Titulo:
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados
.
Sumario:
Los pronósticos de producción de fruta son una herramienta para planificar la cosecha y mejorar estrategias de mercado. Para su realización es imprescindible contar con información acerca del desarrollo de los frutos a lo largo del tiempo. El objetivo del presente trabajo fue encontrar el modelo matemático-estadístico que mejor describa el patrón de crecimiento de frutos tangor murcott (Citrus reticulata x C. sinensis ‘Murcott’) y analizar cómo es afectado por condiciones medioambientales. En nueve huertos, ubicados en cuatro localidades en la provincia de Corrientes, Argentina, se registró durante cinco temporadas el diámetro ecuatorial de 2053 frutos desde los 82 días después de plena floración hasta el momento de cosecha. Se compararon l... Ver más
Guardado en:
0123-4226
2619-2551
27
2024-06-30
Griselda Bóbeda, Valentín Tassile, Silvia Mazza, Sergio Bramardi - 2024
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| id |
metarevistapublica_udca_revistau.d.c.aactualidad_divulgacioncientifica_94_article_2520 |
|---|---|
| record_format |
ojs |
| institution |
UNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES |
| thumbnail |
https://nuevo.metarevistas.org/UNIVERSIDADDECIENCIASAPLICADASYAMBIENTALES/logo.png |
| country_str |
Colombia |
| collection |
Revista U.D.C.A Actualidad & Divulgación Científica |
| title |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| spellingShingle |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados Bóbeda, Griselda Tassile, Valentín Mazza, Silvia Bramardi, Sergio Componentes de varianza Medidas de no linealidad Modelo logístico Pronósticos de cosecha Tamaño de frutos Harvest forecast Logistic model Non-linearity measures Variance components Size fruit |
| title_short |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| title_full |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| title_fullStr |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| title_full_unstemmed |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| title_sort |
modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados |
| title_eng |
Modeling of fruit growth of tangor murcott and incidence of environmental factors on the estimated parameters |
| description |
Los pronósticos de producción de fruta son una herramienta para planificar la cosecha y mejorar estrategias de mercado. Para su realización es imprescindible contar con información acerca del desarrollo de los frutos a lo largo del tiempo. El objetivo del presente trabajo fue encontrar el modelo matemático-estadístico que mejor describa el patrón de crecimiento de frutos tangor murcott (Citrus reticulata x C. sinensis ‘Murcott’) y analizar cómo es afectado por condiciones medioambientales. En nueve huertos, ubicados en cuatro localidades en la provincia de Corrientes, Argentina, se registró durante cinco temporadas el diámetro ecuatorial de 2053 frutos desde los 82 días después de plena floración hasta el momento de cosecha. Se compararon los modelos no lineales: Logístico, Gompertz, Brody, Von Bertalanffy, Weibull, Morgan Mercer Flodin (MMF), Richards, y sus respectivas re-parameterizaciones. Como principales criterios de bondad de ajuste se consideraron las magnitudes de medidas de no linealidad, coeficiente de determinación y estimaciones del desvío residual. La combinación modelo-parametrización seleccionada fue la quinta parametrización del modelo Logístico con efectos aleatorios en sus tres parámetros. Un modelo de análisis de la variancia sobre las estimaciones de estos parámetros para cada fruto mostró que los factores huerto y temporada eran una importante fuente de variabilidad, principalmente en los relacionados con el tamaño inicial de los frutos y su tasa de crecimiento. Estos resultados permitirán construir tablas de crecimiento, que además de realizar predicciones de rendimientos, podrán ser utilizadas para estimar distribución de tamaños de fruto a cosecha y mejorar la práctica cultural de raleo.
|
| description_eng |
Fruit production forecasts are a tool to plan the harvest and improve market strategies. To carry it out, it is essential to have information about the behavior of fruit development over time. The objective of this work was to find the mathematical-statistical model that best describes the growth pattern of tangor murcott fruit (Citrus reticulata x C. sinensis 'Murcott') and analyze how it is affected by environmental conditions. For this, in nine orchards, located in four locations in the province of Corrientes, Argentina, the equatorial diameter of 2,053 fruit from 82 days after full flowering to harvest were periodically registered during five seasons. The nonlinear models were compared: Logistic, Gompertz, Brody, Von Bertalanffy, Weibull, Morgan Mercer Flodin (MMF), Richards, and their respective re-parameterizations. The magnitudes of nonlinearity measures, coefficient of determination and estimates of residual deviation were considered as the main goodness-of-fit criteria. The selected model-parameterization combination was the fifth parameterization of the Logistic model with random effects on its three parameters. An Analysis of Variance model on the estimates of these parameters for each fruit showed that orchard and season factors were an important source of variability, mainly in those related to the initial size of the fruit and their growth rate. These results will allow the construction of growth tables, which in addition to making yield predictions, can be used to estimate fruit size distribution at harvest and improve the cultural practice of manual fruit thinning.
