Características productivas del cultivo de maíz (Zea mays L.) mediante la modelación de DSSAT, frente al cambio climático en diferentes densidades de siembra en época lluviosa Productive characteristics of maize (Zea mays L.) cultivation using DSSAT modeling, in the face of climate change at different planting densities during the rainy season
Barra lateral del artículo
Contenido principal del artículo
Resumen
El estudio es relevante porque permitió comprender cómo el maíz responde a la variabilidad climática mediante simulaciones precisas, aportando información confiable para mejorar decisiones de manejo y optimizar la producción en época lluviosa. El objetivo general fue evaluar las características productivas del cultivo de maíz (Zea mays L.) mediante la modelación de DSSAT frente al cambio climático con diferentes densidades de siembra en época lluviosa. La metodología integró simulaciones con DSSAT y datos reales para evaluar el comportamiento reproductivo del maíz en tres escenarios de manejo. Se utilizaron condiciones climáticas locales, parámetros edáficos y características del cultivo para calibrar el modelo. Las variables productivas fueron analizadas mediante indicadores estadísticos que garantizaron exactitud y confiabilidad en los resultados. Los resultados muestran que, en los tres escenarios de densidad, las condiciones agroclimatológicas de la época lluviosa permitieron un desarrollo fisiológico estable del maíz. DSSAT reprodujo adecuadamente la acumulación de biomasa aérea, el comportamiento vegetativo y la dinámica del peso de raíz, reflejando transiciones reproductivas coherentes en todos los casos. No obstante, el modelo mostró discrepancias significativas en la estimación del rendimiento y del nitrógeno, lo que evidencia la necesidad de una calibración más rigurosa de los parámetros genéticos y nutricionales. Los tres escenarios confirmaron que DSSAT es preciso para simular crecimiento y biomasa, pero insuficiente para rendimiento y nitrógeno. Se requiere una calibración más específica para mejorar su utilidad agronómica.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Abayechaw, D. (2021). Review on decision support system for agrotechnology transfer (DSSAT) model. International Journal of Intelligent Information Systems.
Aguilar, C., Escalante, J., Aguilar, I., & Pérez, A. (2017). Crecimiento, rendimiento y rentabilidad del maíz VS-535 en función del biofertilizante y nitrógeno. Ecosistemas y Recursos Agropecuarios.
Alarcón, C. (2015). Optimización de parámetros de extracción de antocianinas del maíz morado (Zea mays L.) por el método de superficie respuesta y verificación experimental (Tesis de pregrado). Universidad Nacional de San Martín.
Alderman, P. (2020). A comprehensive R interface for the DSSAT cropping systems model. Computers and Electronics in Agriculture.
Cartagena, Y. (2021). Eficiencia del uso de abonos verdes y urea en el cultivo de maíz de valles altos. ACI Avances en Ciencias e Ingenierías.
Caviedes, M., Carvajal, F., & Zambrano, J. (2022). Generación de tecnologías para el cultivo de maíz (Zea mays L.) en el Ecuador. ACI Avances en Ciencias e Ingenierías.
Deras, F. (2020). Guía técnica: El cultivo de maíz. Ministerio de Agricultura y Ganadería.
Díaz, G., Aguillón, Y., & Betancourt, L. (2020). Parámetros de rendimiento en gallinas ponedoras y pollos de engorde que recibieron dietas que contenían maíz colombiano y maíz importado de los Estados Unidos. CES Medicina Veterinaria y Zootecnia.
Eitzinger, A., Läderach, P., Rodríguez, B., Fisher, M., Beebe, S., Sonder, K., et al. (2017). Assessing high-impact spots of climate change: Spatial yield simulations with decision support system for agrotechnology transfer (DSSAT) model. Mitigation and Adaptation Strategies for Global Change.
Espinoza, G. (2020). Evaluación de tres bioinsecticidas para el control del gusano cogollero del maíz (Spodoptera frugiperda) (Tesis de grado). Universidad Técnica Estatal de Quevedo.
García, D., & Hernández, R. (2023). Estudio de altas densidades de siembra en la producción de maíz (Zea mays) híbrido. Revista Tecnología en Marcha.
