Mejoramiento Forestal 2
Mejoramiento Forestal 2
Mejoramiento Forestal 2
Mejora Genética
Forestal Operativa
Valdivia. 16 - 21 Noviembre de 1998
CHILE
Editores:
Roberto Ipinza
Braulio Gutiérrez
Verónica Emhart
Editores:
Dr. Roberto Ipinza C.
Instituto de Silvicultura
Facultad de Ciencias Forestales
Universidad Austral
Casilla # 567
Valdivia, Chile
Fotografía portada
Roberto Ipinza
Tiraje
250 ejemplares
Fecha de Impresión
Noviembre de 1998
Impreso en
Artes Gráficas y Centenario LTDA
Yerbas Buenas 488 - F:211016 - F/FAX:210465
Valdivia - Chile.
ii
“La naturaleza se escribe en lenguaje matemático” (Galileo Galilei).
Sin embargo, si esto no funciona, pruebe:
Daniel Gianola
iii
Agradecimientos
Los editores
iv
Prólogo
v
FONDEF, han vuelto a tomar la iniciativa para iniciar la aplicación formal de la
tecnología del mejoramiento genético a los bosques nativos de Nothofagus.
vi
ÍNDICE GENERAL
EPÍGRAFE iii
AGRADECIMIENTOS v
PRÓLOGO vi
La variabilidad poblacional 39
Rodrigo Vergara Lagos
vii
Establecimiento y manejo de huertos semilleros 167
clonales de polinización abierta
Verónica Emhart Schmidt
viii
Defining breeding objectives 387
Nuno MG. Borralho
ix
x
Apuntes: Curso Mejora Genética Forestal Operativa
INTRODUCCIÓN
En la década del 20, se realizaron en silvicultura los primeros esfuerzos tendientes a la selección y
mejoramiento de genotipos superiores. El mejoramiento genético en la forma general como lo
conocemos en la actualidad sólo se inició en la década del 50 (Namkoong, et al., 1988), con los
trabajos Syrach Larsen (1956). Actualmente el mejoramiento genético constituye una parte
operacional de todos los programas de manejo intensivo en el mundo y es una extensión, con
algunos ajustes, de las técnicas de mejora genética de los cultivos agrícolas. El mejoramiento
genético continuará siendo importante en la industria forestal del siglo XXI y los nuevos avances en
biotecnología no harán más que complementar las actividades de selección y de mejora genética
futura.
El mejoramiento genético será parte fundamental del manejo forestal intensivo en las próximas
décadas y, por lo tanto, de la industria de productos forestales. El estado futuro de la industria
forestal dependerá a su vez de la situación de la economía y la política global. Por lo tanto el estado
futuro del mundo es crítico para saber el impacto de los programas de mejoramiento genético.
POBLACIÓN MUNDIAL
La población mundial aumenta a una tasa de 250.000 personas por día, lo que significa 100 millones
de personas cada año. De acuerdo a esto se estima que para el año 2050 la población mundial
alcanzará los 10.000 millones de personas. Desde un punto de vista Maltusiano significa que la
demanda por productos forestales aumentará en las próximas décadas.
Con base en las estadísticas de 1994 del "World Resources Institute” (cuadro 1), la superficie total
de bosques naturales es de 3.300 millones de hectáreas, en comparación a la superficie de las
plantaciones que alcanza 130 millones de hectáreas, es decir, una fracción muy pequeña (3%). La
producción para uso industrial es de 1500 millones de metros cúbicos y la de leña para combustible
de 1800 millones de metros cúbicos; esta última equivale aproximadamente al 54% de total
producido.
Estas tendencias arrojan dos conclusiones relevantes para los programas de mejora genética.
Primero, existe una tasa de natalidad positiva y una tendencia creciente por preferir productos
naturales, por lo que se puede afirmar con bastante certeza que existirá demanda futura por maderas;
y segundo, que dado que la oferta chilena de madera no llegaría a más de 50 millones de m3 en el
1
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
Las tendencias de la oferta y demanda futuras, también son favorables en cuanto a mayores
necesidades de madera, la oferta mundial de madera se caracteriza por un estado de declinación. Es
así como la producción de trozas a nivel mundial ha disminuido entre los años 1989 - 1993 a una
tasa del 0,4% anual (Fao, 1995), debido a un proceso de deforestación en países subdesarrollados
para habilitar terrenos para la agricultura y por los incendios (Jaakko Pöyry Group, 1994), pero
principalmente en estos últimos años, debido a las regulaciones ambientales que aplican los
gobiernos para restringir la corta en bosques nativos (Sedjo y Lyon, 1996). Respecto a la demanda,
ésta es creciente en forma natural, pero tiende a crecer más, debido a la creación de nuevos
productos (toallas higiénicas, pañales, otros tableros, etc.), a la apertura de nuevos mercados como
por ejemplo los países socialistas, y al ingreso al mercado de otros segmentos socioeconómicos
postergados.
Los continentes que aportan la mayor producción, a nivel mundial son; Asia con 44,9 %, Europa con
19.4%, Estados Unidos con 18.9%, Sudamérica con 16,3 %, África con 16.24%. y Oceanía con 0,2
%.
Chile aporta 32,4 millones de m3, lo cual representa aproximadamente el 10% de la producción de
Latinoamérica.
Según especies, las latifoliadas representan el 60,5 % de la producción de trozas a nivel mundial. Las
latifoliadas han aumentado su producción a una tasa anual de 1% entre 1989 - 1993, no así las
coníferas que han disminuido a una tasa de 3,8% anual en el mismo período.
Según el uso que se les da a estas trozas, el 55.1% corresponde a leña, participando las latifoliadas
en un 81,6% y las coníferas en 10.63%, y el 44,9% restante corresponde a trozas industriales de las
cuales el 34,6% corresponde a latifoliadas y el 60,8% a coníferas.
La tendencia de trozas industriales de latifoliadas aumenta a una tasa de crecimiento de 0,2% y para
coníferas disminuye a una tasa de 4,2% en los últimos cinco años.
Considerando que las regulaciones ambientales se han concentrado en los bosques nativos, que
constituyen las fuente de aprovisionamiento de las maderas valiosas, y la existencia de países que
han emprendido importantes programas de forestación (como Brasil), cabe esperar condiciones de
demandas insatisfechas en el rubro de las maderas de alto valor que se emplean en chapas
decorativas y muebles.
Todo lo anterior es pertinente para inferir la viabilidad comercial de nuevos recursos forestales. Chile y
muchos países de América del Sur cuentan con una gran disponibilidad de suelos y bosques aptos
para someterlos a mejoramiento vía manejo.
CUADRO 1
RECURSOS FORESTALES MUNDIALES, PRODUCCIÓN MADERERA Y COMERCIO 1990-1993
Notas al CUADRO 1
El área de bosques es de 1990; Producci ón de trozas y Comercio, 1991-1993, Valor del Comercio, 1991.
Los paréntesis indican que una región es importadora neta por volumen o valor
Asia insular es Indonesia, Malasia, Filipinas y Singapur
Oceanía es Australia, Fiji, Nueva Zalanda, Papúa Nueva Guinea y Las Islas Salomón
La plantación total de Europa estimada en 33 millones de hectáreas se dividió como:
Rusia = 25%; países escandinavos y resto de Europa son proporcionales al área
Otros totales de producción de trozas en Europa sumando por países individuales no son Iguales al total
de Europa cuando se suman Rusia y los países escandinavos. Estos totales son 268.428.000 m3 de
producción industrial y50.672.000 m 3 de combustible.
El total mundial para la producción de trozas no es igual a la suma de las cifras dadas arriba.
MERCADO MUNDIAL
Muchos estudios han examinado la situación de la oferta de madera a nivel mundial y a nivel local en
los últimos años. De acuerdo a la intensidad del análisis de la situación maderera, sólo se puede
sugerir que ésta será mucho más escasa que lo que ha sido en el pasado (McNutt, 1996). No
obstante se debe también considerar las inversiones de las empresas y organizaciones
gubernamentales, las que pueden alterar las proyecciones de los modelos utilizados (Cubbage, et al.
1996). Para algunos inversionistas de la industria de productos forestales, esta escasez de madera
constituye una oportunidad de mercado.
Cubbage et al., (1996) establece que las proyecciones mundiales del eucalipto han sido demasiado
optimistas, ya que China que tenía proyectado plantar 4 millones de hectáreas al año 2000, sólo ha
concretado un millón de hectáreas, con una calidad muy baja. Tailandia, que también inició un activo
programa de eucalipto, exhibe una calidad muy variable. Indonesia tiene más dificultades en obtener
plantaciones de eucalipto de calidad debido a que no tiene suelos apropiados. La calidad es crucial
para determinar qué países tienen ventajas comparativas en eucalipto y otras especies. A la fecha,
sólo América Latina tiene un futuro más promisorio en las plantaciones a gran escala de eucalipto,
particularmente por su buena calidad y mejores precios en los mercados mundiales.
Uno de los principales déficit en el abastecimiento de madera está en la producción de latifoliadas de
alta calidad. Esto debido a las restricciones impuestas a la cosecha de madera en el Amazonas y a
la disminución del abastecimiento en el sudeste asiático y en Africa Central. Los eucaliptos, que son
principalmente usados en la industria de la pulpa, son los actuales candidatos para reemplazar a las
latifoliadas de alta calidad y están creciendo en gran escala para la producción de madera sólida. Las
especies más productivas de eucalipto tienen una moderada densidad y pueden ser barnizadas para
asemejarse a varias especies tropicales. Las rotaciones de eucalipto para madera sólida son
actualmente de 12 años en Argentina y Brasil y de 18 años en Chile; mucho menos que los 40 a 80
años necesarios para las especies nativas en los bosques del Amazonas, sudeste asiático o Africa.
La principal desventaja de usar eucalipto para madera sólida es su propensión a las rajaduras y a las
manchas después de ser cosechado. Posibles soluciones a este dilema son el mejoramiento
genético mediante la intensa selección y la propagación clonal, y tecnologías más sofisticadas de
cosecha.
Hagler (1996) establece que a pesar del aumento de las plantaciones se producirá una escasez
relativa de madera en algunas regiones del mundo, por lo que dichas regiones tendrán que realizar
esfuerzos de autoabastecimiento para poder sobrevivir en los mercados.
La tendencia actual es tener mercados más abiertos con menos restricciones y es probable que esa
tendencia continúe. Existen ejemplos, tales como la Unión Europea, el MERCOSUR, el NAFTA entre
otros. A medida que se produzca la apertura de los mercados, puede también aumentar la demanda
por productos forestales, tanto como pueda subir el estándar de vida, especialmente en los países
desarrollados.
Para muchos países en los trópicos y subtrópicos, las industrias agrícolas, incluyendo las forestales,
pueden competir exitosamente con Estados Unidos en los mercados mundiales. Tierras disponibles y
productivas, a menudo con mano de obra barata, pueden desarrollar una importante industria forestal
que expanda el Producto Geográfico Bruto de un país. El crecimiento demográfico y económico en
estas regiones incrementará la demanda interna de madera, y de este modo el incremento en la
producción de las nuevas fábricas o la expansión de las ya existentes encontrará la forma de dirigirse
a los rentables mercados de exportación. Como un ejemplo, la expansión de las industrias argentinas
y brasileñas, y la construcción de varias nuevas industrias en Indonesia han demostrado la
importancia así como la fortaleza del sector forestal en el desarrollo de los países.
Las empresas forestales en Argentina, Chile, Brasil, China, Indonesia, Nueva Zelanda, Sudáfrica y
Venezuela tiene programas intensivos de plantación, los que se extenderán en el futuro adquiriendo
más terrenos locales o desarrollándose en países vecinos. Además, existe un creciente interés por
plantaciones forestales en muchos países que históricamente no han realizado inversiones
significativas en este campo. Por ejemplo, las agencias gubernamentales en Chile, Colombia, México
y Uruguay están ofreciendo incentivos financieros al sector privado para alentar el desarrollo de
plantaciones forestales en sus países.
CUADRO 2
RESUMEN DE LAS PLANTACIONES INDUSTRIALES EN ALGUNOS PAÍSES (Fuente: Dvorak y
Hodge, 1998)
1
Los valores de latifoliadas pueden incluir promedios para varios géneros. Por ejemplo en Indonesia, Acacia mangium crece
aproximadamente 30 m3/ha/año y es cosechada a los 8 años. Tectona grandis crece aproximadamente 5 a 8 m3/ha/año y
puede ser cosechada a los 40 años.
2
Las edades de rotación con grandes diferencias en los años como las latifoliadas de Sudáfrica (7-20) sugieren que
Eucalyptus para pulpa puede ser cortado a los 7 años y Eucalyptus para madera sólida puede ser cosechado a los 20 años.
ASPECTOS AMBIENTALES
Existe a nivel mundial la tendencia hacia la protección ambiental y es probable que continúe y se
transforme en un importante factor económico y político. Los efectos serán positivos ya que se
tenderá hacia un compromiso con la industria forestal para alcanzar el desarrollo sustentable. Como
ejemplo de compromiso entre los ambientalista y la industria forestal cabe mencionar a Australia y
Nueva Zelanda. Más recientemente los esfuerzos en la Eco-Certificación emprendida como una
estrategia ambiental europea (Kiekens, 1997). Los bosques de latifoliadas de América Latina y los de
coníferas de Siberia cubren áreas que son muy sensibles desde el punto de vista ambiental, ellas se
pueden degradar rápidamente mediante cosechas destructivas, lo que pondría en peligro su
contribución al almacenamiento de carbono y al balance del oxigeno (Cubbage et al., 1996). Los
grupos ambientalistas en el mundo están ejerciendo una gran presión para proteger esos bosques
naturales, y es probable que tengan éxito o al menos limiten la cosecha de los bosques en el
hemisferio sur, tal como sucede hoy (1998) con el proyecto Trillium de manufactura de madera de
Nothofagus pumilio (lenga) en Chile.
La industria del papel y la celulosa puede ser forzada a desembolsar una gran cantidad de dinero para
reducir las emisiones tóxicas de sus industrias. La industria de productos forestales del sudeste de
EE.UU desembolsa más de mil millones de dólares lo que significa aproximadamente el 20% de
todos el capital que esta disponible para la inversión. Esto implica que están aumentando los costos
de esos productos forestales y disminuyendo las utilidades, por lo que los inversionistas buscarán
nuevas áreas para colocar su dinero. Es interesante hacer notar las inversiones que está haciendo la
empresa estadounidense Boise Cascade para darle mayor valor agregado a la industria del bosque
nativo en Chile.
El uso de fibra reciclada y fibra de otras plantas aumentará en algunas situaciones específicas. Sin
embargo, la fibra de los árboles continuará siendo la principal materia prima para la fabricación de
pulpa. No se debe olvidar que la industria del reciclado es muy contaminante.
Existen presiones hacia los países tropicales y subtropicales, ya que la rapidez de crecimiento y la
calidad de sus maderas hacen que estos países continúen creciendo como abastecedoras de fibra y
productos forestales. Las presiones ambientales en los países desarrollados, están favoreciendo a
los países en vías de desarrollo, con especies de altas tasas de crecimiento y un bajo costo de la
mano de obra. Esta tendencia probablemente aumentará en el futuro.
Existen presiones medioambientales para evitar la sustitución de bosques nativos, de forma tal que
las plantaciones comerciales de especie de rápido crecimiento se realicen en terrenos de antiguos
fundos o fincas, terrenos degradados por la agricultura, terrenos con desechos y quemados por la
agricultura o terrenos utilizados previamente por plantaciones. También existe una presión para
desarrollar el bosque nativo en forma de plantación, es probable que esto suceda con especies muy
específicas y de alto valor económico. Incluso a una pequeña escala se podría reemplazar a los
pinos y eucaliptos. Las plantaciones de latifoliadas que son manejadas para obtener madera sólida
como la teca (Tectonia grandis), paulonia (Paulownia tomentosa ), nogal negro (Juglans nigra) y
ceiba (Bombacopsis quinata) son especies de gran valor económico cuando son manejadas a
crecimiento lento, vale decir formado cuatro anillos anuales por pulgada radial (Kellison, 1997). A
ellas se debe sumar el raulí (Nothofagus alpina), roble (Nothofagus obliqua), lenga (Nothofagus
pumilio) y el coigüe (Nothofagus dombeyi) en el hemisferio sur, especies que además están
adquiriendo importancia en Escocia y Gales. También es destacabler el potencial del Cordia
alliodora y Tabebuia rosea en Colombia.
Cubbage, et al., (1996), sugiere un nuevo escenario para la industria de la madera, en el cual ésta se
trasladará desde la extracción en bosques naturales hacia una oferta de madera proveniente de
plantaciones manejadas intensivamente.
OPTIMIZACIÓN ECONÓMICA
Las empresas forestales siempre han sido productoras de bajo costo, lo que se acentuará en el futuro
si quieren competir con éxito en el mercado. Las empresas que logren producir productos forestales
con precios competitivos de mercado serán empresas exitosas. Las empresas forestales propietarias
de tierras requerirán cada vez optimizar la productividad por hectárea, ya que el número de hectáreas
disponibles para plantación se verá limitado, como también la madera disponible de bosques nativos.
Esto conllevará a que las empresas propietarias de tierras apliquen un manejo cada vez más intensivo
de tal forma de maximizar los productos de alta calidad en muy pocas hectáreas.
La calidad de la madera será un factor crucial, por esto se requiere un mejoramiento de la tecnología
forestal, que incluya la genética, el manejo, y la selección de sitios. La tecnología de plantación que
se está implementando hoy, considera: mejoramiento de las fuentes de semillas, programas de
mejora genética, selección de sitios, calidad de la plantación, control de la competencia, técnicas de
manejo. Incluso el trabajar con dos especies, una especie intolerante y otra tolerante a la sombra,
implica que se pueden combinar ambas para obtener una mayor productividad por hectárea con
material mejorado genéticamente.
La tecnologías silviculturales deben ser implementadas para asegurar la viabilidad de las empresas
individuales y su competitividad en los mercados globales.
La disponibilidad de latifoliadas en el sur de Estados Unidos está mucho más restringida de lo que se
creía hace pocos años atrás. La escasez, especialmente durante períodos de inclemencia climática,
ha producido incrementos en los precios de entre dos y tres veces su valor inicial a mediados de la
década pasada. Entre las causas de esta escasez están el aumento en su uso y las preocupaciones
ambientales. Una solución parcial a la escasez incluye una combinación de varios factores: 1)
manejar las tierras con latifoliadas para una producción maderera óptima, 2) transportar el recurso
desde áreas con buen abastecimiento y limitados mercados hasta las plantas industriales, 3)
establecer plantaciones de latifoliadas sobre los mejores sitios que se encuentren dentro del área de
trabajo de las plantas de celulosa, 4) sustituir la fibra de pino por fibra de latifoliadas en una pequeña
escala y 5) importar madera o pulpa desde el extranjero.
Como se señaló con anterioridad, en el año 1997 el mercado asiático participaba en un 44,.9% en el
valor total de las exportaciones sectoriales. Debido a esto la caída de los mercados asiáticos ha sido
de importancia en Chile traduciéndose en la pérdida de numerosas fuentes laborales en el ámbito
profesional y obrero. De acuerdo al economista Robert E. Scott (http://www.epinet.org/asiapr.html) la
crisis asiática destruirá 1,1 millones de puestos de trabajo, en EE.UU.
Los resultados de los últimos dos años, indican que las empresas chilenas han perdido en forma
importante sus ventajas comparativas y es necesario entrar en una fase de reajuste productivo para
enfrentar las nuevas condiciones del mercado internacional. Especialmente importantes son las
pequeñas y medianas empresas las que deberán focalizarse en nichos de alto valor agregado para
competir. El aumento de la productividad a todo nivel es una de las recomendaciones que para Chile
se ve más factible (International Monetary Fund, 1998).
La influencia de los mercados asiáticos ha afectado no tan sólo a Chile, sino que también a otros
exportadores de productos forestales. Por esto, será necesario generar estrategias competitivas que
entreguen al mercado nuevos productos de mayor valor agregado. De ahí la importancia de fomentar
la producción de maderas de mejor calidad, naturales y de mayores precios. Al respecto el Ministro
Forestal de Nueva Zelanda, John Fallon, en una conferencia en el Instituto Forestal de Nueva Zelanda
(FRI) dijo:
"...the Asian economic crisis may be the best thing to happen to the local industry”
(http://www.nzforestry.co.nz/generated/news/24451.html), ya que permitiría diversificar la producción
basado en la inversión de un mayor valor agregado.
Aspectos generales
La mejora genética clásica que incluye selección, cruzamientos y pruebas genéticas continuará
siendo en el futuro una parte integral de los programas de manejo forestal intensivo. A medida que se
maximice el rendimiento por hectárea, el valor del mejoramiento genético en el futuro se tornará cada
vez más importante. Esto se debe a que el costo de desarrollar genotipos mejorados puede ser
prorrateado a toda la plantación; en cambio los costos de otras prácticas silviculturales tales como la
fertilización, son divididos en cada hectárea tratada. Entonces la mejora genética continuará siendo
una inversión atractiva cuando es realizada en forma apropiada. El mejoramiento genético clásico se
enriquecerá con las nuevas tecnologías, nuevas especies e híbridos.
Aspectos específicos
Las Cooperativas de Mejoramiento genético han jugado un importante papel en los esfuerzos de
mejoramiento en muchos países, y continuará siendo así en las próximas décadas. Las Cooperativas
pueden mantener una gran población base y alcanzar ganancias sustanciales. De esta forma los
costos fijos se prorratean entre los miembros. Para muchas organizaciones esta opción puede ser la
única factible si se pretende trabajar en mejora genética forestal, no obstante, muchas de ellas
deberán optimizar sus estructuras y objetivos, y abrirse a nuevas ideas para sobrevivir en un mundo
cada vez más competitivo.
Los componentes básicos de todos los programas de mejora genética son los mismos, pero no
existe una estrategia genérica que se aplique a todas las especies. La variación entre especies, los
vectores de polen, el tamaño de la semilla y su biología, edad de reproducción, aptitud para la
propagación vegetativa, susceptibilidad a plagas y enfermedades, edad de rotación, hacen que estos
componentes combinados produzcan muchas opciones que el mejorador deberá considerar. Estas
distintas alternativas conducen a diferentes programas alrededor del mundo, a diversas estrategias de
mejora y también a distintas técnicas de masificación operacional de la mejora genética.
Las estrategias pueden diferir en organizaciones y/o empresas de un mismo país que incluso
trabajen con la misma especie. Estas pueden tener diferentes restricciones financieras y logísticas, y
pueden tener distintos tamaños y estar localizadas en tipos de sitios diferentes. En suma los
productos objetivos y la tecnología de aserrío puede diferir. Estas diferencias tienen para una
A medida que el mercado forestal mundial se torne más competitivo, las ventajas económicas
marginales de una estrategia específica serán cada vez más importantes para una organización
específica. A medida que un programa de mejoramiento se mueve hacia generaciones avanzadas,
aumenta la cantidad de datos de los genotipos individuales, aumentan los parientes y se van
produciendo diferentes clases de datos: de ensayos de campo tradicionales, datos de estudios en
invernaderos, de resistencia a plagas y enfermedades, de resistencia al frío, de calidad de la madera:
densidad, longitud de fibra, rendimiento pulpable, y posiblemente información sobre marcadores
moleculares asociados a característica de importancia económica.
La colecta de esos datos es y continuará siendo uno de los componentes más caros de un programa
de mejora genética, por lo tanto es extremadamente importante un análisis apropiado para maximizar
las ganancias genéticas. Las técnicas de índices de selección, BLP (el mejor predictor lineal), BLUP
(el mejor predictor lineal insesgado) se tornarán en herramientas de uso común en los próximos años.
A esto hay que agregar una tecnología emergente como lo es el Gibbs Sampling, que ha sido
utilizada con éxito en el mejoramiento genético forestal. La fortaleza de estas técnicas es poder
combinar distintos datos, de muchas pruebas genéticas y muchos parientes en una simple
predicción del valor genético y económico de un genotipo. La utilidad de las técnicas de los índices
de selección, BLP, BLUP y Gibbs Sampling depende de la buena estimación de los parámetros
genéticos, que describen qué rasgos están controlados genéticamente. La gran fortaleza del Gibbs
Sampling es que permite obtener la distribución de frecuencia del parámetro estimado, la
heredabilidad por ejemplo. Cuando se analizan varios rasgos, es bueno tener estimaciones de los
ponderadores económicos, es decir como crece el valor medido en pesos de las ganancias genéticas
de un rasgo en relación a las ganancias genéticas de otro. Ambos parámetros, genéticos y
económicos, son difíciles de estimar, pero tradicionalmente se ha realizado una mayor investigación
en los parámetros genéticos que en los ponderadores económicos, siendo este un tema para los
próximos años.
captura requiere algunas pruebas de progenie adicionales para probar el potencial de las
cruzas de hermanos completos.
En la misma especie también existen las tecnologías que permiten generar gran cantidad de semillas
de hermanos completos a través de polinización líquida. Esto se logra mediante el manejo intensivo
de huertos de baja altura. Es probable que esta tecnología se desarrolle en otras especies en el
futuro. La propagación vegetativa a partir de un pequeño número de semillas de hermanos completos
será cada vez más común. El cultivo de tejidos probablemente ofrecerá las mismas ventajas que las
estaquillas enraizadas, pero quizás será difícil hacerla económica y operacionalmente factible, salvo
en los genotipos de mayor valor. En las próximas décadas la propagación vegetativa se hará
accesible a muchas otras especies, aunque también aumentarán los riesgos. La silvicultura clonal de
un genotipo ofrece un gran potencial de ganancias genéticas ya que permite capturar toda la varianza
genética no aditiva, y además se incrementan los beneficios económicos al aumentar la
homogeneidad. Aunque la silvicultura clonal ofrece el potencial de obtener ganancias genéticas
adicionales, también aumentan los riesgos. A medida que la silvicultura clonal se torne una realidad,
las plantaciones de un genotipo se plantarán en un gran bloque, y quizás 10-15 clones específicos
serán plantados en pequeños bloques en mosaico, donde cada clon ocupará algunas hectáreas. La
probabilidad de que se produzcan ataques de enfermedades y plagas forestales será mayor que en
una plantación con mayor diversidad genética. La interacción genotipo ambiente también será mayor
en clones específicos de lo que es con material de semilla de medios hermanos o hermanos
completos.
sofisticados. En grandes programas de plantaciones con ganancias pequeñas se puede justificar con
facilidad un aumento en los costos por propágulos. El mejorador tenderá a incluir mejoras en las
pruebas de campo, en la utilización de genotipos específicos en sitios también específicos y el uso
de poblaciones de producción clonales o de hermanos completos.
Una considerable inversión en biotecnología ha sido realizada por la comunidad científica forestal,
además de la puesta en marcha de investigaciones tendientes a evaluar el incremento en la eficiencia
de los programas de mejora forestal tradicionales, de la propagación masiva de las cruzas
sobresalientes y de la propagación vegetativa. La investigación en biotecnología implica investigación
a nivel de ciencias básicas y genética molecular y podría revolucionar el mejoramiento genético en
los próximos años.
La biotecnología ha tenido un gran impacto en los cultivos agronómicos, tales como la inserción de
genes de resistencia al frío en el tomate y recientemente en el eucalipto. La dificultad de la
biotecnología forestal radica en que los árboles son organismos de gran tamaño y su genoma es muy
heterocigótico. Por otro lado no resulta fácil aplicar las técnicas moleculares a las plantas leñosas.
Existen varias técnicas biotecnológicas que pueden ser útiles a los programas de mejora genética
forestal, tales como: mapeo de genes, selección asistida por marcadores moleculares e ingeniería
genética. Estas técnicas biotecnológicas permiten aumentar nuestro conocimiento básico de la
genética forestal, permitiendo lograr algunas mejoras genéticas adicionales que pueden ser difíciles
de alcanzar con las técnicas tradicionales. Las técnicas biotecnológicas no reemplazarán a los
programas clásicos de mejora genética, más bien serán complementarios. La investigación
biotecnológica es cara y tiene más riesgos que el mejoramiento genético clásico. La biotecnología
forestal es considerada investigación básica versus la investigación aplicada de la mejora genética,
por lo que es probable que se promueva el cofinanciamiento privado y estatal, cuando realmente se
justifique para un país.
Debido a las limitaciones territoriales, las plantaciones forestales en el trópico y subtrópico están
siendo extendidas a áreas más secas y algunas veces áreas más frías. Estas condiciones climáticas
han creado la necesidad de híbridos para llenar ese nicho. Por ejemplo, Eucalyptus grandis es una
excelente especie para pulpa, que ha sido cruzada con E. camaldulensis y E. dunii, esta última
tiene resistencia al frío y E. urophylla, un eucalipto tropical con mayor resistencia que E. grandis a
enfermedades. El resultado es una progenie híbrida que crece bien y mejor adaptada a los climas
secos o fríos, además de ser más resistente a las enfermedades que sus padres. El híbrido entre E.
globulus y E. nitens tiene características intermedias, la pulpa es de mejor calidad que la de E.
nitens y más resistente al frío que E. globulus. Una vez producidos y probados, estos híbridos,
pueden ser propagados vegetativamente y multiplicados en extensas áreas. El desarrollo de híbridos
con rasgos de adaptabilidad puede hacer a las plantaciones comerciales económicamente atractivas
en suelos que alguna vez no fueron aptos para la silvicultura.
También los híbridos de pino en el trópico y subtrópico serán importantes en la próxima década. Ya
ha sido logrado una exitoso híbrido en Australia entre P. elliotti y P. caribaea var hondurensis,
que crece más rápido y mejor en suelos pantanosos que sus padres. Esta cruza puede tener gran
utilidad en las áreas subtropicales de Argentina, Brasil, China y Sudáfrica. Otra cruza que puede ser
interesante es P. radiata y P. greggii, tal como ha sido indicado por autores australianos. Las
barreras para los cruzamientos son menores en los pinos mexicanos en comparación con los pinos
de climas templados, y por lo tanto aumenta la oportunidad de producir híbridos.
Propagación vegetativa
Los mayores avances en el incremento del abastecimiento de madera en una superficie dada de
terreno han sido la utilización de adecuados tratamientos silvícolas y programas de mejora genética
en el trópico y subtrópico. Los rendimientos se han incrementado tres veces por unidad de área. En
el pasado, mucha de la tecnología usada provenía de Estados Unidos, sin embargo, en la última
década, más y más técnicas se han desarrollado localmente. En el caso específico del Pinus
radiata, el proveedor tecnológico por excelencia es Nueva Zelanda, en especial en la difusión de
numerosas tecnologías para propagar vegetativamente a esta importante conífera.
Las organizaciones más avanzadas utilizan herbicidas para el control de la maleza, seguidos de un
régimen de fertilización detallado; utilizan sofisticados Sistemas de Información Geográfica y prueban
intensivamente cada clon antes de plantarlo operacionalmente, evalúan las diferencias en la calidad
de la madera por clon, tienen huertos semilleros de generación avanzada, etcétera. Los programas de
propagación vegetativa (por ejemplo, estacas enraizadas, micropropagación o embriogénesis
somática) están incrementándose en forma importante, favoreciendo una rápida y eficiente
multiplicación de los mejores genotipos (familias o clones) para establecerlos en plantaciones
comerciales.
Aquellas organizaciones que experimentan con programas clonales de eucalipto parecen ser las más
preparadas para intentar desarrollar programas de propagación vegetativa para pino. Las
organizaciones chilenas han recientemente adquirido programas forestales en Argentina de Pinus
taeda y probablemente uno de sus primeros pasos será aplicar en Argentina la tecnología
desarrollada para propagar Pinus radiata en Chile.
El enraizamiento de estacas es un método muy común, se presume que se va popularizar cada día
más, no obstante los procedimientos de enraizamiento han avanzado a un ritmo lento en las últimas
décadas. La organogénesis involucra la inducción separada de raíces y brotes a partir de callos no
organizados o de yemas preformadas o inducidas. Aunque se ha desarrollado para muchas especies,
en términos de masificación operacional a gran escala no se utiliza en más de 5 especies forestales.
La embriogénesis somática es un proceso de formación de embriones somáticos a partir de yemas y
ápices radiculares, esos embriones germinan y dan origen a una planta. A diferencia de la
organogénesis, la embriogénesis somática produce plantas que se desarrollan en forma bipolar, como
los embriones cigóticos naturales. El uso de la embriogénesis somática se encontraba en una escala
preoperativa en 1996 en Pinus radiata en Nueva Zelanda.
Año
0
Progenitores
Distribución Normal
X M
96 55
f
2 Semilla familar
de Polinización
controlada Input
2 Muestra grande
de semilla
(Clones Potenciales) )
4.5 Propagación
via Cultivo de Tejido
5.5 Establecimiento
de
Plantación Clonal
Mapeo de genes
El mapeo de genes es la localización física de los genes o los marcadores asociados con genes que
afectan a rasgos importantes. El mapeo de genes puede ayudar a entender los mecanismos
fisiológicos básicos de los árboles forestales. Además, la identificación del número de genes que
controlan características importantes aportará el conocimiento básico necesario para hacer selección
asistida mediante marcadores moleculares e ingeniería genética.
Selección asistida
Muchos rasgos de interés forestal son controlados por varios genes o loci. La selección asistida por
marcadores involucra el uso de la tecnología de mapeo genético para asociar genes marcados a
QTLs (Quantitative Trait Loci), es decir, a genes que afectan a características importantes. El
potencial de la selección asistida por marcadores moleculares radica en el aumento de la eficiencia
en la selección dentro de las familias. Probablemente la selección asistida no será útil en la
selección entre familias superiores genéticamente, por lo que los ensayos de progenie replicados
continuarán siendo requeridos para los programas de mejora de las próximas décadas. Seguramente
la selección asistida por marcadores moleculares permitirá la selección de genotipos sobresalientes
dentro de familias específicas a través del análisis del ADN en laboratorio. Sin embargo hay
diferentes relaciones entre los marcadores y los QTLs para cada familia, por lo que el mejorador
necesitará nuevamente establecer ensayos para cada familia para hacer la selección.
Es probable que se requieran grandes muestras, alrededor de 1000 progenies, para determinar en
forma precisa la relación entre los marcadores y los QTLs. Estos hace que hasta ahora su viabilidad
económica sea cuestionable.
Ingeniería genética
La ingeniería genética tiene que ver con la identificación del ADN que codifica para una característica
determinada, luego el ADN se copia e inserta dentro del genoma de un árbol individual que no
contenía este gen. En algunos países hay una resistencia del público a utilizar plantas transgénicas.
En relación a la aceptación del público, la biotecnología forestal tiene una importante ventaja sobre
los productos agrícolas, y es que los productos forestales no son alimentos de consumo humano. La
desventaja radica en que los árboles forestales normalmente ocupan grandes extensiones de terreno
y los árboles son más longevos que los cultivos agrícolas, por lo que aumenta la probabilidad de
escape de los organismos transgénicos. La presencia de plantaciones con árboles transgénicos
puede ser menos problemática en países donde la silvicultura está basada en especies exóticas y
donde no existe posibilidad de cruzamientos con las especies nativas. Los organismos
gubernamentales de distintos países están aumentando las restricciones de las plantas transgénicas
para que estas sean estériles antes de permitir su uso comercial.
Genes de Transformación
interés
Agrobacterium
Mapa
Cultivo
genético
de
tejido
Plantaciones
M.M M.A.M.M
FIGURA 2
ESQUEMA DE APLICACIONES DE INGENIERÍA GENÉTICA
Las áreas promisorias para la ingeniería genética son la inserción de pesticidas o genes resistentes a
herbicidas en el genoma de los árboles. Un ejemplo de esto es la inserción en eucalipto de un gen
resistente al ”Roundup”. También el plasmidio Ti de Agrobacterium tumefaciens ha sido utilizado
intensamente para transferir genes a las plantas. En Sudáfrica se ha utilizado A. tumefaciens como
sistema de transferencia para desarrollar resistencia a insectos en Eucalyptus mediante la inserción
de genes de quitinasa. También se están iniciando algunos esfuerzos para controlar la polilla del
brote en pino. Mediante A. rhizogenes se han transferido genes para mejorar el enraizamiento de
clones de Eucalyptus difíciles de enraizar propagados in vitro. El enraizamiento de varias especies y
clones de Eucalyptus ha aumentado en un 80% con ciertas cepas de A. rhizogenes. Esto es un
buen ejemplo de como la biotecnología puede ser usada para mejorar árboles. Por último, la Nippon
Paper ha estado trabajando con éxito en cambiar la configuración de la lignina para disminuir los
costos de extracción de este componente de la madera en el proceso pulpable.
La ingeniería genética es ciertamente una poderosa herramienta que algún día podrá ser usada para
realizar importantes cambios en los pinos, aunque existan importantes barreras para su actual
implementación. El potencial para los cambios es grande, aunque puede pasar un largo tiempo antes
de que esta tecnología haga la diferencia
REFERENCIAS
Ahuja, M. y Libby, W. 1993. Clonal Forestry. Genetics and Biotechnology. Springer-Verlag. 277 p.
Cubbage, F., Abt, R., Dvorak, W. y Pacheco, G. 1996. World Timber Supply and Prospects: Models,
Projections, Plantations, and Implications. Central America and Mexico Coniferous Resorce
/CAMCORE) Annual Meeting. Discussion Working Paper Version. Draft #2. 15 September 1996. 43 p.
Dvorak, W. y Hodge, G. 1998. Wood supply strategies in countries with fast growing plantations. (for
submission). 7 p.
FAO, 1995. Forest Resources Assessment 1990: Global synthesis. Forestry Paper 124. Food and
Agriculture Organization of United Nations Rome.
International Monetary Fund, 1998. Chile: Selected Issues. IMF Staff Country report No. 98/26. 158 p.
Grosse, H. 1988. Renovales de Raulí, Roble, Coigue y Tepa. Espectativas y rendimientos. Revista
Ciencia e Investigación Forestal. Volumen 3 Nº6. pp. 37-72
Grosse H. y Cubillos, V. 1991. Antecedentes generales para el manejo de renovales de Raulí, Roble,
Coigue y Tepa. Boletín Técnico 127. INFOR- CORFO.
Hagler, R. 1996. The global wood fiber equation - a new world order? Tappi Journal 79(1):51-54.
INFOR; CORFO. 1988. Costos Operacionales y de Capital de las Actividades Forestales en Chile
1987. Santiago. Chile. 82 p.
INFOR. 1990. Disponibilidad de madera de Pino Radiata en Chile, 1990 a 2019. Informe Técnico N
125. Santiago, Chile. 33 p.
INFOR; CORFO. 1992. El Sector Forestal en Chile, logros y desafíos. Santiago, Chile. 166 p.
INFOR. 1995. Estadísticas Forestales 1994. Boletín estadístico N 40. Santiago, Chile. 113 p
INFOR; CORMA; CONAF. 1995. Estadísticas Forestales X Región. Santiago, Chile. 131 p.
INFOR. 1996. La Industria del Aserrío 1994. Boletín estadístico N 42. Santiago, Chile. 145 p
INFOR; CONAF. 1998. Exportaciones Forestales Chilenas, Diciembre 1997. Boletín estadístico N 57.
Santiago, Chile. 154 p
INFOR. 1997. Boletín de precios forestales Octubre 1997. Boletín N 50. Santiago, Chile. 33 p.
Infante, P., Ipinza, R. y Prado, J. 1991. Bases para la mejora genética de las especies del género
Eucalyptus en Chile. Ciencia e Investigación. Vol. 5, N°1, pp. 71-95.
Instituto Forestal. 1997. Mejoramiento genético y establecimiento de lenga en las regiones australes
XI y XII. Documento de formulación de proyecto. Concepción, 118 p.
Ipinza, R. y Gil, L. 1989. Mejora genética del olmo frente a la grafiosis en España. En: Mejora
Genética de Especies Arbóreas Forestales. De. J. A. Pardos. Fundación Conde del valle de Salazar.
Madrid, pp. 394-410.
Ipinza, R., Parra, P., Canala-Echeverría, J., Molina, M., Gutiérrez, B., Salinas, A. y Chung, P. 1992.
Programa Nacional de Mejora Genética de las Especies de Eucalipto para Chile. Documento Técnico
N°64. Chile Forestal. 8 p.
Ipinza, R., Eaton, L. y Apiolaza, L. 1993. Curso de actualización de cruzamientos controlados con
énfasis en eucalipto. Cooperativa de Mejoramiento Genético. UACH, CONAF y EMPRESAS
FORESTALES, 111 p.
Ipinza, R., Pérez, E., Apiolaza, L. y Crespell, P. 1993. Décimo Informe Anual. Cooperativa de
Mejoramiento Genético. UACH/CONAF y Empresas Forestales. Serie Técnica, Valdivia. Chile. 78 p.
Ipinza, R., Garcia, X., Apiolaza, L., Molina, M., Chung, P. y Parra, P. 1994. Variación juvenil de un
ensayo de procedencia y familias de Eucalyptus globulus subsp.. globulus Labill, en la séptima
región, Chile. Ecología, N°8, pp. 259-270.
Ipinza, R., White, T. y Apiolaza, L. 1994. Revisión de la estrategia de Eucalyptus globulus.
Cooperativa de Mejoramiento Genético. UACH, CONAF y Empresas Forestales, Valdivia, Octubre de
1994. 40 p. + anexos.
Ipinza, R., Apiolaza, L., Pérez, E., Crespell, P. y Morales, E. 1994. Informe Anual Undécimo.
Cooperativa de Mejoramiento Genético. UACH/CONAF y Empresas Forestales. Serie Técnica,
Valdivia. Chile. 82 p.
Ipinza, R., Apiolaza, L., Pérez, E., Morales, E. y Vergara, R. 1995. Duodécimo Informe Anual.
Cooperativa de Mejoramiento Genético. UACH/CONAF/Empresas Forestales. Serie Técnica, Valdivia.
Chile. 58 p.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Ipinza, R., Morales, E., Pérez, E., Vergara, R. y Dungey, H. 1996. Décimo Tercer Informe Anual.
Cooperativa de Mejoramiento Genético. UACH/CONAF/EMPRESAS FORESTALES. Serie Técnica,
Valdivia. Chile. 49 p.
Ipinza, R., Gutiérrez, B. y Emhart, V. 1997. Ganancias Genéticas en el Corto Plazo. Chile Forestal.
Agosto. pp. 36-38.
Ipinza, R., Gutiérrez, B. y Molina, M. 1997. Análisis genético univariado de siete ensayos de progenie
y procedencia de Eucalyptus nitens (Deane & Maiden) Maiden, en Chile. Potencial Genético y
Silvícola. En: IUFRO Conference. Modelling Growth of Fast-Grown Tree Species. Proceeding,
September 5-7, 1997. Valdivia, Chile. pp. 202-219.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto
de 1998. Programa CONIF - Miniagricultura. 162 p.
Ipinza, R. Emhart, V., Gutiérrez, B. y Molina, M. 1998. Mejoramiento Genético para Especie de
Nothofagus: Una Pauta Sencilla. Chile Forestal. pp. 34-37.
Ipinza, R. y Molina, M. 1998. Análisis genético multivariado y catálogos de valores genético de
ensayos de progenie y procedencia de Eucalyptus nitens (Deane & Maiden) Maiden, en Chile.
Ciencia e Investigación Forestal. (en prensa).
Jaakko Pöyry Group, 1994. Global fiber resources situations: "The challenges for the 1990´s”. An
overview presentation. Selected slides distributed for the Jaakko Pöyry Group by James McNutt, 560
White Plains Road, Tarrytown, NY, 10591. Mimeo.
Kellison, R. 1997. Production Forestry into the 21st Century. A Word View. En: 24th Biennial Southern
Forest Tree Improvement Conference. Orlando, Florida, USA, June 9-12, 1997. Proceeding. pp. 3-10.
Kerr, R. y Goddard, M. 1997. Comparison between the use of MAS and clonal tests in tree breeding
programmes. En: IUFRO '97 Genetics of Radiata Pine. Edited by R. D. Burdon and J. M. Moore.
NZFRI, Rotorua, New Zealand. pp. 297-303.
Namkoong, G., Kang, H. y Brouard, J. 1988. Tree Breeding: Principles and Strategies. Springer -
Verlag. 180 p.
McNutt, J. 1996. The global fiber resource situation: Challenges for the 1990’s. En: Proceedings, 1995
Southern Forest Economics Workers Annual Meeting. New Orleans, LA. Published by Wachovia
Timberland Management, Atlanta, GA. pp. 1-32.
National Academy of Sciences, 1991. Managing Global Genetic Resources. Forest Trees. National
Academy Press. 228 p
Sedjo, R. y Lyon, K. 1996. Timber Supply Model 96: A Global timber supply model with a pulpwood
component. Discusion Paper 96-15. Resources for the Future. Washington, D. C.
Wilcox. P. 1995. Use of DNA markers for the genetic dissection of breeding of fusiform rust resistance
in loblolly pine. Ph.D. Thesis, North Carolina State University, Raleigh, N.C. 125 p.
World Resources Institute. 1994. World Resources, 1994-1995. Oxford University Press. New York.
INTRODUCCIÓN
Para realizar una mejora forestal eficaz, es necesario entender como se hereden
los genes y las características de los árboles. Por lo tanto, comenzaremos el
curso con un repaso de las bases de la herencia, tanto al nivel molecular como en
el efecto sobre el organismo mismo. Después de ver un mínimo sobre la genética
de las poblaciones, examinaremos en más detalle la genética cuantitativa, puesto
que ésta es fundamental para el mejorador.
Aunque el código para un gen ocupa un cierto espacio en una molécula de ADN,
este espacio es tan pequeño comparado con el largo de la molécula que, para los
propósitos de estudiar la herencia, podemos tratar un gen como si fuese un punto
o locus en el ADN.
Como ejemplo, cuando cruzó una planta alta con una enana (P1), todos los hijos
(F1) resultaron altas. Al dejar los hijos autofertilizarse, los hijos de ellos (F2)
resultaron ser tanto altas como enanas, en una proporción de tres altas: una
enana (cuadro 1). Por lo tanto, concluyó que alta es dominante sobre enana, que
es recesivo.
CUADRO 1
CRUZAMIENTOS MENDELIANOS
P1 Alta TT X tt enana
F2 ¼ TT ½ Tt (altas) tt (enana)
Mendel obtuvo este mismo patrón de segregación 3:1 para los siete caracteres
que estudió. Con estos resultados, Mendel dedujo: que las diferencias
observadas en cada carácter se debía a un sólo "factor” en cada caso; y que
individuo debe tener dos copias de cada "factor”; y que pasaba una de estas
copias a cada hijo. La primera ley de Mendel afirma que los "factores” segregan
(en los padres) y se recombinan en los hijos.
La gran mayoría de los genes codifican para enzimas. Una enzima es una
catalista orgánica, es decir que facilita reacciones químicas sin perder su
identidad. Generalmente una enzima cataliza un cambio específico, por ejemplo,
la glucosa-6-fosfatasa agrega un fosfato en el carbón número 6 de la glucosa.
Todo el metabolismo celular funciona en base a enzimas, que "dirigen” la síntesis
de todos los otros componentes orgánicos, la fotosíntesis, la replicación del ADN y
los ARN, la multiplicación celular, etc. También hay genes reguladores que
determinan cuales genes serán transcritas en esta célula. Esto es lo que permite
la diferenciación de diferentes tejidos y el crecimiento ordenado.
Los genes "interesantes” para genetistas y mejoradores son aquellos que tienen
más de un alelo en un acervo genético, porque tienen la potencial de producir
diferentes fenotipos. Estos son los genes polimórficos. La frecuencia de un alelo
es la proporción de este alelo en un acervo genético. Y la Genética de
Poblaciones es la disciplina que estudia las propiedades de los genes
polimórficos en las poblaciones (mendelianas).
LA LEY DE HARDY-WEINBERG
Esta "ley” es semejante a las leyes de física, en el sentido que predice lo que debe
ocurrir en condiciones irreales, pero sirve para comparar con condiciones reales.
Requerimos dos conceptos adicionales. La panmixia, significa que cada individuo
de una población tiene igual probabilidad de cruzarse con cualquier miembro de la
población. Una población idealizada es una población mendeliana de tamaño
infinito, con panmixia, supervivencia aleatoria de los cigotos, y sin influencias
"externas” como la migración o la mutación.
LA ENDOGAMIA
Las poblaciones reales son finitas, y las artificiales son usualmente pequeñas.
Esto trae como consecuencia, que por lo menos una parte de los hijos que
produce serán resultado de cruzamientos entre parientes. Esto puede traer
importantes consecuencias para la especie, y también para aquellos que intentan
mejorarla.
CUADRO 2
FRECUENCIAS DE GENOTIPOS EN UNA POBLACIÓN CON ENDOGAMIA
Genotipo Frecuencia
A1A1 p2 + pqF
A1A2 2pq(1-F)
A2A2 q2 + pqF
Lo hicieron de una forma muy sencilla, seleccionaron aquellos individuos que más
les gustaba para criar juntos. Y muchas veces criarse juntos significaba cruzarse
entre sí. Al repetir este proceso durante algunas generaciones, terminaron con
una línea o cepa "mejorada”. No era necesario entender la base genética de los
caracteres para modificarlas, bastaba juntar aquellos individuos que le gustaba.
Pero cabe notar que no siempre lograron sus objetivos, y que les tomaba bastante
tiempo.
Para lograr un mejoramiento eficiente, fue necesario establecer una base científica
que permitiera predecir los resultados de un programa de selección. Puesto que
Lo primero que hay que hacer para mejorar una especies, es decidir cuales
cambios se quiere producir. En el caso de árboles forestales, los cambios
incluyen mayor volumen, mejor rectitud, menor copa, ramas más pequeñas,
resistencia a plagas y otros. Como generalmente no es posible mejorar muchas
características simultáneamente, es necesario elegir las más importantes. La
decisión probablemente favorecerá aquellos caracteres que significan mayor
aumento en los ingresos.
Los caracteres elegidos para mejorar deben ser posibles de cuantificar. Tanto para
seleccionar los individuos deseados, como para determinar la herencia de los
caracteres, es necesario poder medir los caracteres en cada individuo.
También es necesario que la variación entre los individuos tenga un componente
genético. Si la variación se debe solamente a efectos del medio ambiente, ¡lo
único que se podría mejorar sería el lugar de la plantación! Por suerte,
prácticamente todos los caracteres utilizados por mejoradores han resultado tener
un componente genético que permitió tener éxito en sus programas.
LA GENÉTICA CUANTITATIVA
Cabe destacar que todos los efectos que se van a deducir dependen de las
frecuencias de los alelos en la población. Por lo tanto, los valores que se pueden
estimar corresponden solamente a esta población, ya que cualquiera otra
población tendrá diferentes frecuencias de los genes que controlan el carácter de
interés.
Consideramos dos alelos para cada gen variable, y que cada genotipo contribuye
una cantidad determinada al valor del carácter. La magnitud del efecto aditivo es
a, y del efecto de dominancia, d. Ocuparemos una escala arbitraria, centrada en
0, para deducir los efectos de los genotipos (cuadro 3).
CUADRO 3
ESCALA ARBITRARIA DE EFECTOS DE GENOTIPOS
CUADRO 4
PROMEDIO DE VALORES EN LA POBLACION
A1A1 p2 +a p2a
A1A2 2pq d 2pqd
A2A2 q2 -a -q2a
Si no hay epistasis entre los loci que controlan el gen, se puede promediar los
efectos de todos los genes que afectan el valor del carácter:
_
M = ∑ ai (pi - qi) + 2∑ dipiqi
_
M es el promedio de la población para el carácter.
CUADRO 5
EFECTO PROMEDIO DE UN ALELO
CUADRO 6
EFECTO PROMEDIO DE SUBSTIUIR UN ALELO POR OTRO
Valor del Cruzamiento = VC. ¡Por fin, un concepto que parece tener algún
significado real! El VC es el ”valor” de un individuo, juzgado por el valor promedio
de su progenie. Si se cruza un individuo con un número de otros elegidos al azar
de la población, el VC es dos veces la diferencia entre el promedio de estos hijos y
el promedio de la población.
_
VC = 2 (M1 - M)
sumando por los dos alelos en cada locus y por los loci que afectan el carácter.
Los valores correspondientes para un locus se encuentran en el cuadro 7.
CUADRO 7
VALOR DEL CRUZAMIENTO
Genotipo Valor de
cruzamiento
2α1 = 2αq A1A1
α1 + α2 = (q-p)α A1A2
2α2 = -2pα A2A2
Interacciones
Contando con los valores genotípicos para las 6 combinaciones con dos loci, y con
sus frecuencias en una población, se puede deducir, por metodología similar a lo
anterior, las desviaciones debidas a los varios tipos de interacción o epistasis.
Como esto generalmente no es el caso, se espera que las interacciones no sean
importantes. Cabe notar, sin embargo, que a la medida que un programa de
selección reduzca la variación aditiva, la epistasis cobrará más importancia en los
valores del carácter.
Ambiente
Para estimar el efecto del ambiente, es necesario contar con clones, que crecen
en diferentes condiciones. Se ha efectuado esta estimación para algunas
especies (para ciertos caracteres), pero cabe notar que los valores dependen de
los ambientes utilizados. Los programas de mejora de cereales, pollos, y algunos
otros tratan de que los ambientes sean lo más homogéneos posibles, para reducir
esta fuente de variación. En el caso de los árboles forestales los ambientes son
heterogéneos por naturaleza, lo mejor que se puede hacer es probar los árboles
mejorados en varios ambientes.
Otra limitante del modelo cuantitativo es que es válido solamente para el ambiente
en que crece la población de estudio. Para proyectar sus resultados a otros
Varianza y covarianza.
AD = P + Q
2
AD = ½ + 0 = ¼ DOM = _ x 0 = 0
2
Para hermanos completos, AD = ½ + ½ = ½, DOM = _ x _ = ¼
2
Heredabilidad
CONCLUSIONES
Si el carácter que nos interesa mejorar tiene bastante variación genética en la
población que se construye y buena heredabilidad, responderá a la selección
artificial y será mejorado. Al seleccionar los ”mejores” individuos, se estará
cambiando las frecuencias alélicas de los genes que afectan el carácter,
eventualmente haciendo monomórficos a varios de ellos. El resultado será
individuos menos variables, es decir un producto más homogéneo. Si esto no trae
consecuencias indeseadas (como, por ejemplo, susceptibilidad a plagas o
heladas), los árboles mejorados tendrán bastante más rendimiento que sus
progenitores originales.
LA VARIABILIDAD POBLACIONAL
INTRODUCCIóN
En cualquier población de individuos en las que se incluyen los bosques, es posible reconocer la
existencia de variabilidad. Hay una variación muy evidente de las características fenotípicas entre
distintas especies, y variaciones más sutiles dentro de una misma especie (Balocchi y Delmastro,
1993), aún creciendo en un mismo sitio.
Así es posible ver a distintos grupos de especies ocupando un mismo sitio, tan disímiles entre sí
como helechos, coníferas y latifoliadas, o bien especies con ancestros comunes más cercanos como
los representantes de un orden o familia botánica o especies del mismo género con diferencias
fenotípicas absolutamente evidentes, como las existentes entre Nothofagus dombeyi y Nothofagus
obliqua.
Dentro de la misma especie, también es posible identificar niveles de variación importantes, como en
el caso de Nothofagus antartica en el que se describen tres morfotipos definidos por distintos
hábitats (Ramírez et al., 1985), o las variaciones identificadas para Drimys winteri también
asociadas a hábitats distintos (Hernández et al., 1996; Millanao, 1984).
Pero dentro de una misma población, pequeña o grande, asociada a factores edafoclimáticos
homogéneos, aún es posible encontrar variación, incluso dentro de familias de medios hermanos, de
hermanos completos e incluso entre individuos con la misma constitución genética (clones).
Esta variación es causada por las diferencias medioambientales en un mismo sitio, y por la
constitución genética individual. A ambientes exactamente iguales, pequeñas diferencias genéticas
pueden producir cambios observables entre individuos, y a una constitución genética idéntica,
pequeñas diferencias de micrositio producen variación.
La variación observable tiene gran importancia para la silvicultura, ya que cualquiera que sean sus
causas, éstas pueden ser manejadas modificando el ambiente en que se desarrollan los individuos, la
constitución genética de éstos, o una combinación de ambas (Balocchi y Delmastro, 1993).
Como es posible observar en el capítulo introductorio, existen básicamente dos causas por las que
individuos, tales como los árboles forestales, presentan variaciones entre ellos y dentro de ellos
mismos. Una de las causas de la variabilidad, son las distintas condiciones medioambientales a las
que estos individuos están expuestos, y la otra gran causa, es la constitución genética individual
(Balocchi y Delmastro, 1993)
1
Ingeniero Forestal. Instituto de Silvicultura, Universidad Austral de Chile, Casilla # 567, Valdivia,
Chile.
e-mail: [email protected]
Tanto Zobel y Talbert (1988) como Donoso (1993), incluyen expresamente un tercer factor causal de
variabilidad dentro de las especies, el cual es la interacción que se produce entre el genotipo o
constitución genética de los árboles y los ambientes en los cuales ellos crecen.
Por último Ipinza (1997) agrega a lo anterior la variable tiempo como fuente de variación importante,
representada por la edad de los árboles al momento de ser estudiados.
A simple vista no se puede separar entre los factores medioambiental y genético, pero se sabe que
en términos generales, el fenotipo (lo que se observa en un individuo) es la suma de las influencias
del genotipo, del ambiente, de la interacción entre el genotipo y el ambiente y de la edad:
La acción directa del medioambiente puede inducir a que un fenotipo no logre crecer en un sitio
determinado, o bien que dicho fenotipo tenga la capacidad de cambiar su forma o fisiología para
sobrevivir, aumentando la variabilidad observable en la especie, sin que esto implique cambio
genético. En este caso se habla de plasticidad fenotípica (Donoso, 1993).
Por el contrario, si el mismo efecto ambiental produce una presión de selección dentro de los
individuos de una especie menos plástica en una población, esta presión va a inducir a que dicha
población sufra un cambio direccional y se diferencie genéticamente de otras poblaciones de la
misma especie creciendo en ambientes diferentes, generando distintos ecotipos o razas geográficas.
Habitualmente, especies que se distribuyen en áreas bajo distintos ambientes, evidencian diferencias
fenotípicas causadas directamente por dicho ambiente y además diferencias genéticas generadas a
partir de una adaptación a esos mismos cambio ambientales mediante la selección natural (Balocchi
y Delmastro, 1993)
Mediante estudios en distintas especies, se ha podido establecer que hay características que son
menos influenciables por el medioambiente directo, y por lo tanto tienen un mayor control genético y
poca plasticidad. Dentro de éstas, las que en general tienen una menor vulnerabilidad, son las
características relacionadas con el sistema reproductivo (morfología de frutos, flores y polen,
capacidad germinativa y mecanismos de polinización), y otras relacionadas con las características
físicas de la madera (densidad y largo de fibra).
Categorías de Variación
Según Zobel y Talbert (1988) es posible diferenciar la variación que presenta una especie forestal
determinada, en distintas categorías, ellas son:
Las diferencias entre procedencias normalmente son grandes, están relacionadas con caracteres
adaptativos y en general poseen bastante control genético. En adaptabilidad, esta categoría de
variación es la más importante.
Dentro de una procedencia, existen distintos sitios, y en algunos casos, las diferencias fenotípicas
de los árboles relacionadas con los sitios, son bastante marcadas, sin embargo en general son
expresiones de plasticidad.
Aún puede existir dentro de un sitio determinado, variación entre distintos rodales, pero por lo general
esas variaciones son pequeñas y tienen muy poca importancia.
El caso de la variación entre árboles creciendo dentro de un mismo rodal, es mucho más notorio. La
alta variabilidad entre individuos se relaciona principalmente con características que los genetistas
aprecian, tales como rectitud, densidad de la madera, largo de fibras, crecimiento, forma de las
ramas y resistencia a enfermedades, y su control genético es relativamente alto.
También existen variaciones dentro de un mismo árbol, entre las que se destacan la densidad de la
madera y el tamaño de las hojas. Estas variaciones son causadas generalmente por el ambiente,
pero son muy importantes de tener en cuenta al momento de establecer muestreos de variabilidad.
En resumen, alrededor del 90% de la variación en bosques naturales, se debe a variación entre
distintas procedencias (nivel geográfico) y entre individuos de un mismo rodal. (Zobel y Talbert, 1988)
Toda la variabilidad que es posible observar en rodales naturales e incluso en plantaciones, proviene
de alguna de estas fuerzas, algunas de las cuales actúan para aumentar la variabilidad y otras para
disminuirla, generando un equilibrio dinámico que hace posible el mantenimiento y funcionamiento de
los ecosistemas.
La variabilidad se debe a cuatro grandes fuerzas, la mutación y el flujo de genes que aumentan la
variabilidad, y la deriva genética y selección natural que la disminuyen.
Mutación
Las mutaciones son cambios heredables a nivel de gen y son la fuente última y el origen de toda la
variación existente (Zobel y Talbert, 1988). Las mutaciones ocurren mediante cambios estructurales
bruscos de las moléculas de ADN, los cuales son al azar y pueden ser producto de una acción física
o química del medio.
De hecho, todo polimorfismo observado en especies animales y vegetales tiene su origen en las
mutaciones.
La menor mutación posible es el reemplazo de un nucleótido por otro en la cadena de ADN, pero
otras mutaciones pueden involucrar varios nucleótidos, o ser aberraciones mayores tales como las
translocaciones, inversiones, deficiencias y duplicaciones de segmentos de ADN.
Las mutaciones ocurren con bastante frecuencia en células de cualquier punto de un organismo, y
aunque se sabe que a medida que los organismos tienen mayor cantidad de genes y sus poblaciones
son más grandes, la probabilidad de mutación es mayor, estimar una tasa de mutación para una
población dada es muy difícil.
La mayoría de las mutaciones son deletéreas, es decir producen una afuncionalidad que impide al
organismo desarrollarse, sobre todo cuando son grandes mutaciones. Otro gran porcentaje son
recesivas (sólo pueden expresarse en homocigosis) o neutrales (aunque aparezcan en forma
homocigota no influyen en el fenotipo) y en un porcentaje muy pequeño pueden llegar a producir
alteraciones funcionales positivas que se fijen y prosperen en la población.
Aún así, muchas mutaciones pequeñas y neutrales se van acumulando, y es posible que
posteriormente, la suma de ellas genere un cambio adaptativo importante.
Flujo de Genes
El flujo de genes se puede producir mediante la migración de alelos entre poblaciones relacionadas,
debido al movimiento de polen o semillas, o bien a través de transferencia de genes por medio de la
introgresión. Siempre el flujo es positivo, es decir enriquece la variabilidad de la población.
Migración
La inclusión de nuevos genes mediante la llegada de individuos o genes foráneos (inmigración)
depende principalmente del sistema de cruzamiento existente dentro de una especie. El tipo de
diseminación de la semilla y de polinización son la clave de un nivel de migración alto. Es así como
por ejemplo, en el complejo de variación de Nothofagus obliqua, donde existe una variación
marcadamente clinal (Donoso, 1979a), es muy probable que la polinización anemófila de la especie
favorezca la migración e impida posibles diferenciaciones más bruscas entre las poblaciones.
También es posible que la diseminación anemócora ayude a la colonización acelerada de superficies,
en especies que han sufrido reducciones importantes de sus poblaciones, permitiendo una rápida
recuperación de los niveles de variación, como al parecer ha sucedido con Fitzroya cupressoides
luego de las glaciaciones (Allnutt et al., 1998).
Introgresión
Es la incorporación de nuevo material genético de una especie o población a otra a través de
sucesivas hibridaciones, donde los híbridos resultantes de cruzamientos interespecíficos se vuelven a
cruzar con una de las poblaciones parentales (retrocruzamiento). De esta forma parte de los genes de
una especie se transfieren a la otra, en una proporción que termina siendo tan pequeña que no se
puede hablar ya de híbridos, pero que puede ser adaptativamente muy importante.
Deriva Genética
Tanto en el caso citado de F. cupressoides (Allnutt et al., 1998), como en muchas especies que han
evolucionado bajo la influencia de sucesivas glaciaciones, en cada período glacial las poblaciones se
han refugiado en pequeños relictos aislados entre sí y propensos cada vez a la deriva genética,
produciendo el llamado embotellamiento genético.
Otra causa de deriva genética es producida por la acción antrópica. Por ejemplo, en campos de
cultivo que antes estaban cubiertos de bosques, luego de la limpia del lugar, normalmente
permanecieron pequeños bosquetes a la orilla de los potreros. Posteriormente, al ser abandonados
ciertos campos, la regeneración posible de establecerse va a estar conformada por frecuencias
génicas distintas a las del bosque original (Zobel y Talbert, 1988).
Selección natural
En algunos casos, la selección natural puede mantener e incluso aumentar la variabilidad, siempre y
cuando sean favorecidos por la selección aquellos genotipos heterocigotos.
La forma cómo se ordena esta variación en el territorio, puede encasillarse en uno de dos tipos de
variación genética, la variación clinal, que implica cambios continuos en un gradiente medioambiental,
y la variación ecotípica que implica cambios abruptos (Balocchi y Delmastro, 1993).
En gradientes medioambientales estables, cada población local tiende a separarse por el efecto de la
selección estabilizadora, pero por el efecto de las migraciones, o flujo de genes por polen y semillas,
existe un permanente intercambio de genes con las poblaciones vecinas, lo que tiende a mantener el
gradiente genético.
Los ecotipos se caracterizan por estar reproductivamente aislados, por lo cual no presentan entre sí
un significativo intercambio de material genético. Dicha aislación puede ser propia de un cambio
ambiental brusco o barreras ambientales abruptas, o también puede provenir de las dificultades de
mantener un flujo de genes con poblaciones aledañas en un gradiente medioambiental.
EVALUACIÓN DE LA VARIACIÓN
Existe una serie de técnicas para la evaluación de los patrones de variación de las especies
forestales. Algunas se basan en la observación del fenotipo de las distintas poblaciones naturales,
Para determinar la cantidad, distribución y tipo de variabilidad en bosques naturales, Zobel y Talbert
(1988) indican que un muy buen procedimiento es el muestreo anidado, que consiste en establecer
patrones de variación en distintos niveles, tales como ”entre procedencias”, luego ”entre sitios
dentro de procedencias”, etc. (ver acápite ”Categorías de Variación”). El objetivo es determinar en
qué niveles existe mayor o menor variabilidad.
Debido a que este tipo de estudio se realiza en poblaciones sin pedigrí, no nos entrega luces acerca
del control genético de las características en cuestión. Las condiciones de campo mantienen ocultas
las proporciones de los componentes genéticos y ambientales, por lo cual, es mejor utilizar variables
que se sepa tienen algún grado de control genético.
Múltiples ejemplos de este tipo de estudios se pueden dar, entre los cuales figura la mayoría de los
estudios ya aludidos en este capítulo.
Ejemplo de este tipo de estudios se tienen en F. cupressoides usando terpenos (Cool et al., 1991) y
usando RAPDs (Allnutt et al., 1998), o en N. alpina usando isoenzimas (Premoli, 1996).
La forma más adecuada para determinar el monto y distribución de la variación genética en una
población, consiste en establecer ensayos con las progenies de distintos árboles que crecen
naturalmente en dos o más procedencias distintas (Vergara et al., 1998).
Estos ensayos pasan a constituir rodales de medios hermanos que entregan valiosa información
respecto al nivel de heredabilidad de las características estudiadas, a los efectos de plasticidad, el
monto de las interacciones del genotipo con el ambiente, cuando se establecen réplicas en distintos
sitios, y mucha otra información.
Una buena batería de ensayos, estableciendo un muestreo adecuado, genera una gran cantidad de
información, pero tiene las desventajas de ser una actividad muy cara y de requerir mucho tiempo
para obtener los resultados esperados.
REFERENCIAS
Allnutt, T.; Newton, A.; Lara, A.; Armesto, J.; Premoli, A.; Vergara, R. y Gardner, M. 1998. Genetic
variation in Fitzroya cupressoides (alerce), a threatened South American conifer. Artículo enviado a
Molecular Ecology
Cool, L.; Powel, A. y Zavarin, E. 1991. Variability of foliage terpenes of Fitzroya cupressoides.
Biochemical Systematics and Ecology. 19(5):421-432.
Delmastro, R. 1977. Informe de genética forestal. Proyecto CONAF PNUD FAO. Facultad de
Ingeniería Forestal, Universidad Austral de Chile, Valdivia. 54 p.
Donoso, C. 1979b. Nothofagus leonii Espinosa, a natural hybrid between Nothofagus obliqua
(Mirb.) Oerst.) and Nothofagus glauca (Phil.) Krasser. New Zealand Journal of Botany 17:353-360.
Ennos, R. 1996. Utilising genetic information in plant conservation programmes. In: Aspects of the
Genesis and Maintenance of Biological Diversity. Edited by Hochberg, M.; Clobert, J. and Barbault, R.
Oxford University Press.
Ipinza, R. 1997. ”Bases teóricas para la selección de árboles plus”. En: Primer Taller de Trabajo,
proyecto FONDEF D96/1052. Valdivia, Julio 3, 1997.
Millanao, D. 1984. Diferenciación genecológica de dos poblaciones de Drimys winteri Forst. (IX y X
Región, Chile). Tesis Ingeniero Forestal, Facultad de Ciencias Forestales, Universidad Austral de
Chile, Valdivia. 74 p.
Premoli, A. 1996. Allozyme polimorphisms, outcrossing rates, and hybridization of South American
Nothofagus. Genetica 97:55-64.
Ramirez, C.; Correa, M.; Figueroa, H. y San Martín, J. 1985. Variación del hábito y hábitat de
Nothofagus antartica en el centro sur de Chile. Bosque 6(2):55-73.
Vergara, R.; Ipinza, R.; Donoso, C. y Grosse, H. 1998. Definición de zonas de procedencias de roble
(Nothofagus obliqua (mirb.) oerst.) y raulí (Nothofagus alpina (Poep. et endl.) Oerst.). Estado de
avance. Trabajo aceptado en el Primer Congreso Latinoamericano IUFRO. Valdivia, Chile, 1998.
Zobel, B y Talbert, J. 1988. Técnicas de mejoramiento genético de árboles forestales. Trad. por
Manuel Guzmán Ortiz. Editorial Limusa, México. 545 p.
INTRODUCCIÓN
Esta varianza genética está sujeta a fuerzas dinámicas y a la manipulación del mejorador. Si existe
un potencial para una varianza mayor, existirá una respuesta continua a la selección, y se mantendrá
la capacidad para una buena adaptación. Esta dinámica de la varianza genética considerará una
continua generación de mayor varianza debido a la recombinación, mutación y mejora. El mejorador
actuará no sólo a través de la selección direccional, sino también estructurando las poblaciones para
identificar y manejar la variabilidad.
Este capítulo revisa los elementos teóricos para manejar las varianza genética y cómo es posible
estructurando la población sujeta a mejora o conservación, poder llegar a definir los elementos
estructurales del ciclo de mejora genética.
RECURSOS GENÉTICOS
El mayor punto de desacuerdo acerca de los métodos de conservación son los supuestos hechos
acerca de la naturaleza de los recursos genéticos y su dinámica. Uno de los supuestos es el número
de genes que afecta a una característica. Si cada rasgo fuera controlado por un solo locus, como
puede creerse popularmente, entonces sin duda, cada alelo en cada locus sería significativo y su
pérdida podría disminuir la capacidad de la población para responder a cambios ambientales. Esto
favorecería las grandes recolecciones y reservas para la conservación de alelos y, entre menos
frecuente el alelo, más grande debe ser la colección. Se presume, de acuerdo a estudios teóricos,
que para propósitos de conservación el tamaño efectivo de la población debería ser cercano a los
1000 individuos. Sin embargo, la mayoría de los rasgos de importancia son controlados por muchos
loci y cada locus tiene efectos que controlan la expresión de muchos rasgos. Por lo tanto, el efecto
de un alelo en un locus a menudo puede ser sustituido por otro de los varios alelos o por otro loci, el
que actúa en la misma o de distinta manera. Un ejemplo simplificado será usado para ilustrar este
tipo de control genético. Se supondrá que todos los alelos con un índice común contribuyen
idénticamente a la aptitud reproductiva. Entonces el genotipo A1A1B1B2C1C2 tendrá la misma aptitud
reproductiva que A2A2B1B1C1C1, y así para todos los otros genotipos que tengan cuatro alelos
1
Ingeniero Forestal, Dr. Ingeniero de Montes, Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
indexados por 1. Para la evolución de un producto final dado existen muchas opciones y la evolución
no depende de genes únicos.
El rasgo promedio puede ser sustituido cambiando los alelos que tienen efectos aditivos y la mayor
sustitución será causada por alelos que son más comunes y no más raros. Por ejemplo si los alelos
en una frecuencia bajo 0.01 o sobre 0.09 tienen poco efecto sobre la varianza genética aditiva y por lo
tanto un pequeño efecto sobre la adaptabilidad, no es necesario salvarlos en todos los loci, y de
hecho, la evolución en las siguientes generaciones no dependerán de alelos raros, y guardarlo no es
una preocupación inmediata. Existe un legítimo interés por el papel que juegan los alelos raros en la
evolución a largo plazo, pero no se pueden manejar los recursos teniendo en cuenta esas
preocupaciones sin tener que crear grandes colecciones y reservas para almacenar estos alelos
únicos. Para un programa de mejora con propósitos comerciales se considera suficiente 300 a 400
individuos.
Otra fuente de desacuerdo es el supuesto de que la evolución por regeneración natural siempre
maximiza la aptitud reproductiva y que la menor intervención hecha por el hombre es la mejor
estrategia de conservación. Sin embargo, el resultado de la selección refleja los efectos de las
condiciones previas y por lo tanto no es sólo la fuerza de la evolución la que da forma al recurso
genético. Debido a que los principales efectos de la selección operan al nivel del organismo individual,
los efectos de la selección sobre rasgos específicos serán dependientes de cómo un rasgo está
relacionado con otros rasgos que constituyen la aptitud reproductiva total. De este modo, los rasgos
algunas veces están negativamente correlacionados, lo que significa que el progreso en un rasgo
conducirá al deterioro en otro. La plasticidad fenotípica también permite que algunos individuos
sobrevivan, incluso si ellos no maximizan su aptitud reproductiva en un ambiente específico. Además,
algunos genes y rasgos de poca importancia para la aptitud reproductiva son cambiados simplemente
por una acción accidental. Aun más, los genes individuales usualmente afectan varios rasgos
pleiotrópicamente, y por lo tanto, no es cierto que cualquier rasgo puede estar en un nivel óptimo. El
continuo cambio ambiental, con o sin grandes eventos, fuerza a la selección natural a actuar en una
infinidad de direcciones, por lo tanto la máxima aptitud reproductiva nunca será obtenida.
Entre las otras fuerzas de la evolución que afectan la estructura del recurso genético está la deriva
genética y su contraparte, la migración. Poblaciones de pequeño tamaño permiten procesos
aleatorios que afectan fuertemente la distribución genética y reducen la variación dentro de las
poblaciones, esto implica de acuerdo a estudios de simulación que sólo un poco más del 50 % de la
varianza aditiva permanece después de 10 generaciones en una población con un tamaño efectivo (Ne)
= 8, y más del 25 % de la varianza se pierde en Ne = 16. La pérdida genética es una fuerza evolutiva
de importancia que puede cancelar el efecto de la selección natural en pequeñas poblaciones. En
resumen, las fuerzas evolutivas como la selección, la deriva y migración actúan de formas complejas
y no conducen a que la naturaleza produzca perfección. El actual estado del recurso genético puede
ser considerado la condición inicial que se tiene para el futuro, pero no puede ser considerado en
forma sagrada, y su mantención sin cambios no debe ser el objetivo de la conservación. Actualmente,
resulta claro que lo que sea que haya producido la evolución, las especies que han sobrevivido son
exitosas, la pregunta, sin embargo, es si mantendrán sus óptimas condiciones en el futuro,
especialmente al enfrentar cambios ambientales (incluyendo posibles cambios climáticos globales).
Por esta razón el hombre esta obligado a intervenir, en especial si este ha jugado un papel en el
deterioro de los recursos genéticos a través de la selección disgénica. Si el recurso genético es
entendido como un sistema dinámico, entonces la estructura de cualquier especie debería ser
considerada como una de las muchas posibles estructuras, y su estructura actual, por su naturaleza,
debe ser considerada como un estado temporal.
Para manejar la varianza dentro de una población, se debe manejar el tamaño de ésta, la intensidad
de selección y las tasas de mutación. Durante décadas han sido llevados a cabo intentos por
incrementar la variación en forma artificial a través de mutaciones inducidas, aunque la mayoría de
ellas son indeseables. Incluso en la ausencia de mutaciones inducidas, y basados en los niveles de
mutación espontánea, es posible mantener niveles aceptables de varianza genética en las
poblaciones. El efectivo manejo de la varianza genética dentro de las poblaciones depende de los
métodos usados para capturar estas nuevas mutaciones e incrementar sus frecuencias a niveles en
que contribuyan sustancialmente a la varianza genética efectiva.
Una interesante forma de manejar la varianza genética es reduciéndola entre poblaciones divergentes
y luego incrementándola a través de híbridos de generación avanzada entre poblaciones. Slatkin y
Lande (1994) han mostrado significativos avances en cruzamientos de poblaciones a las que se les
permite derivar por un período. La varianza dentro de la población de padres puede permanecer sin
cambios pero la magnitud de la varianza en F2 se incrementa con el tiempo de separación. La
magnitud de la varianza dependerá del tipo de varianza genética del rasgo. Cuando la variación racial
es mantenida por varios alelos de moderado o poco efecto, la varianza se incrementará linealmente
con el tiempo de separación. Cuando la variación racial es mantenida por alelos de baja frecuencia, el
incremento en la varianza racial será menor. Aunque la utilidad de la varianza racial es incierta en un
programa de selección dirigido, puede ser beneficiosa desde un punto de vista adaptativo.
