Protocolo para la selección de genotipos desde información espectral de ensayos a campo

AGUATE, F.; TRACHSEL, S.; BURGUEÑO, J.; CROSSA, J.; DI RIENZO, J.; DE LOS CAMPOS, G.; BALZARINI, M.

Corrientes

Congreso; XXI Reunión Científica del Grupo Argentino de Biometría; 2016

Se ha popularizado el uso de cámaras hiperespectrales para medir la reflectancia de parcelas agrícolas. La tecnología permite capturar datos espectrales de genotipos evaluados en ensayos a campo en distintos estadios del cultivo. Para el procesamiento de mediciones hiperespectrales repetidas sobre la misma parcela, deben utilizarse modelos estadísticos de buen desempeño en contextos de gran número de covariables correlacionadas. Una solución para la estimación de estos modelos es crear variables latentes mediante regresión por mínimos cuadrados parciales (PLS). Otras, menos populares en el área, son la regularización de Tíjonov (RR) y el empleo de métodos de bayesianos que realizan ajustes y selección de los efectos de las variables predictoras originales. Con objetivo de seleccionar genotipos, en este trabajo se protocolizo el uso de valores predichos de un modelo calibrado, en base a los datos hiperespectrales, para calcular predictores lineales insesgados (BLUP) de los efectos genotípicos. Se compararon cuatro métodos de estimacion en su capacidad para identificar/seleccionar genotipos de maíz con rendimiento superior desde la información brindada por 62 bandas pertenecientes al espectro visible e infrarrojo cercano, captadas con una cámara hiperespectral en cinco momentos entre floración y cosecha. Los metodos considerados fueron: regresión múltiple por mínimos cuadrados ordinarios (OLS), PLS, RR y Bayes B (BB) con una distribución a priori de los efectos como la definida en el llamado alfabeto bayesiano. Se calculó el nivel de concordancia entre los genotipos superiores (mayores al percentil 90) seleccionados por cada uno de los cuatro métodos en base a rendimientos predichos desde las bandas y los rendimientos parcelarios cosechados. El método BB fue el de mayor concordancia (40%), seguido por el modelo RR (37.7%) mientras que la concordancia para OLS y PLS fueron de 27% y 33%, respectivamente. BB y RR son métodos promisorios para incluir en protocolos orientados a evitar costos de cosecha en ensayos de rendimiento.