EVALUACIÓN AGRONÓMICA Y SELECCIÓN DE GENOTIPOS PRECOCES DE AMARANTO (Amaranthus caudatus L.) EN EL MUNICIPIO DE ALCALÁ, CHUQUISACA-BOLIVIA

Autores/as

  • Rodrigo Grover Mamani Vargas Investigador, Instituto Nacional de Innovación Agropecuaria y Forestal, Bolivia. https://orcid.org/0009-0009-7208-7428
  • Emma Yana Ali Jefe Nacional Unidad de Investigación y Validación, Instituto Nacional de Innovación Agropecuaria y Forestal, Bolivia https://orcid.org/0009-0005-5443-6752
  • Carlos Herculano Mayán Cabezas Investigador, Instituto Nacional de Innovación Agropecuaria y Forestal, Bolivia

Palabras clave:

Amaranthus caudatus L, Precocidad, Genotipo , rendimiento

Resumen

El amaranto sobresale por su alto valor nutricional y su capacidad de adaptación a diferentes tipos de suelos y condiciones climáticas extremas, lo que la convierte en una alternativa viable frente al cambio climático. Por consiguiente, el presente estudio tuvo como objetivo evaluar el comportamiento agronómico de diez genotipos precoces de amaranto. Para ello, se utilizó un diseño de bloques completamente al azar con tres repeticiones. Las evaluaciones de las variables fueron: fenológicas (días a la emergencia, floración y madurez fisiológica) y agronómicas (altura de planta, longitud de panoja, diámetro de panoja, peso de 1000 granos y rendimiento de grano). Los resultaron revelaron que los genotipos T10 = BOL 4047, T7 = BOL 4025, T4 = BOL 3993, T5 = BOL 4051, T6 = BOL 4039 y T9 = BOL 4008 destacaron por alcanzar la madurez fisiológica entre 132 y 137 días, con rendimientos superiores a 900 kg ha-1, siendo el T10 el más precoz y productivo con 1 038 kg ha-1. En contraste, los genotipos T1 = BOL 3998, T2 = BOL 3987, T3 = BOL 3996 y especialmente T8 = BOL 4027 mostraron ciclos prolongados de hasta 150 días a la madurez fisiológica y bajos rendimientos, siendo el T8 = BOL 4027 el menos favorable con solo 443 kg ha-1. Por tanto, los genotipos T10 = BOL 4047, T4 = BOL 3993 y T7 = BOL 4025 fueron los más promisorios, al presentar una madurez fisiológica hasta un 12 % más rápida frente a los genotipos tardíos.

 

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Álvarez Beltrán, E., Martínez Bautista, H., y López Torrez, B. J. (2008). Análisis de redes organizacionales estafa herramientas multicriterio y análisis de componentes principales. Educar, (41), 143. https://doi.org/10.5565/REV

Ayala-Garay, A. V., Espitia-Rangel, E., Marín-Vázquez, E., y Almaguer-Vargas, G. (2025). Análisis del sistema de producción de amaranto en Huixcazdhá, Hidalgo, México. Agricultura, Sociedad y Desarrollo, 22(1), 93–106. https://doi.org/10.22231/ASYD.V22I1.1681

Balzarini, M. G., Di Rienzo, J. A., y Robledo, C. W. (2008). Infostat: manual del usuario. INFOSTAD. https://www.researchgate.net/publication/283491340_Infostat_manual_del_usuario

Becerril, S. L., y Becerra, C. I. M. (2026). Amaranto agroecológico: Resiliencia, eficiencia y potencial biotecnológico frente al cambio climático. Acta Agrícola y Pecuaria, 1–14. https://aap.uaem.mx/index.php/aap/article/view/1048/233

