Un beneficio al alcance
Cómo formular un proyecto para postularlo a la Ley I+D.
Cargando...
Una información correcta y oportuna es esencial para una adecuada toma de decisiones agronómicas para una producción eficiente y sustentable. La base del proceso de transformar datos a información parte de un adecuado muestreo en terreno, ya sea de manera manual (muestreo para análisis de suelo o tejidos) o bien con la ayuda de sensores […]
Una información correcta y oportuna es esencial para una adecuada toma de decisiones agronómicas para una producción eficiente y sustentable. La base del proceso de transformar datos a información parte de un adecuado muestreo en terreno, ya sea de manera manual (muestreo para análisis de suelo o tejidos) o bien con la ayuda de sensores de distinta naturaleza (sensores de suelo, sensores de canopia, sensores de humedad del suelo, etc.). Un correcto muestreo debe describir apropiadamente el atributo o propiedad desea do y debe ser reproducible.
Es importante, por lo tanto, conocer los fundamentos técnicos detrás del muestreo de una población.
¿DATOS O INFORMACIÓN?
Es común utilizar las palabras datos e información como sinónimos, ya que ambas están relacionadas. Sin embargo, en la práctica, estos conceptos son completa mente diferentes.
· Datos: Pueden ser descritos como un conjunto de números, caracteres, figuras, hechos, etc. sin sentido semántico, sin una mayor organización, incapaces por si solos de aportar valor.
· Información: conjunto de datos sometidos a un proceso de análisis y tratamiento. Este proceso de “depuración” otorga sentido e interpretación.
La principal diferencia entre los datos y la información es que este último aporta al proceso de toma de decisiones de manera concluyente, mientras que los datos no tienen relevancia hasta después de ser transformados en información.
El muestreo es una etapa clave en la conversión de datos en información. Si el muestreo no se realiza apropiadamente la información obtenida al final del proceso tendrá un alto nivel de incertidumbre.
MUESTREO
El principal objetivo del muestreo es obtener información acerca de una población de interés. En agricultura, las poblaciones a estudiar son diversas. Por ejemplo:
· Arboles presentes en un cuartel.
· Frutos presentes en un cuartel.
· Conjunto de volúmenes de compost extraídos desde una pila.
· Conjunto de volúmenes de suelo en una superficie dada.
· Conjunto de bins que llegan a un packing.
· Conjunto de lotes de producción dentro de una planta productiva.
En términos estadísticos el objetivo del muestreo es la estimación de los parámetros de la población, los cuales permiten realizar inferencias respecto a la población objetivo. Los parámetros de la población, normalmente desconocidos, pueden ser el promedio, desviación están dar, betas en un modelo de regresión, el coeficiente de correlación, etc. Por otra parte, una variable es lo que se desea medir en la muestra, por ejemplo: Brix, contenido de P en el suelo, concentración de N en el tejido, etc.
El estadístico se calcula sobre la muestra y permite estimar los parámetros de la población.
¿POR QUÉ MUESTREAR UNA POBLACIÓN?
¿Por qué no recogemos datos de toda la población objetivo? ¿Por qué limitarse a un pequeño segmento dentro de la población? Existen numerosas razones para ello:
· Imposibilidad operativa: en ocasiones es físicamente imposible chequear todos los ítems (individuos) en la población.
· Costo del estudio: es muy costoso estudiar todos los elementos que conforman la población.
· La naturaleza destructiva de ciertos muestreos: muchos tipos de muestreo en agricultura (hojas, frutos, etc.), implica la destrucción del individuo lo que acarrea un costo económico para la empresa.
· Los resultados del muestreo son normalmente adecuados: con un apropiado muestreo se obtienen resultados satisfactorios en la estimación de los parámetros de la población.
TÉCNICAS DE MUESTREO
Entre las distintas técnicas que existen para la extracción de muestras, se distinguen dos grandes grupos. Los muestreos probabilísticos y los no probabilísticos. Los muestreos probabilísticos son aquellos donde cada ítem o individuo que conforma la muestra tiene la misma probabilidad de ser seleccionado. El azar es el determinante en la selección de cada uno de estos elementos. Hay ciertos casos donde la probabilidad de selección no es la misma para cada elemento, pero el azar sigue siendo determinante en la selección.