|
| author |
Bóbeda, Griselda Tassile, Valentín Mazza, Silvia Bramardi, Sergio |
| author_facet |
Bóbeda, Griselda Tassile, Valentín Mazza, Silvia Bramardi, Sergio |
| topicspa_str_mv |
Componentes de varianza Medidas de no linealidad Modelo logístico Pronósticos de cosecha Tamaño de frutos |
| topic |
Componentes de varianza Medidas de no linealidad Modelo logístico Pronósticos de cosecha Tamaño de frutos Harvest forecast Logistic model Non-linearity measures Variance components Size fruit |
| topic_facet |
Componentes de varianza Medidas de no linealidad Modelo logístico Pronósticos de cosecha Tamaño de frutos Harvest forecast Logistic model Non-linearity measures Variance components Size fruit |
| citationvolume |
27 |
| citationissue |
1 |
| citationedition |
Núm. 1 , Año 2024 :Revista U.D.C.A Actualidad & Divulgación Científica. Enero-Junio |
| publisher |
Universidad de Ciencias Aplicadas y Ambientales U.D.C.A |
| ispartofjournal |
Revista U.D.C.A Actualidad & Divulgación Científica |
| source |
https://revistas.udca.edu.co/index.php/ruadc/article/view/2520 |
| language |
spa |
| format |
Article |
| rights |
http://creativecommons.org/licenses/by-nc/4.0 Griselda Bóbeda, Valentín Tassile, Silvia Mazza, Sergio Bramardi - 2024 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| references |
AGUSTÍ, M.; MESEJO, C.; REIG, C.; MARTÍNEZ-FUENTES, A.; ZARAGOZA, S.; PRIMO-MILLO, E. 2020. El tamaño del fruto en los cítricos. Levante Agrícola: Revista internacional de cítricos. 441:57-67 AKAIKE, H. 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control. 19(6):716-723. https://doi.org/10.1109/TAC.1974.1100705 AVANZA, M.M.; BRAMARDI, S.J.; MAZZA, S.M. 2008. Statistical models to describe the fruit growth pattern in sweet orange 'Valencia late'. Spanish Journal of Agricultural Research. 6(4):577-585. https://doi.org/10.5424/sjar/2008064-352 AVANZA, M.M.; BRAMARDI, S.J.; MAZZA, S.M. 2010. Tamaño óptimo de muestra para evaluar el patrón de crecimiento de frutos de naranja 'Valencia Late'. Revista Brasileira de Fruticultura. 32(4):1154-1163. https://doi.org/10.1590/S0100-29452010005000132 BALAGUERA, H.E.; ÁLVAREZ, J.G.; BONILLA, D.C. 2009. Crecimiento y desarrollo del fruto de champa. Revista U.D.C.A Actualidad & Divulgación Científica. 12 (2):113-123. https://doi.org/10.31910/rudca.v12.n2.2009.697 BATES, D.M.; WATTS, D.G. 1980. Relative curvature measures of nonlinearity: with discussion. Journal of the Royal Statistical Society, Serie A. 42(1):1-25. https://doi.org/10.1111/j.2517-6161.1980.tb01094.x BÓBEDA, G. R. R. B; COMBARRO, E.F.; MAZZA, S.; GIMÉNEZ, L. 2018. Using regression trees to predict citrus load balancing accuracy and costs. International Journal of Computational Intelligence Systems. 12(1):79-89. https://doi.org/10.2991/ijcis.2018.25905183 BRAMARDI, S.; ZANELLI, M.L.; CASTRO, H.R. 1997. Aplicación de medidas de no linealidad para la selección de modelos de crecimiento. Revista de la Sociedad Argentina de Estadística. 1(1):39-52. BRAMARDI, S.J.; CASTRO, H.; ZANELLI, M.L. 1998. Fruit growth pattern of pear cv. Bartlett and Packham's Triumph to improve hand thinning. Acta Horticulturae. 475:283-293. https://doi.org/10.17660/ActaHortic.1998.475.34 BRODY, S.; LARDY, H. 1945. Bioenergetics and growth. The Journal of Physical Chemistry New York. 50(2):168-169. https://doi.org/10.1021/j150446a008 CAÑIZARES CHACIN, A.E.; BONAFINE, O.; MÉNDEZ NATERA, J.R.; LAVERDE, D; PUESME, R. 2012. Crecimiento, desarrollo y calidad del fruto de Lima 'Tahití' (Citrus latifolia Tanaka) en el Estado Monagas, Venezuela. Revista Científica UDO Agrícola 12(3):535-541. CARVAJAL, V.; ARISTIZABAL, M.; VALLEJO, A. 2012. Caracterización del crecimiento del fruto de la gulupa (Passiflora edulis f. esdulis Sims). Agronomía. (Colombia). 20(1):77-88 CEPEDA, A.M.; VÉLEZ-SÁNCHEZ, J.E.; BALAGUERA-LÓPEZ, H.E. 2021. Analysis of growth and physicochemical changes in apple cv. Anna in a high-altitude tropical climate. Revista Colombiana de Ciencias Hortícolas. 