Efecto de la salinidad sobre la germinación y supervivencia en distintos ecotipos de Leptochloa crinita con fines de restauración productiva.
Cecilia Vega Riveros
Cargamos las hojas 1 y 2 del fichero excel con los datos de germinación y supervivencia
#download.file("https://cursoronline.usal.es/TFC2023.xlsx","TFC2023.xlsx")
library(readxl)
germinacion <- read_excel("TFC2023.xlsx", sheet=1)
germinacion## # A tibble: 225 × 5
## ecotipo tratamiento repeticion germinadas total
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 1e control 1 24 25
## 2 1e control 2 25 25
## 3 1e control 3 23 25
## 4 1e control 4 25 25
## 5 1e control 5 23 25
## 6 1e 0.1 1 22 25
## 7 1e 0.1 2 25 25
## 8 1e 0.1 3 25 25
## 9 1e 0.1 4 25 25
## 10 1e 0.1 5 24 25
## # … with 215 more rowssupervivencia <- read_excel("TFC2023.xlsx", sheet=2)
supervivencia## # A tibble: 225 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <chr> <dbl> <dbl>
## 1 1e control 1 0.75
## 2 1e control 2 1
## 3 1e control 3 0.67
## 4 1e control 4 1
## 5 1e control 5 1
## 6 1e 0.1 1 1
## 7 1e 0.1 2 1
## 8 1e 0.1 3 1
## 9 1e 0.1 4 1
## 10 1e 0.1 5 0.33
## # … with 215 more rowsVemos los datos del archivo excel completo
TFC2023 <- list(germinacion,supervivencia)
TFC2023## [[1]]
## # A tibble: 225 × 5
## ecotipo tratamiento repeticion germinadas total
## <chr> <chr> <dbl> <dbl> <dbl>
## 1 1e control 1 24 25
## 2 1e control 2 25 25
## 3 1e control 3 23 25
## 4 1e control 4 25 25
## 5 1e control 5 23 25
## 6 1e 0.1 1 22 25
## 7 1e 0.1 2 25 25
## 8 1e 0.1 3 25 25
## 9 1e 0.1 4 25 25
## 10 1e 0.1 5 24 25
## # … with 215 more rows
##
## [[2]]
## # A tibble: 225 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <chr> <dbl> <dbl>
## 1 1e control 1 0.75
## 2 1e control 2 1
## 3 1e control 3 0.67
## 4 1e control 4 1
## 5 1e control 5 1
## 6 1e 0.1 1 1
## 7 1e 0.1 2 1
## 8 1e 0.1 3 1
## 9 1e 0.1 4 1
## 10 1e 0.1 5 0.33
## # … with 215 more rowsGerminación
Revisamos la estructura de los datos
str(germinacion)## tibble [225 × 5] (S3: tbl_df/tbl/data.frame)
## $ ecotipo : chr [1:225] "1e" "1e" "1e" "1e" ...
## $ tratamiento: chr [1:225] "control" "control" "control" "control" ...
## $ repeticion : num [1:225] 1 2 3 4 5 1 2 3 4 5 ...
## $ germinadas : num [1:225] 24 25 23 25 23 22 25 25 25 24 ...
## $ total : num [1:225] 25 25 25 25 25 25 25 25 25 25 ...Convertimos la variable “tratamiento” de texto (character) a factor
germinacion$tratamiento <- as.factor(germinacion$tratamiento)
germinacion$tratamiento ## [1] control control control control control 0.1 0.1 0.1 0.1
## [10] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [19] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [28] 0.25 0.25 0.25 control control control control control 0.1
## [37] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [46] control control control control control 0.1 0.1 0.1 0.1
## [55] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [64] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [73] 0.25 0.25 0.25 control control control control control 0.1
## [82] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [91] control control control control control 0.1 0.1 0.1 0.1
## [100] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [109] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [118] 0.25 0.25 0.25 control control control control control 0.1
## [127] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [136] control control control control control 0.1 0.1 0.1 0.1
## [145] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [154] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [163] 0.25 0.25 0.25 control control control control control 0.1
## [172] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [181] control control control control control 0.1 0.1 0.1 0.1
## [190] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [199] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [208] 0.25 0.25 0.25 control control control control control 0.1
## [217] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## Levels: 0.1 0.25 controlstr(germinacion)## tibble [225 × 5] (S3: tbl_df/tbl/data.frame)
## $ ecotipo : chr [1:225] "1e" "1e" "1e" "1e" ...
## $ tratamiento: Factor w/ 3 levels "0.1","0.25","control": 3 3 3 3 3 1 1 1 1 1 ...
## $ repeticion : num [1:225] 1 2 3 4 5 1 2 3 4 5 ...
## $ germinadas : num [1:225] 24 25 23 25 23 22 25 25 25 24 ...
## $ total : num [1:225] 25 25 25 25 25 25 25 25 25 25 ...Tablas
library(stats)
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.1 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(dplyr)Creamos una nueva variable para obtener la proporción de semillas germinadas respecto del total de semillas
proporcion<-germinacion%>%
mutate(proporcion=germinadas/(total))
proporcion## # A tibble: 225 × 6
## ecotipo tratamiento repeticion germinadas total proporcion
## <chr> <fct> <dbl> <dbl> <dbl> <dbl>
## 1 1e control 1 24 25 0.96
## 2 1e control 2 25 25 1
## 3 1e control 3 23 25 0.92
## 4 1e control 4 25 25 1
## 5 1e control 5 23 25 0.92
## 6 1e 0.1 1 22 25 0.88
## 7 1e 0.1 2 25 25 1
## 8 1e 0.1 3 25 25 1
## 9 1e 0.1 4 25 25 1
## 10 1e 0.1 5 24 25 0.96
## # … with 215 more rowsCalculamos los promedios por ecotipo para cada tratamiento y lo multiplicamos por 100
promediogerm <- proporcion %>%
group_by(ecotipo, tratamiento) %>%
summarise(prop_means=mean(proporcion)*100, .groups = "keep")
promediogerm## # A tibble: 45 × 3
## # Groups: ecotipo, tratamiento [45]
## ecotipo tratamiento prop_means
## <chr> <fct> <dbl>
## 1 10e 0.1 93.6
## 2 10e 0.25 56
## 3 10e control 98.4
## 4 11e 0.1 88
## 5 11e 0.25 38.4
## 6 11e control 94.4
## 7 12e 0.1 74.4
## 8 12e 0.25 39.2
## 9 12e control 81.6
## 10 13e 0.1 47.2
## # … with 35 more rowsA partir de los datos generados de promedios (por ecotipo y por tratamiento), creamos un data.frame
resultadosgerm<-as.data.frame(promediogerm)
resultadosgerm## ecotipo tratamiento prop_means
## 1 10e 0.1 93.6
## 2 10e 0.25 56.0
## 3 10e control 98.4
## 4 11e 0.1 88.0
## 5 11e 0.25 38.4
## 6 11e control 94.4
## 7 12e 0.1 74.4
## 8 12e 0.25 39.2
## 9 12e control 81.6
## 10 13e 0.1 47.2
## 11 13e 0.25 0.0
## 12 13e control 67.2
## 13 14e 0.1 45.6
## 14 14e 0.25 0.0
## 15 14e control 72.8
## 16 19e 0.1 52.8
## 17 19e 0.25 0.0
## 18 19e control 68.0
## 19 1e 0.1 96.8
## 20 1e 0.25 38.4
## 21 1e control 96.0
## 22 20e 0.1 41.6
## 23 20e 0.25 4.8
## 24 20e control 67.2
## 25 21e 0.1 71.2
## 26 21e 0.25 15.2
## 27 21e control 66.4
## 28 22e 0.1 44.0
## 29 22e 0.25 4.8
## 30 22e control 65.6
## 31 23e 0.1 33.6
## 32 23e 0.25 4.0
## 33 23e control 65.6
## 34 24e 0.1 21.6
## 35 24e 0.25 3.2
## 36 24e control 54.4
## 37 4e 0.1 84.0
## 38 4e 0.25 32.0
## 39 4e control 87.2
## 40 6e 0.1 79.2
## 41 6e 0.25 26.4
## 42 6e control 90.4
## 43 8e 0.1 92.8
## 44 8e 0.25 56.0
## 45 8e control 90.4Representamos la germinación en porcentaje en función de cada tratamiento para cada uno de los ecotipo
g1<-ggplot (resultadosgerm, aes (fill = tratamiento, y = prop_means, x = ecotipo)) +
