Introducción
La
soja es el principal cultivo agrícola del sur
de la provincia de Santa Fe, Argentina. La producción
se ha incrementado en la última década
debido al aumento en el área sembrada y en
los rendimientos (Ghida Daza et al., 1997; Salines
et al., 1997). El éxito del cultivo depende
de las condiciones climáticas, del suelo y
del manejo, entre otras. De estos factores, las prácticas
de manejo son las únicas que el hombre puede
modificar siendo una de las más relevantes,
la elección de cultivares.
En
Argentina, se han registrado en las últimas
campañas agrícolas importantes cambios
tecnológicos. En los últimos años
hubo un incremento de las áreas sembradas con
los cultivares GM III y IV en desmedro de los GM V,
VI y VII (Bodrero et al. 2001). Estos cambios se debieron
a una serie de factores concurrentes: variación
en la distribución de las precipitaciones,
beneficiando a los más precoces; el mejor manejo
del suelo a través de la siembra directa, que
permite una mayor captación y acumulación
de agua en el perfil; la aparición de genotipos
resistentes a glifosato; suplementación con
nutrientes en forma directa o residual y la elección
de cultivares adaptados a diferentes épocas
de siembra, entre otras. Experiencias previas también
demuestran que los cultivares correspondientes a los
GM IV manifestaron alta estabilidad de rendimientos
cuando fueron sometidos a diversos ambientes productivos
(Rosbaco et al, 1999). El rendimiento de los cultivos
es el resultado de la interacción entre los
genotipos y el ambiente (clima, suelo y prácticas
de manejo). Los genotipos pueden expresar una respuesta
diferencial según la calidad del ambiente,
así es posible que diferentes cultivares puedan
tener rendimientos similares o distintos en un mismo
ambiente y también, que un genotipo manifieste
rendimientos similares en diversos ambientes.
Un
procedimiento comúnmente utilizado para estudiar
la relación entre los genotipos y los ambientes
es el análisis de regresiones lineales simples
del comportamiento de cada cultivar respecto del comportamiento
promedio de los cultivares en el ambiente (Finlay
y Wilkinson, 1963; Eberhart y Russell, 1966), sin
tomar en cuenta ningún elemento de clima, suelo
y/o manejo. Esta metodología, que asigna un
ambiente con iguales características a todos
los cultivares fue muy útil y permitió
avanzar sustancialmente en el conocimiento del comportamiento
de los cultivares, dado que en el cálculo de
las pendientes de respuesta de uno de ellos, la heterogeneidad
queda representada por la interacción. Pero
como bien postula Vargas et. al, 1988, la heterogeneidad
de las pendientes sólo explica una pequeña
proporción de una interacción compleja:
esto se debe a que para algunos cultivares, un determinado
factor climático puede incidir en un estadio
fenológico distinto que en otros. De esta manera,
un mismo ambiente puede tener efectos diferenciales.
El
rendimiento en grano puede descompo-nerse en varios
procesos parciales, denominados componentes del rendimiento:
número de semillas por m2 de cultivo y el peso
unitario de las semillas. Estos componentes del rendimiento
pueden ser modificados por el genotipo, el ambiente
y el manejo, afectando de esta manera el rendimiento
final. El grado de sensibilidad de cada componente
a los factores ambientales varía con el estado
de desarrollo del cultivo. La soja tiene además
la capacidad de compensar, dentro de ciertos límites,
reducciones en un componente del rendimiento debidas
a factores de estrés, aumentando el componente
subsiguiente, una vez desaparecido el mismo. En condiciones
de campo, es común la ocurrencia de diferentes
grados de estrés, especialmente hídrico
y las diferencias de rendimiento entre cultivares
puede responder no sólo a diferencias en alguno
de sus componentes, sino también a diferencias
en su capacidad para compensar. (Morandi, et al. 1991;
Andriani y Bodrero, 1995). Por ello, es posible que
se alcancen rendimientos similares en diferentes condiciones
como consecuencia de alteraciones en diversos procesos.
Las metodologías de estudio con regresiones
lineales simples no resultan suficientes para incluir
estas situaciones. La aplicación de técnicas
de análisis multivariado (Johnson y Wichen,
1992) que permiten estudiar la incidencia de múltiples
factores sobre el comportamiento de los cultivos,
en este caso la interacción genotipo- ambiente
(Crossa, 1990) constituyen la base teórica
de este trabajo. La aplicación de esta metodología
permite caracterizar al ambiente y a los genotipos,
posibilitando realizar agrupamientos de situaciones
o características similares, ya sean iguales
o distintos genotipos en iguales y distintos ambientes
(Gauch, 1992; Vargas et al., 1998; Brancourt-Hulmel,
M. et al., 1999; Haussmann et al., 2000; Yan y Hunt,
2001).
