Aproximación del modelo matemático para la producción de biomasa de maíz (zea mays l.) con y sin asociación a una leguminosa
Barra lateral del artículo
Publicado:
jul 30, 2019
Palabras clave:
Biomasa, modelo matemático, condiciones climáticas
Contenido principal del artículo
Resumen
La presente investigación tiene como objetivo la realización de una aproximación a la creación de un modelo matemático para conocer la dinámica de crecimiento del maíz de variedades locales, cultivado en asociación o no a una leguminosa en las condiciones agroecológicas de la provincia de Imbabura. El desarrollo del modelo partió de la siembra de maíz en diferentes épocas del año (2015 y 2016) en la Granja Experimental de la Pontificia Universidad Católica del Ecuador localizada en Ibarra, para lo cual se utilizó un diseño de bloques completos al azar en arreglo factorial A x B. Luego del análisis estadístico, se establecieron diferencias entre las épocas de siembra, no así para las variedades y la asociación a la leguminosa, por lo que se establece un modelo preliminar para el cultivo de maíz en zonas agroecológicas similares. Se concluye que, un incremento en la humedad relativa mínima del aire, tiene influencia directa en el rendimiento de biomasa del maíz cultivado en las condiciones de la ciudad de Ibarra.
Descargas
La descarga de datos todavía no está disponible.
Detalles del artículo
Cómo citar
Andrade CadenaJ. V., Rodríguez CisnerosL. M., Mosquera LozadaM. R., & Arroba RimassaJ. (2019). Aproximación del modelo matemático para la producción de biomasa de maíz (zea mays l.) con y sin asociación a una leguminosa. AXIOMA, (20), 65-76. Recuperado a partir de https://pucesinews.pucesi.edu.ec/index.php/axioma/article/view/561
Sección
INVESTIGACIÓN
Con la finalidad de contar con un tipo de licencia más abierta en el espectro que ofrece Creative Commons, a partir de diciembre de 2022 desde el número 27, AXIOMA asume la Licencia Creative Commons 4.0 de Reconocimiento-NoComercial-CompartirIgual 4.0(CC BY-NC-SA 4.0). Tanto el sitio web como los artículos en sus diferentes formatos, reflejan esta información.
Hasta el mes de noviembre de 2022 con el número 26, la revista AXIOMA asumió una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0). Los artículos contenidos en cada número hasta el 26, cuentan con esta licencia y su descripción se conserva en el portal de nuestra revista.
Atribución-NoComercial-SinDerivadas
CC BY-NC-ND
Al respecto explicamos que los artículos científicos presentados al Comité Editorial de la Revista Científica “Axioma” deben ser inéditos y originales; sin haber sido publicados o sometidos a revisión en otras revistas o publicaciones técnico-científicas en cualquier idioma. El Comité Editorial se reserva el derecho de rechazar o aceptar los materiales enviados para su publicación.
La presentación de los artículos científicos a la Revista “Axioma” conlleva:
- Que han sido aprobados por las autoridades responsables de la institución donde se efectuó la investigación y por todos los coautores (si los hay).
- Cuando el artículo científico es aceptado para su publicación, la revista “Axioma”, asume los derechos para editar y publicar en índices nacionales e internacionales o bases de datos con fines académicos y científicos, no comerciales, respetando los derechos de autoría.
AXIOMA- Revista Científica de Investigación, Docencia y Proyección Social
Citas
Ahmadi, S. Mosallaeepour, E., Akbar Kamgar-Haghighi, A., Sepaskhah, A. R. (2015). Modeling Maize Yield and Soil Water Content with AquaCrop Under Full and Deficit Irrigation Managements. Water Resour Manage, 29, 2837–2853. https://doi.org/10.1007/s11269-015-0973-3
Bhattarai, M., Secchi, S., Schoof, J. (2017). Projecting corn and soybeans yields under climate change in a Corn Belt watershed. Agricultural Systems, 152, 90–99. https://doi.org/10.1016/j.agsy.2016.12.013
Bracco, M., Cascales, J., Hernández, J., Poggio, L., Gottlieb, A. M., Lia, V. V., (2016). Dissecting maize diversity in lowland South America: genetic structure and geographic distribution models. BMC Plant Biology, 16(1), 186. https://doi.org/10.1186/s12870-016-0874-5
Candelaria, B., Ruíz, O., Gallardo, F., Pérez, P., Martínez, A., Vargas, L. (2011). Aplicación de modelos de simulación en el estudio y planificación de la agricultura, una revisión. Tropical and Subtropical Agroecosystems (Vol. 14). Recuperado de: www.scielo.org.mx/pdf/tsa/v14n3/v14n3a4.pdf
Caselles, A. (2008). Modelización y Simulación de Sistemas Complejos. Publicacions de la Universitat de València.
