Jos Luis Gonzlez-Andjar

Instituto de Agricultura Sostenible

Consejo Superior de Investigaciones Cientficas (Espaa)

Albert Jean Fischer
University of California-Davis
Departament of Plant Sciences

Jos Vicente Lazo Ariza
Universidad Central de Venezuela
Facultad de Agronoma

Bernal E. Valverde
Investigacin y Desarrollo en Agricultura Tropical, S. A. (Costa Rica)
Faculty of Life Sciences, The University of Copenhagen (Denmark)

Ada Ortiz
1
, Alexis Abreu
2
y Euval Solrzano
3

1
Universidad Central de Venezuela.

Facultad de Agronoma.
2
Instituto Nacional de Salud Agrcola Integral (INSAI)-Trujillo.
3
Instituto Nacional de Investigaciones Agrcolas (INIA)-Miranda.

Jess Caripe
Syngenta Crop Protection S.A.
Venezuela

Jos Alfredo Muoz
AGROISLEA Sucesora de Enrique Fraga Afonso C.A.
Departamento Tcnico

Cstor Zambrano
Universidad Central de Venezuela
Facultad de Agronoma

Pablo Manuel Rodrguez Gonzlez
Universidad Centroccidental Lisandro Alvarado
Decanato de Agronoma

Autores
Lluvia de
semillas
Adultos
Plntulas
Banco de
semillas
f
s
g
sb
Captulo 1
ESTIMACIN DE PARMETROS EN DEMOGRAFA DE MALEZAS

Jos Luis Gonzlez Andjar
Instituto de Agricultura Sostenible (CSIC, Espaa)

Introduccin

Necesitamos ser capaces de identificar y conocer los factores biolgicos y ecolgicos que
determinan la evolucin de las poblaciones de malezas. Dichos conocimientos son vitales
para desarrollar mtodos predictivos y de manejo ms efectivos de la flora arvense.

Las poblaciones de malezas estn formadas por individuos que varan en su estado funcional
(semilla, plntula, planta adulta,). Un conocimiento mas profundo de dichas poblaciones y
su evolucin implica la cuantificacin de los procesos demogrficos que ligan los distintos
estados funcionales. Por ello, la estructura de la poblacin, es decir, del nmero de individuos
presente en los diferentes estados en un momento determinado, es el punto de partida para el
estudio de cualquier proceso demogrfico.

Los estudios demogrficos en malezologa han demostrado tener una gran utilidad prctica y
en general se basan en la divisin del ciclo biolgico de la planta en diferentes estados
funcionales, por ejemplo, los estudios mas simples, dividen el ciclo de vida de las malezas en
cuatro fases: banco de semillas, plntulas, plantas adultas y lluvia de semillas, cada fase est
unida a otra a travs de los procesos demogrficos: germinacin (g), supervivencia (o
longevidad) del banco de semillas (sb), supervivencia de las plntulas (s) y fecundidad (f)
(Fig. 1).



















Figura. 1. Modelo demogrfico bsico de una maleza. Emergencia (g), supervivencia del
banco de semillas (sb), supervivencia de las plntulas (s) y fecundidad (f)
La estimacin de los parmetros que representan los procesos demogrficos nos permiten
poder desarrollar modelos poblacionales y predecir la dinmica poblacional de la maleza y su
evolucin bajo diferentes escenarios de manejo.

Estimacin de los parmetros demogrficos

Supervivencia del banco de semillas

La presencia de una determinada poblacin dentro de una zona se debe, habitualmente, a la
existencia de una reserva de semillas (o de propgulos de otro tipo) enterrada en ese suelo.
Estos bancos de semillas suelen ser el origen principal de las infestaciones de malas hierbas. La
mayora de los suelos agrcolas contienen una enorme reserva de semillas y propgulos
diversos, denominada banco de semillas. Algunos estudios en campos agrcolas han llegado a
cuantificar hasta 39000 semillas m
-2
. El banco de semillas sufre un proceso de prdidas debido
a diferentes factores de mortalidad. Entre los principales motivos de prdida de semillas y
propgulos (bulbos, rizomas, etc.) se pueden citar las tcnicas de laboreo, depredacin,
parsitos o los eventos de germinacin. Generalmente, todos esos factores de mortalidad son
cuantificados conjuntamente para estimar la tasa de supervivencia del banco de semillas (sb;
Fig. 1).

La cuantificacin de sb se puede realizar por diferentes mtodos. Aqu explicaremos uno de
los mtodos ms sencillos para establecer la supervivencia de semillas (sb) en el banco de
semillas. En primer lugar tenemos que considerar el perodo de tiempo (anual, mensual, etc.)
en el cual queremos evaluar la supervivencia. Una vez hayamos establecido dicho perodo de
tiempo, pasaremos a evaluar el banco de semillas de la especie considerada en el tiempo 1 y
en un tiempo posterior 2 (siempre antes de la reproduccin de la planta). Para ellos
tomaremos en ambos perodos de tiempo muestras del suelo. Una descripcin mas detallada
de la cuantificacin del banco de semillas se puede encontrar en otro captulo del presente
libro

Por lo general el banco de semillas est confinado a los 10 cm superiores, siendo esa la
profundidad a que deberemos extraer las muestras. En relacin con el nmero de muestras a
extraer, dicho nmero lo podemos establecer a partir de la Tabla 1, considerando una estima
del banco de semillas que vamos a encontrar y el nivel de precisin que deseamos alcanzar.

Si bien los bancos de semillas varan ampliamente en densidad, el valor medio para los
cultivos de campo en Andaluca (Espaa), es de cerca de 1000 semillas/m
2
en cultivos
cerealistas. La estimacin de esta densidad podra requerir 21 muestras para un nivel de
precisin recomendada de 0,3 de acuerdo con la Tabla 1. Claramente, las especies con
densidades muy bajas (<100 semillas/m
2
) podran requerir tantas muestras de suelo que una
determinacin precisa de sus bancos de semillas no es prctica.

En cuanto al dimetro que deber tener el barreno para extraer las semillas, nuestra
experiencia indica que las muestras de 5 cm. de dimetro son una solucin adecuada (Fig. 2).
Esta medida de la muestra es lo suficientemente grande como para detectar semillas y lo
suficientemente pequea para no recargar al investigador con un exceso de materiales.
Tabla 1. Nmero de muestras de suelo (dimetro 5 cm.) necesarias para determinar las
densidades de los bancos de semillas en cuatro niveles deseados de precisin suponiendo
varias densidades de semillas.
-------------Nivel de precisin ------------
Banco de semillas
(semillas/m
2
)
0,2 0,3 0,4 0,5
10 716 318 179 115
50 277 123 69 44
100 184 82 46 29
500 71 32 18 11
1000 47 21 12 8
5000 18 8 5 3
10000 12 5 3 2




Figura 2. Toma de muestras de banco de semilla

Una vez se han extrado las muestras en los perodos considerados y contadas las semillas de
la especie de inters, la tasa de supervivencia se obtendr de la siguiente forma:
sb= n semillas perodo 2/ n semillas perodo 1 (1)
siendo el valor obtenido 1.
Emergencia de plntulas

Las semillas de muchas malezas anuales de verano estn latentes cuando ellas se desprenden
de sus plantas progenitoras. Aun semillas ms viejas en el banco de semillas pueden estar en
estado de latencia al final del verano. A veces, durante el siguiente otoo, invierno y/o al
comienzo de la primavera, una proporcin de estas semillas se capacita para su germinacin.
En este momento ellas tienen un mximo potencial de emergencia. Los potenciales
mximos de emergencia de algunas especies, son por ejemplo: Abutilon theophrasti 54%,
Avena sterilis 37%, Polygonum pensylvanicum 49%, Amaranthus spp. 13% y Chenopodium
album 10% , si bien dichos porcentajes pueden variar bastante en funcin de la localidad y
factores ambientales.

La tasa de emergencia (g) se calcula de la siguiente manera. Se colocan 10 marcos fijos de
0,50 x 0,50 cm al azar en el campo de cultivo. Semanalmente desde la siembra hasta la
recoleccin se cuentan las emergencias que aparezcan de la especie estudiada. Despus de los
conteos, las plntulas se marcan, por ejemplo con un anillo de plstico semirrigido, para
evitar volver a contarlas.

Una vez tengamos el total de plntulas emergidas y basndonos en el banco de semillas
estimado anteriormente, podemos establecer de una forma sencilla la estima de la tasa de
emergencia,
g= n de plntulas /n de semillas perodo 1 (2)
siendo el valor obtenido 1.

Supervivencia de las plntulas

No todas las plntulas emergidas van a poder convertirse en plntulas adultas. Las plntulas
van a sufrir un proceso de mortalidad debido a diferentes factores, como por ejemplo,
herbvoros, competencia inter e intraespecifica, enfermedades, etc.

En el experimento para cuantificar las emergencias, las plntulas emergidas son marcadas
con algn distintivo (e. j. anillos de plstico semirrigido), de esa manera podemos seguir la
evolucin vital de la planta hasta convertirse en planta adulta. Al final del perodo se realiza
un muestreo final donde se cuantificar el n plntulas y el n total de las emergidas a travs
del n total de anillos de plstico (o cualquier otro mtodo de marcaje considerado). La tasa
de supervivencia se cuantificar como,
s= n de plantas supervivientes/ n total de plntulas emergidas (3)
siendo el valor obtenido 1.

Fecundidad
La capacidad de produccin de propgulos es muy variable (por ejemplo, Avena sterilis
produce 100 semillas/ planta, mientras que Salsola kali produce unas 200 mil/ planta), y
depende tanto de la especie en s, como de los factores ambientales que le afectan. En general,
las especies de semillas ms pequeas son ms prolficas que las de semillas mayores (Salsola
o Amaranthus > Avena o Galium aparine). La tabla 2 nos ilustra del poder de produccin de
semillas de las malezas

Tabla 2. Ejemplos de la capacidad reproductiva de algunas malezas

Planta Nmero de semillas/planta
Amapola (Papaver rhoeas) 50-60.000
Matricaria spp. 45.000
Zanahorias silvestres (Daucus carota) 1.200-11.000
Jaramago (Sinapis spp.) 1.200-4.000

La estimacin de la fecundidad la llevaremos a cabo recolectando las semillas de un mnimo
de 10 plantas adultas, y estimndola de la siguiente manera,
f= n semillas total/ n plantas adultas (4)
en este caso el n de plantas sera 10.

Desarrollando un modelo de dinmica de poblaciones

Un sencillo modelo multiestados funcionales es el modelo conceptual representado por la
Fig. 1 que puede ser transformado matemticamente en las siguientes ecuaciones utilizando
los parmetros demogrficos ya definidos
P = BS
t
* g (6)
donde P representa el nmero de plntulas producida por el Banco de semillas (BS). En
este punto podemos introducir las medidas de control introducidas por el ser humano (e. j.
herbicidas), modificando la ecuacin 6 de la siguiente manera,
P = BS
t
* g (1-c) (7)
siendo c el porcentaje de las semillas emergidas que van a sufrir el proceso de mortalidad. El
valor del parmetro c se puede obtener de ensayos de herbicidas.
Del total de plntulas emergidas nicamente una proporcin s se va a convertir en plantas
adultas (PA)
PA = P * s (8)

Las plantas adultas tienen una tasa de fecundidad f , cuyo producto va a dar lugar a la lluvia
de semillas (LLS, semillas/ m
2
),
LLS = PA * f (9)

Finalmente, el banco de semillas que inicia la siguiente campaa agrcola (BS
t+1
) vendr
dado por,
BS
t+1
=LLS+ BS
t
(1-g-sb) (10)
que representa la nuevas semillas que se incorporan (LLS) mas las semillas que han
sobrevivido en el suelo durante el perodo de tiempo considerado. Es decir las semillas en
suelo que iniciaron la campaa agrcola BS
t
se han visto mermadas por las semillas que han
emergido (g) y la mortalidad que han experimentado en el suelo (1-sb).

Sustituyendo los parmetros demogrficos por sus estimas, siguiendo la metodologa
expuesta, podemos simular el modelo por un perodo de, digamos, 5 aos y tendremos una
grfica como la representada en la Fig. 3. En dicha grfica se han considerado dos escenarios:
El primer escenario consiste en no aplicar ninguna medida de control, observando que la
poblacin del banco de semillas crece exponencialmente. En el segundo escenario se ha
considerado un control anual del 90% (c= 0,9 en ecuacin 7), con el cual la poblacin
decrece llegndose a la extincin de la misma a los 5 aos (Fig. 3).

















Figura 3. Simulacin de la evolucin en el tiempo del Banco de semillas de una maleza.
(sin medidas de control). (aplicacin de un control del 90%)

Los modelos de dinmica de poblaciones son herramientas muy tiles para evaluar diferentes
escenarios de control a medio y largo plazo y, de esa forma, ayudar a los productores en la
toma de decisiones.

Lecturas para profundizar

Cousens, R. and Mortimer, A. M. (1995). Dynamics of weed populations. Cambridge :
Cambridge: Cambridge University Press.
Fernandez-Quintanilla, C. (1988). Studying the population dynamics of weeds. Weed
Research 28, 443-441.
Gonzalez-Andujar, J. L. (2008) Weed Control Models. Population Dynamics. Vol. [5] of
Encyclopedia of Ecology, 5 vols. (Eds. Sven Erik Jrgensen and Brian D. Fath),
pp.3776-3780. Oxford: Elsevier.ISBN: 0-444-52033-3.
Gonzalez-Andujar, J. L. and Fernandez-Quintanilla, C. (2004). Modeling the population
dynamics of annual ryegrass (Lolium rigidum) under various weed management
systems. Crop Protection 23, 723-729.
Radosevich, S. R., Holt J. S. and Ghersa C. M. (2007). Ecology of Weeds and Invasive
Plants: Relationship to Agriculture and Natural Resource Management, 3rd Edition.
John Wiley & Sons, Inc.
Swanton, C. J., Booth, B. and Murphy, S. D. (2003) Weed ecology in Natural and
agricultural systems. Wallingford, Oxfordshire, U.K.: CABI Publishing.
Torra, J; Gonzalez-Andujar, J. L and Recasens, J (2008). Modelling the long term population
dynamics of poppy (Papaver rhoeas) under various weed management systems. Weed
Research. 48:136-146.