Dado
que el éxito del cultivo en un lote de producción
depende de la respuesta del genotipo a las condiciones
ambientales, resulta imprescindible caracterizar a
los ambientes productivos y a los genotipos con mayor
precisión. La falta de una asociación
correcta entre la tecnología adoptada y la
oferta ambiental, podría ser una de las causas
que explicarían la brecha entre los rendimientos
promedio de la región (entre 2500 y 2800 kg/ha)
y los potencialmente obtenibles bajo condiciones de
secano en ensayos comparativos de rendimientos y en
lotes de productores de avanzada (superiores a 5.000
kg/ha). También ésta podría ser
una explicación de la pronunciada variabilidad
interanual aún en ambientes supuestamente buenos
(Bodrero, et al. 2002). Evidentemente, esto indica
que existe un amplio margen para el diseño
de estrategias productivas conducentes al incremento
de la productividad del cultivo y a un mejor aprovechamiento
de los recursos del agroecosistema.
Dada
la gran variabilidad que presentan los ambientes productivos,
determinada por las características intrínsecas
de cada sitio, las fechas de siembra, las modalidades
en el manejo de los cultivos y campañas agrícolas,
el logro de una correcta selección de los genotipos
mejor adaptados para cada ambiente requiere de la
utilización de métodos de evaluación
más precisos La continua liberación
al mercado de nuevos cultivares de soja requiere de
una metodología de análisis que permita
determinar la capacidad productiva de los mismos cuando
se los somete a distintas condiciones ambientales.
Este análisis debe tener en cuenta la diferente
sensibilidad al fotoperíodo y a la temperatura
que los mismos presentan aún cuando pertenezcan
a un mismo grupo de madurez (Martignone et al., 1995).
El
presente trabajo tuvo como objetivo mostrar que una
metodología estadística simple de análisis
multivariado permite caracterizar al ambiente productivo
y contribuye a analizar y comprender el comportamiento
agronómico de cualquiera de los cultivares
existentes utilizando genotipos con fenología
y fechas de siembra similares en tres campañas
diferentes en un mismo sitio experimental.
Materiales
y Métodos
Los
experimentos se llevaron a cabo en el Campo Experimental
“José F. Villarino” de la Facultad
de Ciencias Agrarias de la Universidad Nacional de
Rosario, en Zavalla, Provincia de Santa Fe, Argentina
(33º 01’ S - 60º53’ O). Durante
las campañas 1997/98 (campaña 1), 1998/99
(campaña 2) y 2000/01 (campaña 3) se
condujeron los ensayos sobre un suelo argiudol vértico,
serie Roldán, con escasa pendiente (0.5%);
horizonte superficial de textura franco limosa, con
moderado contenido de materia orgánica (2,93%).
Se utilizó un sistema de labranza vertical,
complementado con rastra de disco (sobre un barbecho
prolongado). Las fechas de siembra para cada campaña
fueron: 19/11/1997, 24/11/1998 y 21/11/2000.
El
diseño experimental en cada ensayo fue de bloques
completamente aleatorizados, con tres repeticiones.
El tamaño de las parcelas fue de 2,8 m de ancho
por 7 m de largo y las hileras estuvieron distanciadas
a 0,7 m. Los cultivares utilizados en las tres campañas
fueron: Pioneer 9482, Joketa 46, Tijereta 2046, Don
Mario 48, ACA 490 y A4100 RG. Los cultivares Pioneer
9492 y 3 HM5-41 RR fueron agregados en las campañas
1 y 2 y 2 y 3 respectivamente. Los números
que siguen a los códigos de los cultivares,
corresponden a las campañas analizadas. Se
registraron los estadios fenológicos: emergencia
(VE); plena floración (R2), inicio del llenado
de semillas (R5) y madurez fisiológica (R7),
según Fehr y Caviness, 1977. A la cosecha (R8)
se determinó la biomasa aérea total
(g/m2), el rendimiento (kg/ha) y sus componentes:
número de semillas por m2 y peso de mil semillas
(g). Estos datos se obtuvieron a partir de muestras
de 2 m2 por repetición.
Los
valores de la temperatura media diaria, precipitaciones
y radiación solar total acumulada en cada uno
de las etapas de desarrollo (Tabla 1) durante el ciclo
de los cultivos se obtuvieron a partir de la estación
agrometeorológica, cercana a los ensayos. Para
cuantificar las variables climáticas, se dividió
el ciclo de los cultivos en tres períodos:
VE – R2, que corresponde a la etapa de prefloración;
R2 – R5, que alude a la etapa reproductiva temprana
en la cual se establecen la mayoría de los
frutos y la tercer etapa: R5 – R7 que es el
período de llenado de las semillas.