Cervantes, L. (2015). Modelización matemática Principios y aplicaciones (Primera ed). Mexico: Benemérita Universidad Autónoma de Puebla. https://doi.org/10.6084/M9.FIGSHARE.2061504
FIRA. (2016). Maíz 2016. Mexico . Recuperado de : https://www.gob.mx/cms/uploads/attachment/file/200637/Panorama_Agroalimentario_Ma_z_2016.pdf
Flores, H.; Ojeda, W.;Flores, H.;Sifuentes, E.;Mejía, E. (2013). Simulación del rendimiento de maíz (Zea mays L.) En el norte de sinaloa usando el modelo aquacrop. Agrociencia, 47, 347–359. Recuperado de:http://www.scielo.org.mx/pdf/agro/v47n4/v47n4a4.pdf
Hernández, C., Martínez, J., Calvete, H. (2011). Modelos para la simulación dinámica del Crecimiento y desarrollo de pastos. Pastos, 41 (2)(January), 127–162.
Hernández, N., Soto, F., Caballero, A. (2009). Modelos de simulación de cultivos: Características y usos. Cultivos Tropicales, 30(1), 73–82. https://doi.org/10.13140/RG.2.1.3356.1207
INIAP. (2003). Catálogo de Recursos Genéticos de Maíces de Altura Ecuatorianos. (Carlos Yánez G.;José Luis Zambrano M.;Marlon Caicedo V.; Victor H. Sánchez A.; Jorge Heredia, Ed.). Quito Ecuador: Instit. Recuperado de: http://repositorio.iniap.gob.ec/bitstream/handle/41000/43/iniapsc201.pdf?sequence=1&isAllowed=y
Intriago, R., Gortaire Amézcua, R., Bravo, E., O’connell, C. (2017). Agroecology in Ecuador: historical processes, achievements, and challenges. Agroecology and Sustainable Food Systems, 41(3–4), 311–328. https://doi.org/10.1080/21683565.2017.1284174
Luedeling, E., Smethurst, P. J., Baudron, F., Bayala, J., Huth, N. I., van Noordwijk, M.,Ong, C. Mulia, R., Lusiana, B. Muthuri, C., Sinclair, F. L. (2016). Field-scale modeling of tree-crop interactions: Challenges and development needs. Agricultural Systems, 142, 51–69. https://doi.org/10.1016/j.agsy.2015.11.005
Marín-González, O., Parsons, D., Arnes-Prieto, E., Díaz-Ambrona, C. G. H. (2018). Building and evaluation of a dynamic model for assessing impact of smallholder endowments on food security in agricultural systems in highland areas of central America (SASHACA). Agricultural Systems, 164(May), 152–164. https://Overman A.; Scholtz R. 2018.02.005
Overman, A., Scholtz III, R. (2002). Mathematical models of crop growth and yield. CRC Press. New York. Recuperado de: https://doi.org/10.2135/ cropsci2003.1145
Overman, A., Scholtz III, R. (2004). Model Analysis for Growth Response of Corn Model Analysis for Growth Response of Corn. Journal of Plant Nutrition, 27(5), 885–906. https://doi.org/10.1081/PLN-120030677
Overman, A., Scholtz III, R. (2011). Model of yield response of corn to plant population and absorption of solar energy. PLoS ONE, 6(1). https://doi.org/10.1371/journal.pone.0016117
Pfister, F., Bader, H.-P., Scheidegger, R., y Baccini, P. (2005). Dynamic modelling of resource management for farming systems. Agricultural Systems, 86(1), 1–28. https://doi.org/10.1016/j.agsy.2004.08.001
Pirasteh-Anosheh, H., Emam, Y., y Pessarakli, M. (2013). Changes in Endogenous Hormonal Status in Corn (Zea Mays) Hybrids Under Drought Stress. Journal of Plant Nutrition, 36(11), 1695–1707. https://doi.org/10.1080/01904167.2013.810246
Recalde, E. (2016). Anuario Agroclimático años 2009-2015. In Ponticia Universidad Católica del Ecuador sede Ibarra; Consejo de Publicaciones de la Universidad de los Andes Venezuela (Ed.) (Primera, p. 500). Mérida, Venezuela,2016: Gráficas el Portatítulo Mérida, Venezuela,2016.