0
10
20
30
40
50
60
1 2 3 4 5
tiempo
B
a
n
c
o

d
e

s
e
m
i
l
l
a
s
(
s
e
m
i
l
l
a
s
/
m
2
)
Captulo 2
LA INTERFERENCIA MALEZAS-CULTIVOS: ALGUNAS TCNICAS PARA SU
INVESTIGACIN
Albert Fischer
Universidad de California-Davis (USA)
Introduccin
Programas de manejo econmico de malezas que contemplen reducciones en el empleo de
herbicidas deben ser capaces de predecir los impactos potenciales de las malezas sobre las
especies de inters. Estimaciones de las prdidas de productividad basadas en la evaluacin
temprana de los niveles de infestacin de malezas a fin de poder realizar evaluaciones de
costo y beneficio que sirvan de gua para las tome de decisiones en control de malezas.
Factores tales como la densidad de la maleza y el cultivo, las proporciones relativas de las
especies presentes, y el arreglo geomtrico de las plantas en el terreno son relevantes en
determinar el resultado de las interacciones de interferencia entre especies.
Una comprensin de los procesos involucrados en las interacciones de interferencia es
esencial para conceptualizar tcticas y estrategias exitosas en el manejo de las malezas.
Presentamos aqu algunas tcnicas experimentales bsicas que pueden aplicarse en el estudio
de la interferencia de las malezas con las especies de inters tomando ejemplo de diversas
situaciones. Estas tcnicas son la plataforma basal sobre la que un investigador puede
montar estudios ms elaborados; se basan muchas veces en conceptos desarrollados hace ya
mucho tiempo, pero representan hoy en da una seleccin de ciertas herramientas
fundamentales para un investigador moderno en la ciencia de las malezas.
Interferencia, competencia y recursos
Cuando las plantas crecen en proximidad, su crecimiento se altera con respecto al que
exhiben cuando crecen en ausencia de plantas vecinas. El crecimiento en comunidad es
reflejo de las interacciones que ocurren entre las plantas. As, el crecimiento de una planta
individual puede ser estimulado, deprimido o permanecer inalterado. El trmino
interferencia negativa se refiere a las alteraciones estimuladoras, inhibidoras o neutrales del
crecimiento que resultan de la proximidad de otras plantas (Donald 1963; Harper 1977;
Radosevich et al. 2007). Las formas de interferencia entre plantas son diversas. sta puede
resultar del consumo de recursos cuyo suministro por el ambiente es limitado, de la
liberacin de toxinas o estimulantes al sustrato de crecimiento, de efectos protectores o de
acciones de depredacin y parasitismo (Harper 1977; Radosevich et al. 2007). Competencia
(alelospola) y amensalismo son ejemplos de interferencia negativa. La competencia se
relaciona con los recursos de crecimiento que una planta consume: principalmente luz, agua,
nutrientes, oxgeno y dixido de carbono. El sumninistro de estos recursos por el ambiente
suele ser limitado y la presencia de vecinos agrava la situacin (Radosevich et al. 2007).
Competencia (alelospola es un trmino que tambin se usa en la literatura para referirse a
esta interaccin) es el efecto adverso expresado por aquellas plantas de una comunidad que
deben sostenerse con recursos limitados. Amensalismo puede ocurrir cuando slo se afecta el
crecimiento de una especie mientras que el de otra especie coexistente no es alterado. Un
caso particular de amensalismo es la alelopata que ocurre cuando ha existido una liberacin
de cierta sustancia txica por parte de la especie no afectada (Radosevich et al. 2007). La
alelopata puede inhibir a ambas especies si las dos producen sustancias txicas resultando en
mutuo antagonismo. Existen tambin casos de interferencia neutral y positiva que no
trataremos aqu, aunque algunos autores sostienen que el trmino interferencia solamente se
refiere a las interacciones negativas (Silvertown 1987).
Relacin productividad vs. densidad en monocultivo
Monocultivo se refiere a comunidades monoespecficas donde la densidad (nmero de
plantas por unidad de rea) puede ser variable. Cuando la densidad de individuos de cierta
especie se incrementa, tambin lo hace la competencia intraespecfica entre esos individuos a
medida que los recursos ambientales para el crecimiento se vuelven cada vez ms limitados.
Una respuesta plstica al aumento de densidad es la reduccin del crecimiento individual a
medida que la productividad total de biomasa por rea se incrementa (Harper 1977). A
medida que las plantas crecen con el tiempo, se alcanzar en algn momento la capacidad de
carga del ambiente. Esta capacidad de carga ser alcanzada en primer lugar por las
densidades ms elevadas. Para que el crecimiento individual o la densidad pueda
incrementarse an ms al aproximares la capacidad de carga de cierto ambiente, es necesario
que ocurra mortalidad de ciertas plantas y que se liberen los recursos necesarios para
sostener ese crecimiento individual adicional (Silvertown 1987). El resultado de esta
situacin se muestra en la Figura 1 donde la productividad total de biomasa por rea se
mantiene constante independientemente de la densidad una vez que se ha alcanzado la
capacidad de carga debido a la compensacin por la reduccin del crecimiento individual y la
mortalidad. Este balance da lugar a lo que se conoce como ley del rendimiento final
constante (Harper 1977; Radosevich et al. 2007) donde la relacin entre el peso promedio
de la biomasa individual por planta (w) y la densidad (d) est dada por la expresin siguiente:
w= kd
-1
[1]
tal que log w = log k log d [2]
ahora, si la productividad total por rea (Y) se expresa como:
Y = wd, [3]
Entonces Y = d(kd
-1
), para k = constante (Silvertown 1987). [4]
As, una poblacin no muy densa cesar su crecimiento de biomasa total con el tiempo una
vez que alcance la capacidad de carga de ese determinado ambiente. Cualquier incremento
adicional en el crecimiento medio individual de cada planta ocurrir a expensas de una
reduccin exactamente proporcional de la densidad como resultado de mortalidad y se
cumplir con la relacin de la ecuacin [2]. Una grfica de log (w) vs. log(d) para una
poblacin no muy densa mostrar una lnea de pendiente = -1 (Figura 2). En poblaciones
muy densas, las pequeas plantas tambin incrementarn su peso con el tiempo, pero
enfrentarn mortalidad antes de que la productividad total haya alcanzado la capacidad de
carga y antes de que el crecimiento total de biomasa de la poblacin haya cesado (Silvertown
1987). Empricamente se ha comprobado que poblaciones densas que hayan alcanzado el
tamao para el cual ocurre mortalidad muestran una relacin entre log(w) y log(d) cuya
pendiente generalmente se aproxima a -3/2 (Figura 2) (Westoby 1981). Entonces a elevadas
densidades:
W = kd
-3/2
[5]
tal que log w = log k 3/2 log d [6]
Cuando se alcanza la capacidad de carga, la produccin de biomasa total por rea (w d) no
se incrementa con el tiempo. Pero mientras las poblaciones densas estn an bajo auto-raleo
-3/2 (Radosevich et al. 2007; Silvertown 1987) antes de alcanzar la capacidad de carga, la
produccin de biomasa individual se incrementa con el tiempo a razn de 3 unidades por
cada dos unidades de reduccin de densidad y la biomasa total de la poblacin crece con el
tiempo (Silvertown 1987). Una vez que la densidad se haya reducido lo suficiente por este
proceso de auto-raleo, la poblacin se comportar segn la ecuacin [1] y la biomasa total se
equilibrar como en el plateau de la Figura 1.
Si en lugar de considerar a la productividad como biomasa total como en el caso de la Figura
1, la consideramos en trminos de rendimiento reproductivo (semilla o grano), su relacin
con la densidad generalmente muestra la respuesta parablica de la Figura 3 (Donald 1963;
Silvertown 1987). Esto puede deberse a factores dependientes de la densidad incremental,
tambin llamados factores densodependientes, como mortalidad antes de la floracin,
incremento en la esterilidad, o reduccin en el nmero de semillas producidas por planta
(Sivertown 1982). En el caso del maz, la esterilidad suele ocurrir con el incremento del
sombreo a elevadas densidades (Duncan 1969). Esas plantas estriles utilizarn recursos
ambientales para el crecimiento sin contribuir al rendimiento. Es por esa razn que cuando
se trata de maximizar el rendimiento reproductivo con un cultivo, se hace necesario hallar
una densidad ptima; mientras que cuando se trata de maximizar el rendimiento de un
forraje, las densidades pueden ubicarse dentro del rango de horizontalidad de la curva en la
Figura 1 (Donald 1963), lo cual hacen muchos agricultores para favorecer la competencia del
forraje con las malezas. Si bien es bien sabido que incrementos en la densidad de un cultivo
suelen aumentar su capacidad para competir con y suprimir malezas (Medd et al. 1985;
Ghafar & Watson 1983; Walker & Buchanan 1982), la densidad de un cultivo de grano libre
de malezas no puede incrementarse ms all de un ptimo si se mantiene un mismo arreglo
espacial de planto.
Captura de espacio y distancias entre plantas
Espacio es un concepto que integra al conjunto de recursos ambientales que una planta
requiere para vivir. Segn De Wit (1960) cada planta ocupa un espacio que es reflejo del
suministro limitado de recursos ambientales consumibles (luz, agua, nutrientes, oxgeno y
CO
2
). La presencia de vecinos requiriendo los mismos recursos resultar en competencia por
espacio (Radosevich et al. 2007). Asir este espacio mediante la apropiacin de recursos es
lo que se conoce como captura de espacio. La captura de espacio ocurre temprano en la vida
de las plantas y aquellas que emerjan tarde dentro de una comunidad crecern muy poco pues
las plantas de aparicin temprana ya se habrn apropiado de la mayora de los recursos
disponibles (Fischer & Miles 1973; Radosevich & holt 1984). En ciertos casos un reajuste de
las distancias de planto permite incrementar la captura de espacio de un cultivo y as
incrementar su capacidad de competir con malezas u otra especie asociada. Para una misma
densidad, el empleo de un arreglo equidistante (equilateral o hexagonal) de planto reduce la
competencia intraspecfica entre plantas del cultivo en comparacin con un arreglo
rectangular (cultivo en hileras con plantas ms prximas entre s dentro de la hilera). Las
plantas individuales pueden as desarrollarse mejor, lo cual a menudo incrementa su
capacidad para capturar espacio y su competitividad interespecfica para competir con
malezas u otra especie asociada (Fischer & Miles 1973; Spitters 1983; Altieri & Liebmann
1986; Walker & Buchanan 1982; Fischer & Burrill 1993). Segn Fischer & Miles (1973),
reducir la distancia entre hileras en un cultivo bajo una misma densidad (incrementando as la
distancia entre plantas dentro de la fila) suele tener un mayor efecto supresor de la maleza
que un incremento en la densidad. Una desventaja que puede tener el arreglo equilateral de
planto es que, al favorecer un mayor desarrollo temprano del dosel, se puede hacer un
consumo prematuro de agua almacenada en el suelo y en aos secos causar estrs hdrico a
cultivos pluviales (Taylor 1980). Bajo condiciones de humedad adecuada, Wiese et al.
(1964) obtuvieron mejores rendimientos de sorgo bajo arreglo equidistante que en hileras
amplias.
Algunas tcnicas experimentales para estudiar interferencia entre especies
La competencia entre plantas involucra relaciones complejas, donde diferentes especies
interactan por recursos ambientales. La capacidad de apropiarse de esos recursos suele
diferir entre las especies (Roush & Radosevich 1985; Vengris et al. 1955) y est
condicionada por el ambiente. Segn Caldwell et al. (1985), la competencia entre plantas se
estudia mediante experimentos que manipulan el escenario de la competencia de diferentes
formas como por ejemplo, eliminando o adicionando individuos vecinos o variando los
niveles de disponibilidad de recursos para el crecimiento. Limitando experimentalmente el
suministro de ciertos recursos a una comunidad de plantas, puede generarse informacin
sobre las relaciones y jerarquas competitivas entre las especies involucradas frente a
recursos especficos. La complejidad de esas interacciones y de las asociaciones entre
plantas ha llevado al desarrollo de ciertas tcnicas experimentales para estudiar interferencia
que al agrnomo se le hacen muchas veces extraas. Algunas de estas tcnicas discutiremos
a continuacin dado que permiten examinar la naturaleza de los recurso por los cuales se
establece la competencia, los niveles intra- e interespecficos de la interferencia, la respuestas
densodependientes de las plantas, los efectos de proporciones variables entre las especies que
componen una comunidad, y el efecto de la distribucin geomtrica de las especies en el
terreno sobre las consecuencias finales de la interferencia. Siempre nos manejaremos en el
marco conceptual de la interferencia, pero siempre que hacemos referencia a la manipulacin
y captura de recursos, nos estaremos refiriendo implcitamente a interacciones de
competencia.
Parcelas apareadas
Una forma inicial de estudiar el impacto de las malezas sobre los cultivos de una regin
puede ser el de instalar parcelas apareadas en campos de productor. Una parcela permanece
desmalezada y otra representa las prcticas usuales de desmalezado del agricultor. Esta es
una excelente forma de evaluar la eficiencia del control de malezas que practica el agricultor.
Una tercera parcela, enmalezada, puede incluirse en campos con enmalezamiento
heterogneo para percibir cmo varan los rendimientos con diferentes niveles de infestacin.
Los predios a evaluar debern agruparse por tipo de cultivo y manejo. Se registrar el
rendimiento del cultivo y el nivel de infestacin por especie de malezas en cada parcela. El
nivel de enmalezamiento puede evaluarse midiendo su biomasa en un rea de muestreo,
haciendo conteos, o mediante una evaluacin visual de cobertura y vigor sobre el rea total
de las parcelas. Las dos (tres) parcelas deben instalarse como un grupo, una junto a la otra, y
se pueden ubicar varios grupos de parcelas dentro de un mismo predio.
Experimentos aditivos
En los experimentos aditivos una especie (frecuentemente un cultivo) se planta a densidad
constante y la especie competidora se asocia a esta bajo diferentes densidades (Silvertown
1987). Esto permite comparar la agresividad de diferentes competidores contra una especie
de inters. En general la relacin densidad-productividad (o rendimiento de un cultivo) sigue
la ley de las ganancias decrecientes, pudiendo incluso llegar a la prdida de produccin total
(Radosevich & holt 1984). Esencialmente estos diseos se han usado para averiguar cunto
rendimiento comercial se pierde por la presencia de malezas. Los diseos aditivos se han
empleado tambin para establecer umbrales de densidad de infestacin de malezas; niveles
de infestacin menores a las densidades umbral no resultaran en dao fsico o econmico
(Schweitzer & Bridge 1982). Los datos usualmente se someten al anlisis de varianza y de
regresin con modelos lineares y, ms frecuentemente, no lineares.
Sistemas expertos computarizados basados en anlisis econmico a corto y largo plazo han
sido desarrollados para diversos cultivosa fin de asistir en decisiones sobre control de
malezas (Coble & Mortensen 1992; Lybecker et al. 1991; Wilkerson et al. 1991; Kwon et al.
1995). Tales programas deben basarse en ecuaciones precisas capaces de predecir prdidas
de rendimiento causadas por la competencia de malezas. Esos modelos simples y empricos
pueden tener mejor adopcin por los usuarios que los ms complejos modelos ecofisiolgicos
(Kropff 1993) que resultan extremadamente laboriosos de parametrizar (Kropff 1993; Kropff
& Spitters 1991) y suelen ms adecuados para la investigacin que para el uso prctico. En
su lugar, se han utilizado ampliamente diversas funciones hiperblicas rectangulares, las que
son ms fciles de estimar, a fin de predecir los efectos de la densidad de infestaciones de
malezas sobre el rendimiento de cultivos (Cousens 1985a, 1985b; Kropff & Lotz 1993; Coble
& Mortensen 1992). La Figura 4 muestra una relacin densidad-prdida de rendimiento
hiperblica descripta por una hiprbola rectangular usando la frmula de Cousens (1985a):
RP = iD/[1 + (iD/a)] [7]
Donde: RP es porcentaje del rendimiento perdido, D es densidad de maleza, i es el porcentaje
del rendimiento perdido con cada planta de maleza adicional cuando D es cercana a cero, y a
es una asntota que corresponde a la prdida mxima de rendimiento cuando D tiende al
infinito.
El perodo comprendido entre la emergencia del cultivo y la maleza afectan la jerarqua
competitiva entre ambos, y puede ser un factor ms critico an que la densidad de la maleza
en determinar la necesidad de la aplicacin de medidas de control de malezas (Knezevic et
al.1993; Kropff 1988). El uso de modelos de simulacin tambin ha demostrado que
diferencias en las fechas relativas de emergencia entre malezas y cultivo suelen ser
responsables por gran parte de la variacin estacional que ocurre en los niveles de prdida de
rendimiento por competencia de malezas (Kropff & Lotz 1993). A fin de contabilizar este
efecto fueron introducidas ciertas modificaciones al modelo hiperblico bsico de Cousens
(1985a):
RP = bD/[e
ct
+ (bD/a)] [8]
Donde: t es el tiempo relativo de emergencia entre la maleza y el cultivo, b es el valor de i
(Ec. [7] cuando t tiende a cero, y c es la tasa a la cual i decrece cuando t se incrementa hacia
el infinito (Cousens et al. 1987). Otro modelo propuesto tambin por Cousens (1985b)
intenta contabilizar el efecto de las densidades de amos, la maleza y el cultivo:
RP = gfD/(1 + dC + fD) [9]
Donde C es la densidad del cultivo, y d, f, y g son parmetros empricos no lineares. Las
relaciones para predecir prdidas de rendimiento causadas por la competencia de malezas han
a menudo considerado a una sola especie que emerge de una sola vez en una poblacin
uniforme de plantas cultivadas(Smith 1988; Dieleman et al. 1995; Van Devender et al. 1997).
En las condiciones reales de campo, las infestaciones de malezas usualmente consisten de
diversas especies presentes en diferentes densidades y emergiendo en momentos diferentes.
Por lo tanto, una funcin para predecir prdidas de rendimiento por malezas debe estar
basadas en variables independientes que sean capaces de expresar la competitividad de una
infestacin multiespecfica de malezas dentro de poblaciones de un cultivo que pueden no ser
demasiado uniformes come resulta de las siembras al voleo donde las semillas son enterradas
con pases de rastras.
Relaciones densidad-prdida de rendimiento basadas en conteos del nmero de plantas por
rea tienen el inconveniente de asignar el mismo valor a las plantas grandes que a las plantas
pequeas o a plantas de formas muy diferentes, sin tener en cuenta las diferencias en
competitividad que eso puede implicar. Coble y Mortensen (1992) intentaron compensar esta
limitacin ponderando las densidades de las especies individuales en una infestacin mixta
de malezas por un factor que expresaba su competitividad relativa. Este factor (el i de la
frmula de Cousens [7], por ejemplo) se obtena de experimentos aditivos con especies de
maleza individuales. Un enfoque similar fue utilizado por Fischer & Ramrez (1993) con
arroz de riego. Simulaciones conducidas con un modelo ecofisiolgico demuestran que
cuando los niveles de infestacin se cuantifican como rea foliar relativa de las malezas
(erea foliar de la maleza/rea foliar cultivo+maleza) determinada al momento de la clausura
total del dosel cultivo + maleza (cuando el ndice de rea foliar total es aproximadamente =
1) se relacionan mucho mejor con las prdidas de rendimiento correspondientes que cuando
las infestaciones se expresan en base a simples conteos de densidad (Kropff & Spitters 1991).
Por lo que el rea foliar relativa puede ser un mejor descriptor de la presin competitiva de
una infestacin que la densidad. El rea foliar relativa representa la captura relativa que
hacen el cultivo y la maleza del recurso luz, que en la mayora de los casos es un factor
primordial determinante del resultado de la competencia. Kropff y Lotz (1993) propusieron
otro modelo hiperblico basado en rea foliar relativa:
RP = qL/[1 + [(q/a)- 1]L [10]
Donde la variable independiente L es el rea foliar relativa de la maleza como fraccin del
rea foliar total (cultivo+maleza), q es la pendiente de la hiprbola o el coeficiente relativo de
dao que puede usarse como ndice de competitividad relativa de esas especie de maleza con
el cultivo (Kropff & Spitters 1991), a es la asntota para la prdida mxima de rendimiento.
Florez et al. (1999) hicieron un estudio en arroz donde poblaciones heterogneas de
malezas emergieron a los 15 y 30 das posteriores a la emergencia del cultivo. Usando los
modelos [7], [9] y [10] concluyeron que con el modelo [10] y el rea foliar relativa se
obtenan mejores ajustes que con los otros modelos y la variable independiente (D) expresada
como densidad, biomasa, o rea foliar. La prediccin con el modelo [10] era incluso mejor si
la variable dependiente usada era una estimacin visual de cobertura foliar relativa. Una
variante del modelo [10] es un modelo similar donde se asume que a densidades de maleza
realmente alta la prdida de rendimiento del cultivo es total:
RP = qL/[1 +(q-1)L [11]
Florez et al. (1999) describieron adecuadamente niveles de infestacin de mezclas de malezas
de varias especies (mezcla multiespecfica) usando el rea foliar relativa o la cobertura foliar
relativa. Pero un tratamiento ms adecuado y que dio una mayor precisin en la prediccin
de prdidas de rendimiento se obtuvo al considerar el efecto de cada especie por separado y
luego agregar todas las respuestas de forma aditiva en un solo modelo como haba sido
sugerido por Fischer & Ramrez (1993); Kropff & Lotz 1993; Parker & Murdoch 1996):
RP = { i
n
L
n
/[1 + (i
n
L
n
/a
n
)]} [12]
Donde el subndice n corresponde al efecto de la ensima especie de maleza y L es rea foliar
relativa o cualquier otra variable que exprese el nivel de infestacin (densidad, biomasa por
rea, etc.). Kropff & Lotz (1992) proponen el siguiente y similar modelo cuando se usa rea
foliar relativa como variable para mantener coherencia con la derivacin de su modelo
anterior [10]:
RP = q
n
L
n
/[1 + (q
n
-1)L
n
] [13]
En la prctica nosotros no encontramos ninguna diferencia al usar cualquiera de los dos
modelos [12] o [13] as como cuando se usaron los modelos [7] y [10] con rea foliar relativa
(Florez et al. 1999). Los modelos hiperblicos de prdida de rendimiento empleando
variables que sean buenos descriptores de la competitividad de una mezcla multiespecfica de
malezas permiten el anlisis econmico de opciones de manejo y control de malezas al
permitir confrontar costos con el valor de las prdidas potenciales.
El empleo de estos modelos para definir umbrales econmicos de infestacin siempre se ha
criticado pues los efectos a largo plazo de no controlar malezas cuando las infestaciones son
inferiores a los niveles de umbral puede conducir al incremento del reservorio de malezas en
el suelo y a mayores niveles de infestacin futuros (Bauer & Mortensen 1992) o a la
propagacin de biotipos de malezas resistentes a herbicidas. Tambin Norris (1982) seala
que densidades de malezas mucho menores de las que usualmente aarecen en los cultivos ya
son capaces de causar cuantiosas prdidas de productividad. Sin embargo, la utilidad de la
prediccin de prdidas de rendimiento como componente de sistemas expertos de decisin va
ms all de la simple decisin de si se aplica herbicida (u otra forma de control) o no. En
realidad, este enfoque de prediccin emprica de prdidas debe usarse para la seleccin de
alternativas econmicas de control mediante la confrontacin de costos y potenciales
beneficios como se mencion anteriormente. Debido a la variabilidad que existe entre un
sitio y otro, la prediccin de prdidas de rendimiento basada en modelos matemticos
empricos no puede extrapolarse con liberalidad de una localidad a otra. De forma que estas
ecuaciones presentadas y discutidas aqu sugieren que su rango de aplicacin puede
expandirse cuando se detectan y se incorporan al algoritmo de prediccin de prdidas fuentes
clave de variacin entre localidades o estaciones de crecimiento. No obstante estas
posibilidades, la extrapolabilidad de los modelos empricos es limitada (Wagner et al. 2009;
Spitters & van den Bergh 1982; Moechnig et al. 2003) y conviene restringirla a condiciones
similares bien caracterizadas. Es necesario anotar tambin que las malezas no infestan un
campo de forma uniforme, sino que las comunidades pueden variar de un lado a otro de un
campo y presentarse en forma de parches heterogneos. Esto causa dispersin de las
observaciones alrededor de la curva predicha con la ecuacin que ilustra la relativa baja
precisin de esta tcnica para decidir si uno controla malezas o no en un sitio especfico
(Figura 5). Este ruido puede limitarse si las evaluaciones se estratifican en sectores de un
campo que sean ms o menos uniformes dentro de s.
Para que las predicciones de prdidas puedan usarse con fines de toma de decisin es
necesario que los niveles de infestacin en un cultivo se cuantifique lo ms temprano posible.
Por ejemplo, en el caso del trabajo presentado en la Figura 5 las evaluaciones se hicieron dos
semanas despus de que las malezas comenzaron a emerger. Pero cuando se usa el rea foliar
relativa como variable debemos recordar que los modelos de Kropff estn basados en
determinaciones hechas al momento del cerrado del dosel, es decir cuando se sabe cul
ser la particin efectiva del recurso luz entre el cultivo y la maleza. Para poder hacer
predicciones tempranas basadas en esta variable se hace necesario modelar o tener alguna
relacin emprica que permita simular el crecimiento del rea foliar de cada especie de forma
que, basndose en una determinacin temprana de rea foliar, se pueda predecir cul ser el
rea foliar de cada especie al momento de la intercepcin completa del dosel (ndice de rrea
foliar ~ 1) (Kropff 1993). Es posible hacer esto en una hoja electrnica tipo Excel, asignando
un porcentaje constante de incremento de rea foliar diario (o segn tiempo trmico =
grados-da) basados en estudios previos de crecimiento temprano (el cual en esas etapas
iniciales se aproxima bastante a la linearidad). Esto explica porqu los modelos que usan
simples medidas de densidad han sido ms ms populares por ser ms fciles de
parametrizar.
El diseo aditivo permite establecer el perjuicio econmico de un control de malezas
incompleto (Spitters & van den Bergh 1982). Simula la situacin donde un cultivo es
plantado en una densidad normal o deseada y sufre la infestacin de un rango al azar de
densidades de malezas (Silvertown 1987). Sin embargo, el arreglo topolgico o geomtrico
de las plantas en el terreno as como las proporciones entre especies no son controladas por
este diseo. Otra desventaja es que este tipo de diseo es inapropiado para determinar los
niveles de interferencia intra- e interespecfica y tampoco permite establecer cul de las
especies que compiten (mezcla de dos especies) es ms competitiva que la otra (Radosevich
et al. 2007; Silvertown 1987).
Es difcil ubicar en el campo parcelas experimentales con densidades perfectamente
controladas y repetidas dentro de un diseo experimental convencional para medir su efecto
sobre el rendimiento de un cultivo. Por esto se suelen definir en el campo areas con manejo
y condiciones de crecimiento uniformes en donde se ubica un nmero abundante de parcelas
de tamao tal que permitan tener dentro de ellas una infestacin de densidad uniforme (lo
cual es fcil cuando se trabaja con relativamente pocas especies pero bastante ms
complicado si se quieren estudiar muchas especies). Las parcelas se marcan en el campo en
lugares de infestacin diferente de modo de tener al final un amplio rango de infestaciones,
incluyendo reas sin malezas (o desmalezadas experimentalmente). Se hace una
determinacin temprana de las infestaciones uy luego a la madurez del cultivo se cosecha el
grano en cada parcela. Naturalmente si se dispone de la mano de obra necesaria, pueden
establecerse experimentos con densidades controladas de malezas mediante raleo de
poblaciones naturales dentro de parcelas experimentales en diseos completamente
aleatorizados o de bloques al azar, los que tambin pueden someterse al anlisis por
regresin. Tambin es frecuente sembrar parcelas con densidades especficas y controladas
de una o varias especies si se dispone de semilla de maleza de germinacin confiable y/o si
uno tambin est en condiciones de efectuar luego raleos de uniformizacin (Moechnig et al.
2003). Es frecuente ver experimentos parcelarios convencionales con arreglos factoriales de
diversos niveles de fertilidad combinados con densidades de siembra u otra variable de
manejo y dentro de cada parcela se definen luego sub parcelas donde se ubican densidades de
infestacin homogneas y se mide el rendimiento a cosecha del cultivo como se mencion
anteriormente.
Series de reemplazo o diseos sustitutivos
El diseo de series de reemplazo fue introducido para superar algunas de las limitaciones del
diseo aditivo. Las series de reemplazo toman cuenta de los efectos de diferentes
proporciones en una mezcla de especies y este diseo puede resultar muy informativo sobre
el proceso de interaccin entre dos especies. Consiste en hacer variar la proporcin de dos
especies, A y B, en una mezcla desde 0 a 100% mientras que la densidad total (A + B) se
mantiene constante (Harper 1977) (Figura 6). La densidad total debe establecerse lo
suficientemente elevada para asegurar que existe competencia entre las plantas. Segn
Radosevich et al. (2007) la densidad total debera corresponder al plarteau de la curva de
rendimientos independientes del nivel de densidad de la figura 1. Sin embargo, Spitters
(1980) propone que para trabajar con cultivos asociados (intercropping) la densidad total
de ambas especies debera ser equivalente a aquella que usan los agricultores con esos
cultivos; quizs porque estas densidades pueden representar, o estar cercanas, a la capacidad
de carga del ambiente. Segn Harper (1977) y De Wit (1960), cuatro diferentes modelos o
diagramas de reemplazo ilustran los posibles resultados de la interferencia que puede
establecerse en un experimento de series de reemplazo (Figura 7) . Estos modelos permiten
identificar diversas interacciones tales como la competencia por los mismos recursos,
diferenciacin de nicho, antagonismo y otras. Experimentos con series de reemplazo se han
empleado para estudiar el efecto de diversas condiciones de crecimiento sobre el resultado de
la competencia entre dos especies (Patterson & Highsmith 1989; Wall 1993; Fischer et al.
2000). Conjuntamente con los diagramas de reemplazo los rendimientos relativos (RY) y el
Rendimiento relativo total (RYT) representan ndices tiles para examinar los datos que
provienen de tal tipo de experimentos, y pueden ayudarnos a identificar los recursos por los
cuales las especies pueden estar compitiendo (Hall 1974). La productividad para una
determinada mezcla de especies (cada una a cierta proporcin) puede expresarse como
crecimiento relativo (RR
A
= biomasa por rea de la especie A en la mezcla expresada como
porcentaje de la biomasa por rea de esa misma especie A en monocultivo). Para una
determinada mezcla , los rendimientos relativos totales (RRT) se calculan como:
RRT = RY
A
+ RR
B
(Harper 1977) [14]
Los diagramas de reemplazo de la Figura 7 resultan de graficar las proporciones de los
componentes de las mezclas (A o B) vs. el RR de cada especie. El RYT aparece como la
lnea trasversal superior de cada diagrama. Cuando RYT = 100 significa que las especies
estn compitiendo por los mismos recursos cuyo suministro es limitado (Fig. 7, Modelos IIa
y IIb); RRT > 100 significa que ms biomasa es producida cuando las especies crecen en
mezclas de diversas proporciones que cuando crecen en monocultivo (proporcin = 100%),
sugiriendo que las especies estn recurriendo a recursos diferentes, evitan total o
parcialmente la competencia, o que mantienen una relacin simbitica (Harper 1977)(Figura
7, Modelo IV). Evasin de la competencia puede ocurrir cuando las especies demandan
recursos diferentes del ambiente o cuando la adquisicin de recursos est separadaen el
espacio o en el tiempo; esto se conoce bajo el trmino de diferenciacin de nicho (Spitters
1983). Los Modelos IIa y IIb de la Figura 7 representan dos posibles alternativas de una
interaccin competitiva donde el crecimiento de una especie se deprime en la misma medida
en que el crecimiento del competidor superior se incrementa por encima de la lnea diagonal
(punteada) de referencia. Si los recursos son limitados y las especies compiten por ellos,
forzosamente lo que gana un componente de la mezcla lo pierde el otro. Las lneas
diagonales de referencia indican que la competitividad de ambas especies es equivalente, es
decir, nada cambia al sustituir una planta de una especie por una planta de la otra (Modelo I).
Cuando resulta un diagrama como el del Modelo I, las especies pueden ser de
competitividad equivalente, o bien puede ocurrir que la densidad total es demasiado baja y
las especies no alcanzar a entablar competencia por ningn recurso (Harper 1977). En el
caso del Modelo III el crecimiento de ambas especies se deprime cuando crecen en mezcla;
nadie gana: ambas pierden. Esto es un efecto antagnico mutuo, tal como podra ocurrir si
cada especie liberara una sustancia aleloptica que resulta nociva al crecimiento de la otra.
Otro ndice de competencia til es el Coeficiente Relativo de Aglomeracin (CRA), el cual
puede derivarse de los datos de un experimento de series de reemplazo a fin de cuantificar la
agresividad relativa de una especie sobre la otra (Harper 1977). As el CRA de la especie A
vs. la especie B est dado por:
CRA
Avs. B
=
productividadmediapor plantadelaespecieAen
mezcla
productividadmediapor plantadelaespecieB
enmezcla
productividadmediapor plantadelaespecieA
enmonocultivo
productividadmediapor plantadelaespecieB
enmonocultivo
[15]
Cuando organismos en una mezcla de dos especies compiten por recursos limitados, aquella
especie que tenga el mayor valor de CRA ser el competidor superior. La Figura 8 representa
un ejemplo de cmo puede usarse este diseo para investigar la mecnica de la interaccin
entre dos especies que crecen asociadas.
Fischer et al. (2000) condujeron experimentos en cmaras de crecimiento para estudiar cmo
las temperaturas ambientales en el estado de Dakota del Norte afectaran la interaccin
competitiva entre el cultivo de trigo (una especie tipo C3) y una maleza muy importante de
este cultivo, Kochia scoparia (L.) Schrad. (una especie tipo C4). Se condujeron dos series de
reemplazo simultneamente en cmaras separadas y los experimentos se repitieron
cambiando de cmara para minimizar efectos que no fueran exclusivamente las diferencias
de temperatura (indicadas en la Figura 8). Las proporciones de reemplazo en las mezclas
fueron 100/0, 75/25, 50/50, 25/75, y 0/100 para el trigo y la kochia, respectivamente. El peso
individual de plantas para las tres mezclas interespecficas se someti al anlisis de varianza
(ANOVA); el tratamiento mezcla fue considerado como factor principal y la especie como
tratamiento de subparcela. Se calcularon los rendimientos relativos y los valores de RRT
correspondientes, as como valores de CRA para trigo y kochia; datos de CRA fueron
tambin sometidos al ANOVA. El efecto mezcla y la interaccin mezcla especie resultaron
significativos (P < 0.01) lo cual indica la presencia de efectos de competencia. En el rgimen
ms fro, el trigo produjo ms biomasa que la kochia (datos no mostrados), y ambas especies
compitieron por recursos limitados (RRT = 100) y el trigo result ms competitivo que la
kochia (CRA
trigo
= 4.1 vs. CRA
kochia
= 0.3). Esto ltimo se ve claramente en el diagrama
izquierdo de la Figura 8 donde la curva de rendimiento de kochia est deprimida y la del
trigo es convexa con respecto a las diagonales imaginarias. Temperaturas ms clidas
resultaron ms favorables a la kochia (su curva de RR ya no est por debajo de la diagonal
imaginaria, si bien ambos cultivos no difirieron en sus CRA (1.1 para la kochia y el trigo).
Bajo las temperaturas clidas se obtuvieron RRT > 100 para todas las mezclas, lo cual
sugiere que estas especies evitaban parcialmente la competencia, en particular en las mezclas
de 25/75 y 50/50 kochia/trigo. Bajo temperaturas frescas los mayores costos energticos del
sistema fotosinttico C4 (Hatch 1970) determinaron menores tasas fotosintticas (datos no
mostrados) reduciendo la produccin de biomasa y la competitividad de la kochia. Los
valores de RRT > 100 sugieren que, bajo esas condiciones, la interferencia en las mezclas fue
menor que cuando cada especie creci en monocultivo debido a la presencia de rutas
alternativas de adquisicin de recursos resultante de diferencias en las estructuras de la
plantas de kochia y el cereal o de diferencias en la forma de explotar los recursos de
crecimiento (Trenbath 1976). La existencia de efectos simbiticos tambin es posible cuando
aparecen valores RRT >100, pero en este caso eso fue descartado dado los fuertes efectos
competitivos (RRT = 100) observados a las bajas temperaturas. Este estudio de series de
reemplazo permiti concluir que la intercepcin de luz (las plantas estaban abundantemente
fertilizadas y regadas)por un cultivo frondoso y tolerante al fro que se siembra temprano en
la primavera, bajo condiciones fras, puede suprimir el establecimiento o la competencia
temprana de la kochia.
Biomasa total
por unidad de
rea
Nmero de plantas sembradas por
unidad de rea
Figura 1. Relacin entre densidad y produccin de biomasa de una especie (adaptado de Radosevich et al.
2007).
A la capacidad de carga
(produccin final constante)
Antes de alcanzar la
capacidad de carga
Figura 2. Efecto de la densidad (d) sobre el peso de una planta individual (w); sindo k = constante (adaptado de
Silvertown 1987).
Densidad (no. plantas m
-2
)
Rendimiento
perdido
(RP, %)
RP = i x D
a
i x D
i x D
a
1 +
RP =
Figura 4. Relacin hiperblica entre la prdida de rendimiento por competencia y la densidad de
malezas ; donde: RP es porcentaje del rendimiento perdido, D es densidad de maleza, i es el porcentaje
del rendimiento perdido con cada planta de maleza adicional cuando D es cercana a cero, y a es una
asntota que corresponde a la prdida mxima de rendimiento cuando D tiende al infinito.
P