geom_bar(stat = "identity", position = position_dodge(), width = 0.7)+
scale_fill_manual(name="Tratamientos", values = c("0.1"='lightpink', "0.25"='plum', "control"='lightblue'))+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e", "19e", "20e", "21e","22e","23e","24e"))+
theme(legend.position = "top",
plot.tag.position = "bottom",
legend.background = element_rect(fill = "white"), legend.title = element_blank())+
labs(x="Ecotipo", y="Germinación (%)",
title="Germinación",
subtitle = "Porcentaje de germinación en ecotipos de Leptochloa crinita \nsegún tratamientos",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 1")
g1
Guardamos la gráfica en pdf
ggsave(filename="Figura 1.pdf",device="pdf",plot=g1, width = 17,height = 10, units = c("cm"))Aplicamos filtros sobre la variable “proporción” para obtener la disminución de la germinación de un tratamiento respecto del control
control<-filter(proporcion, tratamiento == "control")
control## # A tibble: 75 × 6
## ecotipo tratamiento repeticion germinadas total proporcion
## <chr> <fct> <dbl> <dbl> <dbl> <dbl>
## 1 1e control 1 24 25 0.96
## 2 1e control 2 25 25 1
## 3 1e control 3 23 25 0.92
## 4 1e control 4 25 25 1
## 5 1e control 5 23 25 0.92
## 6 4e control 1 20 25 0.8
## 7 4e control 2 18 25 0.72
## 8 4e control 3 23 25 0.92
## 9 4e control 4 23 25 0.92
## 10 4e control 5 25 25 1
## # … with 65 more rowstrat01 <- filter(proporcion, tratamiento == "0.1")
trat01## # A tibble: 75 × 6
## ecotipo tratamiento repeticion germinadas total proporcion
## <chr> <fct> <dbl> <dbl> <dbl> <dbl>
## 1 1e 0.1 1 22 25 0.88
## 2 1e 0.1 2 25 25 1
## 3 1e 0.1 3 25 25 1
## 4 1e 0.1 4 25 25 1
## 5 1e 0.1 5 24 25 0.96
## 6 4e 0.1 1 21 25 0.84
## 7 4e 0.1 2 22 25 0.88
## 8 4e 0.1 3 22 25 0.88
## 9 4e 0.1 4 21 25 0.84
## 10 4e 0.1 5 19 25 0.76
## # … with 65 more rowstrat025 <- filter(proporcion, tratamiento == "0.25")
trat025## # A tibble: 75 × 6
## ecotipo tratamiento repeticion germinadas total proporcion
## <chr> <fct> <dbl> <dbl> <dbl> <dbl>
## 1 1e 0.25 1 13 25 0.52
## 2 1e 0.25 2 1 25 0.04
## 3 1e 0.25 3 7 25 0.28
## 4 1e 0.25 4 13 25 0.52
## 5 1e 0.25 5 14 25 0.56
## 6 4e 0.25 1 11 25 0.44
## 7 4e 0.25 2 8 25 0.32
## 8 4e 0.25 3 7 25 0.28
## 9 4e 0.25 4 8 25 0.32
## 10 4e 0.25 5 6 25 0.24
## # … with 65 more rowsUnimos tablas entre cada tratamiento y el control
control01<-full_join(control,trat01, by="ecotipo", relationship = "many-to-many")
control01## # A tibble: 375 × 11
## ecotipo tratamiento.x repet…¹ germi…² total.x propo…³ trata…⁴ repet…⁵ germi…⁶
## <chr> <fct> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 24 25 0.96 0.1 1 22
## 2 1e control 1 24 25 0.96 0.1 2 25
## 3 1e control 1 24 25 0.96 0.1 3 25
## 4 1e control 1 24 25 0.96 0.1 4 25
## 5 1e control 1 24 25 0.96 0.1 5 24
## 6 1e control 2 25 25 1 0.1 1 22
## 7 1e control 2 25 25 1 0.1 2 25
## 8 1e control 2 25 25 1 0.1 3 25
## 9 1e control 2 25 25 1 0.1 4 25
## 10 1e control 2 25 25 1 0.1 5 24
## # … with 365 more rows, 2 more variables: total.y <dbl>, proporcion.y <dbl>,
## # and abbreviated variable names ¹repeticion.x, ²germinadas.x, ³proporcion.x,
## # ⁴tratamiento.y, ⁵repeticion.y, ⁶germinadas.ycontrol025<-full_join(control,trat025, by="ecotipo", relationship = "many-to-many")
control025## # A tibble: 375 × 11
## ecotipo tratamiento.x repet…¹ germi…² total.x propo…³ trata…⁴ repet…⁵ germi…⁶
## <chr> <fct> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 24 25 0.96 0.25 1 13
## 2 1e control 1 24 25 0.96 0.25 2 1
## 3 1e control 1 24 25 0.96 0.25 3 7
## 4 1e control 1 24 25 0.96 0.25 4 13
## 5 1e control 1 24 25 0.96 0.25 5 14
## 6 1e control 2 25 25 1 0.25 1 13
## 7 1e control 2 25 25 1 0.25 2 1
## 8 1e control 2 25 25 1 0.25 3 7
## 9 1e control 2 25 25 1 0.25 4 13
## 10 1e control 2 25 25 1 0.25 5 14
## # … with 365 more rows, 2 more variables: total.y <dbl>, proporcion.y <dbl>,
## # and abbreviated variable names ¹repeticion.x, ²germinadas.x, ³proporcion.x,
## # ⁴tratamiento.y, ⁵repeticion.y, ⁶germinadas.yCreamos otra nueva variable para ambos tratamientos, pero esta vez con el fin de obtener la diferencia de cuánto disminuyó la germinación de los tratamientos respecto al control
prop01<-control01%>%
mutate(prop=proporcion.y-proporcion.x)
prop01## # A tibble: 375 × 12
## ecotipo tratamiento.x repet…¹ germi…² total.x propo…³ trata…⁴ repet…⁵ germi…⁶
## <chr> <fct> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 24 25 0.96 0.1 1 22
## 2 1e control 1 24 25 0.96 0.1 2 25
## 3 1e control 1 24 25 0.96 0.1 3 25
## 4 1e control 1 24 25 0.96 0.1 4 25
## 5 1e control 1 24 25 0.96 0.1 5 24
## 6 1e control 2 25 25 1 0.1 1 22
## 7 1e control 2 25 25 1 0.1 2 25
## 8 1e control 2 25 25 1 0.1 3 25
## 9 1e control 2 25 25 1 0.1 4 25
## 10 1e control 2 25 25 1 0.1 5 24
## # … with 365 more rows, 3 more variables: total.y <dbl>, proporcion.y <dbl>,
## # prop <dbl>, and abbreviated variable names ¹repeticion.x, ²germinadas.x,
## # ³proporcion.x, ⁴tratamiento.y, ⁵repeticion.y, ⁶germinadas.yprop025<-control025%>%
mutate(prop=proporcion.y-proporcion.x)
prop025## # A tibble: 375 × 12
## ecotipo tratamiento.x repet…¹ germi…² total.x propo…³ trata…⁴ repet…⁵ germi…⁶
## <chr> <fct> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 24 25 0.96 0.25 1 13
## 2 1e control 1 24 25 0.96 0.25 2 1
## 3 1e control 1 24 25 0.96 0.25 3 7
## 4 1e control 1 24 25 0.96 0.25 4 13
## 5 1e control 1 24 25 0.96 0.25 5 14
## 6 1e control 2 25 25 1 0.25 1 13
## 7 1e control 2 25 25 1 0.25 2 1
## 8 1e control 2 25 25 1 0.25 3 7
## 9 1e control 2 25 25 1 0.25 4 13
## 10 1e control 2 25 25 1 0.25 5 14
## # … with 365 more rows, 3 more variables: total.y <dbl>, proporcion.y <dbl>,
## # prop <dbl>, and abbreviated variable names ¹repeticion.x, ²germinadas.x,
## # ³proporcion.x, ⁴tratamiento.y, ⁵repeticion.y, ⁶germinadas.yCalculamos medias por tratamiento
media0.1<-prop01%>%
group_by(ecotipo)%>%
summarise(Mean0.1 = mean(prop), sd= sd(prop), NumSamples=n())
