Recibido: 07-04-2020 / Revisado: 08-05-2020 / Aceptado: 10-06-2020 =
/
Publicado: 05-07-2020
Modelación y simulación del rendimiento del pasto
estrella (C.nlemfuensis)
bajo diferentes condiciones de manejo y escenarios climáticos
DOI: https://doi.org/=
10.33262/ap.v2i3.33
Modeling and simulation of the performance of star
grass (C. nlemfuensis) under different managemen=
t
conditions and climatic scenarios
Jorge Lázaro López Rodríguez.=
=
[1] &a=
mp;
Rubén Larduet Vicet=
.=
=
[2]
The present work had as objectives to model and to
simulate the production of accumulated dry matter (RMSA) of the grass it
shatters (C.nlemfuensis) and
to study the influence of two climatic scenarios on the acting of this varia=
ble
and this way to contribute to the taking of decisions under unfavorable
environmental conditions for the development of this cultivation. The
considered scenarios were: half temperature of the planet rises 2ºC (A2) an=
d
that this variable rises 4ºC (B2). For it, information of experiments was u=
sed
generated in areas of the Institute of Animal Science and of works published
about the influence of the climate RMSA it has more than enough, it was foun=
d
that the pattern Gompertz was that of better
adjustment of the RMSA vs the sprout age, with high coefficients of
determination, biases and small estimate errors in all the analyzed mensurations. They were also obtained a group of remar=
kable
indicators for the taking of decisions of producers and investigating, such =
as
inflection point (age of the cultivation in which their curve of growth pass=
es
of a type of concavity to other), good value of crop that corresponds to the
value of the age in that you to intersect the curves of increments current
means (RMSA divided among the age) and newspaper (derived of the function of=
Gompertz evaluated in the age), among others. The patt=
ern
exponential multiplicative was selected to study the effect of the climate R=
MSA
it has more than enough, where it was appreciated that the studied scenarios=
A2
and B2, had negative effects on the yield of accumulated dry matter, because
they caused increase of half temperature and decrease of the precipitations =
and
global radiation. A computing program was obtained (SERPE) that estimates th=
e
accumulated yields of dry matter under different environmental conditions.
Resumen.
El presente trabajo tuvo como objetivos modelar y
simular la producción de materia seca acumulada (RMSA) del pasto estrella (=
C.
nlemfuensis) y estudiar la influencia de dos escenarios climáticos sobre el
desempeño de esta variable y de esta forma contribuir a la toma de decision=
es
en condiciones ambientales desfavorables para el desarrollo de este cultivo.
Los escenarios considerados fueron: temperatura media del planeta se eleve 2=
ºC
(A2) y que esta variable se eleve 4 ºC (B2). Para ello, se utilizó informa=
ción
de experimentos generados en áreas del Instituto de Ciencia Animal y de
trabajos publicados acerca de la influencia del clima sobre RMSA, se encontr=
ó
que el modelo Gompertz fue el de mejor ajuste del RMSA vs la edad de rebrote=
,
con elevados coeficientes de determinación, sesgos y errores de estimación
pequeños en todas las mediciones analizadas. Se obtuvieron además un grupo=
de
indicadores notables para la toma de decisiones de productores e
investigadores, tales como punto de inflexión (edad del cultivo en la cual =
su
curva de crecimiento pasa de un tipo de concavidad a otra), valor óptimo de
cosecha, que corresponde al valor de la edad en que se intersectan las curva=
s
de incrementos corriente medio (RMSA dividida entre la edad) y diario (deriv=
ada
de la función de Gompertz evaluada en la edad), entre otros. Fue selecciona=
do
el modelo multiplicativo exponencial para estudiar el efecto del clima sobre
RMSA, donde se apreció que los escenarios estudiados A2 y B2, tuvieron efec=
tos
negativos sobre el rendimiento de materia seca acumulada, debido a que
ocasionaron aumento de temperatura media y disminución de las precipitacion=
es y
radiación global. Se obtuvo un programa computacional (SERPE) que estima lo=
s
rendimientos acumulados de materia seca bajo diferentes condiciones
ambientales.
Palabras claves: modelación, simulación, materia seca
acumulada, función de Gompertz, SERPE.
Introducción.
La ganadería s=
e
considera una fuente de progreso importante para el desarrollo económico po=
r
ser este un sector dinámico y en fuerte crecimiento (Friedrich, 2014). En C=
uba,
esta actividad cobra gran importancia con la actualización del modelo econ=
ómico
y social y se fundamenta en la implementación del lineamiento 136 del VI
Congreso del Partido Comunista de Cuba (PCC) con mayor énfasis en la
utilización de los pastos y forrajes en la alimentación del ganado vacuno =
(PCC,
2011).
Según Herrera
(2009), un gran número de investigaciones estudian el comportamiento de los
sistemas de producción de esos alimentos y su uso en la alimentación anima=
l.
Estos estudios son de especial interés para encontrar métodos cuantitativo=
s que
permitan la interpretación de los principales factores que afectan su
producción y de esta forma desarrollar acciones que con lleven a maximizar =
las
producciones sin alterar la sostenibilidad de los sistemas en el tiempo
(Rodríguez et al., 2010).
Por otra parte,=
el
cambio climático influye directamente sobre el crecimiento, desarrollo de
plantas y cultivos, los balances hidrológicos, la frecuencia, tipo e intens=
idad
de las siembras, así como en la severidad de la erosión de la tierra.
