Análisis predictivo de la respuesta del maíz (Zea mays L.) a las condiciones físicas y químicas de los suelos agrícolas, municipio Guanare, estado Portuguesa, Venezuela.

A predictive analysis of the response of corn (Zea mays L.) to the physical and chemical conditions of agricultural soils. Guanare municipality, Portuguesa state, Venezuela

Resumen

Con el fin de predecir la respuesta de la planta de maíz en los suelos agrícolas del municipio Guanare estado Portuguesa, se organizaron datos históricos (2000-2019) de la data existente en el laboratorio de análisis de suelo de la Universidad Nacional Experimental Ezequiel Zamora (UNELLEZ), en una matriz (mxn) donde m correspondió a los predios (302 fincas) y n a los parámetros del suelo (11). En total la dimensión de la data utilizada fue de 3.322 elementos. Organizados los elementos (mxn) de la matriz, los mismos fueron calificados como favorables (+) o desfavorables (-) de acuerdo a su rango óptimo para maíz establecidos por varios autores. Cualificado cada parámetro se obtuvo la razón matemática favorable para cultivar maíz (RMFCM) mediante la suma de los antecedentes (+) dividida entre el total de parámetros (n) en cada fila (m). Posteriormente RMFCM fue utilizada para construir el índice de aptitud del suelo para maíz (IASM) mediante la utilización del análisis estadístico descriptivo, dando como resultado una escala de valoración de 4 categorías. Los resultados obtenidos señalaron que el 1,66% de los suelos de las fincas fueron grado 1 (mala), 37,75% grado 2 (moderada), 52,65% grado 3 (buena) y 7,95% grado 4 (excelente).  El análisis de regresión lineal múltiple con selección de variables por el método de Stepwise, estableció 7 variables predictoras (calcio, potasio, materia orgánica, pH, magnesio, arcilla y fósforo) y un modelo de predicción    = 0,10869 - 0,00191 (A) + 0,04996 (MO) + 0,00166 (P) + 0,0005938 (K) + 0,00007244 (Ca) + 0,0002676 (Mg) + 0,04946 (pH) con R²aj: 0,8029. Se concluyó que en las fincas agrícolas del municipio Guanare la aptitud favorable del suelo (IASM) es predecible en 80,29% cuando se utilizan las herramientas matemáticas (matrices, razón) y estadísticas (descriptiva y regresión múltiple) con una base de datos bien organizada. Palabras clave: aptitud, data, índice, modelo, razón matemática, tendencias.