Relación entre caracteres morfoagronómicos en híbridos de tomate

Contenido principal del artículo

Autores

Maria Inês Diel https://orcid.org/0000-0002-7905-2166
Débora Turchetto Zamban https://orcid.org/0000-0003-1054-6472
Tiago Olivoto https://orcid.org/0000-0002-0241-9636
Dionatan Ketzer krysczun https://orcid.org/0000-0002-7991-8994
Marcos Vinícius Marques Pinheiro https://orcid.org/0000-0002-5028-7818
Bruno Giacomini Sari https://orcid.org/0000-0003-3405-9628
Denise Schmidt https://orcid.org/0000-0002-9963-4956
Alessandro Dal'Col Lúcio https://orcid.org/0000-0003-0761-4200

Resumen

El objetivo de este trabajo fue identificar y estimar las relaciones entre variables componentes de producción y rendimiento de frutos en tomate. El experimento se realizó con diseño de bloques al azar con un arreglo factorial 2×3×3, correspondiendo a dos híbridos de tomate, tres dosis de boro y calcio, para un total de 18 tratamientos, cuatro repeticiones y 20 plantas por parcela. Se estimaron los coeficientes de correlación de Pearson entre las variables medidas, posteriormente, se seleccionaron aquellos con mayor significancia para la productividad mediante el método Stepwise y la verificación de la multicolinealidad por el número de condiciones y el factor de inflación de la varianza. Las correlaciones de las variables seleccionadas fueron descompuestas en efectos directos e indirectos sobre la productividad de los frutos mediante el análisis de coeficientes de trayectoria. Se encontró una fuerte correlación entre las variables, excluyendo las variables altura, diámetro y masa promedio de los frutos. Por lo tanto, existen relaciones de causa y efecto entre la variable independiente la masa total de frutos y la variable principal de productividad total de frutos, y las variables diámetro y número total de frutos no contribuyeron a aumentar la productividad de tomate.

Palabras clave:

Detalles del artículo

Licencia

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.

El copyright de los artículos e ilustraciones son propiedad de la Revista Colombiana de Ciencias Hortícolas. Los editores autorizan el uso de los contenidos bajo la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0). La citación correcta de los contenido deben registrar de forma explícita el nombre de la revista, nombre(s) del (de los) autor(es), año, título del artículo, volumen, número, página del artículo y DOI. Se requiere un permiso escrito a los editores para publicar más que un resumen corto del texto o las figuras.

Referencias

Alvares, C.A., J.L. Stape, P.C. Sentelhas, J.L. de Moraes Gonçalves, and G. Sparovek. 2013. Koppen’s climate classification map for Brazil. Meteorol. Z. 22(6), 711-728. Doi: 10.1127/0941-2948/2013/0507

Bastías, E., C. Alcaraz-López, I. Bonilla, M.C. Martínez-Ballesta, L. Bolaños, and M. Carvajal. 2010. Interactions between salinity and boron toxicity in tomato plants involve apoplastic calcium. J. Plant Physiol. 167(1), 54-60. Doi: 10.1016/J.JPLPH.2009.07.014

Cruz, C.D., A.J. Regazzi, and P.C.S. Carneiro. 2012. Modelos biométricos aplicados ao melhoramento genético. 4th ed. Editora UFV, Viçosa, Brazil.

Donazzolo, J., V.P. Salla, S.A.Z. Sasso, M.A. Danner, I. Citadin, and R.O. Nodari 2017. Path analysis for selection of feijoa with greater pulp weight. Ciênc. Rural 47(6), e20161062. Doi: 10.1590/0103-8478cr20161062

Edel, K.H., E. Marchadier, C. Brownlee, J. Kudla, and A.M. Hetherington. 2017. The evolution of calcium-based signalling in plants. Curr. Biol. 27(13), R667–R679. Doi: 10.1016/J.CUB.2017.05.020

Fallahi, H.-R., S.H.R. Ramazani, M. Ghorbany, and M. Aghhavani-Shajari. 2017. Path and factor analysis of roselle (Hibiscus sabdariffa L.) performance. J. Appl. Res. Med. Aromat. Plants 6, 119-125. Doi: 10.1016/J.JARMAP.2017.04.001

FAOSTAT, 2018. Crops - tomato. In: http://www.fao.org/faostat/en/#data/QC; consulted: May, 2018.