También afecta=
,
entre otras variables, la disponibilidad y temporalidad de los sistemas de
irrigación. Diversos estudios para distintas regiones y países han confirm=
ado
que el calentamiento global es ya un problema al que se debe prestar gran
atención por sus repercusiones sobre el bienestar de los seres humanos. Los
años de la última década han sido los más cálidos en los registros hist=
óricos
de la temperatura mundial (PCCC, 2015) y hacia el futuro se espera que la
Tierra siga presentando cambios climatológicos al modificarse los patrones =
de
temperatura y precipitación. Algunos estudios (Adams et al., 1998), han
argumentado que como resultado del cambio climático se tendrían efectos
adversos sobre la seguridad alimentaria ya que los rendimientos de algunos
cultivos importantes disminuirían al igual que la productividad pecuaria. D=
e
igual forma se reduciría la disponibilidad de agua tanto para la agricultur=
a
como para el consumo humano.
Hasta ahora se =
han
realizado ciertos esfuerzos para tratar de enfrentar el problema del cambio
climático. En mayo de 2015, los Estados miembros de la ONU, adoptaron la
Convención Marco de las Naciones Unidas sobre Cambio Climático, con el obj=
etivo
último de lograr la estabilización de las concentraciones de los gases de
efecto invernadero (GEI) en la atmósfera, a un nivel que impida interferenc=
ias antropógenas peligrosas en el sistema climático y en=
un
plazo suficiente para permitir que los ecosistemas se adapten naturalmente a=
l
cambio climático, asegurando que la producción de alimentos no se vea amen=
azada
y permita que el desarrollo económico prosiga de manera sostenible.
No obstante, a=
ún
con las políticas actuales de mitigación de los efectos del cambio climát=
ico y
con las prácticas de desarrollo sostenible que aquellas conllevan, existe
evidencia abundante respecto a que las emisiones mundiales de GEI seguirán
aumentando en los próximos decenios En el caso que lo hicieran a una tasa i=
gual
o superior a la actual, el calentamiento global aumentaría y el sistema
climático mundial experimentaría durante el siglo XXI cambios probablement=
e
mayores que los observados durante el siglo XX (IPCC, 2015).
Diferentes
investigaciones han aportado evidencia de que los más afectados serán los
países en vías de desarrollo, que soportarán aproximadamente entre el 75%=
y el
80% del costo de los daños provocados por la variación del clima Para Amé=
rica
Latina y el Caribe, se ha encontrado que, si no se toman en cuenta los efect=
os
de CO2, la reducción en la producción de granos podría ser hasta de 30% b=
ajo el
escenario de mayor temperatura. Sin embargo, si dichos efectos son tomados e=
n
consideración, la producción en algunos países podría incluso incrementa=
rse.
Centroamérica y el Caribe es una región altamente vulnerable a los fenóme=
nos
climáticos y meteorológicos dada su extensión y ubicación geográfica (B=
anco
Mundial, 2015).
Periódicamente=
,
esta región se ve afectada por huracanes e inundaciones que impactan
negativamente el desarrollo y el bienestar de sus habitantes y el desempeño=
de
las actividades económicas. Como se documenta en Leary=
et al. (2007), es muy probable que el cambio climático intensifique la grav=
edad
de los fenómenos extremos, como los anteriores.
En este sentido=
,
Cuba se debe preparar para enfrentar el desafío del cambio climático, de a=
hí
que disponer de instrumentos que permitan simular situaciones caóticas para=
los
cultivos, permitirá tomar medidas alternativas para mitigar los mismos.
Los efectos del
cambio climático, han sido estudiados en las viandas, caña de azúcar, tab=
aco,
entre otros cultivos (PCCC, 2015), pero no existen evidencias de su estudio =
en
los pastos tropicales, específicamente en el pasto estrella (C.nlemfuensis).
La obtención d=
e
nuevos datos mediante la experimentación agronómica, además de generar
resultados específicos para cada lugar en concreto en el espacio y el tiemp=
o es
un proceso costoso, lo que sugiere la búsqueda de otras alternativas para d=
ar
respuesta a tal situación, entre los que se enmarcan los modelos matemátic=
os y
de simulación (Rodríguez, 2015).
Estos resultan
herramientas de amplia utilización en los últimos años para lograr los
objetivos propuestos. Los modelos matemáticos se utilizan en diferentes ram=
as
del conocimiento por la posibilidad de expresar matemáticamente las relacio=
nes
entre los fenómenos (Jay, 2012).
Mientras que los modelos de simulación parten de la necesidad de
integrar los conocimientos en una herramienta computacional que permita
entender el funcionamiento del sistema y sus componentes y faciliten la toma=
de
decisiones acertadas (Hernández et al., 2009).
La modelación =
y simulación
del pasto estrella (C. nlemfuensis), constituye =
vía
efectiva para sistematizar la información, realizar proyecciones,
programaciones en los sistemas de producción ganaderos y estudiar la influe=
ncia
de las variables climáticas en el rendimiento de este cultivo (Agudelo et a=
l.,
2008).
Con todo lo
anteriormente expuesto, el objetivo de esta investigación es modelar y simu=
lar
el comportamiento productivo de la especie pasto estrella (C. nlemfuensis) bajo diferentes frecuencias de corte, niv=
eles
de fertilización y condiciones climatológicas en la producción de biomasa=
, que
contribuya a la toma de decisiones, en condiciones climáticas adversas para=
el
desarrollo de este cultivo.
Materiales y métodos.
Se utilizó la
información proveniente de investigaciones desarrolladas durante un año en=
el
centro experimental “Miguel Sistach Naya” perteneciente al Departamento =
de
Pastos y Forrajes del Instituto de Ciencia Animal, situado en San José de l=
as
Lajas, provincia Mayabeque, Cuba, entre los 22º 53´ LN y los 82º 02´ LW,=
a 92
msnm.
