte y positiva se encontró entre el ciclo y los caracteres masa de 1000 granos y panículas por metro cuadrado. Resultados similares se informaron en otros estudios sobre diversidad genética en germoplasma de arroz (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.,1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H).

El carácter granos llenos no mostró correlación con ningún otro carácter evaluado. En estudios realizados en China hubo un comportamiento similar entre cultivares del tipo japónica (1515. Li R, Li M, Ashraf U, Liu S, Zhang J. Exploring the relationships between yield and yield-related traits for rice varieties released in China from 1978 to 2017. Frontiers in Plant Science. 2019; 10:543. doi: http://doi.org/10.3389/fpls.2019.00543), sin embargo, en otras investigaciones este carácter expresó una relación fuerte y directa con el rendimiento (1111. Morejón R, Díaz SH. Relación del rendimiento con otros caracteres en cultivares tradicionales de arroz colectados en Pinar del Río. Cultivos Tropicales. 2018;39(1): 81-86. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362018000100010&lng=es&tlng=pt.,1212. Morejón R, Díaz SH. Asociación de caracteres en colección de recursos fitogenéticos de arroz en Los Palacios. Avances. 2019;21(1):22-31. Available from: http://www.ciget.pinar.cu/ojs/index.php/publicaciones/article/view/414/1406.,1515. Li R, Li M, Ashraf U, Liu S, Zhang J. Exploring the relationships between yield and yield-related traits for rice varieties released in China from 1978 to 2017. Frontiers in Plant Science. 2019; 10:543. doi: http://doi.org/10.3389/fpls.2019.00543,1616. Osman KA, Abdalla S, Kang K, Sang L, Mohamed A, Ahmed Y, Ismial A. Genetic diversity analysis of elite doubled haploid rice genotypes for yield attributing traits in White Nile State, Sudan. Agricultural Sciences. 2022; 13:330-344. doi: http://doi.org/10.4236/as.2022.133023).

Para reducir la dimensionalidad de los datos y explicar las principales fuentes de variabilidad del proceso, en la Tabla 3 se muestran los valores propios, porcentajes de contribución y acumulado de los dos primeros componentes del Análisis de Componentes Principales, siguiendo el criterio de considerar aceptables los componentes cuyos valores propios expliquen un 70 % o más de la varianza total.

La primera componente contribuyó con el 46 % de la varianza total explicada y las correlaciones con las variables originales indican que los caracteres panículas por metro cuadrado, masa de 1000 granos, rendimiento y ciclo están entre los que más aportaron de forma positiva. Los granos llenos y vanos aportaron de manera positiva y negativa, respectivamente, a la segunda componente, explicando el 28 % de la varianza total.

La Figura 1 muestra la ubicación gráfica de los tratamientos y las variables originales sobre el plano conformado por las componentes 1 y 2, la posición que ocupan los 18 tratamientos evaluados permitió la formación de cuatro grupos. Las medias por variables y los tratamientos pertenecientes a cada grupo se presentan en la Tabla 4.