González-Fontes, A., M.T. Navarro-Gochicoa, C.J. Ceacero, M.B. Herrera-Rodríguez, J.J. Camacho-Cristóbal, and J. Rexach. 2017. Understanding calcium transport and signaling, and its use efficiency in vascular plants. pp. 165-180. In: Hossain, M.A., T. Kamiya, D.J. Burritt, L.-S.P. Tran, and T. Fujiwara (eds.). Plant macronutrient use efficiency: molecular and genomic perspectives in crop plants. Elsevier, Cambridge, MA. Doi: 10.1016/B978-0-12-811308-0.00009-0

Hocking, R.R. 1976. The analysis and selection of variables in linear regression. Biometric 32(1), 1-49. Doi: 10.2307/2529336

Hosmer, D.W., B. Jovanovic, and S. Lemeshow. 1989. Best subsets logistic regression. Biometric 45(4), 1265-1270. Doi: 10.2307/2531779

Kis, B.B. and C. Carvalho. 2017. Anuário brasileiro de hortaliças, 2017. Editora Gazeta, Santa Cruz do Sul, Brazil.

Kumar, D., R. Kumar, S. Kumar, M.L. Bhardwaj, M.C. Thakur, R. Kumar, K.S. Thakur, B.S. Dogra, A. Vikram, A. Thakur, and P. Kumar. 2013. Genetic variability, correlation and path coefficient analysis in tomato. Int. J. Veg. Sci. 19(4), 313-323. Doi: 10.1080/19315260.2012.726701

Lúcio, A.D., L. Storck, W. Krause, R.Q. Gonçalves, and A.H. Nied. 2013. Relações entre os caracteres de maracujazeiro-azedo. Ciênc. Rural 43(2), 225-232. Doi: 10.1590/S0103-84782013000200006

Moreira, S.O., L.S.A. Gonçalves, R. Rodrigues, C.P. Sudré, A.T. Amaral Júnior, and A.M. Medeiros. 2013. Correlações e análise de trilha sob multicolinearidade em linhas recombinadas de pimenta (Capsicum annuum L.). Rev. Bras. Ciênc. Agrar. 8(1), 15-20. Doi: 10.5039/agraria.v8i1a1726

Olivoto, T., V.Q. de Souza, V.Q., M. Nardino, I.R.Carvalho, M. Ferrari, A.J. de Pelegrin, V.J. Szareski, and D. Schmidt. 2017. Multicollinearity in path analysis: a simple method to reduce its effects. Agron. J. 109(1), 131-142. Doi: 10.2134/agronj2016.04.0196

Perica, S., P.H. Brown, J.H. Connell, A.M.S. Nyomora, C. Dordas, H. Hu, and J.Stangoulis. 2001. Foliar boron application improves flower fertility and fruit set of olive. HortScience 36(4), 714-716. Doi: 10.21273/HORTSCI.36.4.714

Plese, L.P.M., C.S. Tiritan, E.I. Yassuda, L.I. Prochnow, J.E. Corrente, and S.C. Mello. 1998. Efeitos das aplicações de cálcio e de boro na ocorrência de podridão apical e produção de tomate em estufa. Sci. Agric. 55(1), 144-148. Doi: 10.1590/S0103-90161998000100023

R Core Team, 2017. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Cary, NC.

Rafiei, F. and G.H.A. Saeidi. 2005. Genotypic and phenotypic relationships among agronomic traits and yield components in safflower (Carthamus tinctorious L.). Sci. J. Agric. 28(1), 137-148.

Rios, S.A., A. Borém, P.E.O. Guimarães, and M.C.D. Paes. 2012. Análise de trilha para carotenoides em milho. Rev. Ceres 59(3), 368-373. Doi: 10.1590/S0034-737X2012000300011

Rodrigues, G.B., B.G. Marim, D.J.H. Silva, A.P. Mattedi, and V.S. Almeida. 2010. Análise de trilha de componentes de produção primários e secundários em tomateiro do grupo Salada. Pesq. Agropec. Bras. 45, 155-162. Doi: 10.1590/S0100-204X2010000200006

Sari, B.G., A.D. Lúcio, C.S. Santana, and S.J. Lopes. 2017. Linear relationships between cherry tomato traits. Ciênc. Rural 47(3), e20160666. Doi: 10.1590/0103-8478cr20160666

Toebe, M. and A.C. Filho. 2013. Não normalidade multivariada e multicolinearidade na análise de trilha em milho. Pesqui. Agropecu. Bras. 48(5), 466-477. Doi: 10.1590/S0100-204X2013000500002

Wright, S. 1923. The theory of path coefficients a reply to nile’s criticism. Genetics 8(3), 239-255.

Zhang, Z., 2016. Variable selection with stepwise and best subset approaches. Ann. Transl. Med. 4(7), 136-136. Doi: 10.21037/atm.2016.03.35

Descargas

La descarga de datos todavía no está disponible.