15(2):e12508. https://doi.org/10.17584/rcch.2021v15i2.12508 CORDEIRO, G.M.; PRUDENTE, A.A.; DEMÉTRIO, C.G.B. 2009. Uma revisão dos modelos normais não-lineares. Revista Brasileira de Biometría. 27(3):360-393. DE BRITES SENRA, J.F.; DA SILVA, J.A.; FERREIRA, A.; DEGLI ESPOSTI, M.D.; SILVA, U.R.; MILHEIROS, I.S.; ZACARIAS, A.J. 2022. Seleção de modelos não lineares e o estudo do crescimento dos frutos de café conilon. Research, Society and Development. 1(4):e21511427093. http://dx.doi.org/10.33448/rsd-v11i4.27093 DEL BRIO, D.; TASSILE, V.; BRAMARDI, S.; FERNANDEZ, D.; REEB, P. 2023a. Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis. Revista de la Facultad de Ciencias Agrarias UNCuyo 55(2):1-11. https://doi.org/10.48162/rev.39.104 DEL BRIO, D.; TASSILE, V.; BRAMARDI, S.; REEB, P. 2023b. Incorporation of environmental covariates to nonlinear mixed models describing fruit growth. Revista Investigaciones Agropecuarias (RIA) 49(3):85-92. https://doi.org/10.58149/14h1-sp68 ESPOSTI, M.D.D.; DE SIQUEIRA, D.L.; CECON. P.R. 2008. Crescimento de frutos da tangerineira ‘Ponca’ (Citrus reticulata Blanco). Revista Brasileira de Fruticultura. 30(3):657-661. http://dx.doi.org/10.1590/S0100-29452008000300016 FEDERACIÓN ARGENTINA DEL CITRUS-FEDERCITRUS. 2023. La actividad citrícola 2023: the argentine citrus industry. Available from Internet in: https://www.federcitrus.org/estadisticas/. FERNANDES, T.J.; MUNIZ, J.A.; PEREIRA, A.A.; REZENDE MUNIZ, F.; MUIANGA, C.A. 2015. Parameterization effects in nonlinear models to describe growth curves. Acta Scientiarum Technology. 37(4):397-402 FERNANDES, T.J.; PEREIRA, A.A.; MUNIZ, J.A.; SAVIAN, T.V. 2014. Seleção de modelos não lineares para a descrição das curvas de crescimento do fruto do cafeeiro. Coffee Science. 9(2):207-215. FORLIN, A.S.; CHABBAL, M.D.; YFRAN, E.M.; GIMENEZ, L.I; CARCAÑO, A.F.; BELTRÁN, V.M. 2023. Comparación de modelos no lineales para describir curvas de crecimiento del portainjerto limón rugoso (Citrus jambhiri Lush.) bajo condiciones de vivero. Agrotecnia. 34:15-23. https://doi.org/10.30972/agr.347268 GODOY, C.; MONTERUBBIANESI, G.; TOGNETTI, J. 2008. Analysis of highbush blueberry (Vaccinium corymbosum L.) fruit growth with exponential mixed models. Scientia Horticulturae. 115(4):368-376. https://doi.org/10.1016/j.scienta.2007.10.018 GOMPERTZ, B. 1825. On the nature of the functions expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. Philosophical Transactions of the Royal Society of London. 115:513-583. https://doi.org/10.1098/rspl.1815.0271 KAACK, K.; PEDERSEN, H. 2010. Prediction of diameter, weight and quality of apple fruit (Malus domestica Borkh.) cv. 'Elstar' using climatic variables and their interactions. European Journal of Horticultural Science. 75(2):60-70. LV, Q.; PITCHFORD, J.W. 2007. Stochastic von Bertalanffy Models, with applications to Fish Recruitment. Journal of Theoretical Biology. 244(4):640-655. https://doi.org/10.1016/j.jtbi.2006.09.009 MINISTERIO DE PRODUCCIÓN PROVINCIA DE CORRIENTES. 2019. Plan de gestión integral del riesgo agropecuario de la Provincia de Corrientes. Gobierno de la Provincia de Corrientes (Argentina). 119p. Available from Internet in: https://www.argentina.gob.ar/sites/default/files/girsar-corrientes-ppgira.pdf MORGAN, P.H.; MERCER, L.P.; FLODIN, N.W. 1975. General model for nutritional responses of higher organisms. Proceedings of the National Academy of Sciences USA. 72:4327-4331. https://doi.org/10.1073/pnas.72.11.4327 NELDER, J.A. 1961. The fitting of a generalization of the logistic curve. Biometrics. 17(1):89-110. https://doi.org/10.2307/2527498 ORDUZ-RODRÍGUEZ, J.O.; MONROY, H.; FISCHER, G.; HERRERA A. 2009. Crecimiento y desarrollo del fruto de mandarina (Citrus reticulata) 'Arrayana' en condiciones del piedemonte del Meta, Colombia. Revista colombiana de ciencias hortícolas 3(2):149-160. https://doi.org/10.17584/rcch.2009v3i2.1208 PANTA, S.; ZHOU, B.; ZHU, L.; MANESS, N.; ROHLA, C.; COSTA, L.; AMPATZIDIS, Y.; FONTAINER, C.; KAUR, A.; ZHANG, L. 2023. Selecting non-linear mixed effect model for growth and development of pecan nut. Scientia Horticulturae. 