Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 16 Núm. 2 (2022)

Sección de otras especies

Aportes genéticos a la productividad y aspectos nutricionales del cultivo de yuca

https://doi.org/10.17584/rcch.2022v16i2.14090

Publicado 2022-05-01

  • Adriano Udich Bester
    • ,
  • Ivan Ricardo Carvalho
    • ,
  • Murilo Vieira Loro
    • ,
  • Adriano Hirsch Ramos
    • ,
  • Inaê Carolina Sfalcin
    • ,
  • José Antonio Gonzalez da Silva
    • ,
  • Felipe da Rosa Foguesatto
    • ,
  • Marcos Vinícius Uhde Foguesatto

Adriano Udich Bester
Universidade Federal de Pelotas (UFPel), Pelotas

Ivan Ricardo Carvalho
Universidade Regional do Noroeste do Rio Grande do Sul (UNIJUI), Ijui

Murilo Vieira Loro
Universidade Federal de Santa Maria (UFSM), Santa Maria

Adriano Hirsch Ramos
Universidade Federal de Pelotas (UFPel), Pelotas

Inaê Carolina Sfalcin
Universidade Regional do Noroeste do Rio Grande do Sul (UNIJUI), Ijui

José Antonio Gonzalez da Silva
Universidade Regional do Noroeste do Rio Grande do Sul (UNIJUI), Ijui

Felipe da Rosa Foguesatto
Universidade Regional do Noroeste do Rio Grande do Sul (UNIJUI), Ijui

Marcos Vinícius Uhde Foguesatto
Universidade Regional do Noroeste do Rio Grande do Sul (UNIJUI), Ijui

Cassava root - cultivar FEPAGRO - RS 13 Vassourinha Photo: Bester A.U.

Resumen

El objetivo de este trabajo es resaltar el comportamiento de cultivares de yuca sometidos a diferentes densidades y bioestimulantes al momento de la siembra, y seleccionar cultivares superiores a través de atributos nutricionales y productivos basado en el enfoque multivariado. Se utilizó un diseño experimental de bloques al azar de tres factores y tres repeticiones: tres cultivares de yuca (FEPAGRO-RS 13 Vassourinha, BRS CS01, Iapar - 19 Pioneira), dos densidades de plantación (10 y 20 yemas por metro lineal) y bioestimulate (con y sin), en total 36 unidades experimentales. El cultivar BRS CS01 presentó el mayor rendimiento y concentración de material mineral; el genotipo FEPAGRO - RS 13 Vassourinha presentó el mayor contenido de lípidos y ‘Iapar 19 - Pioneira’ presentó las mayores concentraciones de proteína. El contenido de almidón fue evaluado por la prueba de comparación de medias e índice MGIDI. El cultivar FEPAGRO - RS 13 Vassourinha mostró superioridad, además de ser considerado por el índice ideal por el multi-variado. La densidad 10 y bioestimulador se caracterizó como favorable para la productividad y lípidos, mientras que la densidad 10 y sin bioestimulador favorable para almidón, lípidos, proteína y productividad. La densidad 20 con bioestimulador fue favorable para lípidos.

Palabras clave

Manihot esculenta Crantz, Heredabilidad, Índice MGIDI, Densidad, Bioestimulador

PDF (English)