El experimento =
se
desarrolló en un suelo Ferralítico Rojo compactado, bastante uniforme en t=
odo
su perfil y de rápida desecación (Anon, 1994).=
Se
utilizó un área de pasto estrella previamente establecida, con más del 95=
% de pureza
dividida en parcelas experimentales, con un área cosechable de 10 m2.
Durante el per=
íodo
experimental (mayo 1992-abril 1993) se aplicó una fertilización basal de 1=
00 y
200 kgha-1 año-1 de P2O5 (superfosfato triple) y K2O (óxido de potasio),
respectivamente y se distribuyó al 50% al inicio de cada estación del año=
. El
nitrógeno (nitrato de amonio) se fracciono a razón de 50 kgha-1 por cada c=
iclo
de crecimiento (equivalente a 200 kg N ha-1 año-1), dosis en la cual se
obtienen las mayores respuestas en términos de kg MS kg-1 N aplicado en los
suelos rojos (Ramos et al., 1979; Ramos et al., 1995). En el período seco s=
e
aplicó riego por aspección a razón de 500 m3 =
ha-1
cada 21± 3 días.
Previo al inici=
o
de cada ciclo experimental las parcelas se cortaron con una segadora para
uniformar el rebrote y entre estos se ofreció un período mínimo de tiempo=
que
garantizara, de conjunto con la distribución aleatoria de las edades dentro=
de
cada réplica, que el corte de las parcelas se efectuara nunca antes de seis=
semanas
de reposo en cada tratamiento entre ciclos de crecimiento.
Antes del corte=
en
cada semana se cosecharon 10 plantas previamente marcadas al azar por
tratamiento en cada réplica. En s=
us
hojas se midió el largo desde la lígula hasta el ápice por el haz y el an=
cho en
el punto medio longitudinal y en sus tallos, el largo del diámetro en los
entrenudos definidos.
En el experimen=
to
original, se utilizó un diseño en parcelas divididas con tres replicas don=
de el
nivel de N constituyó la parcela principal (0, 200 y 400 kg de N ha-1 año-=
1) y
las subparcelas las edades desde 1 hasta 12 semanas.
Análisis
matemático.
Se emplearon dos modelos de regresión =
no
lineal cuyas expresiones son las siguientes:
<=
span
class=3DSpellE>Gompertz =
=
=
Modelo
multiplicativo con efectos =
ambientales (De=
l
Pozo y Herrera 1995)
Dónde:
A, b, c, d, f, =
g:
son parámetros de los modelos.
t: es la variab=
le
independiente y representa el tiempo medido en días o semanas.
Y: efecto de la
radiación.
Z: efecto de la
precipitación. ε: es error aleatorio, normalmente distribuido con media ce=
ro y
varianza constante.
Para el modelo
multiplicativo con efectos ambientales, se impusieron las siguientes
restricciones adicionales (Del Pozo y Herrera 1995):
Se comprobó el cumplimiento de los supuestos teóricos d=
el
modelo de regresión según Montgomery et
al. (2005).
El comportamiento de las tasas de acumulación de biomasa=
de
la variedad se describió, mediante las curvas de evolución en el tiempo de=
l
incremento corriente diario (ICD) y del incremento medio diario (IMD) según=
Kiviste et al<=
/i>.
(2002), las cuales se definen como:
Se determinó el punto de inflexión y el momento adecuad=
o
para la utilización de la planta por medio de las ecuaciones siguientes:
Momento de
utilización de la planta =
El porcentaje del valor asintótico del rendimiento (% VA=
)
para decidir hasta que edad sería razonable evaluar la curva de acumulació=
n de
la planta, se calculó como:
El procesamiento de la información se realizó con apoyo=
de
los paquetes estadísticos InfoStat (Di Rienzo et al.,=
2012) y Statgraphics Plus (=
Anon,
1995).
Se utilizaron l=
as
ecuaciones de RMSA sin efectos ambientales obtenidas en el Capítulo 2 (
Para los análi=
sis
de los contextos climáticos futuros, se usaron salidas diarias de los Model=
os
de Circulación General (MCG) Echan4 y se utilizó el forzamiento de los
escenarios de emisiones (SRES, según sus siglas en inglés) A2 y B2 propuestos por el IPCC (2001) con una resolución espaci=
al
de 25 km. Esta selección de los escenarios, la ratifica Bárcena (2010) y
Bárcena et al (2014), ya que
consideran que las condiciones de América Latina y el Caribe seguirán
determinadas por el desarrollo económico, con nuevas tecnologías “limpia=
s”,
principalmente a nivel de regiones o localidades. Además, este modelo que s=
e
utiliza, se encuentra entre los disponibles y representa, en forma más
adecuada, la circulación general de la atmósfera en el Caribe, según crit=
erios
de Jones et al. (2004) y Campbel=
l et al. (2011).
Echan4 herramie=
nta
principal para hacer proyecciones sobre el cambio climático en el futuro,
emplea modelos físicos complejos. Analiza la gama completa de escenarios, s=
e
complementa con modelos físicos simples, calibrados para ofrecer una respue=
sta
equivalente a los complejos, en cuanto a la temperatura y al nivel del mar.
Estas proyecciones se obtienen a partir de un modelo simple del clima cuya
sensibilidad climática y consumo calorífico de los océanos estén calibra=
dos con
cada uno de los siete modelos climáticos complejos. La sensibilidad climát=
ica
que presenta el modelo simple varía entre 1,7 y 4,2°C, similar a la variac=
ión
comúnmente aceptada, que va de 1,5 a 4,5°C.