r
d
i
d
a
d
e
r
e
n
d
i
m
i
e
n
t
o
d
e
a
r
r
o
z
(
%
)
Peso de biomasa area de malezas (g m
-2
)
Figura 5. Rendimiento de arroz afectado por la competencia de malezas que emergieron a los 15 (crculos negros) y
30 (crculos blancos) das posteriores a la emergencia del arroz predichos por un modelo hiperblico (Cousens
1985a).
Figura 6. Proporcin variable de dos especies en una serie de reemplazo (adaptado de Roush &
Radosevich 1985)
Modelo I Modelo IIa Modelo IIb
Modelo III Modelo IV
P
r
o
d
u
c
t
i
v
i
d
a
d
d
e
l
a
e
s
p
e
c
i
e
A
P
r
o
d
u
c
t
i
v
i
d
a
d
Figura 7. Posibles modelos resultantes de experimentos de serie de reemplazo. En el eje vertical se grafica
alguna medida de productividad (biomasa, rendimiento de grano, etc.); si esta productividad fuera expresada
como rendimiento relativo (RY), el mximo en cada eje sera de 100% para ambas especies. El eje horizontal
represent a las proporciones (de 0 a 100%) de ambas especies en mezcla. (adaptado de Radosevich et al. 2007).
P
r
o
d
u
c
t
i
v
i
d
a
d
d
e
l
a
e
s
p
e
c
i
e
B
P
r
o
d
u
c
t
i
v
i
d
a
d
d
e
l
a
e
s
p
e
c
i
e
A
P
r
o
d
u
c
t
i
v
i
d
a
d
d
e
l
a
e
s
p
e
c
i
e
B
Proporcin de Kochia scoparia (%)
R
e
n
d
i
m
i
e
n
t
o
r
e
l
a
t
i
v
o
(
%
)
Figura 8. Rendimientos relativos y rendimientos relativos totales (RYT) (tringulos blancos) de trigo (crculos
negros) y Kochia scoparia (tringulos blancos) creciendo bajo dos regmenes da/noche de temperaturas en
experimentos de series de reemplazo (adaptado de fischer et al. 1999).
Trigo
Kochia
Trigo
Kochia
Experimentos sistemticos
En este tipo de experimentos la densidad de plantas es incrementada sistemticamente
dentro de un arreglo espacial o geomtrico constante. Los diseos originales fueron
propuestos por Nelder (1962) y por Bleasdale (1967), y bsicamente consistan en ubical
plantas a lo largo de rayos que emanaban desde el centro de una rueda(o abanico, cuando
slo se consideran secciones o tajadas de esa rueda). La geometra del rea alrededor de
cada planta (definida por la posicin de sus vecinos) puede ser determinada segn los
objetivos experimentales (Nelder 1962; Bleasdale 1967; Assemat 1986). Estos diseos se
han usado mayormente para determinar el efecto de la densidad sobre la competencia
intraespecfica y para determinar las densidades ms apropiadas para un cultivo. Sin
embargo, uno puede sobre imponer este diseo a una cobertura o stand uniforme de otra
especie (maleza) y averiguar as la densidad y el arreglo de planto de un cultivo que mejor
suprime a la maleza. Estos experimentos pueden ubicarse en distintos lugares y los datos son
tpicamente analizados por regresin (Mead & Stern 1980). Las curvas provenientes de los
diferentes experimentos (localidades) pueden compararse con pruebas normalmente usadas
en la comparacin de regresiones lineales o no-lineales (Chow 1960; Seefeldt et al. 1995).
No obstante hay quienes adems usan ANOVA para comparar tratamientos (localidades,
espaciamientos, especies) . En ese caso, se ha considerado al experimento como equivalente
a un diseo en bloques al azar con bloques divididos, dado que segn Nelder (1962) el
muestreo de los rayos de las posiciones dentro de ellos puede ser tratado como un
procedimiento realizado al azar (Sanderson & Elwinger 2002). Con experimentos en
diferentes localidades los bloques (considerados como efecto al azar) iran anidados dentro
de localidades. En el diseo tipo rueda de Nelder (1962), las densidades efectivas (A) en
cada arco (n) pueden calcularse segn Asiwe et al. (2005) como:
An = (Xn+1 Xn-1)/2b [15]
Donde b es el nmero de plantas por arco y X la distancia del arco al centro de origen.
Una variante del diseo de Nelder (1962) fue propuesta por Freyman & Dolman (1976), la
cual permite el uso de hileras de plantacin paralelas espaciadas a una distancia fija, tal como
ocurre en cultivos en hileras de maz, frijol, y muchos otros que por razones agronmicas
deban plantarse de esa forma. En todas las diversas variantes de los experimentos
sistemticos, la superficie de terreno que le corresponde a cada planta individual cambia
sistemticamente a lo largo de cada radio o hilera dentro del rango de densidades de
plantacin ensayadas. La forma del arreglo espacial se mantiene siempre el mismo para
todas las plantas. A menudo la variacin sistemtica del espacio por planta es slo uno de los
diversos factores que se pueden combinar en estos experimentos (arreglo geomtrico,
genotipos, fertilizacin o nivel de recursos, y otros). Estos experimentos pueden sobre
imponerse a otros experimentos con parcelas demasiado pequeas para permitir su
subdivisin en un gran nmero de densidades.
Fischer & Burrill (1993) utilizaron diseos sistemticos con maz para comparar la respuesta
a la densidad para un espaciamiento equidistante (Nelder 1962) y otro rectangular (hileras
fijas separadas a 76 cm; Freyman & Dolman 1971) entre plantas a fin de hallar una com
binacin de espaciamiento y densidad que rindiera ms y que pudiera ser ms competitiva
con un tapiz subyacente de trbol blanco (Figura 9). El experimento fue analizado usando
regresin y demostr que cuando el maz haba sido plantado sobre un mulch suprimido de
trbol blanco, renda ms en un arreglo de plantacin equidistante que en siembras en hileras
fijas distanciadas para un amplio rango de densidades de siembra. Esto se deba a que el
desarrollo individual de las plantas equidistantemente separadas era mejor; la distribucin
equidistante haba disminuido la competencia intraespecfica entre plantas de maz y permita
la mejor competencia interespecficas de stas con la cobertura asociada de trbol blanco
(Fischer & Burrill 1993). Estos diseos son muy tiles cuando se carece de informacin
previa, por lo que representan una forma eficiente de obtener informacin preliminar. Se
puede explorar un nmero elevado de densidades en un espacio pequeo. Se los ha utilizado
mucho en ciencias forestales, y para el manejo de especies cultivadas asociadas y los
distintos trabajos muestran la introduccin de ciertas variantes a los diseos originales segn
las necesidades y la imaginacin del investigador.
Figura 9a. Diseo sistemtico de densidad con un arreglo de plantacin aproximadamente
cuadrado (solamente se han representado ocho arcos de lo que en el terreno constituy una rueda
entera tipo Nelder (1962)). Adaptado de Fischer & Burrill (1993).
Figura 9b. Diseo sistemtico de densidad con un arreglo de plantacin rectangular con hileras
(horizontales) de espaciamiento fijo segn Freyman & Dolman (1971). Adaptado de Fischer &
Burrill (1993).
Peso fresco de mazorcas (Tons ha
-1
)
Plantas por hectrera (x1000)
Arreglo equidistante (cuadrado) Hileras separadas a 76 cm
Figura 10. Rendimiento de mazorcas de maz dulce cuando el cultivo se plant a diferentes
densidades en un arreglo aproximadamente equidistante o en hileras fijas (arreglo rectangular)
separadas a 76 cm. Las regresiones son estadsticamente diferentes (P < 0.01) segn una prueba F
comparando todos los coeficientes de ambas ecuaciones.
Como desventajas de los diseos sistemticos presentados puede comentarse el hecho de que
en las ruedasde Nelder las plantas quedan en el centro de un rea trapezoidal que puede no
reflejar la situacin real en el campo; las relaciones espaciales no son un factor que puede
manipularse dentro de un experimento determinado (Radosevich 1987). Frecuentemente es
difcil introducir una adecuada aleatorizacin en estos diseos lo que es ciertamente una
limitante para el anlisis de los datos.
Series de adicin
Los experimentos en series de adicin han sido propuestos por Spitters (1983a, 1983b) y han
sido ya bien descriptos y discutidos por varios autores (Radosevich 1987; Rejmanek et al.
1989; Roush et al. 1989) . Estos modelos son una variante de los experimentos sistemticos
y se basan en la ley de los rendimientos inversos segn la cual resulta el concepto de
rendimiento final constante planteado en la ecuacin [1]. Esta ley plantea que el peso
individual de una planta decrece hiperblicamente con el incremento de su densidad:
w
-p
= a + kd [16]
Donde al igual que en [1], w es el peso individual por planta, d es la densidad, a es un
intercepto (que se incorpora ahora en esta relacin emprica) y k es otra constante. El
exponente p representa la relacin hiperblica entre w y n la que en genera,l se aproxima a 1
(Figura 11). La relacin en general puede linearizarse mediante la expresin:
1/w = a + kd [17]
Spitters (1983) plante que si los efectos de la competencia intra- e interespecfica eran
aditivos, entonces los modelos de densidad-productividad podran expandirse para considerar
las mezclas de especies. La expansin del modelo de rendimiento inverso tomaba la forma:
1/w
1
= a
1,0
+ b
1
,
1
d
1
+ b
1,2
d
2
[18]
1/w
2
= a
2,0
+ b
2,2
d
2
+ b
2.1
d
1
[19]
Donde cada subscripto en cada trmino representa a la especie cuya biomasa est
representada como variable dependiente y el segundo suscripto se refiere a la especie
asociada. Los coeficientes b
1
,
1
y b
2,2
cuantifican los efectos de la competencia
intraespecfica y los coeficientes b
1,2
d
2
y b
2.1
d
1
representan la magnitud de la competencia
interespecfica de la especie 2 sobre la especie 1 y de la especie 1 sobre la 2, respectivamente.
Estas ecuaciones permiten una representacin grfica de superficie de respuesta que permite
visualizar bien los efectos de competencia intra- e interspecfica en una y otra especie que
componen la mezcla (Figura 12) (Rejmnek 1989):
De la Figura 12a se deduce claramente que el tomate es muy poco competitivo con la
Echinochloa y que el crecimiento de esta es ms afectado por la presencia de plantas de su
propia especie; la competencia en este caso es fundamentalmente intraspecfica. En cambio
el tomate crece mejor en presencia de vecinos de su propia especie que en competencia
interespecfica con Echinochloa (Figura 12b). El gran valor de los experimentos de series de
adicin es que esta es pues la primera vez que tenemos un modelo conceptual y matemtico
para poder contabilizar por separado ambos tipos de efectos competitivos. Ms especies
pueden incorporarse de la misma forma al modelo. Por otra parte este enfoque permite
trabajar con regresiones lineales sencillas para obtener informacin bastante mecanstica
sobre la interferencia entre las especies. Por ejemplo, las ecuaciones [18] y [19] permiten
calcular ndices para caracterizar la competitividad relativa de cada especie (Spitters 1983a y
1983b). As (b
1,2
/b
1,1
) y (b
2,1
/b
2,2
) seran las competitividades relativas de la especie 1 y de la
especie 2, respectivamente, cuando ambas crecen en mezcla y cuando se considera para cada
especie su capacidad el crecimiento de otra a la vez que su propia capacidad de afectarse a s
misma. Conceptualmente ambos componentes podran ser afectados de forma separada por
factores ambientales (o de manejo agronmico) y resultar en consecuencias competitivas
diferentes. Por lo que estos ndices pueden resultar muy tiles para caracterizar los efectos
del manejo agronmico de las malezas o las variaciones del ambiente sobre sus efectos hacia
los cultivos. De forma similar se puede estimar el grado de diferenciacin de nicho. Si el
cociente (b
1,1
/b
1,2
)/(b
2,1
/b
2,2
) resulta mayor que uno, es porque existe diferenciacin de nicho
y el RRT > 1, indicando que la mezcla total captura ms recurso que los monocultivos
(Spitters 1983a y 1983b). Lo que suele ocurrir cuando las especies difieren en su
profundidad radical explotando diferentes zonas del suelo, o cuando una leguminosa que fija
nitrgeno del aire crece asociada con una gramnea que esencialmente debe usar nitrgeno
del suelo (Kropff & Lotz 1993).
En el caso de dos especies, el procedimiento experimental consiste en variar
sistemticamente la densidad y proporcin de las especies en la mezcla como se ilustra lal
siguiente matriz (Radosevich 1987):
Donde la densidad de cada especie (A o B) va desde 0 a 16 plantas por unidad experimental
en monocultivo y de 2 a 32 plantas por unidad experimental en mezcla, o sea (1+1) a
(16+16), respectivamente. La disposicin parcelaria de una serie de adicin con tres especies
y cuatro densidades tendra la forma presentada en al Figura 13. Esta disposicin debe
aleatorizarse y si se desea poblar de puntos a las regresiones todo el esquema debera
repetirse un cierto nmero de veces.
Naturalmente que el diseo de series aditivas puede analizarse usando regresin no linear con
diversos modelos hiperblicos, los que pueden ser simples hiprbolas tipo [7] o ms simples
(Daugovish et al. 2003), o realmente complejos incorporando una multiplicidad de
coeficientes usando sofisticados procedimientos para el diseo de los modelos como el
Akaikes Information Criterion (AIC) , el Bayesian Information Criterion (BIC), o el
Information Complexity Criterion (ICOMP) (Jasieniuk et al. 2008) que reemplazan la
seleccin tradicionales de modelos alternativos empleando hiptesis nulas ( Jasieniuk et al.
2001). Por ejemplo, con la nube de puntos generados con muchos experimentos, uno de esos
modelos seleccionados por esos criterios de informacin terica mencionados, incorpora a la
densidad del cultivo (D
c
) la densidad de la maleza (D
w)
, el tiempo de emergencia del cultivo
previo a la de la maleza (T), a la tasa de crecimiento intrnseca del cultivo (R
c
), la tasa a la
cual i (coeficiente visto en el modelo [7]) decrece hacia cero a medida que T se vuelve grande
(c), coeficiente de competitividad interespecfica de la maleza (aw), y al coeficiente de
competitividad intraespecfica de la maleza (b) en un mismo modelo con el fin de hacer
predicciones para el manejo de una maleza en un cereal de invierno (Jasieniuk et al. 2008):
[20]
El enfoque es complejo pero interesante; sin embargo, subsiste el problema que habamos
discutido antes, de la variabilidad de los coeficientes cuando los modelos intentan hacer
predicciones en rangos ambientales muy amplios. Esto ha llevado a cuestionar la insistencia
de usar modelos matemticos para hacer predicciones de vocacin universal, cuando los
datos empricos de campo consistentemente sugieren que esto no sera lo ms indicado. Esto
contrasta con la inteligente elegancia y sencillez de los modelos de Spitters, los que fueron
exitosamente empleados recientemente por Vasquez et al. (2008) para demostrar que
modificando los niveles de nutrientes en el suelo se puede manipular la competitividad intra-
e interespecfica de Bromus tectorum, a fin de favorecer a las comunidades de gramneas
nativas en pasturas naturales del oeste americano.
Perodo crtico de control de malezas
Esta es quizs una de las tcnicas ms viejas y utilizadas en el estudio de la competencia
entre las malezas y las especies de inters, especialmente aquellas de inters agrcola (Nieto
et al. 1968). Es una tcnica que ha sido de enorme utilidad en la definicin de estrategias de
manejo econmico de malezas con el concomitante potencial para reducir el impacto
ambiental del sobreuso de herbicidas. En teora controlar malezas antes o despus del
perodo crtico de control no redunda en beneficio econmico o tiene efecto en evitar
prdidas de rendimiento por la competencia de las malezas. Existe en la literatura una
infinidad de trabajos de determinacin del perodo crtico con malezas en todo tipo de
cultivos y por todo el mundo.
En muchos casos se observa que ciertos cultivos toleran la presencia de malezas en ciertos
momentos y no en otros, de manera tal que hay momentos en que el desmalezado no sera
necesario (Radosevich et al. 2007). El objetivo aqu es determinar en qu momento del ciclo
de crecimiento de un cultivo es necesario ubicar el desmalezado a fin de prevenir prdidas
fsicas y/o econmicas de rendimiento. Para esto se emplea un diseo clsico (Figura 13)
que consiste en una serie de tratamientos en los que el cultivo crece enmalezado desde su
emergencia por perodos progresivamente ms largos, al final de los cuales las malezas se
quitan y el cultivo se mantiene desmalezado hasta la cosecha (Fischer et al. 1988). En otra
serie de tratamientos complementaria, el cultivo se mantiene libre de malezas durante
perodos progresivamente ms prolongados desde la emergencia, al final de los cuales se
permite el enmalezamiento (o incluso se siembran malezas) incontrolado hasta a cosecha.
Con los rendimientos del cultivo a cosecha se grafican los datos tal como se muestra en la
Figura 14. De esta forma se determinan comparativamente los efectos de las malezas que
emergen temprano y los de las que emergen tarde y en diferentes momentos.
El perodo crtico de control se inicia en el momento en que la presencia de malezas que
emergen desde el inicio causa prdidas de rendimiento fsicas o econmicas. Esto a veces
define que haya un cierto perodo inicial de tolerancia durante el cual las malezas son muy
pequeas y su competencia con el cultivo es negligible (Figura 14A). Frecuentemente el
perodo crtico de control se inicia cuando los doseles de las malezas comienzan a interceptar
al del cultivo dando inicio a la competencia por luz (Fischer et al. 1988). En otros casos, no
existe tolerancia inicial y los rendimientos se afectan por ms breve que sea el perodo de
enmalezamiento inicial, lo cual suele ocurrir cuando las plantas compiten activamente por
recursos del suelo (agua y nutrientes); sta es la situacin tpica para justificar tratamientos
con herbicidas de preemergencia. Lo importante es poder ubicar el manejo que permite que
en determinado momento el cultivo sea capaz de maximizar la captura de espacio y suprimir
el posterior establecimiento de nuevas cohortes de malezas. Este punto marca el fin del
perodo crtico, y es el punto donde la curva de rendimientos en la Figura 14B se estabiliza,
lo cual es importante pues indica que a partir de ese momento ya no es necesario continuar
desmalezando al cultivo pues ste se encarga por s mismo de suprimir malezas a partir de
entonces. Esto no siempre ocurre y es importante optimizar el manejo del cultivo a fin de
lograr un perodo crtico lo ms breve posible. El fin del perodo crtico de control a menudo
es determinado por la mxima captura de luz y ocurre cuando el dosel del cultivo se cierra
sobre el terreno y logra una completa intercepcin de luz (Gibson et al. 2002; Teasdale
1998). Por esta razn es til efectuar mediciones secuenciadas de irradiancin debajo del
dosel con un fotmetro para determinar el momento en que se logra una intercepcin de luz
tal que maximiza la dominancia competitiva del cultivo (Evans et al. 2003; Norsworthy &
Oliveira 2004).
Este es un tipo de experimento sumamente til que debe ser parte de los primeros pasos de
todo programa de manejo de malezas para un cultivo. Naturalmente, los resultados son
denso-dependientes y lo mejor sera conducir el experimento bajo diferentes niveles de
infestacin. En general, lo que se hace es (a) conducirlo bajo infestaciones tpicas de campos
de produccin o (b) buscar elevadas infestaciones que nos siten en el plateau asinttico de
las prdidas de rendimiento (Figura 4), donde variaciones en la densidad causan poco cambio
en los niveles de prdida. Los lmites del perodo crtico (Figura 14C) dependen mucho de
las especies involucradas y de su momento relativo de emergencia. El crecimiento de las
malezas y del cultivo es afectado por las fluctuaciones en la disponibilidad ambiental de
recursos y por los efectos que sobre sta tienen las prcticas culturales (Hall et al. 1992). Los
resultados de estos experimentos pueden variar de un ao para el otro (Gibson et al. 2002) y
es importante cuantificar variables ambientales asociadas que puedan relacionarse con
variaciones en la ubicacin en el tiempo del perodo crtico, lo que puede sealar
oportunidades para el manejo agronmico (Evans et al. 2003; Northsworthy & Oliveira
2004). Por esta razn estos experimentos deben repetirse para cubrir un rango adecuado de
variaciones ambientales tpicas para una regin. Tambin resulta una buena idea conducir
este tipo de experimento incorporando diferentes alternativas de manejo buscando identificar
las situaciones que permiten reducir este perodo crtico. La emergencia, composicin
botnica y uniformidad de la distribucin espacial de las malezas suele ser inconsistente y
constituyen fuentes de variabilidad que pueden comprometer la exactitud de la ubicacin del
perodo crtico. Es comn sembrar malezas a fin de garantizar infestaciones uniformes a
travs de toda la superficie del experimento. Otra fuente de inexactitud de los resultados es el
hecho de que los extremos (principio y final) del perodo crtico se definen a partir de dos
componentes distintos y medidos de forma separada (la serie de enmalezado inicial y la serie
complementaria de desmalezado inicial). Sin embaro, el perodo crtico est definido como
un nico espacio de tiempo donde el inicio y el final se dan en la misma situacin (Figura
14C), cosa que en general nunca se verifica y puede ser una fuente de error en las
estimaciones (Weaver 1984).
Es importante evaluar los niveles de infestacin a fin de poder establecer en qu momento y
con qu nivel de severidad es que la supresin de malezas impacta positivamente los
rendimientos y qu nivel de supresin es necesario para que los rendimientos se estabilicen.
Para esto suelen hacerse evaluaciones (mediante conteos, estimaciones de cobertura,
mediciones de biomasa u otros) en las parcelas segn cada serie de tratamientos. As, en la
serie donde el enhierbado se permite que ocurra (o deliberadamente se inicia mediante la
siembra de malezas) luego de distintos momentos iniciales de desmalezado, el muestreo se
hace hacia finales del ciclo del cultivo. Mientras que en la serie donde el cultivo crece con
malezas durante diversos perodos posteriores a su emergencia, el muestreo se hace justo
antes de desmalezar la parcela. Los resultados pueden graficarse como en la Figura 15. Es
til tambin efectuar secuencialmente conteos de emergencia de malezas en las parcelas a fin
de determinar en qu momento emergen las maleas responsables por las prdidas de
rendimiento observadas. Debern registrarse las especies presentes y sus respectivos niveles
de infestacin.
Los datos de rendimiento del cultivo pueden expresarse en trminos fsicos (kg ha
-1
) o en
trminos econmicos lo que permite definir al perodo crtico en trminos de umbral
econmico para decidir, en base a la relacin costo-beneficio, el momento econmicamente
adecuado para desmalezar (Fischer et al. 1993). La amplitud del perodo crtico y/o la
duracin de los tratamientos de en- y desmalezado suele medirse en unidades de tiempo
(das, semanas), pero es mucho ms probable que la duracin del perodo crtico se relacione
ms con las etapas fenolgicas del cultivo que con el tiempo cronolgico (Radosevich ert al.
2007). Por esta razn frecuentemente se definen los tratamientos en base a etapas
fenolgicas o al tiempo trmico (grados de crecimiento/da), el que normalmente conduce la
progresin fenolgica (Webster et al. 2009) Figura 14).
Los experimentos de perodo crtico de control son usualmente implementados a campo y su
diseo ese convencional, con tratamientos generalmente ubicados en bloques al azar con
repeticiones. Frecuentemente el diseo es de parcelas divididas con cada serie (en- o
desmalezamiento inicial) ubicada en las parcelas mayores y los perodos en las subparcelas
(Kenezevic et al 2002). Los datos se someten a ANOVA y pruebas de separacin de medias
pueden usarse para comparar diferencias estadsticas entre tratamientos (Knake et al. 1974).
Sin embargo, como la presencia de malezas en el cultivo est considerada a distintos
intervalos de tiempo y sto constituye una variable incremental continua, el mtodo de
anlisis de datos ms adecuado es el de la regresin (Cousens 1988). Diversos modelos de
regresin pueden ajustarse a los datos; desde simples modelos empricos de regresin
mltiple a modelos asintticos ms elaborados tales como funciones de Gomperz, logstica, o
hiprbolas rectangulares (Gibson et al. 2002; Hall et al. 1992; Cousens 1988). En general, la
escogencia del modelo es emprica, basada en la forma de la curva, y luego se busca aqul
que proporcione el mejor ajuste. Estos modelos no lineales suelen tener dos o tres
coeficientes por lo que es aconsejable que el nmero de intervalos (tratamientos de des- o
enmalezado inicial) sea por lo menos cuatro a fin de poder ajustar adecuadamente una curva
los puntos; lo ideal sera usar seis o ms intervalos para ganar precisin en la estimacin y
comparacin de coeficientes (Knezevic et al. 2002). Los siguientes son ejemplos de modelos
frecuentemente usados (Cousens 1988; Hall et al. 1992; Gibson et al. 2002; Knezevic et al.
2002):
Y = [(1/{exp[c (T d)] + f} + [(f 1)/f]] 100 [21]
Este es un modelo logstico modificado usado frecuentemente para describir la respuesta a
perodos de enmalezamiento inicial creciente (curva descendiente), donde Y es el rendimiento
expresado como porcentaje de un testigo desmalezado, T es la variable independiente (tiempo
expresado en grados de crecimiento/da o en das despus de la emergencia), d es el punto de
inflexin de la curva (unidades de tiempo), c y f son coeficientes estimados (Hall et al. 1992).
Y = a exp(- b exp(- kT)) [22]
Este otro [22] es un modelo de Gomperz frecuentemente usado para describir la respuesta a
perodos progresivamente ms largos sin malezas desde la emergencia (curva de
rendimientos crecientes) (Hall et al. 1992); donde Y es el rendimiento expresado como
porcentaje del testigo libre de malezas todo el ciclo, a es la asntota para el mximo
rendimiento, b y k son constantes (coeficientes) estimadas por la regresin, y T es la variable
independiente (tiempo expresado en grados de crecimiento/da o en das despus de la
emergencia). Para esta misma situacin de rendimientos crecientes en respuesta a un
desmalezamiento progresivamente ms largo, Cousens (1988) propuso esta frmula:
Y = a + b/(1+cx) [23]
Donde a, b y c son coeficientes de regresin estimados. Naturalmente se observarn en la
literatura diversas variantes de todos estos modelos.
Perodo con control de malezas
Perodo sin control de malezas
Semanas posteriores a la emergencia del cultivo
N

m
e
r
o
d
e
l
t
r
a
t
a
m
i
e
n
t
o
Figura 13. conceptualizacin grfica de las serie de tratamientos utilizados en experiments para determinar el
perodo crtico de control de malezas en un cultivo.
Figura 15. biomassa de malezas a la cosecha del arroz cuando dos variedades crecieron libres de malezas durante
ciertos perodos posteriores a la cosecha, al fin de los cuales se permiti que las malezas crecieran libremente con el
cultivo hasta la cosecha del mismo. En este caso el final del perodo crtico de control de malezas evaluado para
ambas variedades se ubicaba en los 60 das posteriores a la emergencia del arroz. Adaptado de Fischer et al. (1993).
Das libres de malezas posteriores a la emergencia del arroz
B
i
o
m
a
s
a
a