Cuando las poblaciones son seleccionadas divergentemente y cruzadas para producir una generación
F2, la varianza genética se incrementa a medida que la divergencia entre las poblaciones iniciales
aumenta. Basados en un modelo mutación-selección de adelante hacia atrás, los cálculos numéricos
mostraron mayores varianzas respecto a aquellas en las que se utilizaron poblaciones no
seleccionadas. La magnitud de la varianza genética aditiva de F2 expresada cuando las poblaciones
divergentes hibridizan, varía dependiendo de la distribución de frecuencias iniciales en las poblaciones
de progenitores. Distribuciones uniformes y en forma de ”U” muestran incrementos en la varianza
genética de F2 con incrementos en el tamaño de la población. Una vez que la mutación ha ocurrido,
los nuevos alelos contribuyen a la varianza genética más pronto, cuando el tamaño de la población es
pequeño. Comparado con poblaciones de gran tamaño, la frecuencia genética inicial de los nuevos
alelos será mayor en poblaciones más pequeñas, produciendo una varianza genética más alta en F2.
Estos resultados indican que el éxito en el manejo de la varianza genética dependerá de la selección
histórica de los rasgos bajo consideración.
Para propósitos prácticos, sin embargo, el interés está puesto en cualquier mejoramiento de la
variación. En un programa de mejora operacional, puede no ser económicamente rentable mantener
poblaciones divergentes. Además, los estudios de simulación muestran que si la acción de los genes
es enteramente aditiva con respecto a la aptitud reproductiva total, entonces las poblaciones sin
subdivisiones tienen ventajas sobre las poblaciones divididas.
Por otra parte, es bien sabido que varias poblaciones pequeñas pueden buscar en forma más
completa una línea de adaptación para varias cimas de adaptación, que una sola plantación de
cualquier tamaño. Wright (1952) concluyó que es posible un mejoramiento más rápido, si una
población es subdividida en pequeñas líneas con cruzas regulares y selección entre líneas. Un
método utilizado en la mejora forestal para el control de la endogamia es el llamado sistema de
sublíneas. Las poblaciones dentro de unas especies que están adaptadas a condiciones climáticas
divergentes por muchos años pueden ser utilizadas para estas cruzas. Estos híbridos de procedencia
pueden ser considerados como una opción para "preacondicionar" la población a futuros cambios
climáticos.
En algunos estudios de simulación se ha concluido que un programa de mejora que combine las
subdivisiones, puede ser más efectivo cuando la epistasis de cimas múltiples es el tipo de acción
genética dominante, incluso si la acción genética es independiente y aditiva en locus individuales.
Una función con valores de múltiples rasgos puede crear valores reproductivos alélicos de forma que
existan muchas cimas epistáticas. Para explorar este complejo aspecto en la mejora, deben
utilizarse distintos genes y combinaciones de rasgos para finalmente lograr los más altos valores
posibles con una sola población. En árboles forestales, donde el mejoramiento implica un complejo
de varias características, un valor epistático total puede ser esperado aun si la acción genética en los
rasgos individuales son notoriamente aditivos entre loci. Al igual que la no aditividad entre los rasgos
puede causar una interacción en una función de valor compuesta (Namkoong, 1985), la no aditividad
del crecimiento, la resistencia y la calidad de la madera puede crear un complejo valor externo.
Aunque por otro lado, ayudará a obtener los valores más altos que sea posible para una sola
población, además permitirá generar altas varianzas para las generaciones F2 de las poblaciones
progenitoras que están en distintas cimas. De esta manera, es posible el mejoramiento simultáneo
de la población en la dirección de interés del mejorador y la mantención de altos niveles potenciales
de varianza genética.
La idea básica del mejoramiento genético es acumular combinaciones de genes que favorezcan las
características o rasgos de interés a través de la selección recurrente. Para llevar a cabo dicho
proceso es necesario definir una serie de actuaciones sobre los recursos forestales a mejorar. Dichos
recursos deben ordenarse y estructurarse de forma tal de poder manejar en forma óptima la varianza
genética.
El proceso de domesticación se inicia definiendo los objetivos y realizando la selección. En todo este
proceso es posible distinguir varias poblaciones. Namkoong et al., (1966) fue el primero en reconocer
las diferentes funciones de una población. Van Buijtenen (1975, 1976) clasificó las poblaciones en
cuatro tipos: poblaciones de mejoramiento, poblaciones de pruebas de progenie, poblaciones
productoras de semilla y población base. Lindgren y Gregorius (1976) consideran seis grupos. Ellos
agregaron a los cuatro anteriores los conceptos de población fundadora y población de conservación
de genes.
La clasificación anterior está basada en las funciones y no en su subdivisión física. Por ejemplo, una
única población puede desempeñar diferentes funciones, y una población de mejora puede
subdividirse en muchas subpoblaciones.
Kang (1982), analizó siete casos de poblaciones de producción o productoras de semilla, de menor a
mayor complejidad y ganancias genéticas. Las poblaciones están representadas por rectángulos.
Sus clases funcionales se muestran sobre la línea horizontal y los nombres estructurales se
muestran bajo la línea. Los ejemplos más simples son escogidos para demostrar que una población
física puede desempeñar más de una función.
M: Población de mejora
I: Población de investigación
S: Población de producción o productora de semillas
P: Población productora de madera
P, M, I
Plantación
Recolección Cosecha
de semillas Selectiva
S
Area productora
de semilla
P, M, I
Plantación
S
Huerto semillero
clonal
P, M, I
Plantación
Depuración y Selección y
recolección de semilla recolección de semilla
S, I
Huerto semillero de
semillas
P, M, I
Plantación
S
Información Huerto semillero
clonal
I
Prueba de progenie
semillero
de semilla
M, I
Población de
mejora
Polinización
Abierta o
controlada y Depuración y
recolección selección
de semillas
S
Huerto semillero
Polinización abierta y
recolección de semilla
P
Plantación
Caso 6: Huerto semillero clonal a partir de una prueba genética, pero sin
prueba de progenie. Considera un ciclo recurrente.
Número de poblaciones físicas = 3
P ≠ M, I
Después de la selección, recolección de púas para el huerto semillero clonal y
recolección de semilla para la población de mejora de la siguiente generación, la
población M actual es destruida.
M, I
Población de
mejora
Polinización
Abierta o
controlada y
recolección Selección
de semillas
Recolección de púas
S
Huerto semillero clonal
P
Plantación
M, I
Población de
mejora
Polinización
Abierta o
controlada y Selección
recolección
de semillas
Recolección de púas y
semilla
S I
Huerto semillero Prueba de progenie
clonal
Depuración y Información
recolección de
semilla
P
Plantación
Todos los programas modernos de mejoramiento genético presentan una estructura en común
denominada "Ciclo de Mejoramiento” (White, 1987). Aunque debe reconocerse que el Ciclo de
Mejoramiento es una simplificación de un programa de mejoramiento genético. El caso 7 se presenta
POBLACIÓN
BASE
CRUZAMIENTO SELECCIÓN
I C
PRUEBAS N A
POBLACIÓN V
POBLACIÓN GENÉTICAS SELECCIO- P
E E
DE MEJORA A
EPPA, EPPC, NADA S X
C
T T
etc I
I E
T
G N
A
A S
C
C I
I
I Ó
Ó
Ó N
N
N
POBLACIÓN
D E
INFUSIÓN
SELECCIÓN
ADICIONAL
POBLACIÓN
POBLACIONES PLANTACIÓN
EXTERNAS D E OPERACIONAL
PRODUCCIÓN
FIGURA 1.
CICLO DE MEJORA GENÉTICA
- población base
- población seleccionada
- población de producción
- población de mejora
- población de infusión
- pruebas genéticas
Estas poblaciones se forman en cada generación desde las poblaciones tipos precedentes. Por
ejemplo, la población "seleccionada” es formada desde la población "base”, a través de la actividad
de selección. Las poblaciones periféricas al "ciclo de mejora”, tales como la población de producción
y de infusión no necesariamente tiene que ser creadas en cada generación. En agricultura, para
alcanzar una población de producción en algunas ocasiones transcurren varios ciclos de mejora, es
decir, varias generaciones.
Por otro lado, la separación de la población de producción del cuerpo principal del ciclo de
mejoramiento obedece a razones conceptuales. El ciclo de mejoramiento (población base,
seleccionada y de mejora), tiene como función verificar las ganancias genéticas y mantener la
varianza genética para las actuales y futuras generaciones de mejora.
Las pruebas genéticas son una parte importante del ciclo de mejoramiento, aunque costosas,
proveen de información necesaria para una efectiva toma de decisiones.
Población Base
La unidad o área geográfica para la cual se desarrolla una variedad mejorada, se denomina unidad de
mejora. Cada unidad de mejora tiene un programa de mejora distinto, con su propia población base,
población seleccionada, población de mejora y de producción. A este respecto, existen dos
decisiones criticas; definir la población base y los límites de la unidad de mejora.
Una población base de primera generación se encuentra conformada por millones de individuos y una
inmensa variabilidad genética. Una población base de generación avanzada consiste de árboles
mejorados genéticamente que crecen en los ensayos genéticos, además, a estos árboles se les
conocerá el pedigrí, es decir, sus progenitores, ancestros, historia y origen geográfico.
Población seleccionada
El ciclo de mejora comienza en cada generación con la selección desde la población base de árboles
superiores. En un programa de primera generación, la selección normalmente es masal. En
programas de generación avanzada los árboles superiores se seleccionan de acuerdo al desempeño
individual y de sus progenitores y parientes.
Los criterios de selección son fundamentales y, por esta razón, en los programas se establecen
rigurosas metodologías de selección, que asegura la superioridad de los árboles seleccionados. Se
considera apropiado en la primera generación de Pinus radiata una intensidad de selección de 1
cada 100.000 árboles visitados.
La edad de selección también es otro factor que cambia de acuerdo a la generación y al objetivo de
mejora. Se considera que la selección debe realizarse, al menos, cuando los individuos pasen el 50%
de la edad de la rotación. En generaciones posteriores, cuando se conoce el pedigrí de los árboles, la
edad de selección puede disminuir, ya que la selección se realiza sobre el valor genético del árbol
individual y de sus parientes.
Población de producción
Para una generación dada, la población está compuesta por algunos o toda la población
seleccionada. La función de la población de producción es producir descendencia genéticamente
mejorada para plantaciones operacionales.
Los huertos semilleros clonales y las áreas de multiplicación clonal (setos) constituyen los tipos más
usados de poblaciones de producción, aunque existen otras alternativas para obtener material para
plantaciones operativas.
La población de producción se puede mejorar con la información de las pruebas de progenie, evitando
que llegue a las plantaciones operacionales descendencia de individuos genéticamente inferiores.
Esto se alcanza a través de dos vías:
Población de Mejora
Para una generación determinada, algunos o todos los individuos de la población seleccionada se
incluyen en la población de mejora. El objetivo de la población de mejora es crear la población base
de la siguiente generación. Esto se alcanza al inducir la recombinación de genes entre genotipos
superiores; la progenie resultante se establece en pruebas genéticas y una vez que la nueva
población base se ha creado, comienza un nuevo ciclo de mejora.
Es importante destacar el papel que cumplen las pruebas genéticas para ordenar (efectuar el
”ranking”) los individuos seleccionados e incluirlos en la población de mejora. En programas de
generación avanzada, los cruzamientos se inician después de la selección desde la población base y
no hay tiempo suficiente para acopiar información acerca de la población seleccionada. En este caso,
todos los individuos de la población seleccionada son incluidos en la población de mejoramiento y,
por lo tanto, la población seleccionada y la de mejora son idénticas.
Población de Infusión
Los programas de mejoramiento, normalmente y en forma periódica, incluyen árboles desde fuentes
externas a la población de mejoramiento, para aumentar la diversidad o incluir nuevos genes. Las
fuentes más comunes son las siguientes:
• selección continua
• individuos probados (elite) de poblaciones de mejora de otras áreas fisiográficas
• cruces para mejorar la rapidez de crecimiento en genotipos resistentes a heladas
• híbridos interespecíficos (resistentes a plagas)
Este tipo de infusiones pueden ampliarnos la base genética y permitir así una intensa selección en
generaciones futuras para un nivel determinado de endogamia.
Pruebas genéticas
En términos generales, una prueba genética es una plantación diseñada a partir de la descendencia
de una de las poblaciones tipos (población base, población seleccionada y población de mejora) del
ciclo de mejoramiento. Dependiendo del papel en el ciclo de mejora, puede denominarse ensayo de
progenie, prueba clonal, población base, ensayo de producción o investigación experimental y, de
acuerdo a su localización, éstas pueden localizarse en el terreno, vivero, invernadero o cámara de frío.
Los objetivos de las pruebas genéticas, de acuerdo a su función en el ciclo de mejora, son las
siguientes:
1.- Ensayo de progenie, es definido como una prueba para estimar el valor
genético de un genotipo, de acuerdo al desempeño de su progenie. Estas
pruebas sirven en varias diferentes etapas del ciclo de mejoramiento, dentro
del cual cumplen varias funciones.
3.- Definir la arquitectura genética. Para realizar esta tarea, es necesario definir la cantidad
relativa o absoluta de la variación genética, debido a: origen geográfico de la semilla, aptitud
combinatoria general y específica, interacción genotipo x ambiente y relaciones juvenil-adulto.
REFERENCIAS
Cornelius, J. 1994. Heritabilities and additive genetic coefficients of variation in fores trees. Can. J.
For. Res. 24: 372-379.
Kang, H. 1982. Component of a tree breeding plan. Proceedings of the IUFRO joint meeting of working
parties on genetics about breeding strategies including multiclonal varieties. Sensenstein September
6-10. pp. 119-135.
Koshy, M. y Namkoong, G. 1996. Futuristic breeding - some plausible options. En Dieters, M. J.,
Matheson, A. C., Nikles, D. G., Harwood, C. E. y Walker, S. M. (eds). 1996. Tree Improvement for
Sstaninable Tropical Forestry. Proc. QFRI-IUFRO Conf., Caloundra, Queensland, Australia 27
October-1 November 1996, pp. 333-337.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto de
1998. Programa CONIF - Miniagricultura. 162 p.
Namkoong, G., Snyder, E. y Stonecypher, R. 1966. Heritability and gain concepts for evaluating
breeding system such as seedling seed orchards. Silvae Genetica 15:76-84.
Namkoong, G. 1985. The influence of composite traits on genotype environment relations. Theor.
Appl. Genet. 70:315-317.
Namkoong, G., Kang, H. y Brouard, J. 1988. Tree Breeding: Principles and Strategies. Springer-
Verlag. 180 p.
Van Buijtenen, J. 1975. Advanced generation breeding. Proceeding of 13th Southern Forest Tree
Improvement Conference; Raleigh, NC. pp. 63-72.
Van Buijtenen, J. 1976. Mating designs. Proceeding of Joint Meeting on Advanced Generation
Breeding. Bordeaux, France. pp. 11-27.
White, T. 1987. A conceptual framework for tree improvement programs. New Forest 4: 325 - 342.
Wright, S. 1952. The genetics of quantitative variability in quantitative inheritance. Mather, K (ee.) Her
Majesties Stationary Office, London pp. 4-41.
INTRODUCCIÓN
Se pueden implementar diversas alternativas para producir en forma inmediata semilla con algún
grado de mejoramiento. Entre otros se puede citar la cosecha desde rodales superiores, la cosecha
desde árboles individuales seleccionados y la creación de áreas productoras de semillas.
Todos los métodos mencionados son de uso temporal, y normalmente se abandonan cuando se
dispone de un huerto semillero permanente.
Normalmente se afirma que los procedimientos de producción de semilla mejorada previos a los
huertos, no permiten obtener beneficios importantes. Efectivamente las ganancias asociadas a
estos procedimientos son menores que las derivadas del uso de semilla de huerto, pero aún así, el
sólo hecho de cosechar en fenotipos seleccionados permite obtener ganancias en adaptabilidad que
justifican su implementación, permitiendo a su vez cumplir con el objetivo del mejoramiento en las
primeras etapas del programa, propagando el mejor material disponible en espera de la habilitación de
los huertos semilleros.
Un área productora de semillas es un rodal natural o una plantación joven que contiene un grupo de
árboles que se han identificado como superiores al resto y que se han conservado y manejado
específicamente para la producción de semillas. En ellas se eliminan los fenotipos de poca calidad y
se conservan sólo los mejores árboles para que se crucen entre sí y produzcan semilla con algún
grado de mejora.
1
Ingeniero Forestal. Instituto Forestal. Casilla 109-C, Concepción.
e-mail: [email protected]
Su uso suele ser temporal, destinándose a satisfacer las necesidades inmediatas de semilla, en
espera de la creación o entrada en producción de los huertos semilleros que generarán semilla con
un grado mayor de mejoramiento.
Para las especies menores o de importancia económica secundaria, para las que no existe el interés
por desarrollar un programa de mejoramiento complejo, las áreas productoras de semillas ofrecen una
posibilidad práctica y operativa de controlar la calidad de la semilla, asegurando su adaptabilidad y
garantizando algún nivel de mejora.
Las ventajas asociadas al uso de las áreas productoras de semillas se pueden resumir de la
siguiente forma:
El grado de mejoramiento genético, o nivel de ganancia, a obtener con un APS dependerá de varios
factores, pero fundamentalmente del grado de selección que en ella se representa, y de la
heredabilidad de las características que se evalúan o se pretenden mejorar.
A pesar de lo anterior, el grado de mejoramiento genético obtenido al usar semillas de APSs suele
ser desconocido, pues los progenitores son seleccionados sólo por sus características fenotípicas y
normalmente no se efectúan las pruebas de progenies correspondientes.
Aún así, en ocasiones estas pruebas se realizan y han permitido verificar que en las áreas
semilleras de pino, en el sur de Estados Unidos, se conseguía sólo un limitado mejoramiento en el
Existen escasos antecedentes específicos relacionados con la ganancia en volumen asociada al uso
de APSs. Muniswami (1977) señala que progenies de Teca (Tectona grandis) generadas con
semillas provenientes de rodales naturales transformados en áreas productoras de semillas, exhiben
en promedio un 10% más de volumen que los árboles producidos con semilla comercial sin
mejoramiento. Por otra parte, en Finlandia, Oskarsson (1971) menciona ganancias en volumen de un
6% en árboles de Pinus sylvestris generados con semilla de APS, respecto a otros de semilla
comercial.
Más antecedentes relacionados con las ganancias genéticas obtenidas como consecuencia del uso
de APSs se presentan en el cuadro 1.
CUADRO 1
GANANCIAS GENÉTICAS ASOCIADAS AL USO DE SEMILLAS DE APS.
ESTABLECIMIENTO DE APS
Selección de rodales
Los rodales que en una primera inspección parecen apropiados para ser convertidos en APS
frecuentemente resultan inconvenientes cuando se analizan con mayor detalle. En general, existen
pocos rodales con edad y localización adecuada, y que además posean suficientes árboles de
calidad para producción de semillas
El rodal que se transformará en APS debe ser el mejor de los rodales disponibles para ese sitio o
localidad, y debe estar lo suficientemente alejado de otros de la misma especie y pobre
características o de procedencias inadecuadas, de modo de evitar su contaminación con polen
indeseable.
Idealmente el rodal debe ser puro, aunque se puede aceptar algún grado menor de mezcla con otras
especies, siempre y cuando estas no hibriden con la especie principal, o compitan con ella afectando
su crecimiento y desarrollo.
Otros factores a considerar en la selección del rodal son su superficie y forma, topografía, número de
árboles y edad.
Superficie y forma:
El dimensionamiento de la superficie del APS, o del número de rodales a transformar en APSs, es
función de consideraciones técnicas (características de la especie, posibilidades de endogamia,
contaminación con polen indeseable, etc.); los requerimientos o demanda de semilla; y de factores
económicos.
En general las áreas productoras de semillas deben tener una extensión mínima cercana a las cuatro
hectáreas, debido a que el manejo de rodales pequeños es improductivo, y el riesgo de introducir
polen extraño es grande.
Por otra parte, deben privilegiarse el uso de rodales de forma compacta y bordes simples, evitando en
lo posible, rodales alargados o de contorno demasiado irregular. Estas consideraciones obedecen a
la necesidad de favorecer la panmixia.
Topografía:
El rodal debe presentar una topografía que facilite el acceso y la realización de los trabajos de
manejo y cosecha de semillas.
Idealmente debe ser un terreno plano y sin restricciones de acceso, lo que permite mecanizar
algunas faenas y realizar visitas inspectivas durante todo el año.
Número de árboles:
No existen especificaciones rígidas respecto del número inicial de árboles que debe contener un
rodal que se transformará en APS. Al respecto, la consideración fundamental es que debe contar
con un número suficiente de árboles, de modo de permitir la selección de un número adecuado de
individuos de alta calidad para conservarlos como productores de semilla.
Para que la colecta sea eficaz y se asegure una adecuada polinización, se deben conservar entre 40
y 400 árboles productores de semilla por hectárea. Zobel y Talbert (1988) señalan que es
recomendable conservar del orden de 125 árboles por hectárea. Si esto no es posible, la conservación
de 50 a 75 árboles por hectárea se considera apropiado para uso operativo (Zobel y Talbert, 1988).
Por otra parte, si no se pueden obtener mas de 25 árboles por hectárea no es recomendable la
transformación del rodal en un área productora de semillas. En el caso de coníferas
norteamericanas, se señala que el número mínimo de árboles que deberían conservarse en un APS,
fluctúa entre 35 y 70 árboles por hectárea (Rudolf et al., 1974).
Edad:
Los rodales que se transformaran en APS deben tener la edad suficiente como para producir semilla
y para que sus árboles presenten copas con cobertura suficiente para generar cosechas
abundantes.
Ellos deben ser lo suficientemente viejos como para haber demostrado su adaptación al sitio
(especialmente en el caso de plantaciones), haber exhibido superioridad sobre los rodales promedio,
y tener la capacidad de producir buenas cosechas de semillas. Por otra parte, deben ser lo
suficientemente jóvenes como para asegurar la producción de semillas durante varios años en el
futuro, antes de que esta decaiga por pérdida de vigor.
En el sur de estados Unidos la edad mínima para rodales de Picea que se transformarán en APS es
de 30 años, mientras que la edad óptima se encuentra entre los 45 y 60 años (Rudolf et al., 1974).
En esta misma región, Zobel (1988) indica que los rodales de especies de pino de entre 20 y 40 años
de edad son apropiados para este fin.
En Gran Bretaña, Matthews (1962) señala que rodales de coníferas de 30 años, o de 40 en el caso
de latifoliadas, son adecuados para constituir APSs.
Como antecedentes complementarios, en el cuadro 2 se señalan las edades más adecuadas para la
creación de APS en algunas coníferas del hemisferio norte.
CUADRO 2
EDADES MÍNIMAS Y ÓPTIMAS PARA LA TRANSFORMACIÓN DE RODALES EN APS
Transformación
El primer paso consiste en seleccionar y marcar a los mejores árboles como productores de semilla.
Dependiendo de la especie, la calidad de los árboles y la edad del rodal, se seleccionan entre 40 y
400 árboles por hectárea. Estos árboles productores de semilla deben presentar atributos similares,
aunque menos rigurosos, que los árboles seleccionados como plus para ingresar a un programa
intensivo de mejoramiento.
Los árboles que conformarán el área semillera deben presentar las siguientes características:
• Las ramas deben ser pequeñas con relación al diámetro del fuste, y
presentar un ángulo de inserción plano o cercano a 90º respecto al fuste.
• Las copas deben ser compactas, bien conformadas, con gran superficie foliar y
buena poda natural.
• Debe haber antecedentes previos que indiquen que los árboles son capaces de
producir semillas.
Raleo:
El raleo que sigue a la selección de los árboles productores de semillas, tiene por objeto eliminar a
los individuos inferiores y a la vez permitir que los fenotipos selectos permanezcan en condiciones
que favorezcan el desarrollo de sus copas y la producción de semillas. En la medida que esta
intervención se realice adecuadamente, se obtendrán los mejores resultados en términos de ganancia
genética y de abundancia en la producción y cosecha de semilla.
El momento en que se realiza esta intervención determina la temporada a partir de la cual se puede
comenzar la utilización del APS. Si el raleo se ejecuta después que los árboles han florecido, los
árboles superiores remanente ya habrán sido contaminados por el polen de los individuos que se
ralearon, y habrá que esperar hasta la próxima temporada para contar con semilla mejorada.
Como procedimiento, todos los árboles que no cumplan con las especificaciones indicadas
anteriormente, o que sean capaces de hibridar o competir con la especie deseada, deben ser
eliminados del APS mediante uno o más raleos. Esta consideración es de importancia fundamental,
pues en la medida que se implemente rigurosamente, se podrá obtener el mejor resultado (ganancia)
en la utilización del APS.
No se debe dejar ningún árbol que esté por debajo del estándar definido, ni siquiera por razones de
espaciamiento. Inclusive, si en algunos sectores del rodal sólo existen fenotipos inferiores, todos
ellos deben eliminarse, aún cuando esto origine grandes espacios en el rodal (Zobel y
Talbert, 1988).
Por otra parte, para obtener una cosecha abundante de semilla, los árboles seleccionados como
productores deben tener su copa expuesta a plena luz solar por lo menos en tres de sus costados.
Si en sectores del rodal se encuentran varios fenotipos superiores juntos, algunos de ellos deberán
sacrificarse de modo de permitir que los remanentes reciban suficiente luz para responder a la
intervención.
Como regla general, se sugiere que el espaciamiento promedio entre los árboles que permanecerán
como productores de semilla, sea igual a la mitad de la altura de los árboles dominantes y
codominantes del rodal (Rudolf et al., 1974). Un espaciamiento de tal magnitud puede producir un
incremento de hasta treinta veces en la producción de semillas de algunas coníferas (Cooley, 1970),
pero a su vez conlleva el riesgo real de caída de árboles por efecto del viento.
Los daños causados por el viento en los árboles remanentes, se pueden controlar efectuando
intervenciones más suaves y frecuentes, de modo de acondicionar gradualmente al rodal a la mayor
exposición al viento.
Ipinza (1997) señala que un rodal que ha sido intervenido silvícolamente y que presenta una baja
densidad, puede ser transformado en APS con una o dos intervenciones de raleo. Esta situación
corresponde a la de los rodales de roble y raulí seleccionados como candidatos a APS en el marco
del proyecto FONDEF “Mejoramiento Genético para Especies de Nothofaus de Interés Económico”.
Por otra parte, si el rodal es denso y los árboles muestran una fuerte competencia, será necesario
realizar más de dos intervenciones para liberar paulatinamente las copas de los árboles que
conformarán el APS.
CUADRO 3
PLANIFICACIÓN DE RALEO EN RODAL SEMILLERO JOVEN.
100
Otra consideración que debe observarse al realizar el raleo del rodal que se convertirá en APS, es que
esta actividad debe ejecutarse con un cuidado extremo, de modo de minimizar el daño que puedan
sufrir los árboles remanentes. Los residuos de esta operación deben eliminarse del rodal, de esta
forma se disminuyen los riesgos de problemas sanitarios o incendios, y se facilitan las operaciones
posteriores de manejo y cosecha de semillas.
Aislación:
Para minimizar la contaminación de los árboles seleccionados como productores de semillas, con
polen de árboles indeseables de zonas aledañas al APS, esta debe rodearse por una franja de
aislación, también llamada franja de dilución de polen. Aún así, debe considerarse que el aislamiento
total es virtualmente imposible de obtener, debido a que el polen puede ser movilizado por distintos
agentes a distancias considerables; por lo mismo el objetivo de la franja de dilución no es eliminar
totalmente la contaminación, sino reducirla a niveles mínimos.
Como regla general Ipinza (1997) menciona que el APS debe estar separado de plantaciones u otras
fuentes de polen en un radio de un kilómetro. Si esto no es posible, se deben intervenir las
plantaciones cercanas al APS con un criterio similar al utilizado para el establecimiento del área
productora de semillas, vale decir, eliminando a los fenotipos indeseables.
El área productora de semillas debe estar rodeada completamente por una franja de dilución de polen
de un ancho variable según características de la especie. Ella se compone de árboles de las
mismas características que los del APS, pero desde los cuales no se efectuará cosecha de semillas.
En la práctica, en los rodales que se han raleado para transformarlos en APS, se define una zona de
cosecha constituida por los árboles ubicados en la zona central del rodal, de este modo la zona de
dilución queda definida en forma automática por los árboles ubicados en la franja periférica, desde los
cuales no se cosechará semilla. El ancho de esta franja es variable, definiéndose que el valor mínimo
debería estar entre 60 y 100 metros (Ipinza, 1997). Estudios de dispersión de polen realizados en
algunas coníferas de la costa este de Estados Unidos permiten afirmar a sus autores que una franja
de aislación de 150 metros es suficiente.
Monumentación
La monumentación del área productora de semillas corresponde al establecimiento en terreno de
señales que permitan su identificación. Para estos efectos suele ser suficiente un letrero que indique
que el rodal es un APS, y algunas marcas que permitan identificar claramente la zona de cosecha de
la zona de dilución de polen. Para esto último existen diversas alternativas, entre las más simples
está la marcación con un anillo de pintura a la altura del dap y un numero correlativo en los árboles
que componen la zona de cosecha. Ipinza (1997) propone demarcar las zonas de cosecha y dilución
con zanjas y postes enterrados en el suelo.
El manejo del área productora de semillas está orientado a asegurar la obtención de cosechas
abundantes de semilla. Para estos efectos existen diversos tratamientos culturales, aunque su
aplicación no es tan común en las APS como en los huertos semilleros.
Consideraciones tales como el riego, o la inducción de floración por medios hormonales, u otros, no
son comunes en las APS y se reservan principalmente para los huertos semilleros.
Entre las principales consideraciones para el manejo de un APS deben considerarse la fertilización,
el control de plagas y enfermedades, y las medidas de protección del rodal.
Fertilización
Las aplicaciones de fertilizantes, junto con la apertura del rodal aumentan el vigor de los árboles,
permitiendo obtener copas más densas y fuertes que producirán más frutos.
Una prescripción efectiva de fertilización dependerá del conocimiento que se tenga de los
requerimientos nutritivos de la especie y de la disponibilidad de nutrientes minerales en el suelo.
Esta prescripción idealmente deberá estar basada en al menos dos años de ensayos en un rodal
específico, donde al menos un año haya sido de buena producción de semilla. Mientras no se
cuente con esa información, se puede utilizar una prescripción de carácter general, como usar
fertilización balanceada de NPK a razón de 450 kilos por hectárea, aplicado al rededor de cada árbol,
una vez al año. La época de dicha aplicación también es crítica, pero si no se cuenta con
información específica es recomendable efectuarla justo antes de la diferenciación de las yemas
florales.
El control de insectos debe tener una alta prioridad en los rodales manejados para producción de
semillas debido a que las cosechas de frutos y semillas son anualmente arrasadas por una gran
diversidad de insectos. Las pérdidas por este concepto varían de año en año, pero rara vez son
menores al 10% y pueden fácilmente llegar a constituir mas del 50% de la producción.
Una adecuada medida de control preventivo que debe implementarse en las APS la constituyen las
inspecciones periódicas para detectar la presencia de plagas o de enfermedades que puedan afectar
Las aspersiones con insecticidas para controlar a los insectos que dañan las semillas pueden
hacerse en forma aérea o terrestre. Su eficiencia como medida de control suscita discusiones, pues
es difícil conseguir aspersiones que cubran totalmente a grandes árboles, es costosa y pueden tener
efectos ambientales secundarios. Particularmente compleja resulta su aplicación en el caso de
especies cuyo vector de polinización lo constituyen precisamente los insectos.
El manejo del APS debe considerar la realización de evaluaciones de producción. Estas deberán
realizarse en registros diseñados especialmente para este fin y deberán incluir todas las actividades
que se han realizado en el rodal. Con esta información se puede evaluar la eficiencia del APS para
producir semilla; el momento en que debe efectuarse la cosecha; y decidir si el volumen de
producción de semillas justifica o no la cosecha de un año determinado.
Una forma de realizar tales evaluaciones es inventariar en forma visual cada árbol, o una muestra de
ellos, para determinar si existe una cantidad suficiente de semillas que garantice la colecta. Un
procedimiento adecuado para estos efectos consiste en analizar, con la ayuda de binoculares, un
sector específico de la copa y posteriormente extrapolar el número total de frutos en el árbol, a partir
de la observación del sector determinado. En esta operación se debe tener en consideración que
desde el suelo normalmente sólo se puede ver menos de la mitad del número total de frutos.
Después del raleo para conformar las APSs se deben remover los desechos y los árboles volteados.
Esta operación facilita el acceso al área, reduce el riesgo de incendios, enfermedades y plagas, y
facilita la ejecución de otras labores de manejo y cosecha de semilla.
Idealmente el APS se debe manejar libre de malezas y sotobosque en general. Esta consideración
es especialmente válida cuando se pretende recoger la semilla con lonas extendidas en el suelo.
El APS debe estar rodeada, especialmente durante la temporada estival, de un cortafuego cuyas
características aseguren su protección ante eventuales incendios.
Existen pocos antecedentes de producción de semillas en APS, observándose que generalmente los
árboles de un área productora de semillas producen más semilla que los de un rodal normal, esto
como consecuencia del mayor espacio individual con que ellos cuentan y de las medidas de manejo
tendientes a favorecer la producción de semillas.
Inmediatamente después del raleo que permite conformar el APS se puede observar una disminución
en la producción de frutos y semillas como consecuencia del menor número de árboles por unidad de
superficie. Posteriormente, en la medida que los árboles remanentes reaccionan a la intervención, la
producción de semilla comienza a aumentar considerablemente. Por esta razón, la producción de
semillas en el APS normalmente experimenta un desfase respecto al momento de la intervención.
PRODUCCIÓN DE SEMILLA EN
APS
600
500
incremento en
producción de
400
semillas
300
200
100
0
%
0
FIGURA 1
PRODUCCIÓN DE SEMILLA EN APS DE Pinus taeda DESPUÉS DE RALEO.
El incremento en la producción de semillas es muy variable, Cooley (1970) señala que en las
condiciones de un APS la producción de conos en algunas coníferas puede aumentar en más de
treinta veces. En el caso de áreas productoras de picea el aumento en la producción de semillas
después del raleo que conformó el APS fue de 63%, mientras que en Pinus taeda hay antecedentes
que la producción de las APS es entre 25 y 75% mayor que en cosechas corrientes.
Independiente de la magnitud de este incremento, no se debe olvidar que la ventaja del uso de semilla
de APS está determinada por la calidad de la semilla, que es lo que en definitiva permite obtener
algún grado de ganancia genética en las características que se pretende mejorar.
En las áreas semilleras semipermanentes se opera bajo el principio de que se obtendrán varias
cosechas de semillas antes de talar los árboles. En este caso la obtención de la semilla involucra un
costo mayor.
En este segundo caso, la cosecha de semillas debe efectuarse tomando las precauciones
necesarias para minimizar los daños a los árboles, que puedan afectar a las cosechas de los años
venideros.
La cosecha propiamente tal puede efectuarse de distintas formas, una de ellas es la recolección de
semillas sobre telas extendidas en el suelo. En estos casos la semilla puede haber caído en forma
natural o haber sido desprendida del árbol usando sacudidores mecánicos. Esta opción en general
presenta riesgos fitosanitarios para la semilla y extiende el período de colecta a toda la temporada
de dispersión de semillas.
El método preferentemente usado para cosechar las APSs de coníferas lo constituye el uso de
escaladores profesionales. De esta forma se puede colectar la semilla en el momento más oportuno
y en un período de tiempo relativamente breve.
La trepa de árboles es una actividad cara que debe ser efectuada por personal capacitado y con
experiencia. Aún así, en la medida que se hallan realizado apropiada evaluaciones de producción
antes de la cosecha, el costo puede ser minimizado al efectuar la cosecha sólo en años de buena
producción de semilla, y descartando a los árboles con producción escasa.
Estudios realizados en APSs de Pinus elliottii indican que si se considera para la cosecha sólo a
los árboles que en una evaluación preliminar demuestran tener más de 100 conos en la copa, el 91%
de la producción de semillas se puede obtener a un 58% del costo que hubiese significado escalar
todos los árboles del APS. En forma análoga, si la colecta se realiza sólo en árboles con más de
200 conos, se consigue el 61% de la cosecha a un 38% del costo total. Resultados similares se
señalan para P. taeda y P. echinata (Rudolf et al., 1974).
Atendiendo a las ventajas que brinda el uso de áreas productoras de semillas, especialmente en los
inicios de un programa de mejoramiento genético, ellas están siendo utilizadas en dos programas de
mejoramiento para especies del género Nothofagus en Chile. El primero de ellos, conducido por la
Universidad Austral de Chile y el Instituto Forestal, contempla a las especies roble (N. Obliqua) y
raulí (N. alpina), mientras que el segundo, dirigido por el Instituto Forestal, se concentra en la
especie lenga (N. pumilio). Ambos programas son recientes y cuentan con el financiamiento de
FONDEF y el apoyo de la Corporación Nacional Forestal y Empresas Forestales.
Selección de rodales
En el marco de estos proyectos, los rodales a transformar en APSs fueron seleccionados en base a
antecedentes generales recabados en investigaciones anteriores, información de empresas y
experiencias personales, las cuales permitieron determinan zonas de prospección donde la calidad
del bosque existente podría permitir la creación de un APS.
Estos rodales candidatos a APS fueron caracterizados de acuerdo al procedimiento que se indica
más adelante. Posteriormente, la evaluación de los antecedentes recopilados en la caracterización de
cada rodal, sumado a la información obtenida de su propietario en cuanto a su disposición para
transformarlo en un APS, determina cuales de los rodales candidatos serán definitivamente
convertidos en áreas productoras de semillas.
Para efectos de comparar entre sí a los rodales candidatos, y poder seleccionar en forma más
objetiva a aquellos que se transformarán en APS, se procedió a caracterizar a cada uno de ellos
mediante el planteamiento de parcelas de muestreo.
Para tales efectos se construyeron parcelas circulares de 1/20 de hectárea (radio = 12,61 m), las que
se distribuyeron al azar, con una intensidad de muestreo del 5% (1 parcela por hectárea de rodal
candidato). En ellas se evaluó a todos los árboles, registrándose antecedentes dasométricos y
fundamentalmente variables relacionadas con la calidad y forma de los árboles.
Las variables consideradas en la evaluación fueron las siguientes: DAP, altura total, altura
comercial, posición social, rectitud de fuste, tipo de copa, ángulo de ramas, diámetro de ramas,
bifurcaciones y sanidad. La puntuación utilizada para evaluar estas variables se presenta en el
cuadro 4.
CUADRO 4
PAUTA DE EVALUACIÓN DE ÁRBOLES PARA CARACTERIZACIÓN DE
RODALES CANDIDATOS A APS
VARIABLE DESCRIPCION
Con la información de estas parcelas se procedió a calcular los parámetros descriptivos del rodal.
Para estos efectos se construyó un índice de calidad de cada árbol, el cual se definió como la suma
lineal de los puntajes obtenidos en las variables rectitud de fuste, copa, ángulo de ramas y diámetro
de ramas Posteriormente se simuló la conformación del APS mediante la eliminación de los datos de
los individuos menos deseables y se procedió a recalcular los parámetros de rodal y coeficiente de
calidad en base a los individuos superiores remanentes.
Una vez determinados los rodales más apropiados para ser transformados en APS, se define la
estrategia de intervención para transformar al rodal en un área productora de semillas. Para estos
efectos, en una etapa posterior se procede a marcar en terreno un raleo utilizando el mismo criterio
que se usó para simular la transformación del rodal utilizando los datos generados en sus parcelas de
muestreo. El paso siguiente lo constituye la ejecución del raleo, el manejo de los desechos, la
identificación de las zonas de cosecha y aislación. El raleo mencionado se realiza con la suficiente
anticipación, antes de la época de floración de los árboles, de modo que la semilla se forme sólo por
el cruzamiento de progenitores seleccionados.
(1) G = h2 S
Los datos utilizados para la evaluación de las ganancias genéticas por este concepto corresponden a
dos renovales de roble, tres de raulí y cuatro de lenga, cada uno de ellos con una superficie promedio
cercana a las 5 hectáreas.
Los valores de ganancia genética esperada para las variables, DAP, altura comercial y rectitud de
fuste se presentan en los cuadros 5, 6 y 7, para las especies roble, raulí y lenga respectivamente.
CUADRO 5
GANANCIAS GENÉTICAS ESPERADAS POR USO DE APS DE ROBLE
CUADRO 6
GANANCIAS GENÉTICAS ESPERADAS POR USO DE APS DE RAULÍ
CUADRO 7
GANANCIAS GENÉTICAS ESPERADAS POR EL USO DE APS DE LENGA
Tanto para roble como para raulí los valores de ganancia exhiben un comportamiento similar,
observándose en ambos casos ganancias mayores en la variable rectitud de fuste que en altura y
diámetro. En el caso de lenga las magnitudes de las ganancias son similares a las de roble y raulí
en diámetro y rectitud de fuste, sin embargo en altura comercial se esperan ganancias
significativamente mayores.
Los valores de ganancia en DAP, como resultado del uso de áreas productoras de semillas, resultan
menores que los señalados para pino radiata y ciprés. Los cuales según Shelbourne (1969) y Dyson
(1969) pueden llegar a 6 y 25%, respectivamente. En cuanto a las ganancias en rectitud de fuste
Shelbourne menciona valores cercanos a 25% para pino radiata, cifra que coincide con las mayores
ganancias estimadas para roble, raulí y lenga.
En general los valores de ganancias genéticas esperadas, están sujetos a una subestimación como
consecuencia de haber caracterizado a la población original utilizando los rodales que se
transformarían en áreas productoras de semillas. Estos son rodales de características superiores al
resto y por lo mismo reducen el diferencial de selección utilizado para efectuar las estimaciones de
ganancias.
CONCLUSIONES
Durante los inicios de un programa de mejoramiento genético, las características de las APS y las
ventajas asociadas a su utilización, las convierten en excelentes herramientas al servicio de la
producción operacional de plantas con algún grado de mejoramiento.
En la medida en que se implemente un esquema riguroso para seleccionar los rodales a transformar
y los árboles a conservar como productores de semillas dentro del APS, mayor serán las ganancias
genéticas que ellas podrán generar.
REFERENCIAS
Cooley, J. 1970. Thinning and fertilizing red pine to increase growth and cone production. USDA
Forest Service. Research Paper Nº 42. 5 p.
Dyson, G. 1969. Improvement of stem form and branching characteristics in Kenyan cypresses. En:
World Consultation on Forest Tree Breeding. V. 1. FAO, Documentos. Roma, Italia. pp 303 - 315.
Gutiérrez, B. 1997. El uso de las áreas productoras de semillas en el mejoramiento genético forestal.
En: 1er Taller del Proyecto FONDEF D-1052 ”Mejoramiento Genético para Especies de Nothofagus
de Interés Económico”. Valdivia, 3 de julio de 1997.
Hoffmann, A. 1982. Flora Silvestre de Chile, Zona Austral. Ed. Fundación Claudio Gay. Santiago,
Chile 248 p.
Ipinza, R.; Emhart, V. y Gutiérrez, B. 1997. Areas productoras de semillas de roble y raulí:
Ganancias genéticas en el corto plazo. Chile Forestal nº 252. Agosto, 1997.
Ipinza, R.; Gutiérrez, B. y Emhart, V. 1997. Areas productoras de semillas de roble y raulí:
estrategia probada y rápida. Chile Forestal nº 253. Septiembre, 1997.
Loewe, V.; Toral, M.; Freitte, G.; Camelio, M.; Mery, A. y López, C. 1996. Monografía de raulí
Nothofagus alpina. Instituto Forestal. Santiago. 61 p +8 anexos.
Matthews, J. 1962. Seed selection and tree breeding in Britain. For. Comm., 8th Brit. Common. For
Conf. 1962. East Africa. 5 p.
Muniswami, K. 1977. Population improvement and hibridization of teak. En: Third World Consultation
on Forest Tree Breeding. Camberra, Australia, 21- 26 March, 1977. pp 507 - 544
Nienstaedt, H. y Snyder, B. 1974. Principles of genetic improvement of seed. En: Seeds of woody
plants in the United States. Agriculture Handbook nº 450. Forest Service, U.S. Department of
Agriculture. Washington D.C., USA. pp. 41- 52.
Oskarsson, O. 1971. Selection diferential and the estimate of genetic gain in plus stands. Folia
Forestalia. 104 p.
Rudolf, P.; Dorman, K.; Hitt, R. y Plummer, P. 1974. Production of genetically improved seed. En:
Seeds of woody plants in the United States. Agriculture Handbook nº 450. Forest Service, U.S.
Department of Agriculture. Washington D.C., USA. pp. 53 - 74.
Schmidt, H; Ipinza, R. y Vial, L. 1979. Regeneración en bosque nativo de raulí. Estudio bibliográfico.
Proyecto FO:DP/CHI/76/003. Documento de Trabajo nº 24. 124 p.
Shelbourne, C. 1969. Provenance seed stands and provenance conservation stands. Danida.
Technical Note nº 14. 42 p.
INTRODUCCIÓN
El establecimiento de una plantación de pino es un trabajo caro y difícil. Los costos de la planta son
sólo una pequeña parte del total, aunque una mal elección del material puede a menudo reducir la
productividad y el valor de la plantación y, en casos extremos, llevarla a un completo fracaso (Lantz y
Kraus 1987). Por el contrario, una buena elección del material genético disponible permitirá un
crecimiento en el volumen y en el valor de la plantación por unidad de superficie mucho mayor. L
utilización de un material genético adecuado es una piedra angular en la productividad forestal.
El mejoramiento genético de Pinus taeda ha logrado ganancias adicionales en volumen por encima
de las obtenidas al utilizar fuentes de semilla no mejoradas. En el primer ciclo del huerto semillero se
han producido semillas que cuando fueron plantadas en plantaciones mixtas, crecieron desde un 8 a
un 12 por ciento más en volumen por hectárea a la edad de cosecha (25 a 28 años dependiendo de la
calidad del sitio), que árboles creciendo en poblaciones naturales (Talbert et al 1985). El valor del
mejoramiento genético basado en la calidad (rectitud del fuste, resistencia a las enfermedades y
densidad de la madera) es más difícil de evaluar, pero se cree que es al menos igual al valor del
mejoramiento en las tasas de crecimiento. Los huertos semilleros 2.0 están ahora produciendo más
del 50 % de la semilla cosechada en la región y estos huertos entregarán un aumento del 4 al 8 por
ciento en el mejoramiento, sobre la ganancia del primer huerto establecido en los años sesenta.
1
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
CUADRO 1
GANANCIA GENÉTICA POR SELECCIÓN Y HUERTO, SEGÚN TIPO DE ANÁLISIS Y CLASE DE EDAD,
PARA LA VARIABLE VOLUMEN Y RECTITUD.
Existe una gran cantidad de ejemplos de estimaciones de ganancias genéticas en el mundo durante
el primer ciclo de mejora. A la pregunta de porqué se han logrado estas ganancias, la respuesta es
que la selección de árboles plus ha sido exitosa. El éxito depende de varios principios genéticos
básicos que el mejorador debe tener en cuenta. El presente capítulo intenta explorar las bases que
deben ser consideradas para una apropiada selección de árboles plus.
Debido a que la selección de árboles plus se realiza en función de su fenotipo, la ganancia genética
( ∆G ) que se obtiene depende de la heredabilidad (h2 o H2) y del diferencial de selección (S)
(Falconer, 1986), esto es:
∆G = H 2 * S (1)
A partir de esta fórmula se desprende que las únicas formas de aumentar la ganancia genética debido
a la selección de árboles plus son aumentando la heredabilidad, aumentando el diferencial de
selección, o ambos.
Aumento de la heredabilidad
Para simplificar el modelo en esta fórmula no se ha considerado las interacciones entre el genotipo,
el ambiente y la edad. La selección de un árbol plus siempre implica algún nivel de comparación entre
individuos de la población base. El éxito de la selección está directamente relacionado con la
efectividad de la comparación para identificar árboles genotípicamente superiores a través de sus
diferencias fenotípicas. La fórmula indica que la efectividad de la comparación, y por ende de la
selección, aumenta conforme disminuyen las diferencias ambientales y de edad entre los
individuos que se están comparando. De esta forma, el efecto del genotipo adquiere mayor
importancia relativa en la expresión del fenotipo.
En un rodal, la importancia relativa del efecto de las diferencias genéticas sobre las diferencias
fenotípicas entre los árboles es medida a través de la heredabilidad en sentido amplio (H2), la cual es
aprovechada si se utiliza la propagación clonal. Cuando la propagación es sexual normalmente se
utiliza el efecto genético promedio del árbol sobre su descendencia, por lo que en el cálculo de la
ganancia se usa la heredabilidad en sentido estricto (h2), ambas heredabilidades se definen a
continuación:
σ G2
H = 22
= heredabilidad en sentido amplio (3)
(σG + σ 2E + σ T2 )
σ 2A
h =
2
(σ )
= heredabilidad en sentido estricto (4)
2
G + σ 2E + σ 2T
esto se debe a que frecuentemente en poblaciones naturales, la edad de los árboles es desconocida
y variable y, obviamente, ejerce un efecto sobre la expresión fenotípica en muchas características.
Normalmente, σ 2T es eliminada del modelo al incluir la edad en la definición de la variable de
respuesta. En algunos casos también se incluye la edad como covariable en el modelo aditivo.
Al examinar esta dos últimas fórmulas también se concluye que existen dos formas de aumentar la
heredabilidad: a) aumentar la variabilidad genética (por ejemplo, introduciendo nuevo material a la
población base) y b) disminuir la varianza no genotípica (σ E2 + σT2 ) .
Normalmente, al momento de realizar la selección de árboles plus, la población base ya está definida
y la única forma de aumentar la heredabilidad es disminuyendo la varianza no genotípica entre los
árboles que se están comparando, es decir la varianza ambiental y la varianza de la edad.
Para reducir la varianza ambiental durante el proceso de selección es necesario que la comparación
se haga entre árboles que estén localizados en ambientes similares; esto se alcanza comparando
árboles vecinos. En este sentido, la reducción del área de vecindad con cuyos árboles se compara el
árbol candidato aumenta la efectividad de la comparación. No obstante, la vecindad debe contener
suficientes árboles para hacer una comparación adecuada. La probabilidad de aumentar la variación
ambiental crece con el aumento del área que se considere. Normalmente cuando se selecciona en
plantaciones o rodales naturales puros coetáneos, el árbol candidato se compara con los árboles
existentes en un radio de 10 a 20 metros, dependiendo de la densidad existente y de la configuración
topográfica. La forma del área debe adecuarse en cada caso de manera que se excluya cualquier
factor ambiental que distorsione la comparación. Por ejemplo, no se deben usar como árboles de
comparación los árboles del borde del rodal, a menos que se esté considerando como candidato un
árbol de borde. En el caso de pendientes, se debe procurar que los árboles de comparación se
localicen bajo la pendiente en relación al candidato.
Dentro de bosques o plantaciones puras existen variaciones ambientales que afectan el fenotipo de
los árboles. Es necesario entonces dividir la población base en subpoblaciones usando como criterio
variaciones en factores importantes tales como pendiente, fertilidad, drenaje, manejo, etc. y
seleccionar en cada subpoblación de manera independiente. Así se evita el error de seleccionar sólo
en sitios buenos debido a la existencia en ellos de mejores fenotipos. No existe razón alguna para
pensar que en ambientes limitantes no existan genotipos superiores.
Por otra parte, si a través de regresiones se puede estimar el efecto de cualquier factor ambiental
(competencia, fertilidad, pendiente, saturación hídrica del suelo, etc.) dentro del rodal sobre el valor
fenotípico de la variable de interés, entonces es posible calcular un valor fenotípico corregido sobre el
cual efectuar la selección, reduciendo así la varianza ambiental y aumentando la heredabilidad. El
aumento de la heredabilidad en este caso depende del porcentaje de varianza ambiental que explique
la regresión. Sin embargo, este método normalmente no se utiliza debido a que las relaciones entre
las características de interés de los árboles y factores ambientales específicos no son conocidas
para casi todas las especies forestales. Por otra parte, efectuar estudios para determinar dichas
relaciones puede resultar muy caro si el objetivo es únicamente la selección de arboles. Sin embargo,
se menciona esta posibilidad porque sería muy útil aplicarla si la situación y los conocimientos lo
permiten.
El efecto de las diferencias de edad entre los árboles que se están comparando es muy importante,
especialmente para variables de crecimiento y reproductivas. Entre menos diferencias de edad
existan más efectiva será la comparación entre árboles. Por esta razón, la selección en plantaciones
y rodales coetáneos homogéneos es más efectiva que en rodales multietáneos o en poblaciones de
árboles dispersos de edades diferentes y desconocidas.
Si la población base está formada por muchos rodales de edades distintas, estos se pueden agrupar
por clases de edad y seleccionar en cada uno independientemente. Si dentro de cualquier
subpoblación los árboles tienen la misma edad, entonces
σ 2T =0.
S = X p − X0 (5)
donde:
_
Xp = la media de los árboles que darán origen a la nueva
población
_
X0 = la media de la población en la que se efectúa la selección.
xo xp
S
FIGURA 1.
DIFERENCIAL DE SELECCIÓN.
En la Figura 1 se puede apreciar que en la medida que el valor de "S” sea mayor, es decir a mayor
distancia entre X0 y Xp, mayor será el valor de "S” y por lo tanto, mayor será la ganancia genética.
En teoría, si para una variable "X” se conociera el valor de cada árbol (Xi ) y la media en su vecindad
inmediata ( X 0 i ), entonces se podría calcular un diferencial para cada árbol (Si = X i − X 0 i ). De
esta forma, el diferencial de selección (S) sería el promedio de los "Si ” de los árboles que darán
origen a la nueva población. Si se conocieran los "Si ” de todos los árboles de la población base, se
podría aumentar el diferencial de selección "S” hasta un valor deseado, el cual estaría limitado sólo
por la variación fenotípica de la población base. Este procedimiento puede resultar caro y laborioso, y
es aplicable sólo en rodales naturales coetáneos o en plantaciones. En rodales multietáneos, rodales
heterogéneos y árboles aislados, el procedimiento no se puede aplicar ya que no es posible estimar
la media de las vecindades "" X 0i ” .
a) Se utiliza el promedio general del rodal para estimar X0 y no el promedio de los árboles vecinos a
los árboles seleccionados. Si la selección se realiza adecuadamente, es decir, en todas las
condiciones ambientales del rodal, entonces el promedio del rodal debe ser un buen estimador de las
medias de los árboles vecinos al candidato. Sin embargo, con esta práctica se corre el riesgo de que
la media general del rodal no sea la misma que la media de las áreas donde se seleccionaron los
árboles. Por ejemplo, para características de crecimiento, existe la tendencia a seleccionar árboles
plus en los mejores sitios debido a que en ellos están la mayor parte de los árboles más
desarrollados. La media de los mejores sitios ( X m ) es mayor que la media en toda la población
( X 0 ) lo que implica que el diferencial de selección estimado por este método (S e) es mayor que el
diferencial real (S), sobrestimando así la ganancia genética. Expresado matemáticamente se tiene
que:
Si X m > X0 , entonces
( X p − X 0) > ( X p − Xm ) y puesto que
Se = ( X p − X 0 ) y S = ( X p − X m ) , entonces
Se > S
b) El segundo método consiste en medir el "Si ” de cada uno de los árboles candidatos y luego elegir
los árboles con los mayores "Si ” como árboles plus. El diferencial de selección "S” será entonces el
promedio de los "Si ” de los árboles plus.
No se debe olvidar que la selección de cada candidato está basada en la superioridad de éste con
respecto a sus vecinos y no a la población completa. Cuando se están buscando árboles candidatos
no se debe mirar el fenotipo del árbol en forma absoluta sino, más bien, el grado de superioridad de
éste dentro de la vecindad donde se encuentra.
Se debe recorrer sistemáticamente toda la población, evitando así seleccionar sólo en sitios buenos
o malos, o perder buenos individuos por azar.
Al aumentar el número de árboles candidatos crece también la probabilidad de incluir los árboles con
los mayores "Si ” de la población base.
Una vez que se ha asegurado que entre los candidatos están los árboles con los mayores "Si ” ,
entonces el diferencial de selección puede ser aumentado hasta el valor deseado, el cual está
limitado sólo por la variabilidad fenotípica de la población.
Sin embargo existe el peligro de que los árboles vecinos estén relacionados con el árbol candidato y
bajo esa condición, esta selección se convierte en una selección dentro de familia (Falconer, 1986),
esta situación simula los bosques naturales que tienen una estructura multietanea, pero coetanea en
bosquetes. En el anexo 1 se muestra un ejemplo donde se compara la selección masal y dentro de
la familia en termino de ganancias genéticas.
Tanto la varianza genética aditiva y la varianza fenotípica pueden ser divididas en componentes dentro
de la familia (σ2b) y entre familias (σ2w) como en el Cuadro 2. Para familias de un tamaño finito, la
varianza entre familias se verá incrementada por el error estándar de las medias familiares, σ2w/n,
donde n es el número de individuos en la familia. De este modo, la varianza residual dentro de la
familia se reduce a σ2w/n.
CUADRO 2
COMPONENTES OBSERVADOS Y CAUSALES DE LA VARIANZA
PARA FAMILIAS DE TAMAÑO N.
Para familias de tamaño infinito, la varianza genética aditiva entre familias es rσ2G, donde r es el
coeficiente de parentesco; por ejemplo r = 0.25 para familias de medios hermanos y r= 0.5 para
familias de hermanos completos bajo los supuestos mendelianos de herencia diploide y ausencia de
genes ligados (Falconer 1986). El remanente (1-r)σ2G es la varianza genética aditiva dentro de las
familias. Pero para familias localizadas aleatoriamente de tamaño finito, la varianza genética aditiva
entre familias es incrementada por el 1/n de la varianza genética aditiva dentro de familias de manera
que la varianza genética también se reduce.
La varianza fenotípica entre familias puede ser escrita como tσ2P, donde t es el coeficiente de
correlación entre clases, σ2b/σ2P, una medida de la similitud dentro de grupos. El remanente de la
varianza dentro de familias es (1-t)σ2P. Nuevamente para familias de tamaño finito, la varianza entre
familias es aumentada en 1/n la varianza dentro de familias y la varianza dentro de familias es
reducida en esta proporción (cuadro 2).
σG2
h2 = (6)
σ P2
La heredabilidad dentro de la familia es la varianza genética aditiva dentro de familias dividida por la
varianza fenotípica dentro de familias:
2
(n − 1)(1 − r )σ G2
hw =
( n − 1)(1 − t )σ P2
(n − 1)σG2
=
(1 − r )σ 2P
(1 − r ) h 2
= (7)
(1 − t )
( n − 1)(1 − t )
σPw = σP
n
∆ Gw = ih2σpw
(1 − r ) ( n − 1)(1 − t )
= ih2σP
(1 − t ) n
( n − 1)
= ih2σP (1-r) (8)
(1 − t )
Un análisis de la ecuación 8 muestra que la ganancia genética disminuye a medida que el grado de r,
dentro de la familia se incrementa. En un caso extremo, para r = 1 (lo que es un clon o una línea
completamente homocigota), ninguna ganancia es posible.
También la ganancia está inversamente relacionada a (1-t), donde t mide la variación entre grupos
relativa a la varianza fenotípica total y nunca puede ser mayor a uno. La variación entre grupos o la
similitud dentro de los grupos (ya sea el árbol candidato y sus controles o familias), depende de 1) la
relación entre los individuos dentro del grupo, 2) la varianza genética aditiva y 3) los efectos de un
ambiente común. Por lo tanto, la correlación intraclase puede ser entendida como:
rσ G2 + σ C2
t =
σ 2P
= r (σ G2 + σ 2P ) + (σC2 + σ 2P )
= rh2 + c 2 (9)
Donde c2 es la proporción de la varianza total producida por la variación ambiental entre el árbol
candidato y los árboles vecinos. La fórmula para ganancia genética de la selección dentro de familias
(Ec. 8) se puede utilizar para calcular la ganancia de la selección por el método de comparación de
árboles.
CONCLUSIONES
La selección por comparación de árboles adyacentes, intenta corregir los valores fenotípicos de sus
efectos ambientales, evaluando al árbol candidato en relación a los mejores árboles que lo rodean. La
selección individual en cambio, se basa en la selección del fenotipo individual del árbol sin considerar
los árboles adyacentes. Debido a que existe la posibilidad de alguna relación entre los árboles
adyacentes dentro de un sitio, en especial en los rodales naturales, el método de comparación puede
ser tratado como una selección dentro de familias. Esta selección resultará en una mayor ganancia
que la selección individual, sólo si la relación familiar es muy baja y si la variación ambiental (c 2) es
muy grande en relación a la variación genética y a la variación ambiental dentro del grupo.
REFERENCIAS
Apiolaza, L., White, T. y Hodge, G. 1994a. Análisis Genético de Pinus radiata en la Cooperativa de
Mejoramiento Genético UACH/CONAF/Empresas Forestales: Estimación de Heredabilidad,
Interacción Genotipo - Ambiente, Correlación Edad - Edad y Correlación entre Características en los
ensayos de Progenie de Polinización Abierta. (Primer Informe). 23 p.
Apiolaza, L., White, T. y Hodge, G. 1994b. Análisis Genético de Pinus radiata en la Cooperativa de
Mejoramiento Genético UACH/CONAF/Empresas Forestales: Estimación de Ganancia Genética
realizada en los ensayos de Progenie de Polinización Abierta. (Primer Informe). 7 p.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/EMPRESAS FORESTALES. 188 p.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto
de 1998. Programa CONIF - Miniagricultura. 162 p.
Lanz, C. y Kraus, J. 1987. A guide to southern pine seed source. General Technical Report SE-43.
Southeastern Forest Exp. Station, USDA - Forest Service Asheville, N.C. 34 p.
Ledig, F. (1974). An analysis of methods for the selection of trees from wild stands. Forest Science.
Volume 20, number 1, pp. 2-16.
Quijada, M. 1980. Selección de árboles forestales. En: Mejora genética de árboles forestales. Informe
sobre el curso de capacitación FAO/DANIDA sobre mejora genética de árboles forestales. Mérida,
Venezuela. 1980. Estudio FAO:MONTES No. 20 pp.169-176.
Talbert, J., Weir, R. y Arnold, R. 1985. Cost and benefits of a mature first-generation loblolly pine tree
improvement program. Journal of Forestry 83(3):162-166.
ANEXO 1
Comparación de ganancia genética para las metodologías de selección masal y selección familiar,
utilizando información del ensayo "El Morro".
CUADRO 3
PARÁMETROS GENÉTICOS DEL ENSAYO DE EUCALYPUS NITENS "EL MORRO"
σ 2G σ 2b σ 2w
DAP (cm) 0.2275 7.714 2.807 0.8576 4.049
1
El cálculo de la heredabilidad se realizó utilizando un factor de corrección debido a la
autopilinización. En este caso fue de 0.4 para medios hermanos (en lugar de 0.25, que es
normalmente utilizado).
∆G = h 2 * S
= 1.813
∆Gw = ih2σpw
( n − 1)
= ih2σP (1-r)
(1 − t )
= 5.16
El cálculo de esta ganancia se ve dificultado por la falta de información y análisis adecuados para la
determinación del valor c2 , el que corresponde a la proporción de la varianza total producida por la
variación ambiental entre el árbol candidato y los árboles vecinos. Pese a este inconveniente, es
notoria la superioridad en la ganancia que muestra la selección dentro de familias vs la selección
masal (5.16 y 1.813 respectivamente).
INTRODUCCION
Existe una variada literatura sobre la selección de árboles plus y son autores suecos, finlandeses,
norteamericanos, australianos, neozelandeses y chilenos, los que han perfeccionado está
fundamental tecnología. En el Anexo 1, se presenta una pauta para la selección de árboles plus de
Pinus taeda, similar a la analizada en el presente capítulo.
La selección de árboles plus comienza con establecer cuidadosamente las característica que
definirán un árbol plus. Estas deben cumplir con las siguientes condiciones:
Las características que se elijan para la selección deben ser aquellas que estén directamente
relacionadas con el objetivo del programa de mejora genética. Una vez definidas éstas, se estima la
ponderación económica de cada variable, es decir, su efecto en el producto económico. Por ejemplo,
en un proceso de producción de pulpa, las variables que exhiben mayor importancia económica son
el rendimiento pulpable, la densidad de la madera y finalmente el volumen. Esto implica que desde el
punto de vista práctico la densidad de la madera y el volumen no puede quedar fuera del proceso de
selección. Posteriormente, si no se dispone de valores de heredabilidad de la especie y de la
localidad en estudio, se pueden estimar a base de valores estándar, en este caso se recomienda
utilizar valores conservadores.
Una vez estimada la posible ganancia genética, también se puede estimar su efecto económico en
cada una de las características y determinar así su ponderación.
1
Ingeniero Forestal, Dr. Ingeniero de Montes, Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
Las características con un bajo valor relativo pueden ser eliminadas y seleccionar sólo para aquellas
que sean realmente importantes. Generalmente es recomendable seleccionar para un máximo de dos
o tres características a la vez (Zobel y Talbert, 1988), ya que a medida que se consideran más
variables, menores serán las ganancias genéticas. Para las características más importantes se
puede fijar un valor mínimo debajo del cual el candidato se rechaza. Es decir, se pueden definir
características "descalificadoras”, en donde el árbol se elimina inmediatamente. Por ejemplo, ataque
de plagas y enfermedades, árboles bifurcados y presencia de cola de zorro en pino. Las
características "descalificadoras” no se incluyen en los métodos de puntaje ya que el árbol por lo
general es eliminado automáticamente, independientemente del valor de las otras características.
Se debe definir una edad mínima de selección conocida también como edad base. Esta debe ser la
edad en la que el efecto del genotipo se ha manifestado sobre la característica de interés. Por
ejemplo, para la densidad de la madera en E. globulus, la edad mínima está alrededor de los 8 años.
Para características de crecimiento y de forma generalmente se usa la mitad del período de rotación,
pudiendo bajar hasta un cuarto de la rotación, siempre y cuando se tenga más información. Cuando
la edad no es conocida se puede definir una altura mínima del árbol.
CONSIDERACIONES GENERALES
Es necesario tener en cuenta siempre que los factores que controlan el éxito del mejoramiento
genético son: cantidad de variación presente en las especies, carácter a mejorar, intensidad de
selección, método de selección, heredabilidad del carácter bajo selección y método de propagación.
De acuerdo a esto, para la selección de los árboles plus se deben realizar los siguientes pasos:
• Definir el método de selección, el carácter o rasgo que se considerará y los requisitos mínimos de
los árboles candidatos.
• Elegir las áreas y poblaciones donde se efectuará la selección. Es deseable que éstas sean de
las mejores procedencias conocidas y que se encuentren plantadas en el área donde se utilizará
el material mejorado, para evitar reducciones en la ganancia genética por efecto de la interacción
genotipo - ambiente.
• Prospectar sistemáticamente las áreas elegidas y seleccionar los árboles candidatos. Por lo
general este trabajo lo efectúan cuadrillas o brigadas de campo previamente entrenadas.
Preferiblemente, cuando se selecciona en plantaciones o en rodales naturales coetáneos, los
árboles candidatos no deben ser árboles de borde. Si un árbol de borde es excepcionalmente
bueno podría compararse con los árboles de borde vecinos.
• Visitar los árboles candidatos y eliminar los que no cumplan con los requisitos mínimos
preestablecidos. A los restantes se les aplica el formulario de evaluación de campo, según el
método de selección que se haya definido.
• Calcular el puntaje total final de cada árbol candidato y seleccionar los que superan el puntaje
mínimo preestablecido para árboles plus o, en su defecto, los mejores hasta completar el número
deseado o el diferencial de selección requerido.
• Por último, sancionar si es o no un árbol plus, esta actividad la realiza el mejorador del más alto
nivel posible.
Existen varios métodos para seleccionar árboles plus y por lo general cada empresa o programa de
mejoramiento desarrolla el suyo propio dependiendo de la especie, las características del rodal o de
la población, de los objetivos particulares y de los recursos disponibles. Sin embargo, casi todos los
métodos son variaciones, modificaciones o combinaciones de dos o tres métodos generales. En
muchas ocasiones el método es secundario, lo importante es la selección se realice con un mismo
método, para poder tener árboles medidos con un mismo criterio, esto significa que en los trabajos
asociativos o cooperativos el árbol plus seleccionado y sancionado con un método estándar se
transforma en una unidad monetaria o de intercambio.
Los principales métodos generales que se utilizan para la selección de árboles plus se describen
brevemente a continuación.
La aplicación de este método consiste en la comparación del árbol candidato con los árboles vecinos
para las características que son objeto de mejoramiento. Frecuentemente, la comparación se efectúa
con respecto de los cinco mejores árboles que existen dentro de una vecindad, la cual normalmente
se define como un círculo de 10 a 20 metros de radio, con el árbol candidato como centro. Para la
aplicación del método se utiliza un formulario de campo donde se anotan las medidas o puntajes
asignados a los árboles de comparación y al árbol candidato. Posteriormente se efectúan los
cálculos para obtener el diferencial de selección o el puntaje final del árbol candidato, el cual depende
de la superioridad del candidato con respecto a los de comparación.
Cuando se aplica este método y se calcula el diferencial de selección con respecto a la media de los
cinco mejores vecinos más el árbol candidato, se puede interpretar que se ha definido como
población base sólo aquella parte del rodal que formará parte de la cosecha al final del turno. En este
caso, el diferencial de selección es una estimación de la diferencia entre la media de los árboles
seleccionados y la media del rodal final una vez hechos todos los raleos. La ganancia genética que
se estime usando este diferencial de selección es la ganancia con respecto al rodal final y no de todo
el rodal.
Cuando el árbol candidato se compara con el promedio de todos los árboles vecinos (incluyendo el
candidato) se puede obtener una estimación del diferencial de selección con respecto de todo el
rodal, tal como se encuentra en el momento en que se efectúa la selección.
Se aplica en rodales naturales multietaneos pie a pie o disetáneos. Para aplicarlo es necesario
conocer con seguridad la edad de cada árbol, por ejemplo, mediante un taladro de incremento se
extrae un tarugo y se cuentan los anillos de crecimiento en sitios con estaciones climáticas bien
definidas.
El método consiste en el desarrollo de curvas (regresiones) para las variables de interés que
dependen de la edad o de algún otro factor (Zobel y Talbert, 1988). Por ejemplo, si el árbol candidato
es de edad conocida y su volumen supera el predicho por la regresión edad - volumen, entonces el
árbol puede ser seleccionado. En general, se puede fijar la superioridad del valor real sobre el valor de
regresión en un mínimo para aceptar al árbol candidato como árbol plus. Este mínimo puede ser
expresado en términos absolutos, porcentaje o en relación a la desviación estándar.
Para aplicar este método se deben elaborar curvas para las diferentes calidades de sitio donde se
pretende efectuar la selección.
Para aplicar la valoración individual el seleccionador debe conocer muy bien el ámbito de variabilidad
de la especie para saber exactamente cuál es un árbol superior. Para ello es recomendable efectuar
un recorrido previo por la población y así tener una buena idea de la variación existente.
Para algunas características cuantitativas que no son afectadas por la edad se puede fijar un valor
mínimo. Por ejemplo, se puede fijar una altura mínima de la primera bifurcación.
La búsqueda de estos árboles debe hacerse en forma sistemática en los mejores rodales, mayores
de 15 a 20 años ó 3 a 4 años después del último raleo (lo que sea mayor), que estén disponibles en
la región de operaciones.
Una vez localizado un árbol que reúna estos requisitos, debe ser comparado con los cinco mejores
árboles que se encuentren dentro de un radio aproximado de entre 10 a 20 metros del árbol
candidato. Estos valores pueden ser excepcionalmente mayores dependiendo de la configuración
topográfica: si el sitio es más plano se podrá extender el área de búsqueda de los árboles de
comparación.
Se debe considerar que en rodales manejados la variación fenotípica entre el árbol candidato y los de
comparación es menor, por esta razón los esfuerzos se deben concentrar en el criterio de
superioridad en volumen. Dentro de este razonamiento lo más importante es evitar la selección en los
bordes del rodal.
Como normalmente este método se utiliza en plantaciones de edad conocida, la variación en edad es
igual a cero (σ2T = 0), pero si existen dudas referentes a la edad del candidato y/o de los árboles de
comparación se deben extraer tarugos para su determinación.
Las variables cualitativas más los promedios obtenidos de las mediciones hechas en los cinco
"árboles de comparación", son confrontadas con los valores del "candidato" y se asigna el puntaje a
cada característica para la cual se está seleccionando, como lo indica el Formulario para
Selección de Arboles Plus adjunto.
En caso que se esté trabajando en terrenos de fuerte pendiente, los árboles de comparación deben
localizarse de preferencia en la curva de nivel o donde el suelo sea de mejor calidad, lo cual
generalmente ocurre cuesta abajo. Con esto se evita sobrestimar el valor del árbol candidato debido a
la calidad del sitio.
La intensidad de selección normal que se utiliza es sobre 1:100.000, ya que se ha comprobado que
intensidades masales altas tienen una influencia real sobre las ganancias genéticas, en especial en
rasgos de baja heredabilidad como el volumen. En Nueva Zelanda la primera selección masal se
realizó con 1:25.000; en cambio, la segunda selección masal se realizó con 1:1000. Las ganancias
en volumen para ambas intensidades alcanzaron el 10% y 4% respectivamente sobre las
plantaciones no mejoradas (Ipinza et al., 1994). Con estas intensidades en plantaciones es muy poco
probable tener problemas de parentesco, pero de presentarse el caso de tener 2 ó más candidatos en
un sector reducido del mismo rodal, se deberán tomar todas las medidas posibles para aclarar esta
duda, como comparaciones morfológicas (conos, ángulo de inserción de ramas, etc.) o análisis
isoenzimáticos.
Si finalmente se decide evaluar la superioridad de estos candidatos cercanos, se deberá evitar las
comparaciones recíprocas. En todo caso, de presentarse una situación en que un área reducida
presente muchos individuos sobresalientes con respecto a la media del rodal, es muy probable que
se deba a un efecto ambiental.
Como la selección se basa en el fenotipo de los árboles, para la selección de ciertos caracteres,
especialmente los relacionados con la calidad, se debe ser lo más objetivo y crítico posible de
acuerdo a pautas preestablecidas.
Una vez que un árbol candidato ha sido definitivamente seleccionado, se le asignará un código el que
se deberá marcar con pintura en una cara del tronco a una altura visible. Del mismo modo, se
deberán marcar los árboles de comparación con números correlativos definitivos del 1 a 5
correspondientes a los anotados en el Formulario. Después de realizada la sanción del árbol
candidato a plus, éste puede colocarse en las siguientes categorías: simplemente "plus", árbol de
banco o lisa y llanamente ser rechazado. Los árboles plus conforman las poblaciones de producción
y de mejoramiento, y los árboles de banco sólo la población de mejoramiento a la espera de ser
probados. En algunas situaciones con otras especies surge la categoría de conservación para
asegurar un tamaño mínimo de la población efectiva.
A los árboles sancionados se le asigna luego un código único que los identificará para siempre a
ellos y a su descendencia, ya sea material de semillas o de estaquillas obtenido de estos árboles.
También el código estará presente en todo el sistema de cruzamiento en que intervengan.
Referente al uso del formulario adjunto, es conveniente anotar toda la información que en él se detalla
-incluido el croquis de localización del candidato y árboles de comparación-, para más tarde poder
elaborar los datos de cada árbol y encontrarlo nuevamente en el terreno con facilidad y rapidez.
Los árboles "plus" seleccionados deberán permanecer en pie, junto con los de comparación y
algunos otros (para evitar derribos por viento), por el tiempo necesario para que de éstos se colecte
las semillas y púas necesarias.
PROVINCIA Valdivia
COMUNA Mafil
LOCALIDAD Iñake
PREDIO Hacienda Nome olvides
RODAL 74-100
EDAD 118 años
plus
TABLA RESUMEN
PUNTAJE
Variables cuantitativas
Estas características son las que muestran la superioridad en crecimiento del individuo. A través de
la altura y del diámetro reflejan exactamente el potencial volumétrico del candidato. Estas deben ser
medidas, tanto en el árbol candidato como en los de comparación.
Altura
Determinar la razón de altura mediante la siguiente fórmula:
La razón de las alturas es luego convertida a puntaje mediante la siguiente tabla, la cual debe
revizarse para los índices de sitios específicos:
Volumen
Determinar la razón de volúmenes por las fórmulas:
SUPERIORIDAD: Por cada 10% de exceso de volumen del candidato sobre los 5 árboles de
comparación se asigna 1 punto extra.
INFERIORIDAD: Por cada 10% de inferioridad en volumen del candidato respecto de los 5 árboles de
comparación se restan 3 puntos.
Peso específico
Cuando el interés sea la densidad de la madera, se deben extraer muestras con taladros
increméntales de 12 mm al DAP, en dos puntos opuestos del fuste, tanto en el candidato como en
los árboles de comparación.
El puntaje se asignará en forma similar y con los mismos valores que en el caso de volumen. La
razón de esto es que el rendimiento pulpable es producto del volumen y de la densidad (Rp= Vol *
Db).
