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.v32n1.39613Palabras clave:
vegetables, weed science, crop weed competition, cover, abundance, density (en)hortalizas, malherbología, competencia de maleza-cultivo, cobertura, abundancia, densidad (es)
Descargas
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.
Referencias
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.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
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
Visitas a la página del resumen del artículo
Descargas
Licencia
Derechos de autor 2014 Agronomía Colombiana
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
© Centro Editorial de la Facultad de Ciencias Agrarias, Universidad Nacional de ColombiaSe autoriza la reproducción y citación del material que aparece en la revista, siempre y cuando se indique de manera explícita: nombre de la revista, nombre del autor(es), año, volumen, número y páginas del artículo fuente. Las ideas y afirmaciones consignadas por los autores están bajo su responsabilidad y no interpretan necesariamente las opiniones y políticas de la Universidad Nacional de Colombia. La mención de productos o firmas comerciales en la revista no implica una recomendación o apoyo por parte de la Universidad ni de la Facultad; el uso de tales productos debe ceñirse a las recomendaciones de las etiquetas.
La licencia Creative Commons utilizada por Agronomía Colombiana es la siguiente: Reconocimiento – NoComercial – CompartirIgual (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/
Los autores que publican sus artículos en Agronomía Colombiana ceden de manera indefinida, todos los derechos patrimoniales, es decir, transformación, reproducción, comunicación pública, y distribución, y son otorgados sin ninguna limitación en cuanto a territorio se refiere al Centro Editorial de la Facultad de Ciencias Agrarias, Universidad Nacional de Colombia