Para esta
investigación, se tomó como referencia, los valores medios de precipitaci=
ón y
temperatura del período 1961 – 1990, y se consideraron los valores medios
proyectados de dichas variables para los horizontes temporales 2011 – 2040=
,
2041 – 2070 y 2071 – 2099 para los escenarios seleccionados.
Según el Panel
Intergubernamental de Cambio Climático (IPCC son las siglas en inglés), lo=
s
“escenarios” son descripciones coherentes y consistentes de cómo el sis=
tema
climático de la Tierra puede cambiar en el futuro. Estos son derivados de l=
os
escenarios de posibles emisiones futuras de GEI, los cuales se utilizan en
modelos climáticos como elemento introducido para el cálculo de proyeccion=
es
climáticas. Cualquier descripción posible del clima futuro dependerá de c=
ómo se
asuman las emisiones futuras de los GEI y otros agentes contaminantes; es de=
cir,
dependerán de la opción del panorama de las emisiones.
Los escenarios del Reporte Especial de
Escenarios de Emisiones (REEE) (IPCC, 2001) se utilizan como base de las
proyecciones climáticas, de Modelo de Circulación General (MCG) y Modelos =
de
Circulación General Acoplados de la Atmósfera y el Océano (MCGAO). Compre=
nden
una línea evolutiva similar, en lo que respecta a los supuestos demográfic=
os,
sociales, económicos y de cambios tecnológicos y se constituyen por cuatro
familias de escenarios: A2 y B2 (IPCC 2000; IPCC, 2001) las cuales se explican en la tabl=
a 1.
Tabla 1. Característic=
as
de los escenarios de emisiones propuestos por el IPCC.
|
A2 |
B2 |
|
Propone una situación donde el
mundo no sigue un patrón globalizante |
|
|
Se conservan las identidades
locales y la población crece a un ritmo medio. El desarrollo económico y
tecnológico es fragmentado y más lento que en otros escenarios. Se produce =
un aumento de
la temperatura global del planeta =
en
2 ºC |
Priman las soluciones locales p=
ara
problemáticas sociales, económicas y ambientales. Está orientado a la
protección del medio ambiente y a la igualdad social, pero siempre a nive=
l
local o regional, Se produce un aumento de la temperatura global del planeta =
en
4 ºC |
Fuente: Elabo=
ración propia.
Con esta
información, se creó una base de datos. Como no existían datos sobre la
radiación global, esta se estimó a partir de las fórmulas reportadas por =
la FAO
(1997). Se seleccionó la estación meteorológica de Güines situada en los=
22 °
53´´ latitud norte y 82 ° longitud oeste provincia de Mayabeque por su ce=
rcanía
a las áreas del Instituto de Ciencia Animal.
Herramientas y tecnologías de desarrollo utilizada=
s.
La selección d=
e
los entornos de trabajos que se utiliza en el desarrollo de sistemas,
constituye un verdadero reto y un gran desafío para los analistas. Existen
diferencias y por supuesto ventajas y desventajas entre las plataformas de
desarrollo, motores de bases de datos y los lenguajes de programación
existentes que los desarrolladores deben dominar para tomar una adecuada
decisión en cada caso. Este proceso se debe realizar de forma tal que
satisfagan los requerimientos al menor costo posible, sin que signifique una
pérdida de funcionalidad y eficiencia en el producto a lograr.
Lenguaje de Programación: Java.
Según Paz (201=
1)
“Java es una tecnología orientada al desarrollo de software con el cual s=
e
puede realizar cualquier tipo de programa”.
Es estable, portable, sencillo y menos complejos que otros lenguajes =
de
alto nivel.
Dentro de las
principales características se establece que constituye un lenguaje de
programación orientado a objetos y de gran flexibilidad a la hora de integr=
arse
con disimiles tecnologías. Es independiente de la plataforma, lo que garant=
iza
ejecución de las aplicaciones en múltiples plataformas de hardware y siste=
mas
operativos (Unix, Linux, OS/390, Windows entre otros) (Puerto; 2012).
Para llevar a c=
abo
el desarrollo de una aplicación guiada por el lenguaje mencionado, es neces=
ario
contar con alguna herramienta que lo soporte y permita desarrollar, compilar=
,
ejecutar y probarla. Se puede constatar en las investigaciones llevadas a ca=
bo
por (Paz,2011; Puerto, 2012 y Páez,2012) que el uso del lenguaje de
programación Java lleva asociado la aplicación de un Entorno de Desarrollo
Integrado (IDE).
Entorno de Desarrollo Integrado (IDE): Netbeans.
Un Entorno de
Desarrollo Integrado o IDE (acrónimo en inglés de integrated development enviro=
nment)
constituye un ambiente de programación que consta de en un editor de códig=
o, un
compilador, un depurador y un constructor de interfaz gráfica (GUI). En la
actualidad existen múltiples IDE para el desarrollo de software entre los q=
ue
se encuentran MyEclipse, Eclipse y NetBeans los cuales son utilizados para el desarrollo =
de
aplicaciones java (Travieso, 2015).=
El Netbeans es un IDE de código abierto escrito completa=
mente
en Java. Soporta el desarrollo de todos los tipos de aplicación Java (J2SE,=
web
y aplicaciones móviles). También tiene soporte para varios lenguajes como =
PHP,
Java script, HTML y CSS. Es un producto sin restricciones de uso (Rodríguez=
,
2015).