media0.1## # A tibble: 15 × 4
## ecotipo Mean0.1 sd NumSamples
## <chr> <dbl> <dbl> <int>
## 1 10e -0.048 0.0589 25
## 2 11e -0.064 0.0611 25
## 3 12e -0.072 0.122 25
## 4 13e -0.2 0.173 25
## 5 14e -0.272 0.137 25
## 6 19e -0.152 0.135 25
## 7 1e 0.00800 0.06 25
## 8 20e -0.256 0.0856 25
## 9 21e 0.048 0.0894 25
## 10 22e -0.216 0.117 25
## 11 23e -0.32 0.101 25
## 12 24e -0.328 0.0902 25
## 13 4e -0.0320 0.111 25
## 14 6e -0.112 0.110 25
## 15 8e 0.0240 0.0632 25str(media0.1)## tibble [15 × 4] (S3: tbl_df/tbl/data.frame)
## $ ecotipo : chr [1:15] "10e" "11e" "12e" "13e" ...
## $ Mean0.1 : num [1:15] -0.048 -0.064 -0.072 -0.2 -0.272 ...
## $ sd : num [1:15] 0.0589 0.0611 0.1217 0.1728 0.1366 ...
## $ NumSamples: int [1:15] 25 25 25 25 25 25 25 25 25 25 ...media0.25<-prop025%>%
group_by(ecotipo)%>%
summarise(Mean0.25 = mean(prop), sd= sd(prop), NumSamples=n())
media0.25## # A tibble: 15 × 4
## ecotipo Mean0.25 sd NumSamples
## <chr> <dbl> <dbl> <int>
## 1 10e -0.424 0.0416 25
## 2 11e -0.56 0.119 25
## 3 12e -0.424 0.121 25
## 4 13e -0.672 0.111 25
## 5 14e -0.728 0.0980 25
## 6 19e -0.68 0.115 25
## 7 1e -0.576 0.206 25
## 8 20e -0.624 0.0924 25
## 9 21e -0.512 0.0730 25
## 10 22e -0.608 0.103 25
## 11 23e -0.616 0.08 25
## 12 24e -0.512 0.103 25
## 13 4e -0.552 0.122 25
## 14 6e -0.64 0.160 25
## 15 8e -0.344 0.08 25Gráfica: representamos el efecto de la salinidad sobre la germinación
Figura 2 para la germinación a 0.1M
library(ggplot2)
grafica2 <- ggplot(media0.1, aes(x=ecotipo, y=Mean0.1))
g2<-grafica2 + geom_bar(stat="identity", fill="thistle")+
ylim(c(-1, 0.4))+
theme(legend.position="none", plot.tag.position = "bottom")+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e", "19e", "20e", "21e","22e","23e","24e"))+
labs(x="Ecotipo", y="Proporción de la germinación a 0.1M\nrespecto al control",
title="Germinación 0.1M",
subtitle = "Efecto de la germinación en ecotipos de Leptochloa crinita \nbajo condiciones salinas a 0.1M respecto al control",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 2")+
geom_hline(yintercept = 0:0,
linetype = 3,
color = 1,
lwd = 1)
g2
Guardamos la gráfica en pdf
ggsave(filename="Figura 2.pdf",device="pdf",plot=g2, width = 17,height = 10, units = c("cm"))Figura 3 para la germinación a 0.25M
grafica3 <- ggplot(media0.25, aes(x=ecotipo, y=Mean0.25))
g3<-grafica3 + geom_bar(stat="identity", fill="orchid")+
ylim(c(-1, 0.4))+
theme(legend.position="none", plot.tag.position = "bottom")+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e", "19e", "20e", "21e","22e","23e","24e"))+
labs(x="Ecotipo", y="Proporción de la germinación a 0.25M\nrespecto al control",
title="Germinación 0.25M",
subtitle = "Efecto de la germinación en ecotipos de Leptochloa crinita \nbajo condiciones salinas a 0.25M respecto al control",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 3")+
geom_hline(yintercept = 0:0,
linetype = 3,
color = 1,
lwd = 1)
g3
Guardamos la gráfica en pdf
ggsave(filename="Figura 3.pdf",device="pdf",plot=g3, width = 17,height = 10, units = c("cm"))Supervivencia
Revisamos la estructura de los datos
str(supervivencia)## tibble [225 × 4] (S3: tbl_df/tbl/data.frame)
## $ ecotipo : chr [1:225] "1e" "1e" "1e" "1e" ...
## $ tratamiento : chr [1:225] "control" "control" "control" "control" ...
## $ repeticion : num [1:225] 1 2 3 4 5 1 2 3 4 5 ...
## $ supervivencia: num [1:225] 0.75 1 0.67 1 1 1 1 1 1 0.33 ...Convertimos la variable “tratamiento” de texto (character) a factor
supervivencia$tratamiento <- as.factor(supervivencia$tratamiento)
supervivencia$tratamiento ## [1] control control control control control 0.1 0.1 0.1 0.1
## [10] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [19] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [28] 0.25 0.25 0.25 control control control control control 0.1
## [37] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [46] control control control control control 0.1 0.1 0.1 0.1
## [55] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [64] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [73] 0.25 0.25 0.25 control control control control control 0.1
## [82] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [91] control control control control control 0.1 0.1 0.1 0.1
## [100] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [109] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [118] 0.25 0.25 0.25 control control control control control 0.1
## [127] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [136] control control control control control 0.1 0.1 0.1 0.1
## [145] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [154] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [163] 0.25 0.25 0.25 control control control control control 0.1
## [172] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## [181] control control control control control 0.1 0.1 0.1 0.1