r
e
a
s
e
c
a
d
e
m
a
l
e
z
a
s
(
g
m
-
2
)
Referencias
Altieri, M.A. and M. Liebmann. 1986. Insect, Weed, and plant disease management in
multiple cropping systems. Pages 183-218 in C.A. Francis (ed.) Multiple Cropping
Systems. MacMillan: NY.
Bauer, T.A., and D.A_ Mortensen. 1992. A comparison of economic and economic optimum
thresholds for two annual weeds in soybeans. Weed Technol. 6:228-235.
Bleasdale, J.K.A. 1967. Systematic designs for spacing experiments. Expl. Agric. 3:73-85.
Caldwell, M.M., Eissenstat, D.M., Richards, J.H., and Allen, M.F. 1985. Competition for
phosphorus: Differential uptake from dual-isotope-labeled soil interspaces between
shrub and grass. Science 229: 384-386.
Chow, G. C. (1960) Tests of equality between sets of coefficients in two linear regressions.
Econometrica, 28, 591-605.
Coble, H., and D.A. Mortensen. 1992. The threshold concept and its application to weed
science. Weed Iechnol. 6:191-195. Cousens, R. 1985a. A simple model relating yield
loss to weed density. Ann. Appl. Biol. 107:239-252.
Cousens, R. 1985a. A simple model relating yield loss to weed density. Ann. Appl. Biol.
107:239-252.
Cousens, R. 1985b. An empirical model relating crop yield to weed and crop density, and a
statistical comparison with other models. J. Agric. Sci. 105:513-521.
Cousens, R. 1988. Misinterpretations of results in weed research through inappropriate use of
statistics. Weed Research 28:281-289.
C'ousens R., P. Brain, J.T. O'Donovan, and A. O'Sullivan. 1987. The use of biologically
realistic equations to describe the effects of weed density and relative time of
emergence on crop yield. Weed Sci. 35:720-725.
Daugovish, O., D. C. Thill & B. Shafii (2009) Modeling competition between wild oat
(Avena fatua L.) and yellow mustard or canola. Weed Science, 51, 102-109.
De Wit, CT 1960 On competition. Veslag Landouwkundige Onderzoek 66: 1-82.
Dieleman, A.. A.S. Hamill, S.F. Wiese, and C.J. Swanton. 1995. Empirical models of
pigweed (Amaranthus spp.) interference in soybean (Glvcine max). Weed Sci. 43:612-
618.
Donald C M. 1963. Competition among crop and pasture plants. Advan. Agron. 15:1-118.
Evans, S. P., S. Z. Knezevic, J. L. Lindquist, C. A. Shapiro, and E. E. Blankership. 2003.
Nitrogen application influences the critical period for weed control in corn. Weed Sci.
51:408417.
Fischer, A. and L. Burrill. 1993. Managing interference in a sweet corn-white clover living
mulch. Amer. J. Alt. Ag. 8(2):51-56.
FVischer, A.J., J.H. Dawson, and A.P. Appleby. 1988. Interfeerence of annual weeds in
seedling alfalfa (Medicago sativa). Weed Sci. 36:583-588.
Fischer, A.J., C.G. Messersmith, J.D. Nalewaja, and M.E. Duysen (2000). Interference
between spring cereals and Kochia scoparia related to environment and photosynthetic
pathways. Agron. J. 92:173-181.
Fischer R.A., and R.E. Miles. 1973., The role of spatial pattern in the competition between
crop plants and weeds. A theoretical analysis, Math. Biosci. 18:335-350.
Fischer, A. J., J. Lozano, A. Ramirez & L. R. Sanint. 1993. Yield loss prediction for
integrated weed management in direct-seeded rice. International Journal of Pest
Management, 39:175-180.
Florez, J. A., A. J. Fischer, H. Ramirez & M. C. Duque. 1999. Predicting rice yield Losses
Caused by Multispecies Weed Competition. Agron J, 91, 87-92.
Freyman, S. and D. Dolman. 1971. A simple systematic design for planting density
experiments with set row width. Can. J. Plant Sci. 51:340-342.
Ghafar, Z. and A. K. Watson. 1983. Effect of corn population on the growth of yellow
nutsedge. Weed Sci. 31:588-592.
Gibson, K. D., A. J. Fischer, T. C. Foin & J. E. Hill. 2002. Implications of delayed
Echinochloa spp. germination and duration of competition for integrated weed
management in water-.seeded rice. Weed Research, 42: 351-358.
Hall, R.L. 1974. Analysis of the nature of interference between plants of different species.
Nutrient relations in a Nandi Setaria and Greenleaf Desmodium association with
particular reference to potassium. Austr. J. Agric. Res. 25:749-756.
Hall, M.R., C.L. Swanton, and G.W. Anderson. 1992. The critical period of weed control in
grain corn (Zea mays). Weed Sci. 40:441-447.
Harper, J.L. 1977. Population biology of Plants. London: Academic Press, 1977. 892 p.
Hatch, M.D. 1970. Chemical energy costs for C0
2
fixation by plants with differing
photosynthetic pathways. p. 215-220. In Prediction and measurement of
photosynthetic productivity. PUDOC, Wageningen, Netherlands.
Huxley, P. A. (1985) Systematic designs for field experimentation with multipurpose trees.
Agroforestry Systems, 3, 197-207.
Jasieniuk, M., B. D. Maxwell, R. L. Anderson, J. O. Evans, D. J. Lyon, S. D. Miller, D. W.
Morishita, A. G. Ogg, S. S. Seefeldt, P. W. Stahlman, F. E. Northam, P. Westra, Z.
Kebede & G. A. Wicks (2009) Evaluation of models predicting winter wheat yield as a
function of winter wheat and jointed goatgrass densities. Weed Science, 49, 48-60.
Jasieniuk, M., M. L. Taper, N. C. Wagner, R. N. Stougaard, M. Brelsford & B. D. Maxwell.
2008 Selection of a barley yield model using information-theoretic criteria. Weed
Science, 56, 628-636.
Knake, E. L. 1969. Effect of time of giant foxtail removal from corn and soybeans. Weed
Sci. 17:281-283.
Knezevic, S.. C.J. Swanton, and S.F. Wiese. 1993. Threshold of redroot pigweed
(Amaranthus retroflexus L.) in corn. p. 53. In WSSA Abstracts 33 (Denver, CO).
WSSA, Champaign, IL.
Knezevic, S. Z., S. P. Evans, E. E. Blankenship, R. C. Van Acker, and J. L. Lindquist. 2002.
Critical period for weed control: the concept and data analysis. Weed Sci. 50:773786.
Kropff, M.J. 1988. Modeling the effects of weeds on crop production. Weed Res. 28:465-
471.
Kropff, M.J. 1993. Eco-physiological models for crop-weed competition. p. 25-32. in M.J.
Kropff and H.H. van Laar (ed.) Modeling crop-weed interactions. CAB Int.,
Wallingford, UK.
Kropff, M.J., and L.A.P. Lotz. 1993. Empirical models for crop-weed competition. p. 9-24. /n
M.J. Kropfl' and H.H. van Laar (ed.) Modeling crop-weed interactions. CAB Int.,
Wallingford, UK.
Kropff, M.J., and C.J.T. Spitters. 1991. A simple model of crop loss by weed competition
from early observations on relative leaf area of the weeds. Weed Res. 31:97-105.
Kwon, T'.J., D.L. Young, F.L. Young, and C.M. Boerboom. 1995. PALWEED: WHEAT: A
bioeconomic model for postemergence weed management in winter wheat (Triticum
aestivum ). Weed Sci. 43:595-603.
Lybecker. D.W., E.E. Schweitzer, and R.P. King. 1991. Weed management decisions in corn
based on bioeconomic modeling. Weed Sci. 39:124-129.
Mark, W. B. 1983. Spacing trials using the Nelder Wheel. Pages 81-86 In R. B. Standiford &
F. T. Ledig (eds.) Proceedings of a work-shop on Eucalyptus in California. Gen. Tech.
Rep. PSW 69. Berkeley, CA, Sacramento, California: Pacific Southwest Forest and
Range Experiment Station, Forest Service, U.S. Department of Agriculture.
Mead, R. and R. D. Stern. 1980. Designing Experiments for Intercropping Research.
Experimental Agriculture, 16: 329-342.
Medd, R. W., B. A. Auld, D. R. Kemp, and R. D. Murison. 1985. The influence of wheat
density and spatial arrangement on annual ryegrass, Lolium rigidum Gaudin,
competition Aust. J. Agric. Res. 36:361-371.
Moechnig, M. J., D. E. Stoltenberg, C. M. Boerboom & L. K. Binning (2003) Empirical corn
yield loss estimation from common lambsquarters (Chenopodium album) and giant
foxtail (Setaria faberi) in mixed communities. Weed Science, 51, 386-393.
Nelder, J.A. 1962. New kinds of systematic designs for spacing experiments. Biometrics
18:283-307.
Nieto, J., M.A. Brandop, and J.T. Gonzalez. 1968. Critical periods of the crop growth cycle
for competition from weeds. PANS 14:159-166.
Norsworthy, J.K., and M.J. Oliveira. 2004. Comparison of the critical period for weed control
in wide- and narrow-row corn. Weed Science 52:802-807.
Norris, R.F. 1982. Intgeractions between weeds and other pests in the agroecosystem. Pages
343-406 In J.L.Hatfield, and I.J. Thomason (Eds.), Biometeorology in Integrated Pest
Management. Academic Press: New York.
Parker. L., and A.J. Murdoch. 1996. Mathematical modeling of multispecies weed
competition in wheat. p. 153-158. In Int. Weed Control Congr., 2nd. Copenhagen. 25-
28 June 1996. Dep. of Weed Control and Pesticide Ecology Flakkebjerg, Denmark.
Patterson, D.T., and M.T. Highsmith. 1989. Competition of spurred anoda (Anoda cristata )
and velvetleaf (Abutilon theophrasti ) with cotton (Cossypium hirsutum ) during
simulated drought and recovery. Weed Sci. 37:658-664.
Radosevich, S., J.S. Holt, C.M. Ghersa. 2007. Ecology of Invasive Plants: relationship to
agriculture and natural resource management, 3
rd
ed. Wiley: Hoboken, NJ. 408p.
Radosevich, S. R. 1987. Methods to Study Interactions among Crops and Weeds. Weed
Technology, 1: 190-198.
Rejmnek, M. e., G. R. Robinson & E. Rejmnkov (1989) Weed-Crop Competition:
Experimental Designs and Models for Data Analysis. Weed Science, 37:276-284.
Roush, M.Ll, and S.R. Radosevich. 1985. Relationships between growth and competitiveness
of four annual weeds. Journal of Applied Ecology, 22, 895-905.
Roush, M. L., S. R. Radosevich, R. G. Wagner, B. D. Maxwell & T. D. Petersen (1989) A
comparison of methods for measuring effects of density and proportion in plant
competition experiments. Weed Sci., 37, 268-275.
Sanderson, M. A. and G. F. Elwinger (2002) Plant Density and Environment Effects on
Orchardgrass-White Clover Mixtures. Crop Sci, 42, 2055-2063.
Schweitzer EE and Bridge LD. 1982. Sunflower (Helianthus annuus) and velvetleaf
(Abutilon theophrasti) interference in sugarbeets (Beta vulgaris). Weed Science 30:514-
519.
Seefeldt, S. S., J. E. Jensen & E. P. Fuerst. 1995. Log-logistic analysis of herbicide dose-
response relationships. Weed Technol, 9, 218-227.
Silvertown, J.W. 1987. Introduction to Plant Populatin Ecology, 2
nd
. Ed. Longman: Harlow
Essex, UK. 229p.
Smith. R.J.. Jr. 1988. Weed thresholds in Southern LI.S. rice, Or_vza satica. Weed Technol.
2:232-241.
Spitters, C.J.t. 1980. Competition effects within mixed stands. P. 219-231, In R.G. Hurd et
al. (ed.) Opportunities for increasing plant yields. Pitman Publ., London, UK.
Spitters, C.J.T. 1983a. An alternative approach to the analysis of mixed cropping
experiments. 1. Estimation of competition effects. Neth J Agric Sci 31:1-11.
Spitters, C.J.T. 1983b. An alternative approach to the analysis of mixed cropping
experiments. 2. Marketable yield. Neth J Agric Sci 31:143-155.
Spitters, C J T, Van Den Bergh, J P. 1982. Competition between crop and weeds: A system
approach. Holzner, W. and Numata, N. (eds), In Biology and Ecology of Weeds. Dr.W.
Junk. The Hague.
Taylor, H. M. 1980. Soybean growth and yield as affected by row spacing and by seasonal
water supply. Agron. J 72:543547.
Teasdale, J. 1998. Influence of corn (Zea mays) population and row spacing on corn and
velvetleaf (Abutilon theophrasti) yield. Weed Sci. 46:447453.
Trenbath, B.R. 1976. Plant interactions in mixed crop communities. p.129-169. In Multiple
cropping. ASA Spec. Publ. 27. ASA, CSSA, and SSSA, Madison, WI.
Van Devender, K.W., T.A. Costello, and R.J. Smith, Jr. 1997. Model of rice (Oryza sativa )
yield reduction as a function of weed interference. Weed Sci. 45:218-224.
Vasquez, E., R. Sheley & T. Svejcar. 2009. Nitrogen Enhances the Competitive Ability of
Cheatgrass (Bromus tectorum) Relative to Native Grasses. Invasive Plant Science and
Management, 1, 287-295.
Vengris, J., W.G. Colby, and M. Drake. 1955. Plant nutrient competition between weeds and
corn. Agron. J. 47:213216
Wagner, N. C., B. D. Maxwell, M. L. Taper & L. J. Rew (2009) Developing an Empirical
Yield-Prediction Model Based on Wheat and Wild Oat (Avena fatua) Density, Nitrogen
and Herbicide Rate, and Growing-Season Precipitation. Weed Science, 55, 652-664.
Walker, R.H. and Buchanan, G.A. (1982). Crop manipulation in integrated management
systems. Weed Science. 30: 17-24.
Wall, D.A. 1993. Comparison of green foxtail (Setaria viridis) and wild oat (Avena fatua)
growth, development, and competitiveness under three temperature regimes. Weed
Sci. 41:369-378.
Weaver, S. E. 1984. Critical period of weed competition in three vegetable crops in relation
to management practices. Weed Res. 24:317325.
Webster, T.M., T.L. Grey, J.T. Flanders, and A.S. Culpepper. 2009. Cotton Planting Date
Affects The Critical Period of Benghal Dayflower (Commelina benghalensis) Control.
Weed Science 57:81-86.
Weise, A. F., J. W. Collier, L. E. Clark, and U. D. Havelka. 1964. Effect of weeds and
cultural practices on sorghum yields. Weed Sci 12: 209211.
Wilkerson, G.G., S.A. Modena, and H.D. Coble. 1991. HERB: Decision model for
postemergence weed control in soybeans. Agron. J. 83:413-417.
Captulo 3
TCNICAS PARA LA EVALUACIN DE LA ALELOPATA ENTRE MALEZAS Y
CULTIVOS
Jos Vicente Lazo
Universidad Central de Venezuela
Introduccin
Durante la evolucin, las plantas, debido a su condicin de ser organismos ssiles, han
desarrollado un conjunto de mecanismos de defensa ante los factores biticos y abiticos del
medio ambiente. Estos mecanismos, grosso modo, son de naturaleza fsica, fenolgica y
qumicos, y una caracterstica muy particular es que todos esos mecanismos de defensa
operan en forma sinergstica, lo cual confiere a las plantas una extraordinaria capacidad de
adaptacin para un amplio rango de condiciones ecolgicas.
El tema de esta conferencia se refiere precisamente al mecanismo de defensa qumica que
poseen las plantas, el cual tiene su origen en los llamados metabolitos secundarios. Como su
nombre lo indica, estas sustancias son sintetizadas a travs de la ruta del metabolismo
secundario, tambin llamada ruta del cido shikimico. Los metabolitos secundarios no solo
participan en la defensa qumica de la planta, sino que adems constituyen un mecanismo de
comunicacin qumica, tanto endgeno como exgeno. O sea que vienen a funcionar como
un tipo de lenguaje qumico por medio del cual las plantas se comunican con su medio
ambiente bitico y abitico. Las interacciones entre plantas, y entre las plantas y sus
enemigos y/o amigos naturales (herbvoros, insectos, nematodos, microorganismos, etc.) son
bsicamente mediadas por metabolitos secundarios.
Las defensas qumicas de la planta pueden ser constitutivas o inducidas. En el primer caso
son sintetizadas aun cuando aparentemente no exista un factor estimulante o estresante del
medio, mientras que en las segundas, su sntesis es estimulada ante la presencia de un factor
estresante del medio, como sera por ejemplo la presencia de insectos entomfagos,
microorganismos, herbvoros, o plantas de diferentes especies que alcancen niveles
poblaciones crticos para el uso de recursos comunes.
Para describir las interacciones qumicas entre plantas, se utiliza el trmino alelopata (del
griego allelon = uno al otro, del griego pathos = sufrir; efecto desfavorable de uno sobre
otro) el cual fue utilizado por primera vez por el botnico austriaco Hans Molisch (1937) para
describir los efectos perjudiciales o benficos que de manera directa o indirecta ejercen unas
plantas sobre otras (incluyendo microorganismos), mediante la accin de compuestos
qumicos que son liberados al medio ambiente. De hecho, Molisch defini la alelopatia como
Interacciones Bioqumicas entre todos los tipos de plantas incluyendo microorganismos. Se
ha sugerido que es un factor importante en la regulacin de la estructura de las comunidades
vegetales y en la velocidad de crecimiento de las plantas, y ha sido atribuida a flavonoides,
estructuras fenlicas y terpenoides. En todo proceso aleloptico existe una planta (donadora)
que libera al medio ambiente (por lixiviacin, descomposicin de residuos, lavado de hojas,
etc.) compuestos qumicos los cuales al ser incorporados por otra planta (receptora) provocan
un efecto perjudicial o benfico sobre la germinacin, crecimiento o desarrollo de esta
ltima.
Los compuestos que desencadenan el proceso se denominan aleloqumicos o sustancias
alelopticas. Es importante enfatizar que la definicin de Molisch incluye tanto los efectos
perjudiciales como benficos e incorpora a hongos y otros microorganismos adems de las
plantas superiores. Sin embargo, en funcin de los objetivos de la presente conferencia,
usaremos el concepto expresado por Mller, quien utiliza el trmino alelopata para referirse
a los efectos nocivos de un compuesto qumico producido por una planta superior sobre
otra planta superior.
El otro aspecto que es muy importante tener en cuenta cuando se estudian las interacciones
entre plantas superiores, es diferenciar la alelopata de la competencia. Esta ltima implica
la reduccin en la disponibilidad de algn recurso del entorno, debido a su utilizacin por un
individuo vegetal, que es requerido tambin por otra planta que comparte el mismo hbitat,
por ejemplo, el agua, los nutrientes minerales y la luz; mientras que la alelopata implica la
liberacin al entorno por parte de una planta de un compuesto qumico que ocasiona un
efecto sobre otra.
En otras palabras, el efecto negativo sobre el crecimiento y desarrollo causado por la
competencia, se debe a la reduccin en la disponibilidad de recursos comunes, mientras que
en la alelopata tiene su origen en compuestos qumicos liberados por una planta que afectan
a otra. Tambin pudiramos decir que alelopata es interferencia qumica, mientras que
competencia es interferencia fsica. La respuesta a la competencia es por lo general una
reduccin en el crecimiento de la planta, mientras que la respuesta a la alelopata es
estimulacin a baja concentracin e inhibicin a medida que la concentracin del
aleloqumico aumenta. Como podemos ver, estos conceptos son diferentes entre s, pero si
los enfocamos con un criterio ecofisiolgico nos daremos cuenta de que ambos procesos no
solamente son interdependientes, sino que son complementarios en su efecto. En este sentido,
si queremos describir cuales son los efectos totales de una plantas sobre otras en una
comunidad vegetal monoespecfica o multiespecfica, utilizaremos el trmino interferencia
el cual viene a ser la resultante de la sumatoria de los efectos causados por la alelopata y la
competencia o alelospola de manera simultnea o secuencial.
El otro trmino que es importante conocer y que muchos autores han considerado como un
caso especial de alelopata, es la autotoxicidad; la cual ocurre cuando la planta donadora y la
planta receptora del agente aleloptico, son de la misma especie.
Tambin vale la pena mencionar, an cuando no sea objeto de esta conferencia, la
importancia de los metabolitos secundarios de las plantas en la medicina humana.
Aproximadamente el 25% de los frmacos que se venden con prescripcin mdica hoy en
da, se derivan de plantas medicinales tradicionales. Por ejemplo, en los EEUU los
medicamentos naturales derivados de las especies Echinacea spp (St. John`s wort) y
Hypericum perforatum, representan casi el 19% del consumo en medicina natural alternativa.
En el ao 2002, este mismo pas import mas de 200 millones de Kg., de productos
botnicos crudos de plantas medicinales por un valor de unos $ USA 332 millones. Esta
misma tendencia se ha observado en otros pases desarrollados, como el caso de Alemania
Occidental donde un 56% de la poblacin usa remedios naturales provenientes de plantas
medicinales para la cura de un amplio rango de enfermedades comunes como gripe, lceras
estomacales, bronquitis, etc.
Metodologa de la investigacin en alelopata
Uno de los grandes retos de la investigacin en alelopata es poder separar el efecto
aleloptico del efecto competitivo, de manera que podamos determinar cuantitativamente la
contribucin relativa de la alelopata y la competencia al efecto de interferencia como un
todo. En consecuencia, cuando se disea un experimento en alelopata hay que tener en
cuenta que se deben tomar todas las previsiones para tratar de separar el efecto aleloptico
del efecto competitivo, o sea medir alelopata en ausencia de competencia.
La investigacin de un fenmeno aleloptico es complicada, porque an cuando
metodolgicamente logremos separar el efecto aleloptico del efecto competitivo, existen
otros factores que hay que tomar en cuenta; por ejemplo, una vez que el metabolito
secundario es liberado al medio ambiente, este puede experimentar transformaciones que
aumenten o disminuyan su actividad antes de llegar a establecer contacto con la especie
receptora. Si el metabolito secundario llega al suelo, por exudacin radical o por lavado
foliar, muy probablemente va a ser metabolizado y transformado por la microflora del suelo,
lo que puede ocasionar que el verdadero efecto aleloqumico sea expresado por esta sustancia
proveniente de la actividad microbiana del suelo y no por el metabolito secundario
originalmente producido por la planta. En este caso particular hay que tomar en cuenta
adems que la actividad transformadora de la microbiota del suelo sobre el metabolito
secundario, va a depender en gran parte de la magnitud y calidad de la poblacin microbiana,
la cual a su vez est sometida y depende de la accin de factores abiticos (humedad y
temperatura del suelo, contenido de materia orgnica del suelo, textura del suelo, etc.).
Muchos autores han cuestionado la forma en que se realiza la investigacin de la alelopata y
han llegado a la conclusin de que demostrar la alelopata es extremadamente difcil; es
lgicamente imposible probar que no existe y casi imposible probar que existe pero lo
mismo podra decirse acerca de la existencia de la competencia; dos especies pueden
competir si hay una limitada suplencia de recursos que son requeridos por ambas, pero la
competencia tambin puede existir aun cuando los recursos no tengan suplencia limitada ya
que dos especies pueden interferirse en el uso de esos recursos.
El otro aspecto mencionado por algunos autores es que los bioensayos de laboratorio para
demostrar la alelopata se han conducido sin tomar en cuenta el contexto evolutivo del
organismo. Es muy difcil concluir mediante bioensayos de laboratorio que la aleopata es o
no es, uno de los factores fundamentales que influyen en la competencia en los ecosistemas
naturales. La simple presencia de compuestos alelopticos en rganos de la planta no
demuestran la alelopata, como es el caso de algunos compuestos fenlicos (cidos vanlico,
4-hidroxibenzoicos, etc.) muy comunes en el reino vegetal, los cuales al ser extrados de los
tejidos de la planta ejercen efecto aleloptico en la cpsula de Petri, pero no as en el campo.
No obstante las crticas que se le puedan hacer a los bioensayos en los estudios de alelopata,
en el sentido de que estos no demuestran consistentemente la interferencia qumica entre
plantas en los ecosistemas naturales, es importante reconocer su importancia metodolgica,
por lo cual se ha insistido mucho en tratar de mejorar los protocolos de investigacin de los
bioensayos para tratar de simular tanto como sea posible, las complejas situaciones que se
presentan en condiciones de campo, ya que las mayores crticas a los bioensayos se han
enfocado precisamente en su artificialidad y poca correspondencia con lo que realmente
ocurre en las interacciones entre plantas en el campo. Los compuestos alelopticos son
liberados a la rizosfera, directa o indirectamente, mediante lavado, incorporacin y
descomposicin de residuos, volatilizacin, o por exudados radicales; esto implica que
cuando realizamos bioensayos con extractos de plantas la relevancia ecolgica de dichos
resultados es muy limitada. Algunos autores opinan que es muy fcil, pero no conclusivo,
demostrar el potencial aleloptico de cualquier especie vegetal mediante algn bioensayo,
porque casi todas las especies de plantas pueden, mediante una digestin apropiada,
extraccin y concentracin, producir un potencial efecto txico sobre una planta receptora,
por esta razn lo recomendable es evitar el uso de lavados y de extractos como
procedimientos para demostrar alelopata en los bioensayos de laboratorio.
En forma general la investigacin en alelopata comprende 2 etapas:
1. Fase biolgica ecolgica.
2. Fase qumica analtica.
Fase biolgica ecolgica:
Esta fase se inicia cuando por simple observacin percibimos en condiciones de campo una
aparente interaccin negativa severa entre plantas. Esta puede visualizarse, por ejemplo,
como zonas de suelo desnudo alrededor de vegetacin arbustiva, cobertura vegetal rala bajo
un grupo de rboles, persistencia de un estado particular dentro de la sucesin vegetal o
impedimento del desarrollo o reduccin del rendimiento en un cultivo infestado con una
maleza agresiva en particular.
El siguiente paso es determinar si competencia, alelopata u otro proceso (un patgeno
vegetal, una plaga, etc.) es responsable de la reduccin de crecimiento observada en la
especie afectada. Normalmente si el efecto observado no puede atribuirse a variables fsicas
ambientales (pH, temperatura, nutrientes minerales y contenido de agua), ni a los procesos
indicados anteriormente, se considera que la alelopata es la causa.
A continuacin, debe determinarse el mecanismo de liberacin y el camino por el cual se
mueve el supuesto aleloqumico en el medio. Los mtodos de extraccin deben tratar de
simular las rutas de entrada de las sustancias txicas al entorno natural. No es recomendable
usar procedimientos de extraccin que involucren el uso de solventes orgnicos o agua en
ebullicin, porque pueden llevar a la deteccin de fitotoxinas que en condiciones naturales
estn fsica o qumicamente unidas de tal forma que no podran actuar en la inhibicin de
crecimiento vegetal.
Los aleloqumicos, despus de entrar al medio ambiente de la planta receptora pueden ejercer
un efecto directo (rpido) o un efecto indirecto (retardado). Los efectos directos van a
depender fundamentalmente de su concentracin bioactiva, y de su destino y tiempo de
residencia en el suelo; mientras que los efectos indirectos pueden ser causados por
degradacin y / o transformacin del aleloqumico liberado, a travs de reacciones biticas o
abiticas del suelo. Por ejemplo, tanto las arcillas minerales del suelo (abitico) como
enzimas del suelo (bitico) han sido reportados como catalizadores de reacciones de
oxidacin de compuestos fenlicos en el suelo. De igual manera, se han reportado evidencias
de que los elementos polivalentes Cu
2+
, Mn
2+
y Fe
3+
facilitan la transformacin de
compuestos fenlicos en el suelo. Los efectos retardados de los aleloqumicos podran
tambin estar relacionados con sus efectos sobre la biota del suelo y con las caractersticas
fisicoqumicas del suelo.
Representacin esquemtica del efecto del medio hospedero (suelo) en la disponibilidad de
los aleloqumicos. Tomado de Inderjit y K.M.M. Dakshini
Bioensayos
Para el estudio de una alelopata en particular debe establecerse un bioensayo estndar
seleccionando especies blanco (target o indicadoras) convenientes y se bioensayan los
compuestos colectados anteriormente evaluando cambios en tamao y peso en los rganos de
stas. Son frecuentes los bioensayos de germinacin de semillas y crecimiento de plntulas.
Tambin se han diseado bioensayos con plantas enteras (por ejemplo. Lemna minor). Las
especies blanco o indicadoras se seleccionan de acuerdo al objetivo que se persigue (por
ejemplo, corroborar la sensibilidad a un aleloqumico de una supuesta especie receptora que
se observ en campo). Es aconsejable seleccionar especies que presenten germinacin
uniforme, sensibilidad a gran variedad de aleloqumicos especialmente a bajas
concentraciones de los mismos y crecimiento rpido. De esta manera en el anlisis estadstico
de la informacin se pueden obtener bajos coeficientes de variacin y la ms alta
significacin para los parmetros de crecimiento mensurables (por ejemplo. longitud de raz
y vstago).
Los mtodos ms frecuentes utilizados en bioensayos son:
a) Para Extractos vegetales; Caja de Petri, Suelo y Arena.
b) Para estudios de interaccin entre plantas intactas; Suelo, Arena y Agar
c) Para material vegetal; Esponja de celulosa, Suelo, Arena
Los ensayos de germinacin y los de crecimiento de plntulas son ampliamente utilizados
debido a que son sencillos y permiten una evaluacin rpida de la respuesta de una especie
vegetal a un agente presuntamente aleloptico. Como especie receptora o indicadora, se
puede utilizar cualquier maleza o cultivo. Algunas de las especies ms comnmente
utilizadas son: Lepidium sativum L. (Berro), Lactuca sativa L. (lechuga), Lycopersicum
esculentum L. (Tomate), Daucus carota L. (Zanahoria), Allium cepa (Cebolla), Triticum
aestivum L. (Trigo), Hordeum vulgare L. (Cebada) y Zea mays L. (Maz).
Las pruebas de germinacin se conducen en cajas de Petri de 9 cm de dimetro conteniendo
discos de papel de filtro completamente humedecidos con un volumen constante (4 a 8 ml)
de la solucin de prueba. Previo al estudio de germinacin las semillas de la planta
indicadora deben ser esterilizadas para evitar contaminacin con microorganismos, mediante
inmersin de las semillas con burbujeo de aire en una solucin 2% (peso/volumen) de
hipoclorito de sodio durante 15 minutos y luego enjuagar cuatro veces con agua destilada.
Otro mtodo empleado para la desinfeccin de semillas, tanto de la especie donadora como
de la receptora, consiste en sumergir las semillas en etanol (70% por 2,5 min.), seguido de 4
enjuagues con agua destilada estril; luego son sumergidas en hipoclorito de sodio (2,5% por
15 min.), seguido de 5 enjuagues con agua destilada estril.
Por lo general se colocan 50 semillas de cada especie indicadora, en cada caja de Petri, con
papel de filtro o papel toalla. El criterio de germinacin es cuando hay emergencia de la
radcula. Debido a la solubilidad limitada en agua de algunos aleloqumicos, y para facilitar
la penetracin del aleloqumico en la semilla se ha sugerido la disolucin de cantidades
adecuadas de estas sustancias inicialmente en Dimetilsulfxido (DMSO) y luego diluir en
agua a la concentracin deseada. Contenidos de 0,05% (v/v) de DMSO no tendran efecto
sobre la germinacin. Los tratamientos testigos deben contener igual concentracin de
DMSO para evitar falsos resultados. Se sugieren concentraciones de 5 x 10
-3
M, 1 x 10
-3
M,
1 x 10
-4
M y 1 x 10
-5
M. Posibles efectos aditivos o sinergismos pueden evaluarse usando
combinaciones de varios de estos aleloqumicos. Entre cuatro a seis cajas de petri, cada una
conteniendo 50 semillas, deberan ser usadas para cada concentracin (tratamiento) de los
agentes alelopticos. Las cajas de Petri conteniendo las diluciones de prueba y las semillas
deberan ser incubadas, preferiblemente en un germinador o una cmara de crecimiento con
condiciones controladas de temperatura, humedad relativa, intensidad de luz y horas de luz.
Las lecturas de germinacin, crecimiento radicular, del coleoptilo, etc., se realizan a
determinados intervalos de tiempo despus de haberse colocado la semilla en contacto con la
solucin potencialmente aleloptica; por ejemplo, a los 2, 4, 6, das. Debe compararse la
germinacin de cada una de las soluciones de prueba contra la del control. El diseo
estadstico ms apropiado en estos estudios es el arreglo completamente aleatorizado de las
unidades experimentales pero tambin se puede emplear el diseo de bloques al azar.
Con la informacin obtenida se construyen las correspondientes curvas de porcentaje de
germinacin en funcin de los das para cada concentracin de aleloqumico, para los
diferentes agentes alelopticos y especies receptoras. Comparar la respuesta de las diferentes
especies a las sustancias ensayadas. Estos resultados dan una idea del potencial aleloptico de
la especie donadora, pero no se pueden extrapolar a campo, dado que las concentraciones
producidas de los metabolitos se desconocen, as como tambin se desconoce que ocurre con
los mismos una vez puestos en contacto con el sustrato, debido al pH, a la humedad, a la
microbiota, etc.
Efecto de los extractos de hoja (H) y raz (R) Rumex crispus sobre el crecimiento de la
radcula y el vstago de varias especies indicadoras. Tomado de Gmez C et al. Algunos
estudios de alelopata de Rumex crispus y Polygonum cegetus HBK en Colombia.
Es muy importante, antes de realizarse los bioensayos, medir los potenciales osmticos de las
soluciones contentivas de los potenciales compuestos alelopaticos, para estar seguros de que
el efecto sobre la germinacin y sobre el crecimiento de la radcula o de la plntula
indicadora, se debe a un potencial efecto alelopatico y no a un efecto osmtico. La existencia
de potenciales osmticos muy elevados en las soluciones de extractos a ser evaluados inhibe
la germinacin y crecimiento de muchas especies. El instrumento idneo para medir el
potencial osmtico de una solucin es el osmmetro.
En caso de no disponerse de un osmmetro, se pueden usar soluciones de manitol o D-
sorbitol, en orden creciente de concentraciones conocidas y potenciales osmticos conocidos
y se realizan bioensayos con estas soluciones de manitol para ver en que concentracin o
rango de concentraciones, se ve afectada la germinacin de la planta indicadora. Para
explicar el procedimiento de elaboracin de curvas de calibracin de potenciales osmticos,
usaremos un ejemplo obtenido del trabajo de Maestra del Ing. Zambrano C, realizado en el