El autor de est=
a
investigación, determinó utilizar el Netbeans =
en su
versión 8.0, ya que simplifica tareas de desarrollo, además del sencillo m=
anejo
de los componentes visuales de los formularios de la aplicación, así como
diseños de reportes.
La gestión de
reporte es el proceso que se utiliza para la toma de decisiones o bien para
confeccionar informes detallados a los clientes, proveedores o bien sus prop=
ios
empleados. Brindan la posibilidad de crear reportes según los parámetros q=
ue se
especifican (Rodríguez, 2015a).
La herramienta<=
span
style=3D'color:red'> iReport es un constr=
uctor y
a su vez diseñador de informes visuales, poderoso, intuitivo y fácil de us=
ar.
Está escrito en Java y permite que los usuarios corrijan visualmente inform=
es
complejos con cartas, imágenes, sub-informes, entre otros. Brinda integraci=
ón
con JFreeChart, una de las bibliotecas gráficas=
Open Source más difundida para Java. Los datos para mostrar pueden ser recuperados de disímile=
s
fuentes de datos (Travieso, 2015).
Sistema Gestor de Bases de Datos: SQLite.
García (2011)
define los SGBD como “un conjunto de información almacenada en memoria au=
xiliar
que permite acceso directo y un conjunto de programas que manipulan esos
datos”. Un SGBD es una aplicación que permite a los usuarios definir, cre=
ar y
mantener dicha base, proporcionando un acceso controlado a la misma.
Resultados y discusión
En las tablas 2=
y
3 se presentan los criterios estadísticos del modelo (=
Gompertz)
en ambos períodos estacionales, para edades expresadas en días y semanas
respectivamente.
Los modelos explicaron alta variabilidad=
entre
el RMSA y las edades de rebrote, con valores superiores al 99 % en el perío=
do
lluvioso y poco lluvioso, en cada dosis de N (0 y 200). El CME, EE y Sesgo
fueron pequeños lo cual repercutió en los elevados valores de significaci=
ón de
los modelos y sus parámetros.
Tabla 2.
|
Período |
Dosis N |
R2 (%) |
CME |
EE |
Sesgo |
<=
span
lang=3DES style=3D'font-size:12.0pt;line-height:115%;font-family:"Times Ne=
w Roman",serif;
mso-fareast-font-family:"Times New Roman"'>Sign. modelo |
A |
b |
c |
|
Lluvioso |
0 |
99,39 |
0,004 |
0,07 |
0,007 |
P<0,001 |
2,62 ±0,13 P<0,001 |
6,52 ±0,91 P<0,001 |
0,05 ±0,0046 P<0,001 |
|
200 |
99,90 |
0,005 |
0,06 |
0,004 |
P<0,001 |
6,06 ±0,1 P<0,001 |
4,55 ±0,2 P<0,05 |
0,05 ±0,0017 P<0,001 |
|
|
Poco lluvioso |
0 |
99,57 |
0,001 |
0,03 |
0,001 |
P<0,001 |
1,37 ±0,03 P<0,001 |
3,64 ±0,72 P<0,001 |
0,04 ±0,0005 P<0,001 |
|
200 |
99,34 |
0,007 |
0,08 |
0,004 |
P<0,001 |
3,92 ±0,33 P<0,001 |
3,81 ±0,31 P<0,001 |
0,03 ±0,004 P<0,001 |
Fu=
ente: Elaboración propia.
Tabla 3. Estadísticos =
de
ajuste y estimaciones de los parámetros de los modelos del rendimiento de
materia seca acumulada (RMSA) con la edad de rebrote de la planta (en semana=
s)
|
Período |
Dosis N |
R2 (%) |
CME |
EE |
Sesgo |
Sign. modelo |
A |
b |
c |
|
Lluvioso |
0 |
99,42 |
0,005 |
0,07 |
0,007 |
P<0,001 |
2,62 ±0,13 P<0,001 |
6,52 ±0,91 P<0,001 |
0,33 ±0,03 P<0,001 |
|
200 |
99,34 |
0,007 |
0,08 |
0,004 |
P<0,001 |
6,06 ±0,1 P<0,001 |
4,55 ±0,2 P<0,05 |
0,32 ±0,01 P<0,001 |
|
|
Poco lluvioso |
0 |
99,32 |
0,04 |
0,20 |
0,001 |
P<0,001 |
1,37 ±0,05 P<0,001 |
3,64 ±0,27 P<0,001 |
0,3 ±0,02 P<0,001 |
|
200 |
99,34 |
0,007 |
0,08 |
0,004 |
P<0,001 |
3,92 ±0,33 P<0,001 |
3,81 ±0,31 P<0,001 |
0,22 ±0,03 P<0,001 |
Fu=
ente: Elaboración propia.
En
las figuras desde la 1 hasta 4, se muestran los gráficos de los residuos pa=
ra
las dosis 0 y 200 de N y edades expresadas en días y semanas. Se aprecian q=
ue,
en todos los casos, existen pocas desviaciones de los puntos respecto de la
diagonal principal lo que confirma la hipótesis de normalidad de los residu=
os.
Figura 1: Gráficos para
dosis 0 de N en seca y edades en días y semanas respectivamente.
Fuente: Elaboración propia.=
Figura 2:
Fuente:
Elaboración propia.
Figura
3. Gráficos para dosis 200 de N en lluvia y edades e=
n
días y semanas respectivamente.
Fuente: Elaboración propia.=
Figura 4.
Estas
características confieren alta precisión a los modelos para representar el
proceso de acumulación de biomasa del pasto estrella.