García, L., Fernández, D., Rubio, E., Martínez, M., & Tijerina, L. (2020). Rendimiento de maíz (Zea mays L.) en la Mixteca, calculado con DSSAT. Revista Terra Latinoamericana.
Gaviria, C., & Márquez, C. (2020). Estadística descriptiva y probabilidad. Editorial académica.
Guamán, R., Desiderio, T., Villavicencio, Á., Ulloa, S., & Romero, E. (2020). Evaluación del desarrollo y rendimiento del cultivo de maíz (Zea mays L.) utilizando cuatro híbridos. Siembra.
Hasang, E., García, S., Carrillo, M., Durango, W., & Cobos, F. (2021). Sustentabilidad del sistema de producción del maíz en la provincia de Los Ríos (Ecuador), bajo la metodología multicriterio de Sarandón. Journal of the Selva Andina Biosphere.
Herrera-Jácome, D., Robinson J. , H.-F., Alba M., Q.-S., & Carrión-Salazar, B. E. (2023). Uso de trampas con feromonas sintéticas sexuales y uso de insecticida orgánico para el control del gusano cogollero (Spodoptera frugiperda) en el cultivo de maíz (Zea mays L.). Código Científico Revista De Investigación, 4(E2), 1185–1202. https://doi.org/10.55813/gaea/ccri/v4/nE2/217
Jácome, DFH, Masapanta, CAM, Freile, MFM y Torres, ROV (2025). Modelos multivariados para analizar la adopción de maquinaria agrícola y agricultura de precisión en la producción bananera en la zona subtropical de Ecuador. Revista Brasileña de Investigación Animal y Ambiental , 8 (3), e82173. https://doi.org/10.34188/bjaerv8n3-091
Jaime, E. (2021). Fertilización como estrategia de mitigación y adaptación del cultivo de maíz para futuros cambios climáticos.
Kephe, P., Ayisi, K., & Petja, B. (2021). Challenges and opportunities in crop simulation modelling under seasonal and projected climate change scenarios for crop production in South Africa. Agriculture and Food Security, 10.
López, T., Herrera, J., González, F., Cid, G., & Chaterlán, Y. (2009). Eficiencia de un modelo de simulación de cultivo para la predicción del rendimiento del maíz en la región del sur de La Habana. Revista Ciencias Técnicas Agropecuarias.
Pérez, R., González, T., & Muñoz, J. (2014). Antagonismo microbiano asociado a cepas bacterianas provenientes de jitomate (Lycopersicum esculentum Mill) y maíz (Zea mays). Revista Iberoamericana de Ciencias.
Remache, M., Carrillo, M., Mora, R., Durango, W., & Morales, F. (2017). Absorción de macronutrientes y eficiencia del nitrógeno en híbrido promisorio de maíz, Patricia Pilar, Ecuador. Agronomía Costarricense.
Rodríguez, J., Ferreras, M., & Núñez, A. (2024). Inferencia estadística, niveles de precisión y diseño muestral. Revista Española de Investigaciones Sociológicas.
Rodríguez, M. (2019). Estadística inferencial aplicada. Editorial académica.
Sáez, A., Morales, D., Gordón, R., Jaén, J., & Ramos, F. (2024). Sensibilidad del cultivo de maíz (Zea mays) a diferentes períodos de déficit hídrico controlado. Agronomía Mesoamericana.
Valencia, J., Londoño, D., & Zapata, S. (2023). Determinación del tiempo térmico para el cultivo de banano en la zona bananera de Urabá, Colombia.
Vargas, J., & García, F. (2022). Determinación de la potencia estadística de experimentos de rendimiento en maíz. Revista Mexicana de Ciencias Agrícolas.
Varshney, R., Poornesha, B., Raghavendra, A., Lalitha, Y., Apoorva, V., Ramanujam, B., et al. (2021). Biocontrol-based management of fall armyworm (Spodoptera frugiperda) on Indian maize. Journal of Plant Diseases and Protection.
Velásquez, J. (2021). Compostaje del residuo papelero aplicado al cultivo de maíz. Revista Alfa.
Vera, F., Castro, C., & Mora, X. (2020). Alternativas agroecológicas para el control y manejo de arvenses en competencia específica con el cultivo de maíz. Revista Caribeña de Ciencias Sociales.