Laboratorio de Fisiologa y Metabolismo Vegetal de Cultivos y malezas Tropicales, FAGRO,
UCV. En este trabajo se elaboraron curvas de calibracin para evaluar el efecto de la
concentracin osmtica de los eluatos y extractos de la especie donadora sobre la altura de
las plantas indicadoras de las especies Echinochloa colona, Ischaemum rugosum, Lactuca
sativa y Oryza sativa. Las soluciones utilizadas estuvieron entre 10 y 25mg diluidas en 50 ml
de agua destilada, siendo la solucin testigo agua destilada pura. El potencial osmtico de
cada una de las concentraciones de D-sorbitol se midi en un Osmmetro, Osmette 5002 y
con estos valores se construy una curva de los valores de altura de plntula (Y) versus los
potenciales osmticos (X).
Curvas de calibracin de potencial osmtico de las especies indicadoras utilizando la altura
de planta como variable respuesta.
La metodologa, sin lugar a dudas, es uno de los aspectos fundamentales para el estudio de la
alelopata. Por esta razn, muchos investigadores han considerado como prioritario
estandarizar los mtodos de estudio, lo cual ha llevado recientemente al desarrollo del
Mtodo de Anlisis de Laboratorio ECAM (Equal-Compartment- Agar-Method), que permite
simular la liberacin natural de aleloqumicos desde plantas vivas donantes hacia un medio
de cultivo estril y sin nutrientes, evitando el efecto de microorganismos y la competencia
por nutrientes, agua y luz entre las especies vegetales evaluadas. En este mtodo, las etapas
en rden de ejecucin son: a) desinfeccin de las semillas de las especies donantes y
receptoras; b) Pregerminacin en cmara de crecimiento con condiciones controladas de luz,
temperatura, HR, etc. c) Colocacin de las semillas pregerminadas (donante y receptoras) en
el medio de cultivo (agar esterilizado)
Fase qumica-analtica:
Si un efecto fitotxico puede demostrarse a travs de los bioensayos, se procede al
aislamiento e identificacin de los aleloqumicos potencialmente responsables. Mediante la
utilizacin de tcnicas como las cromatografas en capa fina, en papel, lquida de alta presin
(HPLC) y gaseosa acoplada a espectrmetro de masas, se pueden identificar la mayora de
los compuestos aislados.
Una vez identificado el agente aleloptico, debe detectarse su presencia en la parte del
entorno (aire, suelo, solucin del suelo) a travs de la cual estara ejerciendo su accin, en la
concentracin adecuada, para causar la inhibicin de la planta receptora. Esto no es fcil,
porqu los compuestos biolgicamente activos frecuentemente se encuentran en
concentraciones muy bajas en el suelo, lo cual dificulta la extraccin y deteccin de los
mismos.
Muchos autores enfatizan que no se puede emplear una sola tcnica para probar la presencia
o no de un fenmeno aleloptico. Los criterios expresados anteriormente, considerados en
conjunto, pueden ser muy tiles en la evaluacin de la naturaleza de un fenmeno de
interferencia en particular.
Uso potencial de la alelopata en la agricultura moderna.
La agricultura moderna a fin de satisfacer la enorme demanda de alimentos impulsada por
una poblacin mundial en continuo crecimiento, tiene como piedra angular para alcanzar los
niveles de productividad necesarios para satisfacer dicha demanda, el uso extensivo e
intensivo de agroqumicos, los cuales cuando son utilizados de manera racional y como parte
de un sistema de agricultura sostenible dentro de programas de control integrado de plagas y
enfermedades, cumplen su cometido sin afectar drsticamente al medio ambiente. Dentro de
estos agroqumicos, los herbicidas ocupan el primer lugar de importancia, ya que entre los
factores biticos limitantes de la productividad agrcola, la flora maleza es considerada el
factor mas relevante y es aqu precisamente donde las investigaciones en alelopata pudieran
aportar un elemento complementario, mas no alternativo, en el enriquecimiento de las
estrategias de manejo de malezas en los agroecosistemas, dentro de programas integrados,
orientados a una mayor sustentabilidad de los sistemas de produccin agrcola. Para lograr
una mejor utilizacin del fenmeno aleloptico es necesario profundizar su estudio, con
especial referencia a su aplicabilidad en sistemas de rotacin de cultivos, manejo de
residuos, prcticas de labranza y la bsqueda de nuevas molculas herbicidas para hacer
frente a la amenaza creciente de especies malezas particularmente problemticas por haber
evolucionado el carcter de resistencia a muchos de los herbicidas de mayor uso e
importancia a nivel mundial. Debido al mejoramiento de las tcnicas de aislamiento e
identificacin de los aleloqumicos, aunado a nuevos sistemas de cultivo y optimizacin de
bioensayos, muchas de las investigaciones actuales en alelopata estn dirigidas a la
determinacin de la naturaleza estructural de los productos naturales que han demostrado su
potencial aleloptico, con la finalidad de buscar molculas con actividades biolgicas
importantes. Desde este punto de vista, la alelopata se constituye en una herramienta para
identificar especies de plantas que puedan presentar efectos fitotxicos sobre especies de
malezas, particularmente aquellas donde se ha encontrado el carcter de resistencia a muchos
de los herbicidas de mayor uso a escala mundial. De tal manera que hoy en da, la alelopata
tiene un renovado inters agronmico, ya que la proliferacin de malezas que han mostrado
resistencia frente a los herbicidas convencionales, hace imperante la necesidad de encontrar
nuevos herbicidas, con nuevos mecanismos de accin, cuyas estructuras qumicas pudieran
estar impresas en muchos compuestos aleloquimicos, esperando ser descubiertos, pero no
como una fuente directa de herbicidas naturales, sino como una fuente de plantillas
moleculares o estructuras bases, a partir de las cuales, mediante modificaciones y
transformaciones sintticas, se produzcan potenciales herbicidas.
La alelopata ha sido y puede seguir siendo utilizada en agroecosistemas con fines prcticos:
utilizacin de cultivos de supresin o cubiertas alelopticas vegetales, rotaciones alelopticas
o cultivos acompaantes, incorporacin de residuos de cultivos alelopticos al suelo y uso de
extractos fitotxicos de plantas alelopticas. Mas recientemente, se est realizando mucha
investigacin en la bsqueda de germoplasma con potencial aleloptico para identificar
cultivares con alta actividad aleloptica y transferir esta caracterstica a cultivares
comerciales. Esta lnea de investigacin ha permitido conocer la existencia de muchas
accesiones con alto potencial alelopatico en cultivos de arroz, cebada, y trigo.
Conclusiones
Como hemos podido observar, el gran reto de la investigacin en alelopatia es metodolgico.
Es necesario continuar trabajando en la optimizacin de los bioensayos a objeto de que los
resultados provenientes de esta herramienta puedan ser utilizados para explicar y demostrar,
tanto como sea posible, las complejas situaciones que se presentan en la interferencia
qumica entre plantas en condiciones de campo. En este sentido, la literatura cientfica en esta
disciplina, propone el reforzamiento de las siguientes lneas de investigacin:
a) Diseo de bioensayos que simulen mejor la alelopata bajo condiciones naturales
b) Produccin y liberacin de aleloqumicos en respuesta a estreses biticos y abiticos
c) Influencia de los aleloqumicos en la dinmica de los nutrientes en el suelo
d) Papel de la ecologa de suelo en las transformaciones de los aleloqumicos
e) Efectos de los herbicidas y otros agroqumicos sobre la accin de los aleloqumicos en el
suelo.
f) Uso de aleloqumicos en el biocontrol especfico de algunas malezas, especialmente en
reas cultivadas
g) Papel de la alelopatia en la recuperacin y mejoramiento de suelos a travs de
fitorremediacin.
h) Evaluacin de la especificidad aleloptica (donador-receptor) y la influencia moduladora
de las caractersticas fisicoqumicas del suelo sobre esta especificidad.
i) Papel de la alelopata en los aspectos evolutivos de donantes y receptores
j) Profundizar el conocimiento de los mecanismos alelopticos a la luz de la biologa
molecular y la biotecnologa
k) Profundizar el conocimiento del modo de accin de los aleloqumicos (liberacin al
medio ambiente, transformaciones, transporte donador-receptor).
Bibliografa Recomendada
Belz R, Hurle K. 2004. A Novel Laboratory Screening Bioassay for Crop Seedling
Allelopathy J. Chem. Ecol. 30:175-198.
Belz R, Hurle K. 2005. Differential Exudation of Two Benzoxazinoids - One of the
Determining Factors for Seedling Allelopathy of Triticeae Species, J. Agrc. Food
Chem. 53:250-261.
Duchowicz P, Mercader A, Fernndez F, Castro E. 2008. Prediction of aqueous toxicity for
heterogeneous phenol derivatives by QSAR. Chemometrics and Intelligent Laboratory
Systems 90: 97107.
Duke S, Dayan F, Romagni J, Rimando A. 2000. Natural products as sources of herbicides:
current status and future trends. Weed Res. 40:99-111.
Fomsgaard I, Mortensen A, Carlsen S. 2004. Microbial transformation products of
benzoxazolinone and benzoxazinone allelochemicals-a review Chemosphere 54:1025-
1038.
Fujii Y. 2001. Screening and future exploitation of allelopathic plant as alternative herbicides
with special referent to hairy vethc J. Crop. Prod. 4:257-275
Hoagland R, Williams R. 2004. Bioassay Useful Tools for the Study of Allelopathy. In
Allelopathy. Chemistry and Mode of Action of Allelochemicals. Francisco A. Macas,
Juan C.G. Galindo, Jos M.G. Molinillo and Horace G. Cutler eds. CRC Press.
Huang Z, Terry H, Wu H, An M, Pratley J. 2003. Correlation between phytotoxicity on
annual ryegrass (Lolium rigidum) and production dynamics of allelochemicals within
root exudates of an allelopathic wheat J. Chem. Ecol. 29:2263-2279.
Inderjit, Callaway R. 2003. Experimental designs for the study of allelopathy Plant Soil
256:1-11.
Inderjit, Del Moral R. 1997, Is separating resource competition from allelopathy realistic?
Bot. Rev. 63:221-230.
Inderjit; Nilsen E. 2003. Bioassays and Field Studies for Allelopathy in Terrestrial Plants:
Progress and Problems Crit. Rev. Plant Sci. 22:221-238.
Inderjit; Weston L. 2000. Are laboratory bioassays for allelopathy suitable for prediction of
field responses? J. Chem. Ecol. 26:2111-2118.
Macas F, Chinchilla N, Varela R, Oliveros-Bastidas A, Marn D, Molinillo J. 2005.
Structure-activity relationship studies of benzoxazinones and related compounds.
Phytotoxicity on Echinochloa crus-galli (L.) P. Beauv. J. Agric. Food Chem. 53: 4373-
4380.
Macias F, Marin D, Oliveros-Bastidas A, Castellano D, Simonet A, Molinillo J. 2006.
Structure-activity relationship (SAR) studies of benzoxazinones, their degradation
products, and analogues. Phytotoxicity on problematic weeds Avena fatua L. and
Lolium rigidum Gaud J. Agric. Food Chem. 54: 1040-1048.
Macas F, Marn D, Oliveros-Bastidas A, Castellano D, Simonet A, Molinillo J. 2005.
Structure-Activity Relationships (SAR) Studies of Benzoxazinones, Their Degradation
Products and Analogues. Phytotoxicity on Standard Target Species (STS) J. Agric.
Food Chem. 53: 538-548.
Macas F, Marn D, Oliveros-Bastidas A, Castellano D, Simonet A, Molinillo J. 2006.
Structure-activity relationship (SAR) studies of benzoxazinones, their degradation
products, and analogues. Phytotoxicity on problematic weeds Avena fatua L. and
Lolium rigidum Gaud. J. Agric. Food Chem. 54:1040-1048.
Macas F, Marn D, Oliveros-Bastidas A, Molinillo J. (2006) Optimization of
Benzoxazinones as Natural Herbicide Models by Lipophilicity Enhancement. J. Agric.
Food Chem. 54: 9357-9365.
Macias F, Oliveros-Bastidas A, Marin D, Castellano D, Simonet A, Molinillo J. 2005.
Degradation Studies on Benzoxazinoids. Soil Degradation Dynamics of (2R)-2-O--D-
Glucopyranosyl-4-hydroxy-(2H)-1,4-benzoxazin-3(4H)-one (DIBOA-Glc) and Its
Degradation Products, Phytotoxic Allelochemicals from Gramineae J. Agric. Food
Chem. 53:554-561.
Macas F, Siqueira J, Chinchilla N, Marn D, Varela R, Molinillo J. 2006. New Herbicide
Models from Benzoxazinones: Aromatic Ring Functionalization Effects J. Agric. Food.
Chem. 54:9843-9851.
Macas F., Marn D, Oliveros-Bastidas A, Castellano D, Simonet A, Molinillo J. 2005.
Structure-activity relationships (SAR) studies of benzoxazinoids, their degradation
products and analogues. Phytotoxicity on standard target species (STS). J. Agric. Food
Chem. 53:538-548.
Martyniuk S, Stochmal A, Macias F, Marin D, Oleszek W. 2006. Effects of some
benzoxazinoids on in vitro growth of Cephalosporium gramineum and other fungi
pathogenic to cereals and on Cephalosporium stripe of winter wheat J. Agric. Food
Chem. 54:1036-1039.
Mathiassen S, Kudsk P, Mogensen B. 2006. Herbicidal Effects of Soil-Incorporated Wheat J.
Agric. Food Chem. 54:1058-1063.
Principles and Practices in Plant Ecology: Allelochemical Interactions. Inderjit, K.M.M.
Dakshini, Chester L. Foy, editors. 1999. CRC Press LLC.
Rice C, Park Y, Adam F, Abdul-Baki A, Teasdale J. 2005. Hydroxamic Acid Content and
Toxicity of Rye at Selected Growth Stages J. Chem. Ecol. 31:1887-1905.
Rice C, Park Y, Adam F, Abdul-Baki A, Teasdale J. 2005. Hydroxamic acid content and
toxicity of rye at selected growth stages J. Chem. Ecol. 31:1887-1905.
Rice, E. L., Allelopathy, Academic Press, Orlando , FL, 1984.
Rimando A, Olofsdotter M, Duker S. 2001. Searching for rice allelochemicals: An example
of bioassay-guided isolations Agr. J. 93:16-20.
Sanchez-Moreiras A, Reigosa M. 2005. Whole Plant Response of Lettuce after Root
Exposure to BOA (2(3H)-Benzoxazolinone) J. Chem. Ecol. 31: 2689-2703.
Singh H, Batish D, Kohli R. 2003. Allelopathic Interactions and Allelochemicals: New
Possibilities for Sustainable Weed Management Crit. Rev. Plant Sci. 22:239-311.
Stochmal A, Kus J, Martyniuk S, Oleszek W. 2006. Concentration of benzoxazinoids in roots
of field-grown wheat (Triticum aestivum L.) varieties J. Agric. Food Chem. 54:1016-
1022.
Vyvyan J. 2002. Allelochemical as leads for new herbicides and agrochemicals Tetrahedron.
58:1631-1646.
Wu H, Pratley J, Lemerle D, Haig T, An M. 2001. Screening methods for the evaluation of
crop allelopathic potential Bot. Rev. 67:403-415.
Wu H, Pratley J, Lemerle D, Haig T. 2000. Laboratory screening for allelopathic potential of
wheat (Triticum aestivum) accessions again annual ryegrass Aust. Agric. Res. 51:259-
266.
Zikmundova M, Drandarov K, Bigler L, Hesse M, Werner C. 2002. Biotransformation of 2-
benzoxazolinone and 2-hydroxy-1,4-benzoxazin-3-one by endophytic fungi isolated
from Aphelandra tetragona Appl. Environ. Microbiol. 68:4863-4870.
Captulo 4
BIOANLISIS EN LA CIENCIA DE LAS MALEZAS: CONCEPTOS
IMPORTANTES Y EXPERIENCIA PRCTICA
Bernal E. Valverde
Investigacin y Desarrollo en Agricultura Tropical, S. A.
The University of Copenhagen, Denmark
Introduccin
Los herbicidas por su naturaleza biolgica se seleccionan buscando una alta eficacia para
eliminar las malezas y el mayor grado posible de selectividad para los cultivos. Varios
compuestos qumicos que carecen de selectividad tambin se han desarrollado y
comercializado, incluido el glifosato que es el herbicida ms vendido en el mundo.
Tradicionalmente, las compaas productoras de agroqumicos han basado sus programas de
escrutinio de herbicidas en la realizacin de bioanlisis con plantas enteras bajo condiciones
controladas aunque la tendencia en la actualidad es la de trabajar con otros sistemas que
permiten un escrutinio ms rpido, automatizado y en gran escala. Los bioanlisis iniciales
con plantas enteras se realizan utilizando una o dos dosis elevadas aplicadas sobre varias
especies de monocotiledneas y dicotiledneas, incluidos varios cultivos. Para lograr
seleccionar un herbicida con potencial comercial, se requiere probar miles de compuestos
qumicos con costos sumamente elevados. En la actualidad, se estima que para llevar un
nuevo herbicida al mercado, se debe realizar el escrutinio de unas 100 000 sustancias con una
erogacin de 200 millones de dlares. A pesar de todo este esfuerzo, el ltimo modo de
accin descubierto que permiti la comercializacin de herbicidas novedosos se introdujo en
1991 con los inhibidores de la hydroxifenil piruvato dioxigenasa (HPPD) entre los que se
encuentran la sulcotriona y mesotriona (Ruegg et al. 2007). La inhibicin de la enzima
HPPD provoca la prdida de pigmentos protectores lo que resulta en el blanqueamiento de
los tejidos foliares jvenes y en dao severo por exposicin a la luz. En la bsqueda de
nuevos herbicidas y modos de accin y gracias a los avances tecnolgicos que permiten la
prueba de muchos compuestos a la vez, se recurre a bioanlisis ms elaborados, que
requieren menor cantidad de producto para realizarlos y que se completan en muy poco
tiempo con la ayuda de procesos automatizados.
En el uso prctico de los herbicidas, los bioanlisis tambin tienen mucha importancia y se
emplean con regularidad en investigacin y diagnstico. En aos recientes, los bioanlisis se
convirtieron en una herramienta determinante para corroborar casos de resistencia a
herbicidas.
En este captulo introductorio se presentan conceptos fundamentales acerca del empleo de
bioanlisis y describe en detalle el cmo realizarlos para determinar la respuesta a herbicidas
solos o en interaccin con otros productos utilizando plantas enteras. En lo posible, procuro
incluir elementos prcticos, muchos de mi propia experiencia, de la realizacin de bioanlisis
para quienes tengan inters o necesidad de realizarlos y no cuenten con informacin
recopilada al respecto.
Utilidad de los bioanlisis
Los bioanlisis tienen muchos usos como herramienta de investigacin y de diagnstico. Un
bioanlisis puede consistir en algo tan sencillo como determinar a nivel prctico y en el
campo, si un herbicida persistente ya ha perdido su actividad en el suelo para permitir la
siembra del cultivo. Esta es una prctica comn cuando se emplean herbicidas persistentes
para controlar arroz maleza en arroz. Transcurrido un tiempo prudencial, se marcan
pequeas reas en el campo y se distribuye semilla del cultivo para observar si las plntulas
que emergen presentan algn sntoma de toxicidad. Esta operacin se repite hasta que las
plntulas muestran desarrollo normal garantizando que puede procederse con la siembra
comercial del cultivo. Un enfoque similar puede emplearse con fines experimentales para
determinar la persistencia de herbicidas y la sensibilidad relativa de posibles cultivos de
rotacin (Smith et al. 2005). En este caso, el bioanlisis de campo brinda informacin
prctica rpida y confiable que ayuda en la toma de decisiones, especialmente cuando no se
tiene los recursos econmicos o tcnicos para un anlisis de laboratorio o cuando no hay un
mtodo de laboratorio validado para cuantificar los residuos y un procedimiento que permita
relacionarlo con la fitotoxicidad.
Entre los usos importantes de los bioanlisis se incluyen la determinacin de residuos
biolgicamente activos en suelos y aguas usando la curva de dosis-respuesta como estndar
de referencia, la verificacin de que un herbicida es causante de un dao al cultivo u otra
planta de inters mediante la reproduccin de los sntomas a travs de la aplicacin
controlada del herbicida, la caracterizacin de la selectividad de los herbicidas y el
diagnstico de la resistencia a herbicidas. Adems, los bioanlisis son muy tiles para
estudiar la interaccin entre herbicidas (sinergismo, antagonismo), la interaccin entre
herbicidas y otros compuestos (otros plaguicidas, coadyuvantes, y antdotos o safeners) y
la eficacia de distintas formulaciones de un mismo compuesto. Sirven tambin para
determinar la posible presencia de sustancias aleloqumicas y son fundamentales para
identificar sustancias biolgicamente activas a travs del aislamiento de componentes activos
dirigido por bioanlisis. Tambin pueden ayudar a la identificacin del modo de accin de
una sustancia. El estudio de las respuestas a un compuesto novedoso mediante bioanlisis
con plantas enteras puede brindar indicios de los procesos fisiolgicos que afecta y ayudar a
descubrir nuevos modos de accin. Este enfoque es muy til en especial con sustancias de
origen natural (Dayan et al. 2000). Los bioanlisis tienen la ventaja de ser cuantitativos y de
registrar realmente la actividad biolgica de las sustancias.
De acuerdo con los objetivos que se persigan, se puede utilizar diversos organismos como
indicadores del efecto de sustancias qumicas mediante bioanlisis, incluidos invertebrados,
algas, y plantas superiores. Por ejemplo, las algas se han utilizado como complemento al
anlisis qumico para determinar el efecto de sustancias txicas sobre cuerpos de agua como
resultado de la escorrenta proveniente de reas agrcolas (Okamura et al. 2002). Daphnia
magna es un crustceo de amplio uso en bioanlisis ecotoxicolgicos.
En este trabajo se enfatiza los procedimientos prcticos a considerar en la conduccin de
bioanlisis con plantas enteras, los cuales son tambin aplicables a pruebas realizadas con
otros organismos.
Pruebas con plantas enteras
Los bioanlisis ms frecuentes que se realizan a nivel prctico, fuera de los necesarios para el
desarrollo por parte de las compaas de agroqumicos, son los que estudian el efecto de un
herbicida sobre alguna especie vegetal con fines de diagnstico (por ejemplo para tratar de
reproducir daos por efecto de residuos del herbicida en el suelo o por deriva), para comparar
la respuesta diferencial entre especies (selectividad) o entre poblaciones de una misma
especie (resistencia), o para dilucidar interacciones de herbicidas entre s o con otros
compuestos. La mayora de ellos se realizan con plantas enteras y, aunque en general no se
requiere de equipo especializado para llevarlos a cabo, si es importante considerar muchos
factores que determinan su xito. La mayor parte de este trabajo se dedica a tratar los
elementos ms relevantes en la conduccin de bioanlisis con plantas enteras.
Seleccin del material vegetal
Para lograr los resultados propuestos en un bioanlisis es imperativo contar con material
experimental adecuado y en cantidad suficiente. En la mayora de los casos en que se trabaja
con plantas enteras, las pruebas se realizan utilizando plantas producidas en condiciones
controladas, por lo comn, originadas de semilla. En algunos casos tambin se recurre a
material vegetativo como fuente de las plantas a tratar con los herbicidas.
Semilla para los bioanlisis. La calidad y representatividad de la semilla a emplear en los
bioanlisis es clave para el xito de la prueba. La semilla debe de recolectarse o producirse
teniendo en mente los objetivos del bioanlisis. Por ejemplo, si lo que se desea es realizar un
diagnstico de la posible resistencia de una maleza, la semilla debe de recolectarse en el
campo siguiendo un patrn que asegure que representa la condicin del lote donde se
sospecha se tiene una poblacin resistente. Lo ms probable es que al realizarse la
recoleccin, la semilla obtenida provenga de las plantas que efectivamente son resistentes y
que lograron sobrevivir a la aplicacin del herbicida en el campo, as como de otras que por
distintas circunstancias evadieron al herbicida. Esta condicin de semilla mezclada
proveniente de individuos resistentes y susceptibles refleja, a pesar de los posibles problemas
de evaluacin en el invernadero y de interpretacin de los resultados, la composicin de la
poblacin en el campo. Si lo que se desea es realizar estudios ms elaborados, por ejemplo,
la determinacin del posible mecanismo de resistencia, puede requerirse la produccin de
semilla por varias generaciones especficamente para este fin, mediante la seleccin de
plantas que sobreviven a dosis altas del herbicida (o intermedias, segn el objetivo del
experimento y el posible mecanismo de resistencia) despus de un bioanlisis preliminar. En
cualquier caso, se ahorrar mucho tiempo en la conduccin de los experimentos si se cuenta
con semilla de calidad, con alto porcentaje de germinacin y que produzca plntulas
uniformes y vigorosas. En varias publicaciones se dan recomendaciones o se describen
procedimientos tiles sobre la recoleccin, etiquetado y almacenamiento de la semilla de
malezas para el diagnstico de la resistencia (Bourgeois & Morrison 1997; Moss 1999;
Paterson et al. 2002; Valverde et al. 2000). En algunos casos es necesario obtener semilla de
malezas de otras fuentes para realizar las pruebas comparativas. Una posibilidad es obtener
semilla de poblaciones previamente caracterizadas por otros investigadores en cuyo caso es
importante seguir los procedimientos legales adecuados para obtenerlas. Adems de los
certificados sanitarios y requisitos impuestos por las autoridades locales, es posible que se
deba de firmar un Acuerdo de Transferencia de Materiales en el que se especifique las
condiciones para la entrega la semilla y los usos para los cuales puede destinarse. Tambin
es posible comprar semilla de malezas de empresas comerciales, como por ejemplo
HerbiSeed del Reino Unido (www.herbiseed.com) y Azlin Seed Service (Leland, MS
EE.UU).
En algunas especies predomina la reproduccin vegetativa y se requiere establecer las
poblaciones a tratar en el bioanlisis mediante la siembra de rizomas, culmos o tallos
enraizados, u otros rganos. En estos casos, el enraizamiento y brotacin pueden ser
disparejos por lo que es mejor hacer brotar o crecer el material en bandejas por separado para
luego transplantar a las macetas definitivas. La reproduccin de hijos en gramneas puede ser
provechosa para tratar la misma planta con herbicidas diferentes. Si, por ejemplo, se
sospecha de resistencia mltiple a herbicidas en una poblacin se puede tomar una planta en
el campo, separarle sus hijos y sembrarlos por separado para luego tratarlos con diferentes
herbicidas para determinar la respuesta de la misma planta a varios productos aplicados de
manera independiente. De la misma forma, plantas que crecen en el invernadero, por
ejemplo las que sobreviven a dosis elevadas, pueden subdividirse en sus respectivos hijos y
sembrarse por aparte para tratamientos adicionales o incrementar la recoleccin de semilla.
Preparacin del material vegetal. La mayora de los bioanlisis convencionales se hacen
con plantas enteras en macetas. Tambin se pueden hacer con plntulas recin emergidas en
cajas de petri o en medio de cultivo slido o lquido. Para la conduccin de los bioanlisis es
imperativo contar con suficientes plantas en el estado de crecimiento adecuado y con la
mayor uniformidad posible. Desafortunadamente, producto de su variabilidad intrnseca, las
semillas de las malezas no germinan de manera uniforme, en muchos casos producto de su
latencia diferencial o del efecto de las condiciones de crecimiento de la plantas madre.
Dependiendo de la especie, es muy probable que se requiera dar a la semilla algn
tratamiento para romper la latencia. Lo ms recomendable es buscar literatura pertinente y
hacer una prueba de germinacin antes de iniciar los bioanlisis. El tiempo que de se demora
realizando estas pruebas se recupera con creces en la realizacin de los estudios que
realmente son crticos. Una fuente primaria de informacin sobre cmo hacer germinar las
semillas de las malezas es la Gua de Andersen (Buhler & Hoffman 1999).
De acuerdo con mi experiencia de muchos aos de realizar bioanlisis en invernadero con
plantas enteras prefiero germinar la semilla en condiciones controladas y transplantar las
plntulas recin emergidas a las macetas definitivas. Esta prctica me ofrece muchas
ventajas, entre las que se puede citar:
Ahorro en la cantidad de semilla utilizada para la conduccin de un bioanlisis
Obtencin de plntulas requeridas en un espacio limitado
Seleccin de plntulas uniformes que pueden transplantarse de manera simultnea
para lograr mayor uniformidad de crecimiento
Garanta de que slo se incorpora al suelo semilla germinada. Esto es muy
importante por cuanto si se siembra la semilla directamente en la maceta definitiva, la
que no germine no puede eliminarse del suelo o medio de crecimiento con total
certeza antes de desecharlo. Si trabajamos con especies perniciosas, esto nos da la
tranquilidad de no estarlas diseminando a sitios no deseados.
La germinacin, en la mayora de los casos, la realizo en cajas de petri con papel de filtro o
de germinacin. De rutina, siempre humedezco el papel con una solucin de nitrato de
potasio al 0.2% (p/v) para mejorar la germinacin y dejo la semilla embeberse as por 24
horas. Luego procedo a lavarla con agua del tubo utilizando una piseta y la mantengo en los
platos con humedad suficiente hasta que germine. Las cajas de petri pueden cerrarse con
parafilm para evitar la desecacin. Algunas especies tienen un crecimiento inicial muy
lento en condiciones controladas. Si se siembra todo el material en las macetas definitivas
ocupar espacio por mucho tiempo. En estos casos, puede transplantarse las plntulas en
bandejas y luego hacer un segundo transplante a las macetas definitivas. Estas plantas de
lento crecimiento, por ejemplo Paspalum paniculatum tambin tienden a crecer muy
desuniformes por lo que el segundo transplante se puede aprovechar para escoger el material
definitivo o agrupar por tamao las plantas en las macetas para luego seleccionarlas por
bloques.
Llegado el momento de la aplicacin, se procede a preparar las macetas para el tratamiento.
Debe escogerse el material ms uniforme. Muchos bioanlisis se realizan empleando un
arreglo irrestrictamente al azar por lo que la uniformidad del material es muy importante.
Tambin es de todos sabido que dependiendo del estado de crecimiento las plantas pueden
variar en su respuesta al herbicida. Me sorprendera mucho que al momento de preparar el
material para tratarlo, todas las plantas sean uniformes. Por el contrario, prcticamente en
todos los casos, resulta necesario hacer algn tipo de clasificacin (por altura, si todas las
plantas tienen el mismo estado de crecimiento, o por estado de crecimiento propiamente
dicho). An cuando el anlisis de los datos se haga por regresin, esta clasificacin en
bloques es muy deseable, sobre todo para la evaluacin visual y para poder valorar si los
tratamientos testigo se comportaron de acuerdo con lo previsto. Recordemos que el efecto de
los herbicidas lo medimos en relacin con el comportamiento de plantas sin tratar. Si los
testigos no crecen de la manera adecuada podemos perder por completo el bioanlisis o sacar
conclusiones erradas.
Es importante tener un procedimiento sistemtico de etiquetado, sobre todo cuando se
realizan bioanlisis de forma rutinaria. Cada investigador puede disear su propio esquema
de etiquetado. En mi caso particular, empleo tres dgitos para identificar el material vegetal:
(biotipo o poblacin), repeticin y dosis. Por ejemplo, una maceta cuyo cdigo es 314
corresponde al tercer biotipo, primera repeticin y la cuarta dosis. Cuando los bioanlisis
requieren mucho material, recurro a etiquetar con paletas plsticas de diferente color (por
ejemplo, uso colores diferentes para herbicidas distintos, manteniendo la numeracin
anterior).
Seleccin del mbito de dosis
Seleccin del mbito de dosis adecuado. La respuesta tpica de las plantas a dosis crecientes
de herbicidas tiene forma sigmoidea (Figura 1) de modo que para lograr un ajuste adecuado
del modelo es importante seleccionar un mbito de dosis apropiado.
Figura 1. Relacin de la respuesta de las plantas al incremento de la dosis de
herbicida (en escala logartmica). Cuatro parmetros definen la curva: D es el nivel
superior, C es el nivel inferior, b es la pendiente y ED
50
es la dosis que inhibe la
variable de respuesta medida en un 50% (ver seccin sobre Anlisis de los datos y
presentacin de los resultados para mayores detalles).
Antes de realizar los bioanlisis detallados es conveniente hacer una prueba preliminar.
Puede aprovecharse las pruebas de germinacin de semilla para obtener plantas suficientes
para el experimento preliminar en el que slo se consideran unas pocas dosis (dos o tres) no
mayores de la comercial. Si se observa respuesta diferencial entre las poblaciones tratadas,
se puede hacer el ajuste correspondiente en el mbito de dosis definitivo. Uno de los errores
ms frecuentes en la conduccin de bioanlisis de respuesta a dosis crecientes en las que se
compara especies o biotipos con respuesta diferencial a herbicidas es la escogencia de
mbitos de dosis inadecuados. Por sencillez, en el diagnstico de la resistencia, muchas
veces se una mbitos comunes para las plantas resistentes y susceptibles. Las consecuencias
son lamentables pues de desaprovecha la oportunidad de obtener informacin valiosa y
confiable. Como regla general, se debe de tener mbitos diferentes para las poblaciones
susceptibles y resistentes, de modo que se pueda ajustar los modelos de regresin y obtener
los valores de inhibicin media con intervalos de confianza adecuados para poder calcular
ndices de resistencia y comparar dichas poblaciones. Las dosis deben seleccionarse en
progresin geomtrica, es decir, las dosis aumentan con base en una tasa comn. Lo ms
comn es que las dosis se dupliquen conforme se avanza en la progresin, aunque se puede
utilizar otras tasas incrementales. En la Figura 2 se ilustra la importancia de seleccionar de
manera apropiada los mbitos de dosis.