En cuanto a los
parámetros en los dos períodos estacionales se observó que los valores de=
A y c
fueron cercanos y sus errores estándares pequeño. Esto indicó menor ampli=
tud de
los intervalos de confianza de estos parámetros lo cual confiere mayor
concentración de sus valores alrededor del verdadero valor del parámetro
(Montgomery et al., 2005).
Como se apreci=
ó,
en los resultados encontrados, el modelo de Gompertz
representó de forma adecuada el crecimiento del pasto estrella, resultado q=
ue
coincide con los encontrados por Díaz (2007) y Rodríguez (2015) en varieda=
des
de la especie P. purpureum
y Barker et al.
(2010) en otras gramíneas de sendero fotosintético C4. Según Black (1=
973)
Las plantas tipo C4 presentan las siguientes características: Estos últimos
resaltaron la asimetría del modelo para representar el crecimiento de gram=
íneas
tropicales perennes en un ciclo de 112 días o 12 semanas. Según estos auto=
res
las plantas C4 presentan tasas de incremento antes (aceleración) y después=
del
punto de inflexión (desaceleración) diferentes, lo cual guarda relación l=
ógica
con el proceso de acumulación de biomasa de gramíneas tropicales. En la tabla 4 s=
e
muestra la edad a la que se alcanzó el punto de inflexión, el punto óptim=
o para
cortar el forraje y la fase L.V.C. o período de lenta velocidad de crecimie=
nto,
los cuales constituyen parámetros de interés para el desarrollo de estrate=
gias
en la investigación y la producción. Tabla 4.
|
Poco lluvio=
so |
|||||
|
Dosis N (kg ha-1año-1<=
/sup>) |
Punto de Inflexión |
Punto Optimo |
L.V.C (días) |
||
|
Edad (días) |
RMSA (tha-1) |
Edad (días) |
RMSA (tha-1) |
||
|
0 |
84 |
1,21 |
32,3 |
0,50 |
7,30 |
|
200 |
84 |
2,89 |
44,6 |
1,4 |
11,3 |
|
Lluvioso |
|||||
|
Dosis N (kg ha-1año-1<=
/sup>) |
Punto de Inflexión |
Punto Optimo |
L.V.C (días) |
||
|
Edad (días) |
RMSA (tha-1) |
Edad (días) |
RMSA (tha-1) |
||
|
0 |
84 |
2,38 |
37,5 |
0,96 |
17,5 |
|
200 |
84 |
5,66 |
30,3 |
2,2 |
10,3 |
=
RMSA: rendimiento de
materia seca acumulada
Fuente: Elabo=
ración propia.
La figura 5
muestra la ventana principal de la aplicación desarrollada con cada uno de =
los
principales elementos del menú.
Figura 5. Pantalla
principal de la aplicación. SERPE
Fuente: Elaboración propia<= o:p>
En la figura 6 se muestra la captura de
datos, para estimar RMSA con efectos climáticos.
Figura 6. <=
span
lang=3DES style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New =
Roman",serif'>Captura
información para estimar el RMSA con efecto ambiental.
Fuente:
Como se puede
observar, en la figura 7 se expone la captura de datos, para estimar RMSA si=
n
efecto del clima.
Figura 7. Captura
información para estimar el RMSA sin efecto ambiental
Fuente: Elaboración propia.=
La figura 8,
muestra las curvas de incrementos corriente medio, diario y de crecimiento (=
Gompertz), para esta especie.
Figura 8
Fuente: Elaboración propia.=
En la figura 9 =
se
aprecia la edad óptima en que debe ser cosechado el pasto estrella desde el
punto de vista matemático.
Figura 9. Edad óptima d=
e
cosecha del pasto estrella desde el punto de vista matemático.
Fuente: Elaboración propia.=
Por otra parte,=
la
utilización por los productores de herramientas de ayuda en la toma de
decisiones a través de la modelación y simulación, ha sido tradicionalmen=
te
baja (McCown, 2002). En el caso de los modelos d=
e
crecimiento de pastos, Wight y Hanson (1993) identificaron tres elementos
fundamentales de la no utilización de estos modelos: en primer lugar, la es=
casa
disponibilidad de datos de clima, la cual es resuelta en este modelo con la
utilización de la base de datos meteorológica.
En segundo luga=
r,
la escasa disponibilidad de los datos de suelos y en tercer lugar el número=
de
variables de estado que están presentes en otras aplicaciones y deben ser
inicializadas.
Otro aspecto que conspira en la utilizac=
ión de
los modelos es la dificultad de interpretar y aplicar los resultados de esto=
s,
mencionada como otra posible explicación a la limitada utilización de los
modelos como herramientas de ayuda en la toma de decisiones (Wight y Hanson,
1993).
Por otro lado, =
en
función de la objetividad de los resultados, es recomendable configurar el
sistema de forma que se ajuste a las especificidades de la unidad que se
evalúe, por ejemplo, que la información sobre la frecuencia de corte, las =
dosis
de N y sobre todo la información climática, sean lo más precisa posible, =
para
obtener razonables estimaciones de la producción de biomasa.
El software
obtenido posee importantes características desde el punto de vista de la
ingeniería de software, tales como consistencia, eficiencia, integridad,
flexibilidad, portabilidad y seguridad entre otras, todas muy deseables en l=
os
programas de aplicación (Menner, 1995; Senn, 1998), su proceso de validación no puede ser
considerado totalmente conclusivo.
Lo anterior se
debe, fundamentalmente a las características propias de la temática que ab=
orda
el software, la concepción del diseño que fue empleada en correspondencia =
con
los objetivos propuestos e incluso, a la no existencia en Cuba de ningún ot=
ro
programa de aplicación a la estimación de la biomasa para el pasto estrell=
a.
