Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 3 Núm. 2 (2009)

Sección de hortalizas

Análisis de la productividad del tomate en invernadero bajo diferentes manejos mediante modelos mixtos

https://doi.org/10.17584/rcch.2009v3i2.1212

Publicado 2011-02-02

  • Carlos Ricardo Bojacá
    • ,
  • Nadia Yurani Luque
    • ,
  • Oscar Iván Monsalve

Resumen

La productividad del cultivo de tomate bajo invernadero es resultado de la interacción de factores ecofisiológicos, de los cuales el productor ejerce un mayor o menor grado de control sobre ellos. Factores como densidad de plantación y poda de frutos determinan la productividad y el agricultor aplica sus propios esquemas de manejo de acuerdo con su criterio. Con el fin de evaluar diferentes estrategias de manejo de densidad de
plantación y poda de frutos y su efecto sobre la productividad se aplicó la técnica de modelación estadística denominada modelos mixtos. Estos modelos aparte de incluir efectos fijos incluyen efectos aleatorios para cada uno de los individuos de la población estudiada. La productividad acumulada por planta en función de los días después del trasplante para nueve combinaciones de densidad de plantación y poda de frutos se ajustó a un modelo Gompertz donde el mejor ajuste fue obtenido con el modelo mixto al cual se le añadió un efecto
aleatorio a la asíntota superior. Este parámetro representa la productividad potencial de cada uno de los tratamientos. Con base en la variabilidad del efecto aleatorio de la asíntota superior, producto de la calibración del modelo, se construyó una función de densidad de probabilidad. De acuerdo con esta función, el tratamiento con la productividad potencial más alta (6,82 kg/planta) fue aquel con una densidad de plantación de 2,3 plantas/m2 y con una poda de cinco frutos en los primeros cuatro racimos y cuatro frutos en el resto de racimos.
PDF

Citas

  1. Ara, N.; M. Bashar; S. Begum y S. Kakon. 2007. Effect of spacing and stem pruning on the growth and yield of tomato. Intl. J. Sustain. Crop Prod. 2(3), 35-39.
  2. Barraza, F.; G. Fischer y C. Cardona. 2004. Estudio del proceso de crecimiento del cultivo del tomate (Lycopersicon esculentum Mill.) en el Valle del Sinú medio, Colombia. Agron. Colomb. 22(1), 81-90.
  3. Bates, D. y M. Maechler. 2009. lme4: Linear mixed-effects models using S4 classes. R package version 0.999375-32. En: http://CRAN.R-project.org/package=lme4; consulta: septiembre de 2009.
  4. Bolker, B.; M. Brooks; C. Clark; S. Grange; J. Poulsen; H. Stevens y S. White. 2009. Generalized linear mixed models: a practical guide for ecology and evolution. Trends Ecol. Evolut. 24(3), 127-135.
  5. Carrero, O.; M. Jerez; R. Macchiavelli; G. Orlandoni y J. Stock. 2008. Ajuste de curvas de índice de sitio mediante modelos mixtos para plantaciones de Eucalyptus urophylla en Venezuela. Interciencia 33(4), 265-272.
  6. Cruz, J.; F. Jiménez; J. Ruiz; G. Días; P. Sánches; C. Perales y A. Arellanes. 2003. Evaluaciones de densidad de siembra en tomate (Lycopersicum esculentum Mill.) en invernadero. Agron. Mesoamer. 14(1), 85-88.
  7. Davidian, M. y D. Giltinan. 2003. Nonlinear models for repeated measurement data: An overview and update. J. Agr. Biol. Environ. Stat. 8(4), 387-419.
  8. Demidenko, E. 2004. Mixed models. Theory and applications. Wiley, New Jersey.
  9. Escobar, H. 2001. Cartilla: Producción de tomate bajo invernadero. CIAA, Universidad Jorge Tadeo Lozano, Chía, Colombia.
  10. Ghebremariam, T. 2005. Yield and quality response of tomato and hot pepper to pruning. M.Sc. thesis. Faculty of Natural and Agricultural Sciences, University of Pretoria, South Africa.
  11. Godoy, C.; G. Monterrubianesi y J. Tognetti. 2008. Analysis of highbush blueberry (Vaccinium corymbosum L.). Scientia Hort. 115(1), 368-376.
  12. Ho, L.C. 1980. Control of import into tomato fruits. Ber. Deutsche Bot. Gesellsch. 93(1), 315-325.
  13. Ho, L.C. 1992. Fruit growth and sink strength. pp. 101-124. En: Marshall, C. y J. Grace (eds.). Fruit and seed production. Aspects of development, environmental physiology and ecology. Society for Experimental Biology Seminar 47. Cambridge University Press, Cambridge, UK.
  14. Jaramillo, J. 2009. The state of research in tomato in Colombia. Acta Hort. 821, 47-52.
  15. Laurence, L. y F. Dupois. 2002. Statistical tables, explained and applied. World Scientific, London. pp. 219-221.
  16. Lindstrom, M. y D. Bates. 1990. Nonlinear mixed models for repeated measures data. Biometrics 46(3), 673-687.
  17. Malosetti, M.; C. Linden; B. Vosean y F. Eewijk. 2007. A mixed-model approach to association mapping using pedigree information with an illustration of resistance to Phytophthora infestans in potato. Genetics 175(1), 879-889.
  18. Mantur, S. y P. Satesh. 2008. Influence of spacing and pruning on yield of tomato grown under shade house. Agr. Sci. 21(1), 97-98.
  19. Peil, R. y J. Gálvez. 2004. Rendimiento de plantas de tomate injertadas y efecto de la densidad de tallos en el sistema hidropónico. Hortic. Bras. 22(2), 265-270.
  20. R Development Core Team. 2009. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna, Austria. En: http://www.R-project.org; consulta: septiembre de 2009.
  21. Rodríguez, L. 2000. Densidad de población vegetal y producción de materia seca. Revista Comalfi 27(1–2), 31-38.
  22. Sandra, M.; J. Andriolo; M. Witter y T. Dal Ross. 2003. Effect of shading on tomato plants grow under greenhouse.
  23. Hortic. Bras. 21(4), 642-645.
  24. Soop So, Y. y J. Edwards. 2009. A comparison of mixed model analyses of the Iowa crop performance test for corn. Crop Sci. 49(1), 1593-1601.
  25. Paterson, S. y J. Lello. 2003. Mixed models: getting the best use of parasitological data. Trends Parasitol. 19(8), 65-74.
  26. Vangeneugdena, T.; A. Laenenb; H. Geysb; D. Renard y G. Molenberghs. 2004. Applying linear mixed models to estimate reliability in clinical trial data with repeated measurements. Contr. Clinical Trials 25(1), 13-30.

Descargas

Los datos de descargas todavía no están disponibles.