El Análisis de Componentes Principales es una herramienta útil para analizar los datos que se generan de la caracterización y evaluación preliminar de germoplasma, y permite conocer la relación existente entre las variables cuantitativas consideradas y la semejanza entre las accesiones; en el primer caso, con el fin de saber cuáles variables están o no asociadas, cuáles caracterizan en el mismo sentido o en el sentido contrario; y en el segundo, para saber cómo se distribuyen las accesiones, cuáles se parecen y cuáles no. También, permite seleccionar las variables cuantitativas más discriminatorias para limitar el número de mediciones en caracterizaciones posteriores (1717. Segura S. Análisis de divergencias interespecíficas con pasifloras andinas. In: Franco TL, Hidalgo R, editores. Análisis estadístico de datos de caracterización morfológica de recursos fitogenéticos. IPGRI. Boletín Técnico Nº8. Cali. Colombia. 2003. pp 56-71. Available from: https://www.bioversityinternational.org/fileadmin/_migrated/uploads/tx_news/An%C3%A1lisis_estad%C3%ADstico_de_datos_de_caracterizaci%C3%B3n_morfol%C3%B3gica_de_recursos_fitogen%C3%A9ticos_894.pdf). Este método puede contribuir a la toma de decisiones del fitomejorador en la selección de genotipos valiosos, a través de muchas características morfológicas, ya que en la mayoría de los ensayos se consideran con mayor énfasis las características que intervienen en el rendimiento y algunos de sus componentes. En investigaciones sobre diversidad genética del germoplasma de arroz coreano para su adopción en Nigeria, esta técnica mostró que los primeros cuatro componentes explicaron el 73,59 % de la variación total, sugiriendo la presencia de una gran variabilidad genética, lo cual es importante, ya que otorga un amplio espectro de selección a los mejoradores (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.). En otro estudio sobre relación genotipo ambiente, donde también se utilizó esta técnica multivariada en el cultivo del café, se demostró su efectividad (1818. Armijo A, Quevedo JN, García MA. Análisis de la relación genotipo ambiente en el establecimiento de seis variedades de café en la Granja Experimental Santa Inés. Revista Científica Agroecosistemas. 2021;9(1):96-107. Available from: https://aes.ucf.edu.cu/index.php/aes/article/view/454).

La proyección opuesta de los granos vanos sobre el primer eje, en relación con las panículas por metro cuadrado, masa de 1000 granos, rendimiento y ciclo, significa que en la medida que sea menor el número de granos vanos, mayor será el valor de los otros cuatro caracteres. Además, en la figura se muestra el grado de asociación entre las variables, que está determinado por la separación angular que forman sus proyecciones y las distancias de cada una de estas a partir del origen, siendo su contribución mayor mientras más distantes se encuentren.

De acuerdo con la separación angular, las mejores asociaciones están constituidas por el rendimiento y la masa de 1000 granos, mientras que el ciclo con las panículas por metro cuadrado. Estos cuatro caracteres son los de mayor importancia por ser los más distantes desde el origen.

Los grupos I y II ubicados en el extremo derecho de la componente 1, donde se incluyeron el cultivar INCA LP-7 y la Línea 4 en combinación con los productos en estudio y la línea 3 con Biobras-16^®, estuvieron caracterizados por poseer los mayores valores en cuanto a todos los caracteres, excepto los granos vanos por panícula. Por su posición cercana a estos, el grupo III, integrado por el testigo INCA LP-7, mostró características similares al grupo II, pero su posición en la parte inferior del componente dos lo ubican como el genotipo de mayor número de granos vanos por panícula. Se conoce que los bioestimulantes son sustancias orgánicas que se utilizan para potenciar el crecimiento y desarrollo de las plantas, además tienen una influencia positiva en la resistencia a las condiciones de estrés y en el control de plagas y por ende en los rendimientos. Disímiles investigaciones en diferentes cultivos han confirmado la efectividad de estos (1919. González LG, Jiménez MC, Castillo D, Paz I, Cambara AY, Falcón A. Respuesta agronómica del pepino a la aplicación de QuitoMax® en condiciones de organoponía. Centro Agrícola. 2018;45(3):27–31. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852018000300027&lang=pt-2323. Morejón R, Díaz SH, Miranda A. Influencia de los bioestimulantes Biobras-16® y QuitoMax® en dos genotipos de arroz. Cultivos Tropicales. 2021;42(4). Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362021000400004).

Los genotipos contenidos en el grupo IV exhibieron los valores más discretos de los caracteres estudiados, incluidos líneas y cultivares comerciales con la aplicación de los productos y aquellos a los cuales no se les aplicó ningún bioestimulante. En este sentido se afirma que los bioestimulantes se deben usar en pequeñas cantidades como complemento en la fertilización y control de plagas o enfermedades, con el fin de aumentar el rendimiento, calidad y protección ante las condiciones climáticas adversas (2424. Morales CG. Uso de bioestimulantes. In: Morales CG, editors. Manual de manejo agronómico del arándano. Instituto de Investigaciones Agropecuarias. INIA Raihuén. Chile. BOLETÍN INIA/No 371; 2017, p 43-47. ISSN 0717-4829. Available from: http://biblioteca.inia.cl/medios/biblioteca/boletines/NR40907.pdf).