Tabla
1:
Valores de temperatura media diaria (TMED);
lluvias (PREC) y radiación solar incidente
acumulada (RAD) en las etapas fenológicas
de los cultivares Pioneer 9482 (Pio), Joketa
46 (Jo), Tijereta 2046 (TJ), Don Mario 48 (DM),
ACA 490 (ACA), A4100 RG (A), Pioneer 9492 RG
(Pi) y HM5-41RR (HM). Índices 1, 2 y
3 corresponden a las campañas 1997/98;
98/99 y 2000/01, respectivamente. Valores promedios,
mínimos y máximos de las respectivas
campañas y etapas fenológicas. |
|
| |
Los
datos se procesaron estadísticamente según
análisis de la variancia. La interacción
genotipo – ambiente para rendimiento se estimó
a través de un análisis de variancia
bifactorial. Para caracterizar a los ambientes y a
los genotipos se realizó un análisis
de componentes principales (CP). Este análisis
explica la estructura de las variancias - covariancias
a través de unas pocas combinaciones lineales
de las variables originales (Johnson y Wichen, 1992).
Para ello se crea un conjunto menor de variables artificiales
denominadas componentes principales que cumplen determinados
requisitos matemáticos. Las mismas se pueden
representar por los ejes de coordenadas de gráficos
que permiten obtener tanto la representación
de la dispersión de las variables originales
como la de los genotipos (“Biplots”).
Cada componente es una combinación de las variables
originales. La correlación entre cada componente
y las variables originales establece cuales de estas
variables tienen mayor incidencia en cada componente
principal y si su efecto es positivo o negativo. La
interpretación de los gráficos bidimensionales
o tridimensionales se basa en observar la ubicación
relativa en los cuatro cuadrantes de los genotipos
y variables en función de los componentes principales.
Esto permite identificar asociaciones entre genotipos,
variables y genotipos con variables. También
se realizó un análisis de cluster, según
un método de encadenamiento jerárquico
(Johnson y Wichen, 1992), que permite agrupar genotipos
sobre la base de similitudes o por medidas de distancia
estadística de alguna variable. El resultado
es un dendrograma en función de las distancias
entre los valores de la variable.
Resultados
y Discusión
Caracterización
de los ambientes climáticos
Los experimentos se realizaron en tres campañas
en similares fechas de siembra y sobre un mismo tipo
de suelo, en sitios contiguos. Por lo tanto, no existieron
diferencias atribuibles al ambiente edáfico
entre las campañas y las diferencias ambientales
se debieron a factores climáticos, siendo las
más importantes la temperatura media diaria,
las precipitaciones y la radiación solar incidente
media diaria, según una inspección visual
de los datos.
Los cultivares estudiados estaban clasificados dentro
del GM IV. A pesar de ello, la duración de
las etapas fenológicas dentro de cada campaña,
difirió entre los genotipos (Tabla 2) debido
a la distinta sensibilidad termofotoperiódica,
que son los principales factores que regulan el desarrollo
de la soja (Martignone et al., 1995). Estas variaciones
en la fenología provocaron en algunos tratamientos,
diferencias en las variables ambientales, principalmente
en las precipitaciones recibidas y en la radiación
solar incidente acumulada en cada etapa fenológica
(Tabla 1). Las diferencias de estos dos últimos
factores fueron variables entre las etapas fenológicas
y campañas. Esto determinó que los ambientes
climáticos fuesen distintos para los cultivares
en las tres campañas.
Tabla
2:
Duración de las etapas fenológicas
de los cultivares estudiados. Abreviaturas
segúnr Tabla 1.
|
|
|
Tabla
3:
Coeficientes de correlación entre
las variables climáticas y las
componentes principales 1 y 2, correspondientes
a la caracterización climática
de las campañas y porcentaje de
la variancia explicada por cada componente.
Abreviaturas según Tabla 1.
Tabla 4: Rendimiento, número de
semillas por m2; peso de 1000 semillas
y biomasa aérea en R8 correspondiente
a los cultivares estudiados. Valores promedios,
mínimos y máximos de las
respectivas campañas. Abreviaturas
según Tabla 1.
|
|
|
Para
caracterizar las tres campañas, se realizó
el análisis de componentes principales utilizando
las variables climáticas. Las dos primeras
componentes principales (CP1 y CP2) explican el 89
% de la variabilidad total y permiten separar a las
campañas en tres grupos bien definidos (Tabla
3). La CP3 explica solo un 8% de la variabilidad total
(datos no mostrados).
Analizando los coeficientes de correlación
entre las variables originales y cada componente principal
(Tabla 3), podemos apreciar que en la CP1, todas las
correlaciones fueron significativas, excepto las precipitaciones
en VE-R2. Las variables climáticas con mayor
incidencia en la caracterización del ambiente
fueron: temperatura media, lluvias y radiación
solar acumulada entre R2 - R5 y temperatura media
y lluvias entre R5 - R7. Este componente mostró
que los factores climáticos ocurridos durante
la fase reproductiva de los cultivos fueron los que
tuvieron más incidencia en la separación
de la campaña 2 respecto de la 1 y 3.
