Resumen: A-018

UNIVERSIDAD NACIONAL DEL NORDEST E

Comunicaciones Científicas y Tecnológicas 2004

Descripción del crecimiento de frutos de naranjo dulce

mediante el uso de modelos no lineales

Avanza, María M. - Giménez, Laura - Mazza, Silvia M. - Rodriguez, Víctor A.

Facultad de Ciencias Agrarias- UNNE.

Sargento Cabral 2131- (3400)- Corrientes- Argentina.
Tel./ Fax: +54 (03783) 427742 Int. 138
E-mail: mavanza@agr.unne.edu.ar

ANTECEDENTES
Los frutos cítricos ocupan el primer lugar en volumen de producción, dentro de la producción de los principales grupos
de frutales de la Argentina, seguidos por los frutos de pepita y de carozo (FEDERCITRUS, 2004).
Una de las herramientas necesarias para poder competir en los mercados, tanto nacionales como internacionales, es la
predicción de los volúmenes a producir. Estimar la producción en la temporada es importante para influir en las
decisiones que afectan tanto a la comercialización como las recomendaciones en las técnicas de cultivo, y en
formulación con suficiente antelación de las estrategias necesarias a seguir (Bergh, 1982).
El sistema de pronóstico de cosecha basados en mediciones objetivas a campo comprende una gran cantidad de técnicas
basadas fundamentalmente en tres aspectos como ser la relación entre la producción y clima, la relación entre los
componentes de la producción y características de la planta. Este último, se basa en predecir la producción a partir de
características de la planta observadas durante la estación de crecimiento (Gil, 2003).
En los modelos de producción de frutos, varios parámetros relativos a características que los mismos tendrán a la fecha
de ser recolectados deben ser estimados anticipadamente, y uno de ellos, de fundamental importancia por su incidencia
en la precisión de los volúmenes predichos, es el tamaño que los frutos tendrán al final del período de fructificación
(Alvarez, 2001).
La elaboración de curvas de crecimiento nos permite conocer el modo en que crece la fruta con respecto al tiempo La
curva que representa el crecimiento de un fruto varía con la especie que se trate; así los frutos de las pomoideas son del
tipo sigmoide simple, en cambio la mayoría de las especies de carozo son del tipo doble sigmoidea (Coombe,1976). En
el caso de los frutos cítricos la forma dependerá de su origen, si es partenocárpico o sexual, pero en general es una
sigmoidea simple (Agustí, 2000).
Las curvas de crecimiento del diámetro ecuatorial en función del tiempo son las más empleadas por muchos autores.
Tienen la ventaja de ser de fácil determinación, no destructivas y permiten el seguimiento a lo largo de la temporada.
Estas curvas de crecimiento sirven para identificar no solamente la evolución del crecimiento en la temporada bajo las
condiciones climáticas de la zona bajo estudio, sino también para estimar el peso que tendrá el fruto a cosecha
(Coombe, 1976).
El método estadístico que permite encontrar una expresión matemática que establece una relación entre dos o más
variables donde una de las cuales está explicada por las restantes es el Análisis de Regresión (Steel y Torrie, 1992). Las
experiencias en las que se ha aplicado Análisis de Regresión para el ajuste de modelos de crecimiento de frutos en
nuestro país, en general basadas en el criterio de mínimos cuadrados, ya sea a través de ecuaciones normales o procesos
iterativos, han arrojado buenos resultados con modelos de regresión no lineal y modelos polinómicos de tercer grado
(Bramardi, 1995 ; Gil, 2003).
La comparación de modelos alternativos de regresión no lineal se basa en varios criterios. En general se busca que el
cuadrado medio del error sea el mínimo posible, que el modelo posea el menor número de parámetros (principio de
simplicidad) y que el error estándar de las estimaciones también sea mínimo (Infostat, 2002).
Para verificar el ajuste del modelo y el cumplimiento de los supuestos del análisis de regresión se pueden emplear
métodos gráficos. Los más comunes se basan en los residuales del modelo. El gráfico de residuos en función a la
variable independiente, si el ajuste es bueno y se cumplen los supuestos, debería tener el aspecto de una banda
horizontal (Draper, et.al.1981).
El objetivo del presente trabajo fue evaluar el comportamiento de distintos modelos de regresión no lineal para describir
el patrón de crecimiento de frutos de naranjo dulce var. Valencia Late en el Departamento de Concepción, Provincia de
Corrientes.