Los resultados del análisis de regresión lineal múltiple se muestran en la Tabla 5, donde el rendimiento es la variable dependiente y los granos llenos y vanos por panícula, la cantidad de panículas por metro cuadrado, la masa de 1000 granos y el ciclo, fueron las variables independientes.

El modelo propuesto por el análisis de regresión lineal múltiple permite, a través de los coeficientes estimados, expresar el cambio esperado de la variable dependiente rendimiento para cada unidad de cambio de las variables independientes estudiadas. Dado que el p-valor en el análisis de varianza es inferior a 0,01, existe una relación estadísticamente significativa entre las variables para un nivel de confianza del 99 %. Los caracteres granos llenos y vanos presentan un p-valor superior a 0.05; los más altos en las variables independientes, siendo así los que menos información aportan al modelo.

La ecuación del modelo ajustado es:

El estadístico R2 indica que el modelo explica un 86,93 % de la variabilidad en el rendimiento, determinando que la combinación lineal de las variables independientes, para estudios en condiciones similares, sea un predictor óptimo del rendimiento. En otras investigaciones se ha utilizado este análisis con buenos resultados (22. Calero A, Pérez Y, Quintero E, González Y. Densidades de plantas adecuadas para incrementar el rendimiento agrícola del arroz. Centro Agrícola. 2021;48(1):28-36. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000100028&lng=es&tlng=es.,1111. Morejón R, Díaz SH. Relación del rendimiento con otros caracteres en cultivares tradicionales de arroz colectados en Pinar del Río. Cultivos Tropicales. 2018;39(1): 81-86. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362018000100010&lng=es&tlng=pt.,2525. Chakrabarty SK, Joshi MA, Singh Y, Maity A, Vashisht V, Dadlani M. Characterization and evaluation of variability in farmers’ varieties of rice from West Bengal. Indian Journal of Genetics and Plant Breeding (The). 2012;72(2):136-42. Available from: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=4b1kjDoAAAAJ&citation_for_view=4b1kjDoAAAAJ:rO6llkc54NcC).

Se plantea que el éxito de cualquier programa de mejoramiento de cultivos depende en gran medida de la magnitud de la variabilidad genética, la heredabilidad, el avance genético y la asociación de caracteres, de ahí la importancia de este tipo de trabajos para los fitomejoradores (2626. Sarker U, Islam Mg, Rabbani S. Variability, heritability and genetic association in green amaranth (Amaranthus tricolor). Spanish Journal of Agricultural Research. 2015;13(2):1-8. doi: http://doi.org/10.5424/sjar/2015132-6843).

CONCLUSIONES

INTRODUCTION

World rice production has almost tripled in the last five decades, mainly due to increased yields and, in part, to an increase in the area planted. With approximately 154 million hectares harvested each year, rice is one of the most important cereals in the world, being the main source of caloric intake and the staple food for more than three billion people in the world (11. Calero A, Pérez Y, González Y, Yanes LA, Olivera D, Peña K, et al. Respuesta agronómica y productiva de ocho variedades de arroz bajo condiciones de manejo agroecológico. Revista de la Facultad de Ciencias. Universidad Nacional de Colombia. 2020;9(2):43–55. doi: http://doi.org/10.15446/rev.fac.cienc.v9n2.84629.).

In Cuba, the genetic breeding program has released for production several rice cultivars with a high potential for rice cultivars with high yield potential, adapted to adverse factors. However, causes such as bad cultural practices, deterioration of soil properties, pests, some changes in climatic variables, among others, negatively affect the productive results, with low yields that still do not exceed 3.6 t ha^-1 as a national average (22. Calero A, Pérez Y, Quintero E, González Y. Densidades de plantas adecuadas para incrementar el rendimiento agrícola del arroz. Centro Agrícola. 2021;48(1):28-36. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000100028&lng=es&tlng=es.).

