Estrategias de modelado para determinar la dosis efectiva de herbicidas

Autores/as

DOI:

https://doi.org/10.15517/am.2025.62055

Palabras clave:

regresión logística, herbicida, dosis-respuesta, análisis estadístico, dosis efectiva

Resumen

Introducción. Los ensayos de dosis-respuesta se utilizan con el objetivo de seleccionar la dosis eficiente de herbicidas en el manejo de arvenses. El análisis de datos en estos experimentos ha recibido críticas debido al uso de modelos estadísticos que no se ajustan a la distribución de la variable respuesta, la omisión de la estructura original del diseño experimental y la preferencia por modelos parciales en lugar de ajustar un modelo único. Los modelos no lineales mixtos se presentan como una alternativa más precisa para analizar estos experimentos. Objetivo. Determinar una dosis efectiva de un herbicida mediante tres estrategias de modelación en ensayos de dosis-respuesta. Materiales y métodos. Se realizaron dos experimentos independientes en invernaderos localizados en Tambor de Alajuela, Costa Rica durante el 2012, en los que se cuantificó el peso fresco (PF) en gramos (g) de un biotipo de Paspalum paniculatum L. en función de los gramos de equivalente ácido (GEA) de un herbicida, bajo un diseño en bloques completos al azar. Se utilizó como base un modelo de regresión logística de cuatro parámetros, y se ajustaron tres variantes del modelo. Mediante los criterios de información penalizada [criterio de información de Akaike (AIC) y criterio de información Bayesiano (BIC)], se seleccionó el modelo con mejor ajuste y menor incertidumbre. Resultados. La estrategia que consideró el experimento y el bloque dentro de cada experimento como efectos aleatorios resultó ser la más precisa. Este modelo estimó el intervalo de confianza (95 %) para la dosis efectiva media de GEA entre 335,12 y 384,32 g. Conclusión. Integrar la información de experimentos independientes como efectos aleatorios en un único modelo, generó estimaciones más precisas de la dosis efectiva de glifosato.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Burgos, N., Tranel, P., Streibig, J., Davis, V., Shaner, D., Norsworthy, J., & Ritz, C. (2013). Review: Confirmation of Resistance to Herbicides and Evaluation of Resistance Levels. Weed Science, 61(1), 4-20. https://doi.org/10.1614/WS-D-12-00032.1

Davidian, M; Giltinan, D. (2003). Nonlinear models for repeated measurements: an overview and update. Agricultural Biological and Environmental Statistics 8(4): 387-419. DOI 10.1198/1085711032697.

Di Rienzo, J. A., Casanoves, F., Balzarini, M. G., Gonzalez, L., Cuadroda, M., & Robledo, C. W. (2020). Infostat (No. 2020) [Software]. Centro de Transferencia InfoStat. https://www.infostat.com.ar/index.php?mod=page&id=15

European and Mediterranean Plant Protection Organization. (2012). PP 1/152 (4) Design and analysis of efficacu evaluation trials. EPPO Bulletin, 42(3), 367–381. https://doi.org/ 10.1111/epp.2610

European and Mediterranean Plant Protection Organization. (2017). PP 1/214 (4) Principles of acceptable efficacy. EPPO Bulletin, 47(3), 293–296. https://doi.org/10.1111/EPP.12395

Food and Agriculture Organization of the United Nations. (2006), Guidelines on efficacy data for the registration of pesticides for plant protection. https://openknowledge.fao.org/server/api/core/bitstreams/fa44518f-e597-4e96-9764-4d4f49229a36/content

Fox, J., & Weisberg, S. (2019). An R Companion to Applied Regression (3rd edition). Sage

Gerhard, D., & Ritz, C. (2017). Marginalization in nonlinear mixed-effects models with an application to dose-response analysis. https://doi.org/10.48550/arXiv.1707.02502

Keshtkar, E., Kudsk, P., & Mesgaran, M. B. (2021). Perspective: common errors in dose-response analysis and how to avoid them. Pest Management Science. 77(6), 2599–2608. https://doi.org/10.1002/ps.6268

Leguizamon, E. S., Ferrari, G., Williams, M. M., Burgos, N. R., Travlos, I., & Korres, N. E. (2019). Response of Annual Weeds to Glyphosate: Evaluation and optimization of application rate based on fecundity-avoidance biomass threshold criterion. Agronomy, 9(12), 851-865. https://doi.org/10.3390/AGRONOMY9120851

Nielsen, O. K., Ritz, C., & Streibig, J. C. (2004). Nonlinear Mixed-Model Regression to Analyze Herbicide Dose–Response Relationships. Weed Technology, 18(1), 30–37. https://doi.org/10.1614/WT-03-070R1

Pinheiro, J. C. & Bates, D. M. (2000) Mixed-Effects Models in S and S-PLUS. Springer.

Ramirez, F. (2017). Mecanismo de resistencia de paspalum paniculatum l. (poaceae) al herbicida glifosato [Tesis de Doctorado, Instituto Tecnológico de Costa Rica]. Repositorio TEC. https://repositoriotec.tec.ac.cr/handle/2238/10069

R Core Team. (2024). R: A language and environment for statistical computing (No. 2024) [Software]. R Foundation for Statistical Computing. https://www.r-project.org/

Ritz, C., Baty, F., Streibig, J. C., & Gerhard, D. (2015). Dose-Response Analysis Using R. PLOS ONE, 10(12), e0146021. https://doi.org/10.1371/journal.pone.0146021

Ritz, C., Jensen, S. M., Gerhard, D., & Streibig, J. C. (2019). Dose-Response Analysis Using R (1st ed.). Chapman and Hall/CRC. https://doi.org/10.1201/b21966

Ryan, T. P. (2004). Planning, Construction, and Statistical Analysis of Comparative Experiments. Journal of Quality Technology, 36(4), 454–457. https://doi.org/10.1080/00224065.2004.11980292

Schabenberger, O., Tharp, B., Kells, J., & Penner, D. (1999). Statistical Tests for Hormesis and Effective Dosages in Herbicide Dose Response. Agronomy Journal, 91(4), 714-721. https://doi.org/10.2134/agronj1999.914713x

Seefeldt, S., Erik Jensen, J., & Fuerst, P. (1995). Log-logistic analysis of herbicide dose-response relationships. Weed Technology, 9(2), 218–227. http://www.jstor.org/stable/3987736

Streibig, J. (1980) Models for curve-fitting herbicide dose-response data. Acta Agriculturae Scandinavica, 30(1), 59–63. https://doi.org/10.1080/00015128009435696

Szöcs, E. & Schäfer, R. B. (2015). Ecotoxicology is not normal: A comparison of statistical approaches for analysis of count and proportion data in ecotoxicology. Environmental Science and Pollution Research, 22, 13990-13999. https://doi.org/10.1007/s11356-015-4579-3

Wickham, H. (2016). ggplot2: Elegant graphics for data analysis (2nd ed.). Springer International Publishing. https://doi.org/10.1007/978-0-387-98141-3

Descargas

Publicado

2025-03-31

Cómo citar

Vargas Martinez, A., Vargas-Rojas, J. C., & Corrales Brenes, E. (2025). Estrategias de modelado para determinar la dosis efectiva de herbicidas. Agronomía Mesoamericana, 62055. https://doi.org/10.15517/am.2025.62055

Número

Sección

Artículos

Artículos más leídos del mismo autor/a