Con
respecto a la CP2, las variables temperatura media
y radiación solar acumulada entre VE - R2 presentaron
una correlación positiva, mientras que las
lluvias entre VE - R2 mostró una correlación
negativa con dicha componente. Las tres fueron significativas,
representando la influencia de las variables climáticas
sobre los estadios vegetativos (VE - R2 ), que marca
las diferencias entre las campañas 1 y 3.
A
los efectos de facilitar la comprensión de
la Figura 1, el signo negativo de los coeficientes
de correlación correspondientes a la CP1 (Tabla
3), determina que cuanto mayores fueron los valores
de estas variables, el resultado de la CP1 fue menor.
Cuanto menor es el ángulo entre el vector que
representa la variable climática y el vector
que representa los genotipos, mayor es la asociación.
Esta Figura muestra que la CP1 separa a los ambientes
bajo los cuales se desarrollaron los genotipos, agrupándolos
según campañas: los ubicados a la derecha
de la figura (semieje positivo de la abscisa) corresponden
a los ambientes de los cultivares evaluados en la
campaña 2, caracterizada por menores valores
de temperatura media diaria, precipitaciones y radiación
solar incidente durante R2 – R5 y de precipitaciones
entre R5 -R7 y con valores mayores de temperatura
diaria media y de radiación solar incidente
durante R5 y R7. Se observó que los cultivares
correspondientes a las campañas 1 y 3 se ubicaron
a la izquierda del gráfico (semieje negativo
de la abscisa) pues se desarrollaron bajo condiciones
climáticas opuestas (Tabla 1).
Figura
1:
Biplot correspondiente a la caracterización
climática de las campañas.
Abreviaturas: Pio = Pioneer 9482, Jo = Joketa
46, TJ = Tijereta 2046, DM = Don Mario 48, ACA
= ACA 490, A = A4100 RG, Pi = Pioneer 9492 RG
y HM = HM5-41RR. índices 1, 2 y 3 corresponden
a las campañas 1997/98; 98/99 y 2000/01,
respectivamente. TMED = temperatura media diaria,
PREC = lluvias registradas en el período
considerado y RAD = Radiación solar incidente
acumulada durante la etapa fenológica.
ER2; 27 y 57 corresponden a las etapas fenológicas
VE-R2; R2-R5 y R5-R7, respectivamente. |
|
Con
un análisis similar, la CP2 separa a los ambientes
climáticos en los que estuvieron desarrollándose
los cultivares en las campañas 1 y 3: la campaña
1 se caracterizó por mayores valores de precipitaciones
y menores valores de temperatura media diaria y de
radiación solar incidente durante el período
VE – R2 (Figura 1 y Tabla 1). De esta manera
se observa que las condiciones climáticas de
cada campaña fueron distintas. Además,
el grado de dispersión entre los puntos representativos
de los ambientes bajo los que se desarrollaron los
genotipos en cada campaña, indica la variabilidad
entre los ambientes a los que estuvieron sometidos
los cultivares. Estas diferencias hacen que, además
de las distintas características genéticas,
se evidencien comportamientos agronómicos distintos
entre genotipos, debidos al ambiente particular que
les correspondió.
Caracterización
de las respuestas de los genotipos
El análisis de la variancia para rendimiento
indicó efectos significativos para campañas
(P = 0,0001), genotipos (P = 0,05) y efectos no significativos
para la interacción entre los genotipos y los
ambientes (P = 0,22). Cada uno de estos factores explica
el 36; 11 y 13 %, respectivamente, de la variabilidad
total.
Tabla 4:
Rendimiento, número de semillas por
m2; peso de 1000 semillas y biomasa aérea
en R8 correspondiente a los cultivares estudiados.
Valores promedios, mínimos y máximos
de las respectivas campañas. Abreviaturas
según Tabla 1.
|
|
En
la Tabla 4 se presentan los valores de rendimientos,
número de semillas por m2, peso de mil semillas
y biomasa aérea a cosecha. En cuanto a rendimiento,
no existieron diferencias entre las campañas
1 y 3, pero en la campaña 2 los valores fueron
menores (según Duncan 0,01%). Idénticas
conclusiones se pueden obtener respecto de la biomasa
a cosecha. En cuanto a los componentes del rendimiento,
las tres campañas difirieron en el número
de semillas por m2 y la campaña 3 presentó
el menor tamaño de las semillas. Es evidente
que el rendimiento en cada campaña se logró
de diferente manera, como se explicará más
adelante al realizar el análisis de los componentes
principales.