309:111614. https://doi.org/10.1016/j.scienta.2022.111614 PRADO, T.K.L.; SAVIAN, T.V.; MUNIZ, J.A. 2013. Ajuste dos modelos Gompertz e Logístico aos dados de crescimento de frutos de coqueiro anão verde. Ciencia Rural. 43(5):803-809. https://doi.org/10.1590/S0103-84782013005000044 R CORE TEAM VERSIÓN 4.2.2. 2022. A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Available from Internet in: https://www.R-project.org/ RATKOWSKY, D.A. 1983. Nonlinear regression modeling: a unified practical approach, Marcel Dekker Inc. New York, USA. 276p. RICHARDS, F.J. 1959. A flexible growth function for empirical use. Journal Experimental Biology. 10:290-300. ROMÁN-ROMÁN, R.; TORRES-RUIZ, F. 2014. Forecasting fruit size and caliber by means of diffusion processes. application to “Valencia Late” oranges. Journal of Agricultural, Biological, and Environmental Statistics 19(2):292-313. https://doi.org/10.1007/s13253-014-0172-3 ROSSI, R.M.; SANTOS, L.A. 2014. Modelagem Bayesiana para curvas de crescimentos de codornas assumindo assimetria nos erros. Semina: Ciências Agrárias. 35(3):1637-1648. SAS. 2023. SAS/STAT software, versión 9.3 of SAS System for Windows. Copyright © 2023 SAS Institute Inc. Cary, NC, EE. UU. SCHWARZ, G. 1978. Estimating the dimension of a model. The Annals of Statistics. 6(2):461-464. SOLÓRZANO-THOMPSON, J.; PANIAGUA-MOLINA, J. BARBOZA-NAVARRO, D. 2021. Ajuste de diferentes modelos de crecimiento no lineal al rendimiento de la palma aceitera (Elaeis guineensis) a lo largo del ciclo de vida del cultivo, Costa Rica. Tecnología en Marcha. 34(1):115-126. http://dx.doi.org/10.18845/tm.v34i1.5096 STANDER, O.P.J.; CRONJÉ, P.J.R. 2016. Reviewing the commercial potential of hand thinning in citrus with a cost-benefit analysis of summer hand thinning of Nadorcott 'mandarin'. HortTechnology. 26(2):206-212. https://doi.org/10.21273/HORTTECH.26.2.206 TERRA, M.F.; MUNIZ, J.A.; SAVIAN, T.V. 2010. Ajuste dos modelos Logístico e Gompertz aos dados de crescimento de frutos da tamareira-anã (Phoenix roebelenii O'BRIEN). Magistra. 22(1):1-7. UEDA, C.; YAMAMOTO, A.; DE CARVALHO NUNES, W.; SCAPIM, C.; GUEDES, T. 2010. Nonlinear models for describing the citrus variegated chlorosis in groves of two counties at northwestern Paraná state, Brazil. Acta Scientiarum Agronomy. 32(4):603-611. https://doi.org/10.4025/actasciagron.v32i4.11625 UKALSKA, J.; JASTRZĘBOWSKI, S. 2019. Sigmoid growth curves, a new approach to study the dynamics of the epicotyl emergence of oak. Folia Forestalia Polonica, Series A - Forestry. 61(1):30-41. http://dx.doi.org/10.2478/ffp-2019-0003 VON BERTALANFFY, L. 1938. A quantitative theory of organic growth (Inquiries on growth laws II). Human Biology. 10(2):181-213 WANG, D.; HE, D. 2021. Channel Pruned YOLO 5s-based deep learning approach for rapid and accurate apple fruitlet detection before fruit thinning. Biosystem engineering. 210:271-281. https://doi.org/10.1016/j.biosystemseng.2021.08.015 WEIBULL, W. 1951. A statistical distribution function of wide applicability. Journal of Applied Mechanics.18:293-296 ZADRAVEC, P.; VEBERIC, R.; STAMPAR, F.; SCHMITZER, V.; ELER, K. 2014. Fruit growth patterns of four apple cultivars using nonlinear growth models. European Journal of Horticultural Science. 79(2):52-59. ZEVIANI, W.M.; SILVA, C.A.; CARNEIRO, W.J.O.; MUNIZ, J.A. 2012. Modelos não lineares para a liberação de potássio de estercos animais em latossolos. Ciencia Rural. 4(10):1789-1796. https://doi.org/10.1590/S0103-84782012001000012 |
| type_driver |
info:eu-repo/semantics/article |
| type_coar |
http://purl.org/coar/resource_type/c_6501 |
| type_version |
info:eu-repo/semantics/publishedVersion |