Santana, F., Granillo, R., Espinoza, F., Aguilar, J., y Ortega, J. (2018). Caracterización de la cadena de valor del maíz. Ingenio y Conciencia Boletín Científico de La Escuela Superior de Cd. Sahagún, 5(9)
Steduto, P. (2003). Biomass water-productivity comparing the growth-engines of crop models. FAO Expert Meeting on Crop Water Productivity Under Deficient Water Supply, 26–28.
Sumba, L. (2014). Producción Histórica de Maíz Duro Seco. Magap, 15.
Tapia, C. (2015). Identificación de áreas prioritarias para la conservación de razas de maíz en la sierra de ecuador. Memoria. Universidad Politécnica de Madrid. Retrieved from http://oa.upm.es/35522/1/CESAR_GUILLERMO_TAPIA_BASTIDAS.pdf
van der Werf, W., Keesman, K., Burgess, P., Graves, A., Pilbeam, D., Incoll, L., Metselaar, k., Mayus, M., Stappers, R., Kevlen., Palma, T., Dupraz, C. (2007). Yield-SAFE: A parameter-sparse, process-based dynamic model for predicting resource capture, growth, and production in agroforestry systems. Ecological Engineering, 29(4), 419–433. https://doi.org/10.1016/j.ecoleng.2006.09.017
Wang, R., Bowling, L. C., y Cherkauer, K. A. (2016). Estimation of the effects of climate variability on crop yield in the Midwest USA. Agricultural and Forest Meteorology, 216, 141–156. https://doi.org/10.1016/j.agrformet.2015.10.001
Bhattarai, M., Secchi, S., Schoof, J. (2017). Projecting corn and soybeans yields under climate change in a Corn Belt watershed. Agricultural Systems, 152, 90–99. https://doi.org/10.1016/j.agsy.2016.12.013
Bracco, M., Cascales, J., Hernández, J., Poggio, L., Gottlieb, A. M., Lia, V. V., (2016). Dissecting maize diversity in lowland South America: genetic structure and geographic distribution models. BMC Plant Biology, 16(1), 186. https://doi.org/10.1186/s12870-016-0874-5
Candelaria, B., Ruíz, O., Gallardo, F., Pérez, P., Martínez, A., Vargas, L. (2011). Aplicación de modelos de simulación en el estudio y planificación de la agricultura, una revisión. Tropical and Subtropical Agroecosystems (Vol. 14). Recuperado de: www.scielo.org.mx/pdf/tsa/v14n3/v14n3a4.pdf
Caselles, A. (2008). Modelización y Simulación de Sistemas Complejos. Publicacions de la Universitat de València.
Cervantes, L. (2015). Modelización matemática Principios y aplicaciones (Primera ed). Mexico: Benemérita Universidad Autónoma de Puebla. https://doi.org/10.6084/M9.FIGSHARE.2061504
FIRA. (2016). Maíz 2016. Mexico . Recuperado de : https://www.gob.mx/cms/uploads/attachment/file/200637/Panorama_Agroalimentario_Ma_z_2016.pdf
Flores, H.; Ojeda, W.;Flores, H.;Sifuentes, E.;Mejía, E. (2013). Simulación del rendimiento de maíz (Zea mays L.) En el norte de sinaloa usando el modelo aquacrop. Agrociencia, 47, 347–359. Recuperado de:http://www.scielo.org.mx/pdf/agro/v47n4/v47n4a4.pdf
Hernández, C., Martínez, J., Calvete, H. (2011). Modelos para la simulación dinámica del Crecimiento y desarrollo de pastos. Pastos, 41 (2)(January), 127–162.