Variables cualitativas
Copa
Para ser juzgada subjetivamente desde el punto de vista del candidato con los 5 árboles,
considerando radio de la copa, tamaño del tronco, competencia bajo la cual ha crecido el árbol,
conformación de la copa y dominancia balanceada.
Rectitud
Siendo una de las variables cualitativas de importancia en la toma de decisiones, se debe tener
claridad al definir si un árbol es o no recto y verificar que esto no haya sido alterado por efectos
externos como daños durante el control de malezas, daño mecánico producto del viento en etapas
juveniles, etcétera. Cualquiera sea el caso, bajo estas circunstancias se aceptará una torcedura
basal leve hasta 1.0 metro desde el suelo.
Restricciones:
1: Arbol con torceduras más que leves que impiden proyectarse hasta su ápice a través
del fuste.
2: Arbol recto, con más de una leve torcedura.
3: Arbol recto, con una leve torcedura.
4: Arbol perfectamente recto.
C a te o r ía s d e
C A T E G O R IA S D E R E C T IT U D
R e c titu d
1 2 3 4
Diámetro de ramas
Rango de calificación: De -2 a 2 puntos.
La medición se hace con respecto a los árboles de comparación. El puntaje del candidato se asigna
de la siguiente manera:
Nota: Si los DAP de los árboles de comparación son similares a los del candidato, entonces la
comparación de esta característica es directa. En caso contrario la comparación debe realizarse en
términos relativos al DAP, vale decir, la relación entre el diámetro de ramas y el DAP, en términos
generales es proporcional, por lo tanto debemos ser muy cuidadosos al momento de asignar la
calificación de la característica.
C a tegorías de
d iám etro de ram as
CATEGORIAS DE DIÁMETRO DE RAMAS
-2 -1 0 1 2
Angulo de ramas
Para ser calificada respecto de los árboles de comparación.
Categoría de ángulo de
inserción de ramas
CATEGORIAS DE ÁNGULO DE INSERCIÓN
DE RAMAS
-2 -1 0 1 2
TOMA DE DECISIÓN
Una vez que se ha completado la pauta con la totalidad de la información, se procede a la sanción
definitiva del árbol candidato. Para esto se considera cada una de las variables ponderadas según sea
el objetivo del programa. Por ejemplo, si el interés es madera aserrada, lo principal será el volumen,
que a su vez deberá ser asociado a la calidad de ramas y rectitud o forma del árbol.
1. Verificar durante la presanción que las mediciones sean correctas y los árboles de comparación
sean los adecuados. Se entenderá por presanción la recepción de faena que realiza el encargado
de programa y donde se decidirá cual material pasa a la fase de sanción.
2. Tener registros completos y claros durante la sanción. La sanción se refiere al destino final que se
dará al material.
4. Tener claro los objetivos que la empresa tiene respecto del material que está seleccionando (Por
ejemplo madera aserrada o pulpa).
5. Decidir con respecto a la superioridad de un candidato, para esto se requiere ver los datos en su
conjunto, ponderando la variable volumen en primer lugar, pero sin descuidar otras, como rectitud
o eficiencia de copa..
6. Para que un candidato sea considerado sobresaliente deberá como mínimo tener sobre 15% de
superioridad en volumen, complementado con una forma y aspecto lo más uniforme posible.
PROGRAMAS ESPECIALES
Los programas especiales son aquellos en los que el énfasis recae sobre otras características o
rasgos, como por ejemplo la forma y la resistencia a enfermedades. En este contexto se muestran a
modo de ejemplo los matices que sufre la pauta general antes discutida en relación a estos nuevos
objetivos de mejoramiento.
En este tipo de programa la forma es la característica principal a mejorar, por tanto se acepta que el
volumen sea al menos igual al promedio de los árboles de comparación. Por lo tanto el resto de
características o variables consideradas para la selección se mantendrán según la pauta general.
Los programas de mejoramiento para acumular resistencia a una enfermedad son programas en
constante revisión y perfeccionamiento. No obstante, poseen una serie de modificaciones radicales
que definirán pautas especiales, debido fundamentalmente a la biología reproductiva de los
organismos agresores y a la fenología del hospendante. En términos generales el plan a seguir en
esta materia se detalla a continuación:
- Objetivo
Seleccionar a edades juveniles individuos fenotípicamente resistentes al ataque del patógeno foliar D.
septospora en plantaciones de Pinus radiata.
- Procedimiento
Establecer una cartografía en la que se indique la relación clase de edad y nivel de incidencia de la
enfermedad.
1.- Establecer una cartografía en la que se indique la relación clase de edad y nivel de incidencia (%)
de la enfermedad. Localizar rodales de entre 4 a 8 años de edad, con un 80% de ataque y más.
Recorrer en forma sistemática los rodales prospectables para identificar en su interior árboles que
visualmente exhiban menos de un 25% de enfermedad en comparación al promedio del entorno.
Para la preselección el operario debe llevar una vara con la que pueda medir la longitud de copa verde
y la altura total de acuerdo al método de la vara.
Identificación y localización
El árbol preseleccionado se denominará candidato y los ocho árboles en su vecindad más cercana se
denominarán árboles de comparación tal como lo indica la siguiente figura.
El árbol candidato se marcará con dos líneas amarillas alrededor del DAP y un número entre ellas en
la cara norte, que será correlativo de acuerdo a los candidatos encontrados.
Los árboles de comparación se marcarán con una línea amarilla en el DAP, y un número correlativo
del 1 al 8 en la cara norte.
La zona donde se localiza el árbol candidato se indicará desde el camino más próximo con dos rayas
amarillas a la altura de los ojos, siguiendo el sendero que se despejará para acceder al lugar, lo que
quedará marcado en un plano del predio o finca.
En cada árbol candidato y de comparación se mide el DAP y la altura. La toma de muestras se debe
realizar en el tercio medio de la copa, que presentae una exposición este u oeste y aproximadamente
entre 1,5 a 3 metros de altura. Se debe tomar una muestra por árbol, que corresponda a un puñado
de acículas que permita seleccionar al azar una submuestra de 20 acículas efectivas por muestra,
las que deben ser analizadas en laboratorio. Es decir, para que un árbol sea seleccionado se requiere
analizar en forma efectiva 180 acículas.
Las muestras serán embolsadas, rotuladas y luego enviadas a un laboratorio de patología forestal
para su evaluación.
Sanción
Una vez establecida la intensidad del ataque por el análisis de las muestras en condiciones de
laboratorio, se sancionarán los árboles candidatos en las siguientes categorías:
c) Capacitación
REFERENCIAS
Crespell, P. 1994. Modificación pauta selección árboles plus. Circular No. 298.
UACH/CONAF/EMPRESAS FORESTALES. 2 p.
Droppelmann, F. 1988. Pauta para la selección de árboles plus en bosques de Eucalyptus. Circular
No. 125. Cooperativa de Mejoramiento Genético. UACH/CONAF/EMPRESAS FORESTALES. 7 p.
Gutiérrez, B. y Emhart, V. 1997. Bases de mejoramiento genético. Selección de árboles plus de roble
y raulí. Chile Forestal. Año XXII - No 255, Noviembre. pp. 38-39
Ipinza, R., Apiolaza, L., Pérez, E., Morales, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
cuantitativos para el mejoramiento genético. Concepción, 24 al 26 de abril de 1995.
UACH/CONAF/EMPRESAS FORESTALES. 188 p..
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto
de 1998. Programa CONIF - Miniagricultura. 162 p.
Zobel, B.; Talbert, J. 1988. Técnicas de mejoramiento genético de árboles forestales. Editorial
Limusa. México, México. 545 p.
ANEXO 1
Página de evaluación de árboles plus utilizada por los programas cooperativos de mejoramiento
genético de la Universidad de Carolina del Norte, EE.UU.
1. Altura:
2. Volumen:
3. Copa:
4. Clase de forma:
5. Rectitud:
6. Capacidad de poda:
7. Diámetro ramas:
8. Angulo ramas:
9. Edad aproximada:
10. Densidad de la madera
PUNTAJE TOTAL:
NOTAS: LOCALIDAD:
donde s = seleccionado
c = promedio de los 5 controles
La razón de altura de la fórmula anterior, luego es convertida a puntaje para el árbol por la siguiente
escala:
donde s = seleccionado
c = promedio de los 5 controles
Al árbol seleccionado se le da un punto por cada 10% de exceso en volumen por sobre los controles.
3. Copa: Debe ser juzgada subjetivamente desde el punto de vista del individuo seleccionado en
comparación a los 5 controles y darle el siguiente puntaje:
4. Clases de forma: Las clases de forma están determinadas por el método de puntuación usado. Al
árbol seleccionado se le dará 1 punto por cada clase de forma que exceda al promedio de los 5
controles, menos 1. Por ejemplo, el árbol tiene 3 clase de forma por sobre los controles, por lo tanto
su puntaje será de 2 ptos.
5. Rectitud: Juzgada subjetivamente para el árbol seleccionado y no comparada con los controles.
No se acepta ningún árbol con exceso de espiral, cualquier torcedura en dos planos o una torcedura
en un plano que no permita a una línea, desde la altura comercial hasta la base, permanecer dentro
de los límites del fuste. El puntaje subjetivo será de 0 a 5 puntos; de este modo un árbol con espiral y
torcedura tendrá un puntaje igual a cero, mientras que un individuo perfectamente recto en un plano
recibe 5 puntos.
6. Capacidad de poda: es la capacidad del árbol para deshacerse de sus ramas bajas (vivas y
muertas) en comparación a los controles.
9. Edad: Ningún árbol es aceptable si aparentemente es mayor en tres años a los controles. A los
árboles aparentemente más jóvenes que los árboles controles se les da un bono de 1 punto por cada
año menos que tengan en relación a la edad promedio de los controles, menos 2 años. Es decir, un
árbol cinco años menor que los controles, recibe 3 puntos.
10. Densidad de la madera: Ningún puntaje como tal le es dado a la densidad de la madera, debido
a que el óptimo en esta característica difiere para cada Empresa. El valor de un árbol en base a la
densidad de su madera es juzgado por dos criterios:
a. Comparación del árbol seleccionado con sus cinco controles. Esto da una idea
de la reacción del árbol cuando es comparado con árboles creciendo en las mismas
condiciones ambientales.
b. Comparación del árbol seleccionado con el promedio regional para una Empresa
particular.
FECHA 01-01-74
PROVINCIA Valdivia
COMUNA Mafil
LOCALIDAD Iñake
RODAL 74-100
BANCO CLONAL
FECHA 01-01-94
plus
TABLA RESUMEN
INTRODUCCIÓN
Los huertos semilleros son las poblaciones de producción más comúnmente utilizadas en los
programas de mejora. Los huertos son esenciales para la producción de semilla de alta calidad
genética, ya que la semilla se origina a partir de árboles superiores, seleccionados ya sea de
poblaciones naturales, plantaciones o ensayos genéticos de programas de generaciones avanzadas.
Es necesario distinguir los huertos de primera generación y los de generación avanzada. Los huertos
semilleros podrían contener progenie seleccionada de una nueva población base (selección hacia
delante), o la selección original de la primera generación (selección hacia atrás), o una mezcla de
ambos, por lo tanto esas consideraciones deben ser incluidas en los diseños.
En el huerto se debe incluir el mejor material disponible y su manejo debe ser el más efectivo posible.
Existe la impresión errónea de que los huertos son baratos, pero en la mayoría de los casos son
caros de establecer y mantener. La decisión de establecer un huerto no debería tomarse a la ligera, y
una vez tomada, debería ir acompañada del compromiso de un manejo intensivo, necesario para una
producción eficiente de semilla.
Los huertos son usualmente una buena inversión, pero el retorno de la inversión depende de un
manejo eficiente. En cualquier caso, el establecimiento de un huerto debe ser precedido por un
análisis financiero que considere los factores mencionados. En cualquier país los huertos son una
inversión apropiada, puesto que ellos proveen una fuente de semilla de una raza local (Pinus radiata
y Eucalyptus globulus) que no estaría disponible de otra forma. En el caso de las exóticas, los
huertos sustituyen la necesidad de importar semilla, que además de cara, puede no ser
genéticamente mejorada.
1
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile,
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
2
Ingeniero Forestal. Instituto de Silvicultura. Universidad Austral de Chile, Casilla # 567. Valdivia,
Chile.
e-mail: [email protected]
GENERALIDADES
Se pueden encontrar numerosos ejemplos donde los huertos han sido establecidos ya sea
demasiado pronto o demasiado tarde. Un error común es apresurarse a iniciar un programa de
mejoramiento genético antes de la selección cuidadosa de las mejores especies y procedencias.
Existen muchos huertos que no se utilizan porque los ensayos posteriores mostraron que otra
especie o procedencia de la misma especie era mucho más productiva que el material del huerto. En
general, las ganancias a partir de la exigencia adecuada de la especie o la procedencia serán
mayores de las producidas por una generación de mejoramiento genético dentro de una procedencia.
En otras palabras, hay que "aprender a caminar antes de correr”.
También se debe estar seguro de que existe una base genética suficientemente amplia del material
para selecciones de árboles plus para el huerto semillero o especialmente para el establecimiento de
una población para un programa de mejoramiento a largo plazo. En muchos casos, puede haber una
base genética suficientemente amplia para establecer el huerto semillero, pero no lo suficiente para
establecer una población de cruzamiento que prevenga el apareamiento de individuos emparentados
en generaciones posteriores. Las especies nativas raramente representan un problema, puesto que
se puede seleccionar del bosque nativo, pero en el caso de las exóticas a menudo se debe empezar
con cantidades limitadas de semilla. Un ejemplo típico es el caso de Eucalyptus nitens en Chile,
muchas plantaciones de esta especie se originan de la misma fuente de semilla, o de importaciones
desde Australia; un modo más eficiente sería hacer huertos semilleros clonales a partir de árboles
seleccionados de acuerdo a su valor genético en los ensayos de progenie y procedencia.
Una vez que las mejores especies y procedencias han sido identificadas a lo largo de varios años de
evaluación para crecimiento y adaptación, entonces se puede iniciar la selección para los huertos
semilleros, cuando existen varias hectáreas de rodales naturales, plantaciones o ensayos que
permitan una alta intensidad de selección.
RAZA LOCAL
SELECCION
SEMILLAS
HUERTO SEMILLERO CLONAL
EPPC 1.0 EPPA 1.0
1.0
10-12%
30%
OTROS PROGRAMAS
EPPA 1.0
RALEADO
HUERTO SEMILLERO CLONAL
SEMILLAS
2.0
> 30%
FIGURA 1
ESTRATEGIA GENERAL DE MEJORAMIENTO GENÉTICO
PARA UNA RAZA LOCAL.
Debido a la falta de conocimiento sobre los niveles de diversidad necesarios para que los
ecosistemas forestales se mantengan sanos en el corto y en el largo plazo, el número de genotipos
en el huerto que entrega una diversidad "aceptable" de alguna manera depende de una decisión
arbitraria. Para los huertos de primera generación, el número de clones no emparentados es del orden
de 25-40 y después de la depuración este número puede reducirse a un 50% o menos clones. En la
primera generación los clones son representados en el huerto en la misma frecuencia, por lo tanto el
tamaño efectivo de la población (Ne de Falconer 1986) es igual al número de clones, asumiendo una
misma fecundidad.
Diferencias en la contribución de gametos reducirá Ne, sin embargo, para depuraciones y huertos de
generación avanzada se han desarrollado algoritmos que maximizan la ganancia para una diversidad
constante (Ne), asignando una frecuencia de rametos en función de los valores de mejora (Lindgren y
Matheson, 1986; Lindgren et al., 1989). Este método incrementa efectivamente la ganancia, al
incrementar la proporción de los mejores clones y acumular diversidad incluyendo más clones de
bajos valores de mejora, pero en pequeñas proporciones. Para una distribución normal de los valores
de mejora, el número de clones con un valor de mejora similar se incrementa a medida que el
mejorador selecciona clones de bajo valor. De este modo, se puede incrementar la diversidad sin
mayores costos, es decir, sin reducir la ganancia genética.
Panmixia
La panmixia es definida por Falconer (1986) como la igual oportunidad de todos los individuos de
cruzarse con otro individuo en la población. En la literatura acerca de huertos semilleros esto ha sido
interpretada como la capacidad del diseño para maximizar la oportunidad de que todas las posibles
combinaciones de cruzas tengan la misma frecuencia (van Buitjenen, 1971; Giertych, 1975). Aunque
la panmixia ha sido considerada un importante criterio para el diseño de un huerto, de hecho, las
desviaciones de la panmixia (es decir, la inexistencia o desigual frecuencia de algunas cruzas) tiene
poco o ningún efecto sobre el valor genético promedio de la cosecha de un huerto (van Buitjenen,
1971). Asumiendo que las estimaciones del valor de mejora (o estimaciones de la aptitud
combinatoria general (ACG)) son calculadas correctamente, y asumiendo igual fecundidad, entonces
el valor esperado de la cosecha de un huerto de polinización abierta es simplemente el promedio de
los valores de mejora estimados. Hodge y White (1993) establecen que la inexistencia de ciertas
cruzas afectaría adversamente la calidad genética total de la cosecha sólo si:
• los efectos de la aptitud combinatoria específica (ACE) son grandes en relación a los efectos de
la ACG
La necesidad de panmixia en los huertos semilleros ha favorecido el uso de diseños en los que
distintos rametos de un clon particular tienen distintos conjuntos de vecinos. La evidencia podría
sugerir, sin embargo, que existe una pequeña probabilidad de que los diseños aleatorios ofrezcan
mejores oportunidades para la panmixia de lo que pueden hacerlo los diseños sistemáticos, en los
que los rametos tienen los mismos vecinos a través de todo el huerto. Para las coníferas, la mayoría
del polen que produce una progenie viable con una madre particular viene de fuera de la vecindad más
cercana, es decir, desde más allá de 25 metros. Esto no es sorprendente, ya que las estimaciones
de contaminación por polen (ajeno al huerto) son de un 50% aun para huertos de coníferas
presumiblemente bien aislados. Dentro de la vecindad, la distancia sólo está escasamente
relacionada con la frecuencia de cruzas. Diferencias de fecundidad y fenología son sustancialmente
más importantes que la distancia, en la determinación de los cruzamientos. En conclusión, la
panmixia no parece ser un importante criterio para la elección del diseño del huerto, pero aun si lo
fuera, es improbable que los distintos diseños difieran significativamente en su habilidad para
promover la panmixia.
Minimizar la endogamia
Evitar la endogamia es una prioridad para las poblaciones de producción de árboles forestales debido
a que la mayoría de los árboles son organismos exogámicos que exhiben una severa depresión
endogámica (Wright, 1976; Zobel y Talbert, 1988). Estimaciones de los niveles de cruzamiento
externo (outcrossing) en huertos semilleros de coníferas desarrolladas a partir de variación
aloenzimática multi-locus son extremadamente altas (0.98 a 0.99). Un intento por minimizar la
endogamia generalmente ha sido mantener una distancia mínima entre los distintos rametos del
mismo clon, o de clones relacionados. Por ejemplo, se considera como regla 27 metros de
separación entre parientes o rametos del mismo clon (Zobel y Talbert, 1988). Por las razones
discutidas anteriormente, esta práctica probablemente implica sólo un pequeño incremento en la
panmixia. Parece razonable esperar una amplia tasa de cruzamientos exogámicos en huertos de
polinización por viento, simplemente por un asunto de probabilidades. Un huerto con 20 clones
comportándose como una población panmíxica tendría una tasa de cruzas no emparentadas del
95%, mientras que 50 clones tendrían una tasa del 98%. Las desviaciones de la panmixia podrían
disminuir esta tasa, sin embargo, la autoincompatibilidad la aumentaría en algún grado.
Del tema de la endogamia, surge una pregunta: ¿deben existir restricciones sobre los tipos de
parentescos presentes en un huerto? En huertos de generación avanzada existe la posibilidad de
incluir varios tipos de parientes en el mismos huerto, como medios hermanos, hermanos completos o
progenie de un clon progenitor. El grado en que la endogamia afectará la calidad genética total de la
cosecha del huerto es una función de 1) la depresión endogámica asociada con un tipo particular de
cruza emparentada y 2) la proporción de progenie viable resultante de este tipo de cruza. De este
modo, la inclusión de múltiples rametos del mismo clon probablemente no disminuirá la calidad
genética de la semilla del huerto: aunque la depresión endogámica de las autocruzas es severa,
probablemente muy pocas progenies de autocruzas sobrevivirán para llegar a ser parte de la cosecha
del huerto. La progenie de cruzas de clones emparentados, como por ejemplo, un padre y una
progenie, o dos hermanos completos, tendrá una depresión endogámica menos severa, pero una
mayor proporción de esta progenie sobrevivirá para ser parte de la cosecha del huerto. Ha habido
algunos estudios que examinan el grado al cual la endogamia, particularmente la autocruza, afecta a
los rasgos de crecimiento en árboles forestales. Sin embargo, la habilidad relativa del polen de las
autocruzas o cruzas emparentadas para competir con el polen proveniente de cruzas no
emparentadas en la fertilización es desconocida y es un potencial campo de estudio para la
investigación futura. La creencia actual es que una pequeña tasa de parentesco entre los clones de
un huerto probablemente no tiene un impacto significativo en la calidad total de la semilla del huerto.
Para los huertos semilleros de primera generación es importante tener la opción de mejorar
genéticamente el huerto a través de la depuración, ya que los clones no han sido probados. Los
diseños que entregan distintos patrones de vecindad entre los distintos rametos de un clon
entregarán una mayor flexibilidad para futuras depuraciones. Esto favorece el uso de diseños
aleatorios, en oposición a los diseños sistemáticos. En un diseño sistemático es posible que un
grupo de clones deficientes se agrupen juntos bloque tras bloque. El resultado podría ser: 1) depurar
todo los clones deficientes, dejando un claro improductivo en el huerto, 2) dejar los mejores de los
clones deficientes en el huerto. Los diseños aleatorios evitan este problema (en algún grado)
produciendo distintos patrones de vecindad no repetibles. Para evitar posibles errores en la selección,
un número mayor de clones del que puede ser necesario para la diversidad genética, es incluido en
un huerto. En los huertos de generación avanzada, todos los clones (o sus ancestros) estarán
probados (al menos en algún grado). De este modo, el impacto de errores en la selección y la
necesidad de depuración disminuye, y los diseños sistemáticos o aleatorios pueden ser adecuados
indistintamente con respecto a este criterio.
Reducir el tiempo desde el establecimiento del huerto hasta la producción comercial tendrá un gran
impacto sobre el valor económico de un huerto. Tanto la selección de progenitores (hacia atrás) como
la selección de la progenie (hacia delante) están disponibles para ser incluidas en un huerto de
generación avanzada. Esto es importante ya que distintos tipos de huertos pueden diferir en el tiempo
que requieren para llegar a una producción comercial.
Para muchas especies no se sabe qué tipo de huerto producirá semillas antes. Podría ser un huerto
establecido con padres, ya que los rametos son fisiológicamente maduros y florecen más temprano,
o podría ser un huerto de progenie ya que crecen más rápido y por lo tanto, producen una copa más
grande antes. ¿Podrían combinarse ambos tipos de selección en un huerto? Esto permitiría al
mejorador disponer de semilla de cualquiera que la produzca antes que el otro. Podría también
permitirse un huerto con la proporción más adecuada como 1/2 padres y 1/2 progenie o 2/3 de padres
y 1/3 de progenie, o alguna otra proporción. Así, para algunas especies, el diseño de lo huertos debe
ser tan flexible que pueda permitir una mezcla de padres e hijos.
Hay básicamente dos tipos de huertos semilleros, los que se establecen con material propagado a
través de injertos, comúnmente compuestos de varios rametos por cada ortet, y los que se originan
de plántulas de semilla comúnmente a partir de un ensayo genético.
Un huerto semillero de semilla (HSS), o también conocidos como huertos semilleros de plántulas
(HSP), se crea mediante una depuración intensiva de un ensayo de progenie, para permitir que se
crucen individuos no emparentados y permitir que llegue luz a la copa para favorecer la producción de
flores y por ende la producción de semilla. Cuando se efectúa este tipo de raleo en rodales naturales
o plantaciones, resulta lo que se conoce como rodal semillero o área productora de semilla, como se
ha analizado en los capítulo previos.
La ventaja aparente del HSS es que la evaluación de las progenie y la producción de semilla se puede
llevar a cabo en el mismo sitio. Sin embargo, los ensayos de progenie se establecen normalmente en
sitios típicos de reforestación, los cuales no siempre son adecuados para la producción de semilla.
La otra ventaja del HSS es que la producción de semilla se inicia antes (para una generación dada),
puesto que un huerto clonal requiere, además, colección de púas de los árboles plus o elite de un
ensayo y el establecimiento posterior en el huerto. Si el ensayo de progenie tiene un área basal alta,
pueden pasar varios años para que se formen copas favorables para la producción de semilla, y puede
que la producción no se inicie mucho antes que en un huerto establecido por injertos, aunque en
ocasiones huertos de alta densidad como en Pinus radiata se utilizan para huertos de cruzamientos
controlados.
Los huerto semilleros clonales (HSC) se establecen colocando varios rametos, producidos por
injertos o estacas enraizadas, de cada árbol seleccionado en un área escogida para la producción de
semilla.
Los HSC tienen dos ventajas principales: los sitios para el huerto no están restringidos a las áreas
apropiadas para ensayos y pueden establecerse en áreas que faciliten el manejo y favorezcan la
producción rápida de grandes cantidades de semilla. No debe olvidarse que los huertos son
cosechadores de clima, por lo tanto su localización puede estar en lugares fuera del área de
distribución natural de la especie o fuera del área donde se establecen comercialmente las
plantaciones. En los HSC es posible una intensidad de selección mucho mayor, puesto que
únicamente un pequeño número de selecciones se incluyen en el huerto (alrededor de 40), mientras
que es necesario dejar más árboles por hectárea en los HSS para una polinización adecuada. Aun
más, las selecciones para un HSC pueden provenir de varios sitios de prueba o simplemente de
selecciones localizadas en sitios diferentes, mientras que los HSS usualmente se crean a partir de
sólo uno o dos sitios, para una generación de cruzamiento dada.
Para aquellas empresas u organizaciones que colectan semilla y mantienen la identificación de los
árboles individuales, es decir con identificación familiar, para hacer "silvicultura familiar", el HSC hace
posible colectar cantidades comerciales de varios rametos. Estas colecciones de semilla de
polinización abierta de madres individuales permiten establecer plantaciones monofamiliares más
uniformes, con menos pérdidas debidas a la supresión de los árboles más pequeños. Los estudios
han mostrado que la mezcla de familias (progenies) producen pérdidas diferenciales de familias en el
vivero debidas a sus diferencias aparentes en germinación y curvas de crecimiento. Algunas familias
son de rápido crecimiento inicial y pueden dominar a otras que empiezan tarde, pero que podrían ser
de más rápido crecimiento en una fase posterior.
Los HSS usualmente son fuentes alternativas de semilla mientras se desarrollan los HSC. El mayor
énfasis de este capítulo se dará a los huertos semilleros clonales.
Un tamaño inadecuado del huerto resultará ya sea en escasez de material plantable de alta calidad, o
en altos costos por kilo debido al exceso de tamaño. Sin embargo, es mejor tener un exceso ya que
éste probablemente puede ser comercializado. En la mayoría de los nuevos programas de
mejoramiento, hay mayor demanda que suministro de semilla de alta calidad. Muchos huertos
intencionalmente son de gran tamaño, para poder hacer silvicultura familiar, después que se tengan
los resultados de las pruebas genéticas y así no incurrir en los costos de repropagación a través de
estacas.
En realidad, algunos huertos están intencionalmente diseñados para abastecer al mercado externo.
En algunos casos, la venta de semilla puede ser un negocio lucrativo que puede ayudar a recuperar
algo de los costos del establecimiento y mantenimiento del huerto. Además, muchos de los costos
del huerto son fijos o varían poco con el número de hectáreas establecidas.
Un huerto manejado intensivamente producirá considerablemente más semilla por hectárea que uno
sin manejo intensivo. Por lo tanto, al determinar el tamaño del huerto, se debe decidir el tipo de
manejo que se adoptará. Sólo la protección contra insectos dañinos puede duplicar la producción de
semilla.
Para muchas especies existen estimaciones de producción de semilla (en kilos) por árbol o por
hectárea. Estos pueden utilizarse como un punto de partida si no existen datos locales. Una vez que
se tiene las estimaciones de producción, las necesidades de semilla pueden calcularse a partir de la
siguiente información:
La mayoría de las organizaciones aumentarán el tamaño del huerto en un 20 a un 50% para una
estimación conservadora del número de hectáreas necesarias. En el caso de inseguridad acerca de
adquisiciones de terreno en el futuro, puede ser deseable plantar el doble de las hectáreas
calculadas.
Cualquiera que sea el cálculo de las hectáreas necesarias para el huerto, debería haber un mínimo
de aproximadamente 5 hectáreas en un diseño compacto para asegurar una polinización adecuada
en especies de polinización por el viento. Igualmente, no se debería establecer huertos pequeños en
diseños de franjas largas, ya que esto puede ocasionar que el polen abandone el huerto con los
primeros vientos. La polinización más efectiva se logra con un huerto de una forma tan cuadrada
como sea posible, también es importante en la forma la dirección de los vientos dominantes, si estos
son predecibles.
Cuando se seleccione el sitio, se deberá dejar una barrera de aislamiento sin árboles de por lo menor
200 metros entre el huerto y los rodales cercanos de la misma especie u otras especies con las
cuales el huerto podrá hibridizar, de manera que el huerto no sea completamente invadido por polen
externo. El aislamiento permite que el polen externo se asiente y no llegue al huerto. Si hay árboles
de una especie incompatible creciendo en la zona de aislamiento, entonces la franja debe ser más
ancha - 350 metros - para especies de polinización por viento. Es preferible ubicar el huerto bien lejos
de rodales contaminantes. Una simple trampa de polen en el área potencial para el huerto puede
proporcionar datos sobre el nivel de contaminación potencial. No obstante, la mejor recomendación
es establecer el huerto en medio de una plantación de otra especie no relacionada.
Los huerto de vida corta, tales como los utilizados para Eucalyptus de rápido crecimiento, además
de los huertos rotatorios y de praderas de Pinus radiata, pueden ser plantados a un espaciamiento
menor. El tiempo de permanencia y el tamaño final de los árboles determinará el espaciamiento
inicial. La mayoría de los huertos se establecen a un espaciamiento de 5x5 m ó 10x10 m. También
se utilizan espaciamientos menores en los casos en que la información sobre la descendencia de los
padres incluidos en el huerto esté disponible poco tiempo después del establecimiento del huerto. La
información sobre la progenie puede utilizarse para eliminar a los padres inferiores y reducir
efectivamente el número de árboles por hectárea.
Si el huerto fuera una población panmíxica (con todos los rametos de todos los clones teniendo igual
fecundidad e idéntica fenología), y no tuviera contaminación de polen. El cálculo del tamaño efectivo
de la población es (Falconer, 1986):
Ne = 1/ 2∆F
donde pi es la frecuencia del clon i, pj es la frecuencia del clon j y Fij es el coeficiente de endogamia
de la progenie de la cruza de los clones i x j. Para huertos donde todo los clones no están
emparentados y el clon i está representado con la frecuencia pi, Ne calculado con la ecuación
anterior es equivalente al resultado de una ecuación más común (Muller-Starck y Gregorius, 1986):
n
Ne = 1/ Σ p2i
i=1
DISEÑO DEL HUERTO
• Número de clones
• Espaciamiento inicial, determinado por:
- Velocidad de crecimiento
- Edad a la cual el ensayo genético permitirá la depuración o raleo genético.
- Vida útil del huerto
• Mapa del área con las posiciones marcadas
• Distancia mínima permitida entre rametos del mismo clon
• Un programa computacional si se utiliza un diseño al azar
El diseño de un huerto semillero debería estar dirigido a promover el cruzamiento entre los clones,
minimizando la endogamia dentro del huerto y maximizando la flexibilidad de depuración posterior
(Kirkman, 1994).
Para evitar la endogamia los rametos del mismo clon deben estar separados unos de otros, mientras
más separados se encuentren, menor será la probabilidad de endogamia.
Un gran número de clones en el huerto significa un pequeño número de rametos por clon debido a la
mortalidad y los raleos (cuadro 1). Los huertos pequeños con un gran número de clones tendrán
pocos rametos por clon, lo cual hará difícil colectar y plantar separadamente cada rameto por clon.
La mayoría de los huertos deberían contener no más de 50 a 70 clones antes del raleo a un
espaciamiento inicial de 5x10 m, ó 30 a 40 clones a un espaciamiento de 10x10 m.
CUADRO 1
NUMERO DE RAMETOS POR CLON EN UN HUERTO DE 4 HECTÁREAS.
Número de Clones
Espaciamiento inicial 20 40 50 60 70 80
5x10 m (800 árboles) 40 20 16 13 11 10
10x10 m (400 árboles) 20 10 8 6 5 5
La tendencia en el pasado ha sido plantar los huertos a densidades demasiado altas que requerían
demasiados raleos antes de obtener cualquier información de los ensayos de progenie.
Filas puras
Se coloca un clon en cada fila del huerto; muy fácil de realizar y útil para bancos clonales, o cuando
la polinización es controlada. Propicia la endogamia y no favorece la panmixia, por lo que no es
empleado para polinización abierta.
La distribución más común de los clones en un huerto es al azar, con una distancia mínima de
aproximadamente 30 a 40 metros entre rametos del mismo clon. Este mínimo fue determinado por
Un diseño al azar es generalmente preferible para evitar patrones repetidos de proximidad en ciertos
grupos clonales, como ocurre en los diseños sistemáticos. Los patrones de vecindades repetidas son
indeseables porque, al momento del raleo genético o depuración de los clones más pobres, se
pueden encontrar grupos de clones muy buenos o muy malos que producirán un espaciamiento
irregular después del raleo. Cuando hay grupos de clones buenos, puede ser necesario remover
algunos rametos simplemente para dejar entrar la luz. Esto ocurre con menos frecuencia en los
diseños al azar. Para este diseño se requiere un programa de computador que revise
sistemáticamente la restricción de distancia. En programas comerciales de Pinus radiata, en Chile,
en la generación 1.5 se ha utilizado normalmente este diseño.
Completamente aleatorio
Todos los rametos disponibles de todos los clones están completamente al azar a través de toda la
superficie de plantación del huerto. Este es el diseño más simple de planificar en el papel, pero puede
producir dificultades posteriores cuando el huerto es muy grande y contiene muchos clones. Este
diseño tiene ciertas restricciones, como por ejemplo, que dos rametos del mismo clon queden juntos
en una fila, en una columna o diagonalmente, las restricciones son usualmente arregladas mediante
la manipulación de la posición de los rametos en el diseño. En la figura 2 letra a), se muestra un
diseño completamente aleatorio con 10 clones y 4 rametos por clon.
En este tipo de diseño, primero se divide toda el área destinada para el huerto semillero en bloques
equivalentes, cada uno con una superficie suficiente para contener un rameto de cada clon o un
múltiplo de este número. La posición de los rametos en cada bloque es completamente aleatoria y se
puede manipular para que dos rametos del mismo clon queden separados adecuadamente,
especialmente en las fronteras entre bloques.
5 3 9 1 10 BL.1 63148
a) 8 7 5 4 9 b) 5 10 9 7 2
6 1 2 6 5 BL.2 7 4 8 1 10
10 3 9 3 2 36592
6 2 7 10 8 BL.3 24819
4 8 6 7 9 6 7 10 3 5
7 2 3 10 1 BL.4 3 8 9 2 10
5 4 1 8 4 75461
2 3 1 10 6 5 10 8 1
5 9 4 2 9 7 3 9 10
c)
7 6 10 8 3 4 2 6 8
3 1 5 9 6 8 10 4 2
8 4 7 3 10 7 5 1 7
5 9 2 4 1 2 8 9 3
1 6 8 5 6 3 4 6 1
3 4 7 2 8 10 7 5 8
10 9 1 10 4 5 6 9 4
7 2 6 9 7 1 2 3 5
3 6 4 10 3 7 2 1 6 8 9 1 10 5 8 10 2 1 10 8 3
d) 157 2 6 9 53 2 10 5 1 3 2 41 69 7 1
2 8 9 5 1 4 8 10 5 4 8 3 4 69 73 4 5 2
FIGURA 2
TIPOS DE DISEÑO DE HUERTOS SEMILLEROS MÁS COMUNES
Este consiste en un bloque base fijo, en que los clones están distribuidos aleatoriamente y que es
repetido en toda el área del huerto semillero. Este diseño no es recomendado en huertos de
polinización abierta de primera generación.
Bloques rotatorios
Corresponde a una modificación del anterior, en que se realiza una rotación sistemática de los
rametos del bloque en cada repetición. Este tipo de huerto es recomendado en generaciones
avanzada de polinización controlada.
Sistemáticos
Los diseños sistemáticos son útiles cuando no hay acceso a programas computacionales. Es muy
difícil hacer un diseño al azar manualmente sin violar la regla de la distancia mínima de 30
metros entre rametos del mismo clon. Otra ventaja del diseño sistemático es que logra un balance
casi perfecto en términos del número de rametos por clon. Es deseable el balance en el número de
rametos porque al momento del establecimiento no existe información sobre las descendencias para
saber cuáles son las mejores. En el caso de huertos de generación avanzada, con este tipo de
diseños pueden convivir árboles emparentados de varias generaciónes, es decir selecciones hacia
atrás y hacia delante.
1 2 3 4 5 6 7 8 9 10 11 12 13
28 29 30 1 2 3 4 5 6 7 8 9 10
25 26 27 28 29 30 1 2 3 4 5 6 7
22 23 24 25 26 27 28 29 30 1 2 3 4
19 20 21 22 23 24 25 26 27 28 29 30 1
16 17 18 19 20 21 22 23 24 25 26 27 28
13 14 15 16 17 18 19 20 21 22 23 24 25
10 11 12 13 14 15 16 17 18 19 20 21 22
7 8 9 10 11 12 13 14 15 16 17 18 19
4 5 6 7 8 9 10 11 12 13 14 15 16
1 2 3 4 5 6 7 8 9 10 11 12 13
28 29 30 1 2 3 4 5 6 7 8 9 10
25 26 27 28 29 30 1 2 3 4 5 6 7
22 23 24 25 26 27 28 29 30 1 2 3 4
1 2 3 4 5 6 7 8 9 10 11 12 13
26 27 28 29 30 1 2 3 4 5 6 7 8
21 22 23 24 25 26 27 28 29 30 1 2 3
FIGURA 3
HUERTO CON DISEÑO SISTEMÁTICO
Bloques incompletos
Simétricos
Este diseño permite combinar aleatoriamente los clones y también comparar el comportamiento de
varios clones en forma más efectiva. El diseño es considerado incompleto si el número de rametos
por bloque es más pequeño que el número total de clones disponibles.
La posición de los rametos dentro del bloque y de los bloques dentro del área se asigna
aleatoriamente, pero en la práctica el azar ha sido usualmente modificado para satisfacer
restricciones de proximidad entre rametos del mismo clon. Este diseño tiene la ventaja de que la
combinación de rametos dentro del bloque siempre cambia, por lo tanto se favorece la panmixia.
También es un buen método para comparaciones experimentales de tratamientos dentro del huerto y
para estudios clonales comparativos.
Las principales desventajas radican en que sólo es adecuado para una cantidad fija de
combinaciones de números de clones y número de rametos por clon (repeticiones), de este modo
son repetidos varias veces sobre el área del huerto. Además es inadecuado para un raleo
sistemático, ya que puede estropear el diseño. En la figura 2 letra c), se muestra un diseño de
bloques incompletos de 10 clones, 9 y 8 rametos por clon, 3 rametos por bloque y 30 bloques en
total.
Asimétricos
A veces el diseño en bloques al azar es usado con un número fijo de rametos por clon, indiferente del
número de clones disponibles para el huerto. En este tipo de diseño cada bloque contiene un
conjunto de clones diferente, y por lo tanto los bloques no son tratados como repeticiones para
comparaciones experimentales dentro del huerto, lo cual es una ventaja de un diseño de bloque
completo.
Un segundo planteamiento del diseño en bloques incompletos asimétricos es usar bloques en los
cuales algún clon está representado por uno o varios rametos, pero con un tamaño de bloque variable,
de acuerdo a la disponibilidad de rametos de los clones usados. En la Figura 2d, se muestra un
diseño de bloques incompletos de 10 clones, con un número de rametos por clon variable y 9 bloques
de tamaño variable.
Vecindades permutadas
Estos diseños requieren un computador y programas que empleen imformación sobre procedencias,
compatibilidad, floración y aptitud combinatoria general. Estos programas son más útiles en huertos
de un solo bloque.
El diseño sistemático posee una ventaja total sobre los diseños aleatorios para huertos de generación
avanzada Los dos diseños son equivalentes en su habilidad para cumplir con los requerimientos de
diversidad genética y los requerimientos de una mínima distancia de separación para reducir la
endogamia. La panmixia no es un problema en cualquiera de los dos diseños. Minimizar el impacto
de los errores de selección será menos importante en huertos de generación avanzada donde están
disponibles las pruebas genéticas. Sin embargo, el diseño sistemático permitirá el uso de un número
mínimo de genotipos o la máxima frecuencia de los mejores genotipos mientras aún se cumple con
los requerimientos de distancia mínima. Esto permite una intensidad de selección más alta sobre los
clones en el huerto, produciendo un incremento marginal en la ganancia genética. Además, un diseño
sistemático probablemente es más fácil de tratar operacionalmente y permite la fácil replicación de
bloques para experimentos en el huerto.
A continuación se establecen las ventajas y desventajas de los distintos diseños de acuerdo a los
objetivos del huerto.
CUADRO 2
COMPARACIÓN DE DIFERENTES DISEÑOS EN BASE A LOS OBJETIVOS DE UN HUERTO
SEMILLERO (Giertych, 1975).
Requisitos (1) (2) (3) (4) (5) (6) (7) (8) (9)
Evitar endogamia - + + + + + + + ++
Favorecer panmixia - + + - - + + ++ -
Permitir raleos sistemáticos sin alterar el diseño + - - + - - - - ++
Permitir la utilización de porciones de huerto como - - + + + - - - +
réplicas para experimentos
Permitir la comparación del comportamiento de los - - + - - - + + -
clones
Facilitar la relocalización de los clones + - - + - - - - +
Permitir la expansión + + + + + + - - +
Ajustarse a cualquier forma del terreno + + - - - - - - +
Permitir la utilización de cualquier número de + + + + + - - + +
clones y rametos por clon
Permitir su modificación en base a la información + - - + - - - - +
obtenida acerca de compatibilidades, épocas de
floración y capacidad de combinación
Simplicidad del diseño + + + + + - - - +
Bajo costo de diseño + + + + + + + - +
++ muy adecuado; + adecuado; - no adecuado
(1) Filas puras
(2) Completamente aleatorios
(3) Bloques completos al azar
(4) Bloques fijos
(5) Bloques rotatorios
(6) Bloques incompletos asimétricos
(7) Bloques incompletos simétricos
(8) Vecindades permutadas
(9) Sistemático
REFERENCIAS
Arnold, R. 1990. Control pollinated radiata pine seed. A comparison of seedling and cutting options for
large-scale deployment. N.Z.Forestry. Nov.1990. pp 12-17.
Burdon, R., Shelbourne, A. y Wilcox, M. 1978. Advanced Selection Strategies. En: Proc. Third World
Consultation on Forest Tree Breeding. FO-FTB-77-6/2. Canberra, Australia.
Carson, M. 1986. Control-pollinated seed orchards of best general combiners. A new strategy for
radiata pine improvement. Agronomy Society of New Zealand. Special Publication Nº5. pp 144-149.
Dorman, K. 1976. The genetics and breeding of the southern pines. USDA Forest Service Agricultural
Handbook No. 471).
FAO. 1981. El Eucalipto en la repoblación forestal. FAO: Montes Nº 11, Roma. 723 p.
Giertych, M. 1975. Seed Orchard Designs. En: Seed Orchards, edited R. Faulkner. Forestry
Commission. Bulletin 54. pp. 25-37.
Hodge, G. y White, T. 1993. Advanced-generation wind-pollinated seed orchard design. New Forest
7:213-236.
Ipinza, R., Lafayette E. y Apiolaza, L. 1993. Curso de actualización de cruzamientos controlados con
énfasis en Eucalipto. CMG/ UACH/ CONAF/ Empresas Forestales. Serie Técnica. Universidad
Austral de Chile. Fac. de Cs. Forestales. Valdivia, Chile. 110 p.
Ipinza, R. , Pérez, E., Apiolaza, L., Crespell, P. 1993. Décimo Informe Anual, (1993). CMG/ UACH/
CONAF/ Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac. de Cs. Forestales.
Valdivia, Chile. 78 p.
Ipinza, R. , Pérez, E., Apiolaza, L., Crespell, P. y Morales, E. 1994. Informe Anual Décimoprimero,
(1994). CMG/UACH/CONAF/Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac.
de Cs. Forestales. Valdivia, Chile. 82 p.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Kirkman, P. 1994. Short Course on Tree Breeding Techniques. 2 - 20 Mayo 1994. Forestek, Nelspruit.
Division of Forest Science and Technology. Volumen I. 22 p.
Lindgren D. y Matheson, C. 1986. Increasing the genetic quality of seed from seed orchards by using
the better clones in higher proportions. Silvae Genetics 35:173-177.
Lindgren, D., Libby, W. y Bondesson, F. 1989. Deployment to plantations of numbers and proportions
of clones with special emphasis on maximizing gain at constant diversity. Theoret. Appl. Genet.
77:825-831.
Müller-Sratk, G. y Gregorius, H. 1986. Monitoring genetic variation in forest tree populations. En:
Proc. 18th IUFRO World Congress, Division 2, Vol II, Yugoslavia, pp. 589-599.
Potts, B. 1993. Biología reproductiva del genéro Eucalyptus y su aplicación en la mejora genética.
Texto presentado en el curso realizado en la Universidad Austral de Chile entre el 6 y 8 de septiembre
de 1993. Traducido al castellano por la Cooperativa de Mejoramiento Genético. Serie Técnica.
Universidad Austral de Chile. Fac. de Cs. Forestales. Valdivia, Chile. 106 p.
Sweet, G. y Krugman, S. 1977. Flowering and seed production problems. A new concept of seed
orchard. Proceedings, Third World Consultation on Forest Tree Breeding, Camberra, Australia, 1977.
Sweet, G.; Bolton, P. y Litchwark, H. 1991. A meadow orchard in radiata pine. research and reality.
Proceedings, IUFRO Congress, Montreal, Canadá, 1991.
Van Buijtenen, J. 1971. Seed orchard design, theory and practice. En: Proc. 11th South Forest Tree
Impro. Conf., Atlanta, Georgia, June 15-16. pp. 197-205.
Wright, J. 1976. Introduction to forest genetics. Academic Press, Inc., New York. 463 p.
ANEXO 1
FUNDAMENTOS
Los huertos de cruza rotatorios son una tecnología desarrollada con el objeto de optimizar la
producción de semillas en generaciones avanzadas de mejoramiento.
Estos huertos se basan en las ventajas que significa trabajar usando exclusivamente polinización
controlada (Carson, 1986), y en el uso de huertos semilleros clonales de pradera o ”meadow
orchards” (Sweet y Krugman, 1977)
Los huertos de pradera son huertos de alta densidad que posen entre 2000 y 10000 individuos por
hectárea (Arnold, 1990; Sweet et al., 1991), en los cuales cada rameto establecido tiene una vida útil
de entre 3 y 7 años. Finalizado este período, el rameto es reemplazado por uno nuevo, con nuevo
material genético.
En Pinus radiata, el uso adecuado de la inducción floral, así como buenas condiciones ambientales
naturales, permiten que una gran mayoría de los rametos produzcan flores y semillas los primeros
años luego de la injertación.
Las ventajas de los huertos de pradera se enumeran a continuación (Sweet y Krugman, 1977):
La idea del huerto rotatorio nace por la dificultad que existe en Pinus radiata, de compatibilizar las
actividades de inducción floral durante la diferenciación (enero del año 1 del ciclo biológico), apoyo
nutricional del gametófito femenino prefecundado (enero del año 2) y poda para controlar la altura de
los rametos (agosto)1.
En un huerto no rotatorio, por ejemplo, al cuarto año de producción, cada rameto requeriría podarse
en agosto, con lo cual se sacrifica flores femeninas polinizadas, y en enero correspondería la
inducción de las futuras flores femeninas y el apoyo nutricional del gametófito femenino de las flores
sobrevivientes a la poda del año anterior.
1
Comunicación personal, Dr. Geoff Sweet, consultor internacional. Valdivia, 1996.
ESTABLECIMIENTO
Un huerto de cruza rotatorio se basa en el establecimiento en tres años, de tres bloques, en cada
uno de los cuales se planta una cantidad determinada de rametos de todos los clones de interés en
un momento dado (material élite). Cada año se establece un nuevo bloque, el cual puede estar
constituido por los mismos clones del bloque anterior, o por otros, según la rapidez con que las
pruebas genéticas entregan información2.
El objetivo de este diseño es optimizar el manejo del huerto, debido a que en una temporada se
realiza una sola actividad de manejo en cada bloque, impidiendo que exista traslapos entre las podas,
el apoyo nutricional al gametófito femenino y la inducción floral.
2
Comunicación personal, Dr. Geoff Sweet, consultor internacional. Valdivia, 1996.
CUADRO 3
CRONOGRAMA DE TRABAJO TIPO, PARA EL ESTABLECIMIENTO DE UN HUERTO DE CRUZA
ROTATORIO DE PINUS RADIATA
CASO PRÁCTICO
INTRODUCCIÓN
Injertar es ligar dos porciones de plantas de manera que continúen su crecimiento como una sola. Se
ha descrito un gran número de procedimientos, pero en todos ellos, de modo general, se trata de
implantar en los tejidos del llamado pie, patrón o portainjertos, una yema o un trozo de tallo con una o
varias yemas que se conoce como púa. El conjunto de ambas partes dará origen a una nueva planta,
a la que el patrón aporta su sistema radical de fijación al suelo y absorción de agua y nutrientes,
mientras que la púa desarrollará la parte aérea, manteniendo las características genéticas de la
planta donante (Gil et al., 1986).
El injerto es un método de propagación de plantas conocido y empleado desde los tiempos más
antiguos. Fue practicado por los chinos 2.000 años A.C. y en la Antigua Grecia era una técnica de
uso corriente (Gil et al., 1986).
Los injertos, al igual que otras técnicas de propagación asexual, permiten el mantenimiento del
genotipo de árboles valiosos que, al ser en general sumamente heterocigóticos, se pierden en parte al
propagarlos por semillas. Con el injerto se consiguen réplicas genéticamente exactas del árbol
donante. Su aplicación más conocida es la de propagar ejemplares caracterizados por una gran
producción de fruto u otra cualidad. Además, cuando las púas proceden de árboles adultos, la
madurez sexual se mantiene en la nueva planta, floreciendo rápidamente. El injerto también hace
posible conservar o reproducir variedades estériles o multiplicar especies de difícil germinación. Los
injertos son comúnmente utilizados para el establecimiento de huertos semilleros clonales y bancos
clonales.
TIPOS DE INJERTOS
Existen pocas clasificaciones generales de tipos de injertos en las que se contemplan algunos
ejemplos de interés específico en especies frutícolas y hortícolas, como es el caso de las
mencionadas por Garner (1987) y Hartmann y Kester (1975), las cuales parten de dos grupos
principales:
• Los injertos en los cuales las partes a injertar no son removidas o sólo se remueven parcialmente
de la planta madre hasta que la unión se efectúa.
• Los injertos en que desde el inicio se hacen con una de las partes (la que se pretende propagar)
separada de la planta madre.
• Injertos de aproximación
• Injertos de propágulo
1
Ingeniera Forestal. Proyecto FONDEF D96I1052. Centro Experimental Forestal. Universidad Austral
de Chile. Avda. Pedro Aguirre Cerda # 2.150. Valdivia, Chile.
e-mail: [email protected]
Injertos de aproximación
Los injertos de aproximación pueden realizarse en cualquier época del año, aunque naturalmente
algunas variantes únicamente pueden utilizarse cuando las plantas se encuentran en la etapa de
crecimiento activo.
Existen varios tipos de injertos de aproximación, entre los cuales destacan los de aproximación
natural, que consiste en aproximar lo suficiente las partes sin ninguna otra operación además del
amarre, para que las plantas logren una unión. También existen los de aproximación con corte, que
consiste en cortar una parte de cada planta a unir exponiendo el cambium y practicar el amarre
correspondiente cuidando de que las superficies permanezcan en contacto hasta lograr la unión, o
practicar algunos cortes en los que se dejan lengüetas que afirmen la unión a fin de que exista mayor
superficie de contacto.
Estos tipos de injertos son más comunes para plantas herbáceas, que para especies forestales.
Injertos de propágulo
• Yema: estos se emplean cuando se usan como patrones plantas con la corteza suficientemente
delgada para realizar con facilidad la operación. El trabajo se realiza en la estación de
crecimiento de las plantas, que es cuando la corteza se separa de la madera sin dificultad, lo
cual es un requisito esencial. Este injerto es común en las especies frutales.
• Púa: aquellos injertos en que el propágulo corresponde a una o varias yemas y una porción de
ramilla que es precisamente donde se realizan los cortes para su unión con el patrón. Estos a la
vez se subdividen en injertos apicales o terminales e injertos laterales. Los injertos de púa son
los comunes en las especies forestales.
Un injerto no puede cicatrizar si los dos cambium no están en estrecho contacto. Por lo tanto, se
deben unir cambium con cambium, corteza con corteza, madera con madera, para que cada año se
formen tejidos nuevos y para que la savia circule (Anónimo, 1991).
El tejido recién cortado de la púa y del patrón, se colocan en contacto de tal manera que las regiones
cambiales de ambas partes estén en íntimo contacto. De ordinario las condiciones de temperatura
(entre 12 y 32 ºC) y humedad elevada (aproximadamente 90-100%) conducen al crecimiento celular
rápido.
Durante la operación del injerto, las células cortadas y dañadas por la navaja, se vuelven de color
pardo y mueren formando una capa necrótica. Bajo estas células muertas, en la región cambial, tanto
en la púa como en el patrón, las capas externas de células expuestas producen células de
parénquima (en 7 días dependiendo de las condiciones de temperatura y humedad), llenando el
espacio vacío que queda entre el patrón y la púa. Estas células pronto se entremezclan y entrelazan.
El resultado de esta actividad se llama tejidos de callo (tejido blanquecino) y permite el paso de
nutrientes del patrón al injerto.
Algunas de las células del callo recién formado, que se encuentran en la misma línea con capa
intacta de cambium del patrón y de la púa, se diferencia hasta formar nuevas células cambiales. El
contacto y el apareo del cambium del patrón y púa facilita el establecimiento de esta continuidad
cambial y el éxito del injerto.
Estas nuevas células de cambium, producen tejidos vasculares nuevos: xilema (madera) hacia el
interior y floema (corteza) hacia el exterior, estableciendo una conexión vascular indispensable para el
transporte de nutrientes entre el patrón y la púa. Esta conexión es importante para que la unión del
injerto tenga éxito.
Temperatura y humedad
Para que se realice la formación del tejido (callo) en las capas en íntimo contacto con el punto de
injerto, son necesarias dos condiciones: temperatura adecuada para la formación del callo.
Temperaturas muy bajas (inferior a 5 ºC) o muy altas (superior a 35 ºC) son perjudiciales para el buen
desarrollo de las células de neoformación (Anónimo, 1991). Para el caso de Eucalyptus globulus
injertado por hendidura, la temperatura adecuada parece ser la comprendida entre 10 - 24 ºC, para el
caso de Nothofagus, las temperaturas son similares. Otro elemento a considerar es la humedad que
debe mantenerse cercana al 100 %. El aumento de callo es más probable que se efectúe en células
muy turgentes que en aquellas en condiciones de marchitamiento. También, es importante considerar
una buena aireación dentro del invernadero.
Incompatibilidad
El término de incompatibilidad, se reserva para cuando falla el injerto, es decir, cuando se produce
una muerte prematura de la planta, atribuida con razonable certeza a la falta de unión entre injerto y
portainjerto, siendo esta inicialmente satisfactoria, aunque a la postre la combinación falla (Hartmann
y Kester, 1975).
• Incompatibilidad localizada: depende del contacto actual y directo entre las partes. Forma una
estructura mecánicamente débil y sin continuidad vascular al no haber diferenciación de las
células del callo. Este tipo de incompatibilidad se reconoce por una muerte prematura de los
rametos, deformaciones en la unión, ruptura de los componentes del injerto a nivel de la unión,
clorosis, desfoliación temprana y menor crecimiento.
• Incompatibilidad traslocada: existen influencias negativas que van más allá de un contacto
directo. Se produce diferenciación vascular, pero luego ocurre una deformación degenerativa del
floema que dificulta el paso de la savia desde la copa a las raíces. Se reconoce porque en la
corteza aparece una línea de color pardo o zona necrótica, se observa un sobrecrecimiento de la
púa y también clorosis, desfoliación temprana y disminución del crecimiento.
Los virus, hongos, bacterias e insectos causan estragos en el desarrollo, pues producen sobre la
planta, dos acciones negativas: influyen en el estado sanitario y en el desarrollo de la planta y
causan, en algunos casos, daños directos en el punto de injertación.
El uso de material de propagación infectado puede reducir el "prendimiento” de los injertos así como
el vigor de las plantas resultantes.
En algunas ocasiones los hongos logran entrar en las heridas que se hacen para preparar injertos. Es
el caso de injertos de E. globulus, en que se ha encontrado Botritis, principalmente en la sección de
unión. El control químico de esas infecciones ayuda mucho a promover la cicatrización de las
uniones y evitar mayores contagios (Anónimo, 1991).
Para el caso de Nothofagus (roble, raulí y lenga), en el período de brotación de las yemas de la
ramilla injertada, se detecta la presencia de una sobrepoblación de pulgones, los cuales en estado
adulto producen amarillamiento de las hojas y posterior defoliación, lo cual debe ser controlado con
insecticidas. También es común encontrar agallas en la hojas que se forman en la púa, éstas deben
ser retiradas con cuidado para evitar daños a las yemas nuevas.
Sellantes
El utilizar un sellante adecuado, sirve para mantener la humedad, proteger las células expuestas en
la zona de injertación e impedir la entrada de organismos patógenos a esta zona. Para sellar y
proteger las heridas se usan varios métodos, como ser pastas de arcilla y estiércol de vaca, ceras
frías y calientes, látex, betunes. Unas de las más usadas por su facilidad de manipulación es el látex
Podexsal, que ha dado muy buenos resultados.
Para el caso de las zonas templadas, se recomienda hacer los injertos, en el último periodo en que la
planta se encuentre en estado de dormancia, si es que el injerto es de púa. Para el caso de injertos
de yema, la época adecuada es en la cual la planta se encuentra en actividad vegetativa, o sea
primavera y verano.
Este factor influye en la calidad del corte y rapidez en la ejecución del injerto, si se realiza
rápidamente disminuye el desecamiento de la púa y la oxidación de las células expuestas al aire
cuando se realiza el corte, aumentando la supervivencia de los injertos.
El estado fitosanitario tanto de la planta patrón como de la púa colectada está directamente
relacionado al éxito de la faena de injertación. Patrones y púas sanas y vigorosas producen mejor
cicatrización y un mayor crecimiento del injerto.
Cuidados posteriores
Para la mayoría de las especies forestales, el origen de la planta a utilizar como patrón es de semilla,
en cambio, para las especies frutales, el origen es de semilla o propagación vegetativa, este último es
el más usado, ya sea mediante el acodado u obtención de esquejes o estaquillas, de familias que
presentan resistencia a plagas y enfermedades y gran vigor, este tipo de propagación permite tener
unifomidad en la planta patrón.
En general, para el caso de las especies forestales, la preparación de patrones se inicia con la
siembra de la semilla en platabanda o speedlings, dentro o fuera de invernadero, para luego ser
transplantados a macetas de 3 a 5 lt (depende del tiempo que estará la planta en la bolsa), y llevadas
bajo condiciones de invernadero. Esta etapa de preparación se extiende por un período que va desde
los ocho meses hasta los dos años, dependiendo de las condiciones medioambientales y del
crecimiento de la especie considerada. Se aplica fertilización y riego intensivo, con fertilizantes que
estimulen el crecimiento de la planta. Lo normal, es injertar patrón y púa de la misma especie, pero
se han probado algunos casos, en que se utilizan patrones de E. globulus y púas de E. nitens, la
supervivencia a sido satisfactoria, pero lo que no se ha evaluado es la compatibilidad a largo plazo
(Gaymer, 1994).
Las técnicas específicas aplicadas en la producción y manejo de plantas patrones varían según la
empresa que los produce y la especie. Lo importante es obtener una planta vigorosa y sana, que sea
un buen soporte para el injerto.
Al momento de ser injertados los patrones deberán tener una altura de 30 a 40 cm, y un diámetro de
0,5 cm en el cuello. Se seleccionan aquellas plantas rectas, sanas y de internudos amplios.
COLECTA DE PÚAS
La colecta de púas se lleva a cabo en los árboles seleccionados y sancionados como plus, para el
caso en que los injertos sean destinados a la formación de huertos semilleros, y de árboles de banco
si es que los injertos son destinados a la formación de un banco clonal.
En general, existen dos métodos de colecta de púas, escalando el árbol o cortando ramas mediante
tiros. El más usado es el escalamiento del árbol, para lo cual el escalador debe tener un equipo
adecuado con cinturones de seguridad, trepadora, tijera extensora o serrucho y cuerdas. Se debe
causar el menor daño posible al árbol y obtener solo el material necesario para injertar.
Las púas se almacenan en condiciones de alta humedad (cercana al 100%) y bajas temperaturas (3
a 5 ºC), para lo cual se acondiciona un "cooler” con hielo o guateros fríos y esponja humedecida,
además se aplica un a solución fungicida a las púas (Benlate 2,5 g/l agua) y una tarjeta de
identificación con el número del clon al cual pertenece. La vida útil de las púas en estas condiciones
es de cuatro días desde el momento en que se extraen.
Las púas deseadas para injertar son aquellas del último año de crecimiento, sanas, semilignificadas,
con yemas a punto de brotar, de un largo de 20 a 30 cm, sin frutos ni flores, ni presencia de daños
por insecto, con las yemas en buen estado.
La colecta de púas es una actividad que se debe coordinar muy bien con la injertación, para optimizar
tiempo, costo y material vegetal. La cantidad de púas a colectar va a depender directamente de las
distancias entre el árbol plus o los árboles plus y el centro de injertación, como también de la
cantidad de operadores y habilidad de ellos para injertar. Siempre es aconsejable colectar más
material de lo necesario, ya que se descartan algunas púas que tienen problemas sanitarios.
INJERTACIÓN
Para el caso de Eucalyptus globulus y E. nitens, Pinus radiata y Nothofagus, los tipos de injertos
más utilizados son aquellos en que la púa corresponde a un trozo de tallo con varias yemas, el
primero se llama injerto de hendidura o de cuña, en que el injerto se realiza en la parte apical, y el
segundo se llama injerto de botella, en que el injerto se realiza en la parte lateral de la rama.
Consiste en la unión apical de patrón y púa. El lugar de corte tanto del patrón como en la púa debe
ubicarse en los entrenudos y tener diámetros similares, idealmente iguales.
Se corta el ápice del patrón con tijeras de podar justo sobre el lugar de injertación. El lugar de corte
en el patrón debe hacerse cercano a la base, pero dejando a lo menos un par de ramas laterales bajo
el corte (promedio 10 a 12 cm). El corte de injertación, debe ser largo 4 a 5 cm, continuo y uniforme,
avanzando por el centro de la sección medular.
Se mantiene el corte cerrado (con pinza de ropa), para evitar desecamiento mientras se prepara la
púa.
Se limpia con un algodón el lugar donde se efectuará el corte, y se seca la humedad que exista.
Se realiza un corte en la púa, en forma de cuña, largo y continuo, de largo similar al efectuado en el
patrón, el corte debe comenzar muy superficialmente hasta llegar a la médula, de modo de dejar
mayor cantidad de cambium expuesto. No se debe tocar con los dedos la superficie cortada.
Posteriormente, se retira la pinza de ropa desde el patrón, se abre el corte y se inserta la púa de
modo que las partes de cambium de patrón y púa coincidan y estén en contacto. Se incluye toda la
sección cortada de la púa en el corte del patrón. Si el corte de la púa es más largo que el efectuado
en el patrón, se saca suavemente la púa y se iguala el largo. Si se trabaja con púas de menor
diámetro que el patrón, se hace coincidir sólo un lado.
Mientras se coloca el elástico de injertación los cortes se mantienen unidos con pinzas de ropa. Se
comienza a colocar el elástico desde la base, medio cm. más abajo del inicio del corte, envolviendo
completamente y se termina en la parte superior medio cm. más arriba de la unión.
Posteriormente, la zona de injertación es cubierta con un sellante de poda que a la vez es fungicida.
En el caso de las especies perennes, las hojas que queden ligadas a la púa y al patrón deben ser
cortadas a la mitad, para evitar el exceso de transpiración. Todos los cortes se cubren con sellante
de poda con fungicida. En el caso de las especies caducifolias la poda de los brotes se realiza
posteriormente, cuando el patrón ya ha brotado.
Luego se coloca una tarjeta de identificación con la fecha de injertación, número del clon, iniciales de
la localización del clon, por ejemplo si pertenece a una empresa, y las iniciales del injertador.
Existen algunos casos, en que la cuña se inserta lateralmente en el patrón, esto ocurre cuando la
planta patrón no posee el follaje necesario para el desarrollo de las primeras etapas del injerto, bajo la
zona del injertación.
FIGURA 1
INJERTO DE HENDIDURA O DE CUÑA
Injerto de botella
Para realizar el injerto de botella, se extraen las hojas o los brotes del tercio inferior de la púa. Luego,
el primer corte se efectúa para extraer la corteza de una longitud de 4 a 5 cm, posteriormente en esta
misma zona de corte, se realiza un segundo corte más profundo, en dirección desde la base hacia la
punta de la púa, con el objetivo de formar una lengüeta. Se debe tener cuidado de mojar
constantemente el área afectada por el corte para evitar la oxidación de las células que allí se
encuentran, tanto en el patrón como en la púa. Las púas colectadas para hacer los injertos se
mantienen en una cámara de riego, para evitar la evapotranspiración, hasta el momento en que son
injertadas.
Posteriormente, se extraen las hojas y los brotes en el tercio inferior de la planta patrón. En el área
despejada se extrae un trozo de corteza de 4 a 5 cm de longitud, dejando el cambium expuesto.
Luego, se efectúa un corte más profundo hacia abajo para formar la lengüeta. Se toma la púa y se
inserta en el patrón entrelazando las lengüetas y haciendo coincidir las zonas de cambium, las
lengüetas no deben quedar dobladas en su interior. Se colocan pinzas de ropa en la zona de corte,
mientras se prepara el elástico de injertación.
Se coloca el elástico de injertación de abajo hacia arriba y se extraen las pinzas de ropa.
En el caso de las especies perennes, las hojas que queden ligadas a la púa y al patrón deben ser
cortadas a la mitad. Todos los cortes y la zona de injertación se cubre con sellante de poda con
fungicida.
Finalmente, en la base de la púa se coloca un envase de plástico con agua que se llena
periódicamente. Luego se coloca una tarjeta de identificación con la fecha de injertación, número del
clon, iniciales de la localización del clon, por ejemplo si pertenece a una empresa, y las iniciales del
injertador (Emhart, 1996).
FIGURA 2
INJERTO DE BOTELLA
Riego
Una vez hecho el injerto se debe regar abundantemente el sustrato de cada maceta y llenar
periódicamente los vasos con agua (Injerto de botella).
Se utiliza una combinación entre fertilizantes granulares que se aplican al sustrato y fertilizantes
foliares. En el mercado existen una gama de productos, de entrega lenta como por ejemplo, el
OSMOCOTE, su efecto dura aproximadamente 8 meses dependiendo de la humedad y temperatura
ambiental. También existen fertilizantes en polvo que se diluyen en agua y son de rápida entrega,
pero se aplican en forma periódica. La fertilización debiera incluir una mezcla balanceada de NPK,
más la presencia de microelementos.
La aplicación de insecticidas en forma preventiva evita el daño a las nuevas yemas que definirán el
crecimiento del injerto.
Poda de brotes
Constantemente se efectúa la poda de brotes nuevos del patrón, sin permitir su desarrollo,
posteriormente, al cabo de 2 ó 3 meses, se elimina completamente los brotes del patrón, y en el
caso del injerto de botella, se elimina también el envase plástico (Emhart, 1996). La intensidad en la
poda de los brotes varía de las especies perennes a las caducifolias, en las primeras la poda de los
brotes nuevos es más severa, en cambio en las segundas la poda es más suave, hasta que el injerto
se establece.
Cada 15 días se debe revisar el elástico y soltarlo para evitar daños por estrangulamiento, para al
cabo de dos meses eliminarlo definitivamente, como es el caso de los eucaliptos y pino insigne. La
extracción definitiva del elástico depende en general de la velocidad de crecimiento de la especie, ya
que por ejemplo en el caso de Nothofagus el elástico se elimina a los cuatro a seis meses más o
menos.
Endurecimiento
El injerto una vez que se ha desarrollado satisfactoriamente y ha alcanzado una altura adecuada,
entre 8 y 12 meses después de injertado, se traslada a un sector debidamente preparado para el
REFERENCIAS
Barbosa, M. 1987. Manual de Injertos de Especies Forestales. Centro de Genética Forestal, A.C.
Boletín Técnico Nº1. Chapingo, México. 66 p.
Garner, 1987. Manual del injertador. Ediciones Mundi-Prensa. Madrid, España. 338 p.
Gaymer, M. 1994. Ensayo de una Técnica de Injertación para Eucalyptus nitens (Deane et Maiden)
Maiden. Tesis de Ingeniero Forestal. Facultad de Ciencias Agrarias y Forestales. Universidad de
Chile. Santiago, Chile. 65 p.
Gil, L; Pérez, V. y Palomar, J. 1986. El Injerto en los Pinos. Hojas Divulgadoras Nº 20. Ministerio de
Agricultura, Pesca y Alimentación. Madrid, España. 24 p.
Hartmann y Kester, 1975. Propagación de plantas: Principios y prácticas. Editorial Continental, S.A.
Traducido por Antonio Marino Ambrosio. México. 814 p.
INTRODUCCIÓN
Una de las decisiones más importantes es la localización del huerto semillero. Un lugar apropiada
significa la diferencia entre una producción nula o abundante. También puede significar la diferencia
entre producción temprana y tardía. Los costos de producción de semilla varían tremendamente de
acuerdo con la localización del huerto.
Tanto la longitud como la latitud pueden ser críticas en la producción de semilla. Pinus patula
típicamente no produce conos ni semillas en altitudes bajas. En Chile la producción de los huertos
de Pinus radiata es mayor en aquellos localizados en la zona costera. Este antecedente es
importante en la producción de semilla por hectárea, puesto que la velocidad a la cual se produce
material genéticamente mejorado para las plantaciones juega un papel determinante en un programa
de mejoramiento genético. También es importante considerar una sola exposición para la distribución
de los bloques.
El clima puede también afectar la producción de semilla en formas diferentes. Los pinos a menudo
producen mejores cosechas de semilla en áreas con estaciones secas y lluviosas bien definidas. Las
razones no están claras, pero existen dos hipótesis: a) la diferenciación de yemas vegetativas
sexuales puede requerir un periodo de latencia (en climas templados esta latencia es producida por
1
Ingeniero Forestal. Proyecto FONDEF D96I1052. Centro Experimental Forestal. Universidad Austral
de Chile. Avda. Pedro Aguirre Cerda # 2.150, Valdivia, Chile.
e-mail: [email protected]
las estaciones), el cual puede ser inducido por el estrés hídrico y/o el calor; b) en estos climas, las
flores tienden a emerger todas aproximadamente al mismo tiempo, lo cual favorece una polinización
más efectiva debido a la existencia de una fuerte nube de polen cuando las flores femeninas están
receptivas. Los climas favorables para crecimiento a lo largo de todo el año generalmente son
inadecuados para la producción de semilla. Las precipitaciones pueden ser también un factor
limitante al presentarse en gran cantidad e impedir un desarrollo adecuado de las flores, en el caso
contrario, una falta extrema de precipitaciones disminuyen la producción de flores en caso que no se
cuente con la posibilidad de riego frecuente. El viento es otro factor a considerar ya que puede causar
graves daños en el huerto; los efectos pueden ir desde la rotura de ramas y brotes hasta la caída de
los árboles.
Los huertos no deberían ser establecidos en condiciones inusualmente nubosas. La luz del sol, como
lo evidencia el amplio espaciamiento de los árboles en el huerto, es crítica. Las áreas con vientos lo
suficientemente fuertes para deformar los árboles también deberían ser evitados. En áreas de vientos
persistentes, las barreras cortavientos pueden ser útiles.
Siempre que sea posible, los huertos no deberían ser establecidos en pendientes fuertes. Los
terrenos planos o de pendientes moderadas facilitan y bajan los costos de manejo y de cosecha.
Muchas prácticas del manejo del huerto tales como el control de malezas, fertilización, subsolado y
cosecha deberían mecanizarse, lo cual sería imposible en terrenos de pendiente fuerte.
Siempre que sea posible, el huerto debería ser ubicado en áreas convenientes y de fácil acceso para
visitas y observación frecuente. El fácil acceso para mostrar el huerto al gerente o al directorio de una
empresa puede ser muy importante para obtener apoyo para el programa de mejoramiento, pero
algunas veces esto no es posible cuando se hace necesario establecer el huerto lejos de la base
para lograr la producción de semilla.
No es necesario establecer los huertos en, o cerca de los sitios donde se llevará a cabo la
plantación. En algunos casos, puede ser necesario ubicar los huertos incluso fuera del país donde se
utilizará la semilla, a fin de lograr la producción de suficiente semilla a bajo costo. En el pasado se ha
puesto demasiado énfasis a ubicar el huerto en un lugar cercano, con poca consideración en la
producción de semilla. En muchos casos será necesario adquirir nuevas tierras apropiadas para los
huertos.
Los huertos de una procedencia dada no deberían ser ubicados en áreas de rodales naturales
extensivos o plantaciones de otra procedencia que pueda polinizar el huerto y, por lo tanto, alterar la
adaptabilidad y el crecimiento de la descendencia colectada del huerto. Asimismo, los huertos de
procedencias o zonas ecológicas diferentes no deberían ser establecidos contiguamente.
El tipo apropiado de suelo dependerá de la especie en particular, aunque para la mayoría de las
especies es deseable un suelo limoso profundo y limo-arenoso sobre subsuelo areno-arcilloso. Los
suelos muy arcillosos son fácilmente compactados por el tráfico pesado o el equipo comúnmente
utilizado en la mayoría de los huertos. El buen drenaje es una necesidad absoluta para la producción
de semilla de la mayoría de las especies, no importa cual sea la textura, evitar sectores con
anegamiento. Se debería determinar y considerar el rango de pH apropiado para la especie. Se debe
considerar la fertilidad del suelo, evitar suelos con fertilidades extremas, es decir, suelos de poca
fertilidad por su bajo contenido nutritivo, y suelos altamente fértiles por que se favorecería más el
crecimiento vegetativo en desmedro de la producción de flores. Del punto de vista del manejo del
huerto semillero, es preferible poder manipular artificialmente la fertilidad del suelo.
Establecer un huerto en tierras agrícolas de buena calidad bien puede justificar el precio, puesto que
se garantiza el buen crecimiento y sanidad del huerto y se facilita el manejo. Esto es especialmente
válido en especie del género Eucalyptus.
Un huerto establecido en el centro del rango natural de la especie o entre plantaciones extensivas de
la misma especie tendrá un alto riesgo de contaminación, ya que el polen inferior entrará al huerto y
fertilizará un porcentaje significativamente alto de flores receptivas. Los niveles estimados de
contaminación con polen varían grandemente, pero no es raro encontrar niveles de 33 a 75% en
huertos localizados cerca de rodales de la misma especie. La mayor contaminación ocurre en
huertos jóvenes que pueden estar produciendo flores femeninas pero muy poco polen. Las trampas de
polen son muy sencillas y pueden ser usadas para estimar los niveles de polen en un sitio potencial.
Además, colocando varias trampas dentro y fuera de un huerto ya establecido es posible determinar
el nivel de contaminación por polen externo.
Las áreas potenciales para el huerto deberían evaluarse para determinar peligros potenciales. Los
huertos de eucaliptos pueden perderse por situaciones climáticas inusualmente severas como
heladas y sequías. Cuando exista un peligro significativo, puede ser aconsejable establecer otro
huerto de respaldo en caso de que el primero se pierda. Una inversión tan importante no debería
dejarse a los designios de la naturaleza. Se deben evitar los lugares con peligros inminentes de
plagas, enfermedades, animales silvestres y domésticos, o algún otro tipo de daño.
Se debe asegurar, sin lugar a dudas, que la especie está adaptada a la zona. Si un sitio potencial
para el huerto se encuentra en una zona donde las especies no han sido plantadas antes, se deben
estudiar otros factores - geográficos, climáticos, edáficos, etc. - para que quede poca duda de la
adaptación de la especie.
Es esencial llevar a cabo una buena preparación de sitio y plantación del huerto semillero para lograr
una buena producción de semillas. El objetivo más importante en la preparación del suelo es proveer
las condiciones óptimas para el desarrollo vigoroso de la raíz del injerto, para mejorar la penetración
del agua y la capacidad de retención de humedad del suelo, además de reducir la competencia de las
malezas y el sotobosque, y también disminuir la incidencia de la incompatibilidad e inducir a la
producción de flores.