The application of biostimulants of vegetal growth can be an option to this problem, an aspect of great importance within scientific research for agriculture, due to the social, economic and environmental implications that they contribute (33. Torres JA, Reyes JJ, González LG, Jiménez M, Boicet T, Enríquez EA, et al. Respuesta agronómica de dos variedades de maíz blanco (Zea mays L.) a la aplicación de QuitoMax^®, Azofert^® y Ecomic^®. Biotecnia. 2018;20(1):3-7. doi: http://doi.org/10.18633/biotecnia.v20i1.522.), especially in the current context where the blockade imposes great limitations that directly influence the country's economy and essentially in the Cuban agricultural sector. It makes think of the need to bet on a more productive, resilient and compatible agriculture with the environment.

On the other hand, in the past, empirical estimates of crop yields were based on the practical knowledge of farmers or on sampling procedures in representative areas, but these methods are generally misleading. In recent years, a priori yield information is generally produced from models, either with information on crop management, climate and soil data, among others (44. Valle J, González D, Meneses P, Saborit R y Delgado C. Estimate of rice crop yield (Oryza sativa L.) in function of different climatic variables, Revista Ciencias Técnicas Agropecuarias. 2020;29(3): 97-102. Available from: https://www.redalyc.org/journal/932/93264538009/93264538009.pdf.).

Based on the above, the objective of this work is to search for a relationship between yield, its components and other traits in rice genotypes treated with the biostimulants Biobras-16^® and QuitoMax^® to provide useful information to specialists in the development of genetic breeding programs for this crop.

MATERIALS AND METHODS

This work was carried out on the farm of the producer Rodolfo Miranda, belonging to the Cooperative of Credits and Services (CCS) "Abel Santamaría", in Los Palacios municipality, on a Fluvisol soil (55. Hernández A, Pérez J, Bosch D, Castro N. Clasificación de los suelos de Cuba 2015. Instituto Nacional de Ciencias Agrícolas, Cuba: Ediciones INCA. 2015. 93 p. Available from: https://isbn.cloud/9789597023777/clasificacion-de-los-suelos-de-cuba-2015/.).

Six rice genotypes (Oryza sativa L.) constituted the plant material studied, integrated by four new advanced lines obtained through the hybridization method (Line 1, Line 2, Line 3 and Line 4) and the commercial cultivars INCA LP-5 of short cycle and INCA LP-7 of medium cycle.

A completely randomized design was used with eighteen treatments (a control with no application and independent applications of Biobras-16^® and QuitoMax^®) and three replicates each (Table 1). In the field, the genotypes were transplanted in plots 2 meters long by 2 meters wide (4 m²) at a distance of 15 cm between seedlings and 50 cm between plots.

The phytotechnical work and care (soil preparation, seedbed, transplanting, and fertilization, irrigation and phytosanitary treatments) were carried out according to the Technical Instructions for Rice Cultivation (66. MINAG. Instructivo Técnico Cultivo de Arroz. Instituto de Investigaciones del Arroz, MINAG. 2014. 73 p. Available from: https://isbn.cloud/9789597210863/ instructivo-tecnico-cultivo-de-arroz/.).

Two biostimulants were applied: Biobras-16^® has a brassinosteroid analog as active ingredient and a formulation was used at a concentration of 1 mg mL^-1 and QuitoMax^®, a liquid formulation based on chitosan polymers, at a concentration of 4 g L^-1.

The spraying was done manually, using a CareSpray knapsack with a capacity of eight liters and a cone nozzle at constant pressure between 9 and 10 am, spraying the foliage until it was well wetted. The doses used were 25 mg ha^-1 and 50 mg ha^-1 for Biobras-16^® and QuitoMax^®, respectively, at the beginning of paniculation and grain filling stages, for both biostimulants.

The following quantitative traits were evaluated, using the IRRI Standard Evaluation System for Rice (77. IRRI. Standard Evaluation System (SES) for Rice. Quinta Edición. Filipinas. 2013. 55p. Available from: https://www.clrri.org/ver2/uploads/SES_5th_edition.pdf.) as methodology.