Figura
2:
Cluster de agrupamiento de los cultivares
en las tres campañas estudiadas según
sus rendimientos. Abreviaturas según
Figura 1.
|
|
En la Figura 2, el dendrograma muestra el agrupamiento
de los genotipos de las tres campañas en función
de sus rendimientos. Se efectuó el análisis
según los métodos de encadenamiento
completo, promedio y Ward. A pesar que las distancias
estadísticas para cada método fueron
diferentes, el agrupamiento fue el mismo. Por esto,
se muestra el resultado del encadenamiento completo.
Si el corte se efectúa en un tercio de la distancia
máxima (1,24) los genotipos se ubican en cuatro
grupos: el primer grupo (G1) corresponde a aquellos
con rendimientos mayores a 3900 kg/ha, figurando en
la campaña 1 Pioneer 9482 y Don Mario 48 y
de la campaña 3 Pioneer 9482, Tijereta 2046
y HM5-41 RR. El segundo el grupo (G2), con rendimientos
entre 3500 y 3800 kg/ha involucra, en la campaña
1 a Tijereta 2046, Joketa 46, Pioneer 9492 RG y ACA
490 y de la campaña 3, a Joketa 46 y Don Mario
48. El tercer grupo (G3), con rendimientos entre 3000
y 3400 kg/ha, está compuesto por A 4100 RG
de la campaña 1, ACA 490 y A 4100 RG de la
campaña 3 y de la campaña 2, Joketa
46, Pioneer 9482, Don Mario 48 y A 4100 RG. Finalmente,
el grupo cuarto (G4), con rendimientos menores a 2900
kg/ha está integrado por Tijereta 46, HM5-41RR,
Pioneer 9492 RG y ACA 490, todos de la campaña
2.
En
el dendrograma (Figura 2) se aprecia que, excepto
en el grupo cuatro, los genotipos no se agrupan según
las características climáticas de cada
campaña. Así en los grupos 1 y 2 se
alternaron la mayoría de los genotipos de las
campañas 1 y 3 y en el grupo tercero hay genotipos
de las tres campañas. Por ejemplo, podemos
apreciar que en Pioneer 9482, cuando las condiciones
ambientales fueron favorables (campañas 1 y
3), sus rendimientos fueron los mayores y semejantes,
pero bajo condiciones climáticas más
desfavorables (campaña 2), su rendimiento superó
los 3000 kg/ha (Tablas 1 y 4). En el caso de Don Mario
48, bajo las condiciones de la campaña 2 tuvo
rendimientos similares a Pioneer 9482, pero en las
campañas 1 y 3 su rendimiento fue menor. En
A 4100 RG, con rendimientos que oscilaron entre 3000
y 3230 en las tres campañas estudiadas, no
respondió a las mejores condiciones climáticas.
Si bien el análisis de la variancia no arrojó
interacción significativa entre cultivares
y ambientes, existieron respuestas diferentes de los
cultivares frente a distintas condiciones climáticas.
A
los efectos de explicar la respuesta de los cultivares
en las tres campañas analizadas, se realizó
el análisis de componentes principales utilizando
las variables climáticas, el número
de semillas por m2, el peso de mil semillas y la biomasa
seca aérea en R8. En este análisis,
las dos primeras componentes principales (CP1 y CP2)
explicaron el 79 % de la variabilidad total (Tabla
5) y permitieron separar a los genotipos en tres grupos
bien definidos, concordantes con las características
climáticas de las campañas (Figura 3).
Tabla
5:
Coeficientes de correlación entre el
número de semillas por m2 (NSEM); peso
de 1000 semillas (PGR), biomasa aérea
en R8 (BAT) y las variables climáticas
respecto de las componentes principales 1
y 2, correspondientes a la caracterización
de los genotipos y porcentaje de la variancia
explicada por cada componente. Abreviaturas
según Tabla 1.
|
|
Figura 3:
Biplot correspondiente a la caracterización
de los cultivares según sus rendimientos,
número de semillas por m2 (NSEM); peso
de 1000 semillas (PGR); Biomasa en R8 (BAT).
Abreviaturas según Figura 1.
|
|
Analizando
los coeficientes de correlación entre las variables
originales y cada componente principal (Tabla 5),
se puede apreciar que en la CP1, los atributos de
los genotipos que estuvieron más asociados
con ella fueron el número de semillas por m2
y la biomasa aérea en R8. Estas correlaciones
fueron altamente significativas, P < 0,0001 (r
= 0,85 y 0,86, respectivamente). Estas variables se
ubicaron en los cuadrantes de la izquierda de la Figura
3, concordantes con los mayores rendimientos. Las
variables climáticas, con correlaciones significativas
y asociadas con estas características fueron
la temperatura media durante VE – R2, la temperatura
media, las lluvias y la radiación solar durante
R2 - R5, y las lluvias durante R5 - R7. Lo opuesto
sucedió con la radiación solar acumulada
durante VE – R2 y la temperatura media durante
R5 – R7, que se ubicaron en los cuadrantes de
la derecha. El análisis referido para esta
componente demuestra que los factores climáticos
ocurridos principalmente durante la etapa reproductiva
temprana tuvieron mayor incidencia en el número
de semillas por m2 y en la acumulación de biomasa
aérea. Con respecto a la CP2, que explica las
diferencias entre las campañas 1 y 3, las variables
climáticas que caracterizaron a la campaña
3 fueron mayor temperatura media y radiación
solar y menor volumen de lluvias durante VE –
R2 que las ocurridas en la campaña 1, resultando
en un mayor número de semillas por m2.
