Síntesis cuantitativa multiambiental de la producción y calidad del forraje y estabilidad del rendimiento en genotipos de sorgo forrajero
DOI:
https://doi.org/10.63728/riisds.v12i1.416Palabras clave:
estabilidad productiva, interacción genotipo × ambiente, análisis GGAResumen
El sorgo [Sorghum bicolor (L.) Moench] es un cultivo estratégico para sistemas de producción pecuaria en regiones con alta variabilidad ambiental, debido a su elevada capacidad de producción de biomasa y su utilidad para la conservación de forraje. El objetivo de este estudio fue evaluar de manera integrada el rendimiento, la estabilidad y la adaptación multiambiental de cinco genotipos de sorgo forrajero (197-1, Arcos, Fortuna, Paloma y Williams), mediante la síntesis cuantitativa de información proveniente de tres estudios independientes, considerados como ambientes contrastantes. Se analizaron variables de producción, calidad del forraje y composición morfológica, utilizando medianas como estimadores robustos del desempeño típico, y se aplicaron análisis descriptivos de estabilidad y representaciones gráficas tipo GGA con base en la materia seca total (MST). Los resultados mostraron que 197-1 presentó las mayores medianas de materia verde total (64.9 t ha-1) y de MST (15.3 t ha-1), superando a Fortuna en un 34 % y duplicando el rendimiento típico de Paloma y Williams. El análisis GGA indicó que 197-1 fue el genotipo ganador en dos de los tres ambientes y el más cercano al genotipo ideal, al combinar un alto rendimiento promedio con una estabilidad aceptable. En términos de calidad, los genotipos de menor rendimiento presentaron mayores concentraciones de proteína cruda (72-76 g kg-1 MS) y de digestibilidad in vitro (>700 g kg-1 MS), lo que evidencia un gradiente rendimiento-calidad. En conjunto, los resultados confirman el alto potencial productivo y la adaptación multiambiental del genotipo 197-1, particularmente adecuado para sistemas de producción de forraje orientados a la conservación.
Descargas
Citas
Aranda-Lara, U., Ledesma-Ramírez, L., Hernández Martínez, R., Ruiz-Ramírez, S., Gayosso-Barragán, O., Cid-Río, J., & Flores-Gallardo, H. (2024). Genotype by environment interaction of maize (Zea mays L.) hybrid yield in Guanajuato, Mexico. Agro Productividad, 17(9), 15-26. https://doi.org/10.32854/agrop.v17i9.3024
Bautista-Martínez, Y., Granados-Zurita, L., Joaquín-Cancino, S., Ruiz-Albarrán, Garay-Martínez, J. R., Infante-Rodríguez, & Granados-Rivera, L. D. (2021). Factores que determinan la producción de becerros en el sistema vaca-cría del Estado de Tabasco, México. Nova scientia, 12(25), 1-22. https://doi.org/10.21640/ns.v12i25.2117
Brown, D., Van Den Bergh, I., de Bruin, S., Machida, L., & van Etten, J. (2020).
Data synthesis for crop variety evaluation: A review. Agronomy for Sustainable Development, 40(4), 25. https://doi.org/10.1007/s13593-020-00630-7
Capstaff, N. M., & Miller, A. J. (2018). Improving the yield and nutritional quality of forage crops. Frontiers Plant Science, 9, 535. https://doi.org/10.3389/fpls.2018.00535
Chaudekar, S. 2022. An overview of Python for data analytics. International Journal of Engineering Research & Technology, 9:461-468.