The characters filled grains per panicle, empty grains per panicle, and 1000-grain mass were determined on 20 randomly taken central panicles and cycle as the number of days from germination until 50 % of plant panicles had emerged. Panicles per square meter were sampled once per plot, in a 0.25 m² frame and the agricultural yield of the crop was calculated on a 1 m² area.

The data matrix obtained was processed using Multivariate Principal Component Analysis (using Euclidean distance squared), Multiple Linear Regression (considering yield as the dependent variable and the rest as independent) and Pearson correlations, all with the help of the statistical package Statgraphics Plus v.5.

RESULTS AND DISCUSSION

From the statistical analysis, Table 2 shows the phenotypic correlations (Pearson correlations) between the variables analyzed.

The correlation coefficient is a statistical tool that generally shows relationships between independent traits, and the degree of linear relationship between those traits. In plant breeding research, measurements of several characters or variables are taken usually from the same plant (88. Monge JE, Loría M. Producción de chile dulce en invernadero: correlación entre densidad de siembra y variables de rendimiento. Tecnología en Marcha. 2021;34(2):161-177. doi: http://doi.org/10.18845/tm.v34i2.4983.). This can have a value between 0 and ±1, the sign indicating the dependence or relationship that exists. The closer the value is to one, the greater the correlation dependence between the two indices.

Yield was correlated strongly and positively with 1000-grain mass, panicles per square meter and cycle, while it was negatively correlated with empty grains per panicle. The degree of association between traits is an important factor when dealing with a variable as complex as yield that is controlled by many genes and is influenced strongly by the environment (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.). Selection for yield may not be effective unless the other components of yield that directly or indirectly influence it are taken into consideration. When selection pressure is exerted to improve any variable highly associated with yield, it simultaneously affects many other correlated traits. Therefore, knowledge about the association of the trait with yield and with each other provides guidance to the breeder, giving a clear understanding of the contribution with respect to the establishment of the association by genetic and non-genetic factors (1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H). In this sense, coincidence has been found in some works (1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H-1616. Osman KA, Abdalla S, Kang K, Sang L, Mohamed A, Ahmed Y, Ismial A. Genetic diversity analysis of elite doubled haploid rice genotypes for yield attributing traits in White Nile State, Sudan. Agricultural Sciences. 2022; 13:330-344. doi: http://doi.org/10.4236/as.2022.133023) and non-coincidence in another (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.) where the relationships between these characters were studied.

In addition, a strong and positive correlation was found between the cycle and the characters mass of 1000 grains and panicles per square meter. Similar results were reported in other studies on genetic diversity in rice germplasm (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.,1010. Hasan M, Sarker U. Variability, heritability, character association, and path coefficient analysis in advanced breeding lines of rice (Oryza sativa L.). Genetika. 2020;52(2):711-726. doi: http://doi.org/10.2298/GENSR2002711H).

The filled grains trait showed no correlation with any other trait evaluated. In studies carried out in China there was a similar behavior among japonica cultivars (1515. Li R, Li M, Ashraf U, Liu S, Zhang J. Exploring the relationships between yield and yield-related traits for rice varieties released in China from 1978 to 2017. Frontiers in Plant Science. 2019; 10:543. doi: http://doi.org/10.3389/fpls.2019.00543), however, in other investigations this trait expressed a strong and direct relationship with yield (1111. Morejón R, Díaz SH. Relación del rendimiento con otros caracteres en cultivares tradicionales de arroz colectados en Pinar del Río. Cultivos Tropicales. 2018;39(1): 81-86. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362018000100010&lng=es&tlng=pt.,1212. Morejón R, Díaz SH. Asociación de caracteres en colección de recursos fitogenéticos de arroz en Los Palacios. Avances. 2019;21(1):22-31. Available from: http://www.ciget.pinar.cu/ojs/index.php/publicaciones/article/view/414/1406.,1515. Li R, Li M, Ashraf U, Liu S, Zhang J. Exploring the relationships between yield and yield-related traits for rice varieties released in China from 1978 to 2017. Frontiers in Plant Science. 2019; 10:543. doi: http://doi.org/10.3389/fpls.2019.00543,1616. Osman KA, Abdalla S, Kang K, Sang L, Mohamed A, Ahmed Y, Ismial A. Genetic diversity analysis of elite doubled haploid rice genotypes for yield attributing traits in White Nile State, Sudan. Agricultural Sciences. 2022; 13:330-344. doi: http://doi.org/10.4236/as.2022.133023).

