ICG_libro espanol.indd - Neiker

More documents

Recommendations

Info

PROCEDIMIENTOS PARA PRUEBAS DE EVALUACIÓN ESTÁNDAR DE CLONES AVANZADOS DE PAPA 13 Tabla 1. Mínimo de semilla sana por clon para las pruebas de evaluación Pruebas de evaluación Año 1 2 3 Rendimiento de tubérculos 40 240-400 >400 Tizón tardío 20 40 Marchitez bacteriana 20 100 Perforador de la hoja 20 90 Virus PVX/PVY (campo) 20 - - Virus PLRV (campo) 20 - - Virus PVX/PVY (invernadero) 7 - - Evaluación de la madurez del llenado de tubérculos 45 - - Vale notar que no es necesario semilla sana para los ciclos 2 y 3 de las pruebas para resistencia a virus. Al final de cada ciclo se guarda la semilla para que sea usada en la próxima siembra. El propósito es obtener al final de dos temporadas de cultivo por lo menos 100 semillas con altas tasas de infección por virus, que permitirán la implementación de la prueba intencional durante la tercera temporada. Manejo de campo de la parcela de multiplicación Se deben aplicar las prácticas agronómicas estándar y los procedimientos estrictos para proteger la parcela de semilla de plagas, enfermedades y vectores. Las plantas atípicas y las que muestran infección a virus deben ser eliminadas por raleo entre los 45 y 55 días después de la siembra, antes que se cierre el follaje. La sanidad se confirma usando un índice serológico (ELISA u otros). Después de la cosecha, se etiquetan los tubérculos y se guardan en un almacén de ambiente bien protegido y separado de las papas para consumo. Diseño Experimental Las pruebas de evaluación de rendimiento y las de exposición intencional presentes en esta guía requieren de la comprensión del diseño de bloques completamente al azar (DBCA), del diseño completamente al azar (DCA) y de las pruebas multilocalizadas.
14 PROCEDIMIENTOS PARA PRUEBAS DE EVALUACIÓN ESTÁNDAR DE CLONES AVANZADOS DE PAPA Diseño de bloques completamente al azar (DBCA) Para la mayoría de las evaluaciones estándar se recomienda el uso de un diseño de bloques completamente al azar (DBCA) con cuatro repeticiones, lo cual incluye la evaluación de rendimiento. En el diseño DBCA, todos los tratamientos (clones/ variedades avanzadas) son agrupados en bloques uniformes de igual tamaño. El propósito principal de hacer bloques es reducir el error experimental por eliminación de las fuentes de heterogeneidad, tales como la fertilidad del suelo o campos con pendiente. Se puede escoger cuidadosamente un patrón predecible de variabilidad del suelo, la forma de la parcela y orientación del bloque, de tal manera que las condiciones experimentales dentro de cada bloque sean lo más uniforme posible. Cuando el patrón de la variabilidad del suelo es unidireccional, se deben usar bloques largos y angostos. Cuando el patrón de variabilidad no es predecible, los bloques deben ser lo más cuadrado posible. En un diseño DBCA se aplica el proceso de azar a cada uno de los bloques. La distribución al azar se puede hacer con un conjunto de números al azar, dibujando los lotes o usando MS Excel. El análisis de variancia (ANOVA) se usa para analizar los datos colectados en un diseño DBCA. Las tres fuentes de variabilidad usadas en el modelo estadístico son el tratamiento (variedad/clon de papa), los bloques (repetición) y el error experimental. Diseño completamente al azar (DCA) El diseño completamente al azar (DCA) es considerado apropiado para pruebas con unidades experimentales homogéneas, donde los efectos del medio ambiente son relativamente fáciles de controlar, tales como los invernaderos y otros ambientes controlados. Este diseño es mayormente usado en pruebas para evaluar la respuesta al patógeno durante la exposición intencional, donde la distribución del patógeno es al azar y no sigue ningún patrón de distribución debido a inclinaciones del terreno, cultivos vecinos, agua de regadío, etc. En un diseño completamente al azar, los tratamientos son aplicados completamente al azar, de tal manera que cada unidad experimental tiene la misma oportunidad de recibir cualquiera de los tratamientos. El proceso de azar de un DCA es aplicado a toda la prueba. La distribución al azar se puede hacer con una tabla de números al azar, dibujando lotes o usando MS Excel. El análisis de variancia (ANOVA) se usa para analizar los datos recogidos en un DCA. En este modelo estadístico solamente se usan dos fuentes de variabilidad: el tratamiento (variedad/clon de papa) y el error experimental.
Page 1 and 2: Procedimientos para pruebas de eval
Page 3 and 4: 2 PROCEDIMIENTOS PARA PRUEBAS DE EV
Page 11 and 12: 10 PROCEDIMIENTOS PARA PRUEBAS DE E
Page 13: 12 PROCEDIMIENTOS PARA PRUEBAS DE E
Page 65 and 66:
64 PROCEDIMIENTOS PARA PRUEBAS DE E
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
100 PROCEDIMIENTOS PARA PRUEBAS DE
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
show all

ICG_libro espanol.indd - Neiker

Create successful ePaper yourself

Delete template?

Save as template?