El suelo debe ser subsolado siempre y cuando la pendiente lo permita; su efecto se prolonga por
varios años, luego de establecida la plantación. Debe realizarse en períodos secos (verano) a una
profundidad de 40 cm (Ipinza et al., 1993).
Los suelos aún ligeramente compactados deberían ser subsolados en dos direcciones antes de
establecer el huerto, plantando los árboles en las intersecciones (o a un lado del lomo, si existe el
peligro de un período de pobre drenaje alrededor del árbol).
El subsolado también se utiliza para romper la compactación originada por el paso frecuente de
equipo pesado. Existen estudios que indican que el subsolado puede también aumentar la floración al
mejorar las condiciones sanitarias del huerto y posiblemente, al inducir algo de estrés hídrico. Se
debe buscar asesoría para realizar el subsolado, especialmente con relación a la frecuencia y a la
distancia de los árboles. Cuando se realice, siempre debería colocarse un disco vertical adelante del
subsolador, para cortar las raíces. De otra manera, las raíces largas pueden ser reventadas y
sacadas a la superficie.
Plantación
Los rametos de cada clon deben ser plantado en hoyos de acuerdo al esquema que se diseñe para el
huerto semillero. El espaciamiento inicial en un huerto semillero debería ser suficientemente amplio
para facilitar el pleno desarrollo de la copa por un período bastante largo, de modo de asegurar la
producción y cosecha de semillas. El espaciamiento depende de la especie, de la precocidad de
floración, la forma de la copa (sombra), de la depuración que se realice en el huerto semillero y de la
maquinaria a utilizar en él. Normalmente, los rangos de espaciamiento van desde los 4 x 4 m hasta
los 6 x 6 m. Ligado al proceso de plantación se efectúa la fertilización de los rametos, de acuerdo al
análisis químico del suelo.
Monumentación
La identificación de los rametos de cada clon, tanto en terreno como en registros, permitirá mantener
siempre un claro control sobre los antecedentes históricos que se haya acumulado a través del
tiempo y dará la seguridad necesaria durante la toma de decisiones (Ipinza et al., 1994). Además,
facilita enormemente la actividad de cruzamientos controlados y la cosecha familiar de la semilla
cuando los huertos entran en producción.
Para orientar las filas debemos tener en cuenta algunos factores como: iluminación, dirección de los
vientos dominantes, contorno de la plantación. De los tres la iluminación es el más importante, esto
nos lleva a orientar las filas en dirección norte-sur, pues con ello se consigue una iluminación
uniforme en ambas caras de los árboles. El viento puede afectar negativamente al huerto, en
particular si se canaliza por las calles, afectando a todos los individuos de la misma. Este
inconveniente puede evitarse con la instalación de cortavientos, pero aún así, una disposición de las
filas en la dirección perpendicular de los vientos dominantes permite que las primeras filas protejan al
resto del huerto (evitando al máximo sacrificar una buena iluminación). Siempre es deseable la
máxima utilización del espacio, por el alto costo que involucra el terreno, siempre y cuando no vaya
en desmedro de los puntos anteriores (Ipinza, 1993).
Una clave para obtener éxito es efectuar las labores de manejo del huerto semillero en el tiempo
adecuado.
Los objetivos y el éxito para el mejor manejo del huerto semillero en los primeros años de desarrollo
dependen del reconocimiento de los factores limitantes en la producción de semillas. El problema del
manejo operacional del huerto semillero en los años posteriores se soluciona determinando los
puntos óptimos para las acciones a seguir como por ejemplo, cantidad de fertilizante a agregar al
suelo o el número de árboles a ser raleados en el proceso de depuración (Balocchi y Delmastro,
1992).
Significa eliminar la vegetación indeseada, que constituye la competencia de los rametos del huerto
semillero.
El control de malezas puede realizarse a través de varios métodos: mecánico, químicos o biológicos,
o una combinación de ellos. El método a utilizar depende de las condiciones propias del huerto y de
consideraciones económicas, o sea lo que se esté dispuesto a gastar en este aspecto. La
recomendación de la Cooperativa de Mejoramiento Genético al respecto, es que el pasto no
sobrepase el talón de una persona (Ipinza et al, 1994).
Es aconsejable mantener una cobertura herbácea para prevenir la erosión, mejorar las condiciones
para el paso de los equipos y reducir la compactación. En algunos huertos se ha sembrado la
pradera con una mezcla de ballica, festuca y trébol blanco.
El control de malezas en la tasa del rameto debe ser total, ya que optimiza la asimilación del
fertilizante y la hormonas que se apliquen.
Fertilización
Normalmente, deficiencias nutricionales y compactación del suelo son las causas más comunes en
la reducción de la producción de semillas dentro del huerto.
Aparte de la fertilización con nitrógeno, se deben tomar muestras de suelo y foliares para realizar
análisis químicos que detecten las deficiencia nutritivas y realizar posteriormente una fertilización
correctiva con aquellos nutrientes que presenten deficiencias (Kirkman, 1994).
AÑO 1:
- Muestreo de follaje (marzo-abril)
- Análisis foliar (mayo-junio)
- Recomendación de dosis de fertilizantes (junio-julio)
- Fertilización (julio-agosto)
AÑO 2:
- Fertilización con la misma dosis y época del año 1 a menos que se
especifique lo contrario.
AÑO 3:
- Muestreo de follaje y se repite el ciclo (año 1)
CUADRO 1
RECOMENDACIONES DE FERTILIZACIÓN PARA HUERTOS SEMILLEROS (PROGRAMA AÑO
1994)
Insectos y enfermedades
Se debe realizar una estricta vigilancia contra plagas de insectos que puedan provocar una pérdida en
la producción de semillas. En el caso de Nothofagus alpina, puede ocurrir la presencia de un
microlepidóptero del género Perzelia, cuya larva ataca al fruto y perfora las valvas de la cápsula
disminuyendo enormemente el potencial regenerativo de la especie.
También existen enfermedades causadas en pino por los géneros de hongos, tales como
Dothistroma y Sphaeropsis que pueden comprometer la vida y la producción de los rametos.
Animales
El ramoneo de animales puede provocar grandes daños en la plantación, especialmente en los
primeros años y cuando éste no está cercado.
Fuego
También debe existir una vigilancia estricta en períodos de mayor peligro de incendios.
Insolación
En algunas especies, por efecto de la radiación directa sobre el tronco del rameto, se producen
grietas que más tarde pueden ser colonizadas por hongos, en casos extremos el rameto puede morir,
en casos más leves el mismo árbol va sellando la grieta y sólo queda una fisura como muestra del
daño. Este caso se da en Huertos Semilleros Huillilemu (propiedad de la Corporación Nacional
Forestal) de raulí, para evitar este daño se aplica constantemente cal apagada como protector solar.
Irrigación
Generalmente, el abastecimiento de agua será importante en los primeros años de vida de los
rametos, para asegurar una alta supervivencia y promover el crecimiento inicial. Sin embargo, en años
posteriores, cuando los árboles son sexualmente maduros, la irrigación puede promover el
crecimiento vegetativo a expensas de la actividad reproductiva. Aun más, se ha mostrado que un
estrés hídrico moderado puede inducir una floración de pinos y que los niveles de estrés requeridos
no ocurren con irrigación. Se cree que el beneficio de la irrigación temprana es el lograr copas
grandes con más sitios potenciales para la floración debido al aumento en ramificación.
Manejo de la floración
Formación de la copa
Los árboles cuando crecen en forma silvestre, sin ningún tipo de intervención, lo hacen siguiendo la
arquitectura propia de la especie, y las posibilidades que le ofrece su entorno (competencia). Esto
desde el punto de vista de la producción de flores presenta algunos inconvenientes, como pueden ser,
el entrecruzamiento de las ramas, que se agrava con la edad del árbol e impide la penetración de la
luz solar y un aumento considerable del volumen de la copa (porción vegetativa) en desmedro de la
producción de flores. Otro punto es la gran altura que alcanzan los árboles, dificultando la polinización
controlada y la colecta de semillas. Por esta razón la poda de formación tiene por objetivo disminuir
esos inconvenientes mediante la construcción de un esqueleto base con suficiente solidez mecánica
que soporte las cosechas, y los cruzamientos controlados, de una forma tal que permita una mejor
penetración de la energía solar.
Tan pronto como el injerto es suficientemente grande para nutrir el sistema radical y mantener buen
crecimiento las ramas del patrón deben podarse para prevenir errores en la identificación del injerto y
para que estas ramas "no mejoradas” no produzcan polen.
Conforme los árboles crecen, se necesitan más podas para facilitar la cosecha y otras actividades.
Las heridas de las podas pueden ser una fuente de infección de muchas enfermedades. La poda no
debería ser excesiva, ya que esto puede promover el crecimiento vegetativo y no la actividad sexual y
debilitar al árbol si se remueve un gran porcentaje de la copa viva . Las ramas siempre se deben
cortar a ras del fuste, en forma oblicua, con una sierra de podar, cuidando de no dañar el anillo de
cicatrización.
La floración se puede inducir a través de la utilización de productos químicos, por ejemplo hormonas,
que la favorezcan, como el caso de "CULTAR”, cuyo ingrediente activo es Paclobutrazol, el cual tiene
los siguientes efectos sobre la planta:
Más detalles sobre este tema serán revisados en el capítulo de ”Polinización controlada en
Eucalyptus spp.: Una herramienta de ganancia Genética”.
Depuración
Consiste en remover del huerto semillero todos los clones que se muestran genéticamente inferiores
de acuerdo a los resultados de sus pruebas de progenie. También deben ser removidos aquellos
clones susceptibles a enfermedades o deformaciones, así como aquellos que mueren como
consecuencia de la incompatibilidad entre púa y patrón.
La intensidad de la depuración está determinada por la ganancia genética que se espera del huerto
semillero, una mayor ganancia genética se obtiene con una intensidad mayor de depuración. Sin
embargo, en algunas ocasiones la ganancia genética debe ser sacrificada por la producción de
semilla, la eliminación de varias familias o clones causa la reducción de la producción de semilla del
huerto, y por lo tanto hay que buscar un equilibrio entre intensidad de depuración y producción de
semilla.
Raleos
Los huertos deberían ralearse tan pronto como se inicie la competencia entre copas, con el objetivo
de mantener al menos tres lados de la copa abiertos a la luz. Los retrasos en el raleo pueden
postergar por varios años la producción de semilla. Basta notar que en las plantaciones densas no
hay producción de semillas.
CUADRO 2
HUERTOS SEMILLEROS CLONALES DE POLINIZACIÓN ABIERTA DE PINUS RADIATA
SOMETIDOS A RALEOS Y DEPURACIONES.
Cosecha
REFERENCIAS
Dorman, K. 1976. The genetics and breeding of the southern pines. USDA Forest Service Agricultural
Handbook No. 471.
INFOR - CORFO. 1992. El sector Forestal en Chile, logros y desafíos. Informe Técnico Nº 129. 166 p.
INFOR - CORMA - CONAF. 1993. Estadísticas Forestales, Xª Región. Informe Técnico. 111 p.
Ipinza, R., Pérez, E., Apiolaza, L. y Crespell, P. 1993. Décimo Informe Anual, (1993). CMG/ UACH/
CONAF/ Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac. de Cs. Forestales.
Valdivia, Chile. 78 p.
Ipinza, R., Pérez, E., Apiolaza, L., Crespell, P. y Morales, E. 1994. Informe Anual Décimoprimero,
(1994). CMG/UACH/CONAF/Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac.
de Cs. Forestales. Valdivia, Chile. 82 p.
Ipinza, R., Apiolaza, L. , Pérez, E., Morales, E. y Vergara, R. 1995. Décimo Segundo Informe Anual,
(1995). CMG/UACH/CONAF/Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac.
de Cs. Forestales. Valdivia, Chile. 58 p.
Ipinza, R., Morales, E. , Pérez, E., Vergara, R. y Dungey, H. 1996. Décimotercer Informe Anual,
(1996). CMG/UACH/CONAF/Empresas Forestales. Serie Técnica. Universidad Austral de Chile. Fac.
de Cs. Forestales. Valdivia, Chile. 49 p.
Kirkman, P. 1994. Short Course on Tree Breeding Techniques. 2 - 20 Mayo 1994. Forestek, Nelspruit.
Division of Forest Science and Technology. Volumen I. 22 p.
Schmitdling, R. 1975. Fertilizer timing and formulation affect flowering in a loblolly pine seed orchard.
Thirteenth Southern Forest tree Improvement Conference. Raleigh, North Carolina.
Tibbit, W. 1991. Flowering and seed yields in orchards of E. nitens (D & M) Maiden. Proceedings of
the 9th Meeting of representative of the Research Working Group 1 of the Australian Forestry
Council. Coonawana. 79 p.
INTRODUCCIÓN
El aumento demográfico explosivo en este siglo ha provocado una alta demanda de bienes primarios
de los cuales la madera y sus derivados no están ajenos. Es así que los bosques naturales han
sido cortados irracionalmente y en cierta medida menoscabado gravemente su base genética. Una
medida y justificación a lo señalado anteriormente ha sido la forestación y reforestación de superficies
con especies de rápido crecimiento como es el caso de los géneros Pinus y Eucalyptus.
Los Eucalyptus originarios en su totalidad del hemisferio Sur (Australia) con las excepciones de E.
deglupta y E. urophylla, han sido introducidos con fines comerciales con mucho éxito en Sudáfrica,
Portugal, España, Brasil y Congo. Es tal su espectro de áreas cultivadas que se estima al menos
unas 2.000.000 de hectáreas al finalizar este siglo (Eldridge, 1996).
Indudablemente que las primeras plantaciones no contaban con selección y al transcurso del tiempo
con algunos objetivos industriales claros, se introdujeron colecciones de procedencias y
paralelamente programas de Mejoramiento Genético fueron desarrollados. Estos programas
contemplan la producción de semilla mejorada para el establecimiento de las futuras plantaciones el
cual es logrado mediante el aporte de semillas de huertos semilleros.
Es en los huertos semilleros, que la polinización controlada manifiesta sus potencialidades y que
Santos et al., (1988) describe como la herramienta que presenta "la mejor estrategia y que nos
asegura ganancias genéticas continuas". El presente articulo describe técnicas y la metodología
de polinización controlada en el género Eucalyptus para la sintesis de hibridos inter e
intraespecificos.
TAXONOMIA Y SISTEMÁTICA
1
La afinidad taxonómica es importante al sintetizar híbridos interespecificos de importancia al
programa. Según Griffin (1988), afirma que los híbridos pueden fácilmente ser realizados en el
subgénero Symphyomyrtus el cual posee mas de 350 taxas. (anexo 1)
1
Forestal y Agricola Monteaguila S.A. Gerencia Desarrollo.Mejoramiento Genético.
Los Angeles. Casilla 32 D.
e-mail: [email protected]
1
el termino se refiere a cruzamientos de especies en diferentes secciones o series .
Las flores de los Eucalyptus generalmente están en la forma de umbela, la excepción ocurre en E.
globulus (simple). La umbela tiene por origen la axila de la hoja la cual está unida mediante el
pedúnculo, las umbelas pueden presentarse en las siguientes formas: axilar simple, axilar pareada,
compuesta y terminal compuesta. Según Potts (1993) el amento floral o brote da origen a unidades
que van de los 3,7,9,11 y más elementos florales. En el caso de híbridos el numero de elementos y
tamaño de los mismos parece ser intermedio, como es el caso del híbrido E. nitens (umbela de
siete flores) x E. globulus, el cual produce una umbela con tres flores.
El brote floral se desarrolla en una bractea, que al momento de aumentar el tamaño de las flores se
desprende (por lo general el color es café claro). Es en este momento es que podemos apreciar el
primer opérculo (el subgénero Symphyomyrtus presenta dos) muy característico de la especie y el
cual da origen a su nombre: Eu (bien) calyptus (cubierto). El opérculo es el resultado de la fusión de
los pétalos o los sépalos y esto obedece a una estrategia evolutiva adaptativa de la especie.
Las flores de este genero, morfológicamente son hermafroditas con acentuada protandria (fase
masculina precede a la femenina). Como miembro de las Myrtaceas presenta gran numero de
estambres, estos al momento de expandirse desprenden el opérculo del resto de la yema floral, este
evento es llamado antesis. El término botánico en estricto sentido es la liberación del polen de las
anteras. Al pasar de las horas y el acumulo de calor las tecas se abren liberando el polen maduro y
el mismo, al transcurso de 5 a 8 días baja su potencial germinativo.
El polen del Eucalyptus es pegajoso y bastante rústico tolerando altas temperaturas, en algunos
casos la colecta se facilita dado el tamaño de la yema (E. globulus).
El ovario está compuesto por varias cámaras (loculos) y en su conjunto aporta una gran cantidad de
óvulos (Potts, 1993). El momento de la polinización propiamente tal esta dado por el momento en que
el estigma se encuentre receptivo. Es fácil apreciar la dilatación del estigma y como el mismo
comienza a emitir exudaciones, las cuales permitirán la adhesión, hidratación y germinación del
polen. El tiempo que las flores estén receptivas se toma desde el momento de la perdida del opérculo
y por lo general para E. globulus y E. nitens llega a los ocho diás. En el caso de E. regnans y E.
urnigera el comienzo de la exudación es a los catorce días en contraste con con E. melliodora y
E. macarthuri con dos a tres días (Davis, 1968 y Griffin y Hand, 1979). Para E. grandis la máxima
receptividad encontrada en Sudáfrica es entre el cuarto y sexto día (CSIR,1994).
Debemos tener presente que las condiciones climáticas influencian los "timings" de la receptividad,
por lo general las bajas temperaturas y menos horas luz retardan el proceso, caso contrario lo
aceleran.
La receptividad del estigma no cesa al momento de polinizar ya que este puede permanecer receptivo
hasta por cinco días mas, lo que permite trabajar nuevamente en polinizaciones suplementarias.
La fecundación comienza al momento que el tubo polinico traspasa el estigma y recorre el estilo
entrando al ovario por el micropilo. Las semillas se desarrollan en las cápsulas que van lignificándose
hasta el momento en que la parte superior de los loculos experimenta un recogimiento, originando
las valvas las cuales se abren exhibiendo los óvulos no fertilizados (parafisis) ubicados siempre al
comienzo de los ovarios.
El numero de semillas en polinización abierta (PA) para E. grandis es de 11 semillas por cápsula en
contraste con 30 semillas/cápsula mediante polinización controlada (PC), Jane Harbard (com. pers).
Para E. globulus el número de semillas en PA es bastante variable, Hardner et al., (1995) reporta 12
a 16 semillas por cápsula, Espejo (1995), 26 semillas por cápsula.
El rendimiento del numero de semillas en PA, está estrechamente vinculado al tiempo de floración
como la cantidad y el tipo de vectores presentes.
En Australia el hábitat natural de estas especies, los vectores mas frecuentes son los loros,
pequeños marsupiales y numerosos insectos incluyendo las abejas (Apis mellifera), citados por
Sedgley y Griffin (1989).
Otro aspecto de importancia es la fecundidad y precocidad de los Eucalyptus spp. la cual es muy
variable, para las especies de zonas mas templadas por lo general es entre los 5 a 7 años (E.
globulus y E. nitens) en contraste con E. grandis (tropical) el cual tiene floración entre los 2 a 3
años.
La producción de semillas junto a el tiempo que demora la primera floración pueden ser limitantes en
los huertos. Para minimizar estos problemas existen en el mercado una serie de químicos, cuyo
ingrediente activo (Paclobutrazol) inhibe la síntesis de giberelinas en las plantas y por ende engatilla
la inducción de yemas florales. Las formas de aplicación pueden ser foliares, injección al tallo y
aplicación a la tasa. Los mejores resultados obtenidos son con dosis alta con aplicaciones a la tasa.
Paclobutrazol es comercializado como Cultar (250 gia/L) y Clipper (20 gia/L).
FENOLOGÏA
La floración es una de las tantas fenofases de interés en el manejo de los huertos, la duración de la
floración y la estimación de las cimas nos permiten programar con eficiencia el programa de
cruzamientos y así mismo la cosecha de las cápsulas. Las curvas de floración de E. globulus
encontradas en Chile muestran un lapso de seis meses con cimas en los meses de Septiembre y
Octubre (Espejo et al., (1996)).
Para E. grandis en Uruguay la floración comprende cinco meses (Febrero a Mayo) con cimas de
Marzo a Abril (Jane Harbard, com. pers). En la localidad de Mogi Guacu SP (Brasil), la floración de E.
grandis en una Ärea Productora de Semilla (APS) de diez años, presentó floración durante todo un
año con cimas de Diciembre a Mayo.
Las floraciones prolongadas en los huertos semilleros, se debe a las multiprocedencias las cuales
presentan asincronia floral dificultando el flujo genico .
POLINIZACIÓN CONTROLADA
Los dos grandes objetivos que persigue la polinización controlada es la producción de semilla de la
más alta calidad y ganancia genética, la estimación de parámetros genéticos de los progenitores
(aptitudes combinatorias general y especifica: "ACG, ACE") para selecciones de futuras
generaciones.
Los anteras son sometidas a un proceso de secado, por lo general en un disecador con silica gel
por al menos 72 horas. Las anteras son pasadas por una malla muy fina (250 a 350 µm) que solo
permite el paso del polen. Una pequeña muestra del polen es sometida a un test de germinación el
cual puede ser sólido o liquido. El test tiene por finalidad seleccionar el polen que presente mayores
posibilidades de éxito, por lo general se expresa en porcentajes de granos de polen germinado en la
población muestreada. Para esto se realizan tres conteos con un numero mínimo de granos (100).
El polen proveniente de la colecta indirecta presenta mayores porcentajes de germinación en relación
a la colecta directa, el inconveniente de esta técnica es que no permite el procesamiento a escalas
operacionales, mas bien es recomendada para trabajo de investigación que requieran pocas
cantidades de polen. Eldridge (1996) afirma que el procesamiento de una flor, entrega polen para
otras diez.
La colecta directa es el retiro del anillo calicinal en el momento de la antesis, el cual es conocido
como "emasculación". Esta técnica es recomendable cuando se requiere gran cantidad de polen y
permite que el árbol no sea sometido a múltiples cortes de su rama o mas bien que la baja cantidad
de yemas en las ramas inhabiliten la colecta indirecta.
Si los cruzamientos son realizados en una misma temporada el polen puede ser almacenado en un
refrigerador a 4°Cº. De ser utilizado para otra temporada se recomienda almacenar a -18 Cº.
Una vez seleccionado el árbol madre, se procede a monitorear y seleccionar las ramas que presenten
una buena cantidad de yemas en estadio de antesis. Las yemas inmaduras y flores abiertas son
eliminadas, la finalidad es que al momento de polinizar todas las flores presenten sus estigmas
receptivos. La rama es sometida a un acondicionamiento y sus hojas son cortadas hasta el 50% de
su área, el objetivo es evitar el exceso de evapotraspiración ya que al introducirla en las bolsas de
aislación, evita la humedad y la condensación al interior de la bolsa. El número de yemas
intervenidas es registrada en un formulario y la rama es identificada mediante una etiqueta.
Al cabo de una semana los estigmas debieran estar receptivos por lo cual se retira la bolsa y con la
ayuda de un palito se retira el polen, que es transportado en una cápsula de gelatina o un pequeño
frasco y se coloca cuidadosamente en el estigma. Debemos recomendar no utilizar el mismo palito
ya que las exudaciones de los estigmas contaminan el polen restante. Una otra forma de trasvasijar
el polen es el uso de un pincel fino, este solo es recomendable cuando trabajamos con una fuente de
polen, ya que si trabajamos con colecciones y por muy aséptica que sea la limpieza del pincel,
existe la probabilidad de una contaminación de polen no deseado.
Otra técnica que puede utilizarse con éxito, es el uso de yemas florales (cosechadas en antesis) y
utilizadas como pincel al momento de polinizar. Esta metodología es recomendable utilizar en
especies de flor pequeña como E. camaldulensis, E. nitens o E. grandis.
Una vez polinizada las yemas, nuevamente son registradas en el formulario, y la bolsa es
nuevamente colocada con la finalidad de reguardar que el proceso de fecundación se lleve a cabo. El
termino de este proceso es cuando el pistilo comienza a desprenderse o el estigma comienza a sufrir
necrosis en sus tejidos, por lo general esto ocurre en un lapso mínimo de dos semanas. Es ahí que
procedemos a retirar la bolsa definitivamente y realizar un nuevo conteo de las cápsulas resultantes.
Es aconsejable realizar monitoreos al largo del desarrollo de la cápsula. La cosecha de las cápsulas
fluctúa de los siete a nueve meses.
Es interesante llevar las estadísticas en todas las etapas: emasculación a polinización y monitoreo
de cápsulas, con la finalidad de detectar si existe algún problema en la ejecución del trabajo.
Agradecimientos
REFERENCIAS
Davis, G. (1968). Floral morphology and the development of gametophytes in Eucaliptus stellulata
Sieb. Australian Journal of Botany. 17:177-190.
Eldridge, K.; Davidson, J.; Harwood, C. y Gerrit van Wyk. 1996. Eucalyptus Domestication and
Breeding. Oxford Science Publications, 288 p.
Espejo, J.; England, N. y Griffin, A. 1995. Results of crossing program with Eucalyptus nitens and E.
globulus in Chile. En: Eucalypt Plantations, Improving Fibre Yield and Quality (ed. B.M. Potts,
N.MG. Borralho, J.B. Reid,, R.N. Cromer, W.N. Tibbits and C.A. Raymond). Proc. CRCTHF-IUFRO,
Hobart, pp. 239-240.
Espejo, J.; Ipinza, R. y Potts, B. 1996. Manual de Cruzamientos Controlados para Eucalyptus nitens
(Deane et Maiden) Maiden y Eucalyptus globulus (Labill). Cooperativa de Mejoramiento Genético
UACH/CONAF/Empresas Forestales. 47p.
Griffin, A. y Hand, F. 1979 Post anthesis developmet of flower of Eucalyptus regnans F. Muell and
the timing of artificial pollination. Australian Forest Research. 9:9-15.
Griffin, A., Burguess, I. y Wolf, 1988. Patterns of natural hybrisisation in the genus Eucalyptus L'Herit
a review. Australian Journal Botany. 36:41-66.
Hardner, C.; B. Potts y Gore, P. 1995. Relationship between cross success and the geographical
proximity of Eucalyptus globulus subsp.globulus parents. En: Eucalypt Plantations,Improving Fibre
Yield and Quality (ed. B.M. Potts, N.MG. Borralho, J.B. Reid,, R.N. Cromer, W.N. Tibbits and C.A.
Raymond). Proc. CRCTHF-IUFRO, Hobart, pp. 239-240.
Pryor, L. y Johnson, L. 1971. A clasification of the Eucalyptus. Australian National University Press.
Camberra.
Potts, B. 1993. Biologia reproductiva del genero Eucalyptus y su aplicación en la mejora genética.
Cooperativa de Mejoramiento Genético, UACH/CONAF/Empresas Forestales.106 p.
Santos, P.; Ferreira, M. y Kageyama, P. 1988. Producao de Hibridos. Circular Tecnica 156, Programa
Cooperativo IPEF, 18 p.
Sedgley, M y Griffin, A. 1989. Sexual reproduction of tree crops. Academic Press. 378 p.
Tibbits, W. 1989. Controlled pollination studies with shining gum (Eucalyptus nitens Deane and
Maiden) Maiden. Forestry 62. pp. 111-126.
ANEXO 1
Subgénero
Symphyomyrtus
Secciones Transversaria Equatoria Adnataria Exsertaria Maidenaria
Especies E.saligna E.deglupta E.paniculata E.camaldulensis E.globulus
E.deanei E.alba E.bicostata
E.grandis E.urophylla E.maidenii
E.robusta E.pellita E.viminalis
E.robusta E.nitens
E.tereticornis E.dunnii
E.gunnii
E.viminalis
E.rubida
E.benthamii
E.badjensis
E.dalrympleana
E.smithii
E.pseudoglobulus
INTRODUCCIÓN
La polinización controlada es una operación que permite la unión sexual específica entre dos
individuos, dando origen a una progenie con pedigrí conocido (hermanos completos).
Este tipo de polinización forma parte de una de las actividades más importantes dentro de los
programas de mejoramiento genético avanzado. Permite tener un conocimiento exacto del pedigrí de
los árboles del programa, hace posible las hibridaciones dirigidas y maximiza las ganancias
genéticas futuras, controlando y manteniendo la variabilidad.
Según la información de que se disponga y las cruzas específicas que se realicen, las semillas
resultantes de la actividad se ocuparán para el establecimiento de ensayos de progenie de
polinización controlada o para la obtención de material de alto valor genético. En el primer caso, los
ensayos entregarán valiosa información respecto a la calidad genética de sus progenitores y servirán
como base de selección para futuras generaciones de mejoramiento, y en el segundo caso, el
material servirá para la producción de plantas madres, maximizando así las ganancias en
plantaciones operacionales.
Dadas las características botánicas de Pinus radiata, dentro de las que se incluyen flores
unisexuales y dispersión anemófila del polen (Niembro, 1983), la realización de las actividades de
cruzamientos controlados difiere bastante de las que se usan en especies como las del género
Eucalyptus, de flores hermafroditas y polinización entomófila (Espejo et al., 1996).
Tanto a nivel mundial en el género Pinus, como en Pinus radiata en Chile, existe basta experiencia
e investigación en cuanto al tema. El uso de información obtenida en otra latitudes y la investigación
y experiencia local, han permitido un desarrollo importante del tema a nivel nacional lo cual sin
embargo, no asegura un total éxito de la actividad, ya que los factores ambientales, muchas veces
impredecibles, influyen fuertemente en ella.
Los conocimientos y recopilación de antecedentes que se entregan en este capítulo, están basados
principalmente en el ”Manual de Cruzamientos Controlados para Pinus radiata D. Don” publicado
por la Cooperativa de Mejoramiento Genético UACH/CONAF/Empresas Forestales, con sede en la
Universidad Austral de Chile (Vergara et al., 1995).
1
Ingeniero Forestal. Instituto de Silvicultura, Universidad Austral de Chile, Casilla # 567, Valdivia,
Chile
Febrero -
SEMILLA FISIOLÓGICAMENTE Marzo
MADURA
(año 3)
Octubre -
CONO Y SEMILLAS
COSECHA DE CONOS Diciembre
CON BAJA HUMEDAD
(año 3)
FIGURA Nº1
CRONOGRAMA PARA LA EJECUCIÓN DE CRUZAMIENTOS CONTROLADOS
Fuente: Vergara et al., 1995
Las fechas consignadas en la figura 1 y en lo que queda del capítulo, están sujetas a muchas
variaciones, por lo que sólo deben ser tomadas como rangos generales. De estas variaciones
destacan la variación latitudinal y altitudinal, sin embargo, variaciones específicas determinadas por el
efecto clon y el efecto año son también significativas, lo que queda claramente demostrado en el
estudio de Jayawickrama y Pérez (1992).
Al igual que los estróbilos femeninos, cada estróbilo masculino se compone de escamas distribuidas
helicoidalmente en torno a un eje central. La diferencia está en que estas escamas, llamadas
escamas polínicas, son delgadas y membranosas y en ellas están los sacos polínicos.
Cuando están maduros y en diseminación activa, los estrobilos masculinos son de color amarillo y
miden entre 5 y 15 mm de longitud.
Momento de la cosecha
La cosecha de estróbilos masculinos constituye una labor de mucho cuidado y precisión, que sólo es
posible realizar adecuadamente manteniendo un continuo monitoreo o seguimiento de su desarrollo.
Las yemas florales masculinas se comienzan a distinguir visualmente entre mediados de Mayo y
mediados de Junio, algo antes que las femeninas. Miden alrededor de cinco milímetros, son aovadas,
están cubiertas totalmente por escamas foliáceas de color café y se ven muy apegadas al eje central
del racimo.
Luego de un mes, los estróbilos masculinos han emergido totalmente de las escamas foliáceas,
presentan color verde claro, consistencia dura, y han comenzado a engrosarse y separarse del eje
central del racimo. En este estadío no se deben cosechar, ya que el polen aún contiene demasiada
humedad y su rendimiento y viabilidad es muy bajo.
Entre 10 y 20 días después, el estróbilo masculino alcanza su menor contenido de humedad, termina
su maduración y comienza a ocurrir la dehiscencia de los sacos polínicos para producir la dispersión
a través del viento. Al iniciarse esta etapa, es el momento preciso de la cosecha, el estróbilo
masculino tienen un color verde amarillento con puntos color café, es elástico, alargado y recto.
Para precisar en terreno el momento en que se debe hacer la cosecha, además de mirar color y
forma, se puede ir probando el contenido de humedad de los estróbilos mediante el apriete de los
mismos, observando la consistencia y la cantidad de líquido que liberan.
Después de iniciada la dispersión del polen, éste comienza a captar humedad del ambiente, los
estróbilos masculinos llegan a su máxima elongación, cambian de color a amarillo oro, se sueltan y
se curvan en el extremo. La mayoría del polen ya a dejado los sacos polínicos. En este estadío los
estróbilos masculinos han soltado gran cantidad de polen y han vuelto a captar humedad del
ambiente, por lo tanto ya no deben ser cosechados.
Para desarrollar esta actividad es necesario contar con una infraestructura que permita asegurar un
buen manejo del polen. La extracción del polen se realiza de acuerdo al siguiente procedimiento:
Presecado
Las bolsas que llegan de terreno deben someterse a un presecado que permitirá la primera liberación
de humedad. Para ello las bolsas se distribuyen sobre esterillas metálicas en una pieza con rangos
de temperatura y humedad relativa de 22ºC a 28ºC y 20% a 40% respectivamente. El tiempo de
permanencia en la sala de presecado depende del contenido de humedad con que se haya
cosechado el polen, pero en general va desde 24 a 48 horas. Para acelerar el proceso, dentro de
cada bolsa se puede poner papel absorbente y se debe cuidar de no sellar las bolsas, las que pueden
cerrarse mediante un doblez y corchetes.
El embudo de extracción cuenta con un cedazo para sostener los estróbilos y una cubierta de
género para evitar contaminación. En el inicio del cono de salida del embudo existe una malla muy
fina para filtrar impurezas y en el extremo inferior una tapa rosca donde se conecta el frasco que
recibirá el polen. El cedazo del embudo extractor mide alrededor de 30 cm de diámetro, y no debe
llenarse con estróbilos más de 2,5 cm de fondo.
Almacenamiento
Luego del tiempo de extracción los frascos se recogen, se identifican y se registra muy claramente
los antecedentes del polen.
Para su almacenamiento, o bien para ser usado de inmediato, luego de la extracción se debe
controlar la humedad del polen. Normalmente en el mismo proceso de extracción, la humedad llega a
un nivel aceptable, pero existen casos en los que se deberá secar nuevamente.
Para el almacenamiento en el corto y mediano plazo, el polen puede considerarse seco cuando
tiende a comportarse como un fluido y no se adhiere a las paredes del envase. Para el largo plazo, es
necesario realizar una determinación más precisa del contenido de humedad en base al peso seco.
Para almacenamientos de largo plazo es mejor llevar al polen a un contenido de humedad entre 6% a
8%.
Ya sea para corto, mediano o largo plazo, el polen contenido dentro de frascos debidamente
etiquetados, se guarda en refrigerador a 4°C. Esta temperatura se debe mantener constante,
evitando cortes de energía y evitando usar el refrigerador para otros propósitos. Se recomienda
mantener el polen de corto y largo plazo en refrigeradores separados.
Prueba de Viabilidad
Este análisis debe llevarse a cabo con posterioridad a la extracción y almacenamiento, los días
anteriores a la polinización.
Procedimiento de cultivo
En primer lugar se debe rehidratar el polen mediante la mantención en ambiente húmedo a 25ºC por
24 horas. Posteriormente, en un gel de agar-agar se procede a la siembra, utilizando un pincel o
algodón que se unta de polen y se sacude sobre el medio de cultivo procurando que éste quede
distribuido en forma homogénea en la placa, en una sola capa y sin aglomeraciones, lo que es vital
para el posterior conteo. Finalmente la placa se sella.
Determinación de la germinación
La germinación se logra poniendo la muestra en horno durante 48 horas a 28ºC. Después de este
período se extraen las placas del horno, se dejan enfriar y se observa la viabilidad al microscopio. Por
lo general se cuentan 100 granos de polen por placa, los cuales se considerarán germinados si el
desarrollo del tubo polínico es mayor que el diámetro del grano.
En los cruzamientos controlados se sugiere usar únicamente polen con más de un 50% de
germinación.
POLINIZACIÓN
La labor de polinización controlada se inicia en cuanto comienzan a distinguirse las yemas florales
femeninas. Para ello es necesario preparar materiales y comenzar el monitoreo que permita detectar
el momento preciso de aislación. El seguimiento del desarrollo del estróbilo femenino se basa en la
definición de seis estadíos de desarrollo.
Biología de la polinización
Los granos de polen pueden llegar al estróbilo femenino desde el momento en que este último
empieza a emerger de las escamas foliáceas. En las etapa de receptividad que se explican más
adelante (Estadíos 3, 4 y 5), el polen penetra a través de los canalículos hasta la boca micropilar. La
receptividad puede durar entre 1 y 13 días en cada estróbilo femenino. Desde la boca micropilar los
granos de polen son capturados por el óvulo mediante un líquido mucilaginoso (la gota del micrópilo)
secretado por el óvulo para atraer el polen hacia el micrópilo y mantenerlo apegado a la nucela. En
esta posición, cada grano comenzará a desplegar el tubo polínico (Lill y Sweet,1977; Niembro,1986).
Se cree que al final del período de receptividad, cada micrópilo (cavidad formada entre los tegumentos
del óvulo y la nucela, que mediante una abertura se comunica con el exterior y tiene la función de
recibir a los granos de polen durante la polinización), puede llegar a tener entre uno a siete granos de
polen que, sin importar su orden de llegada, tienen las mismas probabilidades de participar en la
fecundación (Lill y Sweet,1977).
En el período de receptividad del estróbilo femenino, sus escamas ovulíferas son de color rosado
intenso y mide alrededor de 15 a 20 mm de longitud.
El momento en que se empiezan a distinguir visiblemente las yemas florales femeninas, puede ocurrir
entre fines de Mayo y principios de Agosto. En ese momento el estróbilo femenino comienza su
desarrollo, que puede dividirse en seis estadíos (Bramlett y O'Gwynn, (s.a.); Smulders, 1988;
Matheson y Brown, 1983; Steyn,1994)
Estadío 1. Las yemas florales, localizadas justo debajo de las yemas vegetativas en los brotes
apicales, están aún cubiertas por sus escamas foliáceas, pero ya es posible distinguirlas por su
ápice agudo, curvado hacia el interior y por su coloración café amarillenta, más clara que las yemas
vegetativas. Este estadío ocurre entre Junio y mediados de Agosto.
Estadío 3. El estróbilo femenino comienza a emerger de las escamas foliáceas. Aparecen las
primeras escamas ovulíferas rudimentarias con una coloración rosado pálido. En este estadío el
polen que llega al estróbilo femenino permanece adherido a las escamas ovulíferas, esperando la
apertura de los micrópilos para polinizar. Esto sucede dentro de la semana que sigue al estadío 2. Si
la flor llega a esta etapa antes de ser aislada, ya no debe ser utilizada para ese fin, ya que la
contaminación con polen extraño es muy probable.
Estadío 4. Una semana después del estadío 3, el estróbilo femenino emerge totalmente y comienza
a hacerse receptivo. Las escamas ovulíferas son aún pequeñas y en su mayoría permanecen
cerradas. El color rosado se hace más intenso.
mitad de Julio y mediados de Septiembre. Si la flor está aislada, este es el momento preciso
para polinizar.
Estadío 6. Los espacios entre las escamas del estróbilo femenino recién se han cerrados debido al
crecimiento y a los cambios de humedad, con lo cual ya ha acabado la receptividad. El color del
estróbilo femenino ha cambiado a rojo púrpura. Esto puede verse desde fines de Julio a fines de
Septiembre.
Aislación
Como un primer paso es necesario seleccionar rametos vigorosos, sin signos de incompatibilidad o
daños bióticos o abióticos que comprometan su normal desarrollo y puedan provocar abortos. De la
misma forma, las ramas a seleccionar deben ser gruesas, vigorosas, con ángulo de inserción agudo y
estar situadas en la parte superior de la copa.
Al encontrarse las flores de un verticilo en estadío 2, se debe poner la bolsa de aislación sobre ellas,
mediante el montaje de una estructura de alambre que sostiene una bolsa transparente que impide la
llegada a las flores de polen extraño.
Un acabado seguimiento del desarrollo del estróbilo femenino desde la aislación, es de primera
importancia para que la polinización realmente sea hecha en el momento adecuado. Este
seguimiento debe hacerse diariamente.
Inyección
Cuando el primer estróbilo dentro de la bolsa llega al estadío 5, se hace la primera aplicación de
polen. Dependiendo de las diferencias en el desarrollo de los estróbilos aislados en una bolsa, se
debe hacer una o dos aplicaciones adicionales esperando dos a cuatro días entre aplicaciones
sucesivas.
El polen es aplicado usando un inyector de ciclón. El sistema funciona en base a una entrada de aire
al depósito del polen, la cual produce una nube de polen que es impulsada a salir por otro conducto
hacia la aguja del instrumento. La cantidad de polen en cada aplicación debe fluctuar entre 0,5 cm3 y
1 cm3 totalizando no más de 3 cm3 en cada aislación, ya que aplicar más que eso, afecta
negativamente el desarrollo posterior del estróbilo femenino.
Cono
El cono es del tipo serotino, es decir, tiene la facultad de almacenar la semilla viable por varios años
antes de diseminarla, dependiendo de las condiciones de temperatura y humedad (Niembro,1986). En
cada escama ovulífera se puede dar origen a dos semillas aladas, pero en la sección basal del cono
es normal que sólo una semilla se desarrolle completamente.
Desarrollo
Formación de la oósfera
Entre seis y diez semanas después de la polinización, se da origen al gametófito femenino o
endosperma, el cual sufre múltiples divisiones mitóticas en su núcleo y va aumentando su volumen
durante aproximadamente un año (Lill,1976). En ese momento se origina la oósferas o células
sexuales femeninas (Niembro,1986).
Fecundación y Embriogénesis
Al originarse las oósferas, alrededor de 15 meses después de la polinización (entre fines de Octubre
y mediados de Diciembre del segundo año), y ya iniciado el crecimiento del cono, se da inicio al
proceso de fecundación o unión íntima de las células sexuales dentro del óvulo (Lill,1976; Sweet y
Bollmann,1970).
Los óvulos, alojados en el extremo interno de las escamas ovulíferas, poseen entre dos y seis
arquegonios que al ser fecundados en forma individual podrían llegar a ser, cada uno, una entidad
genética independiente.
Sin embargo, en el proceso de embriogénesis ocurre una aborción proembriónica o embriónica, que
finalmente permitirá sobrevivir a un solo embrión por óvulo, el cual tardará alrededor de cuatro a cinco
meses en transformarse en un embrión fisiológicamente maduro (Febrero a Marzo del tercer año). Se
cree que éste es un mecanismo destinado a asegurar la heterozigosis, ya que en el proceso de
aborción se discrimina a los cruzamientos emparentados (Lill y Sweet,1977).
Crecimiento externo
Un par de meses antes de la fecundación, el cono tiene un año, ha iniciado su crecimiento y ha
cambiado su color a un verde característico. Luego de ser fecundado, sigue creciendo paralelamente
con la embriogénesis y el desarrollo morfológico de la semilla. La maduración de las semillas culmina
en el momento que el cono ha alcanzado su tamaño final en marzo del tercer año, 22 meses después
de la aparición de las primeras estructuras florales.
A pesar que la semilla está madura, en este momento el contenido de humedad interior del cono es
muy alto, por lo cual no disemina. En esta etapa del ciclo la semilla puede extraerse y ser viable,
mediante un proceso de secado controlado.
Para la diseminación se debe esperar al verano siguiente, el que debe ser lo bastante caluroso y
seco como para permitir la abertura de los conos. En total, desde la aparición de las yemas florales
hasta la diseminación de las semillas, transcurren 30 meses.
RECOMENDACIONES GENERALES
El éxito de un programa de cruzamientos controlados depende del grado de contaminación con polen
extraño en la polinización y del porcentaje de estróbilos femeninos que logra finalmente dar semillas.
El primer factor es de mucha gravedad, ya que si existe contaminación, el análisis de los datos será
erróneo y el error imposible de detectar.
El segundo factor se puede observar a simple vista pero no deja de ser grave, ya que cada aborción o
bajo rendimiento en semillas de un estróbilo femenino polinizado aumenta los costos directos del
programa.
La contaminación con polen indeseable y la confusión de material se puede evitar cuidando de:
Los problemas que inducen la aborción y el bajo rendimiento de semillas en los estróbilos femeninos
pueden ser evitados considerando las siguientes pautas:
• Seleccionar ramas con estróbilos femeninos vigorosos ubicadas en partes soleadas del rameto.
• En sitios que frecuentemente presentan heladas, no utilizar estróbilos femeninos ubicados en
ramas bajas, cercanas al suelo.
• No llevar a cabo la aislación en una etapa muy temprana, ni dejar la bolsa demasiado tiempo
después del fin de la receptividad. Se corre el riesgo de que los estróbilos femeninos no lleguen a
desarrollarse completamente.
• El polen no debe ser colectado en días de lluvia o muy húmedos, ya que corre el riesgo de
agrumarse.
• No se debe colectar polen inmaduro.
• El polen debe manejarse con bajos contenidos de humedad, y si va a ser almacenado para
próximas temporadas, además debe mantenerse a una temperatura baja y constante.
• Usar polen fresco en lugar de polen que estuvo almacenado.
• Lograr una buena distribución de polen dentro de la bolsa de aislación.
• Aplicar polen en cantidad suficiente como para llenar los estróbilos femeninos. Esta cantidad
tendrá que ser mayor en lotes de polen que presenten baja viabilidad, manteniendo constante la
proporción de polen viable, pero sin aplicar más de 3 cm3 en total por aislación.
• Se debe abarcar todo el período en que el estróbilo femenino está receptivo, siendo necesario
aplicar polen espaciadamente, dos o tres veces.
• La aplicación de polen debe hacerse a una hora del día de baja humedad relativa, en la que no
exista condensación de humedad dentro de la bolsa de aislación.
• Hay que asegurar la completa maduración fisiológica del cono antes de colectarlo.
REFERENCIAS
Bollmann, M. 1983. Morphology of long-shoot development in Pinus radiata. New Zealand Journal of
Forestry Science 13(3):275-290.
Bramlett, D.; O'Gwynn, C. (s.a.). Controlled Pollination. In: Pollen Management Handbook. U.S.D.A.
Forest Service.
Espejo, J.; Ipinza, R.; Potts, B. 1996. Manual de Cruzamientos Controlados para Eucalyptus nitens
(Deane et Maiden) Maiden y Eucalyptus globulus (Labill). Cooperativa de Mejoramiento Genético.
Universidad Austral de Chile. 47 p.
Jayawickrama, K.; Pérez, E. 1992. Estabilidad de la fenología reproductiva de clones de Pinus radiata
D. Don. In: II Simposio del Pinus radiata: Investigación en Chile. Valdivia, 28-30 de Octubre, 1992.
Lill, B. 1976. Ovule and seed development in Pinus radiata: Postmeiotic development, fertilization,
and embryogeny. Canadian Journal of Botany 54:2141-2154
Lill, B. y Sweet, G. 1977. Pollination in Pinus radiata. New Zealand Journal of Forestry Science
7(1):21-34.
Matheson, A.; Brown, A. Eds. 1983. Radiata Pine Breeding Manual. División of Forest Reserch,
CSIRO. Australia.
Niembro, A. 1986. Mecanismos de Reproducción Sexual en Pinos. Editorial Limusa, Mexico. 130 p.
Smulders, D. 1988. Desarrollo vegetativo y reproductivo del huerto semillero "Los Venados" de
Forestal CELCO Ltda. Informe de Práctica Profesional. Escuela de Tecnología Forestal. Pontificia
Universidad Católica de Chile. Sede Talca. 64 p.
Steyn, S. 1994. Controlled Pollination. In: Short Course on Tree Breeding Techniques. Vol 1, cap 8.
Forestek, Nelspruit. South Africa.
Sweet, G.; Bollmann, M. 1970. Seasonal growth of the female strobilus in Pinus radiata. New
Zealand Journal of Forestry Science 1(1):15-21.
Vergara, R.; Ipinza, R.; Pérez, E. 1995. Manual de Cruzamientos Controlados para Pinus radiata D.
Don. Cooperativa de Mejoramiento Genético. Universidad Austral de Chile. 50 p.
LA MULTIPLICACIÓN CLONAL EN EL
MEJORAMIENTO GENÉTICO FORESTAL
INTRODUCCIÓN
Sin duda sus aplicaciones en el campo del mejoramiento genético y la silvicultura clonal son las más
destacables, aunque también son las responsables de una gran controversia. Temas como los
beneficios de la productividad clonal y los riesgos de la reducción de la base genética cobran cada
vez mayor vigencia, llegando incluso a configurarse en posiciones irreconciliables. Al respecto, si
bien es difícil presentar una posición de consenso, lo importante es destacar que esta situación se
reduce a un análisis de beneficio-riesgo, los cuales deben analizarse objetivamente antes de adoptar
un programa operativo de propagación vegetativa.
1
1 Ingeniero Forestal. Instituto Forestal. Casilla 109-C, Concepción, Chile.
e-mail: [email protected]
2
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile
e-mail: [email protected]
Por último, y como se verá en resto del documento, la propagación vegetativa normalmente no
representa una alternativa excluyente para la propagación sexual, sino que por el contrario, se
constituye en un complemento orientado a la satisfacción del mismo objetivo, el cual es explotar en
la forma más eficiente los mejores genotipos identificados o generados dentro de un programa de
mejoramiento genético.
Propagación Vegetativa
El uso tradicional de la propagación vegetativa, que ha sido empleado cientos de años en ciertas
especies forestales, es la propagación masiva como estacas de los mejores clones.
Cuando una especie es más fácil de propagar vegetativamente que por semilla, entonces la
propagación clonal es el método más obvio a utilizar
Sin duda, la principal ventaja asociada al uso de la propagación vegetativa se encuentra en el campo
del mejoramiento genético, debido a que permite transferir aquellas características que por su baja
heredabilidad no se traspasan eficientemente a la descendencia por vía sexual. Por esta razón
resulta particularmente interesante su utilización para lograr ganancias genéticas en características
con un alto componente de variación genética no aditiva, como normalmente lo son el crecimiento,
peso seco, contenido de celulosa y otros caracteres de interés forestal.
La propagación vegetativa puede jugar varias funciones en un programa de mejora, incluso varias
dentro de un único programa. Dentro de estas posibles funciones están: la mantención de ”paquetes
de genotipos” en archivos, la formación de un huerto semillero clonal, propagación masiva de clones
seleccionados para cultivos homogéneos y el aprovechamiento total de la varianza genética no
aditiva, o la propagación vegetativa de plántulas que provienen de semillas escasas o de alto costo;
entrega información genética al probar los genotipos para una propagación clonal masiva o para
seleccionar las semillas de los padres sobre la base de su valor de mejora o para estimar parámetros
genéticos; entrega material para la investigación de la fisiología y patología de las plantas, además
de otras aplicaciones potenciales (por ejemplo, la ingeniería genética)
Varias funciones de la propagación vegetativa pueden ser complementarias entre ellas y con la
propagación por semilla, y como tales, ellas pueden contribuir a un sistema integrado para la
producción de material genéticamente mejorado. El uso de propagación vegetativa, por ejemplo,
crearía una necesidad especial por información genética que puede ser sólo satisfecha por los
ensayos con propágulos vegetativos, aunque esa información pueda también ser útil para la
propagación por semilla. Es más, la propagación vegetativa es central en mucha de la tecnología de
los huertos. Además archivos clonales serán necesarios independientemente del modo de
propagación.
Por otra parte expectativas insatisfechas se producen al asumir en forma demasiado optimista que
los propágulos vegetativos de un árbol sobresaliente se comportarán exactamente de la misma forma
que él. Esto no siempre ocurre así, y la ausencia de acabados ensayos clonales antes del uso
operacional de un clon determinado, normalmente acrecientan este problema.
Efectivamente los miembros de un clon son idénticos al ortet en el sentido de que poseen el mismo
genotipo, pero aún así la expresión de los genes y su activación está condicionada por el ambiente
en que cada planta se desarrolla y está particularmente influenciado por la edad y posición dentro de
la planta madre así como por tratamientos externos. Como consecuencia de esto, los propágulos no
siempre crecerán con el mismo patrón o no tendrán la misma forma que el árbol original.
El fenómeno descrito se conoce como ”variación dentro del clon” y es el responsable en gran medida
de los niveles de ganancia genética obtenida en esquemas clonales de producción. Frecuentemente
se manifiesta como diferentes comportamientos del rameto dependiendo de características
fisiológicas o morfológicas de la fuente de propágulos al momento de realizar la reproducción clonal
(efectos ”C”)
Los efectos ”C” reciben esta denominación aludiendo a una tercera fuente de variación, donde las
primeras, Ay B, son el genotipo y el ambiente. En rigor los efectos ”C” son formas muy particulares
de efectos ambientales internos o microambientales. Ellos comprenden a la ciclófisis o variación
dentro del clon como consecuencia de la edad de la planta madre, y la topófisis o efecto de la
localización de la estaca en el árbol madre, fenómeno responsable de que algunas veces los
propágulos enraizados mantengan por algún tiempo un hábito de crecimiento igual al del órgano que
ellos constituían en el ortet.
Ambos incluyen variación no sólo en el crecimiento sino que también provocan cambios fisiológicos y
morfológicos menos perceptibles, os que en su totalidad pueden ser aminorados en la medida en que
se utilice material más juvenil o se proceda al rejuvenecimiento del ortet antes de su clonación.
En general la variación dentro del clon aumenta con la edad del ortet, y en la medida que se acentúa
la diferenciación entre órganos tejidos y células en los rametos. Esta variación aumenta en cada una
de las características individuales y particularmente para la velocidad de enraizamiento de cada
estaca. A diferencia de las características genéticas, la variación dentro del clon está fuertemente
influenciada por el medio ambiente y por el estado nutricional de los rametos.
Otra eventual desventaja asociada al uso operacional de plantas obtenidas por enraizamiento de
estacas, dice relación con la calidad inferior de la arquitectura de sus sistemas radiculares en
relación al exhibido por plantas de semillas. Efectivamente existen situaciones en que las raíces
adventicias desarrollados en propágulos vegetativos son superficiales y desbalanceados, lo que los
hace menos eficientes como estructuras de soporte mecánico del árbol. Aún así no existen
suficientes antecedentes que permitan generalizar un juicio respecto a la superioridad o inferioridad
del comportamiento del material vegetativo en relación al de semillas. Antecedentes al respecto se
resumen en el cuadro 1.
CUADRO 1
COMPARACIÓN DE CRECIMIENTO ENTRE ESTACAS Y PLANTAS DE SEMILLA DE PINO
RADIATA
En teoría, una población genéticamente heterogénea produce más biomasa y otorga una mayor
estabilidad a la productividad dentro de un rango de condiciones ambientales. Por el hecho de existir
árboles genéticamente distintos, ocupando nichos ecológicos ligeramente diferentes, se produce una
utilización más eficiente del espacio ecológico por parte de la población, la que además tendrá una
mejor capacidad de respuesta y adaptación frente a cambios producidos en el medio ambiente. Por
el contrario una población clonal, genéticamente homogénea no podrá superar con la misma
plasticidad las modificaciones en las condiciones ambientales.
La utilización masiva de clones para establecer extensas plantaciones está sujeta a muchas críticas,
especialmente en el caso de las plantaciones monoclonales que presentan las ventajas y riesgos de
un sistema extremo de monocultivo.
A pesar de lo anterior, es posible encontrar clones con genotipos que resistan cambios sin afectar su
productividad, manteniendo una buena producción en un rango de condiciones ambientales más
amplio, pero esta situación se lograría sólo después de intensos y largos ensayos clonales en
distintos sitios.
De las ventajas y desventajas asociadas al uso de la propagación vegetativa, se desprende que esta
no es un sustituto para la primera en todas las circunstancias. Por el contrario, ambas deben
complementarse dentro de un programa esquematizado de mejoramiento para conseguir los objetivos
de producción y estabilidad en el largo plazo.
La ganancia genética obtenida en operaciones clonales es la mayor posible para un clon dado, pues
no existe otra fuente de variación genética que pueda ser explotada. Aún así, la búsqueda de los
productos de mejor calidad y mayor rendimiento debe ser contínua, de modo de adaptarse a los
cambios que se generen en las exigencias del mercado, o en el ambiente en que los árboles serán
establecidos. Esta variación sólo se puede obtener a través de los procesos de segregación
independiente y recombinación genética asociados a la reproducción sexual. Por lo mismo, esta
técnica debe seguir utilizándose y combinada con programas de selección y evaluación de los
cruzamientos individuales, se generarán las combinaciones genéticas de interés que posteriormente
podrán ser propagadas por la vía vegetativa.
Se debe destacar que es un error decidir la inversión en silvicultura clonal en base a los beneficios
potenciales de un clon determinado, pues los riesgos de pérdidas por factores ambientales serán
también de gran envergadura.
Al tener una población con mayor diversidad genética, ésta estará mejor protegida contra los cambios
adversos en el medio ambiente, si bien el valor medio de aquellas características de valor económico,
como consecuencia de la variación, será menor. Por esta razón, la decisión de invertir en
propagación clonal no deberá efectuarse antes de analizar cuidadosamente los beneficios y los
riesgos involucrados.
P=G+E
De la misma forma, la varianza fenotípica (σ2p) se define como la suma de las varianzas genotípicas
(σ2g) y ambientales (σ2e)
La heredabilidad puede expresarse en sentido estricto (h2) como el cuociente entre la variación
genética aditiva y la variación fenotípica o total; o en sentido amplio (H2), como la relación entre la
varianza genética total y la fenotípica.
Dentro de estos planteamientos, se puede afirmar que mientras exista varianza genética aditiva, los
cruzamientos entre padres superiores tienden a producir una descendencia superior, y que las
ganancias genéticas serán mayores en la medida de la superioridad (diferencial de selección) de los
padres. Sin embargo, en las características de interés forestal normalmente existe una proporción
importante de variación de carácter genético no aditivo, que impide la transmisión de la superioridad
de los padres a su descendencia a través de propagación por semillas, esta restricción no afecta a la
propagación vegetativa donde se traspasa todo el genotipo a los descendientes.
Todos los métodos de propagación vegetativa han sido probados en árboles forestales, aún cuando el
más difundido lo constituye el enraizamiento de estacas. La amplia preferencia manifestada a nivel
mundial por este procedimiento obedece a varias razones, entre las que se cuenta la gran cantidad
de descendientes que se puede obtener de un árbol individual, evitando los problemas de
incompatibilidad de los injertos y costos generalmente más bajos que el de los sistemas de
micropropagación. Sin embargo, los efectos de la maduración a menudo desalientan el uso de
estacas a gran escala.
La injertación puede conducir a una propagación más rápida de los padres seleccionados. Sin
embargo, generalmente es caro y a menudo, de una forma u otra, es amenazado por incompatibilidad
del injerto, incluso después de un buen comienzo. Algunos avances han sido realizados contra los
problemas de injertación. Estas características confinan el uso del injerto a huertos semilleros y
archivos de material, pero ahora pareciera tener aplicaciones para el rejuvenecimiento de clones.
La propagación in vitro, la que casi puede integrarse con el enraizamiento de estacas, ofrece la
perspectiva de una muy rápida multiplicación. También pude ser un medio de lograr el
rejuvenecimiento. Todavía existen algunos problemas con la técnica que deben solucionarse, y
cuando se ha tenido éxito, no se ha desarrollado al punto de convertirse en un medio de propagación
masiva. Aunque la multiplicación del material mejorado y el rejuvenecimiento son aplicaciones
potenciales obvias de la propagación vegetativa in vitro, existe una amplia gama de otras
posibilidades, aunque es demasiado pronto para juzgar qué tan importantes serán estas
posibilidades. La propagación in vitro ha probado ser valiosa para la eliminación de los virus
provenientes de clones de especies angiospermas y evitar las barreras al cruzamiento, debido a la
ausencia de incompatibilidad genómica. Los procedimientos de cultivo de tejido pueden producir, en
distintas especies vegetales, variantes genéticas que tienen toda la apariencia de mutaciones, pero
en frecuencias mucho más altas que las tasas de mutación normales. Algunas de estas variantes
muestran notables factores de resistencia a las enfermedades. Mientras este fenómeno no sea
confirmado con varias especies forestales y mientras la utilidad de estas variantes sea mera
conjetura, las posibilidades de crear material genético original siguen siendo investigadas.
Selección ortet
Arbol plus
Movilización
1ra. Copia
Vegetativa
Prepropagación
Plantas
Madres
Propagación masiva
Estacas
Enraizadas
Plantaciones Continuar
Propagando
Ensayos Información
Desechar el
clon
FIGURA 1
ESQUEMA GENERAL DE PROGRAMA DE PROPAGACIÓN CLONAL
Un aspecto fundamental del programa es su relación con los ensayos clonales, los cuales en función
del desempeño del clon en terreno determinarán que continúe siendo propagado o que se deseche.
En el intertanto, mientras se esperan los resultados de estos ensayos, las plantaciones deben ser
efectuadas con mucha cautela y conciencia de los riesgos involucrados.
Obviamente, si se utiliza una propagación clonal masiva, la selección puede ser realizada a partir de
pruebas sobre los mismos candidatos. Existen, sin embargo, posibles complicaciones. La
maduración y la topófisis podrían crear serias variaciones dentro de los clones. En particular los
efectos de una maduración progresiva, podrían volver irrelevante la información clonal, debido a que
los clones ya no serían capaces de propagarse vegetativamente en el tiempo en que la información
esté disponible, o también debido a que los rankings clonales no serán los mismos en una etapa
juvenil.
Una vez adoptada la propagación clonal como alternativa de multiplicación se deberá enfrentar como
primera actividad la evaluación y selección de los árboles a propagar. Esta selección tendrá
diferentes características en función del estado de avance del programa de mejoramiento.
Inicialmente podrá tratarse de una selección fenotípica, mientras que en estados más avanzados la
selección podrá basarse en evaluaciones genéticas del material y estar respaldada por ensayos
clonales de distinta edad.
En esta etapa la selección es muy intensa, en el caso de los eucaliptos, cerca del 2% de los árboles
superiores seleccionados cumplirá todas las restricciones para llegar hasta la etapa de propagación
masiva
Movilización
Esta etapa equivale a la primera propagación del ortet seleccionado en la fase anterior y tiene por
objeto obtener las copias vegetativas iniciales que aseguren la transferencia del clon al área de
producción de estacas.
Considerando que el ortet fue seleccionado en una etapa avanzada de desarrollo, en la mayoría de
las especies manifestará dificultades para enraizar, lo que motiva la aplicación de procedimientos
especiales para efectuar la movilización. Esta situación normalmente no se presenta cuando el
material que se pretende clonar es de origen juvenil, como en el caso de la multiplicación de
progenies de individuos elite.
En el primer caso la obtención de la primera copia vegetativa pasa por una etapa previa en la que se
busca rejuvenecer el material para hacerlo más compatible con la propagación. En estas
circunstancias constituyen procedimientos comunes el volteo del árbol para posteriormente utilizar su
rebrote como fuente de estacas y la realización de injertos para usar los brotes desarrollados en la
púa como material enraizable. Otra opción menos difundida es la utilización de técnicas de
micropropagación para generar tanto las primeras copias vegetativas como las plantas madres que
posteriormente se propagarán por estaquillado tradicional.
El objetivo de la pre-propagación es manipular las primeras copias vegetativas del ortet seleccionado,
con la finalidad de obtener nuevas réplicas vegetativas de mayor juvenilidad, más reactivas y
preparadas para la fase siguiente o de propagación masiva.
En esta fase se producen las plantas madres que se utilizarán en la propagación a gran escala del
árbol seleccionado. Es también en esta fase donde se elimina del proceso de producción a aquellos
clones difíciles de enraizar, o que presentan porcentajes de enraizamiento inferiores a un mínimo
previamente determinado.
Entre las medidas de rejuvenecimiento utilizadas está el manejo de los injertos con podas severas
que estimulen la formación de brotes juveniles. También es frecuente utilizar la injertación sucesiva
como alternativa de rejuvenecimiento, si bien el procedimiento demanda bastante tiempo y una
manipulación intensiva y costosa del material vegetal. A pesar de esto, se pueden obtener grados
progresivos de rejuvenecimiento al repetir esta operación, de modo que después de la 3ra a 5ta
iteración se obtiene un nivel de rejuvenecimiento compatible con el requerido para producir estacas
enraizables a partir de los brotes de la planta injertada.
En esta etapa es importante no propagar a las plantas agotadas por excesivas cosechas de material,
así como también ir eliminando de inmediato a aquellas que entregan estacas de pobre
enraizamiento, con el objeto de evitar la inclusión de líneas con mala capacidad rizogénica en el
clon.
Entre las alternativas para efectuar la masificación del material están la propagación en cascada y la
propagación en serie. Generalmente el primer método se utiliza durante el primer año y la
propagación en serie en años posteriores.
El procedimiento usado para la propagación masiva y pruebas de material clonal de pino radiata en la
empresa Australiana Tree Genes International Pty Ltd, se describe a continuación.
La propagación en cascada se usa para obtener tantas plantas como sea posible a partir de una
plántula joven de semilla mejorada durante su primer año en vivero. Las estacas obtenidas se
destinan a establecer un pequeño archivo clonal de respaldo; Instalar las primeras pruebas en
terreno de los clones y familias; y a la producción del jardín clonal de plantas madres.
Posteriormente, a partir del segundo año se comienza la propagación en serie. Para ello las plantas
madres se mantienen como setos bajos y se manejan para producir brotes semilignificados, que se
usan para la confección de las estacas.
Las estacas de los clones selectos generalmente se demandan en gran cantidad durante varios años,
por lo mismo para incrementar el nivel de producción, se deben producir nuevas plantas madres a
partir de las existentes. Lo anterior hace que se requieran varios ciclos de propagación de las plantas
madres, de aquí se deriva el nombre de propagación en serie.
El énfasis del proceso de propagación se centra en el manejo de las plantas madres, por cuanto el
proceso de enraizamiento resulta simple para los clones seleccionados. Al respecto los aspectos
fundamentales del manejo de las plantas madres dicen relación con su estado nutricional y grado de
juvenilidad. Ambos aspectos se relacionan a través del manejo de la fertilización. En este esquema
se controla rigurosamente el aporte de nutrientes a las plantas madres, de modo de compensar las
pérdidas que experimentan con las cosechas de estacas y a su vez evitar el envejecimiento
fisiológico de estas.
Plantaciones Reserva
Corte del Clonales Genética
Arbol
Corta de
clones
Arbol Brotes de Estacas en Estacas
Plus cepa invernadero enraizadas
Plantas Plantas
Madres madres
agotadas
Multiplicación Recepe
En cascada
FIGURA 2
ESQUEMA PROGRAMA OPERATIVO DE PROPAGACIÓN CLONAL DE E. GLOBULUS
El segundo esquema es una concepción más moderna que corresponde a un manejo intensivo del
área de multiplicación. Su desarrollo obedece a la necesidad de introducir constantemente nuevos
clones al proceso y de hacer una aprovechamiento más eficiente del espacio.
En este esquema las plantas madres se obtienen por enraizamiento de estacas de rebrotes de tocón.
Ellas se establecen con un menor espaciamiento (normalmente 1 X 0,5 m) y se les deja crecer por
seis a ocho semanas, para luego ser podadas a una altura de 20 cm sobre el suelo y manejarlas
posteriormente como un seto. En este enfoque las aplicaciones de fertilizantes, el riego y el control
de malezas son esenciales, aunque varían entre compañías y localidades.
REFERENCIAS
Cañas, I. 1990. Selección individual y multiplicación clonal del Eucalyptus globulus. Jornadas
Técnicas Forestales ”Materiales Forestales de Reproducción en España”. Huelva, España. 8 y 9 de
febrero, 1990
Chaperon, H. 1979. Maduration et bouturage des arbres forestiers. AFOCEL. Etudes et Recherches
12(6): 19-31.
Frampton, L. y Foster, G. 1993. Field testing vegetative propagules. In: Clonal Forestry I: Genetic
and Biotechnology. Ahuja, M y Libby, W Eds. Ed. Springer-Verlag, Berlin. Germany. 277 p.
Franclet, A. 1979. Rejeunissement des arbres adultes en vue de leur propagation vegetative.
AFOCEL. Etudes et Recherches 12(6):1-8.
Franclet, A. 1983. Rejuvenation: Theory and practical experiences in clonal silviculture. En:
Proceeding of the 19th Meeting of the Canadian Tree Improvement Asociation. Part 2: Symposium on
Clonal Forestry. Its impact on the improvement and our future forest. Toronto, Ontario. August, 22-26,
1983. pp 96-134.
García, L. 1984. The new eucalypt forest. Lecture givenby the 1984 Marcus Wallemberg Prize
Winners at the Symposium in Falum Sweden on september 14, 1984. 13 p.
Gutiérrez, B., Ipinza, R. y Chung, P. 1994. Propagación vegetativa y silvicultura clonal en eucaliptos.
Ciencia e Investigación Forestal 8(1):139-175.
Lindgren, D. 1977. Possible adventages and risks connected with vegetative propagation for
reforestation. En: Symposium, Vegetative Propagation of Forest Tree. Physiology and Practices.
Uppsala, Sweden. February, 16 – 17, 1997. pp 9-16.
Rauter, R. 1983. Current status of macropropagation. Proceeding of the 19th. Meeting of the
Canadian Tree Improvement Asociation. Part 2: Symposium on Clonal Forestry. Its Impact on the
Improvement and our Future Forest. Toronto, Ontario. August, 22-26, 1983. pp 58-74.
Wignall, T.; Brown, S. y Purse, J. 1992. The intensive cultivation of Eucalyptus grandis clonal
stockplant. En: Proceedings of IUFRO Symposium. Mass Production Technology for Genetically
Improved Fast Growing Forest Tree Species. Bordeaux, France. 14- 18, September, 1992., pp 295-
302.
Zobel, B. 1992. Vegetative propagation in production forestry. En: Journal of Forestry. Abril 1992.,
pp 29-33.
Zobel, B.; Ikemori, I. y Campinhos, E. 1983. Vegetative propagation in Eucalyptus. Proceeding of the
19th. Meeting of the Canadian Tree Improvement Asociation. Part 2: Symposium on Clonal Forestry.
Its Impact on the Improvement and our Future Forest. Toronto, Ontario. August, 22-26, 1983, pp 136-
144.
INTRODUCCIÓN
PROPAGACIÓN VEGETATIVA
Macropropagación
Existen una serie de factores endógenos y exógenos que influyen en el enraizamiento de estacas.
Los factores endógenos incluyen la especie, estado de maduración y estado nutricional de la planta
madre, posición del propágulo en la planta donadora, tipo de propágulo, condiciones fisiológicas
durante la época de recolección, sin embargo el más importante es el grado de madurez de la planta
madre, razón por la cual la mayoría de los sistemas de propagación se realiza con material juvenil o
1
Ingeniero Forestal, M Sc. Horticulture. CEFOR S.A . Universidad Austral de Chile. Pedro Aguirre
Cerda # 2.150, Valdivia, Chile.
e-mail: [email protected]
utilizando setos que se manejan de modo de mantener al máximo la juvenilidad (Menzies, 1992). El
porcentaje de enraizamiento declina con el incremento de la edad fisiológica, grado de madurez y
envejecimiento de las plantas madres lo que hace que la propagación asexual sea impracticable en
algunos casos. En E. nitens y P. radiata se ha observado que la habilidad de enraizar es mayor en
material juvenil que en adulto (Maile y Nieuwenhuis, 1996; Menzies, 1992). En especies
recalcitrantes, la incidencia de cambios fisiológicos afecta el porcentaje de enraizamiento, tiempo
maduración, número de raíces y supervivencia.
En algunas especies forestales como Salix y Populus, se presentan primordios de raíz (raíces
preformadas o latentes), donde el éxito dependerá principalmente de lo favorable de las condiciones
ambientales de propagación (Hartmann et al., 1990)
Sin embargo, en coníferas y otras especies, las raíces se inician en dos estados distintos:
iniciación de raíces y elongación y crecimiento de raíces. Las condiciones que favorecen cada
proceso pueden ser bastante distintas; con la iniciación de raíces particularmente influenciada por la
genética y por el estado fisiológico de la planta (MacRae y Cotterill, 1997) y la elongación de raíces
afectada por factores ambientales. En E. globulus, se ha determinado que la habilidad para enraizar
está determinada por control genético y varía entre clones y familias (MacRae y Cotterill, 1997). El
estado nutricional de la planta puede afectar tanto la iniciación como la elongación de raíces,
mientras que la nutrición después de establecido, afecta solamente al crecimiento de las raíces.
Entre los factores exógenos se incluye manejo de la planta madre, aplicación de nutrientes, estado
fitosanitario, tipo de sustrato, temperatura ambiental y del suelo, humedad, fotoperíodo, intensidad
luminosa, calidad de nutrientes aplicados, sustancias reguladoras de plantas y tratamientos
químicos (MacRae y Reiss, 1997; Menzies, 1992).
El enraizamiento se puede realizar en una serie de ambientes. El más simple es colocar loa
estacas en platabandas, para regenerar plantas a raíz desnuda de 1 año de edad, tal como se aplica
en P. radiata. Sin embargo, es más común el establecer estacas en contenedores que se pueden
dejar fuera o mantener en invernaderos con control de humedad y temperatura (Menzies, 1992).
Empresas como Stora Celbi en Portugal, desarrollaron sus plantaciones operativas de E. globulus a
partir de estacas, sobre la base de 20 a 30 clones seleccionados de entre 5.000 a 7.000 árboles plus
iniciales. Constantemente han ido incorporando nuevos clones, ya sea de nuevas selecciones de
campo, o a través de los programas de cruzamientos controlados que provienen de sus programas
de mejoramiento genético. La propagación comercial de E. globulus, generalmente se inicia con
plantas madres mantenidas en platabanda en el exterior o en invernadero, es una operación
estacional donde la mayor actividad de propagación se concentra en primavera y verano (MacRae y
Cotterill, 1997). Sin embargo, MacRae y Cotterill (1997) han reportado que en evaluaciones
realizadas en plantaciones establecidas desde estacas, el crecimiento es menor respecto a
plantaciones a partir de semillas, debido a una estructura de raíces deficiente o una temprana
aparición de madurez foliar, lo que ha motivado detener la producción comercial de estacas de E.
globulus hasta lograr mejores avances en la investigación. En Brasil, Champion Papel e Celulose
Ltda, tiene un programa clonal donde combina la macro y micropropagación con híbridos de
”urograndis” (E. grandis x E. urophyllla).
En P. radiata, estacas obtenidas desde plantas de un año de edad forman raíces si se colocan en
platabandas. Para inducir la produción de estacas de tallo, las plantas madres se podan cuando
tienen 4 meses de edad. Con este sistema se logra una tasa de multiplicación relativamente baja 3 a
5 veces por planta, en el primer ciclo, para producir 20 o más estacas el segundo año. En general la
plantas madres se manejan con podas y fertilización para mantenerlas en producción durante 4 a 5
años (Menzies y Aimers-Halliday, 1997).
Entre los sistemas de multiplicación que se está utilizando recientemente en Nueva Zelandia, está
la propagación por medio de fascículos de P. radiata, que consiste en inducir brotes de fascículos
o braquiblastos al remover las yemas apicales de la planta madre. Los fascículos son inducidos
después de una poda apical en otoño. Los que se colocan durante el invierno en contenedores en
invernadero y luego se trasladan a platabanda o contenedores más grandes. El costo de producción
del fascículo sería mayor que a través de estacas porque incluye la fase de invernadero. Más de 80
estacas de fascículos pueden producirse desde 1 planta de 8 meses de edad y la eficiencia de
enraizamiento es de un 90% o más en invernadero (Menzies y Aimers-Halliday, 1997). El
comportamiento y uniformidad de las plantas obtenidas por esta técnica se está evaluando en terreno
y comparando con plantas de semillas y de estacas. Actualmente el FRI en un join-venture con
Forestry Corporation of New Zeland están produciendo a escala piloto 1 millón de estacas de
fascículo al año (Smith, 1997).
Ventajas de la macropropagación
Las ventajas específicas de esta técnica comparada con la propagación por semillas son:
Desventajas de la macropropagación
MICROPROPAGACIÓN
ganancias genéticas obtenido por macropropagación (Carson et al,. 1992; Haines, 1992; Nikles,
1992) y la reducción del período para iniciar ensayos de progenies de cruzamientos controlados,
donde la producción de semillas es escasa y el éxito de su aplicación depende de disponibilidad
inmediata de plantas (Cheliak, 1991).
No todas las plantas leñosas pueden ser inducidas a diferenciarse in vitro, algunas son
recalcitrantes. Existe además un control genotípico de la organogénesis y también la maduración
restringe la diferenciación in vitro. Esto último, ha determinado que diferentes tipos de explantes
juveniles, incluyendo cotiledones, embriones, brotes apicales y secciones nodales se empleen
extensivamente en la propagación clonal de especies forestales nivel comercial, para amplificar
eficientemente el material vegetal mejorado (Smith, 1984, Nairm, 1993).
