Métodos estadísticos para el ajuste de curvas de respuesta desde ensayos de tasa variable de insumos

BRUNO, C.; GIANNINI KURINA, F.; BALZARINI, M.; PACCIORETTI, P.; CÓRDOBA, M.

Manfredi

Congreso; 2° Congreso Latinoamericano de Agricultura de Precisión; 2022

Numerosos ensayos en campos de productores son llevados a cabo para evaluar la respuesta del cultivo ante cambios de dosis de insumos agrícolas. Estos ensayos son impulsados desde las tecnologías de precisión que facilitan la variación de dosis de insumos de manera automática y sin labores extras por parte del productor. A su vez, estos ensayos son cosechados con monitores de rendimiento generando grandes bases de datos georreferenciados asociados a las parcelas del ensayo. Diferentes métodos estadísticos han sido usados para estimar la respuesta del cultivo en estos ensayos conducidos en campos de productores con tecnología de precisión y cada uno de éstos presenta particularidades. En este trabajo se comparan, desde aspectos cuantitativos y cualitativos, tres métodos estadísticos para el ajuste de curvas de respuesta desde ensayos con datos espacializados: 1) modelo de regresión lineal para datos correlacionados espacialmente (RL) estimado por el método de máxima verosimilitud restringida (REML), 2) regresión Bayesiana con efecto aleatorio de sitio estimado por el método aproximación integral de Laplace anidada (INLA) y 3) regresión por aprendizaje automático mediante el método bosques aleatorios (RF) con kriging sobre los residuos. La comparación se realizó en ocho lotes bajo agricultura de precisión que incluían ensayos de dosificación variable. En cada lote se calibraron los modelos de regresión con los tres métodos y se evaluaron los ajustes mediante validación cruzada. La regresión bayesiana estimada vía INLA produjo los mejores resultados cuantitativos en términos de capacidad predictiva del modelo ajustado.