Evaluación de líneas avanzadas de arroz (Oryza sativa L.) obtenidas mediante hibridaciones en Los Palacios, Cuba
Barra lateral del artículo
Contenido principal del artículo
Resumen
La obtención de nuevos cultivares de arroz más productivos en un contexto cada vez más influenciado por los efectos del cambio climático y las heterogéneas condiciones de cultivo, constituye un desafío importante para los mejoradores. Esta investigación se desarrolló con el objetivo de estudiar el comportamiento de siete líneas avanzadas de arroz en condiciones de aniego y seleccionar las mejores para pasar a una fase superior. Se utilizó un diseño experimental completamente aleatorizado con tres repeticiones y los genotipos constituyeron los tratamientos. La información obtenida fue procesada mediante análisis univariados y multivariados. Los resultados mostraron correlaciones fuertes del rendimiento con las panículas por metro cuadrado, masa de 1000 granos y ciclo. El análisis de Componentes Principales explica el 83% de la varianza total en sus dos primeros ejes y el modelo del análisis de regresión lineal múltiple propuesto manifiesta más del 85 % de la variabilidad en el rendimiento. La combinación de los análisis uni y multivariado facilitó la identificación de las líneas G/L 4, 5, 2 y 3 como las más promisorias para incluirlas en estudios de validación.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes de la Licencia CC Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC 4.0):
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. Son aceptados para publicar trabajos científico originales, resultados de investigaciones de interés que no hayan sido publicados ni enviados a otra revista para ese mismo fin.
La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Citas
Liu Y, Zhao S, Gao X, Fu S., Song C, Dou Y, Lin J. Combined laser-induced breakdown spectroscopy and hyperspectral imaging with machine learning for the classification and identification of rice geographical origin. RSC advances, (2022). 12(53), 34520-34530.
Rezvi HUA, Tahjib‐Ul‐Arif M, Azim MA, Tumpa TA, Tipu MMH, Najnine F, Brestič M. Rice and food security: Climate change implications and the future prospects for nutritional security. Food and Energy Security, 2023. 12(1), e430. DOI: 10.1002/fes3.430.
Álvarez R, Reyes E, Alvarado A, Valera E, Linarez Y, Ramos N, Hernández E, De la Cruz R. Caracteres morfológicos asociados a la calidad del grano de la variedad de arroz Venezuela 21. Hatun Yachay Wasi, 2023. 2(1), 42 - 53. Available from: https://doi.org/10.57107/hyw.v2i1.34
Bin Rahman AR, Zhang J. Trends in rice research: 2030 and beyond. Food and Energy Security. 2023;12(2), e390. doi: 10.1002/fes3.390.
Moreno R, Biagio R, Giannetti F, Feni A. Assessing the sustainability of rice production in Brazil and Cuba, Journal of Agriculture and Food Research. 2021(4), 100152. Available from: https://doi.org/10.1016/j.jafr.2021.100152.
Pérez NJ, González MC, Cristo E. Diversidad fenotípica de cultivares cubanos de arroz obtenidos por el INCA en el período 1984-2020. Cultivos Tropicales. 2022, 43(4). Available from: https://ediciones.inca.edu.cu/index.php/ediciones/article/view/1717.
Hernández A, Echeverría F, Abdelnour A, Valdez M, Boch J, Gatica A. Rice breeding in the new era: Comparison of useful agronomic traits. Current Plant Biology. 2021;27(100211). ISSN 2214-6628. doi: 10.1016/j.cpb.2021.100211.
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/.
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/.
IRRI. Standard Evaluation System (SES) for Rice. Quinta Edición. Filipinas. 2013. 55p. Available from: https://www.clrri.org/ver2/uploads/SES_5th_edition.pdf.
Parimala K, Surender CH, Hari AS, Sudheer S, Narender S. Studies on genetic parameters, correlation and path analysis in rice (Oryza sativa L.). J Pharmacogn Phytochem 2020;9(1):414-417. Available from: https://www.phytojournal.com/ archives/2020.v9.i1.10459/studies-on-genetic-parameters-correlation-and-path-analysis-in-rice-oryza-sativa-l.
Fentie DB, Abera BB, Ali HM. Association of Agronomic Traits with Grain Yield of Lowland Rice (Oryza Sativa L.) Genotypes. International Journal of Research in Agricultural Sciences. 2021; 8(3). Available from: https://www.researchgate.net/profile/Dejen-Fentie-2/publication/365991076_Association_of_Agronomic_Traits _with_Grain_Yield_of_Lowland_Rice_Oryza_Sativa_L_Genotypes/links/638b54942c563722f23569f3/Association-of-Agronomic-Traits-with-Grain-Yield-of-Lowland-Rice-Oryza-Sativa-L-Genotypes.pdf.
Jasmin S Agalya. Assessment of variability parameters and diversity of panicle architectural traits associated with yield in rice (Oryza sativa L.). Plant Science Today. 2024,11(1). doi: 10.14719/pst.2658.
Degiovanni VM, Martínez CP, Motta OF. Producción eco-eficiente del arroz en América Latina. CIAT. 2010. Available from: https://cgspace.cgiar.org/server/ api/core/bitstreams/104df36d-0c6a-4a75-a449-3842ea064e75/content.