Las técnicas de micropropagación que usualmente han sido aplicadas en diversas especies
forestales, como alternativas comerciales a la propagación por estacas de familias o clones
superiores, son la organogénesis (brotes axilares, brotes adventicios) y embriogénesis somática,
(Ahuja, 1997, Haines, 1992; Thorpe et al., 1991). Estas técnicas se han utilizado también en la
manipulación de estados de maduración, conservación de germoplasma e ingeniería genética de
plantas (Libby y Ahuja, 1993).
Organogénesis
La organogénesis implica la diferenciación monopolar de un órgano (brotes o raíces) para dar origen
a una planta bajo condiciones estériles de laboratorio. Usualmente esta diferenciación monopolar
ocurre al colocar un explante (brote o raíz) en un medio nutritivo enriquecido con sustancias
hormonales (citoquininas/ auxinas). Los envases con los cultivos son mantenidos durante todo el
proceso de multiplicación en ambientes controlados con iluminación artificial, fotoperíodo, y
temperatura. Cuando los brotes alcanzan un tamaño adecuado se colocan en un medio con auxinas
para estimular el enraizamiento El proceso de la organogénesis está influenciado por el genotipo,
estado fisiológico del explante, edad y condiciones in vitro (luz, temperatura y constitución del medio
nutritivo, principalmente las concentraciones hormonales (Ahuja, 1983). Dentro de la organogénesis,
los sistemas más empleados en especies forestales corresponden a la producción de brotes axilares
(estimulación de yemas preexistentes) y brotes adventicios.
En P. radiata la organogénesis es exitosa en un 60% de los genotipos, por lo tanto un gran número
de genotipos deben iniciarse para asegura una cantidad suficiente de clones por familia (Nairm,
1993). Inicialmente durante los primeros ensayos en plantaciones con plantas micropropagadas, se
detectó problemas de aceleración de la maduración con una reducción en el tamaño inicial y
crecimiento diametral, sin embargo ensayos recientes no han mostrado diferencias respecto a
plantaciones a partir de semillas (Menzies y Aimers-Halliday, 1997).
Empresas como Fletcher Challenge Co., Nueva Zelanda, están produciendo anualmente a escala
comercial con este método, entre 2 y 3 millones de plantas micropropagadas de pino radiata (Nairm,
1993; Gleed et.al.1995). La empresa Stora Celbi, Portugal, desde 1996 a la fecha está utilizando en
forma rutinaria este proceso en E. globulus. La micropropagación se logra por la proliferación de
brotes axilares o adventicios en explantes nodales desde plantas juveniles, rebrotes o injertos. La
empresa Vivero de Herdade de Espirra, Portugal, ha integrado un laboratorio de micropropagación de
E. globulus para rejuvenecer el material vegetal y obtener plantas madres de mayor vigor,
rebrotación y capacidad de rebrotación, además de conservar de germoplama (Guimaraes et al.
1997). El éxito de los resultados de multiplicación y enraizamiento con esta técnica esta gobernada
intrínsecamente por el potencial del clon y el grado de juvenilidad del explante inicial.
Brotes adventicios
Este sistema implica la inducción directa de brotes a partir de callo o nódulos meristemático. En
especies como Populus, (Ahuja, 1987) P. radiata (Aitken-Christie et al., 1988; Horgan, 1987),
Pseudotsuga menziesii (Aboel-Nil, 1987; Mohamed y Patel, 1989),se ha empleado como sistema
de producción de plantas, e implica la formación y regeneración de plantas a partir de agregados
esfeirales que muestran diferenciación y vascularización de tejidos (Aitken-Christie et al., 1988). En
aquellas especies con buenas respuestas de multiplicación la producción de brotes es mayor que
utilizando la vía de inducción de brotes axilares. En pino radiata por ejemplo, se ha estimado que a
partir de un embrión, los mejores clones pueden producir 260.000 plantas listas para plantación en
2.5 años (Aitken-Christie et al., 1988).
Embriogénesis somática
Este proceso es análogo a la embriogénesis zigótica, donde una sola célula o grupo vegetativo de
células es inducido a diferenciarse para formar embriones somáticos. En contraste con la
organogénesis donde los brotes y raíces se desarrollan en distintos medios de cultivo, la
embriogénesis somática envuelve el desarrollo de embriones teniendo un desarrollo simultáneo de
raíces y tallo (diferenciación bipolar), como en los embriones zigóticos. En coníferas la
embriogénesis somática ha sido originada principalmente desde embriones zigóticos y en
angiosperma se han obtenido también a partir de otros órganos (Ahuja, 1993).
Las líneas embriogénicas son establecidas desde el cultivo de embriones zigóticos inmaduros y
maduros y desde explantes de plantas juveniles (Lelu et al., 1990). Una vez formados los embriones
somáticos, estos deben pasar por el proceso de maduración, germinación y formación de plantas
(Fowke y Attree, 1996). Para aumentar la eficiencia de este sistema, los embriones somáticos
pueden ser encapsulados para producir semillas sintéticas o artificial que se pueden guardar o
almacenar como semillas (Ahuja, 1997; Attreé y Fowke, 1993). La eficiencia del proceso varía
dependiendo del genotipo, así, entre un 5% a un 30% de explantes de megagametofitos forman
plantas viables (Smith , 1997).
Desde los primeros embriones somáticos logrados en coníferas en 1985, esta tecnología ha sido
aplicada en una amplia variedad de especies leñosas, 20 familias de angiosperma y alrededor de
una docena de gimnosperma (Arnaud et al., 1993, Cyr et al. 1994, Fowke y Attree, 1996; Lelu et al.,
1990; McKellar et al., 1996; Nagmani et al., 1987; Thorpe et al., 1991). Entre estas especies se
incluyen, Picea glauca, Picea abies, Pseudotsuga menziesii, Larix sp, Pinus radiata,
Sequoia, Pinus patula y algunos Eucalyptus. Para muchas especies de coníferas, las respuestas
favorables han sido obtenidas desde explantes embriogénicos o a partir de plantas muy juveniles
(Attreé y Fowke, 1993; Thorpe et al., 1991) El potencial que posee esta técnica está dada por la
alta tasa multiplicación, los embriones somáticos pueden crecer en medio líquido y se ha estimado
que un litro de cultivo embriogénico contiene aproximadamente 100.000 embriones somáticos (Ahuja,
1993, Haines, 1992). La tasa de conversión de plantas sin embargo permanece baja, con la mayor
tasa de eficiencia 4% en Picea. En pino radiata, esta tasa es de 37% a 95% (Walter et al., 1994).
La proporción de genotipos que responden a un sistema de embriogénesis somática es importante,
en el caso de picea el 75% de los embriones responde a la formación de tejido embrionario (Haines,
1994) y de un 3% en Pino oregón 3% (Aboel-Nil, 1987). Se ha observado en algunas especies, que
las plantas derivadas de embriones somáticos muestran avanzados signos de edad fisiológica. En
pino radiata una buena manipulación en invernadero y vivero ha mejorado la calidad de la planta
producida por embriogénesis (Menzies, 1991).
El desarrollo comercial de este sistema se ha reportado en pino radiata en la empresa Carter Holt
Harvey en Nueva Zelanda (Aitken-Cristie et al., 1994; Smith, 1997). Es posible mantener estas líneas
embriogénicas almacenadas en estado juvenil por períodos prolongados, utilizando la
criopreservación, mientras se realizan los ensayos clonales (Cyr et al., 1994, Smith, 1997).
Ventajas de la micropropagación
Al micropropagar material vegetal adulto, permite rejuvenecer en un cierto grado el material vegetal
que se está cultivando (Arnaud et al., 1993; MacRae y Cotterill, 1997; Yang et al., 1995).
La micropropagación permite obtener una gran cantidad de individuos genéticamente iguales en corto
y mediano plazo. Es una herramienta operativa en programas de mejoramiento genético y permite
acelerar determinadas fases como los ensayos clonales de progenies.
Desventajas de la micropropagación
Una de las desventajas es que esta técnica no es aplicable a una considerable proporción de
genotipos y es de costos más elevados que la macropropagación.
La aclimatación es un factor limitante y puede haber hasta un 50% de pérdida. Las plantas
micropropagadas deben readaptarse a condiciones ambientales de menor humedad.
Costos de producción
Una alternativa de multiplicación sería producir embriones somáticos para lograr inicialmente un alto
número de individuos por clon, los que posteriormente se utilizarían como plantas madres para la
obtención de estacas, estas últimas con una tasa de multiplicación más baja pero a un menor costo.
Del mismo modo, el alto costo de las plantas micropropagadas por medio de organogénesis, puede
reducirse agregando un ciclo a la producción y utilizar estas plantas para la producción de
fascículos o estacas. Este sistema puede resultar interesante en el futuro en plantas transformadas
genéticamente.
CUADRO 1
COMPARACIÓN DE LOS SISTEMAS DE PROPAGACIÓN DE PLANTAS UTILIZADOS PARA
PINUS RADIATA
CONCLUSIONES
Las técnicas de macro y la micropropagación constituyen, las opciones que más rápidamente
permiten llevar el mejor material genético a las plantaciones forestales. La utilización de estas
técnicas en un programa de mejoramiento forestal se fundamenta solamente si está integrada a
programas convencionales de mejoramiento.
REFERENCIAS
Aboel-Nil M. 1987. Tissue culture of Douglas Fir and western North American Conifers. En: Bonga J.M
y D.J. Durzan(eds.) Cell and Tissue Culture in Forestry. General Principle v3. Martinus Nijhoff
Publishers. pp. 80-100
Ahuja M. 1983. In vitro micropropagation of Poplar and Aspen. En: Bonga J.M y D.J. Durzan(eds.) Cell
and Tissue Culture in Forestry. General Principle v3. Martinus Nijhoff Publishers. pp. 207-223
Ahuja M. 1983. Micropropagation à la carte En: Micropropagation of woody plants, Forestry Science.
v.41. Ahuja M.R. (ed). Kluwer Academic Publishers. pp. 3-9
Ahuja M. 1997. Biotechnology in Forestry: Expectations and challenges. En: Perspective of Forest
Genetics and Tree Breeding in a Changing World. Csaba Mátyás (ed.). IUFRO Woeld Series vol.6,
Vienna, Austria, 1997. pp. 45-55
Arnaud Y., Franclet A., Travan H. y M. Jacques. 1993. Micropropagation and rejuvenation of Sequoia
sempervirens (Lamb) Endl: a review. Ann Sci. For. pp. 273-295
Aitken-Cristie J., Maddocks D., Sigley M., Hodder V., Burger F. y P. Carter. 1994. Embryogenesis of
Radiata Pine. International Wood Biotechnology Symposium. August 31–September 1, 1994,
Hokutopia (Convention Hall) Tokyo Japan. pp: 91 - 98
Borman C. 1987. Picea abies. En: Bonga J.M y D.J. Durzan(eds.) Cell and Tissue Culture in
Forestry. General Principle v3. Martinus Nijhoff Publishers.
Browne R., Davidson C., Steeves T. y Dunstan D.I. 1997. Effects of ortet on adventitious rooting of
jack pine (Pinus banksiana) long-shoot cuttings. Can. J. For. Res. 27:91-96
Carson M., Vincent T. y A. Firth. 1992. Control pollinated and meadow seed orchards of Radiata
Pine. Mass Producction technology for genetically improved fast growing forest tree species.
Synthesis IUFRO Symposium, Bordeaux. France. pp. 100-109
Cheliak W. 1991. Impact of biotechnology on forest genetic and physiology. International Symposium
on Applications of Biotechnology to Tree Cell Culture, protection and Utilization. General Technical
Report EN-152. US Forest service. pp. 3-4
Cyr D., Lazaroff W., Grimes S., Quan G., Bethune T., Dunstan D. y D. Roberts. 1994.
Cryopreservation of interior spruce (Picea glauca engelmanni complex) embryogenic cultures. Plant
Cell Report 13: 574-577.
Fowke L. y S. Attree. 1996. Conifer somatic embriogénesis: studies of embryos development and the
cell biology of conifer cells and protoplast. Plant Tissue Culture and Biothechnology. September,
1996. v.2 nº3. pp. 124 – 130.
Gleed J., Darling D., Muschamp B. y B.J. Nairn. 1995. Commercial production of tissue cultures
Pinus radiata. Tappi Journal September, 1995. v.78. Nº9. pp. 147-150
Haines R. 1992. Mass propagation by cuttings biotechnologies and the capture of genetic gain. Mass
Producction technology for genetically improved fast growing forest tree species. Synthesis IUFRO
Symposium, Bordeaux. France. pp. 128-144
Haines R. 1994. Biotechnology in Forest tree improvement with special reference to developing
countries. FAO Forestry Paper Nº118. Roma. 229 p.
Hartmann H., Kester D., y F. Davies. 1990. Plant Propagation: Principles and Practices. Regents-
Prentice Hall. 5 editión. 647 p.
Horgan K. 1987. Pinus Radiata. En: Bonga J.M y D.J. Durzan (eds.) Cell and Tissue Culture in
Forestry. General Principle v3. Martinus Nijhoff Publishers. pp. 128-145
Iannelli, C.; Cardoso, N. y M. Ortiz. 1997. Sistema radicular de mudas de eucalypto produzidas por
macroestacas e microestacas. IUFRO Conference on Silviculture and Improvement of Eucalyptus v2:
Biotechnology applied to genetic improvement of tree species Salvador, Brazil, August 24 tp 29, 1997.
pp. 178-182
Lakshmi Sita G. 1979. Morphogenesis and plant regeneration from cotyledonary cultures of
Eucalyptus. Plants Science Letters. 14 pp. 63-68
Le Roux J. y J. Van Staden. 1991. Micropropagation and tissue culture of Eucalyptus- a review. Tree
Physiology 9. pp. 435-477
Lelu MA., Boulay M. y C. Bornman. 1990. Somatic embryogenesis in cotyledons of Picea abies is
enhanced by an adventitious bud-inducing treatment. New Forest 4(2) pp. 125-135
Libby W. y M. Ahuja. 1993. Micropropagation and clonal options in forestry. En: Micropropagation of
woody plants, Forestry Science. v41. Ahuja M.R. (ed). Kluwer Academic Publishers. pp. 425 - 440.
MacRae S. y Reis J. 1997. Seasonality effect on the propagation of Eucalyptus globulus by stem
cuttings. IUFRO Conference on Silviculture and Improvement of Eucalyptus v2: Biotechnology applied
to genetic improvement of tree species. Salvador, Brazil, August 24-29, 1997. pp. 172-177
McKallar D., Herman B. y M. Watt. 1994. Towards a protocol for the micropropagation of Pinus
patula. South African Forestry Journal Nº 171 December 1994. pp. 33-41
Maile N. y M. Nieuwenhuis. 1996. Vegetative propagation of Eucalyptus nitens using stem cuttings.
South African Forestry Journal Nº 175 March 1996. pp. 29-34
Menzies, M. 1992. Increasing value through technology: Improving the productivity of radiata pine
plantations. IAC Conference, Auckland, New Zealand, 2-3 December 1992. pp. 15
Menzies, M. 1992. Management of stock plants for the production of cutting material. Mass
Producction technology for genetically improved fast growing forest tree species. Actes Proceeding of
IUFRO Symposium, Bordeaux. France. pp. 257-270
Menzies M. y Aimers-Halliday. 1997. Propagation options for clonal forestry with Pinus radiata.
Deployment Systems and Strategies.Proceedings of IUFRO 97, Genetics of Radiata Pine, Rotorua,
New Zeland 1-4 December 1997 (FRI bulletin Nº203). Burdon R.D. y J.M. Moore. (eds.) pp. 256-263
Mohammed G. y K. Paetl. 1989. Tissue culture micropropagation of Douglas-fir. New Forest 3 pp.
125-139
Nagmani R., Becwar M. y S. Warnn. 1987. Single-cell origin and development of somatic embryos in
Picea Abies (L.) Karst. (Norway sruce) and P. glauca (moench) Voss. (White spruce). Plant Cell
Reports (1987)6 pp. 157-159.
Nairn B. 1993. Commercial micropropagation of radiata pine. En: Micropropagation of woody plants,
Forestry Science. vol 41. Ahuja M.R. (ed). Kluwer Academic Publishers. pp. 383-394.
Smith D. 1984. Tissue Culture for Clonal Forestry: Present and future technologies. Forest Industries
and Biotechnology Proceedings of the 16th New Zealand Conference, Massey University, Palmerston
North. pp. 9-20.
Smith D. 1997. The role of in vitro methods in pine plantation establishment: the lesson from New
Zealand. Plant Tissue Culture and Biotechnology. June, v. 3 nº 2,. pp. 63-73
Timmis R. y M. Abo El-Nil. 1987. Potencial genetic gain through tissue culture. En: Bonga J.M y D.J.
Durzan(eds.) Cell and Tissue Culture in Forestry. General Principle v2. Martinus Nijhoff Publishers.
pp. 198-215
Walter C., Smith D., Grace L., Hargreaves O., Stewart, y A. Warr. 1984. Plant Regeneration and
Transformation studies with Pinus radiata embryogenic tissue. International Wood Biotechnology
Symposium. August 31 September 1, 1994, Hokutopia (Convention Hall) Tokyo Japan. pp. 99 - 106
Yang J-C., Chung J-D. y Z-Z. Chen. 1995. Vegetative propagation of adult Eucalyptus grandis x
urophylla and comparison of growth between micropropagated plantlets and rooted cuttings. Plant
Cell Report 15:170-173.
DISEÑOS DE CRUZAMIENTOS
INTRODUCCIÓN
La elección de un diseño de cruza es una actividad crítica para el cumplimiento de los objetivos
establecidos para una prueba genética. Los diseños de cruza determinan el tipo de información
genética y el material que estará disponible en un programa de mejora. Los objetivos de los diseños
de cruza y de las pruebas genéticas son:
• Entregar el valor de mejora para jerarquizar a los padres y depurar el huerto semillero
• Entregar estimaciones de los parámetros genéticos para el desarrollo de estrategias de mejora
• Definir una población base en la que se pueda seleccionar genotipos para la siguiente generación
de mejora.
Los diseños o esquemas de cruza pueden dividirse en dos grupos principales: diseños individuales y
diseños complementarios. La utilidad de los esquemas de cruza para la selección de padres depende
de sí se usa uno de estos diseños. En un esquema individual, la elección del tipo de diseño está
determinada por la estrategia de mejora.
La efectividad de un método de mejora depende de la heredabilidad del rasgo a ser mejorado. Aunque
la selección combinada de familias e individuos dentro de las familias es siempre más eficiente, para
heredabilidades bajo 0.5 la contribución predominante viene de la selección familiar, mientras que
para heredabilidades sobre este valor la contribución predominante viene de la selección dentro de las
familias (Falconer, 1986). Debido a que la mayoría de las características de interés forestal parecen
tener bajas heredabilidades, los diseños de cruza deben ser juzgados principalmente por su utilidad
con respecto a la selección familiar. El énfasis, sin embargo, en la selección familiar crea problemas
para la futura generación de mejora.
Nanson (1974) ha desarrollado tablas que muestran la eficiencia relativa de la selección individual,
selección familiar y selección dentro de familias con respecto a una selección combinada.
1. Polinización abierta
2. Mezcla de polen (Polimix)
3. Factorial
4. Factorial desconectado
5. Dialelo completo
6. Dialelo parcial
7. Dialelo parcial desconectado
1
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile.
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
PEDIGRÍ INCOMPLETO
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 X
2 X
3 X
4 X
5 X
6 X
7 X
8 X
9 X
10 X
11 X
12 X
13 X
14 X
15 X
La polinización abierta consiste en semillas producidas por la polinización natural de la nube de polen
en una plantación o bosque natural, y entre los rametos de un huerto semillero.
Este diseño tiene el inconveniente de que la polinización aleatoria rara vez se presenta en huertos
jóvenes. Su gran ventaja, por otra parte, es que se obtienen estimaciones de la aptitud combinatoria
general en forma simple y a bajo costo.
Las pruebas de progenie de polinización abierta pueden ser obtenidas a partir de ortet o ortetos como
los que se presentan en los bosques o a partir de rametos en un huerto semillero. El material del
huerto semillero puede estar emparentado y por lo tanto, las cruzas poseen endogamia y todos los
problemas asociados a la depresión endogámica. Las semillas de polinización abierta provenientes
de ortetos en los bosques pueden ser usadas, sin embargo, se pierde la ganancia asociada a la
selección del progenitor masculino
MADRE
1 X
2 X
3 X
4 X
5 X
6 X
7 X
8 X
9 X
10 X
11 X
12 X
13 X
14 X
15 X
La mezcla de polen es en muchas formas similar a la polinización abierta, pero en vez de depender
de una mezcla natural de polen, se recurre a una mezcla predeterminada para realizar cruzamientos
controlados.
Si uno está interesado en evaluar a los padres con base en su aptitud combinatoria general (ACG), no
es necesario realizar cruzas individuales. El diseño polimix es satisfactorio y altamente eficiente para
este propósito. Otros diseños como los dialelos completos, dialelos parciales y parciales
desconectados, además de los factoriales, también servirán, pero a un costo mayor. La desventaja
del polimix es que no permite la estimación de la aptitud combinatoria específica.
Burdon y Shelbourne (1971) han presentado una detallada descripción de la mezcla de polen y sus
modificaciones. Estos cruzamientos usan una mezcla del polen de un grupo dado de padres, la que
es usada en todos los árboles que van a ser probados. Esto da una buena evaluación de los valores
de mejora de los padres y la covarianza de la ACG, pero las progenies están sujetas a las mismas
desventajas que presenta un huerto semillero de polinización abierta. La mayoría de las selecciones
serán progenies de los mismos pocos padres que participan en la mezcla de polen. Modificaciones a
este diseño pueden evitar este problema. Se podría usar un diseño complementario, utilizando una
mezcla generalizada de polen para la estimación de la ACG y una mezcla del mismo grupo de mejora
como un medio para realizar nuevas selecciones. Los diseños complementarios se han popularizado
en los programas de mejoramiento avanzado.
PEDIGRÍ COMPLETO
Los diseños de cruza que incorporan cruzamientos controlados deben ser utilizados si se pretende
utilizar la varianza genética no aditiva en el corto plazo. Hasta que sea desarrollado un método
práctico de propagación vegetativa, las fuentes de variación genética no aditiva sólo pueden ser
utilizadas mediante la prueba y réplica de las mejores cruzas específicas.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1
2
3
4
5 x x x x x
6 x x x x x
7 x x x x x
8 x x x x x
9 x x x x x
10 x x x x x
11 x x x x x
12 x x x x x
13 x x x x x
14 x x x x x
15 x x x x x
Pepper y Namkoong (1978) han realizado una detallada evaluación económica de los diseños
factoriales para las pruebas de progenie. Utilizando sus supuestos, es ventajoso a bajas
heredabilidades usar el mayor número de padres que sea posible, aun a costa de la precisión. A altas
heredabilidades, el número óptimo de padres es cerca de 50. El diseño factorial es ligeramente
superior al diseño anidado. Se puede dividir la población y tener factoriales desconectados. Además
puede usar un número balanceado de padres y madres
Es valioso para probar padres e información genética pero de limitado valor como base de
generaciones avanzadas
Factorial desconectado.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x x x x x
2 x x x x x
3 x X x x x
4 x x x x x
5 x x x x x
6
7
8
9 x x x x x
10 x x x x x
11 x x x x x
12 x x x x x
13 x x x x x
14
15
Un diseño factorial desconectado sigue el mismo principio que el dialelo desconectado. La población
nuevamente es subdividida en grupos y los árboles dentro de cada grupo son cruzados de acuerdo al
diseño factorial
Todos los diseños factoriales pueden estimar bien la aptitud combinatoria general y específica y por
lo tanto ser útiles en la evaluación de los árboles padres. Pero no son adecuados para desarrollar una
población de generación avanzada para realizar selecciones, debido a que todas las selecciones
estarían relacionadas a un limitado número de padres, es decir hay una disminución del tamaño
efectivo de la población. Un conjunto de pequeños factoriales desconectados evita este problema
aunque sufrirán los mismos problemas presentes en los dialelos desconectados.
Dialelos Completos.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x x x x x x x x x x x x x x x
2 x x x x x x x x x x x x x x x
3 x x x x x x x x x x x x x x x
4 x x x x x x x x x x x x x x x
5 x x x x x x x x x x x x x x x
6 x x x x x x x x x x x x x x x
7 x x x x x x x x x x x x x x x
8 x x x x x x x x x x x x x x x
9 x x x x x x x x x x x x x x x
10 x x x x x x x x x x x x x x x
11 x x x x x x x x x x x x x x x
12 x x x x x x x x x x x x x x x
13 x x x x x x x x x x x x x x x
14 x x x x x x x x x x x x x x x
15 x x x x x x x x x x x x x x x
Los dialelos completos contemplan todas las cruzas posibles entre los padres disponibles.
El dialelo completo y los dialelos parciales modificados no son prácticos desde el punto de vista
económico, debido a la inmanejable cantidad de cruzas que se generan. Sin embargo, algunos de los
dialelos más pequeños parecen ofrecer un buen compromiso si uno desea estimar tanto la aptitud
combinatoria general (ACG), como la aptitud combinatoria específica (ACE) para familias específicas
y producir una población de generación avanzada para realizar selecciones. Si N es el número de
progenitores entonces el número de cruzamientos es N2.
Dialelos Parciales.
Los dialelos parciales omiten las cruzas recíprocas y los autocruzamientos. Pueden tomar varias
formas, pero usualmente consisten de una o más conjuntos siguiendo las diagonales a través de la
tabla del dialelo. Algunas veces pueden arreglarse para formar un diseño factorial.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x x x x x x x x x x x x x x
2 x x x x x x x x x x x x x
3 x x x x x x x x x x x x
4 x x x x x x x x x x x
5 x x x x x x x x x x
6 x x x x x x x x x
7 x x x x x x x x
8 x x x x x x x
9 x x x x x x
10 x x x x x
11 x x x x
12 x x x
13 x x
14 x
15
En un diseño de dialelo parcial desconectado los padres son divididos en pequeños grupos y un
dialelo parcial es desarrollado dentro de cada grupo. No se realizan cruzas entre los grupos.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x x x x x
2 x x x x
3 x x x
4 x x
5 x
6
7 x x x x x
8 x x x x
9 x x x
10 x x
11 x
12
13
14
15
Este diseños tienen la ventaja de utilizar un diseño completo, mientras mantienen el número total de
cruzas dentro de un límite razonable.
La mayor limitación de estos diseños es su dificultad para jerarquizar a los progenitores entre los
distintos grupos, de una manera confiable. Existe un término llamado "grupo o set" en el modelo del
ANDEVA para diseños desconectados el que puede considerar un cuarto de la varianza genética
aditiva, dependiendo del número de padres por grupo. Este componente de varianza del efecto "grupo
o set" no puede ser usado en la mayoría de los diseños de campo. Por otro lado, es cuestionable
utilizarlo como componente de varianza ya que no corresponde a un grupo genético. La mejor
solución aparente es incluir uno o varios genotipos estándar entre los "grupos o set", para propósitos
de comparación. Incluso esto puede no ser enteramente satisfactorio, a menos que se cuente con
genotipos estándar confiables.
Este problema de comparación también está presente en los diseños de cruza complementarios si el
número de familias involucradas es grande y las progenies están separadas en el tiempo (años) o en
el espacio (sitios). Algunas modificaciones para resolver este problema incluyen el uso de pequeñas
parcelas y una reducción en el número de progenitores. Aunque ninguna de estas alternativas parece
ser enteramente satisfactoria.
Muchos autores lo consideran como un tipo particular de dialelo, y también se le conoce como
"biparental". Permite el máximo número de cruzas no relacionadas con el menor esfuerzo. Su
desventaja radica en que no es adecuado para estimar el valor de mejora
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x
2 x
3 x
4 x
5 x
6 x
7 x
8 x
9 x
10 x
11 x
12 x
13 x
14 x
15
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
MADRE
1 x x
2 x x
3 x x
4 x x
5 x x
6 x x
7 x x
8 x x
9 x x
10 x x
11 x x
12 x x
13 x x
14 x
15
Este tipo de diseños circulares es de bajo costo, permiten hacer selecciones en generaciones
avanzada una vez que la ACG sea conocida, son de alta eficiencia.
Anidados.
Este diseño es también conocido como diseño jerárquico. En este esquema un solo padre es
cruzado con varias madres.
MADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
PADRE
1
2
3 x x x x x
4
5
6
7 x x x x x
8
9
10
11
12
13 x x x x x
14
15
Como un simple diseño de cruza, los diseños anidados no son muy adecuados para una selección
en generación avanzada, debido a que la selección familiar es débil. Sin embargo, si es usado un
diseño complementario donde la selección familiar sea manejada con un diseño distinto, como una
mezcla de polen, el diseño anidado puede ser adecuado. Esto podría ser particularmente cierto si
algunos de los progenitores ya son conocidos, en este caso la mejor aptitud combinatoria podría
asignarse al padre más sobresaliente.
Complementarios.
Combinan dos o más tipos de diseños para aprovechar los beneficios de cada uno de ellos;
usualmente se combinan la polinización abierta y la mezcla de polen con un sistema de cruza
controlada.
PADRE 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
MADRE
1 x x x x x x
2 x x x x x
3 x x x x
4 x x x
5 x x
6 x
7 x x x x x x
8 x x x x x
9 x x x x
10 x x x
11 x x
12 x
13 x x x x x x
14 x x x x x
15 x x x x
16 x x x
17 x x
18 x
19 x
20 x
Este diseño permite determinar la aptitud combinatoria general. Además cruza a padres que tiene
alta aptitud combinatoria general y combina prueba de progenie y selección dentro de familias
Los diseños que crean un gran número de familias tienen una clara ventaja, mientras que los diseños
con una población efectiva pequeña debido a la relación entre las familias, son menos efectivas de lo
que el número de familias pudiera indicar. Cuando se utiliza un diseño complementario, la situación
es diferente. La evaluación familiar probablemente ya ha sido realizada por un efectivo método como
el Polimix, y sólo se debe considerar ahora la efectividad del diseño para la selección dentro de las
familias. Un diseño cuyo objetivo es crear una progresiva población de mejora puede ser parcialmente
separado de estos diseños.
CUADRO 1
RESUMEN DE LAS CARACTERÍSTICAS DE LOS DISEÑOS DE CRUZA
Huber et al., (1992), realiza un exhústivo estudio mediante simulación de la eficiencia de tres tipos de
diseño: el de polinización abierta, dialelo medio y circular, en función de la heredabilidad en sentido
restringido (h2), la correlación tipo B (rb), y el cuociente entre la varianza de dominancia y la varianza
aditiva (γ ).
Se requiere un conocimiento a priori del control genético para elegir el óptimo diseño de cruza y
diseño de campo para la estimación de h2, rB y γ . Dado que este conocimiento no está disponible, la
elección se basa entonces en los más robustos diseños de cruza que permitan la estimación de
ciertos cuocientes genéticos. Si h2 es la único cuociente considerado, entonces el diseño de medios
hermanos es el mejor. La estimación tanto de h2 como de rB requiere elegir entre los diseños de
medios hermanos y circular. Si no existe conocimiento previo entonces la selección del diseño de
cruza depende de que cuociente tenga mayor prioridad. Para los experimentos en los que h2 recibe la
más alta ponderación, los diseños de medios hermanos son preferidos y en el caso alternativo, el
diseño circular es una apropiada elección. Si se desea información sobre los tres cuociente en el
mismo experimento o sobre el pedigrí de la progenie, entonces debe elegirse el diseño circular, ya
que es más eficiente para que el diseño de medios hermanos.
REFERENCIAS
Burdon, R. y Shelbourne, A. 1971. Breeding populations for recurrent selection: conflicts and possible
solutions. N. Z. J. For. Sci. 1:174-193.
Bridgwater, F. 1992. Mating designs. En: Handbook of Quantitative Forest Genetics. Lauren Fins,
Sharon T. Friedman, Janet V. Brotschol editors. Kluwer Academic Publishers. pp 69-95..
Espejo, J., Ipinza, R. y Potts, B. 1996. Manual de cruzamientos controlados para Eucalyptus nitens
(Deane et Maiden) Maiden y Eucalyptus globulus (Labill). Cooperativa de Mejoramiento Genético
UACH/CONAF/EMPRESAS FORESTALES. Instituto de Silvicultura, Facultad de Ciencias
Forestales. Universidad Austral de Chile. 50 p.
Huber, D., White, T. y Hodge, G. 1992. The efficiency of half-sib, half-diallel and circular mating
designs in the estimation of genetic parameters in Forestry: A simulation. Forest Science, Vol. 38,
No. 4, pp. 757-776.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto
de 1998. Programa CONIF - Miniagricultura. 162 p.
Pepper, W. y Namkoong, G. 1978. Comparing efficiency of balanced mating designs for progeny
testting. Silvae Genetica 27:161-169.
Van Buijtenen, J. y Namkoong, G. 1983. Mating Designs. En: Progeny Testing of Forest Trees.
Southern Cooperative Series Bulletin No. 275. Dept. of Agric. Communications, Texas A&M Univ.,
College Station, TX. pp. 7-13.
Vergara, R., Ipinza, R. y Pérez, E. 1995. Manual de cruzamientos controlados para Pinus radiata D.
Don. Cooperativa de Mejoramiento Genético UACH/CONAF/EMPRESAS FORESTALES. Instituto de
Silvicultura, Facultad de Ciencias Forestales. Universidad Austral de Chile. 50 p.
Zobel, B. y Talbert, J. 1984. Applied forest tree improvement. Wiley and Sons, Inc., New York. 505 p.
ANEXO 1
Cuadro resumen mostrando los promedios del DAP de la progenie de Pinus radiata para varias
cruzas. Ensayo "El Feliz".
MADRE
PADRE A B C D E Promedio de la
progenie
F 12.46 12.45 10.79 12.54 12.54 12.16
G 11.73 12.35 10.40 11.30 12.49 11.65
H 11.29 11.20 14.10 11.00 11.38 11.79
I 12.34 12.63 12.26 10.98 11.97 12.04
J 12.37 9.56 12.56 12.32 11.70
Promedio de la 12.04 11.64 11.88 11.68 12.14 11.87
progenie
Este Cuadro puede ser utilizado para calcular la aptitud combinatoria general (ACG) para los
progenitores, por ejemplo:
Por lo tanto el comportamiento promedio de la progenie de las familias A y F está por sobre el
promedio de todas las progenies. Por el contrario, para la familias B y G, la progenie está por debajo
del promedio general.
También es posible calcular la Aptitud Combinatoria Específica (ACE). Por ejemplo, para la cruza
AxF se tiene:
ACGA = 0.17
ACGF = 0.29
Luego estos valores se suman a la media total entregando un valor esperado, que significa que el
valor será predicho con las aptitudes combinatorias generales, entonces en ausencia de cualquier
conocimiento acerca de la aptitud combinatoria específica, tenemos que:
Luego, la diferencia entre los valores observados y esperado estima la aptitud combinatoria específica
de los dos progenitores en combinación:
Esto significa que la cruza AxF se comporta 0.13 cm de diámetro mejor de lo que podría esperarse
basados en la ACG de los padres A y F. Este mismo cálculo puede realizarse para cada una de las
cruzas del cuadro de este anexo.
INTRODUCCIÓN
Las pruebas genéticas son el corazón del programa de mejoramiento genético, el espíritu de las
pruebas genéticas es determinar las diferencias inherentes de las distintas categorías genéticas a
probar tales como: familias, procedencias, clones etcétera.
Los objetivos de las pruebas pueden ser generalmente establecidos en términos del uso que se hará
de la información (Bridgwater, Talbert y Rockwood (1983)).
1. Pruebas de progenie: evaluar el genotipo de los padres, usualmente para depurar un huertos
semilleros.
2. Estimación de parámetros genéticos: descomponer la varianza ambiental y genética aditiva y no
aditiva para escoger el mejor método de mejoramiento o para calcular heredabilidades y
correlaciones entre los rasgos para ayudar a decidir qué rasgos deben recibir mayor atención en
la selección.
3. Producción de una población base: desarrollando cada cruza y ciclo de prueba de forma que
finalmente resulte una población adecuada para mayor selección.
4. Estimación de la ganancia genética: medir el progreso de la selección comparándola a alguna
medición estándar.
Cada árbol es el producto de su potencial genético y el ambiente que afecta su expresión. Como los
genotipo no pueden ser observados directamente, lo efectos ambientales que enmascaran estas
diferencias deben ser controlados, removidos o estimados. En la práctica es imposible controlar el
ambiente en una prueba genética debido a que aún no entendemos totalmente los factores
ambientales. Además estos factores ejercen su influencia durante muchos años sobre los árboles, lo
que implica una larga interacción con estos factores ambientales.
Por esta razón, es crucial hacer un trabajo de la mayor calidad posible tanto en la instalación de la
prueba genética como en su mantención. El mejorador forestal debe minimizar la variación ambiental
mediante la elección de sitios uniformes, agrupamiento de las categorías genéticas de forma tal que
las diferencias ambientales dentro del área ocupada por los grupos sea pequeña, minimizando las
diferencias entre dichas categorías debidas a factores no genéticos. Esta misma clase de variación
puede ser estimada a través de la repetición las que permiten muestrear las diferencias inducidas
entre categorías genéticas debida a factores ambientales.
La elección del diseño de una prueba genética depende de consideraciones prácticas y estadísticas,
por lo que el desafío que tiene el mejorador es encontrar un diseño experimental de buena relación de
beneficio - costo, que permita generar una máxima información con el mínimo costo.
La selección del diseño de campo para las pruebas genéticas de árboles forestales a menudo se
complica por la necesidad de cumplir con varios objetivos simultáneamente. Dado un objetivo
1
Ingeniero Forestal, Dr. Ingeniero de Montes, Universidad Austral de Chile. Casilla # 567, Valdivia,
Chile.
e-mail: [email protected]
particular, un diseño particular puede ser escogido para maximizar la eficiencia, sin embargo, en los
programas de mejora operacionales, un diseño apropiado es una combinación de muchas
consideraciones prácticas que son tan importantes como las estadísticas (Bridgwater, Talbert y
Rockwood (1983).
PROCEDIMIENTO EXPERIMENTAL
Una unidad experimental es una unidad de material sobre la cual se asigna un tratamiento, en la
práctica la unidad experimental es llamada parcela.
Parcela de 1 árbol
FIGURA 1
DIFERENTES TIPOS DE PARCELAS
Cada unidad experimental (parcela) puede estar formada por una o varias unidades muestrales
(ejemplo, un árbol, dos árboles, etcétera).
Un tratamiento es un procedimiento cuyo efecto será medido y comparado con otro tratamiento,
ejemplos de tratamientos son: familias, procedencias, tipos de plantas, tipo de fertilizantes, entre
El error experimental, es una medida de la variación que existe entre observaciones de las
unidades experimentales. La variación proviene de dos fuentes principales:
Es importante que el mejorador realice el máximo de esfuerzo posible, para reducir el error
experimental, en orden de mejorar la potencia de la prueba. Existen dos procedimientos para reducir
el error experimental:
Cuando un tratamiento aparece más de una vez en un experimento se dice que está repetido.
REPETICIÓN
• Proveer una estimación del error experimental. Cuando no hay un método de estimación del
error experimental, no hay forma de determinar si las diferencias observadas indican diferencias
reales o son debidas a la variabilidad inherente.
• Aumentar el nivel de inferencia del experimento. Al permitir capturar una mayor variabilidad
de las unidades experimentales proporcionando resultados más consistentes.
El número de repeticiones para un experimento depende de varios factores: variabilidad del sitio,
precisión estadística requerida, tipo de diseño experimental, entre otros.
Si hay limitaciones de dinero o tiempo las soluciones son posponer el experimento hasta contar con
suficientes fondos o bien reducir el número de tratamientos, para que suficientes repeticiones estén
disponibles y la precisión no sea afectada.
• Diseño experimental. Un primer factor para controlar el error consiste en proponer un adecuado
diseño de experimentos, que permita reducir en parte las variaciones propias del terreno (sitio,
pendiente, exposición, entre otros) donde se establecerá el ensayo, de tal manera que en el
análisis estadístico si existen diferencias entre los tratamientos, ésta sea atribuible a la progenie
y no a factores externos al experimento. El control del error experimental se logra con un
adecuado balance, uso de bloques y agrupamiento de las unidades experimentales.
Para efectos de análisis estadísticos, se supone que el error experimental es uniforme para todas las
parcelas, su distribución es normal, con media igual a cero y varianza conocida (σ2).
No se puede eliminar el error experimental, pero sí reducir sus efectos con el fin de obtener una mejor
estimación de los efectos de los tratamientos.
• La variabilidad del suelo, pendiente y exposición dentro de un bloque debe ser mínima, sin
embargo puede existir variabilidad entre bloques.
• Si se aplica un fertilizante las dosis correctiva para cada árbol debe ser la misma.
• En forma ideal las pruebas genéticas deben instalarse en sitio muy homogéneos tipo suelo
agrícola clase I, donde la fertilidad, pendiente, profundidad del suelo no son factores limitantes
para el desarrollo de la planta. En este sentido la planta tenderá a expresar todo su potencial
genético en un tiempo mínimo. Lamentablemente esta idealización en muchas ocasiones esta en
conflicto con la realidad de los terrenos forestales y el mejorador para reducir el error
experimental tiene que alcanzar una situación de compromiso, es decir dentro de los sitios que
se disponen para la instalación de un ensayo, el mejorador debe seleccionar lo mejor.
Aleatorización
La primera decisión que debe tomarse es si la parcela será de un árbol o de varios árboles. Parcelas
de un árbol (es decir, un árbol por familia por bloque, STP=single tree plot) dan una máxima eficiencia
por árbol con respecto al costo y a la habilidad para distinguir entre registros. Parcelas de un árbol
son más difíciles de establecer que parcelas de varios árboles, debido a que cada árbol debe ser
tratado individualmente. Parcelas no contiguas pueden ser definidas como parcelas de varios árboles
en donde cada registro (familia) es representado por varios individuos en cada bloque los que son
distribuidos en forma aleatoria o de acuerdo a un patrón definido. Parcelas no contiguas además son
más eficientes por árbol plantado que las parcelas en fila debido a que con parcelas no contiguas
cada registro muestrea en forma más completa la variación ambiental dentro de bloques, reduciendo
así la interacción registro x bloque. Ninguna parcela de un árbol o de varios árboles no contiguos es
tan adecuada para el raleo como la parcela contigua, si se desea el mismo espaciamiento y el
mismo número de registros después del raleo. Si se desean parcelas contiguas de varios árboles,
debe decidirse cuáles son mejores, las parcelas en bloque o en fila. La necesidad de tomar esta
decisión surge por tres motivos. Estos relacionan los efectos de competencia entre genotipos, la
necesidad de determinar la productividad por unidad de área y el máximo tamaño de bloque que
puede ser usado sin un crecimiento indebido en la variación ambiental dentro de bloques.
De acuerdo a esta consideraciones generales, una unidad experimental o parcela puede definirse
como un grupo de árboles de una sola familia, procedencia, clon o especie, que varía en tamaño y
forma. Cada combinación puede producir variabilidad e incrementar el error experimental. Las
implicancias de variar el tamaño y forma de la parcela se analizan a continuación.
Tamaño de la parcela
Existen parcelas con i=1,...,n árboles. Con una parcela de tamaño reducido es posible lograr gran
uniformidad dentro de la unidad experimental, donde el caso límite (n=1), es decir "un árbol una
parcela" (la terminología en inglés es STP = Single Tree Plot). No obstante, si por alguna causa se
produce mortalidad en la prueba genética que exhibe esta configuración, la pérdida de información
produce estimaciones sesgadas e imprecisas. Si es posible prever la mortalidad o algún tipo de daño,
la configuración que puede ser utilizada es una parcela de un tamaño moderado (5 a 10 árboles).
Con frecuencia se plantea la interrogante ¿es mejor tener más repeticiones en parcelas de tamaño
más pequeña o bien, menos repeticiones con parcelas más grandes?. La respuesta depende de
muchos factores, que se explicarán más adelante, aunque en la mayoría de los casos de 6 a 10
El éxito en capturar la variabilidad ambiental del terreno, a través de la parcela no depende tanto de
su tamaño, sino de la uniformidad del ambiente dentro de una repetición y de cuan bien las parcelas
representen el ambiente dentro de la misma.
Forma de la parcela
La forma de la parcela (figura 2) varía dependiendo de los objetivos y recursos del investigador. Puede
consistir en:
- Árboles individuales
- Hileras de árboles,
- Bloques cuadrados de árboles
- Bloques rectangulares de árboles.
- Parcelas de árboles múltiples no contiguas.
Las parcelas de árboles individuales (como ejemplo un árbol una parcela = STP),
estadísticamente suelen ser más eficientes. Permite la máxima eficiencia con respecto a los costos
y para distinguir diferencias entre familias, también es estadísticamente más eficiente en sitios
variables.. Sin embargo, cuando se utiliza este tipo de parcelas, la muerte de un solo árbol puede
complicar el análisis estadístico por la falta de identificación. Las parcelas de árboles individuales son
las más apropiadas en aquellas situaciones donde a cada árbol se le brindan los mejores cuidados y
las estimaciones se hacen antes de que se inicie la competencia o la mortalidad. Uno de los usos
más generalizados de este tipo de configuración es establecer "ranking" familiares.
Las parcelas en hileras de árboles, (o parcelas contiguas), se utilizan para probar diferencias
genéticas, entre familias y para seleccionar individuos para generaciones avanzadas tanto en
ensayos de polinización abierta y controlada. Los ensayos de progenie establecidos en Chile para la
primera generación de Pinus radiata por las empresas forestales, usan parcelas de cinco árboles en
hileras. Las parcelas de los ensayos de progenie y procedencias de especies de eucalipto de primera
generación -establecidos por el Instituto Forestal-se usaron parcelas en hileras de cuatro árboles.
• Variación ambiental. A medida que aumenta el tamaño del bloque, aumenta la variación
ambiental. Las parcelas de árboles individuales y las parcelas no contiguas de árboles
múltiples son más eficientes bajo condiciones de variación ambiental.
Además este tipo de parcelas se usa ampliamente en ensayos de ganancias genéticas y también es
recomendado para hacer más eficiente la selección dentro de familia, para esto se requiere utilizar un
bloque monofamiliar.
Unidad Experimental
Arboles individuales
Hileras de árboles
Unidad Experimental
Bloques rectangulares
de árboles Unidad Experimental
FIGURA 2
FORMAS DE PARCELAS
Las parcelas de árboles múltiples no contiguas, son aquellas en que los miembros de las
parcelas son arreglados aleatoriamente dentro de cada bloque, como ha sido propuesto por Libby y
Cockerham (1980). Para el ejemplo cada unidad experimental la forman 3 parcelas. Su uso puede
establecerse cuando se tiene planificado raleos durante la vida del ensayo. Este tipo de parcelas
permite un muestreo del sitio, tan completo como el STP (un árbol una parcela), y por lo tanto
permite una eficiente estimación de la media familiar.
Árboles de relleno
Loo-Dinkins (1992), establece como regla práctica que si un ensayo tiene menos del 90% de
supervivencia, éste debería descartarse por la gran cantidad de árboles de relleno o replante que se
necesitan. Como por ejemplo, si se establece un ensayo con 50 familias, 10 bloques y 5 árboles por
parcela, con un 90% de supervivencia se requiere plantar 250 árboles de relleno o replante.
Árboles de borde
El "efecto borde" es el crecimiento excesivo que experimentan los árboles localizados en las orillas
del ensayo, dado que no tienen competencia en uno de sus costados, por ende el problema se
acentúa cuando se inicia la competencia.
Los árboles de borde tienen como función eliminar o reducir el "efecto borde". Es recomendable como
número mínimo establecer dos hileras de borde, especialmente si los árboles serán evaluados
después del inicio de la competencia. (figura 3)
A rbo le s de B orde
FIGURA 3
ÁRBOLES DE BORDE
En ensayos de campo, es posible observar claros dentro de los ensayos esto se origina por
diferentes causas tales como, sitios con anegamiento o afloramiento rocosos en ellos se producen
mortalidades en forma individual o en manchas. Los árboles al borde de los claros o de las manchas
crecen excesivamente como con el "efecto borde" explicado anteriormente, pero en este caso al
interior del ensayo (figura 4). Desde el punto de vista del desarrollo de las familias se produce una
situación injusta ya que la ausencia de borde favorece a aquellas con menos competencia.
Arboles de Borde
FIGURA 4
CRECIMIENTO DE ÁRBOLES CUANDO EXISTEN CLAROS DENTRO DEL ENSAYO
Los lotes comerciales corresponden en términos clásicos a los testigos o controles comerciales.
Dichos lotes pueden estar conformados por lotes de semillas sin mejoramiento, familias originadas
por cruzamientos específicos (controles genéticos), mezcla de semillas de huerto al barrer, etcétera.
En muchos casos, estos lotes de semillas permiten establecer las ganancias genéticas ya que al
estar presente en todos los ensayos (de distinto material genético) sirven como conector base de
dicho material. Si estos lotes no tienen mejoramiento genético o un nivel determinado son una base
para cuantificar el progreso en un programa de mejoramiento genético. Los resultados de ganancia
genética obtenidos a través de ensayos de progenie con parcelas en hileras y con este tipo de lotes
comerciales, deben ser analizados con precaución debido a la competencia desigual que
experimentan las familias que tiende a sobrestimar los niveles de ganancia.
Los lotes de control pueden ser usados para comparar familias en las pruebas o para estimar la
ganancia obtenida. Existe acuerdo en el tipo de lotes de control que se usan (ya sea con
mejoramiento o sin él). Los controles deben usarse en muchos ensayos, por lo que se requiere
El número de parcelas control en una prueba debe ser igual al número de parcelas que componen el
tratamiento medio al cual los controles están siendo comparados. Por ejemplo, si cinco familias de
hermanos completos incluyen una media familiar de medios hermanos, entonces cinco parcelas
control serían una cantidad óptima. Usualmente se utilizan dos o tres parcelas.
Los ensayos deben ser plantados de acuerdo a un diseño experimental de reconocida validez en su
análisis estadístico.
Entre los diseños que normalmente más se utilizan se pueden mencionar el Diseño Completo al
Azar, el de Bloques Completamente al Azar, el de Cuadrados Latinos, el de Diseños en Bloques
Incompletos (por ejemplo: látices, "set” en bloques, etcétera). En la actualidad se esta tornando más
popular la configuración de un árbol una parcela, aunque en Nueva Zelanda su uso comenzó hace
más de una década.
El diseño muy utilizado ha sido el diseño de bloques al azar. En la figura 5 se ilustra su forma
correcta de uso de este diseño. En la falda de una colina, las condiciones varían comúnmente con la
posición de la pendiente, de modo que el bloque es generalmente rectangular, con el eje a lo largo de
una curva de nivel. En la mayor parte de los terrenos nivelados y aparentemente homogéneos, las
condiciones varían, por lo general con la distancia en cualquier dirección, de modo que el bloque debe
ser cuadrado.
II
III
IV
FIGURA 5
Si el sitio es muy variable o el número de familias es muy grande los diseños de bloques incompletos
parecen ser más apropiados y dentro de estos el llamado "set in replication" o set en bloques.
Para establecer una prueba es preferible un gran número de sitios y no solo un sitio. Como mínimo
se pueden considerar dos sitios representativos e idealmente 3 a 6 sitios de manera que cubra una
amplia gama de ambientes. No se debe olvidar que la prueba genética es un muestreador de
ambientes. La plantación del mismo ensayo en diferentes sitios, permite al mejorador estimar las
interacciones genotipo - ambiente (IGA). Cuando no es posible establecer todas las familias en todos
los sitios, se debe incluir un grupo de control que permitirá realizar una sana comparación de sitio a
sitio. Se consideran que 20 familias compartidas en distintos ensayos, en distintos sitios permiten
una apropiada estimación de la IGA.
Las prácticas silviculturales que serán realizadas en los ensayos deben ser consideradas cuando se
seleccione el diseño experimental, por ejemplo, el raleo antes de la edad de la evaluación principal
provocará una reducción del número de árboles por familia y esto puede conducir a problemas de
desbalances en la estructura familiar. Esto es particularmente importante cuando se usa el diseño un
árbol una parcela ("single tree plot o STP"), aunque de ser necesario se puede modificar, reagrupando
los bloques.
De esto se deduce que la elección del diseño estadístico para la prueba genética dependerá de la
habilidad que tenga el mejorador para identificar y controlar fuentes de variación (localidad, bloques,
procedencias, familias, clones entre otros), y por otro lado de su capacidad analítica para resolver el
modelo. A mayor número de fuentes de variación que el mejorador logre identificar más complicado
será el modelo, en especial cuando se identifican interacciones entre las fuentes de variación.
Uno de los dilemas que tiene el mejorador es encontrar un diseño estadístico que permita a un
mínimo costo, estimar los valores de mejora de un ensayo de progenie. A continuación, se realiza
una breve introducción a los diseños más comunes utilizados en el mejoramiento genético forestal.
Esta revisión es sólo una parte de los diseños que existen para enfrentar a los ensayos de progenies.
El diseño completo al azar (DCA) es útil cuando las parcelas o unidades experimentales son
esencialmente homogéneas o la variación entre ellas es muy pequeña y al agruparlas en bloques no
se aumenta significativamente la precisión de la prueba y donde los efectos ambientales no son
fuentes de variación.
PARCELA
F2 F1 F4 F2
X
X
F4 F2 F1 F3 X
X
X
F1 F3 F2 F4
FIGURA 6
DISEÑO COMPLETAMENTE AL AZAR
En este tipo de diseño los tratamientos son categorías genéticas (por ejemplo familias) que son
instaladas en las unidades experimentales distribuidas aleatoriamente por toda el área de prueba del
ensayo. Un ejemplo de este diseño es presentado en figura 6, donde las condiciones del sitio es
homogénea (por ejemplo la pendiente del terreno es cero por ciento).
Modelo
El modelo lineal del diseño completamente al azar puede representarse en la forma que se indica a
continuación:
Y ij = µ + F i + eij
La cuadro del análisis de varianza (ANDEVA) que permite realizar inferencias con respecto a las
familias es la siguiente:
CUADRO 1
NDEVA DEL DISEÑO COMPLETAMENTE AL AZAR
En el análisis de varianza (ANDEVA) del DCA, la varianza total es atribuida a dos fuentes de
variación: tratamiento (familias) y al error experimental.
Ventajas
Desventajas
Como conclusión este diseño no debe utilizarse para evaluar material genético, es recomendable
siempre utilizar bloques.
En este diseño las unidades experimentales se agrupan en bloques completos o repeticiones. Los
bloques son considerados completos debido a que cada uno contiene todos los tratamientos. El
número de unidades en un grupo es igual al número de tratamientos. El objetivo del agrupamiento es
tener las unidades en un bloque tan uniforme como sea posible, de tal forma, que las diferencias
observadas sean fundamentalmente debida a los tratamientos. Mediante el establecimiento de
bloques la precisión del diseño aumenta, como resultado de un mayor control del error. Un ejemplo
de este diseño es presentado en figura 7, en él se observa la presencia de 3 situaciones: pendiente,
afloramiento rocosos y una zona anegada, la existencia de un diseño en bloques completo al azar
reduce estas fuentes de variación.
FAM
ILIA
S EN
F2 F BLO
5 F9 QUE
F1 F 1
3 F7
F4 F
6 F8
PAR
CEL
A
Afloramiento x
rocosos x
x
x
x
Pendiente
BLO
QUE
1
BLO
QUE
2
BLO
QUE
3
Zona
anegada
FIGURA 7
Durante el experimento todas las parcelas en un bloque deben ser tratadas tan uniformemente como
sea posible. Cualquier cambio en alguna condición puede afectar los resultados obtenidos del bloque
completo.
Cuando existe balance cada tratamiento aparece un número igual de veces en cada bloque y cada
bloque contiene todos los tratamientos.
Modelo
El modelo para el diseño en bloques completos al azar, con interacción tratamiento y bloque es:
donde, Yijk= Es la observación, µ = efecto medio de la población, Fi= efecto de la i-ésima familia, Bj=
efecto del i-ésimo bloque, FBij = interacción familia y bloque, eijk= error que se distribuye normal N(0,
σ2).
Es decir, el modelo nos dice que una observación es el efecto de una media general (µ ), de una
familia en particular (Fi ), de una repetición o bloque (B j ), de una interacción familia y bloque FBij y
finalmente del azar (eijk).
CUADRO 2
ANDEVA DEL DISEÑO EN BLOQUES COMPLETOS AL AZAR
En el análisis de varianza (ANDEVA) del DBCA, la varianza total es atribuida a tres fuentes de
variación, diferencias entre: tratamiento (familias), bloque y error experimental.
Ventajas
1. Se obtiene una mayor precisión que en el DCA, por agrupar las unidades en bloques, cuando
existe variabilidad del suelo.
4. Si por alguna razón los datos de un bloque completo o de ciertos tratamientos son inservibles,
estos datos pueden ser omitidos sin complicar el análisis. Si los datos de las unidades
individuales se pierden pueden ser fácilmente estimados de tal forma que la conveniencia
aritmética no se pierde. Si el error experimental es heterogéneo, igualmente se pueden obtener
componentes insesgados aplicados a las pruebas de comparación específicas.
Desventaja
La principal desventaja es que cuando la variación entre unidades experimentales dentro de un bloque
es grande, aumentará el valor de este componente. Esto ocurrirá cuando el número de tratamiento
sea suficientemente grande, para no asegurar la uniformidad grupal de las unidades en los bloques.
En tal situación, se deben utilizar otros diseños que controlen una mayor proporción de la variación.
En el diseño de cuadrados latino (DCL) los tratamientos son arreglados de dos diferentes maneras:
por filas y columnas. Cada tratamiento ocurre una vez en cada fila y columna. Mediante un análisis
apropiados es posible remover desde el error la variabilidad debido a diferencias tanto en filas como
en columnas.
Este diseño es usado cuando dos fuentes de variación son conocidas de antemano.
Modelo
Y ijkl = µ + T i + F j + C k + eijkl
donde,Yijkl = Es la observación, µ = efecto medio de la población, Ti= efecto del i-ésimo tratamiento,
Fj = efecto de la j-ésima fila, Ck= efecto de la k-ésima columna, eijkl = error que se distribuye normal
N(0, σ2).
Ventaja
Cuando existe un número reducido de tratamientos (menor a 8 familias) este diseño permite captar
mejor la variabilidad ambiental.
Desventaja
La principal desventaja de este diseño es que el número de filas, columnas y tratamientos debe ser
igual. Si hay muchos tratamientos el número de parcelas requeridas se vuelve muy pronto
impracticable. Los cuadrados más comunes van desde 5 x 5 a 8 x 8. Los cuadrados latinos como un
DBCA sufren de lo siguiente: cuando el tamaño del bloque aumenta, el error experimental por unidad
probablemente también aumenta. Cuadrados pequeños aportan pocos grados de libertad para la
estimación del error experimental y deben dar una disminución sustancial en el error experimental
para compensar por los pequeños grados de libertad. Sin embargo, se puede utilizar más de un
cuadrado en el mismo experimento.
Entre los diseños de bloques incompletos tenemos: diseños de bloques incompletos balanceados,
látices y "set" en bloques. Cada uno de ellos se explican a continuación.
Los diseños experimentales conocidos como diseños en bloques incompletos balanceados (DBIB)
son llamados balanceados debido a que cada tratamiento ocurre exactamente en la misma cantidad
de veces en el ensayo, e incompletos debido a que los tratamientos no están presentes en todos los
bloques.
Ventaja
Permite probar un gran número de categorías genéticas, con un tamaño de bloques pequeños,
reduciendo la variabilidad dentro del bloque.
Desventaja
La principal desventaja de este diseño es que no pueden ser usados para todas las configuraciones
experimentales. Si el número de tratamientos a comparar y el número de experimentos por bloques
son fijos, luego el número de repeticiones de cada tratamiento es fijo.
El diseño de látices es una variación de un diseño de bloques incompletos, donde estos son
combinados en grupos para formar repeticiones separadas. Ellos pueden ser: látices balanceados o
látices parcialmente balanceados.
Diseño de látices balanceados. Dentro del grupo de diseños de látices, los látices balanceados
son parcialmente útiles; los rasgos especiales del diseño de látices balanceados que los distingue de
otros látices, es que cada par de tratamiento ocurre una vez en el mismo bloque incompleto.
Consecuentemente todos los pares de tratamientos son comparados con el mismo grado de
precisión. El número de repeticiones y tratamientos es la restricción más severa. Los látices
balanceados para 9, 16, 25, 49, 64 y 81 tratamientos son muy comunes. El análisis estadístico de
este diseño es más complicado pero es preferible cuando el investigador desea hacer todas las
comparaciones entre pares de tratamientos con igual precisión.
Williams y Matheson (1995) explican el uso de los diseños en bloques incompletos en ensayo
forestales y realizan una introducción a un tipo de diseño conocido como diseño en latice
generalizado y describe un programa computacional denominado ALPHA+ que simplifica la
construcción y aleatorización de esta clase compleja de diseños experimentales.
Este es otra forma de diseños en bloques incompletos que fue descrito inicialmente por Schutz y
Cockerham (1966) y usado por mas de 20 años en ensayos forestales en Nueva Zelanda. El diseño
divide los tratamientos en un número semi-independiente de diseños en bloques completamente
aleatorizados, de tal forma que todos los set son aleatorizados dentro de cada repetición (figura 8).
Esto se ha probado ser muy robusto y consistente en la estimación de parámetros genéticos.
Ejemplo
Cada "set" o conjunto está compuesto por 20 familias de una sublínea y de un control (compuesto de
una mezcla de semilla de 24 familias) que será plantado por triplicado. De esta manera, cada "set"
totaliza 23 parcelas (20 familias más tres repeticiones del control). Los ensayos consideran cuatro
bloques completos, 1 "set" por cada sublínea, 23 parcelas por set y de 1 árbol por parcela,
totalizando 1.104 árboles por cada prueba (4 bloques * 12 "sets" * 23 parcelas * 1 árbol).
yijkm = µ + Li + B(L )ij + S k + S * Lik + S * B(L )ijk + F(S )km + L* F(S )ikm + εijkm
donde Yijkm es la variable respuesta, µ es el promedio general, L es el efecto de localidad, B(L) son
los bloques dentro de localidad, S son los "sets" de familias, L*S es la interacción entre "set" y
localidad, B(L)*S es la interacción de bloques y "sets", F(S) son las familias dentro de "set", F(S)*L
es la interacción de familias con localidad y e es el error.
SET
F02 F04 F01 F03 I
F05 F08 F06 F07 II
F11 F09 F12 F10 III x
x
SET x
F05 F07 F06 F08 III x
F12 F09 F11 F10 I x
F03 F04 F01 F02 II
Afloramiento PARCELA
rocosos
Pendiente
BLO
QUE
1
BLO BLO
QUE QUE
2 4
BLO
QUE
3
Zona
anegada
FIGURA 8
DISEÑO DE SETS EN BLOQUES
CUADRO 3
ANDEVA DEL DISEÑO SETS EN BLOQUES DEL EJEMPLO
Localidad (L)
Set (S)
FIGURA 9
CONFIGURACIÓN STP
CONFIGURACIÓN STP
EN 20 BLOQUES
F2 F1 F4 F2
B06 B07 B08 B09 B10
F4 F2 F1 F3
B11 B12 B13 B14 B15
F1 F3 F2 F4
B16 B17 B18 B19 B20
PARCELA
Y ijk = µ + F i + R j + eijk
Asumiendo f familias (F) y r repeticiones o unidades (R), el cuadro de análisis de varianza es:
CUADRO 4
ANDEVA PARA LA CONFIGURACIÓN STP
Como n=1, el término error dentro de la parcela σ2w tiene cero grados de libertad y no puede ser
estimado, así que el modelo σ w es confundido con σ2fb y el término combinado σ2w + σ2fb puede ser
2
considerado como el término error (CM e)2, es decir, σ2e = σ2w + σ2fb y la última línea del cuadro
desaparece.
Una estimación de la varianza de la familia (σ2f) puede ser calculada mediante la deducción de los
cuadrados medios (CM) para FB del CM de F y dividido por b. Las pruebas de significación son dadas
por:
CUADRO 5
ANDEVA PARA LA CONFIGURACIÓN STP (CORREGIDO)
En el caso de que la prueba F sea considerado un efecto fijo, luego el término interacción
desaparece de los CM e de B y no hay una prueba exacta para B. De la misma forma, si B es fijo no
hay una prueba exacta para F.
Ignorando los términos de interacción se puede lograr una prueba para esta situación, pero puede no
ser siempre válida.
Para los datos ajustados al efecto bloque (repetición), la heredabilidad individual se calcula de la
siguiente manera:
2
4 σ2f
h =
σ 2e + σ 2f
2
CMe:Cuadrados medios del error
Ventajas
2. En el caso de que ocurra una catástrofe en el ensayo el STP puede ser analizado como un diseño
de parcelas no contiguas, combinando dos o más bloques y restaurando en algún grado el
balance a nivel de la parcela.
Desventaja
1. Requiere un máximo de cuidado de los árboles establecidos con esta configuración. Sin embargo
a pesar de que es posible re-asignar las parcelas, esto no es conveniente realizarlo.
Los ensayos de pruebas clonales permiten evaluar la capacidad de enraizado de los clones que
pertenecen a las poblaciones élite y están destinados a producir material para plantaciones
operacionales.
Existen diferentes tipos de diseños para probar ensayos de pruebas clonales. A continuación se
presentan dos tipos de ellos (a modo de ejemplo):
Consideremos que un ensayo clonal (sin estructura familiar) fue instalado con las siguientes
características:
Existen "n" rametos provenientes de "c" clones, donde cada rameto es repetido en "b" bloques y "l"
localidades (sitios).
CUADRO 5
ANDEVA PRUEBAS CLONALES CON ESTRUCTURA FAMILIAR NO CONOCIDA
Clones(C) σ2e+nσ2cb(l)+nbσ2cl+nclσ2c
Localidades(L) σ2e+nσ2cb(l)+nc σ2b(l)+nbσ2cl+ncbσ2l
Clones x localidades (CxL) σ2e+nσ2cb(l)+nbσ2cl
Bloques en localidades (B/L) σ2e+nσ2cb(l)+nc σ2b(l)
Clones x bloques en localidades Cx(B/L) σ2e+nσ2cb(l)
Rametos en parcela σ 2e
donde, σ2c = Varianza clones, σ2l = Varianza localidades, σ2cl = Varianza interacción de clones y
localidades, σ2cb(l)= Varianza interacción de clones y bloques en localidades, σ2b(l) = Varianza bloques
en localidades, σ2e=Varianza rametos en la parcela.
σ 2C = V A +V D + V AA + V AD + V DD +...,
donde, VA= varianza genética aditiva, VD= varianza genética dominante, VAA, VAD, VADD= varianza
genética epistática debida a los efectos: aditivos por aditivos, aditivos por dominancia y dominancia
por dominancia.
V I = V AA +V DD + V AD +...
Luego, la varianza genética total (V G) y la fenotípica (V F) es estimada por:
V G = σ 2c
V F = V G + σ 2cl + σ 2cb(l) + σ 2e
Consideremos que un ensayo clonal (con estructura familiar) que fue instalado con las siguientes
características:
Existen "n" rametos provenientes de "c" clones de familias (f) de un ensayo de polinización abierta
instalado en varias localidades, cada rameto fue repetido en "b" bloques completos por localidad.
El análisis de varianza para una prueba clonal, con estructura familiar conocida es:
CUADRO 6
ANDEVA PRUEBAS CLONALES, CON ESTRUCTURA FAMILIAR CONOCIDA
Rametos en parcela σ 2e
donde, σ2f = Varianza familias, σ2fl = Varianza interacción familias y localidades, σ2c(f) = Varianza
clones en familias, σ2lc(f) = Varianza interacción de localidades y clones en familias, σ2fb(l) = Varianza
interacción familias y bloques en localidades, σ2b(l)c(f) = Varianza interacción bloques en localidad y
clones en familias.
V A = 4( σ 2f )
V D +V I = σ 2c(f) - 3( σ 2f )
V G = σ 2f + σ 2c(f)
REFERENCIAS
Andrew I. 1986. Simple experimental design for forestry trials, Forest Research Institute FRI Bulletin
Nº 71.
Bridgwater, F., Talbert, J. y Rockwood, D. 1983. Field design for genetic test of forest trees. En:
Progeny Testing of Forest Trees. Proceeding of Workshop on Progeny Testing. June 15-16, 1982,
Auburn, Alabama. Southern Cooperative Series Bulletin No. 275. February 1983, pp. 28-39.
Briscoe, C., 1990. Manual de Ensayos de Campo con Árboles de Usos Múltiples. Manual Nº 3.
Winrock International Institute for Agricultural Development. 143 p.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de
Bogotá, Agosto de 1998. Programa CONIF - Miniagricultura. 162 p.
Libby, W. y Cockerham, C. 1980. Random non-contiguos plots in interlocking field layouts. Silvae
Genet. 29:183-190.
Loo-Dinkins, J. 1992. Field Test Design. En: Handbook of Quantitative Forest Genetics. Lauren Fin,
Sharon T. Friedman, Janet V. Brotschol editors. Kluwer Academic Plublishers, pp. 96-139.
Matheson, A.; Brown, A y Cunningham, R. 1978. Statistics: Design of experiments. En: International
training course in Forest tree breeding. Selected Reference Papers. Australian Development
Assistance Agency. pp. 1-20.
Williams, E. y Matheson, A. 1995. Experimental Design and Analysis for Use in Tree Improvement.
CSIRO-ACIAR. 174 p.
Zobel, B. y Talbert, J. 1988. Técnicas de Mejoramiento Genético de Árboles Forestales. Limusa. 545
p.
ESTABLECIMIENTO DE ENSAYOS
INTRODUCCIÓN
El establecer una prueba genética es una actividad muy importante en un programa de mejoramiento
genético. El mejorador forestal tiene que realizar una adecuada planificación que considere
claramente actividades, personal y costos involucrados en el desarrollo de ésta operación.
Se analizaran los antecedentes teóricos básicos que el mejorador debe considerar dentro de su
planificación de actividades, para llegar a la instalación y posterior mantención de la prueba genética.
Los aspectos de costos se tratan de forma general con la presentación de un ejemplo para el
establecimiento de un ensayo de progenies.
La metodología para el establecimiento de ensayos genéticos debe estar basada en una planificación
acabada donde los plazos y las oportunidades propuestas se cumplan en gran medida. Se debe
recordar que el objetivo de establecer en forma intensiva estos ensayos responde a que en el menor
plazo posible los individuos deben ser capaces de expresar su potencialidad de crecimiento. Es muy
importante asegurar la supervivencia de los árboles y es por ello que no se deben escatimar
esfuerzos en las labores de establecimiento. Se debe recordar que en ningún momento se quiere
evaluar la supervivencia de familias ni de procedencias sino su expresión fenotípica en el menor
tiempo posible.
1
Ingeniero Forestal, Instituto Forestal, Km 7,5 Camino a Coronel, Concepción, Chile.
e-mail: [email protected]
2
Ingeniero Forestal. Dr. Ingeniero de Montes. Instituto de Silvicultura. Universidad Austral de Chile,
Casilla # 567. Valdivia, Chile.
e-mail: [email protected]
ACTIVIDADES E F M AM J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D
DEFINICIÓN DE OBJETIVOS
SELECCIÓN DE SITIO
VIVERIZACIÓN
DISTRIBUCIÓN EN TERRENO
CERCADO
CONTROL DE MALEZA
(PRE-PLANTACIÓN)
PLANTACIÓN
CONTROL DE MALEZA
(POST-PLANTACIÓN) Y FERTILIZACIÓN
MANTENCIÓN Y MONUMENTACION
FIGURA 1
CRONOGRAMA DE TRABAJO PARA EL ESTABLECIMIENTO DE ENSAYOS GENÉTICOS
Una vez definido el diseño experimental, de acuerdo al número de tratamiento (procedencias, familias
o progenies, clones, etc.) y de las repeticiones o bloques necesarios para la validez estadística, una
consideración importante es definir bloques o repeticiones lo más cuadrados posibles con el fin de
aminorar en mayor medida las diferencias de sitio entre la primera y última planta presente en cada
bloque o repetición. Esto es válido en ausencia de pendientes. También, es necesario señalar que en
ningún caso el bloque o repetición debe estar dividido, siempre debe ser un paño continuo y en un
sector que no tenga variación aparente. Se debe recordar que la diferencia entre repeticiones o
bloque, en cuanto a homogeneidad de sitio está permitida ya que suele ser corregida en los análisis
estadísticos, sin embargo la variación en el bloque o repetición se convierte en error y no es posible
cuantificarla.
La no consideración de estos aspectos significará un ensayo deficiente y sin validez ni certeza de los
parámetros genéticos que se obtengan de él.
Selección de sitio
La selección del sitio debe hacerse preferentemente en invierno con el fin de visualizar la
homogeneidad real del sitio. Es frecuente encontrar lugares que se inundan en invierno situación que
no se evidenciará en una selección de verano.
Por esta razón en el momento de seleccionar el sitio se debe establecer un croquis que indique
claramente los lugares con problemas, es decir con anegamiento, o irregularidades topográficas,
entre otros. De esta forma será posible determinar la superficie potencialmente efectiva para
establecer el ensayo, es decir establecer en forma exacta una configuración del diseño de campo.
El sitio debe ser tan uniforme como sea posible en relación a, pendiente, exposición y características
del suelo. El sitio no necesariamente tiene que ser plano, su superficie debe ser homogénea evitando
afloramiento rocosos. La uniformidad del suelo debe ser chequeada por un análisis de suelo, además
se debe hacer una completa descripción pedológica de él. La fertilidad de un sitio puede ser muy
variable, tal como se refleja en el siguiente mapa de contorno de fertilidad (figura 2).
FIGURA 2
MAPA DE CONTORNOS DE FERTILIDAD
(FUENTE Panse y Sukhatme, 1963)
Cuando se conoce el significado de la interacción genotipo ambiente entre diferentes tipos de sitios;
por ejemplo, interacción entre ensayos establecidos en sitios de diferente fertilidad o productividad, o
la interacción entre ensayos establecidos en sitios con suelos de origen granítico versus sitios de
origen volcánico. Esta información permite decidir el tipo de sitio donde se deben establecer los
ensayos, si la interacción es cero, los ensayos se pueden establecer en cualquier sitio. Por otro lado,
si la interacción es significativa, el cambio de sitio para el ensayo significa un cambio de "ranking" de
las familias (Namkoong, 1979).
En la selección de sitios, la regla básica es instalar las pruebas genéticas en sitios o áreas
representativas de los suelos donde se establecen las plantaciones operacionales, esto es
particularmente válido cuando se desconoce la interacción genotipo ambiente.
Bajo este contexto la elección del sitio o área donde se va a localizar la prueba genética es muy
gravitante en la calidad de la información que de ésta se pueda obtener, razón por la cual se deben
evitar situaciones extremas de las condiciones edafoclimáticas. Incluso el sitio debe ser el mejor,
plano, fértil, etc., para así tener las respuestas en el menor plazo posible.
Como en algunas ocasiones se cuenta con varios sitios para seleccionar y se requiere de 2 o más
áreas para el establecimiento de las pruebas, el mejorador debe recorrer estas posible zonas para
realizar una preselección y observar en terreno si le son o no de utilidad.
En este sentido quién ejecute esta labor deberá a lo menos considerar las siguientes características
o condiciones antes de que se realicen otro tipo de estudios, por ejemplo, análisis de suelo, entre
ellas:
• Homogeneidad topográfica, esto significa que las áreas seleccionadas deben ser preferentemente
planas o ligeramente onduladas. Si no se cuenta con esta situación las pendientes deben ser
menores a un 25 %.
• Exposición, es muy importante que la prueba tenga la menor cantidad de variación ambiental, así
es que si sólo se dispone de sectores de ladera, se deberá tener especial cuidado en que la
unidad muestral quede preferentemente en una sola exposición.
• Drenaje, este factor se hace especialmente relevante durante la búsqueda de los sitios que se
recomienda hacerla a fines de invierno comienzos de primavera.
Lo más importante es que se deben elegir aquellos sitios con un escurrimiento superficial y una
infiltración muy eficiente, si esto no fuera así lo podremos detectar en la época antes señalada por
cuanto será evidente la acumulación de agua o anegamiento de zonas dentro del área, lo cual nos
permitirán tomar una mejor decisión sobre la distribución del material o simplemente el rechazo del
sitio.
En términos del espacio requerido, para la instalación del ensayo se debe considerar una superficie
adecuada en la cual se incluyan los bloques y/o repeticiones, dos hileras de aislación y 5 metros
desde el cerco al ensayo. Esta última consideración corresponde al establecimiento de un cortafuego
para la protección del ensayo, por lo tanto esta superficie adicional deberá estar mantenida sin
vegetación durante la permanencia total del ensayo como tal.
El lugar de ensayo debe estar en un lugar accesible en cualquier época del año. Sin embargo, es
preferible que no esté muy expuesto a un gran flujo de visitantes no autorizados.
A modo de resumen en la figura 3 se presentan las fases a seguir para la selección de un sitio para el
establecimiento de un ensayo genético.
A F L O RA M I E N T O
RO C O S O
b. Detección de zonas conflictivas, confección de
croquis. pendiente
dominante
ÁREA ANEGADA
Afloramiento
rocoso
ÁREA POTENCIALMENTE
EFECTIVA PARA EL
ENSAYO
ÁREA ANEGADA
FIGURA 3
SECUENCIA LÓGICA EN SELECCIÓN DE SITIO Y ÁREA PARA LA PRUEBA GENÉTICA
Limpia
Previo a la preparación del suelo y a la plantación, se debe realizar una limpia de todo el material
arbóreo y arbustivo presente en el lugar; con el objeto de eliminar la competencia de especies
leñosas y facilitar las faenas de plantación. La actividad de habilitación del terreno puede realizarse
en forma mecanizada o manual.