| type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| type_content |
Text |
| publishDate |
2024-06-30 |
| date_accessioned |
2024-06-30T00:00:00Z |
| date_available |
2024-06-30T00:00:00Z |
| url |
https://revistas.udca.edu.co/index.php/ruadc/article/view/2520 |
| url_doi |
https://doi.org/10.31910/rudca.v27.n1.2024.2520 |
| issn |
0123-4226 |
| eissn |
2619-2551 |
| doi |
10.31910/rudca.v27.n1.2024.2520 |
| url4_str_mv |
https://revistas.udca.edu.co/index.php/ruadc/article/download/2520/3086 |
| url2_str_mv |
https://revistas.udca.edu.co/index.php/ruadc/article/download/2520/3099 |
| _version_ |
1811201193328771072 |
| spelling |
Modelación de crecimiento de frutos de tangor murcott e incidencia de factores medioambientales sobre los parámetros estimados Modeling of fruit growth of tangor murcott and incidence of environmental factors on the estimated parameters Los pronósticos de producción de fruta son una herramienta para planificar la cosecha y mejorar estrategias de mercado. Para su realización es imprescindible contar con información acerca del desarrollo de los frutos a lo largo del tiempo. El objetivo del presente trabajo fue encontrar el modelo matemático-estadístico que mejor describa el patrón de crecimiento de frutos tangor murcott (Citrus reticulata x C. sinensis ‘Murcott’) y analizar cómo es afectado por condiciones medioambientales. En nueve huertos, ubicados en cuatro localidades en la provincia de Corrientes, Argentina, se registró durante cinco temporadas el diámetro ecuatorial de 2053 frutos desde los 82 días después de plena floración hasta el momento de cosecha. Se compararon los modelos no lineales: Logístico, Gompertz, Brody, Von Bertalanffy, Weibull, Morgan Mercer Flodin (MMF), Richards, y sus respectivas re-parameterizaciones. Como principales criterios de bondad de ajuste se consideraron las magnitudes de medidas de no linealidad, coeficiente de determinación y estimaciones del desvío residual. La combinación modelo-parametrización seleccionada fue la quinta parametrización del modelo Logístico con efectos aleatorios en sus tres parámetros. Un modelo de análisis de la variancia sobre las estimaciones de estos parámetros para cada fruto mostró que los factores huerto y temporada eran una importante fuente de variabilidad, principalmente en los relacionados con el tamaño inicial de los frutos y su tasa de crecimiento. Estos resultados permitirán construir tablas de crecimiento, que además de realizar predicciones de rendimientos, podrán ser utilizadas para estimar distribución de tamaños de fruto a cosecha y mejorar la práctica cultural de raleo. Fruit production forecasts are a tool to plan the harvest and improve market strategies. To carry it out, it is essential to have information about the behavior of fruit development over time. The objective of this work was to find the mathematical-statistical model that best describes the growth pattern of tangor murcott fruit (Citrus reticulata x C. sinensis 'Murcott') and analyze how it is affected by environmental conditions. For this, in nine orchards, located in four locations in the province of Corrientes, Argentina, the equatorial diameter of 2,053 fruit from 82 days after full flowering to harvest were periodically registered during five seasons. The nonlinear models were compared: Logistic, Gompertz, Brody, Von Bertalanffy, Weibull, Morgan Mercer Flodin (MMF), Richards, and their respective re-parameterizations. The magnitudes of nonlinearity measures, coefficient of determination and estimates of residual deviation were considered as the main goodness-of-fit criteria. The selected model-parameterization combination was the fifth parameterization of the Logistic model with random effects on its three parameters. An Analysis of Variance model on the estimates of these parameters for each fruit showed that orchard and season factors were an important source of variability, mainly in those