Conclusiones.
· Se
obtuvo una base de datos de variables climáticas que contiene dos escenario=
s
meteorológicos diferentes para el planeta, la misma se incluyó en la
herramienta computacional elaborada para simular el rendimiento de materia s=
eca
acumulada bajo diferentes condiciones ambientales.
· El
modelo Gompertz ajustó los datos para el pasto
estrella (C. nlemfuensis) con elevados coeficien=
tes
de determinación que fluctuaron entre 99 % para los períodos poco lluvioso=
y
lluvioso respectivamente.
· El
momento óptimo de utilización del forraje fue variable y se debe realizar =
en el
punto donde se interceptan las curvas de Incrementos corriente diario y medi=
o.
· Las
edades óptimas de cosecha para la dosis 0 kg de nitrógeno obtenidas desde =
el
punto de vista matemático resultaron 32,3 y 37,5 días para los períodos p=
oco
lluvioso y lluvioso respectivamente. Mientras que, para 200 kg de nitrógeno=
, se
obtuvieron 44,6 y 30,4 días para ambos períodos estacionales.
· Se
encontró que un incremento de la temperatura media del planeta en 2 y 4
Referencias bibliográficas. Adams
R. M., Hurd B. H., Lenhart S. y Leary,
N (1998). Effects of glo=
bal
climate change on agriculture: an interpretative review. Climate
Research 11(1):1 9–30. Agudelo,
D.A., Cerón, M.F. y Restrepo, L. F. (2008). Modelación de funciones de
crecimiento aplicadas a la producción animal. Rev. Col. Cienc.
Pec. 21: 39582_misconceptions.pdf. [Consulta 25=
de
enero 2019]. Anon,
(1994). Situación actual de las investigaciones que se desarrollan en el
Pastoreo Racional Voisin en el Instituto de Cie=
ncia
Animal (MIMEO) 30 p. Banco
Mundial (2015). Lima Perú 5 al 12 octubre 2015. Reunión Anual del BM y de=
l
FMI. http://www.bancomundial.org/es/topic. Bárcena,
A (2010). Restricciones estructurales del desarrollo en América Latina y e=
l
Caribe: una reflexión postcrisis; Revista CEPAL 1 0 0, abril 2010. pg 7 – 28. Bárcena,
A, Prado, A., Samaniego, JL. y Pérez, R. (2014).La
economía del cambio climático en América Latina y el Caribe. Paradojas y
desafíos del desarrollo sostenible. Cepal 98 pp. Barker,
D.J., Ferraro, F.P., La Guardia, R., Mark, R., Lopes,
F., &Albrecht, K.A. (2010). Analysis
of Herbage Mass and Herbage Accumulation Rate Using Go=
mpertz
Equations. AgronomyJournal,
Volume 102, Issue 3=
.
Disponible en: http://es.slideshare.net/ [Consultado: 4 de septiembre 2017]=
. Black Jr CC (1973).
Photosynthetic carbon Æxation in relation to n=
et CO2
uptake. Annual Review of Plant Physiology 24, 253±286. Campbell, Jayaka
D., Taylor, M.A., Stephenson, Tannecia S., Wats=
on,
R.A. and Whyte Felicia S. (2011). Future climate of the Caribbean from a
regional climate model. Int.
J. Climatol. 31: 1866–1878 (2011). Del
Pozo, P. P. y Herrera, R. S. (1995). Modelado del crecimiento del pasto
estrella (Cynodonnlemfuensis). 1. modelo
multiplicativo con control de la curva de crecimiento y los efectos
ambientales. Rev. Pastos y Forraj=
es
18(2):171177 Di
Rienzo, J. A. 2011. Análisis de regresión.
Disponible en: http://sites.google.com/site/dirienzojulio [Consultado: 6 de
agosto 2018]. Díaz,
D. (2007). Evaluación agronómica de nuevas variedades Pennisetumpurpureum
en condiciones de sequía el Valle del Cauto. Tesis en opción al Título
Académico de Master en Pastos y Forrajes. Universidad de matanzas "Ca=
milo
Cienfuegos, 84 p. FAO
56 (1997). Evapotranspiración del cultivo. Guías para la determinación <=
span
class=3DGramE>delos requerimientos de agua de los cultivos. Estudio =
FAO
Riego y Drenaje. ISSN 0254-5293. Friedrich,
T. (2014). Producción de alimentos de origen animal. Actualidad y
perspectivas. Rev. Cuban. Cienc. Agríc.
48:5 García,
A. (2011). Sistema para integrar la operación de las Centrales Telefónica=
s de
diferentes proveedores existentes en todo el país. Trabajo de Diploma.
Mayabeque, Cuba, Universidad Agraria de La Habana. hh.=
23-25. Hernández,
N., Soto. F. y Caballero, A. (2009). Modelos de simulación de cultivos.