## [190] 0.1 0.25 0.25 0.25 0.25 0.25 control control control
## [199] control control 0.1 0.1 0.1 0.1 0.1 0.25 0.25
## [208] 0.25 0.25 0.25 control control control control control 0.1
## [217] 0.1 0.1 0.1 0.1 0.25 0.25 0.25 0.25 0.25
## Levels: 0.1 0.25 controlstr(supervivencia)## tibble [225 × 4] (S3: tbl_df/tbl/data.frame)
## $ ecotipo : chr [1:225] "1e" "1e" "1e" "1e" ...
## $ tratamiento : Factor w/ 3 levels "0.1","0.25","control": 3 3 3 3 3 1 1 1 1 1 ...
## $ repeticion : num [1:225] 1 2 3 4 5 1 2 3 4 5 ...
## $ supervivencia: num [1:225] 0.75 1 0.67 1 1 1 1 1 1 0.33 ...supervivencia## # A tibble: 225 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <fct> <dbl> <dbl>
## 1 1e control 1 0.75
## 2 1e control 2 1
## 3 1e control 3 0.67
## 4 1e control 4 1
## 5 1e control 5 1
## 6 1e 0.1 1 1
## 7 1e 0.1 2 1
## 8 1e 0.1 3 1
## 9 1e 0.1 4 1
## 10 1e 0.1 5 0.33
## # … with 215 more rowsCalculamos los promedios por ecotipo para cada tratamiento y lo multiplicamos por 100
promediosup<-supervivencia %>%
group_by(ecotipo, tratamiento) %>%
summarise(prop_meansup=mean(supervivencia)*100, .groups = "keep")
promediosup## # A tibble: 45 × 3
## # Groups: ecotipo, tratamiento [45]
## ecotipo tratamiento prop_meansup
## <chr> <fct> <dbl>
## 1 10e 0.1 89.4
## 2 10e 0.25 70
## 3 10e control 70
## 4 11e 0.1 55
## 5 11e 0.25 48.4
## 6 11e control 60
## 7 12e 0.1 60
## 8 12e 0.25 26
## 9 12e control 80
## 10 13e 0.1 50.3
## # … with 35 more rowsA partir de los datos generados, creamos un data.frame
resultadossup<-as.data.frame(promediosup)
resultadossup## ecotipo tratamiento prop_meansup
## 1 10e 0.1 89.40000
## 2 10e 0.25 70.00000
## 3 10e control 70.00000
## 4 11e 0.1 55.00000
## 5 11e 0.25 48.40000
## 6 11e control 60.00000
## 7 12e 0.1 60.00000
## 8 12e 0.25 26.00000
## 9 12e control 80.00000
## 10 13e 0.1 50.33333
## 11 13e 0.25 5.00000
## 12 13e control 90.00000
## 13 14e 0.1 64.33333
## 14 14e 0.25 20.00000
## 15 14e control 80.20000
## 16 19e 0.1 31.66667
## 17 19e 0.25 43.33333
## 18 19e control 86.66667
## 19 1e 0.1 86.60000
## 20 1e 0.25 71.60000
## 21 1e control 88.40000
## 22 20e 0.1 53.33333
## 23 20e 0.25 13.33333
## 24 20e control 75.00000
## 25 21e 0.1 40.00000
## 26 21e 0.25 13.33333
## 27 21e control 95.00000
## 28 22e 0.1 52.00000
## 29 22e 0.25 30.00000
## 30 22e control 75.00000
## 31 23e 0.1 85.00000
## 32 23e 0.25 10.00000
## 33 23e control 93.33333
## 34 24e 0.1 63.33333
## 35 24e 0.25 15.00000
## 36 24e control 93.33333
## 37 4e 0.1 90.00000
## 38 4e 0.25 54.80000
## 39 4e control 75.00000
## 40 6e 0.1 80.40000
## 41 6e 0.25 70.00000
## 42 6e control 100.00000
## 43 8e 0.1 80.00000
## 44 8e 0.25 65.00000
## 45 8e control 95.00000Representamos la supervivencia en porcentaje en función de cada tratamiento para cada uno de los ecotipo
g4<-ggplot (resultadossup, aes (fill = tratamiento, y = prop_meansup, x = ecotipo)) +
geom_bar(stat = "identity", position = position_dodge(), width = 0.7)+
scale_fill_manual(name="Tratamientos", values = c("0.1"='lightpink', "0.25"='plum', "control"='lightblue'))+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e", "19e", "20e", "21e","22e","23e","24e"))+
theme(legend.position = "top",
plot.tag.position = "bottom",
legend.background = element_rect(fill = "white"), legend.title = element_blank())+
labs(x="Ecotipo", y="Supervivencia (%)",
title="Supervivencia",
subtitle = "Porcentaje de supervivencia de plántulas en ecotipos de Leptochloa crinita \nsegún tratamiento",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 4")
g4
Guardamos la gráfica en pdf
ggsave(filename="Figura 4.pdf",device="pdf",plot=g4, width = 17,height = 10, units = c("cm"))Aplicamos filtros sobre la variable “supervivencia” para obtener la disminución de la supervivencia de un tratamiento respecto del control
controlsup<-filter(supervivencia, tratamiento == "control")
controlsup## # A tibble: 75 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <fct> <dbl> <dbl>
## 1 1e control 1 0.75
## 2 1e control 2 1
## 3 1e control 3 0.67
## 4 1e control 4 1
## 5 1e control 5 1
## 6 4e control 1 1
## 7 4e control 2 0
## 8 4e control 3 1
## 9 4e control 4 0.75
## 10 4e control 5 1
## # … with 65 more rowstrat01sup <- filter(supervivencia, tratamiento == "0.1")
trat01sup## # A tibble: 75 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <fct> <dbl> <dbl>
## 1 1e 0.1 1 1
## 2 1e 0.1 2 1
## 3 1e 0.1 3 1
## 4 1e 0.1 4 1
## 5 1e 0.1 5 0.33
## 6 4e 0.1 1 1
## 7 4e 0.1 2 0.75
## 8 4e 0.1 3 1
## 9 4e 0.1 4 0.75
## 10 4e 0.1 5 1
## # … with 65 more rowstrat025sup <- filter(supervivencia, tratamiento == "0.25")
trat025sup## # A tibble: 75 × 4
## ecotipo tratamiento repeticion supervivencia
## <chr> <fct> <dbl> <dbl>
## 1 1e 0.25 1 0.5
## 2 1e 0.25 2 1
## 3 1e 0.25 3 0.33
## 4 1e 0.25 4 1
## 5 1e 0.25 5 0.75
## 6 4e 0.25 1 0.67
## 7 4e 0.25 2 0.5
## 8 4e 0.25 3 0.67
## 9 4e 0.25 4 0.4
## 10 4e 0.25 5 0.5
## # … with 65 more rowsUnimos tablas entre cada tratamiento y el control
control01sup<-full_join(controlsup,trat01sup, by="ecotipo", relationship = "many-to-many")
control01sup## # A tibble: 375 × 7
## ecotipo tratamiento.x repeticion.x supervivencia.x tratamie…¹ repet…² super…³
## <chr> <fct> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 0.75 0.1 1 1
## 2 1e control 1 0.75 0.1 2 1
## 3 1e control 1 0.75 0.1 3 1
## 4 1e control 1 0.75 0.1 4 1
## 5 1e control 1 0.75 0.1 5 0.33
## 6 1e control 2 1 0.1 1 1
## 7 1e control 2 1 0.1 2 1
## 8 1e control 2 1 0.1 3 1
## 9 1e control 2 1 0.1 4 1
## 10 1e control 2 1 0.1 5 0.33
## # … with 365 more rows, and abbreviated variable names ¹tratamiento.y,
## # ²repeticion.y, ³supervivencia.ycontrol025sup<-full_join(controlsup,trat025sup, by="ecotipo", relationship = "many-to-many")
control025sup## # A tibble: 375 × 7
