Validación de dos metodologías de predicción en la ecuación del Rising Plate Meter en mezclas forrajeras

Abstract

Se realizó la validación de dos metodologías de predicción en la ecuación con el equipo Rising Plate Meter (RPM) en mezclas forrajeras de Ballica perenne y Trifolium repens. Este estudio se realizó en la localidad “La Concepción” de la parroquia Tufiño, cantón Tulcán, provincia del Carchi. La localidad se encuentra a una altitud de 3060 msnm, en un suelo franco. Se tomaron 180 muestras, se dividió el área de muestreo, considerando el porcentaje de malezas (0, 25 y 50 %), en tres etapas fisiológicas (N° de hoja 1, 2, 3). Para el procesamiento de los datos, se utilizó un análisis correlacional y regresión simple, con ayuda del paquete estadístico IBM SPSS Vs. 24. El primer análisis consideró la cantidad de Materia seca (MS – Kg ha -1 ) y la altura comprimida del RPM (AC – cm); consumibles o método innovador (parte vegetativa sobre los cinco centímetros de la vaina basal), donde resultó una alta correlación (R: 0.912, R xii

2 0.832, R 2 Aj: 0.831) y significancia estadística (p – valor <0.01) entre las variables (MS Kg ha -1

= 100.294*(AC cm ) + 77.504). El segundo análisis consideró el porcentaje de contaminación (malezas), donde se observó la incidencia en la composición botánica y en la relación entre las variables. El tercer análisis consideró la cantidad de Materia seca (MS – Kg ha -1 ) y la altura comprimida del RPM (AC – cm); totales o método tradicional (parte vegetativa total que incluye la vaina basal), donde resultó una baja correlación (R: 0.220, R 2 0.048, R 2 Aj: 0.043) y alta significancia estadística (p – valor <0.01), por lo tanto, no se consideró para formar un modelo confiable. El modelo innovador, resultó más eficiente y confiable que el modelo tradicional para estimar la cantidad de biomasa. Se debe tomar en cuenta el porcentaje de contaminación en la composición botánica para poder formular un modelo confiable y específico para la zona de estudio, también tener cuidado con el tipo de metodología y variables consideradas para que la estimación del modelo y que esté acorde con la realidad, así como, tomar la mayor cantidad de datos y registros por temporada climática; para ajustar el modelo mensualmente y sea más eficiente al validarlo en campo.