El
análisis de las CP (Figura 3) pone en evidencia
que en las campañas 1 y 3 los cultivos estuvieron
expuestos a condiciones más favorables de precipitaciones,
temperatura y radiación solar incidente durante
la etapa de formación de las vainas y, en consecuencia
de semillas, (R2-R5) lo que se tradujo en altos valores
de semillas por m2. En estos experimentos no se midió
la tasa de crecimiento de cultivo. Sin embargo, los
valores de biomasa alcanzados indican que las tasas
de crecimiento de cultivo en las campañas 1
y 3 fueron mayores. Existe profusa bibliografía,
la cual describe experimentos realizados bajo distintas
condiciones de cultivo (por ejemplo, Egli y Zhen-wen,
1991; Board et al., 1995; Vega et al., 2001; Andrade
et al., 2000), en las que se demuestra que altas tasas
de crecimiento de cultivo durante el período
reproductivo temprano determinan un mayor establecimiento
de destinos (frutos y semillas). Por otra parte, como
en esta etapa se completa el crecimiento vegetativo,
también se produjo una mayor acumulación
de materia seca en el cultivo. La magnitud de biomasa
total está asociada con el rendimiento, pero
el índice de cosecha, es relativamente estable
(Bodrero et al, 1997). En el mismo sentido, Kumudini
et al. (2001) determinaron que la mayor producción
de biomasa durante las etapas reproductivas contribuyó
en un 78 % al incremento de los rendimientos y que
el incremento del índice de cosecha sólo
lo hizo en un 22 %. Una adecuada disponibilidad hídrica
durante el llenado de las semillas, R5 - R7, hubiera
permitido mayores tasas fotosintéticas y un
mayor período de llenado de las semillas (Tabla
2) que contribuyesen a un adecuado llenado de las
semillas (Andrade et al, 2000). Esta idea es coincidente
con la propuesta por Board et al. (1995) quienes concluyeron
que la tasa de crecimiento de cultivo entre R1 y R7
afecta el rendimiento, primariamente alterando el
número de vainas y que el período entre
R1 y R6 es el más sensible ante una disminución
de dicha tasa.
Si
bien los rendimientos promedios de las campañas
1 y 3 fueron similares (Tabla 4), se detectaron diferencias
en el comportamiento de los componentes del rendimiento.
Durante la campaña 3, los cultivares presentaron
un mayor número de semillas por m2, lo cual
fue probablemente debido a una mayor radiación
solar recibida durante las etapas vegetativa y reproductiva
temprana (Tabla 1). La Figura 3 muestra que en la
campaña 3 los cultivares produjeron mayor número
de semillas por m2 y que estuvieron bajo mayores niveles
de radiación solar incidente. La baja asociación
entre la precipitación durante VE – R2
y el número de semillas por m2 en la campaña
3 puede explicarse por una probable alta acumulación
de agua en el perfil a la siembra, de modo que los
cultivos pudieron aprovechar los mayores niveles de
radiación. Al tratarse de siembras en el mes
de noviembre con un largo período de barbecho,
la disponibilidad hídrica no habría
sido crítica. Más aún, esta afirmación
es coincidente con la opinión de Calviño
y Sadras (1999) quines postulan que es improbable
que se generen deficiencias hídricas en etapas
tempranas del desarrollo del cultivo en suelos profundos
y con altas precipitaciones y baja demanda evaporativa
en los meses de octubre y noviembre. Por ello, se
lograron altos valores de acumulación de biomasa.
Luego, durante el período de establecimiento
y llenado de las semillas, altos niveles de radiación
solar incidente habrían provocado mayor tasa
de crecimiento de cultivo, conduciendo a los mayores
valores de número de semillas por m2. El menor
peso de mil semillas en la campaña 3 fue consecuencia
de un mayor número de destinos establecidos
(Tabla 4).
En
cuanto a la campaña 2, la CP1 demuestra que
los genotipos “ubicados” en los cuadrantes
derechos, tuvieron los menores rendimientos, como
consecuencia de un bajo número de semillas
por m2 y de biomasa aérea que los “ubicados”
en los cuadrantes opuestos (Figura 3). Las causas
fundamentales de esta situación fueron las
menores precipitaciones y una menor radiación
solar incidente en los períodos reproductivos.
