Análisis espacial de ensayos de variedades permite realizar selecciones con mayor confiabilidad
Abstract
La variabilidad en experimentos en el campo debe ser modelada para asegurar que la comparación entre las líneas de cultivo evaluadas sea precisa. Rodríguez-Álvarez et al. (2016a) propusieron un modelo lineal mixto basado en splines penalizadas para modelar las tendencias espaciales, de obtención en un único paso y licencia libre. Esta metodología, llamada Spatial Analysis of field Trials with Splines (SpATS), fue evaluada y comparada con un modelo no-espacial (es decir, un modelo que no identifica ni modela las fuentes de variabilidad espacial) en grandes ensayos de programas de mejoramiento de sorgo con diseños parcialmente replicados (Velazco et al., 2017). El modelo SpATS demostró gran capacidad para identificar y modelar las tendencias espaciales y remover su influencia sobre el efecto genotípico, reduciendo la variancia residual y mejorando la precisión de los ensayos. Con el objetivo de evaluar la fiabilidad de dichas conclusiones en otros escenarios, en este estudio se compara el modelo SpATS con un modelo no-espacial en pequeños, medianos y grandes ensayos de programas de mejoramiento de porotos mung y garbanzo con diseños totalmente y parcialmente replicados. De esta manera, el modelo SpATS será evaluado en un gran rango de escenarios y su flexibilidad será puesta a prueba. Al ser de licencia libre y no requerir fuertes conocimientos en modelos lineales mixtos, podría ser una gran alternativa para el análisis de ensayos individuales de mejoramiento de cultivos en lugar de metodologías que no identifican la variabilidad espacial.