Estrategias de modelado para determinar la dosis efectiva de herbicidas

Abstract

Introducción. Los ensayos de dosis-respuesta se utilizan con el objetivo de seleccionar la dosis eficiente deherbicidas en el manejo de arvenses. El análisis de datos en estos experimentos ha recibido críticas debido al uso demodelos estadísticos que no se ajustan a la distribución de la variable respuesta, la omisión de la estructura originaldel diseño experimental y la preferencia por modelos parciales en lugar de ajustar un modelo único. Los modelos nolineales mixtos se presentan como una alternativa más precisa para analizar estos experimentos. Objetivo. Determinarla dosis efectiva de un herbicida mediante tres estrategias de modelación en ensayos de dosis-respuesta. Materiales ymétodos. Se efectuaron dos experimentos independientes en invernaderos localizados en Tambor de Alajuela, CostaRica, durante el 2012, en los que se cuantificó el peso fresco en gramos (g) de un biotipo de Paspalum paniculatumL. 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 informaciónbayesiano [BIC]), se seleccionó el modelo con mejor ajuste y menor incertidumbre. Resultados. La estrategia queconsideró 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.Conclusiones. Integrar la información de experimentos independientes como efectos aleatorios en un único modelogeneró estimaciones más precisas de la dosis efectiva de glifosato.

Introduction. Dose-response trials are used with the objective of selecting the efficient herbicide dose in weedmanagement. Data analysis of these experiments has been criticized for the use of statistical models that do not fitthe distribution of the response variable, failure to specify the original structure of the experimental design, and the preference for partial models instead of fitting a unique model. Nonlinear mixed models are presented as a moreaccurate alternative for analyzing these experiments. Objective. To determine the effective herbicide dose using threemodeling strategies in dose-response trials. Materials and methods. Two independent experiments were conductedin greenhouses located in Tambor, Alajuela, Costa Rica, during 2012, where the fresh weight in grams (g) of a biotypeof Paspalum paniculatum L. was quantified as a function of grams of acid equivalent (GAE) of an applied herbicide,under a randomized complete block design. A four-parameter logistic regression model was used as a basis, and threemodel variants were fitted. Using penalized information criteria (Akaike information criterion [AIC] and Bayesianinformation criterion [BIC]), the best-fitting model was chosen. Results. The strategy that considered the experimentand the block within each experiment as random effects proved to be the most accurate. This model estimatedthe confidence interval (95 %) for the mean effective dose of GAE between 335.12 and 384.32 g. Conclusions.Integrating information from independent experiments as random effects within a unique model generated moreaccurate estimates of glyphosate’s effective dose.