To reduce the data dimensionality and to explain the process variability sources, Table 3 shows some issues of the first two components of the Principal Component Analysis. It is following the criterion of considering acceptable the components whose eigenvalues explain 70 % or more of the total variance.

The first component contributed 46 % of the total variance explained and the correlations with the original variables indicate that the characters panicles per square meter, mass of 1000 grains, yield and cycle are among those that contributed most positively. Full and empty kernels contributed positively and negatively, respectively, to the second component, explaining 28 % of the total variance.

Figure 1 shows the graphic location of the treatments and the original variables on the plane formed by components 1 and 2; the position occupied by the 18 treatments evaluated allowed the formation of four groups. The means by variables and the treatments belonging to each group are presented in Table 4.

Principal Component Analysis is a useful tool for analyzing the data generated from the characterization and preliminary evaluation of germplasm. It allows knowing the relationship between the quantitative variables considered and the similarity between the accessions. In the first case, in order to know which variables are or are not associated, which characterize in the same sense or in the opposite sense; and in the second, to know how the accessions are distributed, which ones are similar and which ones are not. It also makes it possible to select the most discriminating quantitative variables to limit the number of measurements in subsequent characterizations (1717. Segura S. Análisis de divergencias interespecíficas con pasifloras andinas. In: Franco TL, Hidalgo R, editores. Análisis estadístico de datos de caracterización morfológica de recursos fitogenéticos. IPGRI. Boletín Técnico Nº8. Cali. Colombia. 2003. pp 56-71. Available from: https://www.bioversityinternational.org/fileadmin/_migrated/uploads/tx_news/An%C3%A1lisis_estad%C3%ADstico_de_datos_de_caracterizaci%C3%B3n_morfol%C3%B3gica_de_recursos_fitogen%C3%A9ticos_894.pdf). This method can contribute to the decision making of the plant breeder in the selection of valuable genotypes, through many morphological characteristics, since in most trials the characteristics involved in yield and some of its components are considered with greater emphasis. In research on genetic diversity of Korean rice germplasm for adoption in Nigeria, this technique showed that the first four components explained 73.59 % of the total variation, suggesting the presence of a great genetic variability, which is important, since it gives a wide spectrum of selection to breeders (99. Amegan E, Efisue A, Akoroda M, Shittu A, Tonegnikes F. Genetic diversity of korean rice (Oryza Sativa L.) germplasm for yield and yield related traits for adoption in rice farming system in Nigeria. International Journal of Genetics and Genomics. 2020;8(1):19-28. doi: http://doi.org/10.11648/j.ijgg.20200801.13.). In another study on genotype-environment relationship, where this multivariate technique was also used in coffee cultivation, its effectiveness was demonstrated (1818. Armijo A, Quevedo JN, García MA. Análisis de la relación genotipo ambiente en el establecimiento de seis variedades de café en la Granja Experimental Santa Inés. Revista Científica Agroecosistemas. 2021;9(1):96-107. Available from: https://aes.ucf.edu.cu/index.php/aes/article/view/454).

The opposite projection of the empty kernels on the first axis, in relation to panicles per square meter, mass of 1000 kernels, yield and cycle, means that the lower the number of empty grains, the higher the value of the other four characteristics. In addition, the figure shows the degree of association between the variables, which is determined by the angular separation formed by their projections and the distances of each of these from the origin, their contribution being greater the more distant they are.

According to the angular spacing, the best associations are constituted by yield and mass of 1000 grains and cycle with panicles per square meter. These four characters are the most important because they are the most distant from the origin.