MATERIALES Y MÉTODOS
Los datos experimentales se obtuvieron de lotes comerciales de naranjo dulce (Citrus sinensis) var. Valencia Late
injertados sobre lima de Rangpur (Citrus limonia) de 11 años de edad, con una densidad de 357 pl/ha, en un marco de
plantación rectangular de 4x7 metros, propiedad de Augusto Millán S.A., ubicados en el Departamento de Concepción,
Provincia de Corrientes. Las plantas recibieron las prácticas culturales habituales de la zona, en lo que respecta a poda,
fertilización y tratamientos sanitarios.
Se seleccionaron 3 parcelas y en la zona central de cada una se elegieron 5 plantas. Escogida la primera planta con una
carga considerada normal, se escogieron las siguientes una por medio, siguiendo el camino en diagonal en dirección
 Resumen: A-018
UNIVERSIDAD NACIONAL DEL NORDEST E
Comunicaciones Científicas y Tecnológicas 2004

aleatoria para numerarlos posteriormente. En cada una de las plantas se identificaron 40 frutos distribuidos por todo el
árbol a los que se le realizó el seguimiento de su crecimiento.
Las mediciones de crecimiento de fruto, diámetro ecuatorial (mm), empleando calibre digital y planillas de crecimiento,
están referidas a la fecha de plena floración (80% de flores abiertas) que corresponde al 25 de septiembre de 2003, y
comenzaron a los 66 días después de dicha fecha, el 1 de diciembre de 2003 (una vez terminados los manejos culturales
que definen la carga y el tamaño hasta la cosecha) y continuaron con una frecuencia semanal. De este modo es posible
hacer comparaciones en base a estados fenológicos y no con fechas cronológicas a fin de poder elaborar y utilizar las
curvas en el futuro.
En base a esta información n=433 (total de las tres parcelas) se analizaron y compararon funciones matemáticas
propuestas para modelar el crecimiento de partes u órganos vegetales, predeterminados en el paquete estadístico
INFOSTAT (Infostat, 2002). Funciones analizadas:

Logístico: Diámetro (mm)= α / (1+β * e (-γ *DDPF) )

Gompertz: Diámetro (mm)= α *e [-e ∧ ( β - γ DDPF )]

Monomolecular: Diámetro(mm)= α * (1-β * e (-γ *DDPF) )

Para comprobar la adecuación de los distintos modelos se tomaron criterios como el cuadrado medio del error
(CMError), el error estándar (EE) de las estimaciones de los parámetros y una prueba T para la hipótesis sobre la
nulidad de los respectivos valores paramétricos. El gráfico de residuales en función a los días después de plena floración
(DDPF) se empleó para verificar ajuste y cumplimiento de supuestos.
Los datos fueron analizados mediante planilla de cálculos Excell y con el paquete estadístico INFOSTAT (Infostat,
2002), propiedad de la Secretaria General de Ciencia y Técnica, UNNE.

DISCUSIÓN DE RESULTADOS
En la Figura 1 se presentan las curvas de crecimiento de frutos de naranjo dulce por parcelas, elaboradas por medio de
las mediciones de diámetros (mm) de frutos a partir de los 66 DDPF.

75.00

62.50
D iáme tro (mm)

50.00

37.50

25.00

12.50

0.00
0 50 100 150 200 250 300
DDPF

P a r c e la 1 P a rc e la 2 P a rc e la 3

Figura 1: Curvas de crecimiento de frutos de naranjo dulce var. Valencia Late formadas por parcela.

Las tres parcelas presentan un compartamiento similar del diámetro en función a los DDPF, pero se puede observar que
no generan curvas típicas sigmoides como las que caracterizan a los frutos cítricos (Agusti, 2000), lo que probablemente
podría atribuirse a que las mediciones se iniciaron luego de iniciada la fase I o período de crecimiento exponencial. En
estudios posteriores sería recomendable iniciar las mediciones antes de los 66 DDPF.
Los tres modelos estudiados presentan CMError bajos, según el ordenamiento que sigue: Monomolecular, Gompertz y
el mayor valor se da en el Logítico (Cuadro 1). Según estos valores de CMError, se podría decir que los tres modelos
plantean un ajuste adecuado (Infostat, 2002).
Las estimaciones de los tres parámetros para cada modelo resultan significativas (p<0.0001), lo que indica que se
rechaza la hipótesis de nulidad, ello indica que los tres parámetros son necesarios o aportan explicación en cada modelo
(Draper y Smith, 1981).
 Resumen: A-018
UNIVERSIDAD NACIONAL DEL NORDEST E
Comunicaciones Científicas y Tecnológicas 2004

Los EE de las estimaciones de los tres parámetros son bajos, mínimos para los modelos Gompertz y Monomolecular, y
algo superior para el Logístico (Cuadro 1). Esto indica una adecuada estimación de los parámetros en los tres modelos
(Infostat, 2002).

