038
Contents
1. DISCUSION DE RESULTADOS Se detecta una variaci n en el comportamiento espacial de estas poblaciones en diferentes etapas del ciclo del cultivo las que est n asociadas a las fluctuaciones de las densidades poblacionales Pulgones Con muy bajas intensidades de infestaci n se logra un mejor ajuste con el modelo lineal que explica en algunos casos el 93 de la variabilidad Fig N 1 cuando stas se incrementan el modelo esf rico logra explicar el 99 de la variabilidad Fig N 2 y con intensidades m s altas el modelo exponencial alcanza a explicar en algunos casos hasta el 87 de la variabilidad Fig N 3 Alabama Larvas En casos de infestaci n baja y fundamentalmente localizada se detecta mejor comportamiento de los modelos lineal con una explicaci n de entre el 73 y el 95 de la variabilidad Fig N 1 y el esf rico que logra explicar hasta el 99 de la variabilidad en algunos casos Fig N 2 Cuando la infestaci n es mas elevada y fundamentalmente generalizada ajusta mejor el modelo exponencial con un porcentaje de explicaci n que oscila entre el 36 y el 98 Fig N 3 Las dos especies estudiadas presentan dependencia espacial con un alcance que var a entre 284 y 330 m para pulgones y entre 192 m y 330 m para Alabama argillacea 600 Isotropic Va agam 500 O 20 400 1 3 300 E 19 5 065 ref E 00 14968 ms 4805 27m Separion Distance Q 200 600 800 Lineer2. China 12 15 November 1996 1996 605 609 Ib ez J J amp C Machado 1995 An lisis de la Variabilidad Espacio Temporal y Procesos Ca ticos en Ciencias Medioambientales Logro o 308p Mazza S G B Contreras G W Videla M Polak J A Schroeder y C J Tannure 1996 T cnicas de muestreo para la evaluaci n de infestaci n por pulgones Aphis gossypii en algod n Gossypium hirsutum Reuni n de Comunicaciones Cient ficas y Tecnol gicas SGCYT UNNE Actas 3 5 1 4 Samper Calvete F J J Carrera Ram rez 1990 Geoestad stica Aplicaciones a la hidrolog a subterr nea 2da Ed Centro Internacional de M todos Num ricos en Ingenier a Barcelona 484p Scheaffer R L W Mendenhall amp L Ott 1979 Elementary Survey Sampling Duxbury Press USA pp 5 7 141 161 Steel R G y J H Torrie 1988 Bioestad stica Principios y Procedimientos 2da Ed la en espa ol Mc Graw Hill M xico pp 7 35 83 116
3. general es una funci n de x la covarianza C x x E Z x m x Z x m x que en general es una funci n de x y xj el semivariograma A x x 1 2E Z x Z x Me El semivariograma es pues 2 x xj Samper Calvete y Carrera Ram rez 1990 Se dice que una funci n aleatoria Z x es estacionaria de orden 2 se E Z x existe y no depende de x y si para todo par de variables aleatorias x h Z x su covarianza existe y solo depende del vector de separaci n h Bajo la hip tesis de estacionariedad el semivariograma es igual a la diferencia entre la varianza y la covarianza sin embargo cuando la media var a lentamente de forma que la escala local se puede suponer constante el semivariograma es independiente del valor local de dicha media mientras que la covarianza requiere su estimaci n Samper Calvete y Carrera Ram rez 1990 En la pr ctica cuando la varianza es grande la covarianza suele tomar valores grandes y estar mal definida cerca del origen el semivariograma en cambio toma valores peque os y presenta un mejor comportamiento para los mismos datos Si Z es estacionaria alcanza un valor l mite constante llamado meseta que coincide con a de Z la distancia a la que se alcanza este valor se denomina rango o alcance y marca la zona de influencia entorno a un punto m s all del cual la correlaci n espacial es nula Se asume que el rango o alcance en los modelos esf rico lineal y lineal con meseta es id ntico al
4. par metro Ao en el caso del modelo exponencial y el modelo gausiano el rango efectivo es un m ltiplo del par metro 3Ao para el primer caso y 1 73A0 para el segundo e indica el punto hasta el cual el modelo incluye el 95 de la meseta C Co Aunque Y 0 0 con frecuencia el semivariograma es discont nuo en el origen con un salto finito que se conoce como efecto pepita un ltimo valor lo constituye la distancia integral punto que equilibra las reas del semivariograma y que suele emplearse para medir el grado de correlaci n espacial de la variable Ib ez amp Machado 1995 MATERIALES Y METODOS Se trabaj con un muestreo sistem tico con arranque aleatorio Cochran 1974 Scheaffer et al 1979 Steel y Torrie 1988 de treinta puntos de muestreo formados por cinco plantas cada uno en lotes homog neos de algod n en la EEA INTA Sa nz Pe a durante la campa a 97 98 En los treinta puntos de muestreo semanalmente se evalu la cantidad de insectos para Aphis spp Y Alabama argillacea Se analiz la variabilidad espacial mediante t cnicas de geoestad stica para ello se calcularon los semivariogramas para las diferentes fechas de muestreo y seguidamente se prob ajuste a los distintos modelos te ricos esf rico lineal lineal con meseta exponencial y gausiano determin ndose el rango o alcance para cada caso mediante Excell GS Variowin y Geoeas de propiedad de la Facultad de Ciencias Agrarias UNNE GS 2001
