Modelo estadístico para la predicción del rendimiento de grano en maíz

• Fernando Reyes González ^[1] ; Arturo Galvis Spinola ^[1] ; Juan José Almaraz Suárez ^[1] ; Teresa Marcela Hernández-Mendoza ^[2]
  1. [1] Colegio de Postgraduados

     Colegio de Postgraduados

     México

     
  2. [2] Universidad Autónoma Chapingo

     Universidad Autónoma Chapingo

     México

     
• Localización: Revista mexicana de ciencias agrícolas, ISSN 2007-0934, ISSN-e 2007-9230, Vol. 12, Nº. 3, 2021, págs. 447-459
• Idioma: varios idiomas
• Títulos paralelos:
  • Statistical model for predicting corn grain yield
• Enlaces
  • Texto completo
• Resumen
  • Multiple

    El crecimiento de la población mundial conlleva a la demanda de alimentos, y estos se deben obtener mediante el uso eficiente de los recursos, esto se podría lograr mediante la planificación y priorización de los factores que intervienen en los procesos de producción. Los modelos de simulación son una herramienta con la que se puede visualizar escenarios y cuantificar los insumos a usar. En el presente trabajo, con datos de los rendimientos máximos de maíz (RG) de 1943 a 2017 obtenidos de experimentos de campo a nivel mundial y con predominancia de datos de Estados Unidos de América (80%), se generó un modelo estadístico para estimar el rendimiento del grano en maíz (RGE) y sirva de apoyo para la toma de decisiones de quienes participan en el proceso de producción de maíz para grano. Las variables de mayor peso para expresar el modelo fueron: densidad de población (DP), dosis de potasio (K), lamina de riego (LR), dosis de nitrógeno (N) y dosis de fósforo (P) y se usaron para generar el modelo con el método de regresión múltiple stepwise, y se expresó como: RGE = 3.158205 + 0.693319 (DP) - 0.022246 (K) + 0.005990 (LR) + 0.010687 (N) + 0.013794 (P), tuvo un R2= 0.73 y un error estándar de 0.964 Mg ha-1. La DP fue la variable que explicó en mayor proporción el valor del RGE, con el análisis de datos de RG se observó el incremento de la tasa de siembra a través del tiempo para lograr una mayor DP e incrementar el RG, lo cual generó la demanda de insumos.

  • English

    The growth of the world population leads to the demand for food, and these must be obtained throughtheefficient use of resources, this could be achieved by planning and prioritizing the factors that involved in production processes. Simulation models are a tool with which itcan visualize scenarios and quantify the inputs to use. In this work, with data on maximum maize yields (RG) from 1943 to 2017 obtained from global field experiments and predominantly data from the United Statesof America (80%),a statistical model was generated to estimate grain yield in maize (RGE)andto support the decision-making of those involved in the grain maize production process. The most important variables to express the model were: population density (DP),potassium dose (K), irrigation sheet (LR),nitrogen dose (N) and phosphorus dose (P) and were used to generate the model with the stepwise multiple regression method andexpressed as:RGE=3.158205 + 0.693319 (DP)-0.022246 (K) + 0.005990 (LR)+ 0.010687 (N) + 0.013794 (P), had an R2=0.73anda standard error of 0.964 Mg ha-1. DPwas the variable that explained in greater proportion the valueof RGE,with the analysis of RG data the increase in the planting rate over timewas observed to achieve a higher DPandincreasethe RG, which generated the demand for inputs