Cooke, A. S., Storkey, J., Acquah, G. E., Lee, M. R. F., & Rivero, M. J. (2025). Trade-offs between forage nutrition and ruminant carrying capacity in response to fertiliser application – Findings from the Park Grass long-term experiment (1860–2020). Field Crops Research, 324, 109791. https://doi.org/10.1016/j.fcr.2025.109791
Da Silva, M.F.P., Rigueira, J.P.S., da Silva, P.H.F., Portugal, A. F., Parrella, F. A. C., Monção, F. P., Júnior, V. R. R., Pereira, M. I. B., Araújo, I. V., S., & dos Santos, A. S. (2026). Selecting high-yield forage sorghum genotypes for ensiling: agronomic traits, fermentation parameters, and nutritional value. Scientific Reports, 16, 3815. https://doi.org/10.1038/s41598-025-34020-4
Francis, T. R., & Kannenberg, L. W. (1978). Yield stability studies in short-season maize. I. A descriptive method for grouping genotypes. Canadian Journal of Plant Science, 58(4), 1029-1034. https://doi.org/10.4141/cjps78-157
Garay-Martínez, J. R., Godina-Rodríguez, J. E., Hernández-Rodríguez, B., Maldonado-Torres, A., López-Cantú, D. G., & Joaquín-Cancino, S. (2025). Caracterización de unidades de producción pecuaria en Aldama, Tamaulipas, México: productores, hato y alimentación animal. Ecosistemas y Recursos Agropecuarios, 11(4), e4091. https://doi.org/10.19136/era.a11niv.4091
Guzmán-Ochoa, G., Felipe-Victoriano, M., Aranda-Lara, U., Estrada-Drouaillet, B., & Garay-Martínez, J. R. (2025). Rendimiento de forraje y características morfológicas de genotipos de sorgo forrajero y mijo perla en condiciones cálido-subhúmedas. Revista Mexicana de Ingeniería y Ciencias, 10(2), 33-40. https://doi.org/10.29059/rmic.v1i1.6
Guzmán-Ochoa, G., Felipe-Victoriano, M., Aranda-Lara, U., Joaquín-Cancino, S., Estrada-Drouaillet, B., & Garay-Martínez, J. R. (2026). Forage yield, nutritional composition, and aerobic stability of silages from sorghum genotypes under warm subhumid conditions. Chilean Journal of Agricultural Research, 86(1), 92-101. https://doi.org/10.4067/S0718-58392026000100092
Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., Fernández del Río, J., Wiebe, M., Peterson, P., Gérard-Marchant, P., Sheppard, K., Reddy, T., Weckesser, W., Abbasi, H., Gohlke, C., & Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362. https://doi.org/10.1038/s41586-020-2649-2
Lucio-Ruiz, F., Aranda-Lara, U., Garay-Martínez, J. R., Estrada-Drouaillet, B., & Joaquín-Cancino, S. (2023). Requerimiento térmico, producción y valor nutritivo de forraje de genotipos de sorgo forrajero. Revista Fitotecnia Mexicana, 46(4-A), 521-528. https://doi.org/10.35196/rfm.2023.4A.521
Lucio-Ruiz, F., Joaquín-Cancino, S., Godina-Rodríguez, J. E., & Garay-Martínez, J. R. (2023). Yield and chemical composition of forage and silage of native maize under irrigated semi-arid conditions. Agrociencia, 57(4),1-11. https://doi.org/10.47163/agrociencia.v57i4.2918
Márquez-Godoy, J. N., Ramírez-Segura, E., Garay-Martínez, J. R., Espinoza-Canales, A., & Muñoz-Salas, L. C. (2025). Importancia de la gestión del pastoreo sobre la ecología del suelo. Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social, 11(1), 217-238. https://doi.org/10.63728/riisds.v11i1.170
Nakagawa, S. Yang, Y., Macartney, E. L., Spake, R., & Lagisz, M. (2023). Quantitative evidence synthesis: A practical guide on meta-analysis, meta-regression, and publication bias tests for environmental sciences. Environmental Evidence, 12, 8. https://doi.org/10.1186/s13750-023-00301-6
Nava-Berumen, C. A., Rosales-Serna, R., Carrete-Carreón, F. O., Jiménez-Ocampo, R., Domínguez-Martínez, P. A., & Reyes-Estrada, O. (2018). Productividad y calidad de forraje de pastos cultivados durante la época seca en Durango, México. Agrociencia, 52(6), 803-816.