Calderón Vásquez, S. (2017). Estudio físico-químico del grano de amaranto (Amaranthus caudatus), variedad Óscar Blanco para su aprovechamiento con fines industriales. [Universidad Mayor de San Andrés]. https://repositorio.umsa.bo/bitstream/handle/123456789/12117/PG-1843-Calder%C3%B3n%20V%C3%A1squez%2C%20Sonia.pdf?sequence=1&isAllowed=y

Castillo, E., Mercedes, K., Condori, M., Paye Zeballos, N., Carmen, D., Silva, U., y Melania, S. (2023, April 28). Elaboración de dendogramas a partir de artículos científicos utilizando el programa bioinformático MEGA DNA. https://www.calameo.com/books/0072759335b949b461cfe

Corke, H., Cai, Y. Z., y Wu, H. X. (2015). Future grain crops. Encyclopedia of Food Grains: Second Edition, 1–4, 287–296. https://doi.org/10.1016/B978-0-12-394437-5.00032-2

Dzib, L., Segura, J., Ortega, R., y Latournerie, L. (2018). Cruzas dialélicas entre poblaciones nativas de maíz de Yucatán y poblaciones mejoradas. Agroecosistemas Tropicales y Subtropicales, 14(1), 119–127. https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/660

Espitia-Rangel, E., Lozano-Grande, A., Aguilar-Delgado, M., Valverde-Ramos, M., González-Molina, L., y Martínez-Cruz, E. (2023). Evaluación de la capacidad de reventado de genotipos de amaranto y parámetros genéticos. Revista Mexicana de Ciencias Agrícolas, 14(6). https://doi.org/10.29312/REMEXCA.V14I6.3429

Fernández, L., Rangel, L., Varela, M., Pino, A., Pozo, J., y Lim, N. (2021). Análisis de componentes principales, una herramienta eficaz en las Ciencias Técnicas Agropecuarias. Ciencias Técnicas Agropecuarias, 31(1), 1–6. http://scielo.sld.cu/scielo.php?pid=S2071-00542022000100010&script=sci_arttext

Gomes, V. M. de V., Mesquita, R. O., Nunes, L. R., y Innecco, R. (2024). Rendimiento agronómico del amaranto de grano en la región semiárida en función de la disposición de siembra. Revista Caatinga, 37, 1–22. https://doi.org/10.1590/1983-21252024v3711913rc

Hair, J. F., Tatham, R. L., Anderson, R. E., y Black, W. (1998). Multivariate Data Analysis. 11o Congresso Da Fundação Otorrinolaringologia, 730.

Hernandez, T. A., López, J., Estrada, B., Reséndiz, Z., Coronado, J., y Malvar, R. (2023). Aptitud combinatoria y efectos recíprocos de la precocidad en poblaciones nativas de maíz de Tamaulipas. Revista Mexicana de Ciencias Agrícolas, 14(2), 171–183. https://doi.org/10.29312/REMEXCA.V14I2.2990

López, E., y González, B. (2016). Diseño y análisis de experimentos: fundamentos y aplicaciones en agronomía. http://cete.fausac.gt/wp-content/uploads/2020/11/Diseno_y_Analisis_de_Experimentos_2016a.pdf

Maamri, K., Zidane, O. D., Chaabena, A., Fiene, G., Bazile, D., Maamri, K., Zidane, O. D., Chaabena, A., Fiene, G., y Bazile, D. (2022). Adaptation of Some Quinoa Genotypes (Chenopodium quinoa Willd.), Grown in a Saharan Climate in Algeria. Life 2022, Vol. 12, 12(11). https://doi.org/10.3390/LIFE12111854

Maji, A., y Shaibu, A. (2012). Application of principal component analysis for rice germplasm characterization and evaluation. Journal of Plant Breeding and Crop Science, 4(6), 87–93. https://doi.org/10.5897/JPBCS11.093

Olivoto, T., Diel, M. I., Schmidt, D., y Lúcio, A. D. (2022). MGIDI: a powerful tool to analyze plant multivariate data. Plant Methods 2022 18:1, 18(1), 121-. https://doi.org/10.1186/S13007-022-00952-5

