Modelación de la pérdida de suelo por escorrentía en el cultivo de caña de azúcar usando modelos lineales mixtos, período II semestre 2019 – I semestre 2021

Autores/as

DOI:

https://doi.org/10.5377/elhigo.v13i2.17374

Palabras clave:

Labranza, Lámina acumulada, Desarrollo vegetativo

Resumen

El uso de modelos lineales mixtos se ha utilizado en diferentes escenarios y puede tener potencial para describir la pérdida de suelos debido al agua de escorrentía. El objetivo del estudio fue utilizar los modelos lineales mixtos para modelar la pérdida de suelo por escorrentía en un cultivo de caña de azúcar en suelos con topografía de pendiente en dos condiciones de labranza. La variable respuesta fue la pérdida de suelo por escorrentía y las explicativas fueron la precipitación cuantificada como lámina total acumulada y semanas de desarrollo vegetativo de un cultivo de caña de azúcar (variedad CC 93 - 7711) para la producción de panela. Estos datos se tomaron de parcelas de escorrentía que se encontraban instaladas en el municipio de Vélez departamento de Santander (Colombia). Se encontró un modelo que se ajusta a la pérdida de suelos por agua de escorrentía con un coeficiente de determinación condicional para modelos lineales mixtos de 0,84.

Descargas

Los datos de descargas todavía no están disponibles.
Resumen
157
PDF 112

Biografía del autor/a

Ruy Edeymar Vargas Diaz, Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá.

Ingeniero Agrícola de la Universidad Nacional de Colombia sede Bogotá, con maestría en Bioestadística de la facultad de ciencias de la misma Universidad. Investigador Máster en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá.

Viviana Marcela Varón Ramírez, Corporación Colombiana de Investigación Agropecuaria (Agrosavia).

Ingeniera Agrícola de la Universidad Nacional de Colombia, con maestría en Ingeniera Agrícola. Investigadora Máster en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá.

Juan Carlos Lesmes Suárez, Corporación Colombiana de Investigación Agropecuaria (Agrosavia).

Ingeniero Agrónomo, Magister en Desarrollo Sostenible y Medio Ambiente. Profesional de apoyo a la investigación en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Cimpa

Ayda Fernanda Barona Rodríguez, Corporación Colombiana de Investigación Agropecuaria (Agrosavia).

Ingeniera Agrónoma con maestría en Ciencias Agrarias. Investigadora Máster en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Cimpa.

Jhon Mauricio Estupiñan Casallas, Corporación Colombiana de Investigación Agropecuaria (Agrosavia).

Ingeniero agrícola y magíster en Ingeniería de recursos hidráulicos. Investigador Máster en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá.

Clara Viviana Franco Florez, Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá, Colombia.

Ingeniera Biotecnóloga de la Universidad Francisco de Paula Santander. Profesional de apoyo a la investigación en la Corporación Colombiana de Investigación Agropecuaria AGROSAVIA sede Tibaitatá.

Citas

Barton, K., & Barton, M. K. (2020). MuMIn: Multi-Model Inference. R package version 1.43.17. Version, 1(1).

Beretta-Blanco, A., & Carrasco-Letelier, L. (2017). USLE/RUSLE K-factors allocated through a linear mixed model for Uruguayan soils. Ciencia e Investigacion Agraria, 44(1), 100–112. https://doi.org/10.7764/rcia.v44i1.1622

Beroho, M., Briak, H., El Halimi, R., Ouallali, A., Boulahfa, I., Mrabet, R., Kebede, F., & Aboumaria, K. (2020). Analysis and prediction of climate forecasts in Northern Morocco: application of multilevel linear mixed effects models using R software. Heliyon, 6(10). https://doi.org/10.1016/j.heliyon.2020.e05094

Cerdà, A., Lucas Borja, M. E., Úbeda, X., Martínez-Murillo, J. F., & Keesstra, S. (2017). Pinus halepensis M. versus Quercus ilex subsp. Rotundifolia L. runoff and soil erosion at pedon scale under natural rainfall in Eastern Spain three decades after a forest fire. Forest Ecology and Management, 400. https://doi.org/10.1016/j.foreco.2017.06.038

Correa Morales, J. C., & Salazar Uribe, J. C. (2016). INTRODUCCIÓN A LOS MODELOS MIXTOS. Universidad Nacional de Colombia.

