CUADERNILLO DE RESPUESTAS DEL TEST DE BOSTON FORMATO ABREVIADO
Iniciativa para acelerar la generación de variedades adaptadas a ambientes específicos y a la variabilidad climática
1.
Iniciativa para Acelerar la Generación de Variedades Adaptadas
a Ambientes Específicos y a la Variabilidad Climática
Objetivo
Integrar herramientas para acelerar y aumentar la eficiencia del mejoramiento de variedades.
Resumen
Frente a los retos que imponen el cambio climático y la seguridad alimentaria es necesario acelerar la
generación de variedades y estar en capacidad de ofrecer materiales que se ajusten mejor a las condiciones de
producción de los agricultores. En arroz, la producción se ha visto afectada por la variabilidad climática y existe
una mayor dificultad para obtener una ganancia genética a través de los ambientes. La complejidad en las
interacciones genotipo por ambiente (GxA) reduce la heredabilidad del rendimiento, lo que resulta en un lento
progreso para el mejoramiento de variedades, sobretodo en ambientes donde existen múltiples estreses
abióticos o contextos de alta variabilidad climática.
Acelerar los ciclos de mejoramiento resulta fundamental, no sólo para lograr suplir la demanda de alimentos
proyectada en las siguientes décadas, sino también porque, bajo el contexto de cambio climático, los ciclos de
mejoramiento largos incrementan el riesgo de desarrollar variedades que, una vez liberadas y adoptadas, no
se ajustan a los ambientes para los que originalmente se desarrollaron (Zheng et al. 2015). En otras palabras,
debemos asegurar que la velocidad del mejoramiento supere la del cambio climático.
En general, considerando varios cultivos, la variabilidad de rendimiento explicada por el ambiente (A) está
entre 48‐93%, por la interacción GxA entre 4‐35%, y por el genotipo (G) entre 1‐16% (Chenu 2011). No
obstante, las inversiones han sido mayores en entender el genotipo. Los más recientes avances en cuanto a
conocimiento y metodologías en genómica y bioinformática han abierto una amplia gama de oportunidades
para acelerar y aumentar la eficiencia del mejoramiento de variedades en arroz pero aún se requiere una
comprensión avanzada de las interacciones GxA y del ambiente.
Con el fin de acelerar el mejoramiento de variedades se han utilizado de forma independiente: (i) la diversidad
genética en arroz, los métodos de secuenciación genética y las plataformas de fenotipado (genética), (ii) los
ensayos multi‐ambientales y la modelación de cultivos bajo diferentes escenarios climáticos y recientemente
(fisiología) (iii) el análisis de datos observacionales al nivel de finca para la identificación de ambientes y de las
variedades adaptadas a estos ambientes. A pesar de los avances en cada disciplina individualmente, aún no se
tienen productos tangibles para el mejoramiento de cultivos bajo condiciones de variabilidad climática. En este
contexto, optimizar el uso de la diversidad genética en diferentes ambientes y condiciones climáticas sigue
siendo un gran reto para el mejoramiento genético.
En el CIAT se ha venido desarrollando un nuevo concepto donde se integran estos tres puntos. Primero la
modelación de cultivos (empírica y/o mecanística) se utiliza para caracterizar los ambientes de producción
¿Quiénes participan?
Centro Internacional de Agricultura Tropical
(CIAT): Agricultura Específica por Sitio,
Modelación de cultivos y Fisiología de Arroz
2.
arrocera bajo largos lapsos y la respuesta de las diferentes variedades a los mismos; segundo se utilizan los
ambientes para realizar ensayos con el fin de validar los resultados y de evaluar el comportamiento de nuevas
variedades; y tercero se construyen plataformas de fenotipado para así utilizar la diversidad genética y revelar
nuevas herramientas para mejoramiento (parentales, marcadores moleculares).
Esta iniciativa permitirá generar una comprensión avanzada de las interacciones GxA, proporcionando:
• Una mejor comprensión del ambiente (manejo y clima) y de los factores (clima o manejo) que limitan
el rendimiento en condiciones comerciales y experimentales.
• Información sobre localidades representativas de interés para realizar ensayos de selección de
materiales para estreses específicos, i.e. localidades donde las variedades expresan el mismo
comportamiento, localidades donde el estrés abiótico permite discriminar las variedades.
• Características necesarias para la adaptación, y los genes que la controlan, relevantes para la
generación de marcadores moleculares
• Identificación de parentales promisorios para un ambiente específico o un conjunto de ambientes que
muestran el mismo comportamiento.
• Modernización y sistematización de la captura de datos observacionales permitiendo un monitoreo
continuo de los rendimientos en condiciones comerciales, y por lo tanto una estimación del impacto
que estos nuevos materiales están generando en la región.
Más allá de herramientas para el fitomejoramiento, todas estas herramientas tanto individualmente como en
combinación, brindan elementos clave para reducir el riesgo asociado con la producción arrocera, beneficiando
no solo a los agricultores, sino también los gobiernos, molinos y usuarios finales.
Referencias
Chenu, K., 2011. Characterizing the crop environment‐nature,significance and applications. In Crop Physiology.
Queensland, Australia: Elsevier Inc., pp. 321–348. Available at: http://dx.doi.org/10.1016/B978‐0‐12‐417104‐
6/00013‐3
Zheng, B., Chenu, K., and Chapman, S. 2015. Velocity of temperature and flowering time in wheat – Assisting
breeders to keep pace with climate change. Global Change Biology, DOI: 10.1111/gcb.13118.
Información de contacto
María Camila Rebolledo, Fisiología de Arroz – CIAT m.c.rebolledo@cgiar.org
Próximos pasos
Se comenzó a recopilar información general (disponibilidad de
estaciones meteorológicas, manejo del cultivo, fechas de
siembra) de 104 estaciones experimentales del FLAR. Parte de
esta información está siendo utilizada para generar un mapa
donde las localidades se agrupan por características de clima,
suelo, y rendimiento. Se busca comenzar a definir estaciones
experimentales estratégicas, para realizar captura de datos,
ensayos y calibraciones del modelo de simulación.