Citas

  1. Albuquerque, J.A.A., T. Sediyama, A.A. Silva, J.M.A. Alves, E.L. Finoto, F.A. Neto, and G.R. Silva. 2012. Desenvolvimento da cultura de mandioca sob interferência de plantas daninhas. Planta Daninha 30(1), 37-45. Doi: https://doi.org/10.1590/S0100-83582012000100005
  2. Annicchiarico, P. 1992. Cultivar adaptation and recommendation from alfafa trials in Northern Italy. J. Genet. Breed. 46(1), 269-278.
  3. AOAC, Asssociation of Official Analytical Chemists. 2005. Official methods of analysis. 18th ed. Gaithersburg, MD.
  4. Barbosa, M.H., I.R. Carvalho, J.A.G. Silva, D.A. Magano, V.Q. Souza, V.J. Szareski, F. Lautenchleger, D.J. Hutra, N. Moura, and M.V. Loro. 2021. Contribution of the additive genetic effects in soybean breeding aiming at the agronomic ideotype. Funct. Plant Breed. J. 3(1), 1. Doi: https://doi.org/10.35418/2526-4117/v3n1a1
  5. Baretta, D., M. Nardino, I.R. Carvalho, A.C. Oliveira, V.Q. Souza, and L.C. Maia. 2016. Performance of maize genotypes of Rio Grande do Sul using mixed models. Científica 44(3), 403-411. Doi: https://doi.org/10.15361/1984-5529.2016v44n3p403-411
  6. Bester, A.U., I.R. Carvalho, J.A.G. Silva, D.J. Hutra, N.B. Moura, F. Lautenchleger, and M.V. Loro. 2021. Three decades of cassava cultivation in Brazil: Potentialities and perspectives. Rev. Colomb. Cienc. Hortic. 15(2), e12087. Doi: https://doi.org/10.17584/rcch.2021v15i2.12087
  7. Borges, V., P.V. Ferreira, L. Soares, G.M. Santos, and A.M.M. Santos. 2010. Seleção de clones de batata-doce pelo procedimento REML/BLUP. Acta Sci. Agron. 32(4), 643-649. Doi: https://doi.org/10.4025/actasciagron.v32i4.4837
  8. Carvalho, L.P., F.J.C. Farias, C.L. Morello, and P.E. Teodoro. 2016. Uso da metodologia REML/BLUP para seleção de genótipos de algodoeiro com maior adaptabilidade e estabilidade produtiva. Bragantia 75(3), 314-321. Doi: https://doi.org/10.1590/1678-4499.275
  9. Carvalho, I.R., J.A.G. Silva, L.L. Ferreira, V.E. Bubans, M.H. Barbosa, R.B. Mambrin, S.M. Fachi, G.G. Conte, and V.Q. Souza. 2019. Heritability profiles defined by hierarchal models and artificial neural networks for dual-purpose wheat attributes. Genet. Mol. Res. 18(3), gmr18266. Doi: https://doi.org/10.4238/gmr18266
  10. CQFSRS, Comissão de Química e Fertilidade do Solo. 2004. Manual de adubação e calagem para os Estados do Rio Grande do Sul e de Santa Catarina. 10th ed. Sociedade Brasileira de Ciência do Solo, Porto Alegre, Brazil.
  11. Costa, R.B., M.D.V. Resende, A.J. Araújo, P.S. Gonçalves, and N. Bortoletto. 2000. Seleção combinada univariada e multivariada aplicada ao melhoramento genético da seringueira. Pesq. Agropec. Bras. 35(2), 381-388. Doi: https://doi.org/10.1590/S0100-204X2000000200017
  12. Cruz, C.D., P.C.S. Carneiro, and A.J. Regazzi. 2014. Modelos biométricos aplicados ao melhoramento genético. 3th ed. Editora UFV, Viçosa, Brazil.
  13. Facchinello, P.H.K., I.R. Carvalho, E.A. Streck, G.A. Aguiar, J. Goveia, M. Feijó, R.R. Pereira, P.R.R. Fagundes, L.C. Maia, F. Lautenchleger, and A.M. Magalhães Junior. 2021. Gene action and genetic parameters of characters related to rice grain quality. Agron. J. 113, 4736-4752. Doi: https://doi.org/10.1002/agj2.20881
  14. FAO. 2019. Protecting cassava, a neglected crop, from pests and diseases. Rome.
  15. Ferrari, M., I.R. Carvalho, A.J. Pelegrin, V.J. Szareski, M. Nardino, T.C Rosa, N.L. Santos, T.S. Martins, V.Q. Souza, A.C. Oliveira, and L.C. Maia. 2022. Heritability and genetic distance from s1 maize progenies. Commun. Plant Sci. 12, 7-15. Doi: https://doi.org/10.26814/cps2022002
  16. NASSAR, N. M. A. 2006. Mandioca. Ciência Hoje. vol. 39, nº 231.
  17. Oliveira, E.J., F.F. Aud, C.F.G. Morales, S.A.S. Oliveira, and V.S. Santos. 2016. Non-hierarchical clustering of Manihot esculenta Crantz germplasm based on quantitative traits. Rev. Cienc. Agron. 47(3), 548-555. Doi: https://doi.org/10.5935/1806-6690.20160066
  18. Oyeyinka, S.A., A.A. Adeloye, O.O. Olaomo, and E. Kayitesi. 2020. Effect of fermentation time on physicochemical properties of starch extracted from cassava root. Food Biosci. 33, 100485. Doi: https://doi.org/10.1016/j.fbio.2019.100485
  19. Pádua, G.J. 2018. Recursos genéticos aplicados ao melhoramento genético de plantas. In: Amabile, R.F., M.S. Vilela, and J.R. Peixoto (eds.). Melhoramento de plantas: variabilidade genética, ferramentas e mercado. Sociedade Brasileira de Melhoramento de Plantas, Brasília, D.F.
  20. Pimentel, A. J. B. Guimarães, J. F. R. Souza, M. A. Resende, M. D. V. Moura, L. M. Rocha, J. R. A. S. C. Ribeiro, G. 2014. Estimação de parâmetros genéticos e predição de valor genético aditivo de trigo utilizando modelos mistos. Pesq. Agropec. Bras. 49(11), 882-890. DOI: 10.1590/S0100-204X2014001100007
  21. Ramalho, M., J.B. Santos, C.B. Pinto, E.A. Souza, F.M.A. Gonçalves, and J.C. Souza. 2012. Genética na agropecuária. 5th ed. UFLA, Lavras, Brazil.
  22. Rosa, T.C, I.R. Carvalho, J.A.G. Silva, V.J. Szareski, T.A. Segatto, E.D. Port, M.V. Loro, H.C.F. Almeida, A.C. Oliveira, L.C. Maia, and V.Q. Souza. 2021. Genetic parameters and multi-trait selection of white oats for forage. Genet. Mol. Res. 20(2), gmr18451. Doi: https://doi.org/10.4238/gmr18451
  23. Santos, H.G. P.K.T. Jacomine, L.H.C. Anjos, V.A. Oliveira, J.F. Lumbreras, M.R. Coelho, J.A. Almeida, J.C. Araujo Filho, J.B. Oliveira, and T.J.F. Cunha. 2018. Sistema brasileiro de classificação de solos. 5th ed. Embrapa, Brasília, DF.
  24. Soxhlet, F. 1879. Die gewichtsanalytische Bestimmung des Milchfettes. Dinglers Polytech. J. 232, 461-465.
  25. Teixeira, P.R.G., A.E.S. Viana, A.D. Cardoso, G.L.P. Moreira, S.M. Matsumoto, and P.A.S. Ramos. 2017. Características físico-químicas de variedades de mandioca de mesa. Rev. Bras. Ciênc. Agrár. 12(2), 158-165. Doi: https://doi.org/10.5039/agraria.v12i2a5433

Descargas

Los datos de descargas todavía no están disponibles.

Artículos más leídos del mismo autor/a

Artículos similares

1 2 > >> 

También puede {advancedSearchLink} para este artículo.