Deog Park, S., Song Lee, K., & Sook Shin, S. (2012). Statistical Soil Erosion Model for Burnt Mountain Areas in Korea—RUSLE Approach. Journal of Hydrologic Engineering, 17(2). https://doi.org/10.1061/(asce)he.1943-5584.0000441

Geissert, D., Mólgora-Tapia, A., Negrete-Yankelevich, S., & Hunter Manson, R. (2017). Effect of vegetation cover management on water erosion in shade coffee plantations. Agrociencia, 51(2).

Ghassan Abdo, H., & Mohssen Hassan, R. (2018). A statistical spatial modeling of soil erosion: case study of Al-Sen basin, Tartous, Syria. Environmental Geology, 2(2), 68–74. https://doi.org/10.14303/2591-7641.1000018

Jourgholami, M., & Labelle, E. R. (2020). Effects of plot length and soil texture on runoff and sediment yield occurring on machine-trafficked soils in a mixed deciduous forest. Annals of Forest Science, 77(1). https://doi.org/10.1007/s13595-020-00938-0

Laird, N. M., & Ware, J. H. (1982). Random-Effects Models for Longitudinal Data. Biometrics, 38(4). https://doi.org/10.2307/2529876

Leisch, F. (2004). FlexMix: A general framework for finite mixture models and latent class regression in R. Journal of Statistical Software, 11. https://doi.org/10.18637/jss.v011.i08

Barton, K., & Barton, M. K. (2020). MuMIn: Multi-Model Inference. R package version 1.43.17. Version, 1(1).

Beretta-Blanco, A., & Carrasco-Letelier, L. (2017). USLE/RUSLE K-factors allocated through a linear mixed model for Uruguayan soils. Ciencia e Investigacion Agraria, 44(1), 100–112. https://doi.org/10.7764/rcia.v44i1.1622

Beroho, M., Briak, H., El Halimi, R., Ouallali, A., Boulahfa, I., Mrabet, R., Kebede, F., & Aboumaria, K. (2020). Analysis and prediction of climate forecasts in Northern Morocco: application of multilevel linear mixed effects models using R software. Heliyon, 6(10). https://doi.org/10.1016/j.heliyon.2020.e05094

Cerdà, A., Lucas Borja, M. E., Úbeda, X., Martínez-Murillo, J. F., & Keesstra, S. (2017). Pinus halepensis M. versus Quercus ilex subsp. Rotundifolia L. runoff and soil erosion at pedon scale under natural rainfall in Eastern Spain three decades after a forest fire. Forest Ecology and Management, 400. https://doi.org/10.1016/j.foreco.2017.06.038

Correa Morales, J. C., & Salazar Uribe, J. C. (2016). INTRODUCCIÓN A LOS MODELOS MIXTOS. Universidad Nacional de Colombia.

Deog Park, S., Song Lee, K., & Sook Shin, S. (2012). Statistical Soil Erosion Model for Burnt Mountain Areas in Korea—RUSLE Approach. Journal of Hydrologic Engineering, 17(2). https://doi.org/10.1061/(asce)he.1943-5584.0000441

Geissert, D., Mólgora-Tapia, A., Negrete-Yankelevich, S., & Hunter Manson, R. (2017). Effect of vegetation cover management on water erosion in shade coffee plantations. Agrociencia, 51(2).