Groups I and II located on the far right of component 1, which included the cultivar INCA LP-7 and Line 4 in combination with the products under study and Line 3 with Biobras-16^®, were characterized by the highest values for all traits, except for empty grains per panicle. Due to its position close to these, group III, composed of the INCA LP-7 control, showed similar characteristics to group II, but its position in the lower part of component two places it as the genotype with the highest number of empty grains per panicle. It is known that biostimulants are organic substances used to enhance plant growth and development, and they have a positive influence on resistance to stress conditions and pest control, and therefore on yields. Various investigations in different crops have confirmed their effectiveness (1919. González LG, Jiménez MC, Castillo D, Paz I, Cambara AY, Falcón A. Respuesta agronómica del pepino a la aplicación de QuitoMax® en condiciones de organoponía. Centro Agrícola. 2018;45(3):27–31. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852018000300027&lang=pt-2323. Morejón R, Díaz SH, Miranda A. Influencia de los bioestimulantes Biobras-16® y QuitoMax® en dos genotipos de arroz. Cultivos Tropicales. 2021;42(4). Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362021000400004).

The genotypes contained in-group IV exhibited the discrete values of the characters studied, including commercial lines and cultivars with the application of the products and those to which no biostimulant was applied. In this sense, it is stated that biostimulants should be used in small amounts as a complement in fertilization and pest or disease control, in order to increase yield, quality and protection against adverse climatic conditions (2424. Morales CG. Uso de bioestimulantes. In: Morales CG, editors. Manual de manejo agronómico del arándano. Instituto de Investigaciones Agropecuarias. INIA Raihuén. Chile. BOLETÍN INIA/No 371; 2017, p 43-47. ISSN 0717-4829. Available from: http://biblioteca.inia.cl/medios/biblioteca/boletines/NR40907.pdf).

The results of the multiple linear regression analysis are shown in Table 5, where yield is the dependent variable and full and empty grains per panicle, number of panicles per square meter, mass of 1000 grains and cycle were the independent variables.

The model proposed by the multiple linear regression analysis allows, through the estimated coefficients, to express the expected change of the dependent variable yield for each unit of change of the independent variables studied. Since the p-value in the analysis of variance is less than 0.01, there is a statistically significant relationship between the variables at a 99 % confidence level. The characters full and empty grains present a p-value higher than 0.05; the highest in the independent variables, thus being the ones that contribute the least information to the model.

The equation of the fitted model is:

The R2 statistic indicates that the model explains 86.93 % of the variability in performance, determining that the linear combination of the independent variables, for studies under similar conditions, is an optimal predictor of performance. Other research has used this analysis with good results (22. Calero A, Pérez Y, Quintero E, González Y. Densidades de plantas adecuadas para incrementar el rendimiento agrícola del arroz. Centro Agrícola. 2021;48(1):28-36. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0253-57852021000100028&lng=es&tlng=es.,1111. Morejón R, Díaz SH. Relación del rendimiento con otros caracteres en cultivares tradicionales de arroz colectados en Pinar del Río. Cultivos Tropicales. 2018;39(1): 81-86. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362018000100010&lng=es&tlng=pt.,2525. Chakrabarty SK, Joshi MA, Singh Y, Maity A, Vashisht V, Dadlani M. Characterization and evaluation of variability in farmers’ varieties of rice from West Bengal. Indian Journal of Genetics and Plant Breeding (The). 2012;72(2):136-42. Available from: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=4b1kjDoAAAAJ&citation_for_view=4b1kjDoAAAAJ:rO6llkc54NcC).

It is suggested that the success of any crop improvement program depends largely on the magnitude of genetic variability, heritability, genetic advance and the association of characters, hence the importance of this type of work for plant breeders (2626. Sarker U, Islam Mg, Rabbani S. Variability, heritability and genetic association in green amaranth (Amaranthus tricolor). Spanish Journal of Agricultural Research. 2015;13(2):1-8. doi: http://doi.org/10.5424/sjar/2015132-6843).

CONCLUSIONS