Hernández, N., Soto, F., Caballero, A. (2009). Modelos de simulación de cultivos: Características y usos. Cultivos Tropicales, 30(1), 73–82. https://doi.org/10.13140/RG.2.1.3356.1207
INIAP. (2003). Catálogo de Recursos Genéticos de Maíces de Altura Ecuatorianos. (Carlos Yánez G.;José Luis Zambrano M.;Marlon Caicedo V.; Victor H. Sánchez A.; Jorge Heredia, Ed.). Quito Ecuador: Instit. Recuperado de: http://repositorio.iniap.gob.ec/bitstream/handle/41000/43/iniapsc201.pdf?sequence=1&isAllowed=y
Intriago, R., Gortaire Amézcua, R., Bravo, E., O’connell, C. (2017). Agroecology in Ecuador: historical processes, achievements, and challenges. Agroecology and Sustainable Food Systems, 41(3–4), 311–328. https://doi.org/10.1080/21683565.2017.1284174
Luedeling, E., Smethurst, P. J., Baudron, F., Bayala, J., Huth, N. I., van Noordwijk, M.,Ong, C. Mulia, R., Lusiana, B. Muthuri, C., Sinclair, F. L. (2016). Field-scale modeling of tree-crop interactions: Challenges and development needs. Agricultural Systems, 142, 51–69. https://doi.org/10.1016/j.agsy.2015.11.005
Marín-González, O., Parsons, D., Arnes-Prieto, E., Díaz-Ambrona, C. G. H. (2018). Building and evaluation of a dynamic model for assessing impact of smallholder endowments on food security in agricultural systems in highland areas of central America (SASHACA). Agricultural Systems, 164(May), 152–164. https://Overman A.; Scholtz R. 2018.02.005
Overman, A., Scholtz III, R. (2002). Mathematical models of crop growth and yield. CRC Press. New York. Recuperado de: https://doi.org/10.2135/ cropsci2003.1145
Overman, A., Scholtz III, R. (2004). Model Analysis for Growth Response of Corn Model Analysis for Growth Response of Corn. Journal of Plant Nutrition, 27(5), 885–906. https://doi.org/10.1081/PLN-120030677
Overman, A., Scholtz III, R. (2011). Model of yield response of corn to plant population and absorption of solar energy. PLoS ONE, 6(1). https://doi.org/10.1371/journal.pone.0016117
Pfister, F., Bader, H.-P., Scheidegger, R., y Baccini, P. (2005). Dynamic modelling of resource management for farming systems. Agricultural Systems, 86(1), 1–28. https://doi.org/10.1016/j.agsy.2004.08.001
Pirasteh-Anosheh, H., Emam, Y., y Pessarakli, M. (2013). Changes in Endogenous Hormonal Status in Corn (Zea Mays) Hybrids Under Drought Stress. Journal of Plant Nutrition, 36(11), 1695–1707. https://doi.org/10.1080/01904167.2013.810246
Recalde, E. (2016). Anuario Agroclimático años 2009-2015. In Ponticia Universidad Católica del Ecuador sede Ibarra; Consejo de Publicaciones de la Universidad de los Andes Venezuela (Ed.) (Primera, p. 500). Mérida, Venezuela,2016: Gráficas el Portatítulo Mérida, Venezuela,2016.
Santana, F., Granillo, R., Espinoza, F., Aguilar, J., y Ortega, J. (2018). Caracterización de la cadena de valor del maíz. Ingenio y Conciencia Boletín Científico de La Escuela Superior de Cd. Sahagún, 5(9)
Steduto, P. (2003). Biomass water-productivity comparing the growth-engines of crop models. FAO Expert Meeting on Crop Water Productivity Under Deficient Water Supply, 26–28.
Sumba, L. (2014). Producción Histórica de Maíz Duro Seco. Magap, 15.
Tapia, C. (2015). Identificación de áreas prioritarias para la conservación de razas de maíz en la sierra de ecuador. Memoria. Universidad Politécnica de Madrid. Retrieved from http://oa.upm.es/35522/1/CESAR_GUILLERMO_TAPIA_BASTIDAS.pdf
van der Werf, W., Keesman, K., Burgess, P., Graves, A., Pilbeam, D., Incoll, L., Metselaar, k., Mayus, M., Stappers, R., Kevlen., Palma, T., Dupraz, C. (2007). Yield-SAFE: A parameter-sparse, process-based dynamic model for predicting resource capture, growth, and production in agroforestry systems. Ecological Engineering, 29(4), 419–433. https://doi.org/10.1016/j.ecoleng.2006.09.017
Wang, R., Bowling, L. C., y Cherkauer, K. A. (2016). Estimation of the effects of climate variability on crop yield in the Midwest USA. Agricultural and Forest Meteorology, 216, 141–156. https://doi.org/10.1016/j.agrformet.2015.10.001