5. La geoestad stica en el comportamiento de la variabilidad espacial de Aphis spp y Alabama argillacea en el cultivo de algod n Tannure Claudia L J Contreras Gladis B Mazza Silvia M Schroeder Juan A Polak Marcelo G Avanza Mar a M Trabajo Financiado por la SGCyT UNNE 1 Facultad de Ciencias Agrarias UNNE Sargento Cabral 2131 3400 Corrientes Argentina E mail cltannure O agr unne edu ar 2 EEA S enz Pe a INTA ANTECEDENTES El adecuado control de insectos plaga es uno de los aspectos m s importantes en el manejo del cultivo del algodonero Gossypium hirsutum L tanto desde el punto de vista econ mico como ecol gico Castella et al 1999 Dai XF et al 1996 Mazza de Gaiad et al 1996 El conocimiento del comportamiento espacial de las poblaciones de los insectos plaga en los diferentes estad os del cultivo es un factor trascendente en la selecci n de t cnicas de muestreo para la detecci n del momento ptimo de la aplicaci n de pr cticas de control La Estad stica Cl sica brinda t cnicas adecuadas para el estudio de la variabilidad espacial y las t cnicas de Geoestad stica desarrolladas primeramente para el estudio de la variabilidad espacial de minerales aplicadas en estudios geol gicos y posteriormente trasladadas a otras reas del conocimiento pueden ser aplicadas con xito en el an lisis del comportamiento de poblaciones biol gicas La Geostad stica es la aplicac
6. i n de la teor a de las variables regionalizadas es decir las variables que presentan una estructura espacial de correlaci n a la estimaci n de procesos o fen menos espaciales Desde un punto de vista te rico la Geostad stica se basa en conceptos y herramientas ya existentes en otros campos de la Estad stica como procesos estoc sticos estacionarios t cnicas de an lisis de la variancia y predicci n por m nimos cuadrados con una extensi n al caso de funciones aleatorias en dos o m s dimensiones Chica Olmo et al 1995 La interpretaci n probabil stica de una variable regionalizada como realizaci n de una funci n aleatoria requiere inferir por lo menos en parte la funci n de distribuci n de la variable para lo cual es necesario introducir hip tesis adicionales sobre la variable que tienen que ver con la homogeneidad espacial de la funci n aleatoria Por ejemplo suponen que la funci n aleatoria es estacionaria puede pensarse como equivalente a que se repite en el espacio y esa repetici n proporciona la informaci n de muchas realizaciones de la misma funci n y permite la inferencia Samper Calvete y Carrera Ram rez 1990 En Geoestad stica lineal es suficiente la estimaci n de los dos primeros momentos de la distribuci n El primer momento E Z x es conocido c mo deriva o tambi n tendencia Como momentos de segundo orden de Z x con respecto a m x son importantes la varianza Var Z x E Z x M4 ME que en
7. model Co 23000 Ce t 25602 Aa M M 0 099 E R39 0 19 Fig N 1 Baja intensidad de infestaci n Esquema de distribuci n de la infestaci n y semivariograma Fig N 2 Mediana intensidad de infestaci n Esquema de distribuci n de intensidad y semivariograma panan Fig N 3 Alta intensidad de infestaci n Esquema de distribuci n de la infestaci n y esmivariograma CONCLUSION Para asociar menor esfuerzo y mayor representatividad en futuros muestreos en condiciones semejantes se sugiere intervalos iguales o mayores al alcance de la dependencia espacial BIBLIOGRAFIA Castella J C D Jourdain G Trebuil B Napompeth 1999 A systems approach to understanding obstacles to effective implementation of IPM in Thailand key issues for the cotton industry Agric Ecosyst Environ 72 1 17 34 1999 2 Chica Olmo M J Delgado Garc a E Pardo Ig zquiza 1995 Introducci n al An lisis Geoestad stico de variables espaciales Logro o 308p 3 Cochran W G 1974 Muestreo Simple al Azar Cap 2 y Muestreo por Conglomerados Cap 9 T cnicas de Muestreo Continental S A M xico 4 GS 2001 Manual del usuario 10 Dai X F Y Y Guo Qiu SiBang 1996 Research on cotton main pests integrated management in China present state and strategy Progress of research on plant protection in China Proc Third National Conference of Integrated Pest Management Beijing
Download Pdf Manuals
Related Search
038 03801 zip code 03885 weather 03841 weather 03814 weather 0388.hk 03820 zip code 03870 zip code 03833 zip code 03825 zip code 03874 zip code 038 metro north office 03862 zip code 038 6060 00 mower blades 03848 zip code 03867 zip code 03865 zip code 03894 zip code 03842 zip code 03878 zip code 03824 zip code 0386 hk stock price