Agronomía Costarricense ISSN Impreso: 0377-9424 ISSN electrónico: 2215-2202

OAI: https://revistas.ucr.ac.cr/index.php/agrocost/oai
Análisis espacial de varianza como alternativa de evaluación de ensayos de progenies forestales
PDF (Español (España))

Keywords

progeny trials
spatial analysis of variance
geostatistical analysis
mixed linear models
Pachira quinata
ensayos de progenies
análisis espacial de varianza
geoestadística
modelos lineales mixtos
Pachira quinata

How to Cite

Morales, V., Mora, A., Garay, V., & Valera, L. (2016). Análisis espacial de varianza como alternativa de evaluación de ensayos de progenies forestales. Agronomía Costarricense, 40(2). https://doi.org/10.15517/rac.v40i2.27388

Abstract

El uso del diseño en bloques y la aleatorización de las diferentes progenies en cada uno de los bloques puede ser insuficiente para el control local de la variación dentro del área del ensayo. La presencia de micro-sitios dispersos influyen en el crecimiento de los individuos, incidiendo de forma importante sobre los resultados del análisis de varianza convencional. El presente trabajo propone y describe una metodología de análisis para ensayos de progenie en la investigación forestal, que compara varios procedimientos de análisis espacial de varianzas con referencia a incorporar o no el efecto de bloque y el modelado de la tendencia superficial sobre datos registrados provenientes de un ensayo de Progenies de Pachira quinata (Jacq.) W.S. Alverson por un periodo de 3 años de evaluación. Se estableció un protocolo de análisis que incluye diagnóstico de correlación de los residuales, modelado de la estructura de correlación-variación y un análisis de varianza espacial. Se demostró la existencia de residuales o errores experimentales que no cumplen el supuesto de independencia, requisito fundamental para realizar un análisis de la varianza basado en diseño. El modelo con mejor ajuste fue aquel que capturó la variación superficial mediante el polinómico cúbico con el modelado de los errores correlacionados (modelo geoestadístico esférico). Las pruebas de medias de progenies estimadas por el modelo espacial con tendencia polinómica arrojó un ordenamiento diferente a las pruebas de medias estimadas bajo el análisis basado en diseño en bloques.
https://doi.org/10.15517/rac.v40i2.27388
PDF (Español (España))

References

Akaike, H. 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control 19(6):716-723.

Brownie, C; Bowman, D; Buerton, J. 1993. Estimating spatial variation in analysis of data from yield trials: a comparison of methods. Agronomy Journal 85:1244-1253.

Cassel, DK; Wendroth, O; Nielsen, DR. 2000. Assessing spatial variability in an agricultural experiment station field: opportunity arising from spatial dependence. Agronomy Journal 92:706-714.

Correll, L; Anderson, B. 1983. Removal of intervarietal competition effects in forestry varietal trials. Silvae Genetica 32(5-6):162-165.

De La Mata, R; Zas, R; Merl o, E. 2008. Control de la Autocorr elación Espacial mediante Diseños Experimentales y Métodos de Análisis Espacial en Ensayos de Progenie de Pinus pinaster. Cuadernos de La Sociedad Española de Ciencias Forestales 24:33-38.

Dutkowski, W; Costa, J; Gilmour, A; Lopez, G. 2002. Spatial Analysis Methods for Forest Genetic Trials. Canadian Journal of Forest Research 32:2201-2214.

Funda, M; Lstibůrek, J; Klapště, I; Permedlova, J; Kobliha, A. 2007. Addressing spatial variability in provenance experiments exemplified in two trials with black spruce. Journal of Forest Science 53:47-56.

Gezan, S; White, T; Huber, D. 2006. Comparison of experimental designs for clonal forestry using simulated data. Forest Science 52:108-116.

Hu, X; Spilke, J. 2009. Comparison of various spatial models for the analysis of cultivar trials. New Zealand Journal of Agricultural Research 52:277-287.

Joyce, D; Ford, R; Fu, Y. 2002. Spatial patterns of tree height variations in a black Spruce Farm- Field Progeny Test and neighbors-adjusted estimations of genetic parameters. Silvae Genetica 51:13-18.

Lenth, RV. 2016. Least-Squares Means: The R Package lsmeans. Journal of Statistical Software 69:1-33.

Magnussen, S. 1994. A method to adjust simultaneously for spatial microsite and competition effects. Canadian Journal of Forest Research 24:985-995.

Mora, A; Ramírez, G. 2000. Consideraciones Prácticas sobre el Análisis Estadístico Espacial de Experimentos Forestales de campos. Revista Forestal Venezolana 44(2):21-28.

Papadakis, S. 1937. Méthode statistique pour des expériences sur champ. Thessalonike: Institut d’Amélioration des Plantes à Salonique.1937. Boletin 23. 30 p.

Pebesma, E. 2004. Multivariable geostatistics in S: the gstat package. Computers & Geosciences 30:683-691.

Pinheiro, JC; Bates, DM. 2000. Mixed-effects models in S and S-plus. Springer-Verlag, New York, USA. 528 p.

Plant, R. 2012. Spatial data analysis in ecology and agriculture using R. Boca Raton, FL, USA. CRC Press. 648 p.

R Development Core Team. 2016. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. Disponible en http://www.R-project.org

Ramírez, N; Valera, L; Briceño, H. 2014. Sistema reproductivo de Pachira quinata (Jacq.) W. Alverson (Malvaceae: Bombacaceae). Memorias del Instituto de Biología Experimental 7:129-132.

Ramírez, N; Valera, L; Garay, V; Briceño, H; Quijada, M; Moret, Y; Montilla, J. 2008. Eficiencia Reproductiva de Clones de Pachira quinata (Jacq.) W. Alverson (Bombacaceae) Bajo Condiciones de Cultivo. Acta Botánica de Venezuela 31 (2):367-386.

Saenz-Romero, C; Nordheim, E; Guries, R; Crump, P. 2001. A Case Study of a Provenance/Progeny test using Trend Analysis with Correlated Errors and SAS Proc Mixed. Silvae Genetica 50:3-4.

Thomson, J. 1986. Trend Surface Analysis of Spatial Patterns of tree size, Microsite Effects, and Competitive Stress. Canadian Journal of Forest Research 16:279-282.

Williams, E; Matheson, A. 1994. Experimental Design and Analysis for use in Tree Improvement. Commonwealth Scientific and Industrial Research Organization, East Melbourne, Australia. 174 p.

Wright, J. 1978. An Analysis Method to Improve Statistical Efficiency of a Randomized Complete Block Design. Silvae Genetica 27(1):12-14.

Zas, R. 2006. Consecuencias de la Estructura Espacial de los Datos en el Diseño y Análisis de Experimentos en Campo. Revista Científica y Técnica de Ecología y Medio Ambiente 15:107-114.

Zas, R; Martíns, P; De La Mata, R. 2008. Autocorrelación Espacial: Un Problema Común…Mente Olvidado. Cuadernos de la Sociedad Española de Ciencias Forestales 24:139-145.

Comments

Downloads

Download data is not yet available.