"Índice de selección en un ensayo de procedencias de Pinus cembroides Zucc., en Arteaga, Coahuila, México."

" El mejoramiento genético forestal implica la selección de árboles, la cual se puede realizar con un índice de selección, este se construye con base en la evaluación de características fenotípicas. Pinus cembroides Zucc., tiene amplia distribución en México en bosques de clima templado seco y en suelos con baja fertilidad. Se conoce poco de su potencial genético para programas de reforestación. El objetivo del estudio fue obtener un índice de selección de un ensayo de tres procedencias de Pinus cembroides en el Campo Agrícola Experimental Sierra de Ar teaga (CAESA), con base en características fenotípicas. Para la construcción del índice de selección se midieron 12 variables dasométricas en 417 árboles. Se realizó un análisis de componentes principales con el PROC PRINCOMP de SAS. La construcción del índice de selección para la selección de los mejores árboles se realizó con base en el máximo valor de correlación de las variables dasométricas probadas en cada componente. El índice de selección se integró con las siguientes variables: diámetro normal, diámetro basal, crecimiento relativo en diámetro basal, volumen de Pressler y diámetro de ramas. El análisis redujo de 12 a cinco variables con los tres primeros compo nentes, los cuales explicaron el 92.36 % de la varianza total. El CP 1 explicó la varianza con un valor del 70.56%, los CP 2 y 3 explicaron la varianza en un 12.44 y 9.36%, respectivamente."

"Forest genetic improvement involves tree selection, which can be done with a selection index, constructed based on the evaluation of phenotypic characteristics. Pinus cembroides Zucc. is widely distributed in Mexico in dry temperate forests and on low-fertility soils. Little is known about its genetic potential for reforestation programs. The objective of this study was to obtain a selection index from a trial of three Pinus cembroides provenances at the Sierra de Arteaga Experimental Agricultural Field (CAESA), based on phenotypic characteristics. To construct the selection index, 12 dasometric variables were measured in 417 trees. A principal components analysis was performed using PROC PRINCOMP in SAS. The selection index for selecting the best trees was constructed based on the highest correlation value of the dasometric variables tested for each component. The selection index was composed of the following variables: normal diameter, basal diameter, relative growth in basal diameter, Pressler volume, and branch diameter. The analysis reduced the variables from 12 to five, with the first three components explaining 92.36% of the total variance. PC 1 explained 70.56% of the variance, while PCs 2 and 3 explained 12.44% and 9.36% of the variance, respectively."