## ecotipo tratamiento.x repeticion.x supervivencia.x tratamie…¹ repet…² super…³
## <chr> <fct> <dbl> <dbl> <fct> <dbl> <dbl>
## 1 1e control 1 0.75 0.25 1 0.5
## 2 1e control 1 0.75 0.25 2 1
## 3 1e control 1 0.75 0.25 3 0.33
## 4 1e control 1 0.75 0.25 4 1
## 5 1e control 1 0.75 0.25 5 0.75
## 6 1e control 2 1 0.25 1 0.5
## 7 1e control 2 1 0.25 2 1
## 8 1e control 2 1 0.25 3 0.33
## 9 1e control 2 1 0.25 4 1
## 10 1e control 2 1 0.25 5 0.75
## # … with 365 more rows, and abbreviated variable names ¹tratamiento.y,
## # ²repeticion.y, ³supervivencia.yCreamos una nueva variable para ambos tratamientos con el fin de obtener la diferencia de cuánto disminuyó la supervivencia de los tratamientos respecto al control
prop01sup<-control01sup%>%
mutate(prop=supervivencia.y-supervivencia.x)
prop01sup## # A tibble: 375 × 8
## ecotipo tratamiento.x repeticion.x superviven…¹ trata…² repet…³ super…⁴ prop
## <chr> <fct> <dbl> <dbl> <fct> <dbl> <dbl> <dbl>
## 1 1e control 1 0.75 0.1 1 1 0.25
## 2 1e control 1 0.75 0.1 2 1 0.25
## 3 1e control 1 0.75 0.1 3 1 0.25
## 4 1e control 1 0.75 0.1 4 1 0.25
## 5 1e control 1 0.75 0.1 5 0.33 -0.42
## 6 1e control 2 1 0.1 1 1 0
## 7 1e control 2 1 0.1 2 1 0
## 8 1e control 2 1 0.1 3 1 0
## 9 1e control 2 1 0.1 4 1 0
## 10 1e control 2 1 0.1 5 0.33 -0.67
## # … with 365 more rows, and abbreviated variable names ¹supervivencia.x,
## # ²tratamiento.y, ³repeticion.y, ⁴supervivencia.yprop025sup<-control025sup%>%
mutate(prop=supervivencia.y-supervivencia.x)
prop025sup## # A tibble: 375 × 8
## ecotipo tratamiento.x repeticion.x superviven…¹ trata…² repet…³ super…⁴ prop
## <chr> <fct> <dbl> <dbl> <fct> <dbl> <dbl> <dbl>
## 1 1e control 1 0.75 0.25 1 0.5 -0.25
## 2 1e control 1 0.75 0.25 2 1 0.25
## 3 1e control 1 0.75 0.25 3 0.33 -0.42
## 4 1e control 1 0.75 0.25 4 1 0.25
## 5 1e control 1 0.75 0.25 5 0.75 0
## 6 1e control 2 1 0.25 1 0.5 -0.5
## 7 1e control 2 1 0.25 2 1 0
## 8 1e control 2 1 0.25 3 0.33 -0.67
## 9 1e control 2 1 0.25 4 1 0
## 10 1e control 2 1 0.25 5 0.75 -0.25
## # … with 365 more rows, and abbreviated variable names ¹supervivencia.x,
## # ²tratamiento.y, ³repeticion.y, ⁴supervivencia.yCalculo de medias por tratamiento
media0.1sup<-prop01sup%>%
group_by(ecotipo)%>%
summarise(Mean0.1sup = mean(prop), sd= sd (prop), NumSamples=n())
media0.1sup## # A tibble: 15 × 4
## ecotipo Mean0.1sup sd NumSamples
## <chr> <dbl> <dbl> <int>
## 1 10e 0.194 0.431 25
## 2 11e -0.05 0.604 25
## 3 12e -0.2 0.559 25
## 4 13e -0.397 0.339 25
## 5 14e -0.159 0.533 25
## 6 19e -0.55 0.403 25
## 7 1e -0.018 0.311 25
## 8 20e -0.217 0.563 25
## 9 21e -0.55 0.410 25
## 10 22e -0.23 0.429 25
## 11 23e -0.0833 0.245 25
## 12 24e -0.3 0.403 25
## 13 4e 0.15 0.415 25
## 14 6e -0.196 0.170 25
## 15 8e -0.15 0.421 25media0.25sup<-prop025sup%>%
group_by(ecotipo)%>%
summarise(Mean0.25sup = mean(prop), sd= sd(prop), NumSamples=n())
media0.25sup## # A tibble: 15 × 4
## ecotipo Mean0.25sup sd NumSamples
## <chr> <dbl> <dbl> <int>
## 1 10e 0 0.577 25
## 2 11e -0.116 0.652 25
## 3 12e -0.54 0.531 25
## 4 13e -0.85 0.228 25
## 5 14e -0.602 0.487 25
## 6 19e -0.433 0.481 25
## 7 1e -0.168 0.310 25
## 8 20e -0.617 0.363 25
## 9 21e -0.817 0.291 25
## 10 22e -0.45 0.568 25
## 11 23e -0.833 0.245 25
## 12 24e -0.783 0.335 25
## 13 4e -0.202 0.410 25
## 14 6e -0.3 0.220 25
## 15 8e -0.3 0.395 25Gráfica: representamos el efecto de la salinidad sobre la supervivencia
Figura 5 para la supervivencia 0.1M
library(ggplot2)
grafica5 <- ggplot(media0.1sup, aes(x=ecotipo, y=Mean0.1sup))
g5<-grafica5 + geom_bar(stat="identity", fill="hotpink")+
ylim(c(-1, 0.4))+
theme(legend.position="none", plot.tag.position = "bottom")+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e", "19e", "20e", "21e","22e","23e","24e"))+
labs(x="Ecotipo", y="Proporción de la supervivencia a 0.1M\nrespecto al control",
title="Supervivencia 0.1M",
subtitle = "Efecto de la supervivencia de plántulas en ecotipos de Leptochloa crinita \nbajo condiciones salinas a 0.1M respecto al control",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 5")+
geom_hline(yintercept = 0:0,
linetype = 3,
color = 1,
lwd = 1)
g5
Guardamos la gráfica en pdf
ggsave(filename="Figura 5.pdf",device="pdf",plot=g5, width = 17,height = 10, units = c("cm"))Figura 6 para la supervivencia a 0.25M
grafica6 <- ggplot(media0.25sup, aes(x=ecotipo, y=Mean0.25sup))
g6<-grafica6 + geom_bar(stat="identity", fill="deeppink")+
ylim(c(-1, 0.4))+
theme(legend.position="none", plot.tag.position = "bottom")+
scale_x_discrete(limits = c("1e", "4e", "6e", "8e", "10e", "11e", "12e", "13e", "14e","19e", "20e", "21e","22e","23e","24e"))+
labs(x="Ecotipo", y="Proporción de la supervivencia a 0.25M\nrespecto al control",
title="Supervivencia 0.25M",
subtitle = "Efecto de la supervivencia de plántulas en ecotipos de Leptochloa crinita \nbajo condiciones salinas a 0.25M respecto al control",
caption = "Fuente: Datos cedidos por C.E.S.",
tag = "Figura 6")+
geom_hline(yintercept = 0:0,
linetype = 3,
color = 1,
lwd = 1)
g6
Guardamos la gráfica en pdf
ggsave(filename="Figura 6.pdf",device="pdf",plot=g6, width = 17,height = 10, units = c("cm"))Resultados
El riego con la solución más salina afectó a la germinación y a la supervivencia (Figura 1 y 4), alcanzando una baja germinación (20% aprox.) y una supervivencia menor (40% aprox.) en comparación con los otros dos tratamientos. En la germinación, se destacaron algunos ecotipos más resistentes a las condiciones salinas, como el 8 y el 10. Mientras que, en la supervivencia a 0.25M, los ecotipos más resistentes fueron el 1, 4, 6, 8 y 10. Estos aspectos (y los que se analizarán a continuación) son importantes a la hora de llevar adelante planes de manejo.