En zonas en que no se han realizado actividades de preparación de suelo con anterioridad, se puede
efectuar un roce manual o mecánico y hasta 2 a 3 desbrotes. El roce manual se realiza mediante el
uso de rozón, hacha y motosierra. En el caso del roce mecánico se utiliza máquina trituradora con un
rodillo que permite la fragmentación de todo el material existente. Este último sistema no es aplicable
en aquellas áreas cuya pendiente es mayor a 30%. El rendimiento del roce mecanizado bordea las 2
ha/hora.
La labor de limpia y el medio que se use depende fuertemente del tipo de suelo, de su uso pasado,
de la topografía, y del método de plantación que se vaya a utilizar. De este modo, en aquellos suelos
de origen agrícola que se encuentren despejados debido a al labor de cultivo anterior, la aplicación de
químicos es suficiente además de recomendable.
En aquellos lugares definidos como forestales, cuyas características topográficas varían mucho y con
pendientes más pronunciadas, la preparación del suelo se hace de acuerdo a éstas características,
implicando, la realización de fajas despejadas, apilamiento del material entre fajas y mantención
mediante desbrote y aplicación de químicos. Cabe recordar que se deben preferir, para el
establecimiento de ensayos de progenie, sectores más bien planos dado que aseguran una mayor
homogeneidad del sitio.
Se deben evitar quemas de desechos dentro del área de ensayo, ya que se introduce un nuevo
elemento de heterogeneidad en el sitio, el cual se materializa en la pérdida de microorganismos del
suelo y pérdida de productividad en el mediano plazo, lo cual es crítico cuando las rotaciones son
cortas. Tampoco se debe olvidar la probabilidad de incendios que los desechos conllevan, por lo que
las quemas deben quedar sujetas a las restricciones de CONAF (Corporación Nacional Forestal), o el
organismo responsable en cada situación, lo que puede provocar, de algún modo, variaciones en la
planificación del establecimiento del ensayo.
Actualmente muchas empresas están enfrentando la realidad de poseer cada vez menos superficies
adecuada para la instalación de ensayos. Por ello, se están habilitando áreas de plantaciones o de
ensayos que hayan cumplido su edad de rotación. Frente a estos se presenta el problema de gran
cantidad de desechos, principalmente arbóreos. Las nuevas políticas ambientales y productivas
sugieren la incorporación de estos desechos al suelo utilizando para estos fines máquinas
trituradoras de desechos. La experiencia de INFOR (Instituto Forestal) en este campo es con la
máquina BRUSHCO con la cual los desechos pueden ser reducidos a longitudes de 0,5 m siendo un
tamaño apropiado para cualquier faena de plantación, además de facilitar su reincorporación al
sistema en el corto plazo.
Preparación del suelo
Dentro de los métodos utilizados podemos encontrar una gran gama que va a depender del tipo de
suelo a intervenir y del presupuesto (cuadro 1).
CUADRO 1
MAQUINARIA COMÚNMENTE UTILIZADA EN LA PREPARACIÓN DE SUELO
El proceso de preparación de suelos comienza como primera actividad mediante el subsolado. Este
se realiza a fin de modificar inicialmente las características granulométricas del suelo, facilitando con
esto proveer a la planta de un medio mullido y de fácil penetración para el sistema radicular.
Sin duda, esta actividad es bastante costosa y los rendimientos también se relacionan con la
profundidad del subsolado. A modo de ejemplo, los rendimientos del tractor agrícola son de 6 a 8
ha/día contra los 2 a 3 ha/día de bulldozer.
La preparación del suelo se realiza generalmente en enero, febrero o marzo, de modo de evitar el
exceso de humedad o posibilidad de lluvia sobre el suelo, lo que genera barro y dificulta los
movimientos del tractor o "bulldozer". Otro aspecto a considerar es que la preparación del suelo en
terrenos húmedos, especialmente arcillosos, provoca un endurecimiento de las paredes abiertas,
evitando la penetración de las raíces de las plantas. Al finalizar esta labor, y cuando han empezado
las primeras lluvias, permitiendo un nivel de humedad aceptable, se utiliza rastra de disco para
disminuir el tamaño de los terrones.
Es preciso señalar que la línea de subsolado indica la línea de plantación, por lo que se requiere que
entre cada línea de subsolado existan alrededor de 3 m de separación. Este distanciamiento permite
la incorporación de maquinaria forestal para faenas silvícolas posteriores que se quieran implementar
en el ensayo (descompactación, polinizaciones controladas, cosecha de frutos, entre otros).
Control de competencia
Ensayos practicados en Nueva Zelanda, señalan que en zonas con precipitaciones de 1560 mm/año,
plantaciones donde se ha realizado el control de maleza tienen un 50% más de volumen a los 11
años de edad que en aquellas donde no se ha efectuado el control. Por otro lado en zonas con 800
mm/año de precipitación, se determinó que el crecimiento en volumen era tres veces superior en las
plantaciones con control.
Otra ventaja del control de malezas, dependiendo del tipo de ésta, es que permite un adecuado
acceso para faenas de silvicultura y reduce los riesgos de incendio.
Herbicidas no selectivos como glifosato y sulfosato pueden ser aplicados para el control de una
amplia variedad de malezas herbáceas, mono y dicotiledóneas anuales, perennes como también
especies arbustivas leñosas.
La aplicación de los herbicidas deberá programarse de tal manera de buscar mayor actividad, en vez
de selectividad, lo que ocurre normalmente desde primavera a mediados de verano para los
fenoxiácidos y hasta otoño para glifosato y sulfosato en los países templado y en los momentos sin
lluvias en los países más lluviosos, no obstante es necesario buscar asesoría local para cada caso.
Dependiendo de la persistencia de los herbicidas en el suelo se deberá determinar con que
anticipación a la plantación se deberá realizar la aplicación.
Por otra parte el glifosato es un producto muy volátil y su aplicación debe hacerse a temperaturas
menores a los 22º C, lo que obliga a hacer la aplicación antes de las 11 a.m. o después de las 4
p.m..
El efecto del glifosato es directamente sobre las hojas de las malezas y suele utilizarse con un
adherente (Kaytar o Unifilm) que lo habilita para aumentar la superficie de contacto. En algunos casos
el glifosato se aplica junto con sulfato de amonio que adecúa el pH, lo que aumenta la eficiencia del
producto. Se ha observado que este producto no es efectivo sobre la zarzamora, la aliaga, renuevos
de nativo, maqui, retamillo ni sobre la regeneración de Pinus radiata, para estos casos se usa
Garlón (2 litros/30 litros de agua/ha).
Una vez realizada la plantación la aplicación de herbicidas persigue mantener a las plantas sin
competencia por malezas durante el mayor tiempo posible. El concepto básico es "cero malezas”
durante el máximo periodo posible hasta que la plantación se establezca y cubra con sus copas el
suelo (hasta los 2 años en el caso de eucalipto). A este respecto algunas estimaciones de las
empresas, realizadas en plantaciones operacionales, atribuyen entre un 70 a 90% de la disminución
del crecimiento juvenil a la competencia por malezas.
En cuanto al control de competencia post-plantación esta se ha hecho una práctica común incluso en
plantaciones de uso operativo, especialmente en eucalipto. En estos casos se aplican herbicidas
especiales que van dirigidos a la semilla de la maleza (Simazina en dosis de 4,5 a 6 litros/ha), por lo
tanto no reviste un mayor cuidado su aplicación directa sobre el ensayo o plantación. Como sistema
de control post-plantación también se utilizan herbicidas de contacto (glifosato en dosis menores de 3
litros/ha), pero los cuidados en su aplicación deben extremarse al punto de proteger cada una de las
plantas, lo cual eleva significativamente los costos.
Los equipos empleados en esta actividad, por lo general, corresponden a tractores agrícolas o
bombas de espaldas.
En el caso del uso del tractor, se adosan a este barras aspersoras de longitud igual a la distancia
entre hilera de plantación. En el caso de utilizar bomba de espalda, ésta posee una boquilla de
aspersión que presenta un protector con el fin de evitar el contacto directo con las plantas. Cabe
señalar que en este último método la aplicación del producto se dirige directamente al suelo,
conformándose, de este modo, en un método más seguro para la aplicación de herbicidas de
contacto.
En muchos casos las pruebas genéticas son ensayos que no superan las 6 hectáreas por lo cual no
se descarta el control de maleza manual. Su costo es más bien elevado, sin embargo no existe
riesgo de toxicidad en las plantas por una dosis mal prescrita o falta de pericia del aplicador.
Sintetizando la fase de control de competencia, la normativa general para las pruebas genéticas es
que el control de maleza se haga a lo menos durante los primeros 5 años o en especies de rápido
crecimiento hasta el cierre de copas, ya que esto no sólo permitirá la libre expresión del material,
sino que también servirá para prevenir posibles daños por incendios, para airear el sotobosque y
disminuir el inoculo potencial de hongos foliares, y finalmente para una adecuada accesibilidad que
permitan la clara identificación de familias y bloques durante las faenas de medición.
Debemos ser muy rigurosos y recordar que el fin último de estas pruebas es la obtención de
información para la toma de decisiones, y que esa información debe ser el real potencial de la planta
o especie por sí misma y por lo tanto el efecto ambiental debe ser reducido al mínimo en esta
expresión de las características del individuo.
Sin lugar a dudas, el óptimo en esta fase sería realizar un control total de las malezas, pero como en
términos prácticos esto es difícil de llevar a cabo, la normativa mínima a seguir para que esta variable
ambiental no influya en los resultados de la información, es la siguiente:
• El control se debe considerar necesario cuando la altura de la malezas sea como máximo 5 cm.
• Control químico en la faja de plantación.
• Realizar control mecánico y/o químico, en dosis subletal, entre las fajas de plantación.
Fertilización
Los elementos y dosis a aplicar en una fertilización no constituyen una información que pueda ser
generalizada. Cada sitio tiene sus propios requerimientos, por lo que la determinación de los
elementos y sus tasas de aplicación debe hacerse para cada caso en particular. Por lo tanto, es
conveniente hacer un análisis del suelo para lograr un diagnóstico más preciso. Con posterioridad a la
plantación también puede efectuarse un análisis foliar de modo de aplicar alguna fertilización
correctiva. Actualmente existen estudios que revelan las ventajas en crecimiento con la aplicación de
fertilizantes hasta el segundo e incluso tercer año de establecimiento.
Se debe señalar en forma muy categórica que el uso de fertilizantes en las pruebas genéticas sólo
son de tipo preventivo o correctivo, en ningún caso son programas de tipo nutricional.
De un estudio realizado por INFOR (Instituto Forestal) se desprende que la totalidad de las empresas
utilizan como nutrientes básicos nitrógeno, fósforo y potasio (NPK). Estos elementos son aplicados
en la generalidad de los casos en forma de mezcla única, en la cual el fósforo constituye
cuantitativamente el principal elemento, participando en proporciones cercanas al 50% de la mezcla.
La dosis de aplicación de la mezcla de NPK presentan una amplia fluctuación desde 80 g por planta
hasta los 300 g por planta. Esta variación responde fundamentalmente al uso anterior del suelo. Los
terrenos que fueron utilizados para la agricultura, son especialmente exigentes en fertilizantes.
En el caso de las empresas que incorporan los elementos incluidos en diferentes productos, aplican
el fósforo como fosfato, debido a que de esta forma no sufre lixiviación. La dosis de aplicación es de
30 g por planta. El objetivo principal de la aplicación de fósforo es la promoción del crecimiento del
sistema radicular.
El nitrógeno se aplica en forma de úrea en dosis de 70 g por planta y el potasio como mureato de
potasio en dosis de 50 g por planta.
Otro elemento de uso común es el boro. Cuando este nutriente se aplica en el año de plantación es
incluido en la mezcla de NPK. Sin embargo, las deficiencias de boro se manifiestan después de un
año de crecimiento por lo que algunas empresas realizan aportes de boro post-plantación.
En los casos que se detecta déficit de magnesio, este elemento se aplica en forma de sulfato de
magnesio en dosis de 20 g por planta.
Cuando el pH del suelo es inferior a 5,8, lo que es un valor inadecuado para el desarrollo de las
especies forestales, es común la aplicación de calcio en dosis que fluctúan entre 120 a 200 g por
planta.
Las dosis descritas anteriormente son a modo de ejemplo y corresponden a las utilizadas en forma
operacional por la mayoría de las empresas forestales. Sin embargo, cabe recordar que la definición
final de las dosis a utilizar debe ser determinada luego de un análisis de suelo. La práctica de esta
metodología asegura una entrega eficiente de nutrientes además de disminuir los costos dado que se
pueden aplicar elementos en dosis exageradas o innecesarias.
Una vez determinados los elementos deficitarios y sus dosis, se procede a aplicar el fertilizante en
pequeñas zanjas (2 ó 4), separadas 10-15 cm de la planta, las que posteriormente se cubren para
evitar volatilización y arrastre por agua o viento. El aplicar el fertilizante en una mayor cantidad de
puntos o zanjas, implica un menor rendimiento de la faena, pero a su vez ofrece ciertas ventajas dado
que permite un desarrollo radicular más simétrico. En el caso del eucalipto se reconoce que es
sensible a la presencia de nutrientes y desarrolla sus raíces en una sola dirección si el punto de
aplicación es uno, si existen problemas de viento la planta eventualmente podría volcarse. Por otra
parte, el fósforo tiene poca movilidad por lo tanto si las raíces no pasan cerca del punto de aplicación
la planta no lo absorbe.
La época de aplicación está sujeta a factores ambientales tales como el viento y a factores propios
de la fisiología de la planta. Para el caso de eucalipto, la fertilización temprana en el momento de la
plantación no es contraproducente dado que en general los eucaliptos son especies que
prácticamente no tienen receso vegetativo, sin embargo se ha observado que en lugares expuestos a
vientos fuertes se produce caída de árboles dado que la estimulación del fertilizante apunta
principalmente a la parte aérea, la cual crece en forma desproporcionada con respecto al sistema
radicular obteniéndose con ello una baja capacidad de anclaje de las plantas. En este caso se
recomienda o la postergación de la fertilización para mediados de primavera o bien un subsolados o
preparación de suelo del tipo reticulado con el fin de promover una mayor dispersión del sistema
radicular.
Para el caso de latifoliadas de hoja caduca la época de fertilización recomendada es fines de Invierno
o comienzos de Primavera, cuando ya se ha iniciado el crecimiento vegetativo y la planta es capaz de
utilizar los nutrientes aportados, hacerlo en el momento de la plantación no tendría ningún sentido
puesto que esta en general se lleva a cabo en invierno cuando las plantas se encuentran en receso
vegetativo.
Plantación
Como alternativa surgió el uso de una cinta adhesiva constituida por papel y plástico conocida en el
mercado como "mastic”. Esta cinta permite el uso de lápiz de tinta permanente y en el momento de
su instalación debe considerarse una holgura tal en el cuello de la planta que no provoque el
estrangulamiento de estas. La ventaja de esta cinta es que una vez establecido el ensayo permanece
en terreno por lo menos un año y luego se degrada.
Con respecto al sistema de anillo de aluminio, la cinta "mastic” tiene la ventaja de un bajísimo costo
y además de permitir una fácil manipulación de las plantas tanto en el vivero como en el transporte y
plantación. En estos casos los anillos pueden desprenderse de la planta debido a que están cortados
en un extremo de modo de permitir el crecimiento de las plantas.
Cualquiera sea el sistema de marcación que se utilice se debe procurar el repaso de las rotulaciones.
En el caso de la tinta permanente esta se va perdiendo en el tiempo producto de la luz del sol y del
agua.
Una vez definido el diseño y la distribución de las familias en los distintos bloques y/o repeticiones,
es conveniente la preparación de estas unidades en el vivero. Llevar a terreno las plantas ya
conformadas en su diseño experimental facilitan en gran medida las operaciones de distribución de
las plantas en el sitio de plantación y la ganancia en términos de tiempo es considerable, además
disminuye la manipulación de las plantas fuera del vivero donde por lo general las condiciones son
menos adecuadas, conllevando con ello a un menor deterioro del material a establecer.
El sitio del ensayo debe ser previamente reticulado. Esta labor se facilita en gran medida por la
preparación del suelo con subsolado. Como se mencionó anteriormente el subsolado marca la línea
de plantación, por lo tanto basta marcar el distanciamiento de las plantas en la líneas de plantación
superior e inferior, luego con una cuerda manejada por dos personas, una en cada extremo y
cruzando la totalidad del bloque o repetición se procede a marcar los puntos donde se interceptan la
línea de subsolado y la cuerda.
El proceso de plantación en sí, teniendo las plantas conformadas en bloques y marcado el sitio del
establecimiento se constituye en un proceso bastante rápido. La tarea continúa con la distribución de
las plantas. Esta labor debe desarrollarla un técnico o supervisor directo que esté familiarizado con el
ordenamiento de las plantas en el vivero, y la conformación final de los bloques en el terreno.
Esta persona deberá ir revisando cada una de las etiquetas de las plantas y confrontarla con el
croquis del ensayo de modo que coincida plenamente el número asignado a cada una de las plantas.
El número de plantas distribuidas debe conciliarse con el número de plantas que pueden ser
plantadas en la jornada. En el caso de ser un día con la presencia de sol o alta temperatura debe
considerarse que las plantas no estén expuestas a esta condición por más de una hora. Esta medida
debe extremarse si ocurriera que las plantas fueron producidas a raíz desnuda.
En la ejecución misma de la distribución participan las mismas personas que efectuarán la plantación
y su número se determina de modo que la plantación tome el menor tiempo posible (1 a 3 días).
A este respecto se debe considerar que las plantas, por lo general en el sitio del ensayo no cuentan
con las condiciones necesarias u óptimas para no sufrir algún tipo de deterioro. En todo caso se
deben sombrear las plantas y procurarles algún tipo de riego mientras no han sido plantadas. No
contemplar estos cuidados perjudicará el ensayo en el sentido que no todas las plantas tendrán la
misma calidad en el momento de la plantación y esto se verá reflejado en los último bloques o
repeticiones que se establezcan.
La plantación se realiza con pala plantadora en la línea de subsolado y aún así se trabaja la casilla
de plantación de modo de mullir aún más el suelo y darle la mayor facilidad posible a la planta para
asegurar el éxito del establecimiento. En la figura 4, se esquematiza el proceso de establecer una
planta.
FIGURA 4
PROCESO DE PLANTAR (FUENTE: Maclaren, 1993).
Los ensayos deben ser correctamente marcados con el propósito de identificar en terreno las
progenies y procedencias. En general se utilizan etiquetas metálicas en cada una de las progenies y
tablillas o estacas de colores para marcar cada uno de los bloques y/o repeticiones. Sin embargo, lo
más importante es que el croquis que se efectúe una vez finalizada la plantación coincida
exactamente con la identificación en terreno.
Si existe la más mínima duda sobre la identificación del material, lo más sano será la eliminación de
este, ya que como se mencionara con anterioridad éste material conforma la base de futuras
decisiones y una mala decisión puede sacrificar importante tiempo provocando retrasos y pérdidas de
ganancias en el programa general.
En este sentido y muy bien sabido es que el lema para estas situaciones es "ante la duda,
abstención". Con esto aseguraremos un programa de bases sólidas y por ende sustentable en el
tiempo.
La marcación del ensayo debe ser autoexplicativa, es decir, cualquier persona que desee visitar el
ensayo debe ser capaz de ubicarse en él. En algunos casos en los ensayos puede incluirse el
croquis final localizado en algún tipo de panel plastificado.
La utilización de letreros, por lo general queda supeditado a los propietarios del ensayo. En ciertas
ocasiones no se instalan letreros con el fin de no atraer personas sin escrúpulos que quisieran
provocar algún tipo de perjuicio.
En el caso de ser necesario se debe instalar cerco alrededor de la plantación con el objeto de
proteger las plantas contra eventuales daños provocados por animales.
El cerco corresponde a malla de gallinero en la parte inferior. Esta malla debe ser enterrada a lo
menos 20 cm con el fin de evitar el ingreso de lagomorfos al ensayo. En la parte superior de este
cerco se instalan alambres púas para alejar animales mayores.
Actualmente existe la alternativa de proteger la planta individualmente a través del sistema TUBEX o
SHELTER, estructuras cilíndricas o poliangulares de polipropileno de doble pared con protección UV
para tres años. Se fijan a la planta adosándole un tutor unido a la estructura.
En otros países (España, Italia, Inglaterra, EE.UU., entre otros) se usa para favorecer el crecimiento
al otorgar un microambiente a la planta, con lo cual se han obtenido importantes tasas de
crecimiento. Adicionalmente, también, ha sido utilizado para evitar el ataque de conejos, liebres y
ciervos constituyéndose en una barrera natural que actúa como repelente a los animales.
El uso de este sistema tiene asociado un alto costo por planta (valor mínimo 0,95 US$ por planta
puesto en plantación, precio en Chile, 1998). Cabe señalar que el caso de usar este sistema, el
ensayo debe ser vigilado o no debe encontrase en un sitio muy abierto donde llame la atención y
facilite el retiro de estas estructuras.
Tanto las medidas de protección como las de marcación o monumentación deben ser periódicamente
remosados de forma que sigan cumpliendo con su utilidad en el tiempo.
MEDICIONES Y CONTROL
La primera medición del ensayo se debe realizar inmediatamente después del establecimiento
cumpliéndose con ello varios objetivos como son: evaluación de prendimiento para visualizar las
posibilidades de reposición de plantas, verificación del croquis definitivo del ensayo y postura de
marcas permanentes para cada progenie. La segunda medición debe corresponder al primer año
después de establecido el ensayo, y los valores que de allí se desprendan pueden señalar la
periodicidad de medición del ensayo de acuerdo a la tasa de crecimiento. Cualquiera sea el caso se
espera que el período de medición de las tres primeras evaluaciones no sobrepase los dos años entre
cada una de ellas. Las mediciones posteriores pueden espaciarse y finalizar una vez ocurrida la
primera intervención del ensayo. En general la obtención de información de mayor certeza no se
obtiene antes de haber traspasado la mitad de la rotación de la especie. Esta rotación puede definirse
por un diámetro comercial estimado o un limite de años de a cuerdo a un análisis de rentabilidad.
Las variables que se consideran son altura (H), Diámetro de cuello (DAC) y eventualmente otro tipo de
observaciones como daños (plagas, mecánico, sequía, heladas, entre otros) y Estado (nº de flechas,
muerto, raleado, curvaturas, madurez reproductiva, entre otros). Cuando la planta alcanza 2 m
aproximadamente el DAC se cambia por el DAP. En este caso a veces ocurre que sólo algunos
árboles no tienen DAP, entonces es conveniente medir ambos parámetros, DAC y DAP.
Cabe señalar que cualquier planta que muera entre los 6 meses y un año debe ser repuesta y
claramente señalada en el croquis de instalación del ensayo además debe quedar fuera del análisis
estadístico. Se debe procurar no dejar espacios en las hileras donde se hubiese perdido una planta
dado que esto afectará el crecimiento de los individuos contiguos por efecto de la menor competencia
o por efecto de "borde”.
Arriendo de Maquinaria para la preparación del suelo $ 38.500/hr con un rendimiento de 2,0 hr / ha.
Costo total para 6 hectáreas $ 462.000
Cerco: Materiales: - Estacas: $ 836 c/u. Nº total aprox. 220. Costo total $ 183.920
- Alambre galvanizado: 600 m. (18 k). Costo kilo $ 765. Costo total $13.770
- Malla de gallinero: 600 m (24 rollos). Costo rollo $ 31.114. Costo total $
746.736
REFERENCIAS
Briscoe, C. 1990. Manual de Ensayos de Campo con Árboles de Usos Múltiples. Manual Nº 3.
Winrock International Institute for Agricultural Development. 143 p.
Ipinza, R., Apiolaza, L., Morales, E., Pérez, E., Vergara, R. y Alvear, C. 1995. Curso: Aspectos
Cuantitativos para el Mejoramiento Genético. Concepción, 24 al 26 de abril de 1995. Cooperativa de
Mejoramiento Genético. UACH/CONAF/ EMPRESAS FORESTALES. 188 p.
Ipinza, R. 1998. Mejoramiento Genético Forestal. Serie Técnica No. 42. Santafé de Bogotá, Agosto
de 1998. Programa CONIF - Miniagricultura. 162 p.
Kogan, M.; Fuentes, R. y Espinoza, N., 1992. Biología de Malezas, Herbicidas y Estrategias de
Control en el Sector Forestal. Fundación Chile - Pontificia Universidad Católica de Chile. 195 p.
Maclaren, J. 1993. Radiata Grower's Manual. FRI bulletin Nº 184. New Zealand Forest Research
Institute. Ian Bryce Printers. 140 p.
Namkoong, G. 1979. Introduction to quantitative genetics in forestry. USDA Forest Service, Technical
bulletin Nº 1588. 342 p.
Panse, V. y Sukhatme, P., 1963. Métodos estadísticos para investigadores agrícolas. Fondo de
cultura Económica, México.
Zobel, B. y Talbert, J., 1988. Técnicas de Mejoramiento Genético de Árboles Forestales. Limusa. 545
p.
VARIANCE COMPONENTS
All that we can measure in nature is likely to vary between individuals. One of the first issues facing
tree breeders is to be able to identify the magnitude and the source of the variation that exists
amongst breeding populations. If there is variation and this variation is, in some way, repeatable, then
there is an opportunity to capture the differences we observe between trees. That's why quantifying
variation is so crucial.
The best measure of variation is called the variance. Variance is the sum of squares of the deviations
from the population mean, of all the trees in the population. If the measurement of each individual is
given as its deviation from the mean, then the variance is simply the sum of squares of each tree's
measurement.
The total variance found in a population is called the phenotypic variance (the variance of the
phenotypes). Like the phenotype, the phenotypic variance is the sum of genetic and environmental
components:
VP = VG + VE
Variances are measured in the same units as means, so they are likely to vary depending on the
population, trait or age of the trees. In order to make these estimates comparable, it is common to
express variances as a ratio from the phenotypic variance. This will express variances as a proportion
of the total variance. In the case of the proportion of variance being genetic, it is called the heritability.
Environmental variance
A major source of variation in trees is due to the environment. When we measure two trees for
diameter, for example, the difference found is likely to be due to the fact that they are growing in
different places. In practice, it is very difficult to understand and account for these differences, so when
comparisons are made between trees, most of the variation is certainly due to unknown environmental
causes, impossible to reproduce (hence to capture) by the breeder.
Environmental variance can have a wide range of causes. The important point is that some of them
can be, at least partially, removed by the breeder, by careful management and experimental design.
For traits such as growth or wood density, common sources of environmental variation are:
• Due to changes in soil characteristics (i.e. availability of water and nutrients). The best way is to
choose homogeneous sites and trials with small blocks.
• Different nursery treatments which result in different growth between trays of plants or favor
specific families. This happens for example when germination occurs at very different rates, so
when plants go to the field some are in fact slightly older than others.
• There are many other possible causes of non-genetic variation in a trial. Competition is a common
problem: some trees may have suffered from severe weed competition, whereas others not, some
1
Ingeniero Forestal Ph.D. RAIZ, Herdade da Torre Bela, Ap. 15, 2065 Alcoentre, Portugal.
e-email: [email protected]
may have been lucky for having their neighbors dead. Including such covariables in the analysis
could be a way to solve this problem.
• Some measurements are, in itself, prone to some error. In other words, if we measure twice the
same tree, we could get a slightly different number. A good example is height: in a windy day, two
measurements can indeed give quite different results. In such cases, repeated measurements are
an excellent idea.
• When trees from the same family or clone are planted in a plot (for example of 4 trees in a row),
some variation may be present between different plots. If blocks are large, plots are small and
there is a bit of site variation within the block, differences between trees within a plot can be
considerably smaller than between plots from the same family.
Genetic variation
Genetic variation can be additive, due to the effect of genes that act in an additive way, and non
additive, which includes the interaction between genes at different loci - epistasy, and at the same loci
- dominance. The additive genetic variance is the most important, as it gives a measure of how much
variation is able to be used by the breeder through recombination. Non additive genetic variances are
relevant when cloning or family forestry are considered. Details on how to determine these variances
will be given later.
An important, almost obsessive, theme in forestry has been the genotype-environment interactions. In
simple terms, GE interactions mean that the expression or activity of the genes depend on the
environment in which the genotype is growing: the best genotype in one environment may not be the
best in another environment. This is a reasonable assumption since factors which condition growth
and mortality, can differ markedly between sites.
A simple way of formulating this problem is to expect that a trait, expressed in two distinct
environments, represent in fact two different traits. As such, we would have a genetic correlation
between then, which measures the extent which traits have genes in common. A good treatment of
this issue is given in Chapter 22 (Lynch and Walsh)
The first step in an analysis of variance is to describe the statistical model. The model is nothing more
than a statement which identifies sources of variation and the way in which these sources affect the
trait of interest. Tree breeders should find that their needs are adequately served by a relatively small
number of models.
A model should contain all the identifiable sources of variation, and the best way to do it is to list
them. Of course not all sources of variation are identifiable. For example, in an open pollinated
progeny trial, the polen parent will almost certainly affect variation in the offspring, but the pollen
source cannot be identified, so the effect of the pollen will be inseparable from other sources of
experimental error. Not all unidentifiable sources end up as part of the error term. For example, if
nursery effects favored seedlings from a given family, this will end up inseparable from the family
effects.
Once the identifiable sources of variation have been listed, the next step is to classify them into main
(that is they cut across other effects) and nested effects. For example, in a balanced progeny trial
replicated in blocks, families are cross classified, as families are represented in each block. The
same with the blocks. The model might be written as:
Yijk = µ + Fi + Bj + eijk
Where Yijk is the observation (e.g. diameter) on the kth tree in the ith family and planted in the jth
block, µ is the overall mean, Fi is the effect of the ith family, Bj is the effect of the jth block and eijk is
the error associated with the kth tree in the ith family and jth block, which contains all the effects not
included in the effect F and B.
However if the test is replicated on two sites, then blocks are nested within site. There may be a block
coded with the same number at each site, but the two blocks have nothing in common. Thus a nested
effects cannot be identified without reference to its major effect, in this case, site. The model
becomes:
The above two models describe situations where the magnitude of block effects is considered to be
the same for all families, and vice versa. The second model also assumes the magnitude of site
effects is the same for all families. However, this may not be the case, as the difference between
families often varies from block to block, or from site to site. This is the same to saying that the
difference between blocks or sites varies from family to family, or that family and block effects interact
with one another. To recognize the existence of this interaction, the first model can be rewritten as
There is another type of effect that the tree breeder may encounter: the continuous independent
variable (or covariate). The covariate is similar to other effects in a model except that it includes many
levels. They may even represent a continuum whereby trends can be antecipated across the range of
levels. An example might be to use the height at planting as a covariate in a model, as an attempt to
remove some nursery effects. In such case, the single site model become:
In summary, the sources of variation that a tree breeder is most likely to encounter are of the following
types:
So far, genetic evaluations have been based on an assumed clearly defined structure. Parents have
been evaluated from records on their progeny. A preferable alternative is to rewrite the model at the
individual tree level such that:
Sources of variation that have been identified in the statistical model must be classified as either fixed
or random effects, as this will have some impact of the way solutions are derived.
Effects are random when the levels in the experiment are a random sample from a normally distributed
population of levels.
So, if an effect is considered fixed then the results of the analysis apply only to the levels present in
the experiment. A repetition of the experiment would require the same set of treatment levels that
effects. When an effect is considered random, its levels are intended to be representative of an entire
population of levels so that conclusions can be drawn about the population. A repetition of the
experiment would involve a different set of levels to be drawn from the same population. A model
containing both fixed and random classifications is known as a mixed model.
The distinction between fixed and random effects is usually straightforward, but it can at times be
subtle and appear even paradoxical. For example, in a replicated progeny trial, block can be random
in one analysis and fixed in another. If the primary aim of the analysis is to draw conclusions about
family performance, then blocks can be considered a random effect. However, for the estimation of
genetic parameters which are to be applied to block adjusted data, then blocks should be fixed to
exclude them from the total phenotypic variance.
Methods to partition the phenotypic variance into genetic and environmental components are
numerous and often complex. All methods derive their variances, comparing the variances found
between groups with distinct degrees of resemblance. In simple words, if the variance within a group of
related trees is less than within a group of unrelated trees, then some of the variation is expected to
be under genetic control.
The extent of resemblance between relatives depends upon the extent to which relatives have:
The degree of resemblance can be expressed as the between group component in terms of a
proportion of the total variance. Resemblance between relatives increases with increases in additive
relationship and in heritability.
Resemblance = ah2
The following table lists the expected additive and dominance relationship between different relatives
Relatives a d
Clones 1 1
Offspring-Parent 1/2
Full sibs 1/2 ¼
Half sibs 1/4
Offspring-Grandparent 1/4
First cousins 1/4 1/16
Despite any type of relatives (or mixture of them) can be used as a basis for determining variance
components, simple experiments, including only one type of relatives, have been recommended for
variance component analysis. In forestry, recommended designs are the comparison between groups
of half sibs, between a balanced mixture of half and full sibs produced a factorial (with or without a
nested crossing design) or diallels between unrelated parents. In some cases, it is also common the
comparison between groups of unrelated clones, each one represented by several ramets.
In the beginning of tree breeding programs, it is possible to have a well structured set of trials, with a
design which is suitable for an ANOVA type of analysis, where mean squares are equated to linear
functions of the variance components. With two or three generations of breeding, complex pedigrees
are developed and families are sparsely represented across all sites. Time and chance will place most
programs beyond the scope of an ANOVA type analysis, unless subsets of the data are analyzed
separately.
Recently, a number of new techniques came to the rescue for estimating variance components with
complex pedigree. Most of them are now widely applied in genetic analysis thanks to the availability of
computer programs.
ML and REML
Conceptually, ML (maximum likelihood) estimates require the assumption about the distribution of the
data (usually a multivariate normal distribution). For a given model, parameters to be estimated and
data with a specified distribution, the aim is to determine the likelihood of a particular set of
parameters, or in other words, how likely is that the sampled data was taken from a distribution with a
given set of parameters.
ML methods are generally considered to be more robust than least squares, against biases in the
data caused by selection (for example when parents are not a random sample of a population), but
have the problem of having to consider fixed effects known without error. In statistical terms this
means the degrees of freedom due to fitting those terms is ignored. REML (Restricted Maximum
Likelihood) overcomes this problem by maximizing only the part of the likelihood which is independent
of the fixed effects. Chapter 27 (Lynch and Walsh (1997))
REML has become the method of choice for analysis of complex genetic trials in forestry. Recently a
number of computer programs became available to run large REML analysis in a PC. In particular,
programs such as ASREML, DFREML, MTDFREML and VCE. Each one has its own advantages and
disadvantages.
Gibbs sampling is a numerical integration method based on all possible conditional posterior
distributions. The method generates random samples from the marginal posterior distributions through
iterative sampling from the conditional posterior distributions. Marginal distributions are often needed
to make appropriate inferences. However, the complexity of the joint posterior distributions usually
make analytical derivation of marginal distributions impossible. Thus, a numerical integration scheme
such as Gibbs sampling must be used to obtain the exact marginal distributions. Recently, a Gibbs
Sampling program became available (MTGS).
Method R
This is a very recent method, which has been only used for univariate analysis. It is based on the
linear regression of recent solutions (based on all the data) on the previous solutions (based on a
subset of all the data). The expected value of this regression equals 1 regardless of the distribution of
observations or predictions. If the wrong ratio of variance components is used in the mixed model
equation, then the computed value of the regression deviates from the expected value of one. If the
computed value is greater than one, then the ratio used was too low. The method is iterative, in that
the variance ratio is changed until the regression equals one.
This book and Chapter 2 of Williams and Matheson (1995) give further details on experimental designs
in genetic trials.
In a breeding program we want to be able to choose the trees which carry the better genes, and
recombine them to form the next generation of trees. The true breeding value may never be known, but
it is possible to have a reasonably accurate prediction of it. There is many sources of information
which can assist breeders in predicting breeding values:
• The tree's own performance for the key trait or from a related trait
• The performance of its relatives for the key trait or from any other related trait
Or
yij = ui + gi + eij
where yij is the record on the ith tree, ui are the known environmental effects affecting performance,
such as blocks, gi is the sum of all the genetic effects (additive, dominance and epistatic), and eij is
the sum of random environmental effects affecting the ith tree.
The additive genetic value in g represents the average additive effect of all the genes a tree received
from both parents and we shall call it the tree's Breeding Value (BV). The breeding value of a large
number of progeny is therefore the average of the BV from both parents.
If, for simplicity we assume that the large majority of the genetic variance is additive, the phenotypic
observation can be partitioned as:
yij = ui + ai + eij
and from above:
ai = ½ af + am + mi
where af and am are the breeding values of the female and male parents and mi is the deviation of the
breeding value of tree i from the average breeding value for both parents (also called the mendelian
sampling). The term mi means that the each offspring receives a slightly different set of genes from the
same parents.
References
Williams, E. y Matheson, A. 1995. Experimental Design and Analysis for Use in Tree Improvement.
CSIRO, ACIAD. 174 p.
INTRODUCCION
La mejor forma de saber si un progenitor tiene una calidad superior es a través de las pruebas
genéticas, dentro de las cuales la más importante es la prueba de progenie. El objetivo de esta
prueba es evaluar la calidad genética de los padres en base al rendimiento de su progenie.
El diseño de estas pruebas permite separar la influencia genética de la ambiental, ya que todas las
progenies se desarrollan en un ambiente común. De este modo, se pueden identificar las diferentes
fuentes de variación presentes tales como sitio, bloque, procedencia, familia, etc.
Existen varios métodos de jerarquización, los que varían en su nivel de complejidad y precisión.
Algunos de los métodos más utilizados son:
Estas metodologías pueden dividirse en dos grupos de acuerdo a si los valores de mejora son
estimados como efectos fijos o predichos como efectos aleatorios (para una mayor discusión ver
White y Hodge, 1989).
Todos los métodos tratan los efectos genéticos como fijos a excepción de BLP y BLUP, los que se
basan en un modelo mixto constituido por efectos fijos y aleatorios.
1
Ingeniero Forestal (E). Proyecto Fondef D97I1065. Centro Experimental Forestal. Pedro Aguirre
Cerda # 2.150, Valdivia, Chile.
2
Ingeniero Forestal. Consultor de Progénesis LTDA.
Este es el método más básico y consiste en calcular el promedio de todas las observaciones
individuales de una familia dada para una variable específica, independiente de si pertenecen a
diferentes sitios y/o bloques.
Su fórmula es:
ni
y i⋅ = Σ y ij / ni (1)
j=1
donde
y i⋅ = promedio de la i-ésima familia
y ij = observación del j-ésimo individuo de la i-ésima familia
ni = número total de individuos de la i-ésima familia
Para ejemplificar este método se utilizaron las mediciones individuales para altura de Eucalyptus
nitens que se encuentran listadas en el Anexo Nº 1. El objetivo siempre es obtener una
jerarquización que permita seleccionar a las mejores familias.
CUADRO 1
PROMEDIOS SIMPLES PARA ALTURA (m) DE EUCALYPTUS NITENS POR FAMILIA
El inconveniente que presenta este método es que si las familias no tienen el mismo número de
arboles, se favorecerá a aquellas con mayor representación en bloques o sitios "buenos” y se
perjudicará a las familias con mayor representación en bloques o sitios "malos" o pobres,
produciéndose un sesgo en la jerarquización (White y Hodge, 1989).
Como su nombre lo indica, consiste en la obtención del promedio de los promedios de parcela,
generándose así un único valor representativo para cada familia. En este caso se asume que la
información posee el mismo valor en todas las parcelas no importando cuantos individuos se
encuentren en ella.
Su fórmula es:
nij
y ij⋅ = Σ y ijk / nij (2)
j=1
bi
y i⋅ = Σy ij⋅ / bi (3)
j=1
donde
y ij⋅ = promedio de la i-ésima familia en el j-ésimo bloque
y ijk = observación del k-ésimo individuo de la ij-ésima parcela
nij = número total de individuos en la ij-ésima parcela
bi = número total de bloques en los que se encuentra la i-ésima familia
CUADRO 2
–PROMEDIOS DE PARCELAS PARA LA ALTURA (m) DE EUCALYPTUS NITENS
PROMEDIO DE PARCELA
FAMILIA B1 B2 B3 B4
A 8.37 5.13 7.00 3.80
B 8.83 5.40 8.25 2.00
C 4.47 6.13 2.40
D 9.55 7.30 1.80
E 7.48 8.40 9.40
F 6.63 7.95 5.75
CUADRO 3
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
Existen variantes que mejoran esta metodología a través de un ajuste de las observaciones. Los
Puntajes Estándar Promediados, por ejemplo, corrigen las diferencias de variabilidad entre los
diferentes bloques, dividiendo la observación original por la desviación estándar del bloque en el que
ella se encuentra. Posteriormente se calculan los promedios familiares corregidos por las medias del
bloque y del sitio, para obtener los promedios de promedio de parcela y finalmente los promedios
familiares (Balocchi et al., 1991).
Este método es fácil de aplicar, pero tiene el inconveniente de entregar los resultados en unidades
estandarizadas, las que no son fácilmente interpretables y además, no entregan valores de ganancia.
Si el desbalance es tal, que algunas familias no están representadas en uno o más bloques,
cualquier variante utilizada del promedio de promedio de parcelas producirá inconsistencias en las
estimaciones. Para evitar este problema, se recurre a los promedios de mínimos cuadrados.
Corresponden a la determinación de las medias familiares utilizando las fuentes de variación (efectos
fijos) estimadas por mínimos cuadrados ordinarios (OLS).
Según White y Hodge (1989), estos promedios son esencialmente la media marginal familiar que
sería esperada si todas las familias estuvieran representadas en todos los bloques y/o sitios.
Este método requiere la especificación de un modelo lineal que explique el comportamiento de la(s)
variable(s) en estudio, a fin de separar la porción genética de la ambiental. Las fuentes de variación
más comunes que se presentan en un modelo genético son: sitio, bloque, procedencia, familia y
parcela, entre otros.
Para este ejemplo se utilizará un modelo lineal de medios hermanos para un único sitio:
donde
y ijk⋅ = observación de la ijk-ésima parcela
µ = media general
Bi = efecto fijo del i-ésimo bloque, i = 1, 2, 3, 4
Fj = efecto aleatorio de la j-ésima familia, j = 1, 2,..., bi , E(Fj )=0, Var(Fj )= σ2f
BFij = efecto aleatorio de la interacción del i-ésimo bloque y la j-ésima familia,
E(BFij ) = 0, Var(BFij ) = σ2bf
wijk⋅ = error aleatorio de la ijk-ésima parcela, E(wijk) = 0, Var(wijk) = σ 2w
y = Xβ + e
donde
y = vector de dimensión n x 1 de observaciones
X = matriz de dimensión n x k de diseño, conteniendo ceros y unos
β = vector de dimensión k x 1 de los efectos fijos a ser estimados
e = vector de dimensión n x 1 de errores aleatorios
Para ilustrar este método se utilizaron los promedios de parcela por bloque de Eucalyptus nitens de
4 años (cuadro 2).
Para efectos de simplificar el ejemplo se asumió que las interacciones bloque x familia no eran
significativas, por lo tanto no constituyen efectos a ser estimados. De este modo, el total de
observaciones es n = 20 y los efectos son k = 11, los que corresponden a 6 familias más 4 bloques y
la media general (µ).
Los distintos efectos son estimados utilizando la siguiente fórmula de mínimos cuadrados ordinarios
(Huber et al., 1992):
β = (X'X)-X'y (4)
Para la estimación del vector β se asume que todos los efectos del modelo son fijos y de esta forma
estimables.
La matriz resultante de X'X siempre será una matriz singular (determinante igual a cero), lo que
significa que no es posible obtener su inversa, por lo tanto tampoco estimar β . Para solucionar este
problema se utiliza una inversa generalizada o pseudoinversa (para más detalles ver Searle, 1970).
La inversa generalizada o G-inversa (cuya notación es A-, en lugar de A-1), no posee las propiedades
más deseables de una verdadera inversa (es decir, AA- ≠ I). Sin embargo, para cualquier matriz
singular se pueden obtener varias G-inversas distintas que poseen idénticas propiedades. Una matriz
será denominada inversa generalizada de A, si AA-A = A. Para cualquier matriz A siempre será
posible encontrar una inversa generalizada que cumpla con esta propiedad (White y Hodge, 1989).
De este modo, habrá tantas soluciones de β , como G-inversas de (X'X)- existan, y cada solución de
β será identificada como β o. El vector Xβ o representa las estimaciones por mínimos cuadrados
de las observaciones originales considerando el desbalance propio de la prueba y siempre será único,
independiente de la G-inversa que se utilice. Posteriormente, con estas estimaciones se obtienen los
LSM que corresponden a los promedios de promedios de parcelas familiares estimados por OLS.
Su diferencia con el método anterior es que en este caso se estima un efecto fijo común para todas
las familias, independiente de que algunas estén o no presentes en un bloque, permitiendo la
utilización amplia de este método en casos de parcelas y/o familias desaparecidas.
CUADRO 4
EFECTOS FIJOS PARA EUCALYPTUS NITENS ESTIMADOS POR OLS
µ B1 B2 B3 B4 FA FB FC FD FE FF
4.301 2.538 1.701 2.393 -2.331 0.699 0.744 -0.603 1.280 1.915 0.265
A partir de este cuadro se pueden obtener las nuevas estimaciones de cada promedio original. Así,
por ejemplo y 2C⋅ = µ + B2 + Fc = 5.40, en vez de 6.13 m. El cuadro 5 muestra estos promedios:
CUADRO 5
PROMEDIOS ESTIMADOS POR OLS PARA ALTURA DE EUCALYPTUS NITENS
PROMEDIOS DE PARCELA
FAMILIA B1 B2 B3 B4
A 7.54 6.70 7.39 2.67
B 7.58 6.75 7.44 2.71
C 6.24 5.40 6.09 1.37
D 8.12 7.28 7.97 3.25
E 8.75 7.92 8.61 3.89
F 7.10 6.27 6.96 2.24
Finalmente, sumando cada parcela se tiene un único promedio por familia (cuadro 6).
CUADRO 6
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
FAMILIA LSM
A 6.08
B 6.12
C 4.77
D 6.66
E 7.29
F 5.64
Con esta metodología las medias de las parcelas faltantes observadas en el Cuadro 2, ahora son
estimadas por OLS. Para este caso, por ejemplo, se puede observar que las familias E y F bajan
sus promedios, ya que ahora cada una incluye para su promedio familiar una media estimada en el
bloque 4 (el peor bloque de la prueba).
Uno de los inconvenientes que presenta este método es la cantidad de recursos computacionales
que se requieren para obtener las estimaciones. Para evitar este problema se trabaja con algún tipo
de promedio, como los promedios de parcela utilizados en este ejemplo, lo que reduce las
dimensiones de las matrices.
Esta simplificación, sin embargo, produce diferencias de precisión entre los promedios, debido a que
algunos de ellos son obtenidos a partir de varias observaciones y otros a partir de sólo una. Este
problema es solucionado al utilizar estimaciones de las medias a través de mínimos cuadrados
generalizados, los que incorporan estas diferencias de precisión.
Corresponde a la estimación de las medias familiares utilizando las fuentes de variación (efectos fijos)
calculadas a través de los mínimos cuadrados generalizados (GLS).
GLS incorpora las diferencias de precisión y calidad entre las observaciones en una matriz de
varianzas-covarianzas, V, al momento de estimar los efectos, a diferencia del método anterior (LSM),
que asume igual precisión para todas las observaciones, es decir, utiliza una matriz V igual a la
matriz identidad (I).
Las diferencias de precisión, y por lo tanto de varianza son producto de la diversidad de diseños
experimentales, edades de evaluación, y grados de desbalance en las pruebas genéticas.
La inversa de X'V-1X es singular, por lo que se debe utilizar alguna G-inversa para obtener los
estimaciones β o de los efectos. Al igual que en OLS, el vector Xβ o será único independiente de la
G-inversa que se ocupe.
Para ilustrar este método se utilizaron los promedios de parcela por bloque de Eucalyptus nitens de
4 años (cuadro 7). El paréntesis indica el número de mediciones consideradas en la obtención del
promedio.
CUADRO 7
–PROMEDIOS DE PARCELAS PARA LA ALTURA (m) DE EUCALYPTUS NITENS
PROMEDIO DE PARCELA
FAMILIA B1 B2 B3 B4
A 8.37 (3) 5.13 (3) 7.00 (2) 3.80 (1)
B 8.83 (3) 5.40 (3) 8.25 (2) 2.00 (1)
C 4.47 (3) 6.13 (3) - 2.40 (1)
D 9.55 (4) 7.30 (4) - 1.80 (1)
E 7.48 (4) 8.40 (3) 9.40 (1) -
F 6.63 (3) 7.95 (2) 5.75 (2) -
El modelo lineal es el mismo descrito en la sección sobre promedios de mínimos cuadrados (LSM), y
los componentes de varianza son (cuadro 8):
CUADRO 8
COMPONENTES DE VARIANZA PARA ALTURA (M) DE EUCALYPTUS NITENS
La matriz V de dimensión 20 x 20, contiene en la diagonal las varianzas de las medias familiares y
fuera de la diagonal las covarianzas entre estas medias.
Al utilizar promedios de parcela las varianzas de las medias familiares presentarán desigual número
de árboles por parcela. Por esta razón debe incluirse en la fórmula el número de individuos utilizados
en el cálculo de cada media.
De este modo:
Cov(y ij ⋅,y i'j ⋅) = Cov( µ + Bi + Fj + BFij + wij ⋅ / nij , µ + Bi' + Fj + BFi'j + wi'j ⋅ / ni'j )
= Cov(Fj , Fj )
= σ 2f
= 0.6888
Para este ejemplo el componente de covarianza familia x bloque es igual a cero ya que sólo se tiene
una parcela por bloque.
Cov(yij⋅, yi'j.) = 0
A1 B1 C1 D1 E1 F1 A2 B2 C2 D2 E2 F2 A3 B3 E3 F3 A4 B4 C4 D4
Con la matriz V ya definida, los efectos fijos utilizando la fórmula de GLS son:
CUADRO 9
EFECTOS FIJOS PARA EUCALYPTUS NITENS CALCULADOS POR GLS
µ B1 B2 B3 B4 FA FB FC FD FE FF
4.256 2.586 1.638 2.383 -2.352 0.552 0.866 -0.834 1.800 1.624 0.248
CUADRO 10
PROMEDIOS ESTIMADOS POR GLS DE EUCALYPTUS NITENS POR FAMILIA
PROMEDIOS DE PARCELA
FAMILIA B1 B2 B3 B4
A 7.39 6.45 7.19 2.46
B 7.71 6.76 7.51 2.77
C 6.01 5.06 5.80 1.07
D 8.64 7.69 8.44 3.70
E 8.47 7.52 8.26 3.53
F 7.09 6.14 6.89 2.15
Finalmente, sumando cada parcela se tiene un único promedio por familia (cuadro 11).
CUADRO 11
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
FAMILIA GLSM
A 5.87
B 6.19
C 4.49
D 7.12
E 6.94
F 5.57
Note que el promedio de la familia D aumenta de 6.66 en el método anterior (OLS) a 7.12 m en este
método, debido que al incorporar la matriz V, el promedio en el bloque 4 (el peor para esta familia),
tiene una menor ponderación que el resto de las medias (bloques 1, 2 y 3).
En la construcción de la matriz V se pueden incorporar no sólo efectos ambientales sino que además
efectos genéticos. Esta información es de relevancia en las pruebas de progenie de hermanos
completos y muy especialmente en los programas de segunda generación, en los que parte del
material tiene algún grado de relación.
Los cuatro métodos anteriores consideran que los efectos genéticos son fijos y que pueden ser
obtenidos mediante el cálculo de algún tipo de promedio. Si las familias están igualmente
representadas, se obtendrá la misma jerarquización con cualquiera de los métodos. Esto, sin
embargo, no es común en las pruebas de arboles forestales, ya que las familias con frecuencia
presentan diferencias en la calidad y cantidad de información.
Los métodos que se presentan a continuación consideran que los efectos genéticos son aleatorios,
por lo tanto deben ser predichos. Además, a diferencia de los métodos anteriores, los resultados que
entregan no son promedios familiares, sino valores de mejora, los que representan la diferencia
genética de la madre con respecto al promedio de la población que es traspasada a su progenie.
La mejor predicción lineal es un método que predice los valores de mejora, consideran las relaciones
genéticas y diferencias precisión entre las observaciones.
La principal ventaja de BLP por sobre los métodos anteriores es que permite el uso de múltiples
fuentes de datos (pruebas de diferentes edades, localidades, precisión, diseño y niveles de
parentesco y mejora). Estas fuentes de información son usadas simultáneamente, incrementando así
la precisión de las predicciones.
g= τ + C'V-1(y - α ) (6)
donde
g vector de predicciones del valor genético
τ vector de las esperanzas de los valores genéticos
C matriz de covarianzas entre las observaciones y los rasgos a predecir
V matriz de varianzas y covarianzas entre las observaciones
y vector de observaciones
α vector de las esperanzas de las observaciones
El vector y de dimensión n x 1 corresponde a las observaciones, las que pueden ser: mediciones
individuales, medias de parcelas, medias familiares en un sitio, medias familiares promediadas sobre
todas los sitios, entre otras.
En la predicción de los valores de mejora, los valores esperados son usados para expresar los datos
como desviaciones de sus efectos fijos. El vector (y-α ) representa las observaciones ajustadas
debido a los efectos indeseables (fijos), de este modo, se evita que los valores de mejora predichos
para un padre sean sobrestimados al ser probados en un ambiente favorable. Cuando los efectos
fijos son los sitios o bloques, (y-α ) expresa la media de cada familia como una desviación de la
media del sitio o bloque correspondiente.
La matriz C = Cov(y,g), es una matriz de dimensión n x q que representa las covarianzas entre las
observaciones y los valores de mejora a predecir. Esta matriz debe ser estimada directamente de los
datos o derivada de estimaciones externas de covarianzas genéticas.
A continuación, con el fin de ilustrar cómo trabaja BLP, se han desarrollado una serie de ejemplos.
Para todos ellos se asume que no existen efectos genéticos fijos (es decir, τ = 0).
A fin de simplificar los cálculos se utilizaron como unidad de observación las medias familiares de
Eucalyptus nitens para el rasgo de altura a los 4 años en una sola prueba (cuadro 12). El modelo
lineal es el mismo descrito en la sección sobre promedios de mínimos cuadrados (LSM), y los
componentes de varianza se encuentran en el cuadro 8.
CUADRO 12
PROMEDIOS FAMILIARES PARA ALTURA (m) DE EUCALYPTUS NITENS
i) Vectores y y α
y' = [6.48 6.80 4.89 7.69 8.06 6.76]
E(y ⋅⋅⋅) = µ
Esta esperanza puede ser estimada utilizando los promedios de todos los árboles de la prueba.
ii) Matrices V y C
Cov(y ⋅j ⋅, y ⋅j'⋅) es igual cero ya que las familias no están emparentadas. Finalmente la matriz V es:
A B C D E F
A 1.02 0 0 0 0 0
B 0 1.02 0 0 0 0
C 0 0 1.12 0 0 0
D 0 0 0 1.03 0 0
E 0 0 0 0 1.07 0
F 0 0 0 0 0 1.12
La matriz C es de dimensión 6 x 6, y relaciona cada media familiar con el valor de mejora a predecir.
Sus elementos son:
Cov(y ⋅j ⋅, gj') es igual a cero, debido a que no existe parentesco entre el valor de mejora de una familia
y las observaciones de las familias restantes.
gA gB gC gD gE gF
A 0.55 0 0 0 0 0
B 0 0.55 0 0 0 0
C 0 0 0.55 0 0 0
D 0 0 0 0.55 0 0
E 0 0 0 0 0.55 0
F 0 0 0 0 0 0.55
iii) Vector g
Una vez que las matrices ya han sido definidas e integradas en la ecuación de BLP, el vector g de los
valores de mejora familiares es:
Con el fin de reducir el tamaño de las matrices, para este ejemplo se tomaron promedios simples
como unidad de observación. La jerarquización obtenida coincidió con la generada por los promedios
simples, sin embargo, en este caso no se trata de promedios sino de predicciones de los valores de
mejora familiares, los que son a su vez predicciones de ganancia.
Con el fin de usar en forma más eficiente la información disponible, se utilizaron los promedios de
parcela por bloque de Eucalyptus nitens (ver cuadro 7). El modelo lineal y los componentes de
varianza son los mismos del ejemplo anterior.
i) Vector y y α
y' =[8.37 8.83 4.47 9.55 7.48 6.63 5.13 5.40 6.13 7.30 8.40 7.95 7.00 8.25 9.40 5.75 3.80 2.00 2.40 1.80]
Esta esperanza puede ser estimada utilizando los promedios de todos los árboles en un bloque dado.
α ' = [7.65 7.65 7.65 7.65 7.65 7.65 6.68 6.68 6.68 6.68 6.68 6.68 7.34 7.34 7.34 7.34 2.50 2.50 2.50 2.50]
ii) Matrices V y C
Cov(y ij ⋅, gj') = 0
gA gB gC gD gE gF
A1 0.55 0 0 0 0 0
B1 0 0.55 0 0 0 0
C1 0 0 0.55 0 0 0
D1 0 0 0 0.55 0 0
E1 0 0 0 0 0.55 0
F1 0 0 0 0 0 0.55
A2 0.55 0 0 0 0 0
B2 0 0.55 0 0 0 0
C2 0 0 0.55 0 0 0
D2 0 0 0 0.55 0 0
E2 0 0 0 0 0.55 0
F2 0 0 0 0 0 0.55
A3 0.55 0 0 0 0 0
B3 0 0.55 0 0 0 0
E3 0 0 0 0 0.55 0
F3 0 0 0 0 0 0.55
A4 0.55 0 0 0 0 0
B4 0 0.55 0 0 0 0
C4 0 0 0.55 0 0 0
D4 0 0 0 0.55 0 0
i) Vector g
Una vez que las matrices ya han sido definidas e integradas en la ecuación de BLP, el vector g de los
valores de mejora familiares es:
Al utilizar observaciones de un nivel mas desagregado que el Ejemplo 1a, se produjeron leves
diferencias de jerarquización manteniéndose, sin embargo, coincidencias entre sus extremos (peores
y mejores familias).
La unidad de observación para este ejemplo corresponde a las medias familiares de cada sitio.
CUADRO 13
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE EUCALYPTUS NITENS EN 3 SITIOS
PROMEDIO FAMILIAR
FAMILIA S2 S3 S4
A 9.61 (30) 6.62 (24) 8.24 (35)
B 10.19 (28) 7.28 (25) 8.23 (32)
C 9.28 (37) 5.79 (24) 7.80 (37)
D 9.77 (36) 6.59 (26) 8.52 (35)
E 9.55 (37) 6.92 (24) 8.88 (39)
F 8.57 (25) 6.34 (23) 8.42 (37)
Los paréntesis indican el número de individuos por sitio para cada familia.
CUADRO 14
COMPONENTES DE VARIANZA PARA ALTURA (m) DE EUCALYPTUS NITENS
i) Vectores y y α
y' = [9.61 10.19 9.28 9.77 9.55 8.57 6.62 7.28 5.79 6.59 6.92 634 8.24 8.23 7.80 8.52 8.88 8.42]
Además:
E(y i ⋅⋅⋅) = µ + Ei
α ' = [9.55 9.55 9.55 9.55 9.55 9.55 6.94 6.94 6.94 6.94 6.94 6.94 8.65 8.65 8.65 8.65 8.65 8.65]
Donde 9.55, 6.94 y 8.65 son las medias para los sitios 2, 3 y 4, respectivamente.
ii) Matrices V y C
A2 B2 C2 D2 E2 F2 A3 B3 C3 D3 E3 F3 A4 B4 C4 D4 E4 F4
gA gB gC gD gE gF
A2 0.61 0 0 0 0 0
B2 0 0.61 0 0 0 0
C2 0 0 0.61 0 0 0
D2 0 0 0 0.61 0 0
E2 0 0 0 0 0.61 0
F2 0 0 0 0 0 0.61
A3 0.61 0 0 0 0 0
B3 0 0.61 0 0 0 0
C3 0 0 0.61 0 0 0
D3 0 0 0 0.61 0 0
E3 0 0 0 0 0.61 0
F3 0 0 0 0 0 0.61
A4 0.61 0 0 0 0 0
B4 0 0.61 0 0 0 0
C4 0 0 0.61 0 0 0
D4 0 0 0 0.61 0 0
E4 0 0 0 0 0.61 0
F4 0 0 0 0 0 0.61
iii) Vector g
Se desean obtener los valores genéticos de las familias del ejemplo anterior, pero esta vez se
dispone de observaciones de otro sitio (S1), el que contiene sólo algunas familias, y con un bajo
número de individuos.
CUADRO 15
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE EUCALYPTUS NITENS EN 4 SITIOS
PROMEDIO FAMILIAR
FAMILIA S1 S2 S3 S4
A 7.70 (11) 9.61 (30) 6.62 (24) 8.24 (35)
B - 10.19 (28) 7.28 (25) 8.23 (32)
C - 9.28 (37) 5.79 (24) 7.80 (37)
D - 9.77 (36) 6.59 (26) 8.52 (35)
E 7.59 (12) 9.55 (37) 6.92 (24) 8.88 (39)
F 7.75 (10) 8.57 (25) 6.34 (23) 8.42 (37)
i) Vectores y y α
y' =[7.70 7.59 7.75 9.61 10.19 9.28 9.77 9.55 8.57 6.62 7.28 5.79 6.59 6.92 634 8.24 8.23 7.80 8.52 8.88 8.42]
α ' = [7.82 7.82 7.82 9.55 9.55 9.55 9.55 9.55 9.55 6.94 6.94 6.94 6.94 6.94 6.94 8.65 8.65 8.65 8.65 8.65 8.65]
ii) Matrices V y C
La matriz V es:
A1 E1 F1 A2 B2 C2 D2 E2 F2 A3 B3 C3 D3 E3 F3 A4 B4 C4 D4 E4 F4
Los elementos de la matriz V son calculados de igual forma que en el ejemplo anterior, y se puede
observar que las mayores varianzas se presentan en el Sitio 1 con el menor número de observaciones
(nik).
La matriz C es:
gA gB gC gD gE gF
A1 0.61 0 0 0 0 0
E1 0 0 0 0 0.61 0
F1 0 0 0 0 0 0.61
A2 0.61 0 0 0 0 0
B2 0 0.61 0 0 0 0
C2 0 0 0.61 0 0 0
D2 0 0 0 0.61 0 0
E2 0 0 0 0 0.61 0
F2 0 0 0 0 0 0.61
A3 0.61 0 0 0 0 0
B3 0 0.61 0 0 0 0
C3 0 0 0.61 0 0 0
D3 0 0 0 0.61 0 0
E3 0 0 0 0 0.61 0
F3 0 0 0 0 0 0.61
A4 0.61 0 0 0 0 0
B4 0 0.61 0 0 0 0
C4 0 0 0.61 0 0 0
D4 0 0 0 0.61 0 0
E4 0 0 0 0 0.61 0
F4 0 0 0 0 0 0.61
iii) Vector g
Por otra parte, los valores genéticos de las familias que no están presentes en el sitio 1 no sufren
variaciones con respecto al ejemplo anterior.
donde:
y ijkl = ijkl-ésima observación
µ = media general
Bi = efecto fijo del i-ésimo bloque, i=1, 2, 3, 4
Fj = efecto aleatorio de la j-ésima madre, j=1,2,...,5 E(Fj ) = 0, Var(Fj ) = σ 2f
Para este ejemplo se analizarán las cruzas de 6 padres de Pinus taeda en un diseño parcial con
algunas cruzas faltantes.
CUADRO 16
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE PINUS TAEDA.
PROMEDIO FAMILIAR
MADRE A B C D E F
PADRE
A - - - 2.85 (19) - -
B 2.61 (16) - 2.74 (16) 2.88 (17) - -
C 2.18 (17) - - 2.64 (19) - -
D - - - - - -
E 2.86 (17) 2.33 (15) 2.94 (19) 2.67 (16) - -
F 2.69 (18) 1.97 (10) 1.88 (12) 2.87 (20) 2.68 (13) -
CUADRO 17
COMPONENTES DE VARIANZA PARA ALTURA (M) DE PINUS TAEDA
i) Vectores y y α
Cada observación representa el promedio sobre todos los árboles de una familia de hermanos
completos (cuadro 16).
y' = [2.61 2.18 2.86 2.69 2.33 1.97 2.74 2.94 1.88 2.85 2.88 2.64 2.67 2.87 2.68]
La esperanza del vector de las observaciones es E(y) = µ + Ei, pues el sitio es el único efecto fijo
considerado en el modelo. Es decir:
α ' = [2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59]
ii) Matrices V y C
Además,
Finalmente V es:
AxD BxA BxC BxD CxA CxD ExA ExB ExC ExD FxA FxB FxC FxD FxE
AxD 0.09 0.03 0 0.03 0.03 0.03 0.03 0 0 0.03 0.03 0 0 0.03 0
BxA 0.03 0.10 0.03 0.03 0.03 0 0.03 0.03 0 0 0.03 0.03 0 0 0
BxC 0 0.03 0.10 0.03 0.03 0.03 0 0.03 0.03 0 0 0.03 0.03 0 0
BxD 0.03 0.03 0.03 0.10 0 0.03 0 0.03 0 0.03 0 0.03 0 0.03 0
CxA 0.03 0.03 0.03 0 0.10 0.03 0.03 0 0.03 0 0.03 0 0.03 0 0
CxD 0.03 0 0.03 0.03 0.03 0.09 0 0 0.03 0.03 0 0 0.03 0.03 0
ExA 0.03 0.03 0 0 0.03 0 0.10 0.03 0.03 0.03 0.03 0 0 0 0.03
ExB 0 0.03 0.03 0.03 0 0 0.03 0.10 0.03 0.03 0 0.03 0 0 0.03
ExC 0 0 0.03 0 0.03 0.03 0.03 0.03 0.09 0.03 0 0 0.03 0 0.03
ExD 0.03 0 0 0.03 0 0.03 0.03 0.03 0.03 0.10 0 0 0 0.03 0.03
FxA 0.03 0.03 0 0 0.03 0 0.03 0 0 0 0.09 0.03 0.03 0.03 0.03
FxB 0 0.03 0.03 0.03 0 0 0 0.03 0 0 0.03 0.12 0.03 0.03 0.03
FxC 0 0 0.03 0 0.03 0.03 0 0 0.03 0 0.03 0.03 0.11 0.03 0.03
FxD 0.03 0 0 0.03 0 0.03 0 0 0 0.03 0.03 0.03 0.03 0.09 0.03
FxE 0 0 0 0 0 0 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.10
Para la matriz C:
gA gB gC gD gE gF
iii) Vector g
Note que para la predicción de un valor de mejora de un padre particular usando la información de
hermanos completos, BLP incorpora no sólo las observaciones de la progenie de ese padre, sino
también las de las progenies emparentadas. Por ejemplo, el valor de mejora del padre A está
afectado por el desempeño de las familias de hermanos completos (AxD, BxA, CxA, ExA y FxA),
pero además cualquiera de las otras cruzas tiene una covarianza que la relaciona con la progenie de
A, lo que se refleja en los elementos distintos de cero de las matrices V y C.
Es importante destacar que, además de las situaciones ya ejemplificadas, BLP puede incorporar la
información de varios rasgos, pruebas de distintas edades así como el parentesco entre las
observaciones. En cada una de estas situaciones los elementos que varían son las varianzas y
covarianzas de las matrices V y C, producto de las distintas precisiones y correlaciones con los
valores de mejora a predecir que presentan las observaciones.
Una de las características del método anterior (BLP) es asumir que los elementos del vector de
efectos fijos α son constantes conocidas e insesgadas, cuando en realidad son estimadas con algún
grado de error. De este modo, las aplicaciones de BLP son solamente una aproximación a la mejor
predicción lineal.
Existe, sin embargo, una metodología conocida como la mejor predicción lineal insesgada (BLUP),
similar en su teoría a BLP y que al predecir los valores de mejora estima los efectos fijos mediante
GLS (White y Hodge, 1989).
REFERENCIAS
Balocchi, C.; Jayawickrama, K. y Pérez, E. 1991. Octavo Informe Anual (1989-1991). Cooperativa
de Mejoramiento Genético UACH/CONAF/Empresas Forestales. U. Austral de Chile. Fac. de Cs.
Forestales. Serie Técnica. Valdivia, Chile. 56 p.
Huber, D.; White, T.; Littell, R. y Hodge, G. 1992. Ordinary Least Squares Estimation of General and
Specific Combining Abilities from Half-Diallel Mating Designs. Silvae Genetica 41 (4-5). pp. 263-273
Graybill, F. 1976. Theory and Application of the Linear Model. Duxbury Press, North Scituate, MA.
704 p.
White, T. y Hodge, G. 1989. Predicting Breeding Values with Applications in Forest Tree
Improvement. Forest Sciences Volumen 33. Kluwer Academic Pub. London. 367 p.
ANEXO 1
MEDICIONES INDIVIDUALES PARA ALTURA (m) DE EUCALYPTUS NITENS
A LOS 4 AÑOS
ANEXO 2. –
PROMEDIOS DE PARCELAS PARA ALTURA (m) DE LA PROGENIE ORIGINADA A PARTIR DE
LAS CRUZAS DE 6 PADRES DE PINUS TAEDA.
BLOQUE MADRE PADRE PARCELA ALTURA BLOQUE MADRE PADRE PARCELA ALTURA
1 1 2 1 2.6899 3 1 2 1 2.2961
1 1 3 2 1.9080 3 1 3 2 2.8956
1 1 5 3 3.1242 3 1 5 3 2.5359
1 1 6 4 2.4933 3 1 6 4 2.9032
1 2 5 1 1.4783 3 2 5 1 2.7737
1 2 6 2 2.7026 3 2 6 2 1.2040
1 3 2 1 3.0480 3 3 2 1 2.9870
1 3 5 2 3.4991 3 3 5 2 2.8407
1 3 6 3 2.4003 3 3 6 3 1.3564
1 4 1 1 3.3955 3 4 1 1 2.6746
1 4 2 2 3.4290 3 4 2 2 2.7066
1 4 3 3 2.5298 3 4 3 3 3.4198
1 4 5 4 2.4155 3 4 5 4 3.3299
1 4 6 5 3.2004 3 4 6 5 3.4564
1 5 6 1 2.2403 3 5 6 1 3.2614
2 1 2 1 3.5662 4 1 2 1 1.8974
2 1 3 2 2.6335 4 1 3 2 1.3005
2 1 5 3 3.6942 4 1 5 3 2.0726
2 1 6 4 3.4808 4 1 6 4 1.8821
2 2 5 1 3.4260 4 2 5 1 1.6400
2 2 6 2 2.4282 4 2 6 2 1.5392
2 3 2 1 3.0480 4 3 2 1 1.8898
2 3 5 2 2.8895 4 3 5 2 2.5146
2 3 6 3 1.9406 4 3 6 3 1.8389
2 4 1 1 3.0114 4 4 1 1 2.3348
2 4 2 2 3.6454 4 4 2 2 1.7272
2 4 3 3 2.9566 4 4 3 3 1.6581
2 4 5 4 2.8118 4 4 5 4 2.1184
2 4 6 5 3.2674 4 4 6 5 1.5545
2 5 6 1 3.7917 4 5 6 1 1.4122
INTRODUCCION
La mejor forma de saber si un progenitor tiene una calidad superior es a través de las pruebas
genéticas, dentro de las cuales la más importante es la prueba de progenie. El objetivo de esta
prueba es evaluar la calidad genética de los padres en base al rendimiento de su progenie.
El diseño de estas pruebas permite separar la influencia genética de la ambiental, ya que todas las
progenies se desarrollan en un ambiente común. De este modo, se pueden identificar las diferentes
fuentes de variación presentes tales como sitio, bloque, procedencia, familia, etc.
Existen varios métodos de jerarquización, los que varían en su nivel de complejidad y precisión.
Algunos de los métodos más utilizados son:
Estas metodologías pueden dividirse en dos grupos de acuerdo a si los valores de mejora son
estimados como efectos fijos o predichos como efectos aleatorios (para una mayor discusión ver
White y Hodge, 1989).
Todos los métodos tratan los efectos genéticos como fijos a excepción de BLP y BLUP, los que se
basan en un modelo mixto constituido por efectos fijos y aleatorios.
1
Ingeniero Forestal (E). Proyecto Fondef D97I1065. Centro Experimental Forestal. Pedro Aguirre
Cerda # 2.150, Valdivia, Chile.
2
Ingeniero Forestal. Consultor de Progénesis LTDA.
Este es el método más básico y consiste en calcular el promedio de todas las observaciones
individuales de una familia dada para una variable específica, independiente de si pertenecen a
diferentes sitios y/o bloques.
Su fórmula es:
ni
y i⋅ = Σ y ij / ni (1)
j=1
donde
y i⋅ = promedio de la i-ésima familia
y ij = observación del j-ésimo individuo de la i-ésima familia
ni = número total de individuos de la i-ésima familia
Para ejemplificar este método se utilizaron las mediciones individuales para altura de Eucalyptus
nitens que se encuentran listadas en el Anexo Nº 1. El objetivo siempre es obtener una
jerarquización que permita seleccionar a las mejores familias.
CUADRO 1
PROMEDIOS SIMPLES PARA ALTURA (m) DE EUCALYPTUS NITENS POR FAMILIA
El inconveniente que presenta este método es que si las familias no tienen el mismo número de
arboles, se favorecerá a aquellas con mayor representación en bloques o sitios "buenos” y se
perjudicará a las familias con mayor representación en bloques o sitios "malos" o pobres,
produciéndose un sesgo en la jerarquización (White y Hodge, 1989).
Como su nombre lo indica, consiste en la obtención del promedio de los promedios de parcela,
generándose así un único valor representativo para cada familia. En este caso se asume que la
información posee el mismo valor en todas las parcelas no importando cuantos individuos se
encuentren en ella.
Su fórmula es:
nij
y ij⋅ = Σ y ijk / nij (2)
j=1
bi
y i⋅ = Σy ij⋅ / bi (3)
j=1
donde
y ij⋅ = promedio de la i-ésima familia en el j-ésimo bloque
y ijk = observación del k-ésimo individuo de la ij-ésima parcela
nij = número total de individuos en la ij-ésima parcela
bi = número total de bloques en los que se encuentra la i-ésima familia
CUADRO 2
–PROMEDIOS DE PARCELAS PARA LA ALTURA (m) DE EUCALYPTUS NITENS
PROMEDIO DE PARCELA
FAMILIA B1 B2 B3 B4
A 8.37 5.13 7.00 3.80
B 8.83 5.40 8.25 2.00
C 4.47 6.13 2.40
D 9.55 7.30 1.80
E 7.48 8.40 9.40
F 6.63 7.95 5.75
CUADRO 3
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
Existen variantes que mejoran esta metodología a través de un ajuste de las observaciones. Los
Puntajes Estándar Promediados, por ejemplo, corrigen las diferencias de variabilidad entre los
diferentes bloques, dividiendo la observación original por la desviación estándar del bloque en el que
ella se encuentra. Posteriormente se calculan los promedios familiares corregidos por las medias del
bloque y del sitio, para obtener los promedios de promedio de parcela y finalmente los promedios
familiares (Balocchi et al., 1991).
Este método es fácil de aplicar, pero tiene el inconveniente de entregar los resultados en unidades
estandarizadas, las que no son fácilmente interpretables y además, no entregan valores de ganancia.
Si el desbalance es tal, que algunas familias no están representadas en uno o más bloques,
cualquier variante utilizada del promedio de promedio de parcelas producirá inconsistencias en las
estimaciones. Para evitar este problema, se recurre a los promedios de mínimos cuadrados.
Corresponden a la determinación de las medias familiares utilizando las fuentes de variación (efectos
fijos) estimadas por mínimos cuadrados ordinarios (OLS).
Según White y Hodge (1989), estos promedios son esencialmente la media marginal familiar que
sería esperada si todas las familias estuvieran representadas en todos los bloques y/o sitios.
Este método requiere la especificación de un modelo lineal que explique el comportamiento de la(s)
variable(s) en estudio, a fin de separar la porción genética de la ambiental. Las fuentes de variación
más comunes que se presentan en un modelo genético son: sitio, bloque, procedencia, familia y
parcela, entre otros.
Para este ejemplo se utilizará un modelo lineal de medios hermanos para un único sitio:
donde
y ijk⋅ = observación de la ijk-ésima parcela
µ = media general
Bi = efecto fijo del i-ésimo bloque, i = 1, 2, 3, 4
Fj = efecto aleatorio de la j-ésima familia, j = 1, 2,..., bi , E(Fj )=0, Var(Fj )= σ2f
BFij = efecto aleatorio de la interacción del i-ésimo bloque y la j-ésima familia,
E(BFij ) = 0, Var(BFij ) = σ2bf
wijk⋅ = error aleatorio de la ijk-ésima parcela, E(wijk) = 0, Var(wijk) = σ 2w
y = Xβ + e
donde
y = vector de dimensión n x 1 de observaciones
X = matriz de dimensión n x k de diseño, conteniendo ceros y unos
β = vector de dimensión k x 1 de los efectos fijos a ser estimados
e = vector de dimensión n x 1 de errores aleatorios
Para ilustrar este método se utilizaron los promedios de parcela por bloque de Eucalyptus nitens de
4 años (cuadro 2).
