Modelización de la interferencia cultivo-malezas, mediante modelos autorregresivos espaciales, con validación en un cultivo de lechuga

Abstract

La modelización de la competencia maleza-cultivo en general no contempla la heterogeneidad y la dependencia espacial tanto de las malezas como del cultivo, llevando a decisiones sesgadas en la toma de decisiones de manejo. Por esta razón, en esta investigación se propuso y se evaluaron variantes de un modelo autorregresivo espacial que incorpora los supuestos de heterogeneidad y dependencia. Para evaluar estas variantes del modelo en diversos escenarios de abundancia, agregación, distribución, dependencia espacial y la capacidad de competencia de las malezas y el cultivo, se construyó un simulador de campos Gaussianos continuos, herramienta de la geoestadística que en este caso, permite generar datos de malezas y cultivo que, asignando a cada pixel un área determinada, imitan la forma real en la que pueden aparecer en el campo. Luego, para la validación del modelo en un cultivo de lechuga y debido a la gran cantidad de información necesaria, se desarrolló un software que procesa imágenes multiespectrales, el cual permitió calcular la cobertura de malezas con gran precisión en una resolución espacial inferior a 1 mm2. Finalmente, en la validación del modelo, se incorporó una matriz de pesos que proviene de la distancia y de la cobertura de las malezas presentes entre cada planta de cultivo con sus vecinas más cercanas. Los parámetros de dependencia espacial de las malezas, del cultivo y del error fueron altamente significativos, lo que implica, para las condiciones evaluadas, que el uso de modelos autorregresivos espaciales es justificado y necesario para evaluar la competencia cultivo-malezas. (Texto tomado de la fuente).

The modeling of weed-crop competition, in general, does not contemplate the heterogeneity and spatial dependence of both weeds and cultivation, leading to biased decisions in management decision making. For this reason, this research proposed and evaluated variants of a spatial autoregressive model that incorporates the assumptions of heterogeneity and dependence. To evaluate these variants of the model in various scenarios of abundance, aggregation, distribution, spatial dependence and the competence capacity of weeds and the crop, a simulator of continuous Gaussian fields was built, a tool of geostatistics that in this case, allows to generate weed and crop data that, by assigning a given coverage area to each pixel, mimic the real way in which they can appear in the field. Then, for the validation of the model in a lettuce crop and due to a large amount of information needed, the software was developed that processes multispectral images, which allowed weed coverage to be calculated with great precision at a spatial resolution of fewer than 1 mm2. Finally, in the validation of the model, a matrix of weights was incorporated that comes from the distance and coverage of the weeds present between each crop plant with its closest neighbors. The parameters of spatial dependence of weeds, crop, and error were highly significant, which implies, for the conditions evaluated, that the use of spatial autoregressive models is justified and necessary to assess the crop-weed competition.