Ghassan Abdo, H., & Mohssen Hassan, R. (2018). A statistical spatial modeling of soil erosion: case study of Al-Sen basin, Tartous, Syria. Environmental Geology, 2(2), 68–74. https://doi.org/10.14303/2591-7641.1000018

Jourgholami, M., & Labelle, E. R. (2020). Effects of plot length and soil texture on runoff and sediment yield occurring on machine-trafficked soils in a mixed deciduous forest. Annals of Forest Science, 77(1). https://doi.org/10.1007/s13595-020-00938-0

Laird, N. M., & Ware, J. H. (1982). Random-Effects Models for Longitudinal Data. Biometrics, 38(4). https://doi.org/10.2307/2529876

Leisch, F. (2004). FlexMix: A general framework for finite mixture models and latent class regression in R. Journal of Statistical Software, 11. https://doi.org/10.18637/jss.v011.i08

Lima, P. L. T., Silva, M. L. N., Quinton, J. N., Batista, P. V. G., Cândido, B. M., & Curi, N. (2018). Relationship among crop systems, soil cover, and water erosion on a typic Hapludox. Revista Brasileira de Ciencia Do Solo, 42. https://doi.org/10.1590/18069657rbcs20170081

Martínez, D., Albín, J., Cabaleiro, J., Pena, T., Rivera, F., & Blanco, V. (2009). El Criterio de Información de Akaike en la Obtención de Modelos Estadísticos de Rendimiento. Jornadas de Paralelismo, 1(1), 439–444. https://www.researchgate.net/publication/236279245

Mohamadi, M. A., & Kavian, A. (2015). Effects of rainfall patterns on runoff and soil erosion in field plots. International Soil and Water Conservation Research, 3(4). https://doi.org/10.1016/j.iswcr.2015.10.001

Pinheiro, J. C., & Bates, D. M. (2000). Mixed-Effects Models in S and S-Plus: Statistics and Computing. In Mixed-Effects Models in S and S-PLUS.

Team, R. C. (2021). R: A Language and Environment for Statistical Computing. In R Foundation for Statistical Computing.

Vacca, A., Loddo, S., Ollesch, G., Puddu, R., Serra, G., Tomasi, D., & Aru, A. (2000). Measurement of runoff and soil erosion in three areas under different land use in Sardinia (Italy). Catena, 40(1). https://doi.org/10.1016/S0341-8162(00)00088-6

Wu, L. (2009). Mixed Effects Models for Complex Data (1st ed., Vol. 1). Chapman and Hall/CRC.

Wu, Y., Huang, W., Zhou, F., Fu, J., Wang, S., Cui, X., Wang, Q., Bo, Y., Yang, S., Wang, N., Gu, X., Chen, J., & Zhu, J. (2020). Raindrop-induced ejection at soil-water interface contributes substantially to nutrient runoff losses from rice paddies. Agriculture, Ecosystems and Environment, 304. https://doi.org/10.1016/j.agee.2020.107135

Zea, J. F., Murcia, M. A., & Poveda, F. E. (2014). Modelos mixtos aplicados a la productividad de hojarasca. Comunicaciones En Estadística, 7(2). https://doi.org/10.15332/s2027-3355.2014.0002.04

Descargas

Publicado

2023-12-18

Cómo citar

Vargas Diaz, R. E. ., Varón Ramírez, V. M. ., Lesmes Suárez, J. C. ., Barona Rodríguez, A. F. ., Estupiñan Casallas, J. M. ., & Franco Florez, C. V. . (2023). Modelación de la pérdida de suelo por escorrentía en el cultivo de caña de azúcar usando modelos lineales mixtos, período II semestre 2019 – I semestre 2021. Revista Ciencia Y Tecnología El Higo, 13(2), 27–37. https://doi.org/10.5377/elhigo.v13i2.17374

Número

Vol. 13 Núm. 2 (2023)

Sección

Artículos científicos de investigación

Licencia

Derechos de autor 2023 Universidad Nacional de Ingeniería

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Todo el material publicado en la revista se comparte bajo la Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0., se permite la copia y redistribución del material en cualquier medio o formato siempre y cuando se de crédito de forma explícita a la revista, el autor y la obra, se distribuya de forma gratuita y sin hacer modificaciones al contenido.