Para efectos de simplificar el ejemplo se asumió que las interacciones bloque x familia no eran
significativas, por lo tanto no constituyen efectos a ser estimados. De este modo, el total de
observaciones es n = 20 y los efectos son k = 11, los que corresponden a 6 familias más 4 bloques y
la media general (µ).
Los distintos efectos son estimados utilizando la siguiente fórmula de mínimos cuadrados ordinarios
(Huber et al., 1992):
β = (X'X)-X'y (4)
Para la estimación del vector β se asume que todos los efectos del modelo son fijos y de esta forma
estimables.
La matriz resultante de X'X siempre será una matriz singular (determinante igual a cero), lo que
significa que no es posible obtener su inversa, por lo tanto tampoco estimar β . Para solucionar este
problema se utiliza una inversa generalizada o pseudoinversa (para más detalles ver Searle, 1970).
La inversa generalizada o G-inversa (cuya notación es A-, en lugar de A-1), no posee las propiedades
más deseables de una verdadera inversa (es decir, AA- ≠ I). Sin embargo, para cualquier matriz
singular se pueden obtener varias G-inversas distintas que poseen idénticas propiedades. Una matriz
será denominada inversa generalizada de A, si AA-A = A. Para cualquier matriz A siempre será
posible encontrar una inversa generalizada que cumpla con esta propiedad (White y Hodge, 1989).
De este modo, habrá tantas soluciones de β , como G-inversas de (X'X)- existan, y cada solución de
β será identificada como β o. El vector Xβ o representa las estimaciones por mínimos cuadrados
de las observaciones originales considerando el desbalance propio de la prueba y siempre será único,
independiente de la G-inversa que se utilice. Posteriormente, con estas estimaciones se obtienen los
LSM que corresponden a los promedios de promedios de parcelas familiares estimados por OLS.
Su diferencia con el método anterior es que en este caso se estima un efecto fijo común para todas
las familias, independiente de que algunas estén o no presentes en un bloque, permitiendo la
utilización amplia de este método en casos de parcelas y/o familias desaparecidas.
CUADRO 4
EFECTOS FIJOS PARA EUCALYPTUS NITENS ESTIMADOS POR OLS
µ B1 B2 B3 B4 FA FB FC FD FE FF
4.301 2.538 1.701 2.393 -2.331 0.699 0.744 -0.603 1.280 1.915 0.265
A partir de este cuadro se pueden obtener las nuevas estimaciones de cada promedio original. Así,
por ejemplo y 2C⋅ = µ + B2 + Fc = 5.40, en vez de 6.13 m. El cuadro 5 muestra estos promedios:
CUADRO 5
PROMEDIOS ESTIMADOS POR OLS PARA ALTURA DE EUCALYPTUS NITENS
PROMEDIOS DE PARCELA
FAMILIA B1 B2 B3 B4
A 7.54 6.70 7.39 2.67
B 7.58 6.75 7.44 2.71
C 6.24 5.40 6.09 1.37
D 8.12 7.28 7.97 3.25
E 8.75 7.92 8.61 3.89
F 7.10 6.27 6.96 2.24
Finalmente, sumando cada parcela se tiene un único promedio por familia (cuadro 6).
CUADRO 6
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
FAMILIA LSM
A 6.08
B 6.12
C 4.77
D 6.66
E 7.29
F 5.64
Con esta metodología las medias de las parcelas faltantes observadas en el Cuadro 2, ahora son
estimadas por OLS. Para este caso, por ejemplo, se puede observar que las familias E y F bajan
sus promedios, ya que ahora cada una incluye para su promedio familiar una media estimada en el
bloque 4 (el peor bloque de la prueba).
Uno de los inconvenientes que presenta este método es la cantidad de recursos computacionales
que se requieren para obtener las estimaciones. Para evitar este problema se trabaja con algún tipo
de promedio, como los promedios de parcela utilizados en este ejemplo, lo que reduce las
dimensiones de las matrices.
Esta simplificación, sin embargo, produce diferencias de precisión entre los promedios, debido a que
algunos de ellos son obtenidos a partir de varias observaciones y otros a partir de sólo una. Este
problema es solucionado al utilizar estimaciones de las medias a través de mínimos cuadrados
generalizados, los que incorporan estas diferencias de precisión.
Corresponde a la estimación de las medias familiares utilizando las fuentes de variación (efectos fijos)
calculadas a través de los mínimos cuadrados generalizados (GLS).
GLS incorpora las diferencias de precisión y calidad entre las observaciones en una matriz de
varianzas-covarianzas, V, al momento de estimar los efectos, a diferencia del método anterior (LSM),
que asume igual precisión para todas las observaciones, es decir, utiliza una matriz V igual a la
matriz identidad (I).
Las diferencias de precisión, y por lo tanto de varianza son producto de la diversidad de diseños
experimentales, edades de evaluación, y grados de desbalance en las pruebas genéticas.
La inversa de X'V-1X es singular, por lo que se debe utilizar alguna G-inversa para obtener los
estimaciones β o de los efectos. Al igual que en OLS, el vector Xβ o será único independiente de la
G-inversa que se ocupe.
Para ilustrar este método se utilizaron los promedios de parcela por bloque de Eucalyptus nitens de
4 años (cuadro 7). El paréntesis indica el número de mediciones consideradas en la obtención del
promedio.
CUADRO 7
–PROMEDIOS DE PARCELAS PARA LA ALTURA (m) DE EUCALYPTUS NITENS
PROMEDIO DE PARCELA
FAMILIA B1 B2 B3 B4
A 8.37 (3) 5.13 (3) 7.00 (2) 3.80 (1)
B 8.83 (3) 5.40 (3) 8.25 (2) 2.00 (1)
C 4.47 (3) 6.13 (3) - 2.40 (1)
D 9.55 (4) 7.30 (4) - 1.80 (1)
E 7.48 (4) 8.40 (3) 9.40 (1) -
F 6.63 (3) 7.95 (2) 5.75 (2) -
El modelo lineal es el mismo descrito en la sección sobre promedios de mínimos cuadrados (LSM), y
los componentes de varianza son (cuadro 8):
CUADRO 8
COMPONENTES DE VARIANZA PARA ALTURA (M) DE EUCALYPTUS NITENS
La matriz V de dimensión 20 x 20, contiene en la diagonal las varianzas de las medias familiares y
fuera de la diagonal las covarianzas entre estas medias.
Al utilizar promedios de parcela las varianzas de las medias familiares presentarán desigual número
de árboles por parcela. Por esta razón debe incluirse en la fórmula el número de individuos utilizados
en el cálculo de cada media.
De este modo:
Cov(y ij ⋅,y i'j ⋅) = Cov( µ + Bi + Fj + BFij + wij ⋅ / nij , µ + Bi' + Fj + BFi'j + wi'j ⋅ / ni'j )
= Cov(Fj , Fj )
= σ 2f
= 0.6888
Para este ejemplo el componente de covarianza familia x bloque es igual a cero ya que sólo se tiene
una parcela por bloque.
Cov(yij⋅, yi'j.) = 0
A1 B1 C1 D1 E1 F1 A2 B2 C2 D2 E2 F2 A3 B3 E3 F3 A4 B4 C4 D4
Con la matriz V ya definida, los efectos fijos utilizando la fórmula de GLS son:
CUADRO 9
EFECTOS FIJOS PARA EUCALYPTUS NITENS CALCULADOS POR GLS
µ B1 B2 B3 B4 FA FB FC FD FE FF
4.256 2.586 1.638 2.383 -2.352 0.552 0.866 -0.834 1.800 1.624 0.248
CUADRO 10
PROMEDIOS ESTIMADOS POR GLS DE EUCALYPTUS NITENS POR FAMILIA
PROMEDIOS DE PARCELA
FAMILIA B1 B2 B3 B4
A 7.39 6.45 7.19 2.46
B 7.71 6.76 7.51 2.77
C 6.01 5.06 5.80 1.07
D 8.64 7.69 8.44 3.70
E 8.47 7.52 8.26 3.53
F 7.09 6.14 6.89 2.15
Finalmente, sumando cada parcela se tiene un único promedio por familia (cuadro 11).
CUADRO 11
ALTURA PROMEDIO DE EUCALYPTUS NITENS POR FAMILIA
FAMILIA GLSM
A 5.87
B 6.19
C 4.49
D 7.12
E 6.94
F 5.57
Note que el promedio de la familia D aumenta de 6.66 en el método anterior (OLS) a 7.12 m en este
método, debido que al incorporar la matriz V, el promedio en el bloque 4 (el peor para esta familia),
tiene una menor ponderación que el resto de las medias (bloques 1, 2 y 3).
En la construcción de la matriz V se pueden incorporar no sólo efectos ambientales sino que además
efectos genéticos. Esta información es de relevancia en las pruebas de progenie de hermanos
completos y muy especialmente en los programas de segunda generación, en los que parte del
material tiene algún grado de relación.
Los cuatro métodos anteriores consideran que los efectos genéticos son fijos y que pueden ser
obtenidos mediante el cálculo de algún tipo de promedio. Si las familias están igualmente
representadas, se obtendrá la misma jerarquización con cualquiera de los métodos. Esto, sin
embargo, no es común en las pruebas de arboles forestales, ya que las familias con frecuencia
presentan diferencias en la calidad y cantidad de información.
Los métodos que se presentan a continuación consideran que los efectos genéticos son aleatorios,
por lo tanto deben ser predichos. Además, a diferencia de los métodos anteriores, los resultados que
entregan no son promedios familiares, sino valores de mejora, los que representan la diferencia
genética de la madre con respecto al promedio de la población que es traspasada a su progenie.
La mejor predicción lineal es un método que predice los valores de mejora, consideran las relaciones
genéticas y diferencias precisión entre las observaciones.
La principal ventaja de BLP por sobre los métodos anteriores es que permite el uso de múltiples
fuentes de datos (pruebas de diferentes edades, localidades, precisión, diseño y niveles de
parentesco y mejora). Estas fuentes de información son usadas simultáneamente, incrementando así
la precisión de las predicciones.
g= τ + C'V-1(y - α ) (6)
donde
g vector de predicciones del valor genético
τ vector de las esperanzas de los valores genéticos
C matriz de covarianzas entre las observaciones y los rasgos a predecir
V matriz de varianzas y covarianzas entre las observaciones
y vector de observaciones
α vector de las esperanzas de las observaciones
El vector y de dimensión n x 1 corresponde a las observaciones, las que pueden ser: mediciones
individuales, medias de parcelas, medias familiares en un sitio, medias familiares promediadas sobre
todas los sitios, entre otras.
En la predicción de los valores de mejora, los valores esperados son usados para expresar los datos
como desviaciones de sus efectos fijos. El vector (y-α ) representa las observaciones ajustadas
debido a los efectos indeseables (fijos), de este modo, se evita que los valores de mejora predichos
para un padre sean sobrestimados al ser probados en un ambiente favorable. Cuando los efectos
fijos son los sitios o bloques, (y-α ) expresa la media de cada familia como una desviación de la
media del sitio o bloque correspondiente.
La matriz C = Cov(y,g), es una matriz de dimensión n x q que representa las covarianzas entre las
observaciones y los valores de mejora a predecir. Esta matriz debe ser estimada directamente de los
datos o derivada de estimaciones externas de covarianzas genéticas.
A continuación, con el fin de ilustrar cómo trabaja BLP, se han desarrollado una serie de ejemplos.
Para todos ellos se asume que no existen efectos genéticos fijos (es decir, τ = 0).
A fin de simplificar los cálculos se utilizaron como unidad de observación las medias familiares de
Eucalyptus nitens para el rasgo de altura a los 4 años en una sola prueba (cuadro 12). El modelo
lineal es el mismo descrito en la sección sobre promedios de mínimos cuadrados (LSM), y los
componentes de varianza se encuentran en el cuadro 8.
CUADRO 12
PROMEDIOS FAMILIARES PARA ALTURA (m) DE EUCALYPTUS NITENS
i) Vectores y y α
y' = [6.48 6.80 4.89 7.69 8.06 6.76]
E(y ⋅⋅⋅) = µ
Esta esperanza puede ser estimada utilizando los promedios de todos los árboles de la prueba.
ii) Matrices V y C
Cov(y ⋅j ⋅, y ⋅j'⋅) es igual cero ya que las familias no están emparentadas. Finalmente la matriz V es:
A B C D E F
A 1.02 0 0 0 0 0
B 0 1.02 0 0 0 0
C 0 0 1.12 0 0 0
D 0 0 0 1.03 0 0
E 0 0 0 0 1.07 0
F 0 0 0 0 0 1.12
La matriz C es de dimensión 6 x 6, y relaciona cada media familiar con el valor de mejora a predecir.
Sus elementos son:
Cov(y ⋅j ⋅, gj') es igual a cero, debido a que no existe parentesco entre el valor de mejora de una familia
y las observaciones de las familias restantes.
gA gB gC gD gE gF
A 0.55 0 0 0 0 0
B 0 0.55 0 0 0 0
C 0 0 0.55 0 0 0
D 0 0 0 0.55 0 0
E 0 0 0 0 0.55 0
F 0 0 0 0 0 0.55
iii) Vector g
Una vez que las matrices ya han sido definidas e integradas en la ecuación de BLP, el vector g de los
valores de mejora familiares es:
Con el fin de reducir el tamaño de las matrices, para este ejemplo se tomaron promedios simples
como unidad de observación. La jerarquización obtenida coincidió con la generada por los promedios
simples, sin embargo, en este caso no se trata de promedios sino de predicciones de los valores de
mejora familiares, los que son a su vez predicciones de ganancia.
Con el fin de usar en forma más eficiente la información disponible, se utilizaron los promedios de
parcela por bloque de Eucalyptus nitens (ver cuadro 7). El modelo lineal y los componentes de
varianza son los mismos del ejemplo anterior.
i) Vector y y α
y' =[8.37 8.83 4.47 9.55 7.48 6.63 5.13 5.40 6.13 7.30 8.40 7.95 7.00 8.25 9.40 5.75 3.80 2.00 2.40 1.80]
Esta esperanza puede ser estimada utilizando los promedios de todos los árboles en un bloque dado.
α ' = [7.65 7.65 7.65 7.65 7.65 7.65 6.68 6.68 6.68 6.68 6.68 6.68 7.34 7.34 7.34 7.34 2.50 2.50 2.50 2.50]
ii) Matrices V y C
Cov(y ij ⋅, gj') = 0
gA gB gC gD gE gF
A1 0.55 0 0 0 0 0
B1 0 0.55 0 0 0 0
C1 0 0 0.55 0 0 0
D1 0 0 0 0.55 0 0
E1 0 0 0 0 0.55 0
F1 0 0 0 0 0 0.55
A2 0.55 0 0 0 0 0
B2 0 0.55 0 0 0 0
C2 0 0 0.55 0 0 0
D2 0 0 0 0.55 0 0
E2 0 0 0 0 0.55 0
F2 0 0 0 0 0 0.55
A3 0.55 0 0 0 0 0
B3 0 0.55 0 0 0 0
E3 0 0 0 0 0.55 0
F3 0 0 0 0 0 0.55
A4 0.55 0 0 0 0 0
B4 0 0.55 0 0 0 0
C4 0 0 0.55 0 0 0
D4 0 0 0 0.55 0 0
i) Vector g
Una vez que las matrices ya han sido definidas e integradas en la ecuación de BLP, el vector g de los
valores de mejora familiares es:
Al utilizar observaciones de un nivel mas desagregado que el Ejemplo 1a, se produjeron leves
diferencias de jerarquización manteniéndose, sin embargo, coincidencias entre sus extremos (peores
y mejores familias).
La unidad de observación para este ejemplo corresponde a las medias familiares de cada sitio.
CUADRO 13
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE EUCALYPTUS NITENS EN 3 SITIOS
PROMEDIO FAMILIAR
FAMILIA S2 S3 S4
A 9.61 (30) 6.62 (24) 8.24 (35)
B 10.19 (28) 7.28 (25) 8.23 (32)
C 9.28 (37) 5.79 (24) 7.80 (37)
D 9.77 (36) 6.59 (26) 8.52 (35)
E 9.55 (37) 6.92 (24) 8.88 (39)
F 8.57 (25) 6.34 (23) 8.42 (37)
Los paréntesis indican el número de individuos por sitio para cada familia.
CUADRO 14
COMPONENTES DE VARIANZA PARA ALTURA (m) DE EUCALYPTUS NITENS
i) Vectores y y α
y' = [9.61 10.19 9.28 9.77 9.55 8.57 6.62 7.28 5.79 6.59 6.92 634 8.24 8.23 7.80 8.52 8.88 8.42]
Además:
E(y i ⋅⋅⋅) = µ + Ei
α ' = [9.55 9.55 9.55 9.55 9.55 9.55 6.94 6.94 6.94 6.94 6.94 6.94 8.65 8.65 8.65 8.65 8.65 8.65]
Donde 9.55, 6.94 y 8.65 son las medias para los sitios 2, 3 y 4, respectivamente.
ii) Matrices V y C
A2 B2 C2 D2 E2 F2 A3 B3 C3 D3 E3 F3 A4 B4 C4 D4 E4 F4
gA gB gC gD gE gF
A2 0.61 0 0 0 0 0
B2 0 0.61 0 0 0 0
C2 0 0 0.61 0 0 0
D2 0 0 0 0.61 0 0
E2 0 0 0 0 0.61 0
F2 0 0 0 0 0 0.61
A3 0.61 0 0 0 0 0
B3 0 0.61 0 0 0 0
C3 0 0 0.61 0 0 0
D3 0 0 0 0.61 0 0
E3 0 0 0 0 0.61 0
F3 0 0 0 0 0 0.61
A4 0.61 0 0 0 0 0
B4 0 0.61 0 0 0 0
C4 0 0 0.61 0 0 0
D4 0 0 0 0.61 0 0
E4 0 0 0 0 0.61 0
F4 0 0 0 0 0 0.61
iii) Vector g
Se desean obtener los valores genéticos de las familias del ejemplo anterior, pero esta vez se
dispone de observaciones de otro sitio (S1), el que contiene sólo algunas familias, y con un bajo
número de individuos.
CUADRO 15
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE EUCALYPTUS NITENS EN 4 SITIOS
PROMEDIO FAMILIAR
FAMILIA S1 S2 S3 S4
A 7.70 (11) 9.61 (30) 6.62 (24) 8.24 (35)
B - 10.19 (28) 7.28 (25) 8.23 (32)
C - 9.28 (37) 5.79 (24) 7.80 (37)
D - 9.77 (36) 6.59 (26) 8.52 (35)
E 7.59 (12) 9.55 (37) 6.92 (24) 8.88 (39)
F 7.75 (10) 8.57 (25) 6.34 (23) 8.42 (37)
i) Vectores y y α
y' =[7.70 7.59 7.75 9.61 10.19 9.28 9.77 9.55 8.57 6.62 7.28 5.79 6.59 6.92 634 8.24 8.23 7.80 8.52 8.88 8.42]
α ' = [7.82 7.82 7.82 9.55 9.55 9.55 9.55 9.55 9.55 6.94 6.94 6.94 6.94 6.94 6.94 8.65 8.65 8.65 8.65 8.65 8.65]
ii) Matrices V y C
La matriz V es:
A1 E1 F1 A2 B2 C2 D2 E2 F2 A3 B3 C3 D3 E3 F3 A4 B4 C4 D4 E4 F4
Los elementos de la matriz V son calculados de igual forma que en el ejemplo anterior, y se puede
observar que las mayores varianzas se presentan en el Sitio 1 con el menor número de observaciones
(nik).
La matriz C es:
gA gB gC gD gE gF
A1 0.61 0 0 0 0 0
E1 0 0 0 0 0.61 0
F1 0 0 0 0 0 0.61
A2 0.61 0 0 0 0 0
B2 0 0.61 0 0 0 0
C2 0 0 0.61 0 0 0
D2 0 0 0 0.61 0 0
E2 0 0 0 0 0.61 0
F2 0 0 0 0 0 0.61
A3 0.61 0 0 0 0 0
B3 0 0.61 0 0 0 0
C3 0 0 0.61 0 0 0
D3 0 0 0 0.61 0 0
E3 0 0 0 0 0.61 0
F3 0 0 0 0 0 0.61
A4 0.61 0 0 0 0 0
B4 0 0.61 0 0 0 0
C4 0 0 0.61 0 0 0
D4 0 0 0 0.61 0 0
E4 0 0 0 0 0.61 0
F4 0 0 0 0 0 0.61
iii) Vector g
Por otra parte, los valores genéticos de las familias que no están presentes en el sitio 1 no sufren
variaciones con respecto al ejemplo anterior.
donde:
y ijkl = ijkl-ésima observación
µ = media general
Bi = efecto fijo del i-ésimo bloque, i=1, 2, 3, 4
Fj = efecto aleatorio de la j-ésima madre, j=1,2,...,5 E(Fj ) = 0, Var(Fj ) = σ 2f
Para este ejemplo se analizarán las cruzas de 6 padres de Pinus taeda en un diseño parcial con
algunas cruzas faltantes.
CUADRO 16
–PROMEDIOS FAMILIARES PARA LA ALTURA (m) DE PINUS TAEDA.
PROMEDIO FAMILIAR
MADRE A B C D E F
PADRE
A - - - 2.85 (19) - -
B 2.61 (16) - 2.74 (16) 2.88 (17) - -
C 2.18 (17) - - 2.64 (19) - -
D - - - - - -
E 2.86 (17) 2.33 (15) 2.94 (19) 2.67 (16) - -
F 2.69 (18) 1.97 (10) 1.88 (12) 2.87 (20) 2.68 (13) -
CUADRO 17
COMPONENTES DE VARIANZA PARA ALTURA (M) DE PINUS TAEDA
i) Vectores y y α
Cada observación representa el promedio sobre todos los árboles de una familia de hermanos
completos (cuadro 16).
y' = [2.61 2.18 2.86 2.69 2.33 1.97 2.74 2.94 1.88 2.85 2.88 2.64 2.67 2.87 2.68]
La esperanza del vector de las observaciones es E(y) = µ + Ei, pues el sitio es el único efecto fijo
considerado en el modelo. Es decir:
α ' = [2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59 2.59]
ii) Matrices V y C
Además,
Finalmente V es:
AxD BxA BxC BxD CxA CxD ExA ExB ExC ExD FxA FxB FxC FxD FxE
AxD 0.09 0.03 0 0.03 0.03 0.03 0.03 0 0 0.03 0.03 0 0 0.03 0
BxA 0.03 0.10 0.03 0.03 0.03 0 0.03 0.03 0 0 0.03 0.03 0 0 0
BxC 0 0.03 0.10 0.03 0.03 0.03 0 0.03 0.03 0 0 0.03 0.03 0 0
BxD 0.03 0.03 0.03 0.10 0 0.03 0 0.03 0 0.03 0 0.03 0 0.03 0
CxA 0.03 0.03 0.03 0 0.10 0.03 0.03 0 0.03 0 0.03 0 0.03 0 0
CxD 0.03 0 0.03 0.03 0.03 0.09 0 0 0.03 0.03 0 0 0.03 0.03 0
ExA 0.03 0.03 0 0 0.03 0 0.10 0.03 0.03 0.03 0.03 0 0 0 0.03
ExB 0 0.03 0.03 0.03 0 0 0.03 0.10 0.03 0.03 0 0.03 0 0 0.03
ExC 0 0 0.03 0 0.03 0.03 0.03 0.03 0.09 0.03 0 0 0.03 0 0.03
ExD 0.03 0 0 0.03 0 0.03 0.03 0.03 0.03 0.10 0 0 0 0.03 0.03
FxA 0.03 0.03 0 0 0.03 0 0.03 0 0 0 0.09 0.03 0.03 0.03 0.03
FxB 0 0.03 0.03 0.03 0 0 0 0.03 0 0 0.03 0.12 0.03 0.03 0.03
FxC 0 0 0.03 0 0.03 0.03 0 0 0.03 0 0.03 0.03 0.11 0.03 0.03
FxD 0.03 0 0 0.03 0 0.03 0 0 0 0.03 0.03 0.03 0.03 0.09 0.03
FxE 0 0 0 0 0 0 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.03 0.10
Para la matriz C:
gA gB gC gD gE gF
iii) Vector g
Note que para la predicción de un valor de mejora de un padre particular usando la información de
hermanos completos, BLP incorpora no sólo las observaciones de la progenie de ese padre, sino
también las de las progenies emparentadas. Por ejemplo, el valor de mejora del padre A está
afectado por el desempeño de las familias de hermanos completos (AxD, BxA, CxA, ExA y FxA),
pero además cualquiera de las otras cruzas tiene una covarianza que la relaciona con la progenie de
A, lo que se refleja en los elementos distintos de cero de las matrices V y C.
Es importante destacar que, además de las situaciones ya ejemplificadas, BLP puede incorporar la
información de varios rasgos, pruebas de distintas edades así como el parentesco entre las
observaciones. En cada una de estas situaciones los elementos que varían son las varianzas y
covarianzas de las matrices V y C, producto de las distintas precisiones y correlaciones con los
valores de mejora a predecir que presentan las observaciones.
Una de las características del método anterior (BLP) es asumir que los elementos del vector de
efectos fijos α son constantes conocidas e insesgadas, cuando en realidad son estimadas con algún
grado de error. De este modo, las aplicaciones de BLP son solamente una aproximación a la mejor
predicción lineal.
Existe, sin embargo, una metodología conocida como la mejor predicción lineal insesgada (BLUP),
similar en su teoría a BLP y que al predecir los valores de mejora estima los efectos fijos mediante
GLS (White y Hodge, 1989).
REFERENCIAS
Balocchi, C.; Jayawickrama, K. y Pérez, E. 1991. Octavo Informe Anual (1989-1991). Cooperativa
de Mejoramiento Genético UACH/CONAF/Empresas Forestales. U. Austral de Chile. Fac. de Cs.
Forestales. Serie Técnica. Valdivia, Chile. 56 p.
Huber, D.; White, T.; Littell, R. y Hodge, G. 1992. Ordinary Least Squares Estimation of General and
Specific Combining Abilities from Half-Diallel Mating Designs. Silvae Genetica 41 (4-5). pp. 263-273
Graybill, F. 1976. Theory and Application of the Linear Model. Duxbury Press, North Scituate, MA.
704 p.
White, T. y Hodge, G. 1989. Predicting Breeding Values with Applications in Forest Tree
Improvement. Forest Sciences Volumen 33. Kluwer Academic Pub. London. 367 p.
ANEXO 1
MEDICIONES INDIVIDUALES PARA ALTURA (m) DE EUCALYPTUS NITENS
A LOS 4 AÑOS
ANEXO 2. –
PROMEDIOS DE PARCELAS PARA ALTURA (m) DE LA PROGENIE ORIGINADA A PARTIR DE
LAS CRUZAS DE 6 PADRES DE PINUS TAEDA.
BLOQUE MADRE PADRE PARCELA ALTURA BLOQUE MADRE PADRE PARCELA ALTURA
1 1 2 1 2.6899 3 1 2 1 2.2961
1 1 3 2 1.9080 3 1 3 2 2.8956
1 1 5 3 3.1242 3 1 5 3 2.5359
1 1 6 4 2.4933 3 1 6 4 2.9032
1 2 5 1 1.4783 3 2 5 1 2.7737
1 2 6 2 2.7026 3 2 6 2 1.2040
1 3 2 1 3.0480 3 3 2 1 2.9870
1 3 5 2 3.4991 3 3 5 2 2.8407
1 3 6 3 2.4003 3 3 6 3 1.3564
1 4 1 1 3.3955 3 4 1 1 2.6746
1 4 2 2 3.4290 3 4 2 2 2.7066
1 4 3 3 2.5298 3 4 3 3 3.4198
1 4 5 4 2.4155 3 4 5 4 3.3299
1 4 6 5 3.2004 3 4 6 5 3.4564
1 5 6 1 2.2403 3 5 6 1 3.2614
2 1 2 1 3.5662 4 1 2 1 1.8974
2 1 3 2 2.6335 4 1 3 2 1.3005
2 1 5 3 3.6942 4 1 5 3 2.0726
2 1 6 4 3.4808 4 1 6 4 1.8821
2 2 5 1 3.4260 4 2 5 1 1.6400
2 2 6 2 2.4282 4 2 6 2 1.5392
2 3 2 1 3.0480 4 3 2 1 1.8898
2 3 5 2 2.8895 4 3 5 2 2.5146
2 3 6 3 1.9406 4 3 6 3 1.8389
2 4 1 1 3.0114 4 4 1 1 2.3348
2 4 2 2 3.6454 4 4 2 2 1.7272
2 4 3 3 2.9566 4 4 3 3 1.6581
2 4 5 4 2.8118 4 4 5 4 2.1184
2 4 6 5 3.2674 4 4 6 5 1.5545
2 5 6 1 3.7917 4 5 6 1 1.4122
INDICE DE SELECCION
INTRODUCCIÓN
La mayoría de los programas de mejoramiento genético forestal han llegado a una etapa en que tanto
información como material genético están disponibles para crear generaciones avanzadas de árboles
selectos. Esto significa que la selección puramente visual debe dar paso a metodologías de
evaluación que puedan aprovechar eficientemente toda la información actual (tanto individual como
familiar).
Los programas de mejoramiento genético forestal de generación avanzada están enfocados a mejorar
varias características simultáneamente, lo que complica el proceso de selección de los individuos.
Cotterill y Dean (1990) consideran que, independientemente del método de selección utilizado, la
ganancia genética disminuirá a medida que el número de rasgos bajo selección se incrementa. Es
por esto que los mejoradores deben minimizar el número de rasgos que serán seleccionados y evitar,
si es posible, combinar características negativamente correlacionadas, como por ejemplo, densidad
de la madera con rasgos de crecimiento.
La teoría del índice de selección fue inicialmente descrita por Smith (1936). Debido a que el valor
genético de las características de interés al seleccionar plantas es desconocido, este autor solucionó
el problema definiendo lo que él llamo una "función discriminante" de las características observables,
anteriormente descrita por Fischer (1936). Esta función sería el mejor indicador del valor genético de
una planta. Posteriormente Hazel (1943) extendió el procedimiento a la selección de individuos en
poblaciones animales. Este método de selección simultánea de varios rasgos fue posteriormente
conocido como el índice de selección de Smith-Hazel.
1
Ingeniero Forestal. Consultor de Progenesis LTDA
2
Ingeniero Forestal (E). Proyecto Fondef D97I1065. Centro Experimental Forestal. Pedro Aguirre
Cerda # 2.150, Valdivia, Chile.
El aporte significativo que Hazel hizo fue definir una metodología para la estimación de las varianzas y
covarianzas necesarias para derivar el índice y, además, definir el valor genético total o agregado de
un individuo, como una combinación lineal de valores genéticos aditivos, cada uno ponderado por su
valor económico relativo (Lin, 1978).
La teoría del índice se basa en que el beneficio de la selección sobre un grupo de individuos es la
suma de las ganancias genéticas logradas para varios rasgos, los cuales tienen una importancia
económica (Hazel, 1943).
Los rasgos que participan en la selección son escogidos en base a un objetivo de mejoramiento, el
cual es considerado el paso más importante en un programa de mejoramiento genético, ya que
entrega la dirección precisa hacia dónde se quiere llegar con el programa, es decir, depende
directamente del objetivo de producción de la empresa.
Los mejoradores genéticos y economistas han definido los objetivos de mejoramiento como todos los
rasgos que afectan la rentabilidad de su proceso productivo, es decir, aquellos que influyen en los
ingresos y costos. Estas características son incluidas luego en el valor genético agregado
ponderadas por su valor económico.
Como los factores ambientales y genéticos no aditivos (dominancia y epistásis) hacen que el fenotipo
del individuo no se parezca al genotipo, para un rasgo cualquiera, los individuos con el más alto valor
de H no podrán ser reconocidos directamente con exactitud. Por esta razón la selección debe ser
practicada indirectamente, utilizando una variable correlacionada basada en el desempeño fenotípico
de cada individuo para varios rasgos, además de la información familiar de cada rasgo, en el caso que
se cuente con ella (Smith, 1936; Hazel, 1943).
De acuerdo a esto la variable correlacionada será el índice de selección:
donde
bi = coeficiente de regresión múltiple, que maximiza la correlación entre H
eI
Pi = medición fenotípica del rasgo i-ésimo
I = valor del índice, en base al cual se realiza la selección
Los rasgos que se definen en la función del índice no necesariamente deben ser los mismos que se
definieron en H. Puede existir una diferencia entre los rasgos que afectan directamente la rentabilidad
y que forman parte del objetivo de mejoramiento, y aquellos rasgos que son medidos y que forman
parte de los criterios de selección, principalmente debido a que algunos rasgos son muy caros de
medir (Woolaston y Jarvis, 1995).
Los coeficientes bi del índice son calculados de modo de maximizar la correlación entre el índice y el
valor genético agregado (rIH). Es decir, que el valor genético predicho sea lo más cercano posible al
valor genético verdadero (pero siempre desconocido). De esta forma, el cálculo del índice de
selección no centra el problema en la predicción del valor de mejora del individuo para cada rasgo
(como es el caso de otras metodologías de selección), sino más bien en la estimación de los
coeficientes de la ecuación del índice (los bi ).
A diferencia de las metodologías de BLP y BLUP, el índice de selección calcula un único conjunto de
coeficientes b para todos los individuos de la prueba, simplificando de esta manera todo el proceso
matemático.
Estas son las ecuaciones del índice y pueden ser escritas en notación matricial (para una derivación
de la ecuación ver Lin, 1978; White y Hodge, 1989) como:
Pb = Ga (3)
es decir,
P b G a
donde
P = matriz de varianzas y covarianzas entre las observaciones fenotípicas
b = vector de coeficientes de la ecuación del índice
G = matriz de varianzas y covarianzas genéticas
a = vector de ponderadores económicos de los rasgos
Despejando el vector b se tiene la ecuación final para el cálculo de los coeficientes del índice de
selección:
b = P-1Ga (4)
Esta ecuación es la base del índice de selección y es muy similar a las de BLP y BLUP (ver White y
Hodge, 1989).
Para resolver la Ecuación 4 se requieren las heredabilidades en sentido estricto o restringido (h2) y las
desviaciones estándar fenotípicas (σf) de los rasgos; las correlaciones genéticas (rg) y fenotípicas (rf)
entre los rasgos y además los valores económicos relativos (vector a de la ecuación 2).
GANANCIA GENËTICA
El progreso genético logrado a través de la selección de los mejores individuos en base a un índice
de selección puede ser calculado para cada rasgo individual (Gj ) y dependerá en gran parte de la
correlación entre el valor del índice y el valor genético de ese rasgo.
La ganancia genética para cada rasgo en el índice se expresa como (Cotterill y Dean, 1990; Lin,
1978):
Cov(G j , I )
∆G j = i (5)
σI
donde
∆Gj = ganancia esperada en el j-ésimo rasgo debida a la selección
en I
i = intensidad de selección
Cov(Gj , I) = covarianza entre Gj (valor genético del j-ésimo rasgo) e I
σI = desviación estándar de I (valor del índice)
El progreso genético de la selección también puede ser calculado como ganancia genética total (en
términos de un valor genético económico), la que puede expresarse como (Lin, 1978; White y Hodge,
1989):
donde
aj = ponderador económico de la j-ésima variable
Esto significa que ∆H es una combinación lineal de ganancias genéticas en los rasgos del índice,
cada una ponderada por su valor económico relativo.
PONDERADORES ECONÓMICOS
Los ponderadores económicos han sido definidos por Hazel (1943) como el beneficio económico
adicional que puede esperarse del incremento en una unidad de un rasgo.
Su determinación no es fácil. Existen varias situaciones que dificultan una determinación confiable;
los valores económicos de los rasgos pueden variar por cambios en la situación del mercado, ya que
los costos y los precios pueden fluctuar periódicamente, o también para algunos rasgos la
información puede no estar disponible. Además los valores también sufrirán cambios cuando se
alteren las escalas de los rasgos, principalmente para rasgos de crecimiento. Esto sugiere la
necesidad de recalcular los valores a medida que las circunstancias varíen (Lin, 1978; Cotterill y
Dean, 1990; White y Hodge, 1989).
Pese a estos inconvenientes, existen algunas metodologías relativamente simples y que entregan
una interpretación monetaria de los rasgos en evaluación (Cotterill y Dean, 1990).
Este método se basa en el supuesto de que un cambio de una unidad en un rasgo es de la misma
importancia que un cambio de la misma proporción en otro rasgo. Una unidad, sin embargo,
representa en algunos casos más de la variación total que en otros casos. Para que estos valores
describan adecuadamente el valor económico relativo de cada rasgo, se requiere que sean
expresados en base a una cantidad estándar de variación por rasgo. La cantidad usualmente elegida
para esto es la desviación estándar fenotípica (σf).
El valor económico para cada rasgo dentro de la función de valor genético agregado (H) será el
recíproco de la desviación estándar fenotípica:
1
ai = (6)
σFi
donde
ai = ponderador económico para el rasgo i-ésimo
σ Fi = desviación estándar fenotípica del rasgo i-ésimo
Debido a que este método se basa en un supuesto no siempre correcto pero si bastante simple, se
utiliza muchas veces como punto de partida para la aplicación del método de la ganancia deseada.
Pocos mejoradores están preparados para asignar ponderadores económicos a los rasgos, pero la
mayoría puede especificar la cantidad de ganancia que a ellos les gustaría lograr en cada rasgo en
un programa de mejora. Este tipo de "ganancia deseada” es una forma de ponderador económico. De
esta manera, el método determina el valor económico de cada rasgo, en base a la ganancia futura
que se desea obtener de la selección..
Según la teoría del índice de selección, la respuesta genética del índice para un rasgo individual j-
ésimo está dada por la fórmula matricial (Cotterill y Jackson, 1985):
i * Gb
∆G = g = (7)
b' Pb
donde
∆G = g = vector de ganancias genéticas de los rasgos en el índice
Gb = Cov (Gj , I)
b′ P b = σ2I
b = P-1 Ga
b
b* = = G −1 g * (8)
b`Pb
De este modo, el vector b* de coeficientes del índice producirá en cada rasgo una respuesta
esperada proporcional a la respuesta deseada, pero no necesariamente igual. La ecuación que
estima los ponderadores económicos ai , dados los coeficientes b* (es decir, resolviendo hacia atrás)
es:
a = G-1 P G-1 g*
Así, el vector de ponderadores económicos calculado, a, será el que entrega la ganancia deseada
previamente definida.
Aun cuando la definición de la ganancia deseada facilita la asignación de valores económicos a los
rasgos, no siempre los mejoradores están en posición de asignar las mejores proporciones de
ganancia entre rasgos, por lo que el método nuevamente se dificulta.
Otra forma de aplicar el método de la ganancia deseada es usar una iteración. En este caso, la
ganancia esperada en los rasgos individuales en un índice es calculada para muchas diferentes
combinaciones de ponderadores económicos. El conjunto de ponderadores económicos que entregue
la más deseable combinación de ganancias esperadas es escogido para aplicarlo en el índice.
El punto de partida para la iteración de los valores económicos se basa en el valor obtenido por el
método del igual énfasis, los que posteriormente van modificándose, obteniendo un conjunto de
ganancias genéticas entre las cuales elegir.
Antes de que las observaciones fenotípicas sean utilizadas en el índice de selección, es necesario
realizar un ajuste, eliminando así el efecto que tienen las diferencias de los bloques sobre las
mediciones finales de los árboles.
El ajuste de las observaciones tiene un efecto real sobre la identificación de los mejores individuos,
ya que la variación ambiental muestra como individuos superiores sólo a aquellos que crecen en un
buen sitio. Corrigiendo está variación se está más cerca de cumplir con el objetivo de identificar los
mejores árboles de un ensayo.
Existen muchos métodos para ajustar los datos por sus efectos de bloque (ver White y Hodge, 1989).
Sin embargo, correcciones más simples, como el ajuste por bloques son relativamente eficientes
(Cotterill y Dean, 1990).
El ajuste por bloques consiste en aplicar una corrección aditiva basada en las diferencias entre la
media total de un rasgo (y ensayo ) (medida sobre todos los individuos del ensayo) y la media de cada
bloque para ese mismo rasgo (y bloque). Esta diferencia es considerada como el factor de corrección
para cada observación.
De esta manera una observación corregida será calculada como (Cotterill y Dean, 1990):
donde
y ij * = observación corregida en el i-ésimo sitio, j-ésimo bloque
y ij = observación inicial sin corregir en el i-ésimo sitio, j-ésimo
bloque
y ensayo i = media total de la variable a corregir en el i-ésimo sitio
y bloque j = media de la variable a corregir, en el j-ésimo bloque
A continuación se presentan dos ejemplos en que se utiliza la metodología del índice de selección
multicriterio.
Se desea calcular un índice de selección para las mediciones individuales de altura y diámetro a la
altura del pecho de Eucalyptus nitens a los 4 años, en el ensayo El Morro, está localizado en la
comuna de Mulchén, provincia de Bío Bío, VIII Región.
En este caso las variables en el índice (criterio de selección) coinciden con las del valor genético
agregado (objetivo de mejoramiento).
CUADRO 1
PARÁMETROS GENÉTICOS DE UN ENSAYO DE EUCALYPUS NITENS
1
El cálculo de la heredabilidad se realizó utilizando un factor de corrección debido a la autopilinización. En
este caso fue de 0.4 para medios hermanos (en lugar de 0.25, que es normalmente utilizado).
2
Los ponderadores económicos fueron calculados por la metodología de la ganancia deseada.
i) Cálculo de la matriz P
Los elementos sobre la diagonal de la matriz P corresponden a las varianzas fenotípicas para altura,
σ2F(ALT), y DAP, σ2F(DAP). Mientras que los elementos fuera de la diagonal corresponden a las
covarianzas fenotípicas entre los dos rasgos.
donde PALT y PDAP son las observaciones fenotípicas para altura y DAP respectivamente. En este
ejemplo y de acuerdo a los datos del cuadro 1:
Cov(PALT , PDAP) = Cov(P DAP, PALT ) = rf (σF(ALT) * σF(DAP)) =0.861 (1.891 * 2.777) = 4.522
De esta forma la matriz P es:
3.576 4.522
P= 4.522 7.714
G a
donde
Cov (GALT , GALT ) corresponde a la varianza genética aditiva de la altura
Cov (GDAP, GDAP) corresponde a la varianza genética aditiva del DAP
Cov (GALT , GDAP) corresponde a la covarianza genética aditiva entre altura y
DAP
ai corresponde al ponderador económico del rasgo i-ésimo
0.431 0.327
G= 0.327 1.755
La matriz a es:
0.7
a= 0.3
b = P-1 Ga
P-1 G a
b = -0.0469
0.1254
donde PALT PDAP corresponden a las observaciones fenotípicas para altura y DAP de cada uno de los
individuos en el ensayo, previamente ajustadas por sus efectos de bloque.
g= 0.2014
1.9791
La precisión o eficiencia del índice es estimada a través de la correlación entre el índice y el valor
genético agregado (rHI). Este valor se calcula como (Lin, 1978):
σ IH σ 2I σI
Corr ( I , H ) = = =
σI σH σI σH σH
donde
σIH = covarianza entre el índice de selección y el valor genético
agregado.
σI = desviación estándar del índice de selección.
σH = desviación estándar del valor genético agregado.
σ 2I = b'Pb
σ 2H = a'Ga
= 0.3052
De este modo:
rHI = σI / σH = 0.276 / 0.711 = 0.39
Esta correlación nos indica la calidad del índice calculado y su valor aumenta a medida que se
integran más fuentes de información. Es decir, cuando el índice de selección incluye medias
familiares de medios hermanos y hermanos completos para algunos o todos los rasgos. Esta medida
de la precisión también es una valiosa herramienta para determinar la importancia de agregar o
eliminar información del índice, ya que, por ejemplo, un aumento de variables puede no aumentar
significativamente la correlación rIH, pero significar un aumento de los costos de medición.
En este ejemplo se desarrollará un índice que incluya, además de las observaciones individuales, las
medias familiares de medios hermanos para los rasgos de altura y DAP en el mismo ensayo.
i) Cálculo de la matriz P
La matriz P incluirá las observaciones individuales y las medias familiares de medios hermanos para
altura y DAP. De esta manera la matriz pasará de una dimensión de 2x2 en el ejemplo anterior a una
dimensión de 4x4.
Cov( PALT ,PALT ) Cov( PALT ,PDAP) Cov( PALT ,PALT ) Cov( PALT ,PDAP)
Cov( PDAP,PALT ) Cov( PDAP,PDAP) Cov( PDAP,PALT ) Cov( PDAP,PDAP)
Cov(PALT ,PALT ) Cov(PALT ,PDAP) Cov(PALT ,PALT ) Cov(PALT ,PDAP)
Cov(PDAP,PALT ) Cov(PDAP,PDAP) Cov(PDAP,PALT ) Cov(PDAP,PDAP)
donde PALT y PDAP son las mediciones individuales de altura y DAP, y PALT y PDAP corresponden a
sus respectivas medias familiares de medios hermanos.
Los valores de las varianzas y covarianzas fenotípicas individuales son las mismas que para el
Ejemplo 1:
Los restantes valores de la matriz P fueron calculados en base a a las fórmulas desarrolladas por
White y Hodge (1989) y son:
1) La covarianza entre una observaciónn individual y la media familiar para el rasgo de altura:
en donde 0.4 corresponde al coeficiente de parentesco para Eucalyptus nitens sugerido por Potts et
al., (1995).
3) La covarianza entre la media familiar para altura y una observación individual para DAP:
La matriz G en el ejemplo 2 tendrá una dimensión de 4x2, ya que incluirá dentro de las
observaciones, las medias familiares para los dos rasgos en estudio.
donde:
0.431 0.327
G= 0.327 1.755
0.174 0.132
0.132 0.709
La matriz a es:
- Observacion
0.7
a= 0.3
b = P-1 Ga
P-1 G a
0.1100
b= -0.0311
0.5980
0.3336
donde PALT y PDAP corresponden a las observaciones fenotípicas de cada uno de los individuos
previamente ajustadas por sus efectos de bloque, y PALT , PDAP corresponden a las medias
familiares de medios hermanos sin ajustar.
g= 1.0557
1.6920
De este modo:
rHI = σI / σH = 0.468 / 0.711 = 0.66
Esta correlación indica que al integrar la información familiar de medios hermanos se incrementa la
eficiencia del índice calculado, siendo en este caso el aumento de 0.39 a 0.64, lo que mejora
considerablemente la calidad de las jerarquizaciones realizadas en base a este índice combinado.
CUADRO 2
RESUMEN DE LOS RESULTADOS OBTENIDOS UTILIZANDO LOS DOS TIPOS DE ÍNDICES
Familiar:
0.66 1.0557 (15%) 1.6920 (23%)
I = b1PALT + b2 PDAP + b3 PALT + b4 PDAP
1
Las ganancias en porcentaje están calculadas con respecto al promedio de la prueba para cada rasgo.
CONCLUSIONES
De los resultados del cuadro 2 se puede observar que para el rasgo de altura es mucho más eficiente
utilizar un índice familiar que integre los promedios familiares de medios hermanos. Su ganancia
aumenta de un 2 a un 13% al integrar la información familiar.
El diámetro muestra una disminución en su ganancia al integrar medias familiares (de 27 a 23%),
pero esto se debe a un efecto de compensación, ya que la altura tiene una menor heredabilidad con
respecto al DAP y por lo tanto, su ponderador económico es mayor para que no se obtengan
ganancias negativas (aALT = 0.7 en comparación a aDAP = 0.3). Por esta razón es conveniente utilizar
un índice individual que integre sólo el rasgo de altura, ya sea individual o combinando las medias
familiares, para que sus ganancias no se vean disminuidas. Haciendo esto, indirectamente también
se mejorará el rasgo de altura, ya que la correlación genética entre ellos es positiva (rg = 0.3759).
Por último, la correlación entre el valor genético agregado y el índice de selección, se incrementa
considerablemente al integrar información familiar (0.39 vs 0.68), aumentando así la eficiencia del
método.
REFERENCIAS
Cotterill, P. y Dean, C. 1990. Successful Tree Breeding with Index Selection. CSIRO Publications,
Melbourne. 81 pp.
Fisher, R. 1936. The use of multiple measurements in taxonomix problems. Ann. Eugen. 7, 179-
189.
Hazel, L. 1943. The genetic basis for constructing selection indexes. Genetics 28, 476 - 490.
Lin, C. 1978. Index selection for genetic improvement of quantitative characters. Theor. Appl. Genet.
52, 49 - 56.
Pesek, J. y Baker, R. 1969. Desired improvement in relation to selection indices. Can. J. Plant Sci.
49, 803 - 804.
Potts, B.; Volker, P.; Hodge, G.; Borralho, N.; Hardner, C. y Owen, J. 1995. Genetic limitations in the
exploitation of base populations of Eucalyptus globulus ssp. globulus. En: Eucalyptus Plantation:
Improving Fibre Yield and Quality (Eds. B. Potts, N. Borralho, J. Reid, R. Cromer, W. Tibbits y C.
Raymond). pp. 217-221. Proc. CRC-IUFRO. Conf., Hobart, 19-24 Feb. CRC for Temperate Hardwood
Forestry, Hobart (Australia).
Smith, F. 1936. A discriminant function for plant selection. Ann. Eugen. (London) 7, 240 - 250.
White, T. y Hodge, G. 1989. Predicting Breeding Values with Applications in Forest Tree
Improvement. Forest Sciences Volumen 33. Kluwer Academic Pub. London. pp 367.
Woolaston R. y Jarvis S. 1995. The importance of breeding objectives in Forest Tree Improvemrent. En
"Eucalyptus Plantations: Improving Fibre Yield and Quality" (Eds. B.M. Potts,
N.M.G.Borralho,.B.Reid, R.N. Cromer,W.N.Tibbits and C.A.Raymond). pp 463 - 468. Proc. CRC-
IUFRO.
INTRODUCCIÓN
En los últimos años han habido considerables progresos en las herramientas de análisis y predicción
de los valores genéticos individuales, en particular en los llamados modelos BLUP individuales. El
método que ahora se usa extensivamente en los programas de mejora genética animal, es más
efectivo y poderoso porque usa toda la información que se genera en el programa de mejora genética.
La información y los resultados también resultan más accesibles para el profesional gracias a los
modelos genéticos más intuitivos y a la disponibilidad de programas computacionales. La extensión
de esta teoría al área forestal es reciente, pero el interés en la aplicación es creciente y existen
varios ejemplos de uso de BLUP en programas de mejoramiento genético en pequeña y gran escala.
No hay duda que BLUP llegará a ser el método escogido en la evaluación genética de árboles en un
futuro cercano.
El capítulo enfoca los principios y conceptos de los modelos mixtos en general y en particular de los
modelos para árboles individuales, además algunos detalles de problemas especiales y las ventajas
de aplicarlos a las situaciones forestales.
ASPECTOS TEÓRICOS
En las pruebas genéticas forestales, el valor genético o valor de mejora es evaluado a través del
desempeño de las progenies de acuerdo con el modelo;
y ij = µ + hi + sj + wij
donde yij es el registro individual de la progenie del j-ésimo progenitor en el i-ésimo bloque, µ es la
media de la prueba, hi es el efecto del bloque, sj es el efecto del j-ésimo progenitor, con una média 0
y desviaoión σ2s y wij es el error residual (0,Iσ2w). Una vez analizado, este modelo entrega la solución
para cada padre (o aptitud combinatoria general), basado en la media de su progenie, después de
ajustada por la media y el bloque. Si se necesita la solución para ambos padres y su progenie, una
alternativa es reescribir el modelo tal como;
y ij = µ + hi + aj + eij
donde aj es ahora el efecto genético aditivo del j-ésimo árbol (0,Aσ2a) y eij es el efecto ambiental
aleatorio (0,Rσ2e). Frecuentemente R se asume como la matriz identidad I, así los efectos
ambientales se asumen independiente entre observaciones. La matriz A es la matriz de parentesco
aditiva, el Numerador de la Matriz de Parentesco, o la relación de parentesco entre los términos de a.
El uso de A (o de su inversa) es una característica común en los modelos de árboles forestales.
1
Ingeniero Forestal, Ph.D. RAIZ, Herdade da Torre Bela, Ap. 15, 2065 Alcoentre, Portugal.
e-mail: [email protected]
Arboles no emparentados.
Considere el modelo:
y ij = µ + aj + eij
donde var(y ij )= σ2a + σ2e y cov(aj , eij ) = 0, y si los árboles no están emparentados, cov(y i , yj ) = 0. Este
modelo es apropiado cuando se tiene solo un dato de cada individuo y estos no están emparentados.
Antes del cálculo de los valores de mejora se definirá la heredabilidad como;
σ 2a
h = 2
2
σy
con σ2a = cov (a, µ + a + e) = cov(a, y). De esta forma h2 = cov(a, y)/var(y), y consecuentemente
cov( a , y )
a$ = ( y − µ) (2)
var ( y ) i
âi = h2(y i - µ)
Arboles emparentados
Para una población de individuos emparentados, nosotros podemos definir un modelo lineal similar;
y ij = µ + aj + eij (3)
donde ahora var(y ij ) = Aσ2a + Iσ2e donde A es la matriz de parentesco genético. Una extensión
multivariada de (2) es
â = CV -1(y - µ) = E(ay)
Esta son las ecuaciones comunes de índice de selección. El modelo puede ser además generalizado
para incluir efectos fijos, árboles sin datos, árboles con datos repetidos y errores correlacionados.
Luego, el modelo lineal puede ser;
y ij = µ + bj + aij + eij
o en notación matricial
y = Xb + Za + e
donde;
E(y) = Xb
var(y) = ZAZ´ σ2a + Rσ2e
Ahora â = CV -1(y - Xb) donde C = cov(a, y) = AZ´ σ2a y V-1 = (ZAZ´ σ2a + Rσ2e)-1 así,
Nuevamente, si esto es lineal, â es el mejor predictor (BLP) de a, asumiendo que se conoce σ2a ,
σ2e, y b. Si b es desconocido, la mejor predicción lineal (BLUP) se obtiene desde;
~
a$ = CV − 1 y − Xb( )
donde;
( )
~ −
b = XV −1 X XV −1 y
esto es normalmente difícil de calcular y una forma alternativa es usar las ecuaciones de modelos
mixtos de Henderson (EMM):
~
b XR −1 X XR −1 Z -1
XR −1 y
[ ] = [ ] [ ]
a$ ZR− 1 X ZR −1 Z + A−1 λ ZR −1 y
donde λ = (1- h2)/h2. Bajo condiciones de normalidad, â (con λ conocido) maximiza la correlación
entre â y a, maximizando la correcta construcción de la jerarquización de a en base a â y
maximizando la media del grupo seleccionado como â .
C11 C12 XR −1 X XR −1 Z
Si [ ] representa la inversa de [ ] entonces;
C21 C22 ZR− 1 X ZR −1 Z + A−1 λ
A través de A, los cambios en la media genética, tanto por azar o por selección se explican para:
dadas varianzas y covarianzas correctas y el modelo genético adecuado, y si el llamado modelo del
gen con efecto infinitesimal, es apropiado. Entonces teóricamente, las estimaciones BLUP:
- son insesgadas, y a mayor información acumulada, la estimación del valor de mejora (VM) de cada
árbol se incrementa o decrece proporcionalmente, acercándose al valor real.
- los efectos fijos, como los bloques, son cuantificados para los niveles genéticos de los árboles que
ellos contienen. También, el parentesco entre los árboles puede crear relaciones adicionales entre las
diferentes clases de efectos fijos, incrementando la exactitud de la estimación.
- para comparar las estimaciones del valor genético en el tiempo, BLUP provee un estimador
insesgado de la tasa de mejora de la población.
Un problema crítico en los modelos de árboles es el tener una correcta comprensión y definición de la
población base. Cuando se forman los NMP, todos los árboles sin identificación del progenitor se
asumen que son una muestra de una simple población base con un valor promedio de mejora igual a
0 y una varianza común σ2a. Si los árboles base se muestrean de poblaciones con diferentes medias
genéticas, entonces el modelo debe explicar la estructura de las subpoblaciones y permitir diferentes
valores esperados para los árboles de la población base.
El valor genético de un árbol es la descripción del valor de los genes de ese árbol cuando son
traspasados a su progenie. Para la mayoría de los rasgos, los valores genéticos no son conocidos
con certeza, pero se pueden estimar. Nosotros vamos a calcular el valor genético para los árboles
utilizando varias fuentes de información, por ejemplo; desempeño individual para uno o más rasgos y
el desempeño de los parientes. Es decir cuanta de esta información esta relacionada al valor
genético verdadero, es decir cuanto de la superioridad debe ser penalizado, en términos estadístico
cuanto debe ser regresado. El valor genético estimado usando el análisis BLUP posee varias
propiedades muy útiles. La predicción del rendimiento de la progenie es el simple promedio de los
valores genéticos de los dos progenitores usados:
a$ m + a$ f
P$0 =
2
a$ m + a$ f ~ a$ m + a$ f
P$0 = + hw2 ( y − Xb ) −
2 2
1
2 (1 − F )h 2
h 2
=
1 (1 − F )h 2 + 1 − h 2( )
w
Para comparar árboles directamente se deben haber medido sus rasgos de importancia económica,
el procedimiento más conveniente consiste en agregar a cada árbol su valor expresado en unidades
económicas. Este puede estar definido, por ejemplo, como el beneficio económico para la silvicultura
si toda la superficie fue plantada con la progenie de un árbol particular. La notación en este caso
será el valor genético estimado expresado en $ (VG$). Por ejemplo, en los sistemas de producción
de pulpa, se tiene información sobre la rectitud del fuste se puede hacer una jerarquización de
acuerdo al impacto (a través de los costos de cosecha) en los costos totales. Desafortunadamente,
el impacto de la rectitud del fuste en los costos de pulpaje es bajo y nuestra habilidad para separar
los árboles en base a su VG$ es limitada. Por otro lado, si tenemos disponible la información de
volumen, densidad de la madera y rendimiento pulpable, la diferencia entre un buen genotipo y un mal
genotipo será claramente establecida si estos rasgos son importantes en los costos de producción.
De esta forma, las diferencias entre los VG$ (que determina nuestros diferenciales de la selección)
será mayor. En conclusión, mientras más información relevante se acumule sobre cada árbol, el
beneficio se extiende a la estimación del valor genético y al VG$. Recapitulando, resultará un
diferencial de selección mayor entre el grupo de árboles seleccionados y el promedio general.
Una información importante, cuando se realizan selecciones, es aquella relacionada con la exactitud
de la predicción realizada. Esta puede ser una cuantificación del error de la varianza (EV) de la
estimación del valor genético realizada como la raíz de la varianza (SEVG)0.5. Por ejemplo, para los
valores genéticos calculados desde el fenotipo (selección masal), el error estándar es igual a:
SEVG = (1 − h )h σ
2 2 2
y
Una medida más intuitiva es la que entrega la correlación entre el verdadero valor genético y el
estimado (raâ), la que estima la exactitud de la estimación del valor genético. Esta se calcula como;
SE 2 VG EV
raa$ = 1 − = 1− 2
h σy
2 2
σa
Esa exactitud es una medida de la confianza que se puede tener en la predicción del valor genético
de un rasgo en particular.
En mejoramiento genético forestal, la cantidad y el tipo de información disponible por selección puede
variar considerablemente entre árboles. Algunos pueden tener una o varias mediciones o de sus
progenies o hermanos. Algunas mediciones se toman en escalas continuas (por ejemplo, el
crecimiento) y otras en escalas discretas (forma) o eventualmente como escalas de 0 o 1
(supervivencia). La información puede variar también de acuerdo a la edad, usualmente las
evaluaciones más viejas son más relevantes.
~
- Relación lineal entre ”y” y K´ b .
Se acepta que los modelos lineales son siempre una aproximación. Esta es una consideración
importante si su uso permite predicciones precisas para nuestros propósitos. Nosotros deberíamos
primero ser capaces de definir el vector de datos (y) con n elementos. Para hacer inferencias
respecto de este parámetro, o predicciones sobre futuras observaciones, este vector debe
considerarse como un muestra aleatoria de alguna población verdadera o conceptual con distribución
conocido o asumida.
La información disponible para los análisis en general se encuentra agrupada o clasificada en terreno.
Por ejemplo; familias (o parientes), repeticiones, sitios, parcelas, tratamientos de fertilización,
espaciamiento, número de vecinos vivos o nivel de competencia de la maleza o ramoneo. A veces
existe interés por conocer la magnitud de esos efectos, pero la mayoría de las veces simplemente se
ajustan los factores, y se incluyen en el modelo según nuestra habilidad para comparar árboles
creciendo en ambientes diferentes.
La definición respecto de si un factor es considerado fijo o aleatorio es algo arbitrario. Por supuesto,
todos los factores aleatorios tienen varianza conocida, y similarmente, a todos los efecto fijos se les
asume que no tienen varianza.
En los modelos para árboles forestales, los efectos genéticos aditivos se asumen como aleatorios,
porque los análisis incluyen características intangibles que se asumen como aleatorias. La solución
para la estimación de los valores genéticos, es en efecto, un conjunto de valores de variables
aleatorias, aunque algunos valores usualmente no pueden ser medidos. En los ensayos forestales,
los tratamientos como la fertilización, espaciamiento, procedencias o familias son considerados fijos
cuando es de interés predecir sus efectos. Esto también se asume en las repeticiones de los
experimentos, los tratamientos pueden ser repetidos exactamente, obteniéndose los mismos efectos.
Las repeticiones y bloques, por otro lado, normalmente se consideran como efectos fijos. Desde el
punto de vista estadístico, la situación de efectos fijos versus efectos aleatorios no es enteramente
irrelevante. Cuando se tratan los bloques como efectos fijos, las evaluaciones genéticas son
constantes frente a los efectos de bloque, por lo tanto se remueven el sesgo en las comparaciones
genéticas entre clases. Cuando los bloques son tratados como efectos aleatorios, la información de
cada árbol se incrementa, y consecuentemente la predicción del error de la varianza se reduce. Se ha
demostrado, sin embargo, que cuando los bloque son relativamente grandes, o cuando la relación de
la varianza residual con la varianza del bloque es pequeña esta decrece en el EV, cuando en los
tratamientos en bloques la aleatorización es pequeña. Por lo demás, si el material genético en los
bloque no se asigna aleatoriamente, como puede ocurrir frecuentemente comparando distintas
generaciones, la estimación del valor genético puede ser sesgada. (Ugarte et al., 1992).
Los ejemplos comunes sobre los efectos en las evaluaciones genéticas se relacionan con el diseño
escogido del ensayo, sitio, repeticiones, bloques en cada repetición. El propósito de estas clases es
remover (o ajustar) de las observaciones de los arboles individuales los efectos ambientales (a
pequeña o gran escala). Es más efectivo cuando se tienen cuantificados estos efectos, mientras más
información fenotípica participe del ajuste, mejor se reflejará el mérito genético de los individuos.
Otros efectos ambientales permanentes pueden ser considerados. Un ejemplo es el efecto de las
parcelas. Si los árboles de una misma familia son plantados en parcelas vecinas en un bloque, los
individuos en la parcela comparten los mismos efectos ambientales. Si los efectos de parcela son
importantes, los hermanos en la misma parcela se parecerán mucho a otros árboles hermanos
creciendo en diferentes parcelas después de haber ajustado los efectos de bloque. En este caso
simple, este efecto de parcela corresponde a lo que se conoce como interacción familia x bloque.
Finalmente, otros efectos pueden ser considerados, tales como la dominancia (o ACE), el nivel de
endogamia y otros efectos ambientales tales como la competencia.
Un ejemplo
Los datos usados aquí corresponden a una serie pequeña de familia de hermanos completo de
primera generación, los que provienen de cruzamientos entre 14 progenitores no selectos y no
emparentados. El esquema de cruza corresponde a un dialelo incompleto, que incluye 43 familias.
La progenie de esas cruzas fue establecida en ensayos, con un diseño de 18 bloques completos al
azar, conteniendo cada uno parcelas de un árbol. Así, cada familia está inicialmente representada por
18 progenies, una en cada bloque. Tres años después de la plantación, se midió la altura en todos
los árboles sobrevivientes (731 individuos). El detalle de los datos se registra a continuación:
Modelo
El modelo usado considera los bloques como efecto fijos, y los árboles y las familias de hermanos
completos (o aptitud combinatoria específica) como un efectos aleatorio secundario no
correlacionado. En notación matricial se puede escribir como;
y = µ + Xb + Za + Ws
donde b es el efecto de los bloques (fijo), a es el efecto de los valores genéticos de los árboles
individuales, s es el efecto de los efectos no aditivos de las familias de hermanos completos (los
efectos ACE), X, Z y W son matrices de incidencia y e es el efecto residual. Las tablas siguientes
resumen la clasificación y los niveles de los efectos de bloque, familia y árboles;
Los componentes de varianza para los efectos aleatorios se asumen conocidos e iguales a;
~
b X' X X'Z X 'W X 'y
[ a$ ] = [ Z ' X X' X + A λ
−1
Z 'W -1
] [ Z' y ]
s$ W' X W'Z W ' W + Iτ W' y
Las predicciones de los valores genéticos (soluciones para a) y su correspondiente varianza del error
son:
Árbol VG ± EV
esto porque la estimación del valor genético de los progenitores y de la progenie ha sido estimado
usando diferentes fuentes de información.
FAM BLUP ± EV
Estas estimaciones son desviaciones de las familias de hermanos completos respecto de la media
de los valores genéticos de los progenitores. Por ejemplo, los efectos ACE de la cruza entre el padre
4 y el 16 (FAM416) tiene un valor de 0.19 metros por encima del promedio de los progenitores.
(0.5EVBV4 + 0.5EVBV16 = 0.02 metros). Los hermanos completos de esta cruza tienen de esta
manera un valor genético esperado de 0.02 + 0.19 =0.21 metros.
Como se mencionó anteriormente, los valores genéticos estimados de los progenitores y de las
progenies pueden ser ahora comparados directamente. Cuando los valores genéticos son
jerarquizados, un progenitor de la población base (el árbol 6) esta entre los mejores arboles, y los
otros 29 corresponden a arboles de la progenie de la primera generación. Los mejores tienen un
promedio de valor genético de alrededor de 0.5 metros, lo cual corresponde a una ganancia esperada
de 0.5/5.9, o 8% en altura a la edad de tres años. La ganancia en volumen de la selección en base a
los valores genéticos puede ser calculada como;
cov(VOL , HT ) σa ( vol)
VGvol = VGHT = ra .VGHT
σa2 ( Ht ) σa2 ( Ht )
Si la correlación entre la altura (en metros) y el volumen (en m3/ha) es 0.7, y la desviación estándar
aditiva de la altura y el volumen son respectivamente 0.33 y 36 entonces;
(0.7 * 6)
VGvol = *VGHt
0.57
Para los arboles en la cima de la jerarquizaron (con estimaciones de valor genético = 0.5) esto
corresponde a un ganancia de 3.7 m3/ha. La tabla a continuación entrega los valores genéticos
estimados para los mejores 19 arboles, incluyendo progenitores y progenie.
Árbol VG EV
317001 0.5731 0.214
6 0.557 0.190
318028 0.5302 0.214
311003 0.5154 0.214
302004 0.5074 0.213
En nuestro ejemplo, solo 14 progenitores se espera que formen parte del muestreo aleatorio de la
población base. La progenie resultante de ellos no es al azar. Por ejemplo, algunos progenitores son
usados mas que otros (de esta forma estos contribuyen mas a la siguiente generación) en el
esquema de cruzamiento, y sus estimaciones de valor genético no tienen promedio cero.
La predicción de la varianza del error esta siempre presente. Esta puede usarse para estimar la
exactitud o correlación entre la estimación del valor genético y el verdadero valor genético como;
EV
raa$ = 1 −
σa2
Por ejemplo, en el caso del mejor árbol en el ensayo, (árbol 317001) la exactitud es;
El segundo mejor árbol (árbol 6) perteneciente a la población base y con una exactitud de;
PROBLEMAS ESPECÍFICOS
En el ejemplo previo, de toda la progenie probada se conoce el padre y la madre. Sin embargo en el
caso de las familias de polinización abierta uno de los progenitores no se conoce. Para mantener
insesgado el estimador a (sombrero) se requiere que ”e” represente sólo el muestreo mendeliano y
esto es sólo si ambos progenitores se identifican y contabilizan para la matriz de parentesco
(excepto para una población base no enparentada). En el caso de familias de polinización abierta,
”e” contiene un componente genético que se agrega al muestreo mendeliano.
En muchas especies, las familias de polinización abierta rompen este supuesto; los hermanos
pueden tener ambos padres en común (hermanos completos), el progenitor masculino puede provenir
de una población considerablemente diferente y los dos progenitores pueden estar relacionados
(incluido el caso extremo de la autopolinización, donde F = 1/2). La violación de este supuesto en las
familias de medios hermanos, provoca un considerable sesgo en la estimación de la heredabilidad,
pero no está claro cual es el impacto en la exactitud de la estimación de los valores genéticos,
aunque en algunos casos hay tendencia al sesgo.
El modelo que se describió previamente no es el mas apropiado para analizar situaciones entre
especies o razas, esto porque no contabiliza los efectos de hibridación, incluidos efectos de
especies, de raza y heterosis. De esta forma que hay diferencias en los promedios genéticos entre
las poblaciones puras, lo se considera de naturaleza aditiva. La heterosis (o vigor híbrido) se refiere a
una repartición en el cruzamiento híbrido desde la media de ambas especies puras o las razas. Si el
efecto raza se denota como gA y gB para las razas A y B, los efectos de raza en la generación F1
son;
1 1
gA + gB
2 2
Cada efecto de raza es ponderado por 1/2, porque la mitad de los genes en F1 provienen de cada
raza. Si los arboles de la F1 son retrocruzados con la raza A, los efectos de raza en la progenie
resultante son 3 / 4 g A + 1 / 4g B , desde ahora en la media de los casos, 3/4 de los genes provienen
de la raza A, y 1/4 de la raza B. Sin embargo, para contabilizar los efectos no aditivos, las razas
difieren en efectos maternales y la heterosis maternales o paternales.
La manera más simple, para extender el análisis BLUP a las situaciones de poblaciones híbridas, es
incluir los efectos del cruzamiento y de heterosis en el modelo. La combinación tiene dos etapas;
y = Wm + Xb + Zµ + e
(2) para estimar estos efectos puede ser usado un modelo lineal con los parámetros del
cruzamiento;
m$ = Kp + e
donde m es el vector de las estimaciones de las medias de grupo de los híbridos (del análisis 1), p es
un vector de parámetros de hibridación (efectos genéticos aditivos, heterosis, heterosis maternal,
etc.) y K es la matriz que relaciona los parámetros de los híbridos con el grupo de medias. Los
componentes de la evaluación genética híbrida (después de Swan, 1992, In: Animal Breeding the
Model Approach, PGFVS, Univ. New England, Australia) puede ser ilustrada como:
Grupos Genéticos
Los efectos de grupo pueden ser vistos como una cuantificación de los méritos genéticos o una
selección no cuantificada de información de parientes. El modelo general con agrupación (que
cuantifica a antecesores no identificados que no han sido muestreados de la misma población) es:
n
yij = µ + hi + a i + ∑ q jk g k + p j + eij
k =1
y = Xb + ZQg + Za + e
Donde Q = TQ*
Donde T dado que A = TWT' y Q* asignan antecesores no identificados a los grupos. En este caso el
valor genético del árbol es:
a$ * = Qg$ + a$
2 1 3
4 5
6
Si los progenitores fantasmas de los arboles 1 y 2 pertenecen a una procedencia (denotada como
G1), y el progenitor fantasma del árbol 3 pertenece a una procedencia distinta (G2), un segundo
listado de pedigrí es:
P1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0
P2 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0
P3 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0
P4 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1 0
P5 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1
P6 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 1
=
1 05, 05, 0 0 0 0 1 0 0 0 0 0 0 0 1 0
2 ,0 0 05 , 05 , 0 0 0 1 0 0 0 0 0 0 1 0
3 0 0 0 0 05, 05, 0 0 1 0 0 0 0 0 0 1
4 025
, 025
, 025
, 025
, 0 0 05
. 05, 0 1 0 0 0 0 1 0
5 025
, 025
, 0 0 025, 025
, 05
, 0 05, 0 1 0 0 0 0,5 0,5
6 025
, 025
, 0125
, 0,125 0125
, 0125
. 05
, 025
, 025
, 05
, 05
, 0 0 0 0,75 0,25
~
X' X X'Z X ' ZQ b X' y
[ Z' X Z ' Z + G −1 Z ' ZQ ] [ a$ ] = [ Z' y ]
Q' Z ' X Q' Z ' Z Q' Z ' ZQ g$ Q' Z ' y
Clones
la matriz Z en el MME. Las soluciones para cada clon estarán referidas a sus méritos genético
aditivos, no al méritos genético total ( aditivos + no aditivos). Paralelamente, si los afectos no aditivos
son pequeños, el uso de varios clones de un genotipo mejora considerablemente la estimación del
valor genético, particularmente si la heredabilidad del rasgo es baja. El efecto puede ser visto como
un incremento en la exactitud debido a la repetición de las mediciones.
Considere el siguiente pedigrí, donde el árbol tres, es una progenie proveniente entre los arboles 1 y
2, y fue clonada dos veces (las mediciones se muestran entre paréntesis):
1 2(11)
3(10)(9)
1 0 1/ 2
0 1 1/ 2
1/ 2 1/ 2 1
Y la inversa es:
11 / 2 1 / 2 −1
1 / 2 11 / 2 −1
−1 −1 2
µ 3 0 1 −2 30 101.
a$1 0 11 / 2 1 / 2 −1 -1
0 −0,3
= =
a$ 2 1 1 / 2 21 / 2 −1 11 0,3
a$ 3 2 −1 −1 4 19 −0,3
Como el modelo tiene registros repetidos de arboles, la EMM puede ser expandido para incluir
efectos ambientales permanentes o efectos de propagación además de otras contribuciones a la
covarianza entre registro de un mismo clon. La integración entre material clonal y de semilla puede
ser fácilmente realizada.
Efectos de Dominancia .
La extensión del modelo genético aditivo a un modelo general que involucre efectos aleatorios no
genéticos es teóricamente prematuro. Por ejemplo, los efectos de Dominancia pueden ser agregados
al modelo como:
y = Xb + Za + Zd + e
Donde d = (0, Dσ2d) es el vector del efecto de dominancia genética de los arboles. La MME
correspondiente:
~
X' X X'Z X'Z b X' y
−1
[ Z' X Z'Z + A λ Z'Z ] [ a$ ] = [ Z ' y ]
Z' X Z'Z Z'Z + D τ
−1
g$ Z' y
yi = µ + h j + ai + d i + bFi + eij
1 2 (10)
3 (9) 4 (8)
1 0 0,5 0,5 4 2 −2 −2
0 1 0,5 0,5 2 4 −2 −2
A =[ ] y, A -1λ = [ ]
0,5 0,5 1 0,5 −2 −2 4 0
0,5 0,5 0,5 1 −2 −2 0 4
1 0 0 0 2 0 0 0
0 1 0 0 0 2 0 0
D = [ ] y, D-1 τ = [ ]
0 0 1 0,25 0 0 2 ,13 −0,53
0 0 0,25 1 0 0 −0,53 2,13
µ 3 0 1 1 1 0 1 1 1 27 9 ,023
a$1 0 4 2 −2 −2 0 0 0 0 0 −1,4
a$ 2 1 2 5 −2 −2 0 1 0 0 10 0,14
a$ 3 1 −2 −2 5 0 0 0 1 0 9 0,007
a$ 4 =[ 1 −2 −2 0 5 0 0 0 1 ]-1
8 = −0,147
d$1 0 0 0 0 0 2 0 0 0 0 0
d$ 2 1 0 1 0 0 0 3 0 0 10 0,279
d$ 3 1 0 0 1 0 0 0 3,13 −0,53 9 −0,059
d$4 1 0 0 0 1 0 0 −0,53 3,13 8 −0,29
Resolviendo el conjunto de ecuaciones se establecerá una solución a cada estimación del valor
genético y de la desviación de dominancia. El mérito genético total, por ejemplo para el árbol 3, será
a&&3 + d$ 3 = 0,007 − 0,059 = −0,052 .Esta estimación será la mejor indicación del valor genético
total de cada árbol, y resulta importante en el caso de sistemas implementados clonalmente.
Varianzas Heterogéneas
Como se menciono antes, por las propiedades que BLUP posee, la exactitud de las varianzas y
covarianzas de todas las observaciones pueden ser conocidas y usadas en las evaluaciones. Sin
embargo, por razones computacionales, o por falta de exactitud en los parámetros estimados, los
modelos son usualmente ajustados usando los menos parámetros posibles. Un supuesto que se
asume frecuentemente en estas simplificaciones es que la varianza es homogénea entre los distintos
niveles de efectos fijos y aleatorios. En un ensayo con condiciones razonablemente homogéneas,
esto usualmente no es difícil de asumir, pero cuando varios ensayos son combinados, con arboles
que tiene distintas edades o tasas de crecimiento, las varianzas son probablemente diferentes.
Para propósitos más prácticos, la varianza genotípica en cada ensayo, o paralelamente en cada
bloque, puede ser estimado primero y ajustada por un factor. Un método simple es:
σp
y ijc = y ij
σi
primera estimación, donde el coeficiente de regresión dependerá de las varianzas muestreada para
cada prueba individual, y de la varianza de los parámetros a través de los sitios. Esta regresión puede
ser escrita como:
θ$ *i = θ$ 0 + β i (θ$ i + θ$ 0 )
β = 1/(1+ γ) con γ1 entre la proporción de la varianza muestreada (en el ensayo) y la varianza del
parámetro (entre ensayos). En la practica esta regresión hará las desviación estándar estimada en un
ensayo tan cercana a la estimación a priori (sobre el total) cuando esta es basada sobre uno pocos
árboles.