related to the initial size of the fruit and their growth rate. These results will allow the construction of growth tables, which in addition to making yield predictions, can be used to estimate fruit size distribution at harvest and improve the cultural practice of manual fruit thinning. Bóbeda, Griselda Tassile, Valentín Mazza, Silvia Bramardi, Sergio Componentes de varianza Medidas de no linealidad Modelo logístico Pronósticos de cosecha Tamaño de frutos Harvest forecast Logistic model Non-linearity measures Variance components Size fruit 27 1 Núm. 1 , Año 2024 :Revista U.D.C.A Actualidad & Divulgación Científica. Enero-Junio Artículo de revista Journal article 2024-06-30T00:00:00Z 2024-06-30T00:00:00Z 2024-06-30 text/xml application/pdf Universidad de Ciencias Aplicadas y Ambientales U.D.C.A Revista U.D.C.A Actualidad & Divulgación Científica 0123-4226 2619-2551 https://revistas.udca.edu.co/index.php/ruadc/article/view/2520 10.31910/rudca.v27.n1.2024.2520 https://doi.org/10.31910/rudca.v27.n1.2024.2520 spa http://creativecommons.org/licenses/by-nc/4.0 Griselda Bóbeda, Valentín Tassile, Silvia Mazza, Sergio Bramardi - 2024 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. AGUSTÍ, M.; MESEJO, C.; REIG, C.; MARTÍNEZ-FUENTES, A.; ZARAGOZA, S.; PRIMO-MILLO, E. 2020. El tamaño del fruto en los cítricos. Levante Agrícola: Revista internacional de cítricos. 441:57-67 AKAIKE, H. 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control. 19(6):716-723. https://doi.org/10.1109/TAC.1974.1100705 AVANZA, M.M.; BRAMARDI, S.J.; MAZZA, S.M. 2008. Statistical models to describe the fruit growth pattern in sweet orange 'Valencia late'. Spanish Journal of Agricultural Research. 6(4):577-585. https://doi.org/10.5424/sjar/2008064-352 AVANZA, M.M.; BRAMARDI, S.J.; MAZZA, S.M. 2010. Tamaño óptimo de muestra para evaluar el patrón de crecimiento de frutos de naranja 'Valencia Late'. Revista Brasileira de Fruticultura. 32(4):1154-1163. https://doi.org/10.1590/S0100-29452010005000132 BALAGUERA, H.E.; ÁLVAREZ, J.G.; BONILLA, D.C. 2009. Crecimiento y desarrollo del fruto de champa. Revista U.D.C.A Actualidad & Divulgación Científica. 12 (2):113-123. https://doi.org/10.31910/rudca.v12.n2.2009.697 BATES, D.M.; WATTS, D.G. 1980. Relative curvature measures of nonlinearity: with discussion. Journal of the Royal Statistical Society, Serie A. 42(1):1-25. https://doi.org/10.1111/j.2517-6161.1980.tb01094.x BÓBEDA, G. R. R. B; COMBARRO, E.F.; MAZZA, S.; GIMÉNEZ, L. 2018. Using regression trees to predict citrus load balancing accuracy and costs. International Journal of Computational Intelligence Systems. 12(1):79-89. https://doi.org/10.2991/ijcis.2018.25905183 BRAMARDI, S.; ZANELLI, M.L.; CASTRO, H.R. 1997. Aplicación de medidas de no linealidad para la selección de modelos de crecimiento. Revista de la Sociedad Argentina de Estadística. 1(1):39-52. BRAMARDI, S.J.; CASTRO, H.; ZANELLI, M.L. 1998. Fruit growth pattern of pear cv. Bartlett and Packham's Triumph to improve hand thinning. Acta Horticulturae. 475:283-293. https://doi.org/10.17660/ActaHortic.1998.475.34 BRODY, S.; LARDY, H. 1945. Bioenergetics and growth. The Journal of Physical Chemistry New York. 50(2):168-169. https://doi.org/10.1021/j150446a008 CAÑIZARES CHACIN, A.E.; BONAFINE, O.; MÉNDEZ NATERA, J.R.; LAVERDE, D; PUESME, R. 2012. Crecimiento, desarrollo y calidad del fruto de Lima 'Tahití' (Citrus latifolia Tanaka) en el Estado Monagas, Venezuela. Revista Científica UDO Agrícola 12(3):535-541. CARVAJAL, V.; ARISTIZABAL, M.; VALLEJO, A. 2012. Caracterización del crecimiento del fruto de la gulupa (Passiflora edulis f. esdulis Sims). Agronomía. (Colombia). 20(1):77-88 CEPEDA, A.M.; VÉLEZ-SÁNCHEZ, J.E.; BALAGUERA-LÓPEZ, H.E. 2021. Analysis of growth and physicochemical changes in apple cv. Anna in a high-altitude tropical climate. Revista Colombiana de Ciencias Hortícolas. 