Singh VK, Wahi N, Mishra SK, Singh BD, Singh NK. Studies on Genetic variability, correlation analysis, character association and path analysis of phenotypic characteristics of twelve mega varieties of rice and its near-isogenic lines carrying high grain number per panicle QTL qGN4,1. Current Trends in Biotechnology and Pharmacy. 2022;16(1):35–45. doi: 10.5530/ctbp.2022.1.4.
Gunasekaran A, Seshadri G, Ramasamy S, Muthurajan R, Karuppasamy KS. Identification of Newer Stable Genetic Sources for High Grain Number per Panicle and Understanding the Gene Action for Important Panicle Traits in Rice. Plants. 2023;12,250. doi: 10.3390/plants12020250.
Devkota KP, Devkota M, Moussadek R, Nangia V. Genotype environment agronomic management interaction to enhance wheat yield in the Mediterranean rainfed environments of Morocco: II. Process based modeling. European Journal of Agronomy. 2023;151(126973). ISSN 1161-0301. doi: 10.1016/j.eja.2023.126973.
Mai W, Abliz B, Xue X. Increased Number of Spikelets per Panicle Is the Main Factor in Higher Yield of Transplanted vs. Direct-Seeded Rice. Agronomy. 2021;11(2479). doi: 10.3390/agronomy11122479.
Gengmi Li, Jiuyou Tang, Jiakui Zheng, Chengcai Chu. Exploration of rice yield potential: Decoding agronomic and physiological traits. The Crop Journal. 2021,9(3):577-589. ISSN 2214-5141. doi: 10.1016/j.cj.2021.03.014.
Maysoun M, Khaled FM, Abdelmoaty B. Definition of selection criterion using correlation and path coefficient analysis in rice (Oryza sativa L.) genotypes. Bulletin of the National Research Centre. 2020,44:143. doi: 10.1186/s42269-020-00403-y.
Science Direct. Effect of Rice Breeding Process on Improvement of Yield and Quality in China. Rice Science. 2020,27(5):363−367. doi: 10.1016/j.rsci.2019.12.009.
Nikzad M, Mazlooma P, Arabzadehb B, Moghadama MN, Ahmadia T. Application of correlation coefficients and principal components analysis in stability of quantitative and qualitative traits on rice improvement cultivation. Brazilian Journal of Biology. 2024;84(e268981). doi: 10.1590/1519-6984.268981.
Díaz SH, Morejón R. Comportamiento y selección de líneas avanzadas de arroz obtenidas por el programa de mejoramiento en Los Palacios. Cultivos Tropicales. 2017;38(1):90-97. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362017000 100010&lng=es&nrm=iso.
Morejón R, Díaz SH. Selección de líneas promisorias de arroz (Oryza sativa L.) provenientes del programa de mejoramiento genético en Los Palacios. Cultivos Tropicales. 2015;36(4):127-133. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362015000400017&lng=es&nrm=iso.
Liu Q, Yang X, Tzin V, Peng Y, Romeis J, Li Y. Plant breeding involving genetic engineering does not result in unacceptable unintended effects in rice relative to conventional cross-breeding. 2020. doi: 10.1111/tpj.14895.
Shrestha J, Subedi S, Kushwaha UKS, Maharjan B. Evaluation of growth and yield traits in rice genotypes using multivariate analysis. Heliyon. 2021;7(e07940). doi: 10.1016/j.heliyon.2021.e07940.
Thakur K, Sarma MK. Genetic diversity and principal component analysis in cultivated rice (Oryza sativa L.) varieties of Assam. The Indian Journal of Agricultural Sciences. 2023; 93(2):145–150. doi: 10.56093/ijas.v93i2.132052.
Shanmugam R, Ramanathan A, Anandhi P, Sassikumar D. Unravelling genetic diversity of South Indian rice landraces based on yield and its components. Electronic Journal of Plant Breeding. 2023;14(1):160-169. Available from: https://www.ejplantbreeding.org/ index.php/EJPB/article/view/4576.
Chowdhury N, Islam S, Mim MH, Akter S, Naim J, Nowicka B, Hossain MA. Characterization and genetic analysis of the selected rice mutant populations. SABRAO J. Breed, Genet. 2023;55(1): 25-37. doi: 10.54910/sabrao2023.55.1.3.
Devkota S, Raut SK, Shrestha S, Poudel U. Genetic Variability for Growth and Yield Traits in Rice. Journal of Tikapur Multiple Campus. 2023;6:236-248. ISSN: 2382-5227. Available from: https://www.researchgate.net/profile/Sheela-Devkota/publication/372550694_Journal of_Tikapur_Multiple_Campus_Published_by_Research_Management_Cell_RMC_Tikapur_Multiple_Campus_Genetic_Variability_for_Growth_and_Yield_Traits_in_Rice/links/64be24b78de7ed28babe82d5/Journal-of-Tikapur-Multiple-Campus-Published-by-Research-Management-Cell-RMC-Tikapur-Multiple-Campus-Genetic-Variability-for-Growth-and-Yield-Traits-in-Rice.pdf.
Li G, Tang J, Zheng J, Chu C. Exploration of rice yield potential: Decoding agronomic and physiological traits. The Crop Journal. 2021;9(3):577-589. doi: 10.1016/j.cj.2021.03.014.