Análisis no paramétrico GERMINACIÓN: disminución proporcional del trat. salino 0.1M respecto al control
library (dplyr)
library(pgirmess)
kt01<-kruskal.test (prop ~ ecotipo, data=prop01)
kt01##
## Kruskal-Wallis rank sum test
##
## data: prop by ecotipo
## Kruskal-Wallis chi-squared = 223.71, df = 14, p-value < 2.2e-16# TRUE o FALSE por ecotipo
kruskalmc(prop ~ ecotipo, prop01)## Multiple comparison test after Kruskal-Wallis
## alpha: 0.05
## Comparisons
## obs.dif critical.dif stat.signif
## 10e-11e 16.08 107.118 FALSE
## 10e-12e 16.24 107.118 FALSE
## 10e-13e 102.40 107.118 FALSE
## 10e-14e 150.48 107.118 TRUE
## 10e-19e 74.54 107.118 FALSE
## 10e-1e 44.56 107.118 FALSE
## 10e-20e 149.32 107.118 TRUE
## 10e-21e 68.16 107.118 FALSE
## 10e-22e 121.42 107.118 TRUE
## 10e-23e 180.40 107.118 TRUE
## 10e-24e 187.12 107.118 TRUE
## 10e-4e 3.00 107.118 FALSE
## 10e-6e 47.04 107.118 FALSE
## 10e-8e 54.82 107.118 FALSE
## 11e-12e 0.16 107.118 FALSE
## 11e-13e 86.32 107.118 FALSE
## 11e-14e 134.40 107.118 TRUE
## 11e-19e 58.46 107.118 FALSE
## 11e-1e 60.64 107.118 FALSE
## 11e-20e 133.24 107.118 TRUE
## 11e-21e 84.24 107.118 FALSE
## 11e-22e 105.34 107.118 FALSE
## 11e-23e 164.32 107.118 TRUE
## 11e-24e 171.04 107.118 TRUE
## 11e-4e 19.08 107.118 FALSE
## 11e-6e 30.96 107.118 FALSE
## 11e-8e 70.90 107.118 FALSE
## 12e-13e 86.16 107.118 FALSE
## 12e-14e 134.24 107.118 TRUE
## 12e-19e 58.30 107.118 FALSE
## 12e-1e 60.80 107.118 FALSE
## 12e-20e 133.08 107.118 TRUE
## 12e-21e 84.40 107.118 FALSE
## 12e-22e 105.18 107.118 FALSE
## 12e-23e 164.16 107.118 TRUE
## 12e-24e 170.88 107.118 TRUE
## 12e-4e 19.24 107.118 FALSE
## 12e-6e 30.80 107.118 FALSE
## 12e-8e 71.06 107.118 FALSE
## 13e-14e 48.08 107.118 FALSE
## 13e-19e 27.86 107.118 FALSE
## 13e-1e 146.96 107.118 TRUE
## 13e-20e 46.92 107.118 FALSE
## 13e-21e 170.56 107.118 TRUE
## 13e-22e 19.02 107.118 FALSE
## 13e-23e 78.00 107.118 FALSE
## 13e-24e 84.72 107.118 FALSE
## 13e-4e 105.40 107.118 FALSE
## 13e-6e 55.36 107.118 FALSE
## 13e-8e 157.22 107.118 TRUE
## 14e-19e 75.94 107.118 FALSE
## 14e-1e 195.04 107.118 TRUE
## 14e-20e 1.16 107.118 FALSE
## 14e-21e 218.64 107.118 TRUE
## 14e-22e 29.06 107.118 FALSE
## 14e-23e 29.92 107.118 FALSE
## 14e-24e 36.64 107.118 FALSE
## 14e-4e 153.48 107.118 TRUE
## 14e-6e 103.44 107.118 FALSE
## 14e-8e 205.30 107.118 TRUE
## 19e-1e 119.10 107.118 TRUE
## 19e-20e 74.78 107.118 FALSE
## 19e-21e 142.70 107.118 TRUE
## 19e-22e 46.88 107.118 FALSE
## 19e-23e 105.86 107.118 FALSE
## 19e-24e 112.58 107.118 TRUE
## 19e-4e 77.54 107.118 FALSE
## 19e-6e 27.50 107.118 FALSE
## 19e-8e 129.36 107.118 TRUE
## 1e-20e 193.88 107.118 TRUE
## 1e-21e 23.60 107.118 FALSE
## 1e-22e 165.98 107.118 TRUE
## 1e-23e 224.96 107.118 TRUE
## 1e-24e 231.68 107.118 TRUE
## 1e-4e 41.56 107.118 FALSE
## 1e-6e 91.60 107.118 FALSE
## 1e-8e 10.26 107.118 FALSE
## 20e-21e 217.48 107.118 TRUE
## 20e-22e 27.90 107.118 FALSE
## 20e-23e 31.08 107.118 FALSE
## 20e-24e 37.80 107.118 FALSE
## 20e-4e 152.32 107.118 TRUE
## 20e-6e 102.28 107.118 FALSE
## 20e-8e 204.14 107.118 TRUE
## 21e-22e 189.58 107.118 TRUE
## 21e-23e 248.56 107.118 TRUE
## 21e-24e 255.28 107.118 TRUE
## 21e-4e 65.16 107.118 FALSE
## 21e-6e 115.20 107.118 TRUE
## 21e-8e 13.34 107.118 FALSE
## 22e-23e 58.98 107.118 FALSE
## 22e-24e 65.70 107.118 FALSE
## 22e-4e 124.42 107.118 TRUE
## 22e-6e 74.38 107.118 FALSE
## 22e-8e 176.24 107.118 TRUE
## 23e-24e 6.72 107.118 FALSE
## 23e-4e 183.40 107.118 TRUE
## 23e-6e 133.36 107.118 TRUE
## 23e-8e 235.22 107.118 TRUE
## 24e-4e 190.12 107.118 TRUE
## 24e-6e 140.08 107.118 TRUE
## 24e-8e 241.94 107.118 TRUE
## 4e-6e 50.04 107.118 FALSE
## 4e-8e 51.82 107.118 FALSE
## 6e-8e 101.86 107.118 FALSELa disminución de la germinación a 0.1M fue del 30% (aprox) con respecto al control. Los ecotipos 14, 20, 23 y 24 fueron los más afectados, mientras que no afectó a los ecotipos 1, 8 y 21, que podrían mostrarse más resistentes al tratamiento (ver Fig.2).
Germinación tratamiento 0.25M respecto control
kt025<-kruskal.test (prop ~ ecotipo, prop025)
kt025##
## Kruskal-Wallis rank sum test
##
## data: prop by ecotipo
## Kruskal-Wallis chi-squared = 177.61, df = 14, p-value < 2.2e-16# TRUE o FALSE por ecotipo
kruskalmc(prop ~ ecotipo, prop025)## Multiple comparison test after Kruskal-Wallis
## alpha: 0.05
## Comparisons
## obs.dif critical.dif stat.signif
## 10e-11e 112.34 107.118 TRUE
## 10e-12e 18.02 107.118 FALSE
## 10e-13e 196.52 107.118 TRUE
## 10e-14e 229.72 107.118 TRUE
## 10e-19e 198.12 107.118 TRUE
## 10e-1e 102.86 107.118 FALSE
## 10e-20e 162.76 107.118 TRUE
## 10e-21e 70.26 107.118 FALSE
## 10e-22e 151.36 107.118 TRUE
## 10e-23e 155.14 107.118 TRUE
## 10e-24e 78.80 107.118 FALSE
## 10e-4e 111.60 107.118 TRUE
## 10e-6e 169.44 107.118 TRUE
## 10e-8e 33.14 107.118 FALSE
## 11e-12e 94.32 107.118 FALSE
## 11e-13e 84.18 107.118 FALSE
## 11e-14e 117.38 107.118 TRUE
## 11e-19e 85.78 107.118 FALSE
## 11e-1e 9.48 107.118 FALSE
## 11e-20e 50.42 107.118 FALSE
## 11e-21e 42.08 107.118 FALSE
## 11e-22e 39.02 107.118 FALSE
## 11e-23e 42.80 107.118 FALSE
## 11e-24e 33.54 107.118 FALSE
## 11e-4e 0.74 107.118 FALSE
## 11e-6e 57.10 107.118 FALSE
## 11e-8e 145.48 107.118 TRUE
## 12e-13e 178.50 107.118 TRUE
## 12e-14e 211.70 107.118 TRUE
## 12e-19e 180.10 107.118 TRUE
## 12e-1e 84.84 107.118 FALSE
## 12e-20e 144.74 107.118 TRUE
## 12e-21e 52.24 107.118 FALSE
## 12e-22e 133.34 107.118 TRUE
## 12e-23e 137.12 107.118 TRUE
## 12e-24e 60.78 107.118 FALSE
## 12e-4e 93.58 107.118 FALSE
## 12e-6e 151.42 107.118 TRUE
## 12e-8e 51.16 107.118 FALSE
## 13e-14e 33.20 107.118 FALSE
## 13e-19e 1.60 107.118 FALSE
## 13e-1e 93.66 107.118 FALSE
## 13e-20e 33.76 107.118 FALSE
## 13e-21e 126.26 107.118 TRUE
## 13e-22e 45.16 107.118 FALSE
## 13e-23e 41.38 107.118 FALSE
## 13e-24e 117.72 107.118 TRUE
## 13e-4e 84.92 107.118 FALSE
## 13e-6e 27.08 107.118 FALSE
## 13e-8e 