Oliveira, R. F., Perazzo, A. F., dos S. Pina, D., Alba, H. D. R., Leite, V. M., dos Santos, M. M., Santos, E. M., de A. Sobrinho, L. E. C., Pinheiro, R. L. S., Aquino, E. L., & de Carvalho, G. G. P. (2024). Productive and qualitative traits of sorghum genotypes used for silage under tropical conditions. Crops, 4(2), 256-269. https://doi.org/10.3390/crops4020019
Ramírez, D. E., Olmos, J. J., Peña, A., Sánchez, J. I., Medina, E., Gallardo, S., & Santana, O. I. (2024). Dry matter accumulation, yield, and nutritional quality of forage of corn hybrids harvested at different days after sowing. Revista Mexicana de Ciencias Pecuarias, 15(2), 287-301. https://doi.org/10.22319/rmcp.v15i2.6554
Rosa, M. A. B., Tardin, F. D., Souza, J. M. S., Santos, J. A. P., Macedo, T. F., Santos, J., Freitas, M. H., Todescatto, F., Parrella, R. A. C., Figueiredo, J. E. F., Behling Neto, A., & Pereira, D. H. (2022). Characterization of forage, sweet and biomass sorghum for agronomic performance and ensilability. Revista Brasileira de Milho e Sorgo, 21, e1239. https://doi.org/10.18512/rbms2022v21e1239
Rousseeuw, P. J., & Hubert, M. (2011). Robust statistics for outlier detection. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 1(1), 73-79. https://doi.org/10.1002/widm.2
Rousseeuw, P. J., & Hubert, M. (2018). Anomaly detection by robust statistics. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 8(2), e1236. https://doi.org/10.1002/widm.1236
Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S. J., Brett, M., Wilson, J., Millman, K. J., Mayorov, N., Nelson, A. R. J., Jones, E., Kern, R., Larson, E., Carey, C. J., Polat, İ., Feng, Y., Moore, E. W., VanderPlas, J., & SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261-272. https://doi.org/10.1038/s41592-019-0686-2
Williams-Alanís, H., Aranda-Lara, U., Arcos-Cavazos, G., Zavala-García, F., Rodríguez-Vázquez, M. D. C., & Olivares-Sáenz, E. (2021). Potencial productivo de variedades experimentales de sorgo blanco para el sur de Tamaulipas. Nova Scientia, 13(2), 1-19. https://doi.org/10.21640/ns.v13i26.2688
Yan, W., & Kang, M. S. (2003). GGE biplot analysis: A graphical tool for breeders, geneticists, and agronomists. CRC Press. https://doi.org/10.1201/9781420040371
Yan, W., Hunt, L. A., Sheng, Q., & Szlavnics, Z. (2000). Cultivar evaluation and mega-environment investigation based on the GGE biplot. Crop Science, 40(3), 597-605. https://doi.org/10.2135/cropsci2000.403597x
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Ulises Aranda-Lara, Moisés Felipe-Victoriano, Jesús A. López-Guzmán, Fernando Lucio-Ruiz, Jorge Elizondo-Barrón, Jonathan Raúl Garay Martínez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor y cesión no exclusiva
De conformidad con la política editorial y con lo establecido en los artículos publicados, las personas autoras que publican en RIISDS:
-
Conservan íntegramente los derechos morales y patrimoniales de sus obras.
-
Otorgan a la revista RIISDS un derecho no exclusivo de primera publicación, necesario para la difusión científica.
-
Aceptan que su obra sea difundida bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0).
Las personas autoras conservan permanentemente:
-
El derecho de reconocimiento de autoría.
-
El derecho a la integridad de la obra.
-
El derecho a ser citados correctamente en cualquier reutilización.
-
Mantienen la titularidad total de los derechos patrimoniales.
-
Permiten, mediante CC BY 4.0, la reproducción, distribución, comunicación pública y transformación de la obra.
RIISDS:
-
Ejerce únicamente el derecho de primera publicación.
-
No reclama exclusividad ni restringe el uso posterior del artículo.
-
No impone embargos ni limitaciones adicionales.