15(2):e12508. https://doi.org/10.17584/rcch.2021v15i2.12508 CORDEIRO, G.M.; PRUDENTE, A.A.; DEMÉTRIO, C.G.B. 2009. Uma revisão dos modelos normais não-lineares. Revista Brasileira de Biometría. 27(3):360-393. DE BRITES SENRA, J.F.; DA SILVA, J.A.; FERREIRA, A.; DEGLI ESPOSTI, M.D.; SILVA, U.R.; MILHEIROS, I.S.; ZACARIAS, A.J. 2022. Seleção de modelos não lineares e o estudo do crescimento dos frutos de café conilon. Research, Society and Development. 1(4):e21511427093. http://dx.doi.org/10.33448/rsd-v11i4.27093 DEL BRIO, D.; TASSILE, V.; BRAMARDI, S.; FERNANDEZ, D.; REEB, P. 2023a. Apple (Malus domestica) and pear (Pyrus communis) yield prediction after tree image analysis. Revista de la Facultad de Ciencias Agrarias UNCuyo 55(2):1-11. https://doi.org/10.48162/rev.39.104 DEL BRIO, D.; TASSILE, V.; BRAMARDI, S.; REEB, P. 2023b. Incorporation of environmental covariates to nonlinear mixed models describing fruit growth. Revista Investigaciones Agropecuarias (RIA) 49(3):85-92. https://doi.org/10.58149/14h1-sp68 ESPOSTI, M.D.D.; DE SIQUEIRA, D.L.; CECON. P.R. 2008. Crescimento de frutos da tangerineira ‘Ponca’ (Citrus reticulata Blanco). Revista Brasileira de Fruticultura. 30(3):657-661. http://dx.doi.org/10.1590/S0100-29452008000300016 FEDERACIÓN ARGENTINA DEL CITRUS-FEDERCITRUS. 2023. La actividad citrícola 2023: the argentine citrus industry. Available from Internet in: https://www.federcitrus.org/estadisticas/. FERNANDES, T.J.; MUNIZ, J.A.; PEREIRA, A.A.; REZENDE MUNIZ, F.; MUIANGA, C.A. 2015. Parameterization effects in nonlinear models to describe growth curves. Acta Scientiarum Technology. 37(4):397-402 FERNANDES, T.J.; PEREIRA, A.A.; MUNIZ, J.A.; SAVIAN, T.V. 2014. Seleção de modelos não lineares para a descrição das curvas de crescimento do fruto do cafeeiro. Coffee Science. 9(2):207-215. FORLIN, A.S.; CHABBAL, M.D.; YFRAN, E.M.; GIMENEZ, L.I; CARCAÑO, A.F.; BELTRÁN, V.M. 2023. Comparación de modelos no lineales para describir curvas de crecimiento del portainjerto limón rugoso (Citrus jambhiri Lush.) bajo condiciones de vivero. Agrotecnia. 34:15-23. https://doi.org/10.30972/agr.347268 GODOY, C.; MONTERUBBIANESI, G.; TOGNETTI, J. 2008. Analysis of highbush blueberry (Vaccinium corymbosum L.) fruit growth with exponential mixed models. Scientia Horticulturae. 115(4):368-376. https://doi.org/10.1016/j.scienta.2007.10.018 GOMPERTZ, B. 1825. On the nature of the functions expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. Philosophical Transactions of the Royal Society of London. 115:513-583. https://doi.org/10.1098/rspl.1815.0271 KAACK, K.; PEDERSEN, H. 2010. Prediction of diameter, weight and quality of apple fruit (Malus domestica Borkh.) cv. 'Elstar' using climatic variables and their interactions. European Journal of Horticultural Science. 75(2):60-70. LV, Q.; PITCHFORD, J.W. 2007. Stochastic von Bertalanffy Models, with applications to Fish Recruitment. Journal of Theoretical Biology. 244(4):640-655. https://doi.org/10.1016/j.jtbi.2006.09.009 MINISTERIO DE PRODUCCIÓN PROVINCIA DE CORRIENTES. 2019. Plan de gestión integral del riesgo agropecuario de la Provincia de Corrientes. Gobierno de la Provincia de Corrientes (Argentina). 119p. Available from Internet in: https://www.argentina.gob.ar/sites/default/files/girsar-corrientes-ppgira.pdf MORGAN, P.H.; MERCER, L.P.; FLODIN, N.W. 1975. General model for nutritional responses of higher organisms. Proceedings of the National Academy of Sciences USA. 72:4327-4331. https://doi.org/10.1073/pnas.72.11.4327 NELDER, J.A. 1961. The fitting of a generalization of the logistic curve. Biometrics. 17(1):89-110. https://doi.org/10.2307/2527498 ORDUZ-RODRÍGUEZ, J.O.; MONROY, H.; FISCHER, G.; HERRERA A. 2009. Crecimiento y desarrollo del fruto de mandarina (Citrus reticulata) 'Arrayana' en condiciones del piedemonte del Meta, Colombia. Revista colombiana de ciencias hortícolas 3(2):149-160. https://doi.org/10.17584/rcch.2009v3i2.1208 PANTA, S.; ZHOU, B.; ZHU, L.; MANESS, N.; ROHLA, C.; COSTA, L.; AMPATZIDIS, Y.; FONTAINER, C.; KAUR, A.; ZHANG, L. 2023. Selecting non-linear mixed effect model for growth and development of pecan nut. Scientia Horticulturae. 