229.66 107.118 TRUE
## 14e-19e 31.60 107.118 FALSE
## 14e-1e 126.86 107.118 TRUE
## 14e-20e 66.96 107.118 FALSE
## 14e-21e 159.46 107.118 TRUE
## 14e-22e 78.36 107.118 FALSE
## 14e-23e 74.58 107.118 FALSE
## 14e-24e 150.92 107.118 TRUE
## 14e-4e 118.12 107.118 TRUE
## 14e-6e 60.28 107.118 FALSE
## 14e-8e 262.86 107.118 TRUE
## 19e-1e 95.26 107.118 FALSE
## 19e-20e 35.36 107.118 FALSE
## 19e-21e 127.86 107.118 TRUE
## 19e-22e 46.76 107.118 FALSE
## 19e-23e 42.98 107.118 FALSE
## 19e-24e 119.32 107.118 TRUE
## 19e-4e 86.52 107.118 FALSE
## 19e-6e 28.68 107.118 FALSE
## 19e-8e 231.26 107.118 TRUE
## 1e-20e 59.90 107.118 FALSE
## 1e-21e 32.60 107.118 FALSE
## 1e-22e 48.50 107.118 FALSE
## 1e-23e 52.28 107.118 FALSE
## 1e-24e 24.06 107.118 FALSE
## 1e-4e 8.74 107.118 FALSE
## 1e-6e 66.58 107.118 FALSE
## 1e-8e 136.00 107.118 TRUE
## 20e-21e 92.50 107.118 FALSE
## 20e-22e 11.40 107.118 FALSE
## 20e-23e 7.62 107.118 FALSE
## 20e-24e 83.96 107.118 FALSE
## 20e-4e 51.16 107.118 FALSE
## 20e-6e 6.68 107.118 FALSE
## 20e-8e 195.90 107.118 TRUE
## 21e-22e 81.10 107.118 FALSE
## 21e-23e 84.88 107.118 FALSE
## 21e-24e 8.54 107.118 FALSE
## 21e-4e 41.34 107.118 FALSE
## 21e-6e 99.18 107.118 FALSE
## 21e-8e 103.40 107.118 FALSE
## 22e-23e 3.78 107.118 FALSE
## 22e-24e 72.56 107.118 FALSE
## 22e-4e 39.76 107.118 FALSE
## 22e-6e 18.08 107.118 FALSE
## 22e-8e 184.50 107.118 TRUE
## 23e-24e 76.34 107.118 FALSE
## 23e-4e 43.54 107.118 FALSE
## 23e-6e 14.30 107.118 FALSE
## 23e-8e 188.28 107.118 TRUE
## 24e-4e 32.80 107.118 FALSE
## 24e-6e 90.64 107.118 FALSE
## 24e-8e 111.94 107.118 TRUE
## 4e-6e 57.84 107.118 FALSE
## 4e-8e 144.74 107.118 TRUE
## 6e-8e 202.58 107.118 TRUELa salinidad a 0.25M disminuyó (entre un 60 a 70%) la germinación de los ecotipos 13, 14 y 19, siendo los ecotipos más sensibles a este tratamiento. Mientras que la germinación en los ecotipos 8, 10, y 12 disminuyó en menor medida (ver Fig.3).
Análisis no paramétrico SUPERVIVENCIA: disminución proporcional del trat. salino respecto al control
supervivencia tratamiento 0.1M respecto control
kt01sup<-kruskal.test (prop ~ ecotipo, prop01sup)
kt01sup##
## Kruskal-Wallis rank sum test
##
## data: prop by ecotipo
## Kruskal-Wallis chi-squared = 77.626, df = 14, p-value = 7.779e-11kruskalmc(prop ~ ecotipo, prop01sup)## Multiple comparison test after Kruskal-Wallis
## alpha: 0.05
## Comparisons
## obs.dif critical.dif stat.signif
## 10e-11e 63.88 107.118 FALSE
## 10e-12e 92.28 107.118 FALSE
## 10e-13e 137.66 107.118 TRUE
## 10e-14e 84.14 107.118 FALSE
## 10e-19e 166.64 107.118 TRUE
## 10e-1e 30.66 107.118 FALSE
## 10e-20e 87.08 107.118 FALSE
## 10e-21e 164.28 107.118 TRUE
## 10e-22e 108.04 107.118 TRUE
## 10e-23e 49.76 107.118 FALSE
## 10e-24e 105.62 107.118 FALSE
## 10e-4e 8.44 107.118 FALSE
## 10e-6e 85.66 107.118 FALSE
## 10e-8e 52.76 107.118 FALSE
## 11e-12e 28.40 107.118 FALSE
## 11e-13e 73.78 107.118 FALSE
## 11e-14e 20.26 107.118 FALSE
## 11e-19e 102.76 107.118 FALSE
## 11e-1e 33.22 107.118 FALSE
## 11e-20e 23.20 107.118 FALSE
## 11e-21e 100.40 107.118 FALSE
## 11e-22e 44.16 107.118 FALSE
## 11e-23e 14.12 107.118 FALSE
## 11e-24e 41.74 107.118 FALSE
## 11e-4e 55.44 107.118 FALSE
## 11e-6e 21.78 107.118 FALSE
## 11e-8e 11.12 107.118 FALSE
## 12e-13e 45.38 107.118 FALSE
## 12e-14e 8.14 107.118 FALSE
## 12e-19e 74.36 107.118 FALSE
## 12e-1e 61.62 107.118 FALSE
## 12e-20e 5.20 107.118 FALSE
## 12e-21e 72.00 107.118 FALSE
## 12e-22e 15.76 107.118 FALSE
## 12e-23e 42.52 107.118 FALSE
## 12e-24e 13.34 107.118 FALSE
## 12e-4e 83.84 107.118 FALSE
## 12e-6e 6.62 107.118 FALSE
## 12e-8e 39.52 107.118 FALSE
## 13e-14e 53.52 107.118 FALSE
## 13e-19e 28.98 107.118 FALSE
## 13e-1e 107.00 107.118 FALSE
## 13e-20e 50.58 107.118 FALSE
## 13e-21e 26.62 107.118 FALSE
## 13e-22e 29.62 107.118 FALSE
## 13e-23e 87.90 107.118 FALSE
## 13e-24e 32.04 107.118 FALSE
## 13e-4e 129.22 107.118 TRUE
## 13e-6e 52.00 107.118 FALSE
## 13e-8e 84.90 107.118 FALSE
## 14e-19e 82.50 107.118 FALSE
## 14e-1e 53.48 107.118 FALSE
## 14e-20e 2.94 107.118 FALSE
## 14e-21e 80.14 107.118 FALSE
## 14e-22e 23.90 107.118 FALSE
## 14e-23e 34.38 107.118 FALSE
## 14e-24e 21.48 107.118 FALSE
## 14e-4e 75.70 107.118 FALSE
## 14e-6e 1.52 107.118 FALSE
## 14e-8e 31.38 107.118 FALSE
## 19e-1e 135.98 107.118 TRUE
## 19e-20e 79.56 107.118 FALSE
## 19e-21e 2.36 107.118 FALSE
## 19e-22e 58.60 107.118 FALSE
## 19e-23e 116.88 107.118 TRUE
## 19e-24e 61.02 107.118 FALSE
## 19e-4e 158.20 107.118 TRUE
## 19e-6e 80.98 107.118 FALSE
## 19e-8e 113.88 107.118 TRUE
## 1e-20e 56.42 107.118 FALSE
## 1e-21e 133.62 107.118 TRUE
## 1e-22e 77.38 107.118 FALSE
## 1e-23e 19.10 107.118 FALSE
## 1e-24e 74.96 107.118 FALSE
## 1e-4e 22.22 107.118 FALSE
## 1e-6e 55.00 107.118 FALSE
## 1e-8e 22.10 107.118 FALSE
## 20e-21e 77.20 107.118 FALSE
## 20e-22e 20.96 107.118 FALSE
## 20e-23e 37.32 107.118 FALSE
## 20e-24e 18.54 107.118 FALSE
## 20e-4e 78.64 107.118 FALSE
## 20e-6e 1.42 107.118 FALSE
## 20e-8e 34.32 107.118 FALSE
## 21e-22e 56.24 107.118 FALSE
## 21e-23e 114.52 107.118 TRUE
## 21e-24e 58.66 107.118 FALSE
## 21e-4e 155.84 107.118 TRUE
## 21e-6e 78.62 107.118 FALSE
## 21e-8e 111.52 107.118 TRUE
## 22e-23e 58.28 107.118 FALSE
## 22e-24e 2.42 107.118 FALSE
## 22e-4e 99.60 107.118 FALSE
## 22e-6e 22.38 107.118 FALSE
## 22e-8e 55.28 107.118 FALSE
## 23e-24e 55.86 107.118 FALSE
## 23e-4e 41.32 107.118 FALSE
## 23e-6e 35.90 107.118 FALSE
## 23e-8e 3.00 107.118 FALSE
## 24e-4e 97.18 107.118 FALSE
## 24e-6e 19.96 107.118 FALSE
## 24e-8e 52.86 107.118 FALSE
## 4e-6e 77.22 107.118 FALSE
## 4e-8e 44.32 107.118 FALSE
## 6e-8e 32.90 107.118 FALSELa supervivencia de las plantas regadas con una solución salina 0,1M disminuyó entre 30% y 55% con respecto al control en los ecotipos 21, 19, 13 y 24. No fue afectada en los ecotipos 4 y 10, mientras que en los ecotipos 1 y 11 el efecto fue menor (ver Fig.5).