En este sentido, nótese la ubicación
opuesta a los genotipos de los vectores correspondientes
a las lluvias y radiación solar incidente en
los períodos R2 – R5 y R5 – R7.
En esta campaña, el menor número de
semillas por m2 fue compensado parcialmente por el
mayor tamaño de las mismas. Períodos
de estrés durante R5.5 y R6 suelen causar grandes
pérdidas de rendimiento por reducciones en
el número de vainas por planta y de semillas
por vaina los que causan una disminución en
el número de semillas por m2, y en menor medida
en el tamaño de las mismas (Bodrero, et al,
1997). Si bien, los efectos sobre el tamaño
de las semillas se evidencia en estadios posteriores,
entre R6 y R6.5, en esta campaña no se produjeron
diferencias.
Conclusiones
Esta
metodología simple y fácilmente realizable
con software habitualmente disponible en distintas
instituciones públicas y privadas permite el
análisis de experimentos en varios ambientes,
por ejemplo, de distintas campañas o sitios
experimentales, y contribuyen a explicar las respuestas
debidas a características ambientales y genéticas
particulares. La utilización de técnicas
de análisis multivariado, que incluyen análisis
de clusters y de componentes principales, permiten
agrupar a los genotipos según sus modelos de
respuesta frente a las condiciones ambientales. También
se pueden agrupar los ambientes en función
de la forma que inciden sobre el comportamiento de
los cultivares. De esta manera, al comprender más
claramente las relaciones existentes entre los cultivares
y las características de los ambientes, se
logran identificar los genotipos superiores para cada
uno de ellos). La metodología propuesta se
considera superior a la utilizada en general hasta
el presente, dado que permitiría progresar
más rápidamente en la identificación
de la respuesta de los cultivares al ambiente y contribuiría
a un aumento sostenido de los rendimientos, dado que
esta técnica permite asociar las respuestas
con las bases ecofisiológicas de los genotipos
y, eventualmente, definir características específicas
(de la Vega et al, 2002).
Bibliografía
ANDRADE,
F.H.; AGUIRREZÁBAL, L.A.N. y RIZZALLI, R.H.
2000. Crecimiento y rendimiento comparados. En: Andrade,
F.H. y Sadras, V.O. (Eds.) Bases para el manejo del
maíz, el girasol y la soja. EEA INTA Balcarce
– Fac. Ciencias Agrarias UNMP. p. 61 - 96.
ANDRIANI, J. y BODRERO, M.L.
1995. Respuesta de cultivares de soja a la disponibilidad
hídrica. Compendio de Trabajos 1er Congreso
Nac. de Soja y 2da Reunión Nac. de Oleaginosos,
Pergamino, Bs As. Tomo I Cap. II p. 81 - 87.
BOARD,
J.E.; WIER, A.T. y BOETHEL, D.J. 1995. Source
strength influence on soybean yield formation during
early and late reproductive development. Crop Sci.
35: 1104 - 1110.
BODRERO,
M.L.; ANDRIANI, J.; BACIGALUPPO, S.; CAPURRO, J.;
FELIZIA, J.C.; GELIN, A.; GENTILI, O.; GONZÁLEZ,
M.C.; MASSARO, R.; PAGANI, R.; PRIETO, G.; REGIS,
C. y TRENTINO, N. 2001. Evaluación de
cultivares de soja grupos de madurez III, IV, V y
VI en siembras de primera época en diferentes
ambientes del sur de Santa Fe. Campaña 2000/2001.
Soja 18: 51 - 57, EEA Oliveros INTA, Oliveros.
BODRERO,
M; ANDIANI, J.; BACIGALUPPO, S. GESTER, G.; QUIJANO,
A.; MARTIGNONE, R. y VAN LACKE, A. 2002. Factores
limitantes del rendimiento y determinantes de su variabilidad
en el cultivo de soja, campaña 2001/02. Soja
21: 16 - 25, EEA Oliveros INTA, Oliveros.
BODRERO,
M.L.; MORANDI, E.N.; MARTIGNONE, R.A.; BAIGORRI, H.E.J.;
ANDRADE, F.H.; MEIRA, S. y GUEVARA, E. 1997.
Ecofisiología del cultivo. En: Giorda, L.M
y Baigorri, H.E.J. (eds.) El cultivo de la soja en
Argentina. INTA C.R. Córdoba, San Juan. p 30
- 50.
BRANCOURT-HULMEL,
M.; LECOMTE, C. y MEYNARD, J.M. 1999. A diagnosis
of yield limiting factors on probe genotypes for characterizing
environments in winter wheat trials. Crop Sci. 39:
1798 -1808.
CALVIÑO,
P.A y SADRAS, V.O. 1999. Interannual variation
in soybean yield: interaction among rainfall, soli
depth and crop management. Field Crops Res. 63: 237
- 246.
CROSSA,
J.