Figura 2. Seleccin de mbitos de dosis. Curvas de dosis-respuesta provienen de bioanlisis preliminares para
determinar la respuesta a imazapir en biotipos de arroz maleza (Oryza sativa). mbitos adecuados para
identificar un biotipo resistente por flujo de genes de variedades de arroz resistentes a imidazolinonas (A) y uno
susceptible (B). Ntese la diferencia en la escala de las dosis. (C) mbito inadecuado (por escogencia de dosis
muy elevadas) para identificar un biotipo susceptible. (D) mbito inadecuado (por seleccin de dosis muy
bajas) para identificar un biotipo resistente.
Para poder ajustar un modelo de dosis-respuesta es necesario incluir al menos cuatro dosis
(mnimo requerido por el modelo). Sin embargo, lo ms deseable es incluir seis o ms. Yo
regularmente empleo ocho dosis ms dos testigos sin tratar (por repeticin). El nmero de
repeticiones afecta la precisin con que se determina los parmetros. Debe de usarse tres o
ms repeticiones (mi preferencia es de cuatro a seis). Si el material vegetal es limitante, debe
de hacerse un balance entre el nmero de dosis y el de repeticiones tratando de optimizar el
anlisis considerando los grados de libertad asociados con el modelo estadstico.
Es importante tener presente que la respuesta de las plantas a los herbicidas vara con el
estado de crecimiento, lo cual puede hacer necesario realizar ajustes en los mbitos de dosis a
probar. Pero tambin puede darse el caso de que la expresin de mecanismos de resistencia
dependa del estado de crecimiento. Este tipo de variaciones en la respuesta a los herbicidas
est documentado en la literatura, por ejemplo, las plantas de E. colona resistentes a propanil
tienen niveles de resistencia superiores conforme se desarrollan ms que no se explican por
variaciones en la actividad de la arilacilamidasa responsable de la resistencia (por
metabolismo acelerado del herbicida), lo cual sugiere que otros mecanismos coadyuvan a la
resistencia cuando las plantas estn ms desarrolladas (Leah et al. 1995). Un caso ms
dramtico se observ con Conyza canadensis resistente a glifosato (Dinelli et al. 2006).
Cuando las plantas se trataron con glifosato en dosis crecientes en el estado de dos hojas, no
se observ diferencia alguna en la respuesta al herbicida entre las plantas supuestamente
resistentes y las susceptibles. Si los autores se hubieran conformado con estos resultados
habran concluido que C. canadensis no haba evolucionado resistencia al glifosato. Sin
embargo, cuando el glifosato se aplic a plantas en el estado de roseta, los biotipos resistentes
requirieron tres veces ms glifosato que los susceptibles para inhibir su crecimiento en un
50% (Figura 3).
Aplicacin de los tratamientos y conduccin del bioanlisis
Equipo de aplicacin y su calibracin. Si la calibracin del equipo es importante en las
aplicaciones comerciales en el campo, con mayor razn es fundamental en la ejecucin de los
bioanlisis. Lo ideal es aplicar los tratamientos con un equipo diseado para este propsito
de modo que se garantice que la presin, el volumen y la velocidad de aplicacin sean
constantes. En el mercado puede obtenerse cmaras de aspersin de herbicidas con
diferentes niveles de automatizacin (Figura 4). Algunas de las compaas que ofrecen este
tipo de equipo son Devries Manufacturing (http://www.devriesmfg.com) y su distribuidor
R&D Sprayers (http://www.co2sprayers.com) y Engineering and Design Associates, Inc.
(http://www.eda-inc.net). Tambin se las puede construir segn las especificaciones
deseadas. En ausencia de una cmara de aspersin, la siguiente mejor opcin es un equipo de
aplicacin porttil accionado por CO
2
que garantiza una presin constante. R&D Sprayers
tiene varios modelos disponibles. Herbiseed tiene un modelo construido en fibra de carbono
que lo hace muy liviano. Si del todo no se cuenta con equipo especializado, los tratamientos
se pueden aplicar con una bomba de mochila procurando el mayor control de las variables
antes mencionadas (presin, volumen de aplicacin y velocidad). Cualquiera que sea el
equipo que se utilice, debe de calibrarse antes de realizar la aplicacin. Tambin es una
buena prctica corroborar frecuentemente que la presin no vare. La calibracin se realiza
con agua y la mezcla de herbicida a aplicar contiene el herbicida y los dems componentes
que se estn evaluando. No est de ms comprobar que la descarga no vara por efecto de la
densidad del material.
Figura 3. Supervivencia de biotipos de Conyza canadensis resistentes [AR (), DE ( ), OH ( ), y
VA ()] y susceptibles a glifosato [RE (), WA ( )] tratados con dosis crecientes de glifosato en
el estado de dos hojas (A) y de roseta (B). Las lneas describen las respuestas (de supervivencia)
predichas de acuerdo con un modelo sigmoideo. Los datos corresponden a los promedios EE de
tres repeticiones en las cuales se trat 25 plantas de cada biotipo con cada dosis. En los recuadros
se indica los valores de ED
50
(g ea ha
1
) e ndice de resistencia (IR, valor de ED
50
del biotipo de C.
canadensis dividido por el valor de ED
50
del biotipo susceptible RE). Tomado y traducido
libremente al espaol de (Dinelli et al. 2006).
Figura 4. Cmara de aspersin fabricada por Devries Manufacturing.
Preparacin de las diluciones. Si se trabaja con productos formulados, es importante
asegurarse que se cuenta con los instrumentos bsicos de medicin de pesos y volmenes.
Las cantidades de mezcla que se preparan para la aspersin de los tratamientos son bajas (de
50 a 500 mL) por lo que las cantidades del herbicida formulado que se adicionan tambin son
bajas (en el orden de microlitros o microgramos). Si las concentraciones a asperjar son muy
bajas puede ser necesario recurrir a la preparacin de soluciones madre. Es de vital
importancia verificar muy bien los clculos puesto que un error en la preparacin de dicha
solucin afectar todas las dosis aplicadas. Cuando el herbicida se formula como grnulos
dispersables en agua es conveniente trabajar con soluciones madres. Si el tratamiento
requiere la adicin de un coadyuvante tambin es conveniente hacer una solucin madre
concentrada puesto que resulta muy difcil medir volmenes bajos del coadyuvante en virtud
de su viscosidad. Si el herbicida que se va a utilizar es un estndar analtico, verifique con el
proveedor el procedimiento para diluirlo y asegrese de tener los testigos o tratamientos en
blanco necesarios. Es posible que el herbicida deba disolverse en un solvente orgnico como
la acetona antes de prepararlo en agua para su aspersin.
Aspersin del herbicida y manejo de las plantas recin tratadas. Cuando se aplica un mismo
herbicida en dosis crecientes, lo ms conveniente es aplicar las dosis en orden ascendente
para evitar el lavado del equipo despus de cada tratamiento. Si los herbicidas a probar
tienen diferentes formulaciones, es preferible aplicar de primero los que se formulan como
soluciones acuosas concentradas o polvos solubles. Los polvos mojables deben dejarse de
ltimo y asegurarse de verificar frecuentemente de que los filtros de las boquillas estn
limpios para garantizar que se asperja el volumen deseado. Aplicado el herbicida, conceda
tiempo suficiente a las plantas para que la aspersin se seque antes de trasladarlas al sitio
definitivo y asegrese de regarlas de la manera apropiada para evitar el lavado del producto
desde el follaje o la contaminacin del follaje de plantas adyacentes por efecto del salpique
del agua de riego que se posa sobre las hojas recin tratadas.
Es importante asegurarse que las plantas se colocan en condiciones lo ms homogneas
posibles. Preferiblemente, las macetas deben colocarse al azar, sin seguir un patrn definido.
En la prctica, es conveniente dejar una repeticin con las macetas ordenadas por dosis
creciente de modo que sea ms fcil darle seguimiento al desarrollo de los sntomas. Provea
riego a la base de las plantas, preferiblemente con un sistema de goteo, y evite el riego por
aspersin. El lavado del herbicida desde las hojas puede hacer que el producto entre en
contacto con plantas vecinas causndoles efectos no deseados. Es recomendable no hacer
aplicaciones de insecticidas o fungicidas inmediatamente despus de la aplicacin de los
herbicidas. Espere al menos dos das. De la misma forma, es mejor no aplicar estos
productos antes de tratar las plantas con el herbicida para evitar el riesgo de que ocurran
interacciones entre ellos.
Evaluacin de los tratamientos y recoleccin de los datos
Evaluacin de los tratamientos y recoleccin de los datos. En el momento oportuno se
procede a hacer la evaluacin del material y recolectar los datos. Pero cundo es el
momento oportuno? No es posible definir a priori cundo realizar la evaluacin. Mi
recomendacin es que observe las plantas regularmente y tome la decisin conforme
evolucione el desarrollo de los sntomas. Uno de los problemas en la evaluacin de los
bioanlisis es su naturaleza comparativa en relacin con un testigo sin tratar. Si la evaluacin
se realiza muy pronto, es posible que las plantas no hayan desarrollado los sntomas
completamente y que se subvalore el efecto del herbicida. Si la evaluacin se demora
mucho, las plantas testigos pueden crecer demasiado por lo que el efecto del herbicida se
sobredimensiona. El conocimiento del material experimental y del efecto del herbicida
ayuda mucho a determinar el mejor momento para realizar la evaluacin. Los herbicidas que
tienen efecto de contacto, pueden evaluarse pocos das despus de su aplicacin. Por
ejemplo, el efecto del propanil puede evaluarse entre 5 y 7 das despus del tratamiento. Los
herbicidas sistmicos son ms lentos en ejercer su accin y requieren que transcurra mayor
tiempo antes de que pueda evaluarse su efecto. Un buen indicador de que se ha llegado al
momento de hacer la evaluacin es cuando los tejidos de las plantas tratadas con el herbicida
en sus dosis ms altas se tornan necrticos y las plantas mueren. La tardanza en la
evaluacin, sin embargo, puede dar oportunidad a que plantas que sufren de un dao
moderado se recuperen. Las condiciones ambientales (temperatura y luminosidad) afectan el
tiempo necesario para el desarrollo de sntomas lo que obliga a justes en cuanto al tiempo de
evaluacin y cosecha.
Es importante tener una mentalidad abierta y valorar modificaciones en la conduccin y
evaluacin de los bioanlisis cuando sea necesario, a pesar de que se tenga amplia
experiencia y que supuestamente se conozca el material experimental. Por ejemplo, en un
estudio del autor todava en ejecucin, la evaluacin preliminar de la respuesta de
poblaciones de P. paniculatum supuestamente resistentes a glifosato arroj resultados
inconsistentes y result muy difcil corroborar la resistencia, a pesar de que las poblaciones
muestreadas no se lograban controlar en el campo con dicho herbicida. Parte de las
dificultades para obtener datos confiables y reproducibles puede achacarse a la posible falta
de uniformidad intrnseca de las plantas al momento de tratarlas a pesar de los esfuerzos por
seleccionar material semejante, mezcla de individuos susceptibles y resistentes en la muestra,
y al nivel bajo de resistencia al herbicida y lento desarrollo de sntomas producto de un
probable mecanismo de resistencia no asociado con una modificacin en el sitio de accin
del herbicida. Las evaluaciones visuales y por peso fresco no mostraron mayor diferencia
entre las poblaciones supuestamente resistentes y las susceptibles de referencia. Sin
embardo, una espera mayor para realizar la evaluacin permiti verificar que las plantas
resistentes tenan la capacidad de rebrotar aun cuando en la evaluacin visual aparentaran
estar completamente muertas (Figura 5).
Figura 5. Evolucin de sntomas de toxicidad en un biotipo de Paspalum paniculatum
resistente a glifosato. (A) Sntomas iniciales observados a los 5 das despus de la aplicacin
(DDA) del herbicida en dosis crecientes (mbito parcial); (B) Sntomas avanzados a los 35
DDA; (C) Detalle de sntomas a los 35 DDA en planta tratada con la dosis ms elevada (en
esta fecha la planta se transfiere a maceta de mayor tamao para darle seguimiento); (D)
Rebrote de la planta tratada con la dosis ms alta a los 77 DDA; (E) Crecimiento de la planta
tratada con la dosis ms alta a los 150 DDA.
Otra decisin que enfrentamos es definir cmo realizar la evaluacin. Las compaas de
agroqumicos cuando realizan escrutinios de productos en gran escala usando plantas enteras,
evalan el efecto de los productos mediante una valoracin visual del dao. La evaluacin
visual tambin es muy utilizada en el diagnstico de la resistencia. Este tipo de evaluacin
por ser subjetiva depende de la agudeza visual y experiencia del evaluador. Un evaluador
bien entrenado puede apreciar diferencias y plasmarlas en un set de datos confiables. La
escala utilizada ms frecuentemente es la que asigna porcentajes de dao (grado de
afectacin de los tejidos) en comparacin con el tratamiento testigo, cuyas plantas no han
sufrido dao alguno.
Una valoracin cuantitativa se obtiene mediante el peso (fresco o seco) de las plantas. Si el
material tratado fue bien seleccionado en cuanto a uniformidad en el estado de crecimiento y
condicin de las plantas, los resultados de peso fresco y seco son fundamentalmente
equivalentes, con algunas excepciones. Plantas tratadas con los herbicidas hormonales que
tienen un crecimiento anormal por la obstruccin que dichos herbicidas causan al sistema
vascular y las deformaciones que producen en los tejidos pueden acumular mucha agua y
peso fresco a pesar de estar severamente afectadas en su crecimiento y desarrollo. En este
caso particular, la evaluacin visual puede ser incluso ms informativa que la de peso fresco.
El peso fresco puede ser ms vlido que el peso seco porque plantas que se han necrosado o
muerto recientemente pueden tener el mismo peso seco que plantas que se notan verdes y
saludables (Santelmann 1977).
Por razones de conveniencia, espacio y costo energtico, yo me inclino en mis bioanlisis por
el peso fresco (casi siempre basta evaluar en peso del follaje y no el del sistema radical).
Antes de cosechar las plantas, procedo a hacer una evaluacin visual detallada y a
documentar fotogrficamente las respuestas observadas. Confo ms en estas herramientas
que en mi memoria. Estas observaciones son muy tiles cuando se analiza los datos. La
evaluacin visual se puede detectar claramente valores atpicos (los denominados outliers)
y proporcionar un criterio menos sesgado en caso de que se deba de eliminar el dato del
anlisis. Tambin es oportuna por cuanto en algunas ocasiones las plantas en alguno de los
tratamientos testigo crecen de manera anormal y se debe considerar su eliminacin del set de
datos a analizar (por eso la conveniencia de incluir dos testigos en cada repeticin). Por
ltimo, no escapa a la realidad el hecho de que alguna planta sufra dao mecnico o que la
devore un insecto. En la evaluacin visual se constata la situacin y se procede, sin prdida
de rigor cientfico, a eliminar el dato. Un asistente de investigacin o estudiante bien
entrenado detecta este tipo de problemas y consulta; un ayudante que diligentemente sigue la
directriz de cosechar y pesar, recolecta un dato incierto y con l genera incertidumbre en toda
la repeticin o en el bioanlisis.
Algunos autores prefieren evaluar el efecto de los tratamientos determinando la mortalidad
de las plantas. La validez de este tipo de evaluacin depende del nmero de individuos que
componen cada tratamiento. En el sentido estricto, una planta puede estar viva o muerta, no
medio muerta ni medio viva. En mi experiencia la respuesta de las plantas a las dosis
crecientes de herbicidas no est definida en blanco y negro sino en tonos de gris. Por ello, le
veo mucha ventaja a la determinacin de peso fresco. Adems, el peso es una variable
continua, mientras que la mortalidad (o supervivencia) corresponde a una variable de
respuesta binomial, la cual debe ser sujeto de un anlisis de probits.
El efecto de los herbicidas se puede valorar utilizando otras mediciones, dependiendo de los
objetivos del experimento y del equipo y recursos disponibles. Entre ellas incluye altura de
planta, longitud de raz, rea foliar (o ndice de rea foliar), rendimiento en grano o fruto, tasa
de crecimiento relativo, tasa de asimilacin neta, tasa fotosinttica, fluorescencia de la
clorofila, produccin de algn metabolito especfico. Se puede medir el consumo diario de
agua por las plantas como un indicador del efecto del herbicida siempre y cuando las
condiciones ambientales sean homogneas para todas las plantas (Santelmann et al. 1971).
Aunque resulte obvio, es importante registrar los datos y almacenarlos de manera segura. Si
se registran en papel, hgalo con lpiz, no con bolgrafo. En caso de que el papel se
humedezca, los registros no se daarn. Con los medios disponibles en la actualidad, cada
vez es ms comn el registro electrnico de los datos. No olvide realizar los respaldos
necesarios.
Anlisis de los datos y presentacin de los resultados
Anlisis preliminar de los datos y ajuste de un modelo estadstico. Una vez obtenidos los
datos, debe de procederse a su anlisis, el cual, idealmente, debi haber sido planeado desde
que se dise el experimento para as garantizar que se lograr cumplir con sus objetivos.
Me gusta recordar a mis estudiantes que la estadstica es una herramienta y no la razn de ser
del bioanlisis. Sin embargo, un buen set de datos mal analizado priva al investigador y al
lector de informacin til. Con este criterio, mi primer encuentro con los datos recolectados
siempre es la elaboracin de un grfico con los datos crudos de peso fresco (o la variable
medida) vs dosis. La dispersin de los datos y la forma en que se distribuyen me dan una
primera impresin de la calidad del bioanlisis. Este ejercicio puede hacerse en una hoja de
Excel o cualquier programa similar. Procuro ser el crtico ms riguroso de m mismo. Son
muchas las ocasiones en que al llegar a este punto confirmo que el estudio fue un fracaso y
que lo nico que puede hacerse es repetir el experimento. Si hay valores atpicos (outliers),
este es el momento de valorarlos y de tomar decisiones respecto de ellos. La grfica tambin
es til para proporcionar los valores estimados de los parmetros del modelo de regresin que
requiere la mayora de los programas de cmputo para iniciar sus iteraciones para el ajuste
definitivo del modelo. El mdulo drc (dose response curve) empleado con el programa de
uso libre R (http://www.r-project.org) preparado por Streibig (www.bioassay.dk) no
requiere proporcionar tales estimados para iniciar el anlisis.
El anlisis de la respuesta a dosis crecientes de herbicidas requiere ajustar un modelo
adecuado y que tenga significado biolgico. Las respuestas obtenidas con plantas tratadas
con dosis crecientes de herbicidas son de tipo sigmoideo. No tiene sentido alguno tratar de
ajustar un modelo polinomial de quinto orden que puede ajustarse muy bien a los datos si sus
parmetros no tienen el mnimo sentido biolgico. Tambin carece de sentido cuando se
determina la respuesta de plantas a dosis crecientes de herbicidas hacer comparaciones de
medias empleando pruebas de rango mltiple como las de Duncan, Tukey o DMS. La
intencin al momento de disear el experimento no era la de comparar el efecto de dosis
discretas del producto sino el comportamiento de las plantas conforme aumenta la dosis del
herbicida. Tampoco es de inters presentar ambos anlisis (el de regresin y el de rango
mltiple).
Conforme lo mencionado anteriormente, cuando se grafica el peso de las plantas u otra
variable de respuesta contra el logaritmo de la dosis de herbicida, se obtiene una relacin
sigmoidea (en forma de S), similar a la observada en la Figura 1. Esta respuesta est
descrita por un modelo logstico:
Y = C + {D C / 1 + exp[b(log x log ED
50
)]}
Como se observa, el modelo est definido por cuatro parmetros, donde
Y denota la respuesta de crecimiento (peso, longitud de la raz o del tallo, tasa
fotosinttica) a la concentracin x del herbicida:
D corresponde al lmite superior, es decir, representa la respuesta del testigo sin tratar
C denota el lmite inferior, el cual, se aproxima a cero cuando las dosis del herbicida
son muy altas (o el peso de las plantas al momento de ser tratadas).
b es la pendiente de la curva cerca de la ED
50
. Cuanto mayor sea el valor de b, ms
pronunciada es la pendiente
ED
50
es la dosis del herbicida que reduce el crecimiento (o el valor de la variable de
respuesta) en un 50%.
Una vez ajustado el modelo, fcilmente puede obtenerse el valor de respuesta a otro nivel,
por ejemplo la ED
25
o ED
75
, con base en la siguiente expresin dada en funcin de los
parmetros, b y ED
50
:
ED
50
= EDx / (x / 100 x)
1/b
donde x es cualquier nivel de respuesta. De tal forma, si se desea calcular la ED
25
, entonces
el valor de x es 25.
Comparacin de respuestas. Cuando comparamos la respuesta de biotipos a un mismo
herbicida para determinar si son resistentes o susceptibles, en realidad estamos determinando
cul dosis del herbicida tiene el mismo efecto sobre las poblaciones, es decir, se hace una
comparacin de tipo horizontal, que contesta la pregunta Cunto herbicida se requiere para
inhibir el crecimiento en un 50% (o en otra magnitud previamente definida)? En sentido
biolgico, esto equivale a una comparacin de tasas de cambio a niveles de respuesta
predeterminados (Streibig 1988). La comparacin ms rigurosa se hace cuando las dos
curvas de respuesta son similares en todos sus parmetros, excepto la ED
50
, en cuyo caso se
pueden definir como paralelas (Figura 6). La magnitud del desplazamiento de estas curvas
en el sentido horizontal est dada por un factor constante que se denomina la potencia
relativa (Seefeldt et al. 1995) y que corresponde con el ndice de resistencia. Cuando se
tiene curvas paralelas la potencia relativa es independiente del nivel de respuesta que se
seleccione (ED
10
, ED
50
, ED
90
o cualquier otro) para hacer la comparacin. La comparacin
de los valores de ED
50
se realiza con un procedimiento que es bsicamente una prueba de t:
se verifica que no haya traslape en los intervalos de confianza de las dos curvas que se
comparan a un nivel de probabilidad previamente establecido.
Figura 6. Comparacin horizontal (A) y vertical (B) de curvas dosis-respuesta de dos
herbicidas. Adaptado de (Streibig 1988).
Desafortunadamente, las curvas de dosis-respuesta rara vez son paralelas o muy similares.
Esto obliga a que los modelos de dosis-respuesta deban probarse estadsticamente para
determinar si son similares antes de poder hacer las comparaciones de potencia relativa (Ritz
et al. 2006). Estos anlisis (como el de la prueba de F por falta de ajuste o lack of fit),
aunque son complicados desde el punto de vista estadstico y metodolgico, se convierten en
rutina porque estn contemplados en los programas estadsticos de uso comn. Si la prueba
de F para falta de ajuste es no-significativa, puede inferirse que el modelo se ajusta de
manera aceptable.
El otro tipo de comparacin de curvas de respuesta es la vertical, es decir, se compara la
respuesta de las plantas o poblaciones a dosis preseleccionadas del herbicida (Figura 6). En
la representacin grfica es muy evidente que cuando las comparaciones se hacen cerca del
lmite inferior o superior, las diferencias por efecto del tratamiento son mucho menores que si
se hacen cerca del punto medio (cercano al valor de ED
50
). En otras palabras, los herbicidas
afectan a las plantas de manera diferente conforme se vara la dosis. Por este motivo, cuando
se hace un anlisis de varianza se revela que existe una interaccin significativa.
Al comparar la respuesta de poblaciones o biotipos a herbicidas, es importante usar
consistentemente una misma metodologa. Los datos pueden no ser comparables si se
emplean mtodos diferentes. Por ejemplo, en principio no debe de compararse los resultados
obtenidos con una prueba realizada en papel de filtro con otra hecha en medio de cultivo
preparado con agar. Si alguno de los mtodos se va a emplear como herramienta de
diagnstico es aconsejable relacionar los resultados obtenidos con los de bioanlisis con
plantas enteras (Cutulle et al. 2009; Yang et al. 2007).
Desigualdad de lmites superiores e inferiores entre curvas a comparar. Como se mencion
previamente, las plantas a veces crecen de manera diferente, sin razn aparente, en un mismo
bioanlisis. Por esta razn es posible que el lmite superior o inferior o ambos de los curvas a
comparar sean distintos (de ah la tendencia a expresar los datos como porcentaje). En estos
casos, la potencia relativa no es constante a travs de todos los niveles de respuesta y la
transformacin a porcentaje del testigo puede inducir a error por cuanto permite la
comparacin como si las curvas fueran paralelas. En este caso, lo ms prudente es hacer las
comparaciones a un nivel de respuesta que s sea respaldado por los datos experimentales y
utilizando las curvas ajustadas a los datos de peso (no porcentuales) originales de modo que
se obtengan errores estndar vlidos (Knezevic et al. 2007; Ritz and Streibig 2005). Para la
presentacin grfica, se puede usar el valor relativo de biomasa (o de la variable de
respuesta) en relacin con el testigo para facilitarle al lector la comprensin del mensaje.
Es posible que al planear y realizar un bioanlisis que incluye a varias especies o biotipos, los
mbitos de dosis escogidos no nos permitan obtener curvas de respuesta completas. Si algn
material es muy tolerante o resistente, la dosis mayor incluida en el mbito puede ser
insuficiente para poder estimar el lmite inferior C (Figura 7). En este caso, el modelo de
cuatro parmetros debe de modificarse para eliminar el parmetro C, por lo que la respuesta
debe ahora ser ajustada con el modelo:
Y = D / 1 + exp[b(log x log ED
50
)]
Puesto que, en la mayora de los casos de nuestro inters realizamos comparaciones de ED
50
s
los valores estimados con el modelo de tres parmetros pueden compararse con los obtenidos
para las otras plantas o biotipos que s permitieron la estimacin de todos los parmetros,
siempre teniendo en consideracin los correspondientes intervalos de confianza asociados
con los valores de ED
50
. Si la comparacin de inters fuera a niveles mucho mayores, por
ejemplo ED
90
, no sera posible realizarla a no ser que se repitiera el experimento.
Figura 7. Curva de dosis-respuesta a un herbicida usando un mbito de dosis insuficiente para
alcanzar el lmite inferior.
Hormesis. Con alguna frecuencia y dependiendo del mbito de dosis empleado, puede
observarse un aumento en la respuesta medida (crecimiento) cuando las plantas se tratan con
dosis muy bajas (Figura 8). A este estmulo del crecimiento se le denomina hormesis y se
observa no slo con herbicidas en plantas sino con gran cantidad de compuestos txicos en
muchas especies (Calabrese & Blain 2009). Se presenta con herbicidas de distintos modos de
accin y se ha tratado de explicar en relacin con los efectos filolgicos de cada producto.
Cuando hay hormesis, la relacin sigmoidea se altera. Si el objetivo del bioanlisis no es el
estudio de los efectos subtxicos del herbicida se puede obviar esta parte de la curva y ajustar
el modelo simtrico de curva sigmoidea (Streibig 1988). Si hay inters en estudiar el efecto
de dosis subletales, existen modelos apropiados que consideran la hormesis (Brain &
Cousens 1989; Cedergreen et al. 2005).
Comparacin de mltiples curvas de respuesta obtenidas en bioanlisis independientes.
Cuando se tiene muchas poblaciones o especies a comparar en estudios de dosis-respuesta no
es posible ejecutar todos los bioanlisis en forma simultnea. Sin embargo, el objetivo final
es poder diferenciar entre todas ellas la manera en que responden al herbicida (por ejemplo,
cules poblaciones son resistentes). La pregunta que salta a la vista es puedo hacer una
comparacin de todas las curvas a pesar de que se generaran en distintos momentos? En la
prctica, hay dos aspectos que son de inters. El primero es cun confiables desde el punto
de vista biolgico pueden ser las comparaciones, especialmente si los experimentos se
realizan en condiciones donde no hay control de las variables ambientales, las cuales son
homogneas dentro de cada grupo de bioanlisis pero heterogneas entre grupos. Me
enfrento con esta encrucijada con mucha frecuencia. Para mi propia tranquilidad, recurro a
una herramienta sencilla que me da la suficiente confianza en mis datos. Cada vez que hago
los bioanlisis, incluyo un biotipo bien caracterizado que considero de referencia (por
ejemplo, el susceptible en las pruebas de diagnstico de resistencia).
Figura 8. Curva de dosis-respuesta a un herbicida usando en la que se nota la hormesis
(estimulo del crecimiento cuando las plantas se tratan con dosis muy bajas).
El otro aspecto relevante, es cmo realizar la comparacin estadstica de modo que tenga
validez. Una forma de proceder en estos casos es hacer los anlisis estadsticos conforme se
van completando los bioanlisis, lo cual de por s es una prctica deseable para conocer
mejor el material y poder determinar si hay problemas con los datos y deba repetirse algn
experimento. De esta manera se obtienen los modelos de dosis-respuesta y sus parmetros
con sus respectivos errores estndar e intervalos de confianza. Acumular datos y tratar de
correr todos los anlisis de regresin de una sola vez es contraproducente. Un nmero
elevado de curvas para ajustarse de una sola vez no permite aplicar un modelo no-lineal
mixto pues el nmero de parmetros sera tan grande que limitara la convergencia del
proceso. Si algunos los bioanlisis no aportan respuestas adecuadas, la comparacin puede
arrojar resultados incongruentes. Una vez obtenidos los parmetros de las regresiones dentro
de cada grupo, se puede realizar una comparacin de las ED
50
s utilizando un modelo lineal
mixto balanceado en el cual la variacin entre las corridas de bioanlisis (grupos)
corresponde con un efecto aleatorio. Las desviaciones estndar de los distintos parmetros de
regresin analizados se emplearan como balance del anlisis de varianza (J.C. Streibig, 2009.
Universidad de Copenhague, comunicacin personal).
Procedimientos estadsticos en mayor detalle. El fundamento terico y los procedimientos
especficos para realizar los anlisis estadsticos de los datos obtenidos en los bioanlisis
rebasan el objetivo de este trabajo. Quienes tengan inters en ahondar ms en este tema
pueden referirse diversas publicaciones especializadas (Brain & Cousens 1989; Cedergreen
et al. 2005; Knezevic et al. 2007; Nielsen et al. 2004; Ritz et al. 2006; Ritz & Streibig 2005;
Seefeldt et al. 1995; Streibig 1988; Streibig & Kudsk 1993).
Presentacin de resultados. La forma ms ilustrativa de presentar los datos es mediante
grficos que reflejen la respuesta del material evaluado. En el grfico debe de incluirse los
datos originales y la curva ajustada. De esta manera, el lector puede valorar la calidad de
nuestro experimento. En un cuadro por separado, debe de proporcionarse los parmetros del
modelo con sus respectivos intervalos de confianza. Si hay diferencias en el crecimiento de
los biotipos o poblaciones (lmite superior e inferior) los grficos pueden resultar poco
atractivos a la vista. En lugar de hacer una transformacin a porcentaje del testigo, la cual es
inadecuada (ver (Ritz et al. 2006) para detalles especficos), es preferible ajustar el grfico de
modo que el peso de los testigos sin tratar (lmite superior) corresponda visualmente. La
informacin relevante estar de todos modos en el cuadro que acompaa al grfico.
Proporcionar la informacin completa sobre la ecuacin de regresin tambin permite al
lector calcular otros valores de inhibicin que pueden ser de su inters (Ej. ED
10
).
La presentacin de los datos provenientes de una curva-respuesta basada en una progresin
geomtrica usando una escala lineal provoca que los datos se agrupen hacia el extremo
inferior del grfico lo que dificulta visualizar el valor de la ED
50
y tener una idea clara de la
forma en que la planta responde al herbicida (Figura 9).
Pruebas rpidas
La conduccin de bioanlisis con plantas enteras requiere de mucho tiempo, sobre todo si se
toma en cuenta la recoleccin y preparacin de la semilla y crecer las plantas hasta el estado
adecuado para someterlas a los tratamientos. Cuando es necesario tener informacin en poco
tiempo, puede recurrirse a pruebas rpidas diseadas segn el objetivo perseguido.
En la determinacin de residuos de un herbicida en el agua, puede hacerse una prueba con
Lemna spp. que permite obtener resultados en cinco o siete das. Si se desea corroborar la
resistencia de una maleza a un herbicida, puede recolectarse plntulas en el campo y tratarlas
en medio adecuado para caracterizarlas en un perodo de horas o unos pocos das, como en el
caso de la respuesta de E. colona a propanil y otros herbicidas (Kim et al. 2000). De manera
similar, se ha desarrollado pruebas con plntulas para diagnosticar resistencia a herbicidas
inhibidores de ACCasa mediante la medicin de la longitud del coleoptilo de Sorghum
halepense (Burke et al. 2006).
0
10
20
30
40
50
0 50 100 150 200 250 300
A
Fluazifop-p-butilo (g e.a. ha
-1
)
P
e
s
o