Supervivencia tratamiento 0.25M respecto control
kt025sup<-kruskal.test (prop ~ ecotipo, prop025sup)
kt025sup##
## Kruskal-Wallis rank sum test
##
## data: prop by ecotipo
## Kruskal-Wallis chi-squared = 116.82, df = 14, p-value < 2.2e-16kruskalmc(prop ~ ecotipo, prop025sup)## Multiple comparison test after Kruskal-Wallis
## alpha: 0.05
## Comparisons
## obs.dif critical.dif stat.signif
## 10e-11e 27.24 107.118 FALSE
## 10e-12e 105.60 107.118 FALSE
## 10e-13e 173.96 107.118 TRUE
## 10e-14e 123.72 107.118 TRUE
## 10e-19e 81.44 107.118 FALSE
## 10e-1e 11.92 107.118 FALSE
## 10e-20e 113.44 107.118 TRUE
## 10e-21e 168.40 107.118 TRUE
## 10e-22e 87.02 107.118 FALSE
## 10e-23e 169.32 107.118 TRUE
## 10e-24e 156.12 107.118 TRUE
## 10e-4e 32.80 107.118 FALSE
## 10e-6e 37.26 107.118 FALSE
## 10e-8e 40.16 107.118 FALSE
## 11e-12e 78.36 107.118 FALSE
## 11e-13e 146.72 107.118 TRUE
## 11e-14e 96.48 107.118 FALSE
## 11e-19e 54.20 107.118 FALSE
## 11e-1e 15.32 107.118 FALSE
## 11e-20e 86.20 107.118 FALSE
## 11e-21e 141.16 107.118 TRUE
## 11e-22e 59.78 107.118 FALSE
## 11e-23e 142.08 107.118 TRUE
## 11e-24e 128.88 107.118 TRUE
## 11e-4e 5.56 107.118 FALSE
## 11e-6e 10.02 107.118 FALSE
## 11e-8e 12.92 107.118 FALSE
## 12e-13e 68.36 107.118 FALSE
## 12e-14e 18.12 107.118 FALSE
## 12e-19e 24.16 107.118 FALSE
## 12e-1e 93.68 107.118 FALSE
## 12e-20e 7.84 107.118 FALSE
## 12e-21e 62.80 107.118 FALSE
## 12e-22e 18.58 107.118 FALSE
## 12e-23e 63.72 107.118 FALSE
## 12e-24e 50.52 107.118 FALSE
## 12e-4e 72.80 107.118 FALSE
## 12e-6e 68.34 107.118 FALSE
## 12e-8e 65.44 107.118 FALSE
## 13e-14e 50.24 107.118 FALSE
## 13e-19e 92.52 107.118 FALSE
## 13e-1e 162.04 107.118 TRUE
## 13e-20e 60.52 107.118 FALSE
## 13e-21e 5.56 107.118 FALSE
## 13e-22e 86.94 107.118 FALSE
## 13e-23e 4.64 107.118 FALSE
## 13e-24e 17.84 107.118 FALSE
## 13e-4e 141.16 107.118 TRUE
## 13e-6e 136.70 107.118 TRUE
## 13e-8e 133.80 107.118 TRUE
## 14e-19e 42.28 107.118 FALSE
## 14e-1e 111.80 107.118 TRUE
## 14e-20e 10.28 107.118 FALSE
## 14e-21e 44.68 107.118 FALSE
## 14e-22e 36.70 107.118 FALSE
## 14e-23e 45.60 107.118 FALSE
## 14e-24e 32.40 107.118 FALSE
## 14e-4e 90.92 107.118 FALSE
## 14e-6e 86.46 107.118 FALSE
## 14e-8e 83.56 107.118 FALSE
## 19e-1e 69.52 107.118 FALSE
## 19e-20e 32.00 107.118 FALSE
## 19e-21e 86.96 107.118 FALSE
## 19e-22e 5.58 107.118 FALSE
## 19e-23e 87.88 107.118 FALSE
## 19e-24e 74.68 107.118 FALSE
## 19e-4e 48.64 107.118 FALSE
## 19e-6e 44.18 107.118 FALSE
## 19e-8e 41.28 107.118 FALSE
## 1e-20e 101.52 107.118 FALSE
## 1e-21e 156.48 107.118 TRUE
## 1e-22e 75.10 107.118 FALSE
## 1e-23e 157.40 107.118 TRUE
## 1e-24e 144.20 107.118 TRUE
## 1e-4e 20.88 107.118 FALSE
## 1e-6e 25.34 107.118 FALSE
## 1e-8e 28.24 107.118 FALSE
## 20e-21e 54.96 107.118 FALSE
## 20e-22e 26.42 107.118 FALSE
## 20e-23e 55.88 107.118 FALSE
## 20e-24e 42.68 107.118 FALSE
## 20e-4e 80.64 107.118 FALSE
## 20e-6e 76.18 107.118 FALSE
## 20e-8e 73.28 107.118 FALSE
## 21e-22e 81.38 107.118 FALSE
## 21e-23e 0.92 107.118 FALSE
## 21e-24e 12.28 107.118 FALSE
## 21e-4e 135.60 107.118 TRUE
## 21e-6e 131.14 107.118 TRUE
## 21e-8e 128.24 107.118 TRUE
## 22e-23e 82.30 107.118 FALSE
## 22e-24e 69.10 107.118 FALSE
## 22e-4e 54.22 107.118 FALSE
## 22e-6e 49.76 107.118 FALSE
## 22e-8e 46.86 107.118 FALSE
## 23e-24e 13.20 107.118 FALSE
## 23e-4e 136.52 107.118 TRUE
## 23e-6e 132.06 107.118 TRUE
## 23e-8e 129.16 107.118 TRUE
## 24e-4e 123.32 107.118 TRUE
## 24e-6e 118.86 107.118 TRUE
## 24e-8e 115.96 107.118 TRUE
## 4e-6e 4.46 107.118 FALSE
## 4e-8e 7.36 107.118 FALSE
## 6e-8e 2.90 107.118 FALSELa mortalidad de plantas regadas con solución salina 0,25M fue mayor que a 0.1M. Los ecotipos más sensibles fueron el 13, 23, 21 y 24 y los más resistentes fueron el 10, 11, 1 y 4 (ver Fig.6).
Referencias
Proyecto: Selección de genotipos de Trichloris crinita para la recuperación productiva de suelos salinos, dirigido por C.E.Sartor y S.E.Greco (Universidad Nacional de Cuyo)
Artículos pioneros sobre los ecotipos de L. crinita:
- Informe sobre misiones de exploración de recursos fitogenéticos. I. Forrajeras autóctonas de la Provincia Fitogeográfica del Monte (febrero de 1981 a junio de 1984), IADIZA, Mendoza (Argentina).
- Cavagnaro, J. B., Lemes, J., Ventura, J. L., & Passera, C. B. (1989). Variabilidad ecotípica y producción forrajera de Trichloris crinita. Revista Asociación Argentina de Producción Animal, 9(Supl 1), 70.