Modelo estadístico para la predicción del rendimiento de grano en maíz

• Published in: Revista mexicana de ciencias agrícolas (México) Vol. 12; no. 3; pp. 447 - 459
• Main Authors: Reyes González, Fernando, Galvis Spinola, Arturo, Almaraz Suárez, Juan José, Hernández-Mendoza, Teresa Marcela
• Format: Journal Article
• Language: English; Portuguese
• Published: Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias 08.05.2021
• Subjects: Agriculture, Multidisciplinary; population density; nitrogen; nitrógeno; Zea mays L; densidad de población
• ISSN: 2007-0934; 2007-9230
• DOI: 10.29312/remexca.v12i3.2482

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.