Una situación común en mejoramiento genético es aquella en que individuos de diferentes edades
son evaluado simultáneamente. En la mayoría de los casos los tamaños de los arboles difieren
considerablemente, y una aproximación es considerar el desempeño a diferentes edades como
diferentes rasgos. Esto parece justificable si las heredabilidades difieren considerablemente y las
correlaciones genéticas edad - edad son menores que 1. En especies de rotaciones cortas, sin
embargo, las correlaciones entre edades juveniles (primer y segundo año) y rendimientos posteriores
(8 a 10 años), son cercanas a 1, sugiriendo que el rendimiento a diferentes edades puede ser visto
como una expresión del mismo rasgo. Esto resulta en una notable simplificación del problema desde
un análisis multivariado (que a veces relacionan mas de dos edades) a un análisis univariado.
V A (m )
V A( j )
donde V A(m) y V A(j) son las varianzas genéticas a la edad madura y juvenil. Una expresión mas
simple puede usar un factor de expansión teórico:
Vm 1
x= =
V j corr (m, j ) 2
donde Vm es la varianza fenotípica de las mediciones maduras (más vieja en edad), Vj es la varianza
de las mediciones parciales (juveniles), y corr(m, j) es la correlación fenotípica entre los registros
juveniles y maduro. Una consecuencia esperable de este ajuste es que los registros proyectados
tendrán varianzas menores que los registros completos ( debido a que las predicciones tienen menos
varianza que las variables que ellos predicen). Una forma simple de corregir esto es expandiendo las
varianzas de j hasta que las varianzas genéticas de ambos j y m se igualen. Las varianzas de estos
registros expandidos (q) serán:
V q = V m + V (q − m )
En orden a tener una varianza genética constante, la varianza ambiental de los registros expandidos
será (van Raden 1991, J. Dairy Sci., 74:4344-4349):
( )
var e q = x 2 ( var ( p )) − r ( var (m))
donde r es la repetibilidad de incrementos anuales. Si se define una longitud ponderada (wlen) como el
error de la varianza de m (de los registros completos) dividido por el error de la varianza de q (de los
registros expandidos) entonces:
Raleos selectivos
Teniendo información disponible de todos los arboles previo al raleo, el análisis BLUP cuantificará los
árboles que serán eliminados por selección. Pueden ser seguidos dos procedimientos simples para
ajustar el raleo en un ensayo de progenie: (1) Si los rasgos antes y después del raleo son
considerados iguales (por ejemplo diámetro a los 3 años en todos los arboles y los 5 años en los
arboles remanentes), los registros medidos previos al raleo deben ser expandidos, así las varianzas
entre los seleccionados y no seleccionados serán homogéneos, y todos los arboles se incorporaran
en un análisis simple. Las varianzas residuales de los registros expandidos pueden ser ajustadas
adecuadamente, de acuerdo a los apartado anteriores (¿Como se puede interpretar la correlación
edad-edad?). Si el rasgo previo al raleo es genéticamente diferente del rasgo medido después del
raleo (por ejemplo, altura a edad temprana, y DAP a mayor edad), un análisis bivariado debe ser
usado, con el rasgo juvenil medido en todos los arboles y el rasgo en la madures medido en los
arboles no seleccionados. Los parentescos genéticos entre los seleccionados y los no seleccionados
puede ser usado para cuantificar el raleo selectivo.
Es posible ahora expandir el análisis BLUP a toda la informa con generada en el programa de
mejoramiento. Entregando la información de las varianzas y covarianzas entre rasgos, el modelo
puede ser especifico en incluir varios rasgos, las mediciones repetidas o perdidas pueden ser
acomodadas, y la dominancia aditiva y la depresión endogámica son predecibles.
Las dos fuentes de información mas importantes usadas en un programa son (1) las mediciones
tomadas de los diferentes rasgos, y las asignaciones a ambientes específicos y clases de edades, y
(2) la relevancia económica de esos rasgos en el objetivo del mejoramiento.
Análisis Multivariado
Los modelos para arboles individuales definidos previamente pueden ser fácilmente ampliados (a un
mayor costo computacional) para incluir varios rasgos. Como se menciono previamente, los análisis
multicaracteres pueden ser extendidos para incluir la interacción genotipo - ambiente o correlaciones
inferiores edad - edad. El modelo aún es:
y = Xb + Za + e
pero ”y” ahora contiene observaciones de m rasgos por árbol, y el vector ”a” consiste de valores de
mejora para m rasgos por árbol. En este caso el modelo es:
Var(a) = G = A⊗G0
G-1 = A-1⊗G0-1
donde A es la NMP como antes y G0 es la matriz de varianzas y covarianzas genéticas entre los m
rasgos. De este modo, var(e)=R es un bloque diagonal que consiste en las varianzas residuales y
covarianzas entre los rasgos de cada árbol.
Pb = Gv
donde v es un vector de ponderadores económicos para los rasgos objetivos del mejoramiento, b es el
vector de coeficientes del índice, P es la matriz de varianza - covarianzas fenotípicas entre los rasgos
en el índice, y G es la matriz de covarianzas genéticas entre los rasgos en el índice y los rasgos en
el objetivo de mejoramiento. Cuando construimos los coeficientes de los índices, el vector v ponderara
mayormente aquellos rasgos que están mayormente relacionados con el objetivo de mejoramiento.
Una expresión muy similar puede ser derivada de las soluciones BLUP. Luego g será el vector de las
estimaciones del valor genético para los diferentes rasgos en el objetivo de mejoramiento. Entonces,
el objetivo de mejoramiento, puede ser llevado a una función lineal con todos los rasgos relevantes
como v'g, o v1g1 + v2g2 +......+ vkgk. Para el árbol i, el v ' g$ i es la valoración económica total. Una
formulación más completa puede ser hecha al expandir la EMM, para incluir los rasgos actualmente
medidos y aquellos que son importante pero que no tiene mediciones:
~
X' X XZ 0 b X' y
[ Z' X Z ' Z + A −1 ⊗ G 11 A − 1 ⊗ G 12 ] [ a$ ] = [ Z' y ]
0 A − 1 ⊗ G 21 A −1 ⊗ G 22 g$ 0
donde g es el vector de las predicciones de los valores genéticos, para todos los arboles, para los
rasgos en el objetivo de mejoramiento. Ahora:
a G11 G12
var[ ] = A⊗[ ] =G
g G21 G22
G 11 G 12
G = A ⊗ [ 21
-1 -1
]
G G 22
donde G22 es la varianza-covarianza genética entre los rasgos en el objetivo, y G12 es la matriz de
covarianza genética entre los criterios de selección (rasgos para los cuales se tomaron mediciones) y
los rasgos en el objetivo de mejoramiento. Si el vector de ponderadores económicos es definido de
manera tal que los cambios en los rasgos unitarios están relacionados con cambios en las unidades
económicas ($/unidad rasgo), luego el mérito genético agregado (denotado como EVG$) es;
Hi = v´ G21 G-111 a
El mérito genético agregado reflejara la real valoración económica para un sistema de producción
particular, implementado para cada individuo. Esto puede llegar a ser un criterio para jerarquizar
arboles en selecciones posteriores.
REFERENCIAS
Gianola, D. y Hammond, K. (Eds). 1990. Advances in Statistical Methods for Genetic Improvement of
Livestock. Advances Series in Agricultural Science N° 18. Springer - Verlag. 534 p.
Hammond, K., Graser, H.-U. y McDonald, C. (Eds). 1992. Animal Breeding. The modern Approach.
Post Graduate Foundation in Veterinary Science, University of Sydney. 257 p.
Henderson, C. 1976. A simple method for computing the inverse of the numerator relationships matrix
used in the prediction of breeding values. Biometrics 32:69-83.
Henderson, C. 1975. Best linear unbiased estimation and prediction under a selection model.
Biometrics 31: 423-447.
Henderson, C. 1984. Applications of Linear Models in Animal Breeding. University of Guelp, Canada.
Henderson, C. 1988. Use of average numerator relationships matrix for multiple-sire joining. J. Animal.
Sci. 66:1614-1621.
Robinson, G. 1991. That BLUP is a good thing: the estimation of random effect. Statistical Science
6:15-51.
Schneeberger, M., Barwick, S. Crow, G. y Hammond, K., 1992. Economics indices using breeding
values predicted by BLUP. J. Anim. Breed. Genet. 109:180-187.
Swan, A. y Kinghorn, B. 1992. Evaluation and exploitation of crossbreeding in dairy cattle. J. Dairy
Sci. 75:624-639.
Ugarte, E., Alenda, R. y Carabaño, M. 1992. Fixed or random contemporary groups in genetics
evaluations. J. Dairy Sci. 75:269-278.
van Raden, P. Wiggans, G. y Ernst, C. 1991. Expansion of proyected lactation yield to stabilise
genetic variance. J. Dairy. Sci., 74:4344-4349.
Westell, R. Quaas, R. y van Vleck, L. 1988. Genetic groups in an animal model. J. Dairy Sci.
71:1340-1318.
White, T. y Hodge, G. 1989. Predicting Breeding Values with Applications in Forest Tree
Improvement. Kluwer Academics Publishers. Dordrecht. 367 p.
INTRODUCCIÓN
En los últimos años han habido considerables progresos en las herramientas de análisis y predicción
de los valores genéticos individuales, en particular en los llamados modelos BLUP individuales. El
método que ahora se usa extensivamente en los programas de mejora genética animal, es más
efectivo y poderoso porque usa toda la información que se genera en el programa de mejora genética.
La información y los resultados también resultan más accesibles para el profesional gracias a los
modelos genéticos más intuitivos y a la disponibilidad de programas computacionales. La extensión
de esta teoría al área forestal es reciente, pero el interés en la aplicación es creciente y existen
varios ejemplos de uso de BLUP en programas de mejoramiento genético en pequeña y gran escala.
No hay duda que BLUP llegará a ser el método escogido en la evaluación genética de árboles en un
futuro cercano.
El capítulo enfoca los principios y conceptos de los modelos mixtos en general y en particular de los
modelos para árboles individuales, además algunos detalles de problemas especiales y las ventajas
de aplicarlos a las situaciones forestales.
ASPECTOS TEÓRICOS
En las pruebas genéticas forestales, el valor genético o valor de mejora es evaluado a través del
desempeño de las progenies de acuerdo con el modelo;
y ij = µ + hi + sj + wij
donde yij es el registro individual de la progenie del j-ésimo progenitor en el i-ésimo bloque, µ es la
media de la prueba, hi es el efecto del bloque, sj es el efecto del j-ésimo progenitor, con una média 0
y desviaoión σ2s y wij es el error residual (0,Iσ2w). Una vez analizado, este modelo entrega la solución
para cada padre (o aptitud combinatoria general), basado en la media de su progenie, después de
ajustada por la media y el bloque. Si se necesita la solución para ambos padres y su progenie, una
alternativa es reescribir el modelo tal como;
y ij = µ + hi + aj + eij
donde aj es ahora el efecto genético aditivo del j-ésimo árbol (0,Aσ2a) y eij es el efecto ambiental
aleatorio (0,Rσ2e). Frecuentemente R se asume como la matriz identidad I, así los efectos
ambientales se asumen independiente entre observaciones. La matriz A es la matriz de parentesco
aditiva, el Numerador de la Matriz de Parentesco, o la relación de parentesco entre los términos de a.
El uso de A (o de su inversa) es una característica común en los modelos de árboles forestales.
1
Ingeniero Forestal, Ph.D. RAIZ, Herdade da Torre Bela, Ap. 15, 2065 Alcoentre, Portugal.
e-mail: [email protected]
Arboles no emparentados.
Considere el modelo:
y ij = µ + aj + eij
donde var(y ij )= σ2a + σ2e y cov(aj , eij ) = 0, y si los árboles no están emparentados, cov(y i , yj ) = 0. Este
modelo es apropiado cuando se tiene solo un dato de cada individuo y estos no están emparentados.
Antes del cálculo de los valores de mejora se definirá la heredabilidad como;
σ 2a
h = 2
2
σy
con σ2a = cov (a, µ + a + e) = cov(a, y). De esta forma h2 = cov(a, y)/var(y), y consecuentemente
cov( a , y )
a$ = ( y − µ) (2)
var ( y ) i
âi = h2(y i - µ)
Arboles emparentados
Para una población de individuos emparentados, nosotros podemos definir un modelo lineal similar;
y ij = µ + aj + eij (3)
donde ahora var(y ij ) = Aσ2a + Iσ2e donde A es la matriz de parentesco genético. Una extensión
multivariada de (2) es
â = CV -1(y - µ) = E(ay)
Esta son las ecuaciones comunes de índice de selección. El modelo puede ser además generalizado
para incluir efectos fijos, árboles sin datos, árboles con datos repetidos y errores correlacionados.
Luego, el modelo lineal puede ser;
y ij = µ + bj + aij + eij
o en notación matricial
y = Xb + Za + e
donde;
E(y) = Xb
var(y) = ZAZ´ σ2a + Rσ2e
Ahora â = CV -1(y - Xb) donde C = cov(a, y) = AZ´ σ2a y V-1 = (ZAZ´ σ2a + Rσ2e)-1 así,
Nuevamente, si esto es lineal, â es el mejor predictor (BLP) de a, asumiendo que se conoce σ2a ,
σ2e, y b. Si b es desconocido, la mejor predicción lineal (BLUP) se obtiene desde;
~
a$ = CV − 1 y − Xb( )
donde;
( )
~ −
b = XV −1 X XV −1 y
esto es normalmente difícil de calcular y una forma alternativa es usar las ecuaciones de modelos
mixtos de Henderson (EMM):
~
b XR −1 X XR −1 Z -1
XR −1 y
[ ] = [ ] [ ]
a$ ZR− 1 X ZR −1 Z + A−1 λ ZR −1 y
donde λ = (1- h2)/h2. Bajo condiciones de normalidad, â (con λ conocido) maximiza la correlación
entre â y a, maximizando la correcta construcción de la jerarquización de a en base a â y
maximizando la media del grupo seleccionado como â .
C11 C12 XR −1 X XR −1 Z
Si [ ] representa la inversa de [ ] entonces;
C21 C22 ZR− 1 X ZR −1 Z + A−1 λ
A través de A, los cambios en la media genética, tanto por azar o por selección se explican para:
dadas varianzas y covarianzas correctas y el modelo genético adecuado, y si el llamado modelo del
gen con efecto infinitesimal, es apropiado. Entonces teóricamente, las estimaciones BLUP:
- son insesgadas, y a mayor información acumulada, la estimación del valor de mejora (VM) de cada
árbol se incrementa o decrece proporcionalmente, acercándose al valor real.
- los efectos fijos, como los bloques, son cuantificados para los niveles genéticos de los árboles que
ellos contienen. También, el parentesco entre los árboles puede crear relaciones adicionales entre las
diferentes clases de efectos fijos, incrementando la exactitud de la estimación.
- para comparar las estimaciones del valor genético en el tiempo, BLUP provee un estimador
insesgado de la tasa de mejora de la población.
Un problema crítico en los modelos de árboles es el tener una correcta comprensión y definición de la
población base. Cuando se forman los NMP, todos los árboles sin identificación del progenitor se
asumen que son una muestra de una simple población base con un valor promedio de mejora igual a
0 y una varianza común σ2a. Si los árboles base se muestrean de poblaciones con diferentes medias
genéticas, entonces el modelo debe explicar la estructura de las subpoblaciones y permitir diferentes
valores esperados para los árboles de la población base.
El valor genético de un árbol es la descripción del valor de los genes de ese árbol cuando son
traspasados a su progenie. Para la mayoría de los rasgos, los valores genéticos no son conocidos
con certeza, pero se pueden estimar. Nosotros vamos a calcular el valor genético para los árboles
utilizando varias fuentes de información, por ejemplo; desempeño individual para uno o más rasgos y
el desempeño de los parientes. Es decir cuanta de esta información esta relacionada al valor
genético verdadero, es decir cuanto de la superioridad debe ser penalizado, en términos estadístico
cuanto debe ser regresado. El valor genético estimado usando el análisis BLUP posee varias
propiedades muy útiles. La predicción del rendimiento de la progenie es el simple promedio de los
valores genéticos de los dos progenitores usados:
a$ m + a$ f
P$0 =
2
a$ m + a$ f ~ a$ m + a$ f
P$0 = + hw2 ( y − Xb ) −
2 2
1
2 (1 − F )h 2
h 2
=
1 (1 − F )h 2 + 1 − h 2( )
w
Para comparar árboles directamente se deben haber medido sus rasgos de importancia económica,
el procedimiento más conveniente consiste en agregar a cada árbol su valor expresado en unidades
económicas. Este puede estar definido, por ejemplo, como el beneficio económico para la silvicultura
si toda la superficie fue plantada con la progenie de un árbol particular. La notación en este caso
será el valor genético estimado expresado en $ (VG$). Por ejemplo, en los sistemas de producción
de pulpa, se tiene información sobre la rectitud del fuste se puede hacer una jerarquización de
acuerdo al impacto (a través de los costos de cosecha) en los costos totales. Desafortunadamente,
el impacto de la rectitud del fuste en los costos de pulpaje es bajo y nuestra habilidad para separar
los árboles en base a su VG$ es limitada. Por otro lado, si tenemos disponible la información de
volumen, densidad de la madera y rendimiento pulpable, la diferencia entre un buen genotipo y un mal
genotipo será claramente establecida si estos rasgos son importantes en los costos de producción.
De esta forma, las diferencias entre los VG$ (que determina nuestros diferenciales de la selección)
será mayor. En conclusión, mientras más información relevante se acumule sobre cada árbol, el
beneficio se extiende a la estimación del valor genético y al VG$. Recapitulando, resultará un
diferencial de selección mayor entre el grupo de árboles seleccionados y el promedio general.
Una información importante, cuando se realizan selecciones, es aquella relacionada con la exactitud
de la predicción realizada. Esta puede ser una cuantificación del error de la varianza (EV) de la
estimación del valor genético realizada como la raíz de la varianza (SEVG)0.5. Por ejemplo, para los
valores genéticos calculados desde el fenotipo (selección masal), el error estándar es igual a:
SEVG = (1 − h )h σ
2 2 2
y
Una medida más intuitiva es la que entrega la correlación entre el verdadero valor genético y el
estimado (raâ), la que estima la exactitud de la estimación del valor genético. Esta se calcula como;
SE 2 VG EV
raa$ = 1 − = 1− 2
h σy
2 2
σa
Esa exactitud es una medida de la confianza que se puede tener en la predicción del valor genético
de un rasgo en particular.
En mejoramiento genético forestal, la cantidad y el tipo de información disponible por selección puede
variar considerablemente entre árboles. Algunos pueden tener una o varias mediciones o de sus
progenies o hermanos. Algunas mediciones se toman en escalas continuas (por ejemplo, el
crecimiento) y otras en escalas discretas (forma) o eventualmente como escalas de 0 o 1
(supervivencia). La información puede variar también de acuerdo a la edad, usualmente las
evaluaciones más viejas son más relevantes.
~
- Relación lineal entre ”y” y K´ b .
Se acepta que los modelos lineales son siempre una aproximación. Esta es una consideración
importante si su uso permite predicciones precisas para nuestros propósitos. Nosotros deberíamos
primero ser capaces de definir el vector de datos (y) con n elementos. Para hacer inferencias
respecto de este parámetro, o predicciones sobre futuras observaciones, este vector debe
considerarse como un muestra aleatoria de alguna población verdadera o conceptual con distribución
conocido o asumida.
La información disponible para los análisis en general se encuentra agrupada o clasificada en terreno.
Por ejemplo; familias (o parientes), repeticiones, sitios, parcelas, tratamientos de fertilización,
espaciamiento, número de vecinos vivos o nivel de competencia de la maleza o ramoneo. A veces
existe interés por conocer la magnitud de esos efectos, pero la mayoría de las veces simplemente se
ajustan los factores, y se incluyen en el modelo según nuestra habilidad para comparar árboles
creciendo en ambientes diferentes.
La definición respecto de si un factor es considerado fijo o aleatorio es algo arbitrario. Por supuesto,
todos los factores aleatorios tienen varianza conocida, y similarmente, a todos los efecto fijos se les
asume que no tienen varianza.
En los modelos para árboles forestales, los efectos genéticos aditivos se asumen como aleatorios,
porque los análisis incluyen características intangibles que se asumen como aleatorias. La solución
para la estimación de los valores genéticos, es en efecto, un conjunto de valores de variables
aleatorias, aunque algunos valores usualmente no pueden ser medidos. En los ensayos forestales,
los tratamientos como la fertilización, espaciamiento, procedencias o familias son considerados fijos
cuando es de interés predecir sus efectos. Esto también se asume en las repeticiones de los
experimentos, los tratamientos pueden ser repetidos exactamente, obteniéndose los mismos efectos.
Las repeticiones y bloques, por otro lado, normalmente se consideran como efectos fijos. Desde el
punto de vista estadístico, la situación de efectos fijos versus efectos aleatorios no es enteramente
irrelevante. Cuando se tratan los bloques como efectos fijos, las evaluaciones genéticas son
constantes frente a los efectos de bloque, por lo tanto se remueven el sesgo en las comparaciones
genéticas entre clases. Cuando los bloques son tratados como efectos aleatorios, la información de
cada árbol se incrementa, y consecuentemente la predicción del error de la varianza se reduce. Se ha
demostrado, sin embargo, que cuando los bloque son relativamente grandes, o cuando la relación de
la varianza residual con la varianza del bloque es pequeña esta decrece en el EV, cuando en los
tratamientos en bloques la aleatorización es pequeña. Por lo demás, si el material genético en los
bloque no se asigna aleatoriamente, como puede ocurrir frecuentemente comparando distintas
generaciones, la estimación del valor genético puede ser sesgada. (Ugarte et al., 1992).
Los ejemplos comunes sobre los efectos en las evaluaciones genéticas se relacionan con el diseño
escogido del ensayo, sitio, repeticiones, bloques en cada repetición. El propósito de estas clases es
remover (o ajustar) de las observaciones de los arboles individuales los efectos ambientales (a
pequeña o gran escala). Es más efectivo cuando se tienen cuantificados estos efectos, mientras más
información fenotípica participe del ajuste, mejor se reflejará el mérito genético de los individuos.
Otros efectos ambientales permanentes pueden ser considerados. Un ejemplo es el efecto de las
parcelas. Si los árboles de una misma familia son plantados en parcelas vecinas en un bloque, los
individuos en la parcela comparten los mismos efectos ambientales. Si los efectos de parcela son
importantes, los hermanos en la misma parcela se parecerán mucho a otros árboles hermanos
creciendo en diferentes parcelas después de haber ajustado los efectos de bloque. En este caso
simple, este efecto de parcela corresponde a lo que se conoce como interacción familia x bloque.
Finalmente, otros efectos pueden ser considerados, tales como la dominancia (o ACE), el nivel de
endogamia y otros efectos ambientales tales como la competencia.
Un ejemplo
Los datos usados aquí corresponden a una serie pequeña de familia de hermanos completo de
primera generación, los que provienen de cruzamientos entre 14 progenitores no selectos y no
emparentados. El esquema de cruza corresponde a un dialelo incompleto, que incluye 43 familias.
La progenie de esas cruzas fue establecida en ensayos, con un diseño de 18 bloques completos al
azar, conteniendo cada uno parcelas de un árbol. Así, cada familia está inicialmente representada por
18 progenies, una en cada bloque. Tres años después de la plantación, se midió la altura en todos
los árboles sobrevivientes (731 individuos). El detalle de los datos se registra a continuación:
Modelo
El modelo usado considera los bloques como efecto fijos, y los árboles y las familias de hermanos
completos (o aptitud combinatoria específica) como un efectos aleatorio secundario no
correlacionado. En notación matricial se puede escribir como;
y = µ + Xb + Za + Ws
donde b es el efecto de los bloques (fijo), a es el efecto de los valores genéticos de los árboles
individuales, s es el efecto de los efectos no aditivos de las familias de hermanos completos (los
efectos ACE), X, Z y W son matrices de incidencia y e es el efecto residual. Las tablas siguientes
resumen la clasificación y los niveles de los efectos de bloque, familia y árboles;
Los componentes de varianza para los efectos aleatorios se asumen conocidos e iguales a;
~
b X' X X'Z X 'W X 'y
[ a$ ] = [ Z ' X X' X + A λ
−1
Z 'W -1
] [ Z' y ]
s$ W' X W'Z W ' W + Iτ W' y
Las predicciones de los valores genéticos (soluciones para a) y su correspondiente varianza del error
son:
Árbol VG ± EV
esto porque la estimación del valor genético de los progenitores y de la progenie ha sido estimado
usando diferentes fuentes de información.
FAM BLUP ± EV
Estas estimaciones son desviaciones de las familias de hermanos completos respecto de la media
de los valores genéticos de los progenitores. Por ejemplo, los efectos ACE de la cruza entre el padre
4 y el 16 (FAM416) tiene un valor de 0.19 metros por encima del promedio de los progenitores.
(0.5EVBV4 + 0.5EVBV16 = 0.02 metros). Los hermanos completos de esta cruza tienen de esta
manera un valor genético esperado de 0.02 + 0.19 =0.21 metros.
Como se mencionó anteriormente, los valores genéticos estimados de los progenitores y de las
progenies pueden ser ahora comparados directamente. Cuando los valores genéticos son
jerarquizados, un progenitor de la población base (el árbol 6) esta entre los mejores arboles, y los
otros 29 corresponden a arboles de la progenie de la primera generación. Los mejores tienen un
promedio de valor genético de alrededor de 0.5 metros, lo cual corresponde a una ganancia esperada
de 0.5/5.9, o 8% en altura a la edad de tres años. La ganancia en volumen de la selección en base a
los valores genéticos puede ser calculada como;
cov(VOL , HT ) σa ( vol)
VGvol = VGHT = ra .VGHT
σa2 ( Ht ) σa2 ( Ht )
Si la correlación entre la altura (en metros) y el volumen (en m3/ha) es 0.7, y la desviación estándar
aditiva de la altura y el volumen son respectivamente 0.33 y 36 entonces;
(0.7 * 6)
VGvol = *VGHt
0.57
Para los arboles en la cima de la jerarquizaron (con estimaciones de valor genético = 0.5) esto
corresponde a un ganancia de 3.7 m3/ha. La tabla a continuación entrega los valores genéticos
estimados para los mejores 19 arboles, incluyendo progenitores y progenie.
Árbol VG EV
317001 0.5731 0.214
6 0.557 0.190
318028 0.5302 0.214
311003 0.5154 0.214
302004 0.5074 0.213
En nuestro ejemplo, solo 14 progenitores se espera que formen parte del muestreo aleatorio de la
población base. La progenie resultante de ellos no es al azar. Por ejemplo, algunos progenitores son
usados mas que otros (de esta forma estos contribuyen mas a la siguiente generación) en el
esquema de cruzamiento, y sus estimaciones de valor genético no tienen promedio cero.
La predicción de la varianza del error esta siempre presente. Esta puede usarse para estimar la
exactitud o correlación entre la estimación del valor genético y el verdadero valor genético como;
EV
raa$ = 1 −
σa2
Por ejemplo, en el caso del mejor árbol en el ensayo, (árbol 317001) la exactitud es;
El segundo mejor árbol (árbol 6) perteneciente a la población base y con una exactitud de;
PROBLEMAS ESPECÍFICOS
En el ejemplo previo, de toda la progenie probada se conoce el padre y la madre. Sin embargo en el
caso de las familias de polinización abierta uno de los progenitores no se conoce. Para mantener
insesgado el estimador a (sombrero) se requiere que ”e” represente sólo el muestreo mendeliano y
esto es sólo si ambos progenitores se identifican y contabilizan para la matriz de parentesco
(excepto para una población base no enparentada). En el caso de familias de polinización abierta,
”e” contiene un componente genético que se agrega al muestreo mendeliano.
En muchas especies, las familias de polinización abierta rompen este supuesto; los hermanos
pueden tener ambos padres en común (hermanos completos), el progenitor masculino puede provenir
de una población considerablemente diferente y los dos progenitores pueden estar relacionados
(incluido el caso extremo de la autopolinización, donde F = 1/2). La violación de este supuesto en las
familias de medios hermanos, provoca un considerable sesgo en la estimación de la heredabilidad,
pero no está claro cual es el impacto en la exactitud de la estimación de los valores genéticos,
aunque en algunos casos hay tendencia al sesgo.
El modelo que se describió previamente no es el mas apropiado para analizar situaciones entre
especies o razas, esto porque no contabiliza los efectos de hibridación, incluidos efectos de
especies, de raza y heterosis. De esta forma que hay diferencias en los promedios genéticos entre
las poblaciones puras, lo se considera de naturaleza aditiva. La heterosis (o vigor híbrido) se refiere a
una repartición en el cruzamiento híbrido desde la media de ambas especies puras o las razas. Si el
efecto raza se denota como gA y gB para las razas A y B, los efectos de raza en la generación F1
son;
1 1
gA + gB
2 2
Cada efecto de raza es ponderado por 1/2, porque la mitad de los genes en F1 provienen de cada
raza. Si los arboles de la F1 son retrocruzados con la raza A, los efectos de raza en la progenie
resultante son 3 / 4 g A + 1 / 4g B , desde ahora en la media de los casos, 3/4 de los genes provienen
de la raza A, y 1/4 de la raza B. Sin embargo, para contabilizar los efectos no aditivos, las razas
difieren en efectos maternales y la heterosis maternales o paternales.
La manera más simple, para extender el análisis BLUP a las situaciones de poblaciones híbridas, es
incluir los efectos del cruzamiento y de heterosis en el modelo. La combinación tiene dos etapas;
y = Wm + Xb + Zµ + e
(2) para estimar estos efectos puede ser usado un modelo lineal con los parámetros del
cruzamiento;
m$ = Kp + e
donde m es el vector de las estimaciones de las medias de grupo de los híbridos (del análisis 1), p es
un vector de parámetros de hibridación (efectos genéticos aditivos, heterosis, heterosis maternal,
etc.) y K es la matriz que relaciona los parámetros de los híbridos con el grupo de medias. Los
componentes de la evaluación genética híbrida (después de Swan, 1992, In: Animal Breeding the
Model Approach, PGFVS, Univ. New England, Australia) puede ser ilustrada como:
Grupos Genéticos
Los efectos de grupo pueden ser vistos como una cuantificación de los méritos genéticos o una
selección no cuantificada de información de parientes. El modelo general con agrupación (que
cuantifica a antecesores no identificados que no han sido muestreados de la misma población) es:
n
yij = µ + hi + a i + ∑ q jk g k + p j + eij
k =1
y = Xb + ZQg + Za + e
Donde Q = TQ*
Donde T dado que A = TWT' y Q* asignan antecesores no identificados a los grupos. En este caso el
valor genético del árbol es:
a$ * = Qg$ + a$
2 1 3
4 5
6
Si los progenitores fantasmas de los arboles 1 y 2 pertenecen a una procedencia (denotada como
G1), y el progenitor fantasma del árbol 3 pertenece a una procedencia distinta (G2), un segundo
listado de pedigrí es:
P1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0
P2 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0
P3 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0
P4 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1 0
P5 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 1
P6 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 1
=
1 05, 05, 0 0 0 0 1 0 0 0 0 0 0 0 1 0
2 ,0 0 05 , 05 , 0 0 0 1 0 0 0 0 0 0 1 0
3 0 0 0 0 05, 05, 0 0 1 0 0 0 0 0 0 1
4 025
, 025
, 025
, 025
, 0 0 05
. 05, 0 1 0 0 0 0 1 0
5 025
, 025
, 0 0 025, 025
, 05
, 0 05, 0 1 0 0 0 0,5 0,5
6 025
, 025
, 0125
, 0,125 0125
, 0125
. 05
, 025
, 025
, 05
, 05
, 0 0 0 0,75 0,25
~
X' X X'Z X ' ZQ b X' y
[ Z' X Z ' Z + G −1 Z ' ZQ ] [ a$ ] = [ Z' y ]
Q' Z ' X Q' Z ' Z Q' Z ' ZQ g$ Q' Z ' y
Clones
la matriz Z en el MME. Las soluciones para cada clon estarán referidas a sus méritos genético
aditivos, no al méritos genético total ( aditivos + no aditivos). Paralelamente, si los afectos no aditivos
son pequeños, el uso de varios clones de un genotipo mejora considerablemente la estimación del
valor genético, particularmente si la heredabilidad del rasgo es baja. El efecto puede ser visto como
un incremento en la exactitud debido a la repetición de las mediciones.
Considere el siguiente pedigrí, donde el árbol tres, es una progenie proveniente entre los arboles 1 y
2, y fue clonada dos veces (las mediciones se muestran entre paréntesis):
1 2(11)
3(10)(9)
1 0 1/ 2
0 1 1/ 2
1/ 2 1/ 2 1
Y la inversa es:
11 / 2 1 / 2 −1
1 / 2 11 / 2 −1
−1 −1 2
µ 3 0 1 −2 30 101.
a$1 0 11 / 2 1 / 2 −1 -1
0 −0,3
= =
a$ 2 1 1 / 2 21 / 2 −1 11 0,3
a$ 3 2 −1 −1 4 19 −0,3
Como el modelo tiene registros repetidos de arboles, la EMM puede ser expandido para incluir
efectos ambientales permanentes o efectos de propagación además de otras contribuciones a la
covarianza entre registro de un mismo clon. La integración entre material clonal y de semilla puede
ser fácilmente realizada.
Efectos de Dominancia .
La extensión del modelo genético aditivo a un modelo general que involucre efectos aleatorios no
genéticos es teóricamente prematuro. Por ejemplo, los efectos de Dominancia pueden ser agregados
al modelo como:
y = Xb + Za + Zd + e
Donde d = (0, Dσ2d) es el vector del efecto de dominancia genética de los arboles. La MME
correspondiente:
~
X' X X'Z X'Z b X' y
−1
[ Z' X Z'Z + A λ Z'Z ] [ a$ ] = [ Z ' y ]
Z' X Z'Z Z'Z + D τ
−1
g$ Z' y
yi = µ + h j + ai + d i + bFi + eij
1 2 (10)
3 (9) 4 (8)
1 0 0,5 0,5 4 2 −2 −2
0 1 0,5 0,5 2 4 −2 −2
A =[ ] y, A -1λ = [ ]
0,5 0,5 1 0,5 −2 −2 4 0
0,5 0,5 0,5 1 −2 −2 0 4
1 0 0 0 2 0 0 0
0 1 0 0 0 2 0 0
D = [ ] y, D-1 τ = [ ]
0 0 1 0,25 0 0 2 ,13 −0,53
0 0 0,25 1 0 0 −0,53 2,13
µ 3 0 1 1 1 0 1 1 1 27 9 ,023
a$1 0 4 2 −2 −2 0 0 0 0 0 −1,4
a$ 2 1 2 5 −2 −2 0 1 0 0 10 0,14
a$ 3 1 −2 −2 5 0 0 0 1 0 9 0,007
a$ 4 =[ 1 −2 −2 0 5 0 0 0 1 ]-1
8 = −0,147
d$1 0 0 0 0 0 2 0 0 0 0 0
d$ 2 1 0 1 0 0 0 3 0 0 10 0,279
d$ 3 1 0 0 1 0 0 0 3,13 −0,53 9 −0,059
d$4 1 0 0 0 1 0 0 −0,53 3,13 8 −0,29
Resolviendo el conjunto de ecuaciones se establecerá una solución a cada estimación del valor
genético y de la desviación de dominancia. El mérito genético total, por ejemplo para el árbol 3, será
a&&3 + d$ 3 = 0,007 − 0,059 = −0,052 .Esta estimación será la mejor indicación del valor genético
total de cada árbol, y resulta importante en el caso de sistemas implementados clonalmente.
Varianzas Heterogéneas
Como se menciono antes, por las propiedades que BLUP posee, la exactitud de las varianzas y
covarianzas de todas las observaciones pueden ser conocidas y usadas en las evaluaciones. Sin
embargo, por razones computacionales, o por falta de exactitud en los parámetros estimados, los
modelos son usualmente ajustados usando los menos parámetros posibles. Un supuesto que se
asume frecuentemente en estas simplificaciones es que la varianza es homogénea entre los distintos
niveles de efectos fijos y aleatorios. En un ensayo con condiciones razonablemente homogéneas,
esto usualmente no es difícil de asumir, pero cuando varios ensayos son combinados, con arboles
que tiene distintas edades o tasas de crecimiento, las varianzas son probablemente diferentes.
Para propósitos más prácticos, la varianza genotípica en cada ensayo, o paralelamente en cada
bloque, puede ser estimado primero y ajustada por un factor. Un método simple es:
σp
y ijc = y ij
σi
primera estimación, donde el coeficiente de regresión dependerá de las varianzas muestreada para
cada prueba individual, y de la varianza de los parámetros a través de los sitios. Esta regresión puede
ser escrita como:
θ$ *i = θ$ 0 + β i (θ$ i + θ$ 0 )
β = 1/(1+ γ) con γ1 entre la proporción de la varianza muestreada (en el ensayo) y la varianza del
parámetro (entre ensayos). En la practica esta regresión hará las desviación estándar estimada en un
ensayo tan cercana a la estimación a priori (sobre el total) cuando esta es basada sobre uno pocos
árboles.
Una situación común en mejoramiento genético es aquella en que individuos de diferentes edades
son evaluado simultáneamente. En la mayoría de los casos los tamaños de los arboles difieren
considerablemente, y una aproximación es considerar el desempeño a diferentes edades como
diferentes rasgos. Esto parece justificable si las heredabilidades difieren considerablemente y las
correlaciones genéticas edad - edad son menores que 1. En especies de rotaciones cortas, sin
embargo, las correlaciones entre edades juveniles (primer y segundo año) y rendimientos posteriores
(8 a 10 años), son cercanas a 1, sugiriendo que el rendimiento a diferentes edades puede ser visto
como una expresión del mismo rasgo. Esto resulta en una notable simplificación del problema desde
un análisis multivariado (que a veces relacionan mas de dos edades) a un análisis univariado.
V A (m )
V A( j )
donde V A(m) y V A(j) son las varianzas genéticas a la edad madura y juvenil. Una expresión mas
simple puede usar un factor de expansión teórico:
Vm 1
x= =
V j corr (m, j ) 2
donde Vm es la varianza fenotípica de las mediciones maduras (más vieja en edad), Vj es la varianza
de las mediciones parciales (juveniles), y corr(m, j) es la correlación fenotípica entre los registros
juveniles y maduro. Una consecuencia esperable de este ajuste es que los registros proyectados
tendrán varianzas menores que los registros completos ( debido a que las predicciones tienen menos
varianza que las variables que ellos predicen). Una forma simple de corregir esto es expandiendo las
varianzas de j hasta que las varianzas genéticas de ambos j y m se igualen. Las varianzas de estos
registros expandidos (q) serán:
V q = V m + V (q − m )
En orden a tener una varianza genética constante, la varianza ambiental de los registros expandidos
será (van Raden 1991, J. Dairy Sci., 74:4344-4349):
( )
var e q = x 2 ( var ( p )) − r ( var (m))
donde r es la repetibilidad de incrementos anuales. Si se define una longitud ponderada (wlen) como el
error de la varianza de m (de los registros completos) dividido por el error de la varianza de q (de los
registros expandidos) entonces:
Raleos selectivos
Teniendo información disponible de todos los arboles previo al raleo, el análisis BLUP cuantificará los
árboles que serán eliminados por selección. Pueden ser seguidos dos procedimientos simples para
ajustar el raleo en un ensayo de progenie: (1) Si los rasgos antes y después del raleo son
considerados iguales (por ejemplo diámetro a los 3 años en todos los arboles y los 5 años en los
arboles remanentes), los registros medidos previos al raleo deben ser expandidos, así las varianzas
entre los seleccionados y no seleccionados serán homogéneos, y todos los arboles se incorporaran
en un análisis simple. Las varianzas residuales de los registros expandidos pueden ser ajustadas
adecuadamente, de acuerdo a los apartado anteriores (¿Como se puede interpretar la correlación
edad-edad?). Si el rasgo previo al raleo es genéticamente diferente del rasgo medido después del
raleo (por ejemplo, altura a edad temprana, y DAP a mayor edad), un análisis bivariado debe ser
usado, con el rasgo juvenil medido en todos los arboles y el rasgo en la madures medido en los
arboles no seleccionados. Los parentescos genéticos entre los seleccionados y los no seleccionados
puede ser usado para cuantificar el raleo selectivo.
Es posible ahora expandir el análisis BLUP a toda la informa con generada en el programa de
mejoramiento. Entregando la información de las varianzas y covarianzas entre rasgos, el modelo
puede ser especifico en incluir varios rasgos, las mediciones repetidas o perdidas pueden ser
acomodadas, y la dominancia aditiva y la depresión endogámica son predecibles.
Las dos fuentes de información mas importantes usadas en un programa son (1) las mediciones
tomadas de los diferentes rasgos, y las asignaciones a ambientes específicos y clases de edades, y
(2) la relevancia económica de esos rasgos en el objetivo del mejoramiento.
Análisis Multivariado
Los modelos para arboles individuales definidos previamente pueden ser fácilmente ampliados (a un
mayor costo computacional) para incluir varios rasgos. Como se menciono previamente, los análisis
multicaracteres pueden ser extendidos para incluir la interacción genotipo - ambiente o correlaciones
inferiores edad - edad. El modelo aún es:
y = Xb + Za + e
pero ”y” ahora contiene observaciones de m rasgos por árbol, y el vector ”a” consiste de valores de
mejora para m rasgos por árbol. En este caso el modelo es:
Var(a) = G = A⊗G0
G-1 = A-1⊗G0-1
donde A es la NMP como antes y G0 es la matriz de varianzas y covarianzas genéticas entre los m
rasgos. De este modo, var(e)=R es un bloque diagonal que consiste en las varianzas residuales y
covarianzas entre los rasgos de cada árbol.
Pb = Gv
donde v es un vector de ponderadores económicos para los rasgos objetivos del mejoramiento, b es el
vector de coeficientes del índice, P es la matriz de varianza - covarianzas fenotípicas entre los rasgos
en el índice, y G es la matriz de covarianzas genéticas entre los rasgos en el índice y los rasgos en
el objetivo de mejoramiento. Cuando construimos los coeficientes de los índices, el vector v ponderara
mayormente aquellos rasgos que están mayormente relacionados con el objetivo de mejoramiento.
Una expresión muy similar puede ser derivada de las soluciones BLUP. Luego g será el vector de las
estimaciones del valor genético para los diferentes rasgos en el objetivo de mejoramiento. Entonces,
el objetivo de mejoramiento, puede ser llevado a una función lineal con todos los rasgos relevantes
como v'g, o v1g1 + v2g2 +......+ vkgk. Para el árbol i, el v ' g$ i es la valoración económica total. Una
formulación más completa puede ser hecha al expandir la EMM, para incluir los rasgos actualmente
medidos y aquellos que son importante pero que no tiene mediciones:
~
X' X XZ 0 b X' y
[ Z' X Z ' Z + A −1 ⊗ G 11 A − 1 ⊗ G 12 ] [ a$ ] = [ Z' y ]
0 A − 1 ⊗ G 21 A −1 ⊗ G 22 g$ 0
donde g es el vector de las predicciones de los valores genéticos, para todos los arboles, para los
rasgos en el objetivo de mejoramiento. Ahora:
a G11 G12
var[ ] = A⊗[ ] =G
g G21 G22
G 11 G 12
G = A ⊗ [ 21
-1 -1
]
G G 22
donde G22 es la varianza-covarianza genética entre los rasgos en el objetivo, y G12 es la matriz de
covarianza genética entre los criterios de selección (rasgos para los cuales se tomaron mediciones) y
los rasgos en el objetivo de mejoramiento. Si el vector de ponderadores económicos es definido de
manera tal que los cambios en los rasgos unitarios están relacionados con cambios en las unidades
económicas ($/unidad rasgo), luego el mérito genético agregado (denotado como EVG$) es;
Hi = v´ G21 G-111 a
El mérito genético agregado reflejara la real valoración económica para un sistema de producción
particular, implementado para cada individuo. Esto puede llegar a ser un criterio para jerarquizar
arboles en selecciones posteriores.
REFERENCIAS
Gianola, D. y Hammond, K. (Eds). 1990. Advances in Statistical Methods for Genetic Improvement of
Livestock. Advances Series in Agricultural Science N° 18. Springer - Verlag. 534 p.
Hammond, K., Graser, H.-U. y McDonald, C. (Eds). 1992. Animal Breeding. The modern Approach.
Post Graduate Foundation in Veterinary Science, University of Sydney. 257 p.
Henderson, C. 1976. A simple method for computing the inverse of the numerator relationships matrix
used in the prediction of breeding values. Biometrics 32:69-83.
Henderson, C. 1975. Best linear unbiased estimation and prediction under a selection model.
Biometrics 31: 423-447.
Henderson, C. 1984. Applications of Linear Models in Animal Breeding. University of Guelp, Canada.
Henderson, C. 1988. Use of average numerator relationships matrix for multiple-sire joining. J. Animal.
Sci. 66:1614-1621.
Robinson, G. 1991. That BLUP is a good thing: the estimation of random effect. Statistical Science
6:15-51.
Schneeberger, M., Barwick, S. Crow, G. y Hammond, K., 1992. Economics indices using breeding
values predicted by BLUP. J. Anim. Breed. Genet. 109:180-187.
Swan, A. y Kinghorn, B. 1992. Evaluation and exploitation of crossbreeding in dairy cattle. J. Dairy
Sci. 75:624-639.
Ugarte, E., Alenda, R. y Carabaño, M. 1992. Fixed or random contemporary groups in genetics
evaluations. J. Dairy Sci. 75:269-278.
van Raden, P. Wiggans, G. y Ernst, C. 1991. Expansion of proyected lactation yield to stabilise
genetic variance. J. Dairy. Sci., 74:4344-4349.
Westell, R. Quaas, R. y van Vleck, L. 1988. Genetic groups in an animal model. J. Dairy Sci.
71:1340-1318.
White, T. y Hodge, G. 1989. Predicting Breeding Values with Applications in Forest Tree
Improvement. Kluwer Academics Publishers. Dordrecht. 367 p.
INTRODUCTION
Most tree breeding programs are attempting to improve growth and wood traits that influence the
quality of the wood produced. Although the importance of several variables such as volume, survival,
wood density or fiber length have long been recognized, little is known about the relative importance of
various growth and wood traits as selection criteria and its impact on overall profitability.
A breeding objective can be defined as the combination of traits that the breeder wishes to improve . If
the breeding program is linked with a commercial forest and industry operation, the goal for individual
tree selection should be to maximize the economic benefits of the production enterprise.
Consequently, the objective should include (i) operational costs, such as establishment, maintenance
and transport, and (ii) income, such as that from the sawn timber or pulp sold produced. As such, the
relative importance of each trait should depend on its relative contribution to attainment of the
economic objective. Unfortunately, selection goals in many breeding programs have been established
based on the ease of assessment.
Faced with the choice of which clone or family to deploy, a forester would normally select that which
he or she expected to maximize the profitability of his or her enterprise (or more correctly, the wealth
of its shareholders). The basis for that choice would be the construction of a spreadsheet where all the
relevant costs of inputs and returns of outputs would be considered. Different clones could be
expected to differ in both the inputs they require and the returns they generate. For each genotype (or
group of genotypes), a profit equation could be constructed as:
The objective of any forest enterprise is the maximization of profit. However, growing trees is a long
term venture, and prediction of production levels, profit margins and selling prices at least 20 years
into the future is difficult. If the sector is one producing a commodity in a open and competitive
market, economic theory (and good evidence from the past) dictates that a future high selling price
should not be assumed: the advantage of breeding for a high margins between price and costs will be
1
Ingeniero Forestal Ph.D. RAIZ, Herdade da Torre Bela, Ap. 15, 2065 Alcoentre, Portugal.
e-email: [email protected]
eroded. Big profits from high prices attracts new producers into the market, increasing supply and
reducing both selling price and margin. As margins are eroded and selling price approaches
production cost, the production functions for maximizing profit and minimizing cost converge. In the
long term, reducing production costs will always increase profit, and for long term ventures such as
forestry, minimizing costs seems a sensible objective
An alternative to the use of a profit equation is a measure of efficiency such as returns per unit cost,
or its reciprocal, costs per unit of returns
Q = Costs/Returns
An interesting issue is that the two systems (profit function and efficiency) do not always agree. In
fact, given the specific set of costs and prices, it may in some cases be more profitable to use clones
which make a less efficient use of the resources available. Only if profit is set to zero (which means
prices are the same as the costs) will the two things be equivalent.
For a small forestry company in a competitive market, the theory of the firm tell us that the input and
output prices are independent of the level of genetic improvement. This is because even large
companies are seldom large enough to influence the market price for an input or output. In this case,
minimizing the costs is the best strategy.
However, if there is an anticipation that price might changes in the future (due to some policy changes
or market trends), or that genetic improvement is likely to open an alternative market for the improved
output, in which the price will be higher, then these relationships must be established in the profit
function
Industry Level Theory
The spread of the improved trees through a production industry and to competing industries in different
regions and countries is important because it can result in price changes in the input and output
markets. The price and output changes provide a mean of quantifying the costs and benefits from
genetic improvement across the industry, regions and consumers in an economic theory framework,
based on their supply and demand relationships.
Industry Segmentation
Sometimes it is important to consider not only the benefits breeding brings to the forest sector but to
improvements brought in by genetic improvement in subsequent production or marketing chains. An
example is recycling paper. In some countries, consumers are prepared to put a premium on recycled
paper, for ecological reasons. However, recycling is expensive and fibers have a limited ability to be
recycled (typically 5 or 6 times in eucalypts). The ability to improve fiber characteristics to reduce the
costs of recycling and increase the life expectation of fibers might make sense in an integrated
economic analysis integrating the forest and paper sectors.
Time Horizon
The time horizon considered when modeling the impact of genetic changes has implications when
specifying and solving the profit maximization problem. In the very long run, all inputs are assumed to
be variable in the production process, and profits should be maximized in respect to a changing level
of firm output. In the short run, however, several costs may be fixed, including capital costs
associated with a mill.
STRATEGIES EVALUATION
The long term profit from a breeding program will be a function of the discount rate and profit horizon,
in addition to the returns and costs of the breeding program. Four options can be considered:
• One alternative is to assume that the discount rate and profit horizon are fixed, and to compute
aggregate profit until the profit horizon is reached.
• Another option is to consider that gains in the distant future have negligible economic value, to
estimate the cumulative costs and returns of one cycle of selection with a fixed discount rate, and
the profit horizon set to infinity.
• A third option is to fix the profit horizon and estimate the discount rate necessary to achieve a net
profit of zero.
• A last option is to fix the discount rate and compute the numbers of years required to achieve
zero net profit
Increased rates of genetic progress are often at the expense of increasing risks of attaining them.
When comparing strategies which differ in both gains and risk of attaining them, some consideration
should be given to both.
There is a strong relationship between inbreeding, variance of response and risk:
Where Genetic Variance is the one attained after a few generations of breeding as a result of
selection.
1. Utility Theory
According to the Utility Theory, the expected value of a breeding scheme to be maximized (U) could
be something like:
Where a is a constant specifying the aversion to risk. The breeding scheme with the highest Utility
would be preferred. Other strategies are:
Designing a breeding program should not differ from planning the replacement of machinery in a mill,
or in implementing a new ISO procedure in the forest. It should contain the elements (pieces of
evidence) needed for the management to see that it is a doable project and a worthwhile way of
investing resources. It should also include the details, procedures and performance indicators to
assist those which will implement and control it. The following areas are to be considered:
To breed or to buy?
This question is rarely made, but is should be an important issue when establishing a breeding plan.
In many cases, companies would be better off by buying (or supporting through cooperative or an
association of companies) than breeding themselves. Companies with little research tradition, difficulty
in managing information or susceptible to cycles of cash flow problems should think twice. With
breeding left to others, a company could focus on testing and matching the selected genotypes to
their estate, improving the efficiency of seed orchard management or simply controlling the efficiency
of their breeding counterparts.
This is usually an issue which is often imposed rather than consciously chosen by the breeder. In
many organizations, the breeding population was established many years ago, unfortunately as a
result of historical reasons, not exists research evidence of superiority. It is important that a informed
decision about the suitability of the races used in the program is made in the breeding strategy.
The plan should explain what traits should be measured, and at what age. A plan to guide where new
trials should be established, how many and using which layout.
What to deploy, select and mate for the next generation of breeding?
Given the resources and the availability, the plan should detail the analysis for predicting the tree's
genetic merit, what parents are to be crossed, and what should be done to ensure that this is done
earlier rather than later. There are two areas which are central to a good breeding plan in this regard:
• Do a good job at collecting, processing and interpreting information needed to make decisions
1
Ingeniero Forestal Ph.D. RAIZ, Herdade da Torre Bela, Ap. 15, 2065 Alcoentre, Portugal.
e-email: [email protected]
• Acting on these decisions to maximize the benefits from genetic changes, and ensure that we
continually improve the efficiency and effectiveness of such breeding information systems.
Two decision processes are involved here: the maintenance of cash flow which will enable all the
breeding work to be done (for which review plans to make things more efficiently should be made), and
ensuring that costs made now are indeed financially justifiable on the longer term (by establishing
robust genetic gain trials and reliable cost benefit analysis).
For any breeding organization, cooperative or research department of a company, this is becoming
one of the most challenging issues. The breeding strategy should try to make all parties involved
agree on how should some of the benefits captured at the various stages of production be channeled
back to the breeding organization.
La curva de producto total muestra la relación entre variaciones en el producto con respecto a
variaciones en la aplicación de un factor particular. Definiendo los siguientes parámetros:
a=5
b=2
c = 0,2
X = 0 .... 10
100
producto Y
50 y=
0
0 5 10
factor X
Dos variables muy estrechamente relacionadas son el Producto Marginal y el Producto Medio, ambas
definidas respectivamente como:
Y (X )
PM ( X ) =
X
1 ∂
Profesor
PMg ( Xde) =Administración
Y (X ) y Contabilidad Forestal. Instituto de Manejo Forestal
∂X de Chile. Avda. Pedro Aguirre Cerda # 2.150. Valdivia, Chile
Universidad Austral
e-mail: [email protected]
12
9
PMe:
PM
---- 6 PMg:
PMg
3
0
0 5 10
factor X
La curva del producto marginal es usada para describir la demanda para un factor en una empresa
orientada a la ganancia. El valor del producto marginal se obtiene de la multiplicación del producto
marginal por el precio de una unidad de producto; P.
si:
P=5
VPMg(X) = P*PMg
Si el precio del factor X es W, al obtener la gráfica de esta relación, se puede ver de la siguiente
forma:
W = 15
100
50
VPMg(X)
0
_______
-50
-100
0 5 10
factor X
La demanda por un factor X, es la parte de la curva del VPMg en la porción de pendiente negativa y
sobre el eje horizontal. Definiendo esta relación como Demanda (X)
100
Demanda (X)
50
0
0 5 10
factor X
EL VALOR DE UN ARBOL
Los economistas interpretan el valor del producto marginal atribuido a un factor (X) como el valor de la
contribución de dicho factor al proceso de producción. En un mercado competitivo para factores, este
valor está reflejado en el precio del factor. La demanda y oferta interactúan, y en equilibrio, el costo de
oportunidad marginal de adicionar una unidad más del factor (X) iguala el valor del producto marginal
de la última unidad del factor usado en la producción. Para un factor (X) hipotético, la situación es la
siguiente:
Oferta (X) = 10 + 5X
100
VMP:
50
S=
0
0 5 10
factor X
En el caso particular de la madera en pié esto algunas veces es algo diferente. La oferta no siempre
se basa en el Costo Marginal y los precios no están determinados en un mercado competitivo. Lo
anterior hace que la determinación del valor de un árbol en pié sea algo dificultoso. Sin embargo, este
Casos que dificultan la determinación del valor de la madera en pié son por ejemplo el grado de
concentración de la propiedad forestal y su nivel de integración con la industria, en que cuando
ambos son altos el mercado toma un comportamiento oligopólico. Otro caso se refiere a la
participación del Estado en el mercado de la madera, el cual establece generalmente el precio a
través de un mecanismo administrativo con un efecto regulador de precios.
El tiempo es una dimensión crítica en el análisis económico del manejo de bosques en general y del
mejoramiento genético en particular. La separación temporal de costos y entradas, hace difícil
comparar valores. En este contexto, el cálculo del valor presente se usa para convertir valores de
diferentes períodos de tiempo en unidades comparables. La tasa de preferencia de tiempo, o la tasa
de descuento es usada para realizar esta conversión. La fórmula para calcular el valor presente de un
pago de un $ 1 en el año ”T” es:
T = 0....100
r = 0,05
T
1
VP(T , r ) = •1,00
1 + r
para una tasa de descuento del 5%, el valor presente decrece a través del tiempo hasta que se recibe
el retorno.
r 0,5 VP=
0
0 50 100 150
T
r = 0..0,1..1
T=5
0,5
VP(T.r)
0
0 0,5 1
r
Existen básicamente dos variaciones para establecer las reglas de decisión en la edad de corta. Una
regla busca maximizar el volumen medio anual de madera obtenido del rodal sobre el período de
rotación. La otra regla está basada en diferentes caracterizaciones del valor neto presente de los
costos e ingresos generados por el rodal. Ambos modelos emplean una representación de la relación
entre la edad del rodal y el volumen de fibra disponible a esa edad. Para ilustrar dicha relación,
hagamos una representación en forma de una función de crecimiento algebraica, T
La relación dada describe el volumen cosechable, en metros cúbicos por hectárea, en función de la
edad, medido en años desde el establecimiento del rodal.
200
100
Y
0
0 50 100
T
Esta regla de decisión maximiza el volumen medio anual de madera cosechada por hectárea y por
año. La producción media por hectárea es simplemente Y(T)/T., la cual se expresa generalmente
como Incremento Medio Anual:
Y (T )
IMA ( T ) =
T
y la gráfica es la siguiente:
IMA
0
0 50 100
T
La decisión de corta estará dada a la edad T, donde la curva alcanza su mayor valor, que para el caso
del gráfico será sobre los 2 metros cúbicos por hectárea por año, cuando el rodal es cosechado a la
edad aproximada de 70 años.
Este criterio maximiza el valor neto presente de los ingresos que provienen de la venta de madera y
de los costos de establecimiento y manejo del rodal. Para implementar este modelo, necesitamos
conocer el precio de la madera, P, la tasa de descuento pertinente, r, y los datos de costos.
Supongamos:
P=5
r = 0,05
Costos = 100
T
1
VP(T ) = • P • Y (T ) − Costos
1 + r
-60
VP(T) -80
-100
0 50 100
T
En la gráfica se observa que el mayor valor neto presente ocurre para una edad de cosecha de
aproximadamente 51 años. El valor neto presente es negativo en este punto, indicando que la
inversión en establecimiento de la plantación no se recupera. Nótese que el VNP cae a medida que
incrementa la edad de corta sobre los 51 años, aún cuando el volumen de madera obtenido del rodal
siga aumentando anualmente (IMA)
Este un glosario elaborado por el profesor C. Maynard el 6/12/96, traducido y adaptado al castellano
por Roberto Ipinza el 10/9/97 y revisado por Roberto Ipinza y Rodrigo Vergara el 8/10/98.
La suma total de toda la variación genética en otros organismos que no pueden ser cruzados con la
especie objeto.
Con el desarrollo de la ingeniería genética, es teóricamente posible transferir genes aislados desde
un organismo (planta, animal, virus, o bacteria) en una planta. Esto hace que las líneas entre los
acervos genéticos secundarios y terciarios sean difusos.
Alelo (=Allele)
Es una de varias formas alternativas de un gen que ocupa el mismo locus en un cromosoma
particular.
Corresponde a un análisis estadístico que estima valores F (cuocientes de varianza), para determinar
la probabilidad que las diferencias entre poblaciones o tratamientos son demasiado grandes como
para ser debidas al azar.
Aptitud (=Fitness)
Es la habilidad de un individuo, cuando es cruzado, de producir progenie con una fuerte expresión de
un rasgo particular.
Una buena aptitud combinatoria general (ACG) es la habilidad de un individuo para producir progenie
con una alta calidad genética, cuando es cruzado con muchos otros individuos en la población.
Un árbol que ha sido tentativamente seleccionado para ser incluido en un programa de mejoramiento,
pero aún no ha sido sancionado. (Ver árbol plus y árbol élite).
Un árbol que ha demostrado a través de las pruebas de progenie que produce descendencia superior.
(Ver árbol plus y árbol candidato).
Un árbol sancionado como fenotipicamente superior, pero no probado genéticamente (Ver árbol élite y
árbol candidato).
Un rodal no plantado especialmente para producir semilla, pero depurado de árboles inferiores y
manejada para producir grandes cantidades de semilla. Normalmente el rodal es de un origen
conocido o de un lote de semilla seleccionado.
Polinización natural o artificial de una flor femenina con polen del mismo genotipo. (Ver endogamia,
Una colección de germoplasma (semillas, polen, plantas completas, extracto de ADN) colectado y
mantenido así como una muestra de la variabilidad genética en una población. (Ver conservación de
germoplasma).
Biodiversidad (=Biodiversity)
Bloque (=Block)
Un distintivo, pero no necesariamente un factor invariable, exhibido por todos los individuos de un
grupo y capaz de ser descrito y medido; por ejemplo: color, tamaño, desempeño. Un carácter de un
individuo tendrá un cierto fenotipo, determinado por su genotipo individual y el ambiente.
Cline (=Cline)
Una gradiente ambiental (temperatura, lluvia, pH del suelo...) y una correspondiente gradiente
fenotípica en una población de plantas o animales. Cuando estos han sido evaluados mediante
pruebas de procedencias, se ha encontrados que estos tienen una base genética.
Clón (=Clone)
Un grupo de plantas producidas desde estacas, tocones o brotes radiculares, cultivo de tejido, o
algunos otros métodos que producen descendencia genéticamente idéntica a la planta original. (Ver
ortet y rameto).
Cruzamiento controlado o natural, entre individuos no emparentados. Puede también referirse a una
especie que tiene una barrera para la autofertilización, o exhibir tal nivel de depresión endogámica que
los individuos consanguíneos nunca alcancen la madurez. (Ver autofertilización).
La repetición de un cruzamiento donde la función sexual de los progenitores es invertida, por ejemplo
femenino B x masculino A es el recíproco de femenino A x masculino B.
Un técnica para cultivar células, tejido, u órganos de plantas en un medio estéril y sintético; incluye
los tejidos extirpados de una planta y el cultivo de polen o semillas.
La reducción del vigor observada en la progenie de cruzamiento entre pariente cercanos. La depresión
endogámica es debida a la expresión de alelos recesivos perjudiciales y es severa en especies
exogámicas de polinización abierta.
Depuración (=Rogue)
Remoción de los árboles que tienen un fenotipo indeseable, o que ha sido demostrado a través de
pruebas de progenie, que presentan genotipos menos deseables. La depuración puede realizarse en
un huerto semillero, área de producción de semilla o en invernaderos.
Deriva genética (=Genetic drift)
Cambios en la frecuencia de genes o pérdida de genes en una población pequeña debido a efectos
aleatorios. Comúnmente corresponde a una pérdida de alelos raros.
Desbalanceado (=Unbalanced)
Un muestreo parcial. Algunas familias individuales o tipos de familia pueden ser omitidas del diseño
de cruzamiento. Tanto en los dialelos completos como en los incompletos, la identidad del progenitor
de semilla y polen son mantenida para cada familia. (Ver pedigrí).
Disgenía (=Dysgenic)
Una acción o proceso que es perjudicial a la calidad genética de una población. Usualmente aplicado
a las acciones humanas, tales como el ”floreo” y en algunos casos la tala rasa, que pueden reducir
Concepto general: La cantidad de variabilidad genotípica en una población. (Ver acervo genético.)
Definición cuantitativa: El número de diferentes alelos por locus y la proporción de loci con más de un
alelo en una especie o población.
Dominancia (=Dominance)
Es un enmascaramiento recíproco entre dos alelos. Si un individuos de flores rojas se cruza con un
individuo de flores blancas y toda la progenie tiene flores rosa, el alelo para el pigmento rojo es
parcialmente dominante sobre el alelo para las flores blancas.
Ecotipo (=Ecotype)
Es una población de una especie que ocurre en un ambiente particular bien definido. Usualmente
muestra mejor adaptación a ese ambiente que la especie como un todo. (Ver cline).
Endémico (=Endemic)
Una especie o subespecie de planta o animal, nativo de una pequeña región y que no está presente
en otro lugar.
Endogamia (=Inbreeding)
Exótico (=Exotic)
Definición amplia: Una población no nativa introducida artificialmente en una nueva área.
F1
F2
Familia (=Family)
Fertilización (=Fertilization)
Unión de los núcleos y otros constituyentes celulares de un gameto masculino (espermio) con un
huevo, para formar un zigoto. En algunas especies, la fertilización puede producirse meses después
de la polinización.
Fenotipo (Phenotype)
La característica visible de un árbol. El fenotipo es determinado por la interacción del genotipo con el
ambiente en que éste crece.
Flor (=Flower)
Estructura reproductiva de las angiosperma que porta pistilo, estambres, o ambos, y en muchos
casos también sépalos y pétalos. Las llamadas flores de las coníferas son los estróbilos masculinos
y femeninos antes y durante la polinización.
El movimiento de alelos específicos entre diferentes poblaciones de una especie o entre especies
relacionadas.
Es la localización donde un lote de semilla fue colectado. Si diferentes lotes de semillas de una
especie exótica son colectas y probadas, la prueba se denomina prueba de fuentes de semilla para
distinguirla de las pruebas de procedencias.
Ganancia (=Gain)
Gen (=Gene)
Genética (=Genetics)
Genotipo (=Genotype)
Son los individuos que forman un conjunto de progenitores. Un GC dialelo es uno en que los
cruzamientos controlados son realizados entre cada par de progenitores en el grupo, pero los
cruzamientos con progenitores fuera del grupo son excluidos. Un GC factorial es uno en que un
número limitado de progenitores es usado como probadores masculinos en el cruzamiento
controlado, con un número ilimitado de progenitores femeninos. Un GC de polinización abierta es uno
en que todos los progenitores en una población de mejoramiento son incluido en una prueba de
progenie o series de prueba en que puede ser utilizado para reforestación con material genéticamente
mejorado.
Un conjunto de reglas para colectar semilla y hacer plantaciones de forma tal que los genotipos no se
coloquen en microclimas o suelos inapropiados. Comúnmente las guías de transferencia de semilla
describen el movimiento máximo desde un punto de colecta en kilómetros al este, oeste, norte y sur
como también en metros sobre el nivel del mar. (Ver zona de semilla).
Heredabilidad (=Heritability)
Definición cuantitativa: Un cuociente entre los factores genéticos y totales (genéticos y ambientales)
que influyen en la expresión de un rasgo.
Un término que indica hermano o hermana. Medios hermanos tienen un progenitor en común,
hermanos completos tiene ambos progenitores en común.
Heterocigoto (= Heterozygous)
Portador de dos alelos diferentes en un locus. Cuando es usado para referirse al genotipo total, indica
que los individuos tienen diferentes alelos en muchos locus. Cuando es usado para referirse a una
especie, se dice que tiene baja o alta heterocigosidad con respecto a otra para indicar que la especie
tiene un número relativamente alto de loci variables.
Híbrido (=Hybrid)
Homocigoto (=Homozygous)
Portador de dos alelos idénticos en un locus, en muchos locus, o en la especie entera. (Ver
heterocigoto).
Un huerto semillero establecido a partir de plántulas (no de injertos). Normalmente las plántulas del
huerto semillero son establecidas en parcelas de varios árboles por familias, de tal forma que se
puede hacer primero una selección entre familias y luego entre individuos dentro de cada parcela
familiar, reduciendo cada parcela al árbol de mejor calidad.
Ideotipo (=Ideotype)
Es el tipo ideal o espécimen perfecto. Es una descripción o ilustración de cual es la meta final del
mejoramiento genético para una especie. El ideotipo es la expresión de los rasgos individuales sin
relacionarlo a la heredabilidad. Este no es un intento de ser una guía práctica para la selección de
árboles plus, sino que es el punto de partida para la selección de campo.
Introgresión (=Introgression)
Locus (=Locus)
Es un grupo de semillas con algún factor en común, por ejemplo año de colecta, rodal o huerto
semillero, árbol plus, punto de origen en una prueba de procedencia, familia de medios hermanos o
hermanos completos.
Un método estadístico que utiliza el álgebra matricial para predecir los valores de mejora para algún
rasgo o índice de selección; en BLP los efectos fijos se asumen conocidos. El BLP es
especialmente adecuado para el análisis de ensayos desbalanceados. (Ver desbalance).
Es un método estadístico que predice los valores de mejora para algún rasgo o índice de selección.
A diferencia del BLP, en BLUP los efectos fijos son estimados. Tal como en BLP, BLUP es muy
adecuado para analizar ensayos desbalanceados. (Ver desbalance).
Mutación (=Mutation)
Un cambio repentino en el genotipo, causado por un pequeño cambio en la secuencia de ADN en los
cromosomas. Las mutaciones puede ser causadas por cambios en el número de cromosomas,
ruptura de cromosomas individuales o cambios en las secuencias de los nucleótidos en el ADN.
Ortet (=Ortet)
La planta original desde la cual un clon es obtenido a través de estacas enraizadas, injertos, cultivo
de tejido u otro medio de propagación vegetativa. El árbol plus original utilizado para iniciar la
injertación de un clon - para su inclusión en un huerto de semilla - es el ortet. (Ver rameto y clon).
Parcela (=Plot)
En un estudio de campo, un grupo de árboles, todos perteneciente al mismo grupo genético (familia,
clon, procedencia, etc.). (Ver bloque y diseño en bloques al azar.)
En un estudio de campo, un grupo de árboles, todos de un mismo grupo genético (familia, clones,
procedencia, etc.) plantados conjuntamente. Una parcela contigua de cinco árboles en hilera, es
probablemente el diseño más común para los experimentos genéticos forestales. (Ver bloques y
diseño en bloque aleatorizados.).
En un estudio de campo, un grupo de árboles, todos del mismo grupo genético (familia, clones,
procedencias, etc.) plantados en el mismo bloque, pero no conjuntamente. El diseño de parcelas no
contiguas es una alternativa para permitir pruebas que serán sistemáticamente raleadas y aún
mantener un espaciamiento uniforme. (Ver bloques y diseño en bloques al azar).
Patrón (=Rootstock)
Una planta enraizada, comúnmente propagada de semilla, sobre la cual se injertan púas o yemas.
Pedigrí (=Pedigree)
Registro de ancestros.
Son conocidos todos los progenitores; padres, madres, abuelos, etcétera de un genotipo en
particular.
Población (=Population)
Un grupo de árboles individuales que tiene alguna característica en común, tanto de localidad,
ancestro familiar, o uso deliberado.
Un grupo de individuos seleccionados desde una población nativa para ser usadas en un programa de
mejoramiento. Normalmente la selección es fenotípica. En especies con un rango amplio, hay varias
o muchas poblaciones de mejora más o menos separadas, cada una está designada para proveer
progenies adecuadas a una región geográfica particular. (Ver zona de semilla y zona de
mejoramiento).
Polinización (=Pollination)
Es una polinización dirigida de las flores femeninas de un árbol, usando polen de una fuente
conocida, usualmente de un árbol específico. Las flores son protegidas del polen indeseable
cubriéndolas con una bolsa de polinización antes que estas se tornen receptivas. Cuando se tornan
receptivas dentro de la bolsa, se les agrega el polen. Mediante este método se obtienen familias de
hermanos completos.
Poliploidia (=Polyploid)
Es cuando una célula, tejido, individuo, población o especie, tiene más del doble del número básico
(n) de cromosomas de la especie ancestral. La poliploidia puede conducir a un aumento de la tasa de
crecimiento (Populus) o a un severo enanismo (Pinus). Tres conjuntos de cromosomas es llamado
triploide (3n), cuatro conjunto tetraploides (4n), seis conjuntos hexaploides (6n), etcétera. (Ver
número de cromosomas).
Propagar una planta asexualmente por injerto, estacas enraizadas, cultivo de tejido, o semillas
apomicticas. Generar una planta completa a partir de una simple célula. (Esto se utiliza en
investigación de cultivo de tejido).
Propagación de una planta por medios asexuales, como yemación, injertos, enraizamiento (Ver clon).
Propágulo (=Propagule)
Algún tipo de material que será usado para la reproducción. El material puede ser una plántula,
estaca enraizada o no enraizada, un injerto o un esplante de cultivo de tejido.
Es una plantación que tiene un número variable de plantas propagadas vegetativamente. Estas
pruebas proporcionan estimaciones del desempeño relativo de diferentes genotipos, pero no
necesariamente aportan información sobre su conducta genética.
Una prueba de progenie para estimar la aptitud combinatoria general desde cruzamientos entre
progenitores selectos. La identidad sólo puede ser mantenida por el progenitor que produce la
semilla. Una mezcla de polen es artificialmente aplicada a cada progenitor femenino.
Una prueba para comparar árboles que crecen de semilla o estacas colectadas en muchas partes
dentro del rango de una especie. (Ver fuente de semilla).
Una prueba para comparar la descendencia de diferentes progenitores. (Ver selección hacia atrás.)
Púa (=Scion)
Una ramita, yema, u otra porción vegetativa que será injertada sobre otra planta (o sistema radicular).
(Ver huerto semillero, rameto y clon).
Rameto (=Ramet)
Una copia de una planta reproducida vegetativamente. Cada rameto tendrá el mismo genotipo del
árbol progenitor original, conocido como ortet. (Ver clon y ortet).
Raza (=Race)
Una población de una especie, por lo común bastante grande, que exhibe algún grado de uniformidad
fenotípica (y presumiblemente genotípica) entre individuos de la misma especie y distinto de la
especie como un todo.
Una población de árboles de una especie no nativa que ha experimentado una o más generaciones de
selección natural en un nuevo ambiente. Por ejemplo, Pinus radiata en Chile.
Repetición (=Replication)
En una prueba genética, una repetición contiene una parcela para cada grupo genético. (Ver diseño
en bloques completamente al azar, bloques y parcelas.)
Resilencia (=Resilience)
Es la habilidad de una población de persistir en un ambiente dado a pesar del los disturbio o
reducción del tamaño poblacional. La resilencia de una población se basa en (1) la habilidad de los
individuos dentro de la población para sobrevivir (aptitud) y reproducirse (fecundidad) en un ambiente
cambiante, y (2) la variabilidad genética de la población que permite la producción de nuevos
genotipos.
Retrocruzamiento (=Backcross)
Cruzamiento hacia atrás. Cruzamiento hacia uno de los progenitores originales, llamado el progenitor
recurrente El progenitor recurrente es por lo común un genotipo diferente de la misma especie o
población (Esto es así para prevenir la depresión endogámica). Por ejemplo: colectar polen de un
cruzamiento F1 entre "pitch pine” y ”loblolly pine” y luego polinizar a un "loblolly pine” puro. La
semilla producida se llamará primer retrocruzamiento y el "loblolly pine” es el progenitor recurrente.
Selección (=Selection)
Escoger árboles individuales o poblaciones con características deseables para obtener mejoramiento
genético.
Es la selección de los mejores individuos dentro de las mejores familias. (ver selección familiar).
Selección de dos o más rasgos en forma consecutiva, más que simultáneamente. La técnica es útil
cuando un rasgo puede ser evaluado tempranamente y un segundo rasgo sólo después de algunos
años, o cuando un rasgo es mucho más caro de medir que lo común.
Elección de los mejores individuos de una prueba de progenie para usar en huertos semilleros y/o
generaciones subsecuentes de mejoramiento. (Ver selección hacia atrás.)
Selección de los árboles progenitores en base a los resultados de una prueba de progenie. (Ver
selección hacia adelante).
Sublínea (=Sublining)
El valor genético de un individuo determinado por el valor medio de su progenie. Puede ser sobre una
base de un rasgo individual o un índice de selección.
Variabilidad (=Variability)
Diferencias fenotípicas entre árboles nativos creciendo en diferentes porciones del rango de una
especie. Si las diferencias son más genéticas que ambientales, la variación es especificada como
racial, ecotípica, o clinal.
Varianza (=Variance)
Variedad (=Variety)
Una población de plantas o clones distintivo, comúnmente una que posee bastantes características
deseables para ser cultivada. En agricultura y horticultura todas las plantas dentro de una variedad
presentan una uniformidad genética. En silvicultura el término es más aproximado y la variabilidad
dentro de una variedad es comúnmente mucho más grande.
Vecindad (=Neighborhood)
Poblaciones en que se produce cruzamiento al azar. Generalmente, dentro de una población pequeña
se puede esperar que los individuos estén estrechamente emparentados. La vecindad puede ser
creada por barreras al movimiento de polen y semilla, u otros factores de aislamiento.
Es la habilidad de una población para vivir, crecer y desarrollarse. Esto es afectado por los factores
de hábitat físico (clima, geología, topografía, y factores de drenaje) y factores de hábitat biótico
(plantas, poblaciones animales y comunidades).
Es una área dentro de la cual una población cualquiera de árboles mejorados puede ser plantada sin
temor de una mala adaptación. (Ver zona de semillas).
Es un área dentro de la cual las semillas pueden ser colectadas desde un rodal natural y plantadas
en un nuevo sitio sin problemas de inadaptación.