Evaluation of various conventional methods for sampling weeds in potato and spinach crops
Evaluación de diferentes metodologías convencionales de muestreo de malezas en cultivos de papa y espinaca
DOI:
https://doi.org/10.15446/agron.colomb.v32n1.39613Keywords:
vegetables, weed science, crop weed competition, cover, abundance, density (en)hortalizas, malherbología, competencia de maleza-cultivo, cobertura, abundancia, densidad (es)
Downloads
Este estudio tuvo como objetivo evaluar (a un nivel exploratorio), algunos de los diferentes diseños de muestreo convencionales en una sección de un cultivo de la papa, y en un cultivo comercial de espinacas. Se realizó un muestreo de malezas en una sección de 16 x 48 m de un cultivo de papa, en red rígida de 192 secciones, en las que se registró la cobertura y la densidad de malezas, en tamaños de cuadro desde 0,25 m2, hasta 64 m2, con esta información se conformó una base de datos que permitió simular diversos diseños de muestreo como: variables y tamaño de cuadro. Con estos resultados se realizó un segundo muestreo en un cultivo de 1,16 ha de espinaca, en la cual se estableció una red rígida de 6 x 6 m, evaluando la cobertura en cuadros de 4 m2. Con esta información se conformó otra base de datos con la cual se simularon otros diseños de muestreo como distribución y cantidad de cuadros muestreados. Según los resultados obtenidos, una buena forma de aproximarse a la cantidad de cuadros para los diversos muestreos es: 10-12 cuadros de 4 m2 por ha, para riqueza; 18 o más cuadros para abundancia. Este tamaño de cuadro resulta óptimo, debido a que permite muestrear más área sin perder de vista especies de porte bajo, siendo la cobertura la variable que mejor representa la abundancia de las malezas.
References
Barroso, J., D. Ruiz, C. Fernandez-Quintanilla, E.S. Leguizamon, P.J. Hernaiz, A. Ribeiro, B. Diaz, B.D. Maxwell, and L.J. Rew. 2005. Comparison of sampling methodologies for site-specific management of Avena sterilis. Weed Res. 45(3), 165-174.
Bautista Z., F. 2004. Técnicas de muestreo para manejadores de recursos naturales. Universidad Nacional Autónoma de México (UNAM), Mexico DF.
Booth, B., S. Murphy, and C. Swanton. 2003. Weed ecology in natural and agricultural systems. CAB International, Wallingford, UK.
Braun-Blanquet, J. and J.L.J. Oriol de Bolòs. 1979. Fitosociología. Bases para el estudio de las comunidades vegetales. H. Blume Ediciones, Madrid.
Clay, S. and G. Johnson. 2002. Scouting for weeds (on line). Crop Manage. 1(1).
Colbach, N., F. Dessaint, and F. Forcella. 2000. Evaluating field-scale sampling methods for the estimation of mean plant densities of weeds. Weed Res. 40(5), 411-430.
Cottam, G., J.T. Curtis, and A.J. Catana. 1957. Some sampling characteristics of a series of aggregated populations. Ecol. 38(4), 610-622.
Feyaerts, F. and L. Van Gool. 2001. Multi-spectral vision system for weed detection. Pattern Recogn. Lett. 22(6-7), 667-674.
Fuentes, C.L. 1986. Metodología y técnicas para evaluar las poblaciones de malezas y su efecto en los cultivos. Rev. Comalfi 13, 29-50.
Gold, H.J., J. Bay, and G.G. Wilkerson. 1996. Scouting for weeds, based on the negative binomial distribution. Weed Sci. 44, 504-510.
González-Andújar, J.L. and M. Saavedra. 2003. Spatial distribution of annual grass weed populations in winter cereals. Crop Prot. 22(4), 629-633.
Heijting, S., W. Van der Werf, A. Stein, and M.J. Kropff. 2007. Are weed patches stable in location? Application of an explicitly two-dimensional methodology. Weed Res. 47, 381-395.
Jurado-Expósito, M., F. Lopez-Granados, J.L. González-Andújar, and L. García-Torres. 2004. Spatial and temporal analysis of Convolvulus arvensis L. populations over four growing seasons. Eur. J. Agron. 21(3), 287-296.
LaMastus, F.E. and D.R. Shaw. 2005. Comparison of different sampling scales to estimate weed populations in three soybean fields. Precis. Agric. 6(3), 271-280.
Leguizamón, E.S. 2005. El manejo de malezas en el campo. Rev. Agromensajes 17, 26-29.
Marshall, E.J.P. 1988. Field-scale estimates of grass weed populations in arable land. Weed Res. 28(3), 191-198.
Matteucci, S.D. and A. Colma. 1982. Metodología para el estudio de la vegetación. Biology Series No. 22. The General Secretariat of the Organization of American States, Washington DC.
Mostacedo, B. and T.S. Fredericksen. 2000. Manual de métodos básicos de muestreo y análisis en ecología vegetal. Bolfor, Santa Cruz de la Sierra, Bolivia.
Okamoto, H., T. Murata, T. Kataoka, and S.I. Hata. 2007. Plant classification for weed detection using hyperspectral imaging with wavelet analysis. Weed Biol. Manage. 7(1), 31-37.
Rew, L.J. and R.D. Cousens. 2001. Spatial distribution of weeds in arable crops: are current sampling and analytical methods appropriate? Weed Res. 41(1), 1-18.
Sui, R., J.A. Thomasson, J. Hanks, and J. Wooten. 2008. Ground-based sensing system for weed mapping in cotton. Comput. Electron. Agric. 60(1), 31-38.
Wiles, L.J. 2005. Sampling to make maps for site-specific weed management. Weed Sci. 53(2), 228-235.
How to Cite
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
CrossRef Cited-by
1. Kavir Osorio, Andrés Puerto, Cesar Pedraza, David Jamaica, Leonardo Rodríguez. (2020). A Deep Learning Approach for Weed Detection in Lettuce Crops Using Multispectral Images. AgriEngineering, 2(3), p.471. https://doi.org/10.3390/agriengineering2030032.
2. Ramesh Nuthakki, S. G. Mangala Gowri, Satyasrikanth. (2024). Crop weed detection using artificial neural networks. INTERNATIONAL CONFERENCE ON EMERGING TRENDS IN ELECTRONICS AND COMMUNICATION ENGINEERING - 2023. INTERNATIONAL CONFERENCE ON EMERGING TRENDS IN ELECTRONICS AND COMMUNICATION ENGINEERING - 2023. 3028, p.030015. https://doi.org/10.1063/5.0212115.
Dimensions
PlumX
Article abstract page views
Downloads
License
Copyright (c) 2014 Agronomía Colombiana
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
© Centro Editorial de la Facultad de Ciencias Agrarias, Universidad Nacional de Colombia
Reproduction and quotation of material appearing in the journal is authorized provided the following are explicitly indicated: journal name, author(s) name, year, volume, issue and pages of the source. The ideas and observations recorded by the authors are their own and do not necessarily represent the views and policies of the Universidad Nacional de Colombia. Mention of products or commercial firms in the journal does not constitute a recommendation or endorsement on the part of the Universidad Nacional de Colombia; furthermore, the use of such products should comply with the product label recommendations.
The Creative Commons license used by Agronomia Colombiana journal is: Attribution - NonCommercial - ShareAlike (by-nc-sa)
Agronomia Colombiana by Centro Editorial of Facultad de Ciencias Agrarias, Universidad Nacional de Colombia is licensed under a Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional License.
Creado a partir de la obra en http://revistas.unal.edu.co/index.php/agrocol/.