Evaluación de la interacción genotipo x ambiente (IGA) del rendimiento de grano en trigos duros

• Velasco López, José Luis ^[1] ; Ruíz Torres, Norma Angélica ^[1] ; Espítia Hernández , Pilar ^[1] ; Sosa Flores, Mayra Alejandra ^[1] ; Hernández Martínez, Rosendo ^[3] ; Galicia Juárez, Marisol ^[2] ; Colín Rico, Modesto ^[1] ; Lozano de Río, Alejandro Javier ^[1]
  1. [1] Universidad Autónoma Agraria Antonio Narro

     Universidad Autónoma Agraria Antonio Narro

     México

     
  2. [2] Universidad Autónoma de Baja California

     Universidad Autónoma de Baja California

     México

     
  3. [3] Instuto Nacional de Investigaciones Forestales Agricolas y Pecuarias

  Mostrar afiliaciones +
• Localización: Revista Latinoamericana de Ciencias Agrarias: RLCA, ISSN-e 2961-2764, Vol. 3, Nº. 2, 2025 (Ejemplar dedicado a: Toward a New Agriculture: Resilience and Sustainability Through Applied Science), págs. 38-52
• Idioma: español
• Títulos paralelos:
  • Evaluation of genotype x environment interaction (GEI) on grain yield in durum wheat
• Enlaces
  • Texto completo
• Resumen
  • español

    El trigo es un cultivo estratégico para México, aunque su productividad está condicionada por la variabilidad ambiental. La evaluación del comportamiento genotípico en múltiples ambientes, mediante el análisis de interacción genotipo por ambiente (IGA) permite identificar materiales con mayor estabilidad y adaptación, optimizando el proceso de selección en programas de mejoramiento genético. El objetivo de este estudio fue evaluar la interacción genotipo por ambiente del rendimiento de grano de 50 genotipos de trigo duro en tres ambientes ubicados en los estados de Nuevo León y Coahuila durante dos ciclos agrícolas. Este estudio permitirá identificar y recomendar genotipos más productivos dirigidos a productores de las regiones del norte de México. Los experimentos se realizaron bajo un diseño de bloques completos al azar con tres repeticiones, y los datos se analizaron mediante el modelo AMMI (efectos principales aditivos e interacción multiplicativa). Los resultados mostraron una IGA significativa (p ≤ 0.01) para el rendimiento de grano en trigo duro. El análisis AMMI identificó nueve genotipos estables 704, 730, 719, 725, 703, 709, 722, 723 y 724 en los tres ambientes, cuyos rendimientos fueron superiores al testigo (25-41 %), mientras que los genotipos 747, 748 y 749 combinaron altos rendimientos promedio con adaptabilidad específica, superando igualmente al testigo. Estos resultados proporcionan criterios técnicos robustos para optimizar la toma de decisiones en los procesos de selección y para sustentar recomendaciones varietales para ambientes específicos acordes a las condiciones productivas de interés.

  • English

    The wheat is a strategic crop for Mexico; however, its productivity is strongly constrained by environmental variability. Evaluating genotypic performance across multiple environments through genotype-by-environment interaction (GEI) analysis enables the identification of materials with greater stability and adaptability, thereby optimizing selection processes in breeding programs. The objective of this study was to assess the GEI for grain yield of 50 durum wheat genotypes evaluated across three environments located in the states of Nuevo León and Coahuila over two agricultural cycles. This evaluation enables the identification and recommendation of higher yielding genotypes for producers in northern Mexico. Experiments were conducted under a randomized complete block design with three replications, and data were analyzed using the AMMI model (additive main effects and multiplicative interaction). Results showed a significant GEI interaction (p ≤ 0.01) for grain yield in durum wheat. The AMMI analysis identified nine stable genotypes (704, 730, 719, 725, 703, 709, 722, 723, and 724) across the three environments, with yields higher than the control 25-41%. In addition, genotypes 747, 748, and 749 combined high mean grain yield with specific adaptation, also outperforming the control variety. Overall, these findings provide robust technical parameters to improve decision-making in selection processes and to support environment-specific varietal recommendations aligned with the productive conditions of interest.