Mostrar el registro sencillo del ítem
dc.contributor.author
Biasutti, Carlos Alberto
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Balzarini, Monica Graciela
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2019-07-29T13:16:17Z
dc.date.issued
2017-06
dc.identifier.citation
Biasutti, Carlos Alberto; Balzarini, Monica Graciela; Predicción del rendimiento de híbridos de maíz (Zea mays L.) en ambientes de siembra tardía; Sociedad Argentina de Genética; Journal of Basic and Applied Genetics; 28; 1; 6-2017; 19-26
dc.identifier.issn
1852-6233
dc.identifier.uri
http://hdl.handle.net/11336/80457
dc.description.abstract
La predicción precisa del comportamiento de híbridos de maíz no evaluados a campo permitirá un mayor progreso genético y menores costos en programas de mejoramiento genético. Datos de rendimiento de híbridos evaluados a campo se emplearon para predecir el comportamiento de nuevos híbridos en ambientes de siembra tardía. Se conformaron grupos de híbridos predictores de manera de maximizar y minimizar las relaciones de parentesco entre los híbridos predictores y aquellos a predecir y, por otra parte, utilizar valores de predicción obtenidos en ambientes de alto rendimiento y bajo rendimiento a fin de investigar la influencia de estos factores sobre la eficiencia de las predicciones. A fin de validar las predicciones se tomó un grupo de híbridos cuyo rendimiento en grano fue evaluado a campo, pero que no formaron parte del grupo inicial. Se calcularon los coeficientes de correlación entre los valores predichos y los observados para rendimiento con el fin de evaluar la efectividad de la predicción realizada. La mejor predicción de los híbridos no evaluados, se alcanzó utilizando la máxima relación de parentesco entre los híbridos combinada con datos obtenidos en el ambiente de mayor rendimiento promedio.
dc.description.abstract
Accurate prediction of the phenotypical performance of untested single-cross hybrids allows for a faster genetic progress of the breeding pool at a reduced cost. Yield data of maize hybrids were employed to predict the performance of new untested hybrids in late sowing environments. Different groups of predictor hybrids were formed using both data from high and low relatedness between predictors and predicted hybrids and by employing data from low and high yielding environments. A new group of hybrids were formed and evaluated in field trials to validate the predictions. The effectiveness of the predictions was investigated by means of the correlation coefficient between predicted and observed yield values. The best predictions of untested new hybrids were reached by using maximum relatedness information combined with data obtained in the best yielding environments.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Sociedad Argentina de Genética
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Maíz
dc.subject
Parentesco
dc.subject
Rendimiento
dc.subject
Blup
dc.subject.classification
Agricultura
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Agricultura, Silvicultura y Pesca
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS AGRÍCOLAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Predicción del rendimiento de híbridos de maíz (Zea mays L.) en ambientes de siembra tardía
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2019-05-23T14:43:31Z
dc.journal.volume
28
dc.journal.number
1
dc.journal.pagination
19-26
dc.journal.pais
Argentina
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.description.fil
Fil: Biasutti, Carlos Alberto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina
dc.description.fil
Fil: Balzarini, Monica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba; Argentina
dc.journal.title
Journal of Basic and Applied Genetics
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://sag.org.ar/jbag/project/vol-xxviii-issue-1/
Archivos asociados