309:111614. https://doi.org/10.1016/j.scienta.2022.111614 PRADO, T.K.L.; SAVIAN, T.V.; MUNIZ, J.A. 2013. Ajuste dos modelos Gompertz e Logístico aos dados de crescimento de frutos de coqueiro anão verde. Ciencia Rural. 43(5):803-809. https://doi.org/10.1590/S0103-84782013005000044 R CORE TEAM VERSIÓN 4.2.2. 2022. A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Available from Internet in: https://www.R-project.org/ RATKOWSKY, D.A. 1983. Nonlinear regression modeling: a unified practical approach, Marcel Dekker Inc. New York, USA. 276p. RICHARDS, F.J. 1959. A flexible growth function for empirical use. Journal Experimental Biology. 10:290-300. ROMÁN-ROMÁN, R.; TORRES-RUIZ, F. 2014. Forecasting fruit size and caliber by means of diffusion processes. application to “Valencia Late” oranges. Journal of Agricultural, Biological, and Environmental Statistics 19(2):292-313. https://doi.org/10.1007/s13253-014-0172-3 ROSSI, R.M.; SANTOS, L.A. 2014. Modelagem Bayesiana para curvas de crescimentos de codornas assumindo assimetria nos erros. Semina: Ciências Agrárias. 35(3):1637-1648. SAS. 2023. SAS/STAT software, versión 9.3 of SAS System for Windows. Copyright © 2023 SAS Institute Inc. Cary, NC, EE. UU. SCHWARZ, G. 1978. Estimating the dimension of a model. The Annals of Statistics. 6(2):461-464. SOLÓRZANO-THOMPSON, J.; PANIAGUA-MOLINA, J. BARBOZA-NAVARRO, D. 2021. Ajuste de diferentes modelos de crecimiento no lineal al rendimiento de la palma aceitera (Elaeis guineensis) a lo largo del ciclo de vida del cultivo, Costa Rica. Tecnología en Marcha. 34(1):115-126. http://dx.doi.org/10.18845/tm.v34i1.5096 STANDER, O.P.J.; CRONJÉ, P.J.R. 2016. Reviewing the commercial potential of hand thinning in citrus with a cost-benefit analysis of summer hand thinning of Nadorcott 'mandarin'. HortTechnology. 26(2):206-212. https://doi.org/10.21273/HORTTECH.26.2.206 TERRA, M.F.; MUNIZ, J.A.; SAVIAN, T.V. 2010. Ajuste dos modelos Logístico e Gompertz aos dados de crescimento de frutos da tamareira-anã (Phoenix roebelenii O'BRIEN). Magistra. 22(1):1-7. UEDA, C.; YAMAMOTO, A.; DE CARVALHO NUNES, W.; SCAPIM, C.; GUEDES, T. 2010. Nonlinear models for describing the citrus variegated chlorosis in groves of two counties at northwestern Paraná state, Brazil. Acta Scientiarum Agronomy. 32(4):603-611. https://doi.org/10.4025/actasciagron.v32i4.11625 UKALSKA, J.; JASTRZĘBOWSKI, S. 2019. Sigmoid growth curves, a new approach to study the dynamics of the epicotyl emergence of oak. Folia Forestalia Polonica, Series A - Forestry. 61(1):30-41. http://dx.doi.org/10.2478/ffp-2019-0003 VON BERTALANFFY, L. 1938. A quantitative theory of organic growth (Inquiries on growth laws II). Human Biology. 10(2):181-213 WANG, D.; HE, D. 2021. Channel Pruned YOLO 5s-based deep learning approach for rapid and accurate apple fruitlet detection before fruit thinning. Biosystem engineering. 210:271-281. https://doi.org/10.1016/j.biosystemseng.2021.08.015 WEIBULL, W. 1951. A statistical distribution function of wide applicability. Journal of Applied Mechanics.18:293-296 ZADRAVEC, P.; VEBERIC, R.; STAMPAR, F.; SCHMITZER, V.; ELER, K. 2014. Fruit growth patterns of four apple cultivars using nonlinear growth models. European Journal of Horticultural Science. 79(2):52-59. ZEVIANI, W.M.; SILVA, C.A.; CARNEIRO, W.J.O.; MUNIZ, J.A. 2012. Modelos não lineares para a liberação de potássio de estercos animais em latossolos. Ciencia Rural. 4(10):1789-1796. https://doi.org/10.1590/S0103-84782012001000012 https://revistas.udca.edu.co/index.php/ruadc/article/download/2520/3086 https://revistas.udca.edu.co/index.php/ruadc/article/download/2520/3099 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_1843 info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |