Calibración de DSSAT (Decision Support System for Agrotechnology Transfer) para tres cultivares de maíz (Zea mays L.) en el sur de Nuevo León, México
DOI:
https://doi.org/10.59741/agraria.v8i2.452Palabras clave:
Maíz, coeficientes genéticos, modelos de simulación, DSSATResumen
Los modelos de simulación son una alternativa para predecir el comportamiento de un cultivo, es una herramienta importante de investigación de tal manera que puede acortar este proceso, sin que esto sustituya a los experimentos de campo. El objetivo en este trabajo fue calibrar el programa DSSAT (Decision Support System for Agrotechnology Transfer) para tres cultivares de maíz. El trabajo se realizó en el campo experimental de la Universidad Autónoma Agraria Antonio Narro que se encuentra ubicado en Navidad, Galeana, N. L. Los cultivares evaluados fueron: AN447, AN388 y A7573, la siembra se realizó el 5 de mayo y la cosecha el 26 de octubre de 2007, se fertilizó con una dosis 60-60-60. EL diseño experimental fue bloques al azar con tres repeticiones. Las variables evaluadas fueron: Materia Seca Parcial (MSP), Materia Seca Parcial en Hoja (MSPH), Materia Seca Parcial en Tallo (MSPT), Materia Seca Parcial en Grano (MSPG) e Índice de Área Foliar (IAF). Los coeficientes genéticos obtenidos para la calibración fueron los siguientes: AN447 P1=355, P2=0.700, P5=540, G2=430, G3=12 y PHINT=80; AN388 P1=375, P2=0.500, P5=500, G2=450, G3=11 y PHINT=75; A7573 P1=365, P2=0.400, P5=500, G2=380, G3=8 y PHINT=80. En general, DSSAT puede ser calibrado para maíz y producir resultados aceptables.
Descargas
Referencias
Cabelguenne M., J. L. Charpenteau, C. A. Jones, J. R. Marty, J. P. Rellier. 1986. Conduite des systèmes de grande culture et prévision des rendements: tentative de modélisation. pp. 125-1 32. In: II. Etalonnage du modèle: résultats et perspectives. C.R. Acade. Agric. Fr. 72.
Jones, J. W. 1993. Decision support system for agricul tural development. pp: 459-472. In: Systems approaches to agricultural development. Penning de Vriets F. W. T., P. S. y K. Teng Metselaar (Eds.). Kluwer Aca demic Publishers. Dordrecht, Netherlands. 560 p. DOI: https://doi.org/10.1007/978-94-011-2842-1_28
Jones, J. W., G. Y. Tsuji, G. Hoogenboom, L. A. Hunt, P. K. Thornton, P. W. Wilkens, D. T. Imamura, W. T. Bowen y U. Singh. 1998. Decision support system for agrotechnology transfer: DSSAT v3. pp: 157-176. In: Tsuji, G. Y., G. Hoogenboom, P. K. Thornton (Eds.). Understanding options for agricultural production. Kluwer Academic Publishers. London, Great Britain. 325 p. DOI: https://doi.org/10.1007/978-94-017-3624-4_8
Mendoza H., J. M. 1983. Diagnostico climático para la zona de influencia inmediata de la UAAAN. Departamento de Agrometeorología. Universidad Autónoma Agraria Antonio Narro. Buenavista, Saltillo, Coah., México. 615 p.
Raiput, R.P. 1980. Response of soybean crop to climate and soil environments. Ph. D. Thesis, IARI, New Delhi, India.
Téllez O., O. S., R. Rodríguez G., D. Jasso C. y E. Peña C. 2000. Validación del Modelo EPIC, para simular la medición de rasgos agronómicos en el cultivo de maíz bajo diferentes condiciones de humedad en el suelo. Agraria 16 (1): 27-46, Buenavista, Saltillo, Coah. DOI: https://doi.org/10.59741/agraria.v16i1.261
Uehara, G. y G. Y. Tsuji. Thorton. 1998. Overview of IBSNAT. pp: 1-7. In: Tsuji G. Y., G Hoogemboom, Eds). Understanding Options for Agricultural Production. Kluwer Academic Publishers. London, Great Britain. 325 p. DOI: https://doi.org/10.1007/978-94-017-3624-4_1
Whisler, F. D., D. N. Acock, R. E. Baker, H. F. Fye, J. R. Hodges, H. E. Lambert, J. M. Lemmon, Mckinion y V. R. Reddy. 1986. Crop simulation models in agronomic systems. Adv. Agron. 40: 141 – 208. DOI: https://doi.org/10.1016/S0065-2113(08)60282-5
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Cómo citar
PLUMX Metrics