Cuadro 1: Cuadrado medio del error y estimaciones de los parámetros de los modelos evaluados.

Modelos CMError Parámetros Estimación EE p

α 72.31 0.43 <0.0001

Logístico 1.84 β 6.52 0.30 <0.0001
γ 0.02 0.00 <0.0001
α 74.24 0.43 <0.0001
Gompertz 1.11 β 2.91 0.08 <0.0001
γ 0.01 0.00 <0.0001
α 78.13 0.49 <0.0001
Monomolecular 0.64 β 1.34 0.02 <0.0001
γ 0.01 0.00 <0.0001

En las Figura 2 se representan los residuales respecto de la variable independiente (DDPF).

Logístico
G om pertz
2.52
2.08

0.99
0.92

-0.54
Residuos

-0.24
Residuos

-2.07 -1.40

-3.59 -2.56

-5.12 -3.72
50 100 150 200 250 300 50 100 150 200 250 300
DDPF DDPF

Monomolecular
1.84

1.01

0.18
Residuos

-0.65

-1.48

-2.31
50 100 150 200 250 300
DDPF

Figura 2: Residuos vs. DDPF para los modelos Logístico, Gompertz y Monomelecular.

Tanto en los modelos Logístico como el Gompertz los residuales muestran una curvatura marcada y datos con residual
negativo grande, lo que no se condice con un buen ajuste (Figura 2).
En el gráfico correspondiente al modelo Monomolecular, la curvatura no es marcada y no existen datos anómalos, no
obstante la tendencia es similar a los modelos anteriores (Figura 2).
En los tres modelos estudiados, la forma que adquiere el grafico de residuales a través del tiempo, indican que la
varianza de la variable dpendiente se mantiene constante en todo el rango de la variable independiente, por lo que se
podría asumir homocedasticidad (Draper y Smith, 1981).
Considerando que los datos provienen de mediciones sucesivas a través del tiempo efectuadas sobre los mismos frutos,
se debe tener en cuenta una posible falta de cumplimiento del supuesto de independencia entre las obervaciones
(Bramardi, 1995).
 Resumen: A-018
UNIVERSIDAD NACIONAL DEL NORDEST E
Comunicaciones Científicas y Tecnológicas 2004

CONCLUSIONES
En base a las herramientas utilizadas se puede decir que de los tres modelos evaluados el Monomolecular presenta
mejor comportamiento.

BIBLIOGRAFÍA

Agustí, M. (2000). Citricultura. Primera edición. Editorial Mundi Prensa. Valencia-España. Cap.8.

Alvarez, A.; Bramardi, S.; Stangaferro, S. (2001) “Modelos de predicción anticipada del peso medio de los frutos
en producción de manzanas” Congreso Latinoamericano de Biomatemática. Campinas- Brazil.

Bergh, O. (1982). Prediction of apple fruit size: a promising model. Agroplant.

Bramardi, S. (1995) “Modelos de predicción de tamaño de frutos a la cosecha en base a mediciones sucesivas
durante el período de crecimiento. Peras cvs. William`s y Packham`s Triumph en la región del Alto Valle de Río
Negro y Neuquén “. Tesis para optar al grado de Magíster Scientiae- Area Biometría. Escuela para graduados
Convenio Facultad de Agronomía- UBA e Instituto Nacional de Tecnología Agropecuaria.

Coombe, B.G. (1976). The development of fleshy fruits. Ann. Rev. Plant Physiology. Vol. 27. pp.207-228.

Draper, N.y Smith, H. (1981). Applied regression analysis. Second edition. New York: Wiley

FEDERCITRUS, (2004). Federación Argentina del Citrus. La Actividad Citricola Argentina. Bs.As. Argentina.

Gil, F.E. (2003). Programa de Pronóstico de Cosecha Frutícola de Mendoza. Fundación IDR. Mendoza-Argentina.
En: www.pronofruta.com.ar . [Consulta: 23/06/03].

INFOSTAT, (2002). Infostat versión 1.1- Grupo Infostat, FCA, Universidad Nacional de Córdoba, Argentina.

Steel, R.; Torrie, J. (1992). Bioestadística: Principios y Procedimientos Mc Graw Hill. México.