f
r
e
s
c
o

e
n

g
r
a
m
o
s
0
10
20
30
40
50
0.1 1 10 100 1000 Testigo
B
Fluazifop-p-butilo (g e.a. ha
-1
)
P
e
s
o

f
r
e
s
c
o

e
n

g
r
a
m
o
s
Figura 9. Respuesta de un biotipo de Eleusine indica proveniente de Malasia
(MY21A) al herbicida fluazifop-p-butilo. Se compara la presentacin de los datos
utilizando una escala lineal (A) y logartmica (B) para las dosis del herbicida.
Parmetros (valor [intervalo de confianza]) de la ecuacin (segn modelo logstico):
D = 30.27 [23.93 - 36.62], C = 1.75 [1.37 - 2.13], b = 1.56 [1.12 - 2.01], ED
50
= 5,05
[2,96 - 7,14]. Bioanlisis realizado por IDEA Tropical, S. A. en Costa Rica. Datos
no publicados previamente.
Tambin es posible realizar bioanlisis no destructivos empleando partes de rganos o
tejidos. Koger et al. (2005) desarrollaron mtodos simples para diferenciar biotipos de C.
canadensis resistentes y susceptibles a glifosato. Uno de los mtodos consiste en sumergir
hojas en diluciones del herbicida por tres das y evaluar el dao visualmente. El otro, en
incubar discos de hojas en diluciones del herbicida por 16 horas y medir los niveles de
shikimato en un espectrofotmetro. La acumulacin de shikimato dependiente de la dosis de
glifosato en plantas susceptibles al herbicida es un mtodo estndar para diferenciarlas de las
resistentes (por sitio de accin) en las cuales no se acumula el shikimato.
Determinacin de la presencia y comportamiento de herbicidas en el suelo
Los bioanlisis pueden ser muy tiles para estudiar el comportamiento de los herbicidas en el
suelo o sustratos de siembra. La presencia de residuos de triasulfurn y sulfosulfurn en el
suelo fue determinada experimentalmente midiendo la longitud de la raz de plantas de
girasol con precisin de partes por millardo (Hernandez-Sevillano et al. 2001). El
movimiento del herbicida pendimetalina a travs de una capa de corteza de pino utilizada
como medio de cultivo en viveros se cuantific utilizando Digitaria sanguinalis como planta
indicadora (Simmons & Derr 2007). La presencia de residuos de un herbicida auxnico
(clopiralid) en composta fue analizada empleando arvejas y trbol como plantas indicadoras.
El nivel de salinidad del medio afect los resultados impidiendo la deteccin del herbicida a
niveles bajos cuando la salinidad fue muy elevada (Brinton et al. 2006).
Los bioanlisis pueden ayudar a identificar una sustancia que causa un dao fitotxico a una
planta de importancia comercial. Por ejemplo, es posible que se atienda un caso en el que se
supone que se aplic un herbicida no selectivo por error, que el agua empleada en el riego
vena contaminada con un herbicida, o que productos persistentes empleados en el pasado
tengan actividad biolgica y afecten negativamente al cultivo sembrado. En estos casos, el
bioanlisis pretende reproducir los sntomas de toxicidad. Para ello, pueden tratarse plantas
con los herbicidas sospechosos de causar el dao en dosis que asemejen las que pudieron
emplearse por error o presentes en el agua de riego para reproducir los sntomas y determinar
cul herbicida produjo el dao. Tambin puede hacerse crecer plantas sensibles en suelo
contaminado y comparar sus respuestas con las de plantas sembradas en suelo sin residuos o
con contenidos conocidos del contaminante de inters. En este tipo de estudios hay dos
premisas claves: la especie indicadora mostrar una respuesta que es proporcional a la
concentracin del herbicida y que las respuestas obtenidas sean reproducibles (Santelmann
1977).
Mediante el empleo de plantas indicadoras se puede determinar la movilidad de los
herbicidas en asocio con experimentos en los que columnas de suelo se tratan con cantidades
conocidas de un herbicida en forma superficial y se agrega cantidades conocidas de agua para
propiciar su lixiviacin. El movimiento del herbicida se determina sembrando plantas muy
sensibles (indicadoras) y comparando el dao contra una curva estndar preparada con base
en dosis conocidas del producto (Van Wyk & Reinhardt 2001).
Aislamiento de componentes activos dirigido por bioanlisis
Los bioanlisis sirven como un complemento indispensable para el descubrimiento de
sustancias activas, principalmente de origen natural, bajo un esquema de aislamiento dirigido
por bioanlisis. Este es un proceso iterativo en el que los compuestos de un organismo se
separan en distintas fracciones, las cuales se someten a un bioanlisis para determinar la
actividad biolgica de inters. Las fracciones que muestran actividad se fraccionan aun ms
y se prueban nuevamente en los bioanlisis hasta que se encuentra y purifica el compuesto
biolgicamente activo. Este esquema de determinacin de las sustancias activas se facilita
mucho cuando se puede emplear bioanlisis rpidos en miniatura (Dayan & Duke 2006).
Interaccin de herbicidas entre s y con otras sustancias
Las aplicaciones de herbicidas en el campo muy frecuentemente incluyen dos o ms
ingredientes activos en mezcla. En la mayora de los casos el objetivo de realizar estas
mezclas es el de ampliar el espectro de accin sobre las malezas, aunque tambin puede
procurarse aprovechar posibles sinergismos (o antagonismos) entre los componentes de la
mezcla. Los bioanlisis ayudan a determinar los tipos de interacciones que pueden
presentarse y a identificar los posibles mecanismos de tales interacciones.
Aunque el tema excede los objetivos de este trabajo, es importante indicar muy brevemente
algunos aspectos que deben considerarse en el diseo y ejecucin de pruebas de interacciones
de herbicidas entre s o con otros compuestos. Estos temas son tratados en amplio detalle en
publicaciones especializadas (Streibig et al. 1998; Streibig & Kudsk 1993).
Existen dos modelos de referencia principales para estudiar la accin conjunta de herbicidas
(u otras sustancias qumicas con accin biocida). El modelo de dosis aditivas (MDA) supone
que los dos compuestos en interaccin tienen modos de accin similares en la planta tratada y
que pueden sustituirse el uno por el otro sobre la base de su potencia relativa (trmino que se
defini en la seccin sobre comparacin de respuestas). Las desviaciones que se presentan
de este modelo se caracterizan como sinergismo o antagonismo, cuando el efecto de la
mezcla es superior o inferior al del herbicida individual, respectivamente (Streibig et al.
1998). Si determinamos experimentalmente que el herbicida A en una dosis de 600 g ha
-1
proporciona un control del 50% y que del herbicida B se requiere 10 g ha
-1
para lograr el
mismo efecto; entonces la potencia relativa es de (600/10) = 60. Si quisiramos por alguna
razn agronmica o econmica usar solo 400 g ha
-1
del herbicida A, entonces requeriramos
adicionar 3,33 g ha
-1
del herbicida B para alcanzar el 50% de control. Es decir, aplicando un
total de 403,33 g de la mezcla segn el modelo, permitira lograr un control del 50%.
El modelo de supervivencia multiplicativa (MSM) que supone que las dos sustancias ejercen
su efecto independientemente en la planta. Este modelo es el que sirve de base a las
comparaciones segn el criterio de Colby (Colby 1967) que son muy populares en la ciencia
de las malezas por su simpleza, facilidad de clculo e interpretacin. Para una prueba de
Colby basta con aplicar cada uno de los herbicidas por separado y luego en mezcla a las
mismas dosis que los tratamientos individuales para determinar el tipo de interaccin. El
siguiente ejemplo ilustrativo puede aclarar conceptos. Para determinar la interaccin entre
los herbicidas glifosato o glufosinato con MSMA se realiz un experimento de campo en el
que se aplicaron los herbicidas solos y en mezcla sobre varias malezas, entre ellas Sesbania
exaltata (hoja ancha) y Sorghum halepense (gramnea) proveniente de semilla (Koger et al.
2007). Las dosis a que se aplicaron los herbicidas y los resultados de la evaluacin visual de
dao se presentan en el Cuadro 1.
Cuadro 1. Control visual (observado y esperado) de Sesbania exaltata (SEBEX) y Sorghum
halepense (SORHA) dos semanas despus del tratamiento con glifosato, glufosinato, y
MSMA en mezcla de tanque (Adaptado de (Koger et al. 2007)).
Herbicida Dosis
SEBEX SORHA
Observado (Esperado) Observado (Esperado)
Glifosato 0,84 kg e.a. ha
-1
41 99
Glufosinato 0,5 kg i.a. ha
-1
95 92
MSMA 2,2 kg i.a. ha
-1
21 68
Glifosato + MSMA 0,84 + 2,2 47 (56)
1
95 (99)
Glufosinato + MSMA 0,5 + 2,2 92 (99) 91 (97)
DMS (0,05)
2
6 5
1
Valores esperados calculados por autores originales de acuerdo con Colby (1967).
2
Diferencia mnima significativa.
El glifosato solo a la dosis empleada control al S. halepense en un 99% y a S. exaltata en un
41%. Estos valores provienen de evaluaciones visuales realizadas en cuatro repeticiones dos
semanas despus de la aplicacin en una de las dos localidades (Louisiana, EE.UU.) donde se
realizaron los experimentos. La valoracin visual se bas en una escala de 0% (ausencia de
control) a 100% (muerte de la planta) considerando, de acuerdo con los autores, clorosis,
necrosis y reduccin del crecimiento. El MSMA tambin fue ms eficaz para controlar S.
halepense que S. exaltata. Cuando se aplicaron en mezcla de tanque, se consider que el
MSMA actu como un antagonista del glifosato (comparar los valores de control esperados y
observados). El valor esperado para la mezcla de glifosato ms MSMA en S. exaltata
corresponde a E = 41 + [(100 - 41)*0,21)] = 53,4% y en S. halepense a E = 99 + [(100-
99)*0,68] = 99.7%(autores indican 56% y 99%, respectivamente, posiblemente por efecto de
redondeo). Una situacin similar se present con el glufosinato, aunque este herbicida
aplicado solo igualmente control ambas especies. Si los valores esperados se calculan de la
misma manera se obtiene 96.1% y 97.4%, respectivamente (no es posible saber si las
diferencias se pueden atribuir a errores de clculo o redondeo). En este caso, se est
comparando herbicidas en mezcla que tienen modos de accin diferentes. En el caso del
glifosato, la dosis es lo suficientemente elevada como para llevar la respuesta de la planta a
su lmite inferior en la curva dosis-respuesta dejando poco margen para que el herbicida
complementario ejerza su efecto. En la publicacin no se da intervalos de confianza para los
valores observados y el lector puede preguntarse cul es la diferencia en una evaluacin
visual entre 100% y 99% como promedios de dao.
De acuerdo con lo que se ha discutido, sin embargo, es ms adecuado planificar y evaluar el
experimento haciendo las mezclas con base en la potencia de cada herbicida aplicado
individualmente y decidiendo cul modelo usar con base en nuestro conocimiento sobre el
modo de accin de los herbicidas. Inderjit et al. (2002) presentan un ejemplo de cmo se
calcularon las dosis para probar mezclas en un experimento de isobolas con compuestos
fenlicos de naturaleza aleloptica.
Los resultados de los experimentos de mezclas por lo general se presentan grficamente de
forma de isobolas (lneas de igual efecto) con base en un nivel de efecto preseleccionado
(casi siempre la ED
50
). En este grfico las desviaciones que muestren los valores
experimentales obtenidos con las muestras que indiquen un efecto superior al de la isobola de
referencia designan como sinrgicos; en el caso opuesto, representan una mezcla antagnica.
En la Figura 10 se ilustran las posibles isobolas.
Figura 10. Ilustracin del modelo de isobolas. La lnea recta corresponde al modelo de dosis
aditivas y las lneas punteadas al antagonismo y sinergismo.
Existen procedimientos estadsticos para determinar si la isobola correspondiente a las
mezclas se ajusta a los datos experimentales as como para determinar la significancia de la
desviacin, es decir, para respaldar estadsticamente si en efecto existe el sinergismo o
antagonismo (Kudsk & Streibig 1993).
El mismo concepto de isobolas se puede emplear para estudiar el efecto de sustancias
biolgicamente inactivas sobre la accin del un herbicida. Tal es el caso del efecto de
coadyuvantes o surfactantes que, en principio, en las dosis de uso normal no afectan el
crecimiento de las plantas. Las isobolas de referencia para estos casos se ilustran en la Figura
11.
Figura 11. Ilustracin esquemtica de las tres posibles situaciones que pueden presentarse
cuando se incrementa la dosis de un coadyuvante en interaccin con un herbicida. I denota
aditividad, II antagonismo, y III sinergismo. Adaptado de (Kudsk & Streibig 1993)
Si la curva de dosis-respuesta del herbicida no es alterada por la adicin del coadyuvante, la
isobola tendr la forma lineal (I) de la Figura 11, es decir, la adicin del coadyuvante no varia
la dosis del herbicida necesaria para lograr producir un efecto determinado. Si el
coadyuvante reduce la eficacia del herbicida, la isobola correspondiente se elevar como en
II porque ocurre un antagonismo. La otra posibilidad (III) es que el adyuvante mejore la
eficacia por lo que la dosis necesaria del herbicida para lograr el mismo efecto se reduce, es
decir, se presenta sinergismo.
Comentarios finales
Los bioanlisis constituyen una herramienta muy valiosa en el diagnstico fitosanitario y en
la investigacin sobre la accin de los herbicidas. La gama de posibilidades de utilizar
organismos vivos para detectar la presencia y concentracin de herbicidas en el ambiente o
para evaluar la respuesta biolgica y fisiolgica de las plantas a estos productos es muy
amplia y permite adaptar mtodos y tcnicas segn sean los objetivos perseguidos. En este
trabajo se describe algunas de las oportunidades que ofrecen los bioanlisis as como los
procedimientos fundamentales que deben de tomarse en cuenta en su planeamiento,
ejecucin e interpretacin. Se ha puesto nfasis en los estudios que utilizan plantas enteras
pero los fundamentos discutidos tienen aplicacin independientemente del organismo
indicador que se emplee. En la medida de lo posible, la informacin se ha presentado de la
manera ms sencilla y con el objetivo de ayudar a quienes requieren realizar bioanlisis en su
prctica profesional, aportando experiencia propia y referencias selectas de la literatura
cientfica. Por su naturaleza introductoria, se espera que este trabajo estimule al lector a
ahondar ms en el tema y le sirva como base para planear trabajos que requieran el empleo de
bioanlisis.
Literatura Citada
Bourgeois, L. and I. N. Morrison. 1997. A survey of ACCase inhibitor resistant wild oat in a
high risk township in Manitoba. Canadian Journal of Plant Science 77:703-708.
Brain, P. and R. Cousens. 1989. An equation to describe dose responses where there is
stimulation of growth at low-doses. Weed Research 29:93-96.
Brinton, W. F., E. Evans, and T. C. Blewett. 2006. Reliability of bioassay tests to indicate
herbicide residues in compost of varying salinity and herbicide levels. Compost
Science and Utilization 14:244-251.
Buhler, D. D. and M. L. Hoffman. 1999. Andersen's guide to practical methods of
propagating weeds and other plants. Lawrence: Weed Science Society of America. 248
p.
Burke, I. C., W. E. Thomas, J. D. Burton, J. F. Spears, and J. W. Wilcut. 2006. A seedling
assay to screen aryloxyphenoxypropionic acid and cyclohexanedione resistance in
johnsongrass (Sorghum halepense). Weed Technology 20:950-955.
Calabrese, E. J. and R. B. Blain. 2009. Hormesis and plant biology. Environmental Pollution
157:42-48.
Cedergreen, N., C. Ritz, and J. C. Streibig. 2005. Improved empirical models describing
hormesis. Environmental Toxicology and Chemistry 24:3166-3172.
Colby, S. R. 1967. Calculating synergistic and antagonistic responses of herbicide
combinations. Weeds 15:20-22.
Cutulle, M. A., J. S. McElroy, R. W. Millwood, J. C. Sorochan, and C. N. Stewart. 2009.
Selection of bioassay method influences detection of annual bluegrass resistance to
mitotic-inhibiting herbicides. Crop Science 49:1088-1095.
Dayan, F. E. and S. O. Duke. 2006. Clues in the search for new herbicides. In M. J. Reigosa,
N. Pedrol, and L. Gonzlez, eds. Allelopathy: a physiological process with ecological
implications. Netherlands: Springer. 63-83.
Dayan, F. E., J. G. Romagni, and S. O. Duke. 2000. Investigating the mode of action of
natural phytotoxins. Journal of Chemical Ecology 26:2079-2094.
Dinelli, G., I. Marotti, A. Bonetti, M. Minelli, P. Catizone, and J. Barnes. 2006. Physiological
and molecular insight on the mechanisms of resistance to glyphosate in Conyza
canadensis (L.) Cronq. biotypes. Pesticide Biochemistry and Physiology 86:30-41.
Hernandez-Sevillano, E., M. Villarroya, J. L. Alonso-Prados, and J. M. Garcia-Baudin. 2001.
Bioassay to detect MON-37500 and triasulfuron residues in soils. Weed Technology
15:447-452.
Inderjit, J. C. Streibig, and M. Olofsdotter. 2002. Joint action of phenolic acid mixtures and
its significance in allelopathy research. Physiologia Plantarum 114:422-428.
Kim, D. S., J. C. Caseley, P. Brain, C. R. Riches, and B. E. Valverde. 2000. Rapid detection
of propanil and fenoxaprop resistance in Echinochloa colona. Weed Science 48:695-
700.
Knezevic, S. Z., J. C. Streibig, and C. Ritz. 2007. Utilizing R software package for dose-
response studies: The concept and data analysis. Weed Technology 21:840-848.
Koger, C. H., I. C. Burke, D. K. Miller, J. A. Kendig, K. N. Reddy, and J. W. Wilcut. 2007.
MSMA antagonizes glyphosate and glufosinate efficacy on broadleaf and grass weeds.
Weed Technology 21:159-165.
Koger, C. H., D. L. Shaner, W. B. Henry, T. Nadler-Hassar, W. E. Thomas, and J. W. Wilcut.
2005. Assessment of two nondestructive assays for detecting glyphosate resistance in
horseweed (Conyza canadensis). Weed Science 53:559-566.
Kudsk, P. and J. C. Streibig. 1993. Formulations and adjuvants. In J. C. Streibig and P.
Kudsk, eds. Herbicide bioassays. Boca Raton: CRC Press. 99-116.
Leah, J. M., J. C. Caseley, C. R. Riches, and B. Valverde. 1995. Age-related mechanisms of
propanil tolerance in junglerice, Echinochloa colona. Pesticide Science 43:347-354.
Moss, S. 1999. Detecting herbicide resistance. Guidelines for conducting diagnostic tests
and interpreting results. Internet available www.hracglobal.com/Publications/
DetectingHerbicideResistance/tabid/229/Default.aspx. Accessed 15 Sept. 2009.
Nielsen, O. K., C. Ritz, and J. C. Streibig. 2004. Nonlinear mixed-model regression to
analyze herbicide dose-response relationships. Weed Technology 18:30-37.
Okamura, H., M. Piao, I. Aoyama, M. Sudo, T. Okubo, and M. Nakamura. 2002. Algal
growth inhibition by river water pollutants in the agricultural area around Lake Biwa,
Japan. Environmental Pollution 117:411-419.
Paterson, E. A., Z. L. Shenton, and A. E. Straszewski. 2002. Establishment of the baseline
sensitivity and monitoring response of Papaver rhoeas populations to florasulam. Pest
Management Science 58:964-966.
Ritz, C., N. Cedergreen, J. E. Jensen, and J. C. Streibig. 2006. Relative potency in nonsimilar
dose-response curves. Weed Science 54:407-412.
Ritz, C. and J. C. Streibig. 2005. Bioassay analysis using R. Journal of Statistical Software
12:1-22.
Ruegg, W. T., M. Quadranti, and A. Zoschke. 2007. Herbicide research and development:
challenges and opportunities. Weed Research 47:271-275.
Santelmann, P. W. 1977. Herbicide bioassay. In B. Truelove, ed. Research methods in weed
science. Auburn: Southern Weed Science Society. 79-87.
Santelmann, P. W., J. B. Weber, and A. F. Wiese. 1971. Study of soil bioassay technique
using prometryne. Weed Science 19:170-174.
Seefeldt, S. S., J. E. Jensen, and E. P. Fuerst. 1995. Log-logistic analysis of herbicide dose-
response relationships. Weed Technology 9:218-227.
Simmons, L. D. and J. F. Derr. 2007. Pendimethalin movement through pine bark compared
to field soil. Weed Technology 21:873-876.
Smith, M. C., D. R. Shaw, and D. K. Miller. 2005. In-field bioassay to investigate the
persistence of imazaquin and pyrithiobac. Weed Science 53:121-129.
Streibig, J. C. 1988. Herbicide bioassay. Weed Research 28:479-484.
Streibig, J. C. and P. Kudsk. 1993. Herbicide bioassays. Boca Raton: CRC Press. 270 p.
Streibig, J. C., P. Kudsk, and J. E. Jensen. 1998. A general joint action model for herbicide
mixtures. Pesticide Science 53:21-28.
Valverde, B. E., C. R. Riches, and J. C. Caseley. 2000. Prevencin y manejo de malezas
resistentes a herbicidas en arroz: experiencias en Amrica Central con Echinochloa
colona. San Jos: Cmara de Insumos Agropecuarios. 135 p.
Van Wyk, L. J. and C. F. Reinhardt. 2001. A bioassay technique detects imazethapyr
leaching and liming-dependent activity. Weed Technology 15:1-6.
Yang, C. H., L. Y. Dong, J. Li, and S. R. Moss. 2007. Identification of Japanese foxtail
(Alopecurus japonicus) resistant to haloxyfop using three different assay techniques.
Weed Science 55:537-540.
Captulo 5
MTODOS PARA LA EVALUACIN DEL BANCO DE SEMILLAS DE MALEZAS
EN EL SUELO
Ada Ortiz
1
, Alexis Abreu
2
y Euval Solrzano
3
.
1
Universidad Central de Venezuela.
2
Instituto Nacional de Salud Agrcola Integral
3
Instituto Nacional de Investigaciones Agrcolas
INTRODUCCIN
Las malezas causan cuantiosas prdidas a los cultivos en el mundo. Los agricultores gastan
alrededor entre 15 a 30% de los costos de produccin en el control de malezas. Las
infestaciones de malezas estn relacionadas con el cultivo y su manejo, principalmente con la
preparacin del suelo y los sistemas de siembras, ellos condicionan la emergencia de pocas
especies del total que se encuentran en el banco de semilla del suelo, en una situacin
agrcola en particular.
Cuando se estima acertadamente el tamao de los bancos de semillas viables de malezas del
suelo, esto puede ser de mucha utilidad para planificar con antelacin el manejo integrado de
las mismas.
El propsito de este trabajo es proporcionar a tcnicos, investigadores, estudiantes y
productores agrcolas una metodologa de evaluacin del banco de semillas de malezas en el
suelo.
BANCO DE SEMILLAS DE MALEZAS DEL SUELO
El banco de malezas del suelo es una reserva viable de semillas no germinadas en un hbitat
determinado (Basking y Basking, 2001). La mayora de los bancos de semillas del suelo
consisten en semillas enterradas (Grime, 1979). El banco de semilla de malezas del suelo est
constituido por semillas vivas y muertas. Las semillas vivas del banco puedan estar en estado
quiescente y latente (Bigwood e Inouye, 1988). Se considera que una semilla est quiescente
cuando alguno de los factores que controlan la germinacin, tales como: contenido de
humedad, temperatura, oxgeno y luz, no estn en el estado ptimo requerido por la especie
en particular. Cuando se restituye el nivel de exigencia de estos factores ocurre la
germinacin. En contraste, la semilla latente es aquella que est viva pero no germina a pesar
de tener ptimos los factores que afectan la germinacin (Besnier, 1989).
El banco de semilla de malezas del suelo se enriquece peridicamente (Figura 1), segn las
circunstancias preexistente del sitio, con las nuevas producto de la lluvia de semillas desde
las plantas madres o progenitoras que tras su dispersin llegan y se incorporan al suelo;
tambin se empobrece gradualmente con las semillas que desaparecen, mueren o germinan
(Besnier, 1989).
Haciendo una analoga con un banco comercial, las semillas latentes estaran en una cuenta
de ahorro y las quiescentes en una cuenta corriente, tal manera que se establece un flujo
bidireccional entre stas y proveen la dinmica de emergencia en de malezas en los suelos
agrcolas (Harper, 1977). Este flujo est controlado por interacciones de los factores
abiticos del ambiente del suelo (Figura 1). Por ejemplo, los cambios de la temperatura del
suelo y la humedad, el fotoperodo y los rayos rojos/infrarrojos han sido implicados en el
control del flujo de la latencia (Karssen 1981; Baskin y Baskin 1989).
Figura 1. Modelo de un banco de semilla de malezas del suelo
El desgrane de las semillas a medida que maduran es un mecanismo importante para su
dispersin y distribucin en el campo, asegurando que buena parte de las semillas cadas se
distribuyan sobre la superficie del suelo donde pueden ser esparcidas por el viento y el agua
(Delouche et al., 2007).
La latencia de las semillas es un mecanismo efectivo de sobrevivencia para las especies
silvestres, nativas y las malezas anuales/perennes propagadas por semillas, debido a que
satisface varias condiciones crticas tales como: (a) bloquea la germinacin de modo que la
especie sobrevive bajo la forma de semilla hasta que las condiciones son nuevamente
favorables para crecer y desarrollarse como plantas; (b) la intensidad o grados de latencia
vara entre todas las semillas de una poblacin de, modo de distribuir la germinacin en el
tiempo y aumentar la posibilidad de que algunas semillas germinen cuando las condiciones
sean favorables; (c) La latencia inhibe los procesos fisiolgicos de deterioro de modo que las
semillas retienen su viabilidad; (d) la ruptura de latencia ocurre bajo determinadas
condiciones, el ms comn es el tiempo pero tambin la luz, bajas o altas temperaturas, la
acidez o los nitratos del suelo y otros elementos pueden liberarla (Delouche et al., 2007).
El modelo espacial de las semillas de malezas en el banco del suelo en campos agrcolas, por
lo general siguen un patrn de dispersin agregada y pueden ser descrito matemticamente
por una distribucin binomial negativa (Chauvel et al., 1989; Wiles y Schweizer, 1999;
Navarro y Prez, 2002; Forcella et al., 2003). Desde un punto de vista prctico esto significa
que muchas muestras representativas de suelo de un banco de semillas para una especie
particular pudieran no contener semillas, mientras que unas pocas muestras podran contener
un alto nmero de semillas. Quizs la forma de distribucin agregada podra ser el resultado
de una dispersin limitada desde las plantas madres o tambin cuando el hombre ayuda a su
diseminacin con las prcticas culturales aplicadas durante el proceso de produccin de los
cultivos, por ejemplo, utilizacin de semilla, uso de la cosechadora, preparacin del suelo,
entre otras (Forcella et al., 2003).
La composicin y densidad de las semillas de malezas en el suelo varan grandemente y estn
muy relacionadas con la historia de los cultivos y la preparacin del suelo. La composicin
est influenciada por las prcticas agronmicas y vara de campo en campo, incluso entre
reas de un mismo campo. Reportes del tamao del banco de semilla del suelo van desde
cero a ms de 1 milln semillas.m-
2
(Buhler et al., 1997).
Generalmente el banco de semillas est compuesto por muchas especies, con pocas que
comprenden el 70 a 90 % del total de malezas. Estas especies son las primeras plagas en el
sistema agronmico porque resisten las medidas de control y estn adaptadas al sistema de
cultivo. Un segundo grupo comprende un 10 a 20% del banco de semilla, son generalmente
adaptadas a estas reas geogrficas pero no a las prcticas de produccin de cultivos.
Tambin hay un pequeo grupo de semillas recalcitrantes de previos bancos de semillas;
especies nuevas introducidas y semillas de anteriores cultivo. Estos grupos cambian
constantemente debido a la dispersin por humanos, otros animales, maquinarias, viento y
agua (Wilson et al., 1985).
En teora eliminar un banco de semillas en el suelo es relativamente fcil si se para la
produccin de semilla de las malas hierbas y se dan las condiciones ptimas para la
germinacin y emergencia, sin embargo, en la prctica el manejo de los bancos de semilla es
ms complejo debido a que es difcil prevenir la produccin e introduccin de semillas, as
como la persistencia de pequeos porcentajes de semillas en el banco y la alta produccin
potencial de algunas especies de malezas (Buhler et al., 1997).
La periodicidad de la emergencia de diferentes especies es tambin un aspecto importante del
manejo de las malezas. Conociendo cuando las diferentes especies son la principales en
emerger es importante para la planificacin de un programa efectivo de control de malezas
(Ogg y Dawson, 1984). El uso de la informacin sobre el banco de semilla de malezas del
suelo sirve para usar modelos bioeconmicos y predecir la emergencia dentro del proceso de
toma de decisiones (Swinton y King, 1994 citado por Buhler et al., 1997).
MTODOS DE ESTIMACIN DEL BANCO DE SEMILLAS DE MALEZAS DEL
SUELO
Muestreo del suelo
No existe un protocolo universal para el muestreo de banco de semillas de malezas del suelo,
cada investigador debe adecuarse a sus objetivos, tiempo, equipo disponible y limitaciones
(Forcella et al., 2003). Por lo general se usan barrenos de muestrear suelo con fines edficos,
con orificio circulares siendo el ms comn el de 5 cm de dimetro y 10 cm de profundidad
que se adapta muy bien a la deteccin de semillas pequea, sin embargo para especies de
semillas ms grandes como el arroz rojo no es muy eficiente. En el caso de los estudios de
arroz rojo se ha diseado un toma de muestras ms grande hacindolo como una caja de
metal sin dos paredes, con dimensiones de 13 cm de ancho; 17 cm de largo y 10 cm de
profundidad. Este toma de muestra se introduce en una de las paredes de una trinchera
excavada previamente y cuidadosamente se sacan las muestras de suelo usando un machete,
ver Figura 2 (Ortiz, 2005). El promedio de peso de cada muestra estuvo en el orden de 1,8 a 2
kg (Abreu y Solrzano, 2006).
Figura 2. Modelo del toma muestra de suelo y cmo muestrear el suelo para la
determinacin del banco de malezas haciendo nfasis en el arroz rojo.
Nmero de muestras
En la determinacin del nmero de muestras a tomar para estimar el banco de semilla de
malezas del suelo en un campo, Forcella et al, 2003, recomienda utilizar la ecuacin
diseada por Dessaint et al. (1996):
2 59 . 0 45 . 0
) 509 / ( 10