Características y usos. Cultivos Tropicales 30:1. Disponible en:
http://scielo.sld.cu/ [Consultado: 3 de agosto de 2019]. Herrera,
R.S (2009). Mejoramiento de Pennisetumpurpureum=
en
Cuba. Rev. Cubana Cienc. Agríc. 43:345. IPCC (2001).Climate
Change 2001: The Scientific Basis. Contribution of Working Group I to the
Third Assessment Report of the Intergovernmental Panel on Climate Change
(IPCC). Houghton JT, Ding Y, Griggs DJ, Noguer =
M,
van der Linden PJ, Xiaosu D (Eds.). Cambridge
University Press. Cambridge, RU. 944 pp. IPCC (2015). Special Repor=
t
on Emissions Scenarios. IPCC Working Group III (WGIII). 35
pp. Jay,
O (2012). Metodología para la comparación de tratamientos en modelos de
regresión no lineal aplicados a procesos biológicos. Tesis presentada en
opción al título de Doctor en Ciencias Veterinarias, Instituto de Ciencia
Animal, La Habana, Cuba. 100 p. Jones R. G., Noger M., Hassell D. C., Hudson D., Wilson S., Jenkin=
s G.,
and Mitchell, J., (2004). Generating high resolution climate change scenari=
os
using PRECIS. Met Offrice Hadley Center, Exeter=
, UK,
40 pp. Kiviste,
A. J., G., Álvarez, A., Rojo, A., Ruíz, D. (2002). Funciones de crecimien=
to de
aplicación en el ámbito forestal. Ministerio de Ciencia y Tecnología.
Instituto de Investigaciones y Tecnología Agraria y Alimentaría. <=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:150%;font-family:"Times =
New Roman",serif;
mso-ansi-language:EN-US'>Madrid. 190 p. Leary, N., Kulkarni, J. y =
Seipt, C. (2007). Assessment of impacts and adaptatio=
n to
climate change, Final Report of the AIACC Project, UNEP, Washington. McCown, R.L. (2002). Chang=
ing
systems for supporting farmers’ decisions: problems, paradigms, and prosp=
ects.
Agricultural Systems 74: 179–220. Menner, W.A. (1995). Introduction to modeling and
simulation. Johns Hopkins APL Technical Digest. 16(1): 6-17. Montgomery, D. C., Peck, E=
.
A. y Vining, G. G. (2005). Introducción al aná=
lisis
de regresión lineal. Compañía Editorial Continental. México. 588 pp Paz,
Y. y Bárcenas, Y. (2011). Sistema de gestión semántica de información
geográfica. Trabajo de Diploma. Mayabeque, Cuba, Universidad Agraria de La
Habana. h. 24. Páez,
R. L. y Rodríguez, E. (2012). Sistema de extración
de términos en el dominio de la informática. Trabajo de Diploma. Mayabequ=
e,
Cuba, Universidad Agraria de La Habana. h. 29. PCC
(2011). Lineamientos de la política económica y social del Partido y la
Revolución. Partido Comunista de Cuba, La Habana, 38 pp. PCCC
(2015). Programa Cambio Climático. X Convención Internacional Sobre Medio
Ambiente y Desarrollo publicado en:
http://www.cubambiente.com/Programa%20de%20Cambio%20Clim%C3%A1t
ico.pdf. Puerto,
Y. y Mejías, A. (2012). Sistema de gestión de trámi=
tesde
salidas al extranjero. Trabajo de Diploma. Mayabeque, Cuba, Universidad
Agraria de La Habana. h. 8. Ramos,
N., Herrera, R. S. y Curbelo, F. (1979). Reseña descriptiva del kinggrass. Instituto de Ciencia Animal. Cuba. p.5. Ramos,
N., Herrera, R.S., Schalitz, G. y Curbelo. F.
(1995). Estudio del rendimiento y calidad de gramíneas templadas evaluadas=
en
Cuba. Rev. cubana Cienc. a=
gríc.
29:109 Rodríguez,
J., Gutiérrez, E., Rodríguez, H (2010). Dinámica de sistemas de pastoreo=
.
Editorial Trillas. México. 272 p. Rodríguez,
L (2015). Modelación y simulación de la producción de biomasa de Pennisetum Purpureum Rodríguez,
Y. (2015a). Sistema informático para el análisis y gestión de la entrega=
y
tenencia de tierra en el municipio de Madruga. Trabajo de Diploma. Mayabequ=
e,
Cuba, Universidad Agraria de La Habana. h. 39. Senn, J.A. (1998). Analysis & Design of Informatio=
n
Systems. McGraw-Hill Inc.,USA.
988 p. Travieso,
M. y Rodríguez, H. (2015). Sistema de información nacional para el contro=
l de
la inspección estatal. Trabajo de Diploma. Mayabeque, Cuba, Universidad
Agraria de La Habana. h. 18. Wight, R.J., Hanson, C
(1993). Making models easy to use. Proceedings of the XVII International
Grassland Congress, 769–770.
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
background:yellow;mso-highlight:yellow;mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
background:yellow;mso-highlight:yellow;mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
background:yellow;mso-highlight:yellow;mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
background:yellow;mso-highlight:yellow;mso-ansi-language:EN-US'>
<=
span
lang=3DEN-US style=3D'font-size:12.0pt;line-height:115%;font-family:"Times N=
ew Roman",serif;
background:yellow;mso-highlight:yellow;mso-ansi-language:EN-US'>
<=
span
lang=3DES style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New =
Roman",serif'>Para
citar el artículo indexado
López
Rodríguez, J. L., & Larduet Vicet,
R. (2020). Modelación y simulación del rendimiento del pasto estrella (
El artículo que se
publica es de exclusiva responsabilidad de los autores y no necesariamente
reflejan el pensamiento de la Revis=
ta Alpha
Publicaciones.
El
artículo queda en propiedad de la revista y, por tanto, su publicación par=
cial
y/o total en otro medio tiene que ser autorizado por el director de la Revista Alpha Publicaciones.
=
[1]=
Aeropuerto Internac=
ional
José Martí, jorge.lopez@takeoff.avianet.cu
=
[2]=
Universidad Agraria=
de la
Habana. La Habana, Cuba. jorge.lopez@takeoff.avianet.cu
www.alfapublicaciones.com