El crecimiento del fruto de la feijoa es principalmente estimulado por la temperatura, pero también es afectado por otros factores climáticos como la altitud. El objetivo de este estudio es proponer un modelo de crecimiento del fruto de la feijoa en función del tiempo térmico (GDC, grados día de crecimiento) y de la altitud (H) de la zona de producción, para lo cual se marcaron veinte árboles por finca en dos localidades del departamento de Cundinamarca (Colombia), durante los años 2012 a 2014. Las mediciones se realizaron cada 7 días a partir del día 96 y 99 después de antesis hasta la cosecha, para las localidades de Tenjo (2580m.s.n.m.) y San Francisco de Sales (1800m.s.n.m.) respectivamente. Se obtuvo un modelo de crecimiento para el peso en función de la longitud y el diámetro del fruto, así como para el peso del fruto en función de GDC y H, ajustándose esta última a un modelo de crecimiento sigmoidal logístico. Los parámetros del análisis de regresión mostraron que los modelos predijeron satisfactoriamente el crecimiento del fruto para las dos localidades, con alto coeficiente de determinación. La validación cruzada mostró buen ajuste estadístico entre valores pronosticados y observados; la intercepción no fue significativamente diferente de cero y la pendiente fue estadísticamente igual a uno.
Introducción
El fruto de la feijoa (Acca sellowiana (O. Berg) Burret), conocido en los países de habla inglesa como la guayaba de la piña, pertenece al orden Myrtales, familia Myrtaceae, subfamilia Myrtoideae (Perea, Fischer & Miranda, 2010). La especie es originaria de Sudamérica, en zonas que abarcan Brasil, Uruguay, el oeste de Paraguay y el noreste de Argentina (Schuman & Lüdders, 1992). La guayaba es una especie perenne y de larga vida. Los árboles producen regularmente una vez al año en condiciones subtropicales estacionales. Sin embargo, en zonas tropicales, la especie puede producir continuamente durante todo el año (Quintero, 2012).
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Tratamiento magnético de agua de riego y semillas en agricultura
Artículos:
Monitorización remota de la población de la polilla del bacalao basada en redes neuronales profundas EfficientDet-4 para la detección precoz de daños en manzanos
Videos:
La producción de la quinua
Documento Editorial:
A tomar café
Artículos:
PDD-Net: Diagnóstico de enfermedades vegetales mediante redes neuronales convolucionales multinivel y multiescala
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos