Identificación de ambientes representativos y discriminatorios para seleccionar genotipos de arroz mediante el Biplot GGE. El objetivo del presente estudio fue identificar ambientes representativos y discriminatorios para seleccionar genotipos de arroz mediante el Biplot GGE. Se recurrió a la base de datos del proyecto de arroz periodo 2001-2009. Se analizaron: rendimiento de grano (toneladas/hectárea) y la proporción de granos enteros, de manera individual, y mediante un índice de selección (rendimiento + granos enteros). La información fue analizada mediante el programa Biplot GGE. A cada Biplot generado se le determinó la distancia en milímetros entre localidades verdaderas y la ideal; posteriormente las distancias fueron estandarizadas. Además se estimó la capacidad discriminatoria y representatividad de las localidades. A excepción de Alanje, las localidades más apropiadas para rendimiento (Soná, Barú), no fueron las mismas para granos enteros (Tonosí, Barú, Divisa). El índice de selección identificó las localidades apropiadas para seleccionar (Tonosí, Alanje, Calabacito, Soná, Barú). Todas las localidades fueron efectivas en su capacidad discriminatoria para rendimiento. Se encontraron diferencias en representatividad, siendo Calabacito y Changuinola, las de mayor y menor representatividad, respectivamente. Las localidades presentaron similar capacidad discriminatoria y representatividad para granos enteros. Al integrar rendimiento más granos enteros, se hizo posible separar las localidades más discriminatorias (Remedios, Ta- nara, Alanje) y las más representativas (Calabacito, Tonosí, Barú). Las implicaciones prácticas de este trabajo es que nos permitirá priorizar la investigación en aquellas localidades más apropiadas para identificar genotipos superiores.
Identification of representative and discriminatory environments to select genotypes using GGE Biplot. The objective of this work was to identify representative and discriminatory environments to select rice genotypes using the Biplot GGE technique. The rice data base of the Rice Project 2001-2009 was used. Garin yield and proportion of whole grains, individually and by the use of a selection index (yield + whole grains) were analyzed using Biplot GGE. Every Bi- plot generated was analyzed for distance in mm. between real localities and the ideal; distances were later standardized. In addition, the discriminatory capacity and representativity of each locality were determined. With the exception of Alan- je, the localities more appropriate for higher yields (Soná, Barú), were not the same for the obtention of more whole grains (Tonosí, Barú, Divisa). The selection index identified appropriate locations for select (Tonosí, Alanje, Calabacito, Soná, Barú). All localities were effective in their discriminatory capacity for yield. Differences in representativity were observed, with Calabacito and Changuinola occupying the highest and lowest positions, respectively. All localities showed similar discriminatory capacity and representativity for whole grains. Integrating yield and more whole grains it became posible to separate more discriminatory (Remedios, Tanara, Alanje) and more representative (Calabacito, Tonosí, Barú) locations. The practical implication of this work is that it allows us to prioritize research in localities more appro- priate for the identification of superior genotypes.