Los muestreos no probabilísticos son aquellos en los que cada elemento incluido en la muestra es elegido en base a algún criterio determinado por el ente seleccionador, por lo que no hay azar en la selección.
TIPOS DE MUESTREO EN AGRICULTURA
Los muestreos más comunes a nivel de campo no son estrictamente aleatorios, sino más bien no probabilísticos; es decir, se muestrea a juicio del operador, siguiendo un patrón en X o “zig-zag”. Un mejoramiento sobre ello es la utilización de un muestreo sistemático en grilla, que ha demostrado ser mejor en la estimación de los parámetros de la población, pues se cubren todas las condiciones presentes en el cuartel o potrero.
En fruticultura, se recomienda establecer estaciones de muestreo (plantas o árboles) permanentes, en un diseño sistemático para hacer los muestreos agronómicos correspondientes: suelo, tejidos, fruta, etc.
DETERMINACIÓN DEL NÚMERO DE MUESTRAS
Este es uno de los aspectos claves del muestreo, pues determina el error con el que se está estimando el parámetro de la población, por ejemplo, los grados Brix de la fruta, o el número de flores o frutos, el contenido de P del suelo, etc. El número de muestras no depende del tamaño de la población sino directamente de la varianza (variabilidad) del atributo o propiedad que se desea medir e inversamente al error máximo permitido para estimar el parámetro (promedio). La fórmula para determinar el número de muestras es:
n = s2 t2 / d2
Donde: S2=varianza de la propiedad de interés, t= t de Student y d=error de estimación permitido.
Ahora, si despejamos d en la ecuación, obtenemos una segunda ecuación:
D = √s2 t2/n.
Queda claro que, para una misma varianza, el error de estimación del parámetro (promedio) es inversamente proporcional al número de muestras (submuestras). Esto indica que para estimar el promedio con una exactitud adecuada se requiere de un número de muestras (submuestras) apropiado.
UN EJEMPLO
A continuación, se presenta un ejemplo del impacto del número de muestras en la estimación de P-Olsen en un potrero del sur de Chile. El potrero tenía un promedio de 11 ppm de P-Olsen, con un rango de 2 a 20 ppm. La variabilidad del P-Olsen era alta, como se observa por su Coeficiente de Variación (CV) de 41%. En este caso, usando la ecuación 2, si se recolectaran cinco muestras (submuestras) se estaría estimando el promedio de P, que era de 11 ppm, con un 37% de error. Ahora, si se colectaran veinte muestras, el error de estimación del promedio de P sería 18%. Para la mayoría de los casos, se requieren más de veinte muestras (submuestras) para estimar el promedio con un error de 10%. Esto es clave, puesto que, si el error de estimación del promedio es muy alto, las decisiones (por ejemplo, fertilización) se estarían tomando con un alto grado de incertidumbre.
Un adecuado muestreo permite estimar apropiadamente los parámetros de una población de interés para tomar decisiones apropiadas y hacer de la agricultura una actividad eficiente y sustentable. Las claves del muestreo en agricultura son:
· Uso de diseños sistemáticos sobre “x” o “zig-Zag”
· Colectar un adecuado número de muestras (más de veinte para la mayoría de las propiedades).
Escrito por: Rodrigo Ortega, Roberto Muñoz, Cristian Valdés de la Universidad Técnica Federico Santa María
Get the latest news right in your inbox. We never spam!
Foto de portada: La Universidad Politécnica de Valencia, la Universidad de La Rioja, la compañía francesa Wall-Ye SARL, la británica Sundance Multiprocessor Technology Ltd y la portuguesa Symington Family Estates desarrollaron Vinescout, un robot que registra parámetros esenciales en los viñedos, como la disponibilidad de agua, la temperatura de las hojas de la vid y […]
Westfalia entró en el mercado indio en 2022, invirtiendo en producción local y viveros y asegurando rápidamente su posición como líder del mercado. El mercado indio se ha multiplicado por diez en los últimos años y el consumo ha aumentado de 200 toneladas a 4.000 toneladas.
A writer is someone for whom writing is more difficult than it is for other people.
Continue reading uninterrupted with a subscription
Vestibulum euismod, leo eget varius gravida, eros enim interdum urna, non rutrum enim ante quis metus. Duis porta ornare nulla ut bibendum
Robert Edition
6 minutes ago