1990. Stadistical analyses of multilocation trials.
Adv. Agron. 44:55 - 85.
DE
LA VEGA, J.A.; CHAPMAN, S.C. y HALL, A.J. 2001.
Genotype by environment interaction and indirect selection
for yield in sunflower. I. Two-mode pattern analysis
of oil and biomass yield across environments in Argentina.
Field Crops Res. 72:17 - 38.
DE
LA VEGA, J.A. HALL, A.J. y KRONENBERG, P.M.
2002. Investigating the physiological bases of predictable
and unpredictable genotype by environment interactions
using three - mode pattern analysis. Field Crops Res.
78:165 - 183.
EBERHART,
S.A. y RUSSELL, W.A. 1966. Stability parameters
for comparing varieties. Crop Sci. 6:36 - 40.
EGLI,
D.B. y ZHEN-WEN, Y.
1991. Crop growth rate and seeds per unit area in
soybean. Crop Sci. 31:439 - 442.
FEHR,
W.R. y CAVINESS, C.E. 1977. Stages of soybean
development. Iowa Agric. Exp. Sta. Spec. Rep. 80.
FINLAY,
K.W. y WILKINSON, G.N. 1963. The analysis of
adaptation in a plant breeding programme. Aust. J.
Agric. Res. 14:742 - 754.
GAUCH,
Jr., H.G., 1992. Statistical analysis of regional
yield trials: AMMI analysis of factorial designs.
Elsevier Science Publishers B.V., Amsterdam. 279 pp.
GHIDA
DAZA, C.; PERETTI, M.; MUÑOZ, R. y URQUIZA,
B. 1997. Producción, economía
y comercialización. En: Giorda, L.M y Baigorri,
H.E.J. (eds.) El cultivo de la soja en Argentina.
INTA C.R. Córdoba, San Juan. p 385 - 394.
HAUSSMANN,
B.I.G.; OBILANA, A.B.; AYIECHO, P-O-; BLUM, A.; SCHIPPRACK,
W. y GEIGER, H.H. 2000. Yield and yield stability
of four population types of grain sorghum in a semi-arid
area of Kenya. Crop Sci. 40: 319 - 329.
JOHNSON,
R.A. y WICHEN, D.W. 1992. Applied multivariate
statistical analysis. Prentice-Hall International,
Inc. New Jersey, USA. 642 pp.
KUMUDINI,
S.; HUME, D.J. y CHU, G. 2001. Genetic improvement
in short season soybeans: I. dry matter accumulation,
partitioning, and leaf area duration. Crop Sci. 41:391
- 398.
MARTIGNONE,
R.A.; BODRERO, M.L.; MORANDI, E.N. y QUIJANO, A.
1995. Siembra tardía en soja: Influencia sobre
la fenología y el rendimiento. Compendio de
trabajos presentados 1er Congreso Nacional de Soja
y 2da Reunión Nac. de Oleaginosos, Pergamino.
Tomo I, Cáp. II p. 254 - 261.
MORANDI,
E.N., BODRERO, M.L.; MARTIGNONE, R.A. y QUIJANO, A.
1991. Respuesta de distintos genotipos de soja a la
época de siembra y a la disponibilidad hídrica.
Evolución: Primera Reunión Nacional
de Oleaginosos, pp. 89 - 95.
ROSBACO,
I.; ROMAGNOLI, M.; BISARO, V. y PEDROL, H.
1999. Estabilidad de los rendimientos en cultivares
de soja de Grupo de Maduración IV durante las
campañas agrícolas 1996/99, en Zavalla,
Santa Fe. Revista Agrovisión Profesional 6
(28):10 - 11.
SALINES,
L.A.; SOLDINI, D.O.; LORENZO, N.; FUENTES, F.H.; SPONTÓN,
F.V.; GILLIN, E.; WEILENMANN DE TAU, M.E.; SUÁREZ,
J.C. y ZELARRAYÁN, E. 1997. Mejoramiento.
En: Giorda, L.M y Baigorri, H.E.J. (eds.) El cultivo
de la soja en Argentina. INTA C.R. Córdoba,
San Juan. p 53 - 86.
VARGAS,
M.; CROSSA, J.; SAYRE, K.; REYNOLDS, M.; RAMÍREZ,
M.E. y TALBOT, M. 1998. Interpreting genotype
x environment interaction in wheat by partial least
squares regression. Crop Sci. 38: 679 - 689.
VEGA,
C.R.C.; ANDRADE, F.H.; SADRAS, V.O.; UHART, S.A. y
VALENTINUZ, O.R. 2001. Seed number as a fraction
of growth. A comparative study in soybean, sunflower,
and maize. Crop Sci. 41: 748 - 754.
YAN,
W. y HUNT, L.A. 2001. Interpretation of genotype
x environment interaction for winter wheat yield in
Ohio. Crop Sci. 41: 19 - 25.
|