Ortiz, T. E., y Argumedo, M. A. (2024). Efecto del tamaño de grano y genotipo sobre el volumen de reventado en amaranto. Revista Fitotecnia Mexicana, 47(4-A), 431–431. https://doi.org/10.35196/RFM.2024.4-A.431

Pardo, C. E. (2020). Estadística descriptiva multivariada. In Estadisitica_Descriptiva_Multivariada. https://repositorio.unal.edu.co/bitstream/handle/unal/79914/2.%20Estadisitica_Descriptiva_Multivariada.pdf?sequence=3&isAllowed=y

Rangel, E., Sesma, L., Valverde, M., González, L., Escobedo, D., y Aguilar, M. (2021). Tiene el amaranto el potencial agronómico para ser un fenómeno mundial como la quinua. Revista Mexicana de Ciencias Agrícolas, 12(8), 1459–1471. https://doi.org/10.29312/REMEXCA.V12I8.2897

Reyes, M. (2002). Análisis económico de experimentos agrícolas con presupuestos parciales: Re-enseñando el uso de este enfoque. La Calera. https://lacalera.una.edu.ni/index.php/CALERA/article/view/28

Rodríguez-García, R., Cortez-Maldonado, V., Jasso-Cantú, D., Peña-Ramos, F. M., y Zermeño-González, A. (2017). Simulación del crecimiento y rendimiento de trigo (triticum turgidum l.) Júpare c2001 con el modelo CERES-trigo. Agraria, 14(1), 1–14. https://doi.org/10.59741/AGRARIA.V14I1.526

Rojas, W. (2003). Análisis de la variabilidad genética en quinua. Boletín Técnico IPGRI No. 8., 30. https://cgspace.cgiar.org/server/api/core/bitstreams/40ad97cf-daba-48d0-a80f-2b1d9803c738/content

Romero, C., Ocampo, J., Sandoval, E., Navarro, H., Franco, O., y Calderón, F. (2017). Fertilización orgánica-mineral del cultivo de amaranto (Amaranthus hypochondriacus L.). Revista Mexicana de Ciencias Agrícolas, 8(8), 1759–1771. https://doi.org/10.29312/REMEXCA.V8I8.700

SENAMHI. (2024). Servicio Nacional de Meteorología e Hidrología. Servicio Nacional de Meteorología e Hidrología . https://senamhi.gob.bo/index.php/sysparametros

Tito, franco, y Hidalgo, R. (2003). Análisis estadístico de datos de caracterización morfológica de recursos fitogenéticos. Instituto Internacional de Recursos Fitogenéticos (IPGRI), 8, 27–28. https://cgspace.cgiar.org/server/api/core/bitstreams/40ad97cf-daba-48d0-a80f-2b1d9803c738/content

Umesh, M. R., Angadi, S., Gowda, P., Ghimire, R., y Begna, S. (2019). Climate-Resilient Minor Crops for Food Security. Agronomic Crops: Volume 1: Production Technologies, 19–32. https://doi.org/10.1007/978-981-32-9151-5_2

Uriarte, R., Esquivel, J., Lacayo, M., y Jarquín, M. (2023). Evaluación de variables de crecimiento vegetativo de amaranto (Amaranthus cruentus L.) variedad Amaranteca en el Centro de Investigación en Biotecnología, Universidad Nacional Autónoma de Nicaragua, Managua. Revista Torreón Universitario, 12(34), 140–148. https://doi.org/10.5377/RTU.V12I34.16379

Villarroel, L., Alvarez, J., y Maldonado, D. (2003). Aplicación del Análisis de Componentes Principales en el Desarrollo de Productos. Acta Nova, 2(3), 399–408. http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S1683-07892003000200007&lng=es&nrm=iso&tlng=es

Descargas

Publicado

30-04-2026

Número

Sección

ARTÍCULOS ORIGINALES

Artículos más leídos del mismo autor/a