D m N
donde, N es el nmero estimado de muestras necesarias para representar adecuadamente un
banco de semillas (muestras de suelo recogidas con un barreno de 5 cm de dimetro) y D
representa el nivel deseado de precisin. D es definido como el error estndar de la media
dividido entre la media (SE
m
.m
-1
). El valor de m es dividido entre 509 para convertir el rea
de una muestra de 5 cm de dimetro a 1 m
2
. Se indica que un valor de D = 0,3 tiene un nivel
prctico de precisin para los estudios sobre bancos de semillas (Cuadro 1). Se deben hacer
muestreos pilotos previos para conocer el tamao del banco de semillas de malezas y luego
ajustar esa densidad a la ecuacin indicada.
Cuadro 1. Nmero de muestras de suelo tomadas con un barreno de dimetro 5 cm se
necesitan para determinar las densidades de los bancos de semillas en cuatro niveles deseados
de precisin suponiendo varias densidades de semillas.m
-2
Banco de semillas Nivel de precisin (D)
semillas.m-2 0,2 0,3 0,4 0,5
10 716 318 179 115
50 277 123 69 44
100 184 82 46 29
500 71 32 18 11
1 000 47 21 12 8
5 000 18 8 5 3
10 000 12 5 3 2
Fuente: Forcella et al, 2003
Profundidad de muestreo
La profundidad a que se deberan tomar las muestras depende completamente de los
objetivos de la investigacin. Tal como se ha dicho en la descripcin del banco de malezas
del suelo realizada arriba, la mayora de las semillas se encuentran en los primeros 10 cm de
profundidad (Forcella et al., 2003; Venegas, 1994; Ferrero et al., 1996; Abreu y Solrzano,
2006). En el caso de la estimacin del banco de semilla de arroz rojo del suelo la profundidad
de 0-10 cm es suficiente para estimar su tamao (Figura 3).
Tipo de muestreo en campo
Existen varios modelos de muestreo horizontal en campo para estimar el banco de semilla de
malezas del suelo que proporcionaban resultados equivalentes, siendo el de diagonal doble el
de uso ms simple y fcil de ejecutar, ver Figura 4 (Ortiz, 2005). Cualquier diseo de
muestreo es aceptable siempre que abarque el largo y el ancho del campo (Colbach et al.,
2000).
Figura 4. Metodologa de muestreo en diagonal doble usado para detectar arroz rojo
Si el objetivo de la investigacin es relacionar los bancos de semillas con la vegetacin que
emerge sobre el suelo, los bancos de semillas deberan ser muestreados inmediatamente
despus de la dispersin de las semillas pero antes de su germinacin. El muestreo de los
bancos de semillas despus de la emergencia de las plntulas tiene poco valor, tanto en la
teora como en la prctica (Forcella et al., 2003).
Si el objetivo de la investigacin es usar la informacin del banco de semillas para contribuir
a hacer recomendaciones para los tratamientos de manejo de malezas, entonces la
informacin deber estar disponible en el momento en que se deban realizar los tratamientos
(Schweizer et al., 1997).
Una vez que se han extrado las muestras del suelo hay dos tcnicas bsicas para enumerar el
nmero de semillas en las mismas; estos son (1) Extraccin de semilla directa (Malone,
1967) y (2) mtodo de la emergencia (germinacin). Los dos mtodos han dado resultados
diferentes pero ellos estn generalmente correlacionados entre s (Ball y Miller, 1989;
Brberi et al., 1998; Forcella, 1992).
MTODO DE EXTRACCIN DE SEMILLA
Las muestras de suelo son colocadas en una solucin con sustancias dispersantes como el
hexametafosfato de sodio que ayudar a separar la arcilla y el limo de las semillas (Malone,
1967), se ha usado cloruro de sodio (sal comn) con el mismo fin (Ortiz y Gonzlez; Abreu y
Solrzano, 2006). Posteriormente la solucin, las partculas disgregadas y las semillas se
pasan por tamices con diferentes dimetros de los orificios (Figura 5)
El tamao de los tamices es un factor fundamental para determinar la eficiencia de la
separacin de las semillas (Malone, 1967).
La etapa siguiente incluye la remocin de la arcilla, el limo y las partculas pequeas de arena
de la muestra; esto se hace habitualmente sacudiendo la muestra colocada en un cedazo o
pasando un chorro de agua sobre la misma. Los sopladores con aire a presin tambin pueden
ser usados para separar los restos orgnicos de las semillas en las muestras secas (Forcella et
al. 2003).
Figura 5. Extraccin de semillas de malezas provenientes del banco de semilla del suelo.
Se pueden utilizar equipos para lavar las muestras tales como los levigadores que son unas
mquinas que ejecutan los mismos procedimientos manuales para la separacin de las
semillas del suelo (Gross y Renner, 1989). Los levigadores tienen la ventaja de poder
procesar varias muestras simultneamente.
Todos los mtodos de extraccin directa de las semillas proporcionan estimaciones de la
densidad total del banco de semillas, incluyendo las semillas muertas. Por ello, esta tcnica es
especialmente valiosa para los estudios que involucran la dinmica de la poblacin de las
malezas, sin embargo, a veces no siempre es la apropiada para la correlacin de los bancos de
semillas con las poblaciones de plntulas ya que se podra confundir semillas muertas,
latentes y no latentes (Forcella et al, 2003), especialmente en semillas muy pequeas, no es
el caso del arroz rojo ya que en ella se pueden detectar estos estados de la semilla con
facilidad (Abreu y Solrzano, 2006).
Una vez que las semillas han sido aisladas por el mtodo de extraccin directa, deben ser
identificadas (Figura 6). La parte que requiere ms tiempo en este mtodo es la
identificacin de las semillas bajo una lupa estereoscpica. El evaluador debe tener
experiencia en la identificacin morfolgica de las semillas, cuando no tiene la experticia
necesaria, entonces puede hacer uso de catlogos con imgenes de las semillas de las malezas
comunes en su regin (Forcella et al., 2003). Tambin puede acudir a expertos para que los
ayuden a clasificar las semillas de las malezas.
Otros investigadores identifican las semillas aisladas a travs de programas computarizados
(Benoit et al., 1992; Buhler y Maxwell, 1993). Cuando no es posible identificar la especie se
puede recurrir al uso de marcadores moleculares de ADN (Fennimore et al., 1999; Joel et al.,
1998; Mucher 2000). Tambin se pueden hacer germinar las semillas y verificar la especie
cuando exprese los rasgos que la identifican.
Las semillas que se separan por medio del mtodo de extraccin directa pueden ser viables o
estar muertas. Estas semillas deben ser sometidas a la prueba de la viabilidad. En primer
lugar se separan las semillas llenas de las vana simplemente apretndolas con una pinza fina.
Se eliminan las semillas vanas (muertas) y se ponen a germinar las llenas. El nmero de
semillas que germina proporciona una estimacin de la densidad de las semillas quiescentes,
sin embargo, no estima la cantidad de semillas latentes.
La determinacin de las semillas latente en el banco de malezas se realiza usando la prueba
de tetrazolio, la cual se basa en el cloruro de tetrazolio. Las semillas grandes o medianas se
cortan longitudinalmente o se puyan a la altura del embrin las pequeas, las mitades se
colocan en unos recipientes donde se ha colocado previamente una solucin de tetrazolio al
0,1-0,2 %, el tiempo de incubacin y temperatura depende de la especie, la cual vara desde
unas pocas horas hasta una semana, a 10-30C. El hidrgeno liberado por la reaccin de la
dehidrogenasa en los tejidos vivos se combina con el TZ para formar un pigmento rojo. Por
lo tanto, si las semillas expuestas al TZ se vuelven rojas o rosadas, contienen tejidos vivos
mientras que aquellas que no se tien se consideran muertas (ISTA, 1993). En la Figura 6 se
muestra como se realiza la prueba de tetrazolio en el caso del arroz rojo.
Figura 6. Etapas de la prueba de viabilidad de las semillas de arroz rojo y arroz voluntario
El mtodo de extraccin directa de semillas del banco de malezas del suelo es laborioso y
poco prctico para caracterizar la composicin de las especies en el banco de semillas
(Forcella et al., 2003).
MTODO DE EMERGENCIA
El mtodo de la emergencia (germinacin) es usado normalmente para determinar el tamao
del banco de semillas quiescentes. En este caso cada muestra de suelo se coloca en bandejas
plsticas bajo condiciones de invernadero o umbrculos, cercano a fuente de agua para el
riego (Figura 7).
Figura 7. Tcnicas consideradas para la estimacin del banco quiescente o activo de arroz
rojo del suelo
La profundidad del suelo en las bandejas no debera ser mayor de la profundidad en que se
espera normalmente que germinen las especies, por lo general menor o igual a 10 cm.
Cuando no se observa ms emergencia de malezas, el suelo se mezcla y se hace un nuevo
ciclo de conteo. El nmero de ciclos vara segn los objetivos de la investigacin.
Muchos investigadores prefieren los mtodos de emergencia en comparacin con el mtodo
de la extraccin directa de semillas, porque el ltimo presenta varias limitaciones. Los
mtodos de emergencia son relativamente menos laboriosos pero requieren de varios meses
antes de obtener datos, lo que hace que este mtodo no sea prctico para predecir el potencial
de las poblaciones de malezas que crecen en un determinado ciclo y el evaluador necesita
tener conocimiento en la identificacin de plntulas. Adicionalmente, el mtodo de
emergencia no estima el tamao del banco de semilla latente (pasivo) importante para las
implementar programas de manejos al largo plazo (Forcella et al., 2003)
ESTUDIO DE CASO: Estimacin del banco de semillas de malezas en el suelo en un lote
de una finca de arroz en el Estado Portuguesa con nfasis en el arroz maleza/rojo.
Los resultados revelaron que a travs del mtodo de extraccin de semillas se detectaron 15
malezas en un lote de la Finca Soledad de Armo en Portuguesa, de ellas tan solo cinco
(Cyperus iria; arroz rojo; Cyperus sp; Ammania latifolia y arroz voluntario) tuvieron el 95%
del total de semillas.m
-2
, mientras que las otras 10 especies representan el 5 %, a ambas
profundidades de muestreo. No obstante, por el mtodo de emergencia 10 malezas
representaron el 95% del banco de semilla del suelo y seis el 5 %. Las malezas con mayor
densidad de semillas en el banco activo de malezas del suelo fueron Sphenoclea zeylanica;
Ammania latifolia y Cyperus iria (Cuadro 1,2, 3 y 4).
Estos resultados arrojaron diferencias entre el banco pasivo y activo de malezas en el orden
de importancia de las malezas detectadas, pero se pudo corroborar que ambos mtodos fueron
efectivos para detectar arroz rojo. Por ejemplo Sphenoclea zeylanica que tuvo menor
importancia en el mtodo de semilla (70,14 semillas.m
-2
) fue la que tuvo mayor relevancia
por la tcnica de la emergencia (786,10 plntulas.m
-2
); tambin se observ que las malezas
acuticas no fueron detectadas por el mtodo de semillas pero si con el de emergencia. Estos
casos, quizs signifiquen que las semillas de las especies en cuestin fueron difciles de
extraer de las muestras, a lo mejor los tamices tenan los orificios muy grandes y ellas fueron
descardas al momento de la separacin. De cualquier manera estos estudios podran ayudar
al evaluador a tomar decisiones acertadas sobre el manejo de las malezas que aparecern en
el campo en el ciclo siguiente a la evaluacin, principalmente a programar el control de arroz
rojo (203,62 plntulas.m
-2
) el cual podra requerir hasta tres prcticas de falsa siembra con
glifosato y/o batido antes de sembrar el arroz cultivado.
Cuadro 1. Nmero de semillas de malezas por m
-2
en el banco de semilla del suelo a la
profundidad de 0 a 10 cm en la Finca Soledad de Armo. Potrero de Armo. Portuguesa.
Cuadro 2. Nmero de plntulas de malezas por m
-2
en el banco del suelo a la profundidad de
0 a 10 cm en la Finca Soledad de Armo. Potrero de Armo. Portuguesa.
En general la proporcin de malezas detectadas fue mayor a la profundidad 0-10 cm que a
10-20 cm con ambos mtodos de conteo de semilla y plntulas. Algunas excepciones
ocurrieron como el caso de Ipomoea grandifolia que solamente se encontr en el muestreo
superficial y Cyperus odoratus en el profundo. Otros casos que ameritan su mencin son
los de Leptpchloa virgata; Ischaemum rugosum que se encontraron en mayor cantidad a los
10-20 cm de profundidad por el mtodo de la emergencia (Figura 8).
Figura 8. Comparacin de la deteccin de malezas por dos mtodos, uno por la extraccin
directa de semillas (a) y otro por emergencia en bandejas (b)
El mtodo de extraccin directa de semillas permiti conocer como estaba la estructura
poblacional de semillas de arroz rojo en el suelo, mostrando que el 73 % de la semilla del
banco de semillas del suelo estaba viva, con ms de 80% de latencia (Figura 9).
En el cuadro 3 se observa que se encontr una gran cantidad de semillas de arroz rojo viable,
con una media de 595,02 semillas.m
-2
, considerada como infestacin intensa que amerita la
implementacin de un manejo integrado al largo plazo con nfasis en el uso de semilla
0-10 cm
Melgas Total semillas Sem. Muertas Sem. Vivas Sem. Latentes Sem Germinadas % Latencia %Germinacin
1 760,18 190,05 570,14 515,84 54,30 90,48 9,52
2 515,84 108,60 407,24 334,84 72,40 82,22 17,78
3 823,53 262,44 561,09 488,69 72,40 87,10 12,90
4 941,18 361,99 579,19 452,49 126,70 78,13 21,88
5 1113,12 497,74 615,38 542,99 72,40 88,24 11,76
6 696,83 117,65 579,19 506,79 72,40 87,50 12,50
7 742,08 153,85 588,24 524,89 63,35 89,23 10,77
8 895,93 36,20 859,73 533,94 325,79 62,11 37,89
Media 811,09 216,06 595,02 487,56 107,47 83,12 16,88
Desv 178,52 151,62 124,25 67,97 90,81 9,41 9,41
10-20 cm
Melgas Total semillas Sem. Muertas Sem. Vivas Sem. Latentes Sem Germinadas % Latencia %Germinacin
1 488,69 190,05 298,64 289,59 9,05 96,97 3,03
2 470,59 144,80 325,79 307,69 18,10 94,44 5,56
3 696,83 126,70 570,14 461,54 108,60 80,95 19,05
4 850,68 343,89 506,79 443,44 63,35 87,50 12,50
5 742,08 244,34 497,74 461,54 36,20 92,73 7,27
6 832,58 27,15 805,43 696,83 108,60 86,52 13,48
7 398,19 54,30 343,89 316,74 27,15 92,11 7,89
8 561,09 27,15 533,94 398,19 135,75 74,58 25,42
X 630,09 144,80 485,29 421,95 63,35 88,22 11,78
Desv 173,47 111,99 166,02 131,67 48,37 7,49 7,49
certificada libre de arroz rojo, falsa siembra, limpieza de maquinaria y equipos, control de
agua de riego; entre otras.
Cuadro 3. Nmero de semillas totales, viables, latentes y germinadas de arroz rojo y
porcentaje de latencia y germinacin del arroz rojo del banco de semillas del suelo en ocho
melgas de un lote de siembra de arroz en la Finca Soledad de Armo, estado Portuguesa.
Figura 9. Nmero de semillas.m
-2
de arroz rojo totales, vivas, muertas, latentes y germinadas.
Porcentaje de latencia y germinacin de las semillas viables de arroz rojo.
REFERENCIA BIBLIOGRFICAS
Abreu, A y E. Solrzano. 2006. Estudio del banco de semilla de arroz rojo (maleza) del suelo
en la finca "Soledad de Armo" ubicada en el estado Portuguesa. Trabajo de Grado.
Facultad de Agronoma. Universidad Central de Venezuela. 120 p.
Ball, D. y S. Miller. 1989. A comparison of techniques for estimation of arable seed banks
and their relationship to weed flora. Weed Research 29: 365-373
Brberi, P., M. Macchia y E. Bonari. 1998. Comparison between the seed extraction and
seedling emergence methods for weed seed bank evaluation. Aspects of Applied
Biology 51: 9-14.
Baskin J.M. y C.C. Baskin 1989. Physiology of dormancy and germination in relation to seed
bank ecology. En M.A. Leck, V.T. Parker y R.L. Simpson (Eds.) Ecology of Soil Seed
Banks.Academic Press. 53-66 p.
Baskin, C. and J. Baskin. 2001. Germination ecology of seed in the persistent seed bank. In:
Seeds ecology, biogeography, and evolution of dormancy and germination. C. Baskin
and J. basking Ed. Academic Press. 133- 179 p.
Benoit, D., N. Kenkel y P. Cavers. 1989. Factors influencing the precision of soil seed bank
estimates. Can. J. of Botany 67: 2833-2840.
Besnier, R. 1989. Semilla, biologa y Tecnologa. Editorial Mundi Prensa. Madrid, Espaa.
147 173p.
Bigwood. D., D. Inouye. 1988. Spatial patter anlisis of seed banks: and Improved method
and optimizad sampling. Ecology 69(2): 497 507
Buhler, D., R. Hartzler and F. Forcella. 1997. Implications of weed seedbank dynamics to
weed management. Symposium: Importance of weed biology to weed management
Weed Science Society of America, Noirfolk, Virginia, 1996. Weed Sciencie 45:329-
336.
Buhler, D. y B. Maxwell. 1993. Seed separation and enumeration from soil using K
2
SO
3
-
centrifugation and image analysis. Weed Sci. 41: 298-302.
Chauvel, B., J. Gasquez y H. Darmency. 1989. Changes of weed seed bank parameters
according to species, time, and environment. Weed Res.29: 213-219.
Colbach, N., F. Dessaint, y F. Forcella, F. 2000. Evaluating field-scale sampling methods for
the estimation of mean plant densities of weeds. Weed Res.40: 411-430.
Delouche, J, N. Burgos, D. Gealy, G. Zorrilla y R. Labrada. 2007. Arroces maleza-origen,
biologa y control. Organizacin de las Naciones Unidas para la Agricultura y la
Alimentacin. Roma. 157 p.
Dessaint, F; G. Barralis; M Caixinhas; J. Mayor; J. Recasens and G. Zanin. 1996. Precision
of soil seedbank sampling: how many cores? Weed Res 36:143-151.
Ferrero A, A. Finassi y F. Vidotto. 1996. Prediction of red rice seedling densities from seed
bank. In: Med. Fac.Landbouww., Rijksunv. Gent 1181-1187.
Fennimore, S., W. Nyquist, G. Shaner, R. Doerge y M. Fole. 1999. A genetic model and
molecular markers for wild oat (Avena fatua L.) seed dormancy. Theoretical and
Applied Genetics 99: 711-719
Forcella, F. 1992. Prediction of weed seedling densities from buried seed reserves. Weed
Research 32: 29-38.
Forcella, F., T. Webster y J. Cardina. 2003. Protocols for weed seed bank determination in
agro-ecosystems. In: Weed management for developing countries. Addendum 1. Food
and Agriculture Organization of the United Nations (FAO). Roma. 18 p.
Grime J. 1989. Seed banks in ecological perspective. In: M.A. Leck, V.T. Parker and R.L.
Simpson (Eds.) Ecology of Soil Seed Banks. Academic Press. xv-xxii p
Gross, K. y Renner, K. 1989. A new method for estimating seed numbers in soil. Weed Sci.
37: 836-839.
Harper, J. 1977. Populations biology of plants. Scholl of plan biology. University College of
North Wales, Bangor. Academic Press. 83-110 p.
International Seed Testing Association (ISTA). (1993). International Rules for Seed Testing.
Seed Science and Technology. 21p.
Joel, D, V. Portnoy y N. Katzer. 1998. Use of DNA fingerprinting for soil-borne seed
identification. Aspects of Applied Biology 51: 23-27.
Karssen C. 1981. Environmental conditions and endogenous mechanisms involved in
secondary dormancy of seeds. Israel Journal of Botany 29: 45-64.
Malone, C. 1967. A rapid method for enumeration of viable seeds in the soil. Weed (15):
381-382
Mucher, T. 2000. Characterization of weed beet in Germany and Italy. J. of Sugar Beet
Research 37: 9-38.
Navarro, J y E. Prez. 2002. Estimacin del tamao de la unidad de muestreo para estudios
en bancos de semillas de malezas en campos de arroz (Oryza sativa L.) y su
distribucin espacial. Trabajo de Grado. Facultad de Agronoma. Universidad Central
de Venezuela. 56 p.
Ogg, A Jr, and J. Dawson. 1984. Time of emergence of eight weed species. Weed Science
32:327-335
Ortiz, A. y L. Gonzlez. 2001. Estudio Preliminar del banco de semillas de malezas del suelo
de algunas zonas arroceras de calabozo, Gurico. Agronoma Tropical 51(4):501-517.
Ortiz, A. 2005. Manual de evaluacin del banco de semillas de arroz rojo (arroz maleza) en el
suelo. Universidad Central de Venezuela. Facultad de Agronoma. Desplegable. 12 p.
Schweizer, E., D. Lybecker y L. Wiles. 1997. Important biological information needed for
bioeconomic weed management models. En: Hatfield, J. L., Buhler, D. D, Stewart, B.
A., eds. Integrated weed and soil management. Ann Arbor, Michigan, Estados Unidos
de Amrica. Lewis Publishers. 1-24 p.
Venegas, G. 1993. Evaluacin del banco de semilla de arroz rojo (Oryza sativa L) en la zona
de Saldaa (Tolima). Tesis de Grado. Universidad Nacional de Colombia. Facultad de
Agronoma. Santa Fe de Bogot. 76 p.
Wiles, L. y E. Schweizer. 1999. The cost of counting and identifying weed seeds and
seedlings. Weed Sci. 47: 667-673
Wilson , R. E., Kerr and L. Nelson. 1985. Potential for using weed seed content In the soil to
predict future weed problems. Weed Science. 33:171-175.
Captulo 5
MTODOS PARA LA EVALUACIN DEL BANCO DE SEMILLAS DE MALEZAS
EN EL SUELO
Ada Ortiz
1
, Alexis Abreu
2
y Euval Solrzano
3
.
1
Universidad Central de Venezuela.
2
Instituto Nacional de Salud Agrcola Integral
3
Instituto Nacional de Investigaciones Agrcolas
INTRODUCCIN
Las malezas causan cuantiosas prdidas a los cultivos en el mundo. Los agricultores gastan
alrededor entre 15 a 30% de los costos de produccin en el control de malezas. Las
infestaciones de malezas estn relacionadas con el cultivo y su manejo, principalmente con la
preparacin del suelo y los sistemas de siembras, ellos condicionan la emergencia de pocas
especies del total que se encuentran en el banco de semilla del suelo, en una situacin
agrcola en particular.
Cuando se estima acertadamente el tamao de los bancos de semillas viables de malezas del
suelo, esto puede ser de mucha utilidad para planificar con antelacin el manejo integrado de
las mismas.
El propsito de este trabajo es proporcionar a tcnicos, investigadores, estudiantes y
productores agrcolas una metodologa de evaluacin del banco de semillas de malezas en el
suelo.
BANCO DE SEMILLAS DE MALEZAS DEL SUELO
El banco de malezas del suelo es una reserva viable de semillas no germinadas en un hbitat
determinado (Basking y Basking, 2001). La mayora de los bancos de semillas del suelo
consisten en semillas enterradas (Grime, 1979). El banco de semilla de malezas del suelo est
constituido por semillas vivas y muertas. Las semillas vivas del banco puedan estar en estado
quiescente y latente (Bigwood e Inouye, 1988). Se considera que una semilla est quiescente
cuando alguno de los factores que controlan la germinacin, tales como: contenido de
humedad, temperatura, oxgeno y luz, no estn en el estado ptimo requerido por la especie
en particular. Cuando se restituye el nivel de exigencia de estos factores ocurre la
germinacin. En contraste, la semilla latente es aquella que est viva pero no germina a pesar
de tener ptimos los factores que afectan la germinacin (Besnier, 1989).
El banco de semilla de malezas del suelo se enriquece peridicamente (Figura 1), segn las
circunstancias preexistente del sitio, con las nuevas producto de la lluvia de semillas desde
las plantas madres o progenitoras que tras su dispersin llegan y se incorporan al suelo;
tambin se empobrece gradualmente con las semillas que desaparecen, mueren o germinan
(Besnier, 1989).
Haciendo una analoga con un banco comercial, las semillas latentes estaran en una cuenta
de ahorro y las quiescentes en una cuenta corriente, tal manera que se establece un flujo
bidireccional entre stas y proveen la dinmica de emergencia en de malezas en los suelos
agrcolas (Harper, 1977). Este flujo est controlado por interacciones de los factores
abiticos del ambiente del suelo (Figura 1). Por ejemplo, los cambios de la temperatura del
suelo y la humedad, el fotoperodo y los rayos rojos/infrarrojos han sido implicados en el
control del flujo de la latencia (Karssen 1981; Baskin y Baskin 1989).
Figura 1. Modelo de un banco de semilla de malezas del suelo
El desgrane de las semillas a medida que maduran es un mecanismo importante para su
dispersin y distribucin en el campo, asegurando que buena parte de las semillas cadas se
distribuyan sobre la superficie del suelo donde pueden ser esparcidas por el viento y el agua
(Delouche et al., 2007).
La latencia de las semillas es un mecanismo efectivo de sobrevivencia para las especies
silvestres, nativas y las malezas anuales/perennes propagadas por semillas, debido a que
satisface varias condiciones crticas tales como: (a) bloquea la germinacin de modo que la
especie sobrevive bajo la forma de semilla hasta que las condiciones son nuevamente
favorables para crecer y desarrollarse como plantas; (b) la intensidad o grados de latencia
vara entre todas las semillas de una poblacin de, modo de distribuir la germinacin en el
tiempo y aumentar la posibilidad de que algunas semillas germinen cuando las condiciones
sean favorables; (c) La latencia inhibe los procesos fisiolgicos de deterioro de modo que las
semillas retienen su viabilidad; (d) la ruptura de latencia ocurre bajo determinadas
condiciones, el ms comn es el tiempo pero tambin la luz, bajas o altas temperaturas, la
acidez o los nitratos del suelo y otros elementos pueden liberarla (Delouche et al., 2007).
El modelo espacial de las semillas de malezas en el banco del suelo en campos agrcolas, por
lo general siguen un patrn de dispersin agregada y pueden ser descrito matemticamente
por una distribucin binomial negativa (Chauvel et al., 1989; Wiles y Schweizer, 1999;
Navarro y Prez, 2002; Forcella et al., 2003). Desde un punto de vista prctico esto significa
que muchas muestras representativas de suelo de un banco de semillas para una especie
particular pudieran no contener semillas, mientras que unas pocas muestras podran contener
un alto nmero de semillas. Quizs la forma de distribucin agregada podra ser el resultado
de una dispersin limitada desde las plantas madres o tambin cuando el hombre ayuda a su
diseminacin con las prcticas culturales aplicadas durante el proceso de produccin de los
cultivos, por ejemplo, utilizacin de semilla, uso de la cosechadora, preparacin del suelo,
entre otras (Forcella et al., 2003).
La composicin y densidad de las semillas de malezas en el suelo varan grandemente y estn
muy relacionadas con la historia de los cultivos y la preparacin del suelo. La composicin
est influenciada por las prcticas agronmicas y vara de campo en campo, incluso entre
reas de un mismo campo. Reportes del tamao del banco de semilla del suelo van desde
cero a ms de 1 milln semillas.m-
2
(Buhler et al., 1997).
Generalmente el banco de semillas est compuesto por muchas especies, con pocas que
comprenden el 70 a 90 % del total de malezas. Estas especies son las primeras plagas en el
sistema agronmico porque resisten las medidas de control y estn adaptadas al sistema de
cultivo. Un segundo grupo comprende un 10 a 20% del banco de semilla, son generalmente
adaptadas a estas reas geogrficas pero no a las prcticas de produccin de cultivos.
Tambin hay un pequeo grupo de semillas recalcitrantes de previos bancos de semillas;
especies nuevas introducidas y semillas de anteriores cultivo. Estos grupos cambian
constantemente debido a la dispersin por humanos, otros animales, maquinarias, viento y
agua (Wilson et al., 1985).
En teora eliminar un banco de semillas en el suelo es relativamente fcil si se para la
produccin de semilla de las malas hierbas y se dan las condiciones ptimas para la
germinacin y emergencia, sin embargo, en la prctica el manejo de los bancos de semilla es
ms complejo debido a que es difcil prevenir la produccin e introduccin de semillas, as
como la persistencia de pequeos porcentajes de semillas en el banco y la alta produccin
potencial de algunas especies de malezas (Buhler et al., 1997).
La periodicidad de la emergencia de diferentes especies es tambin un aspecto importante del
manejo de las malezas. Conociendo cuando las diferentes especies son la principales en
emerger es importante para la planificacin de un programa efectivo de control de malezas
(Ogg y Dawson, 1984). El uso de la informacin sobre el banco de semilla de malezas del
suelo sirve para usar modelos bioeconmicos y predecir la emergencia dentro del proceso de
toma de decisiones (Swinton y King, 1994 citado por Buhler et al., 1997).
MTODOS DE ESTIMACIN DEL BANCO DE SEMILLAS DE MALEZAS DEL
SUELO
Muestreo del suelo
No existe un protocolo universal para el muestreo de banco de semillas de malezas del suelo,
cada investigador debe adecuarse a sus objetivos, tiempo, equipo disponible y limitaciones
(Forcella et al., 2003). Por lo general se usan barrenos de muestrear suelo con fines edficos,
con orificio circulares siendo el ms comn el de 5 cm de dimetro y 10 cm de profundidad
que se adapta muy bien a la deteccin de semillas pequea, sin embargo para especies de
semillas ms grandes como el arroz rojo no es muy eficiente. En el caso de los estudios de
arroz rojo se ha diseado un toma de muestras ms grande hacindolo como una caja de
metal sin dos paredes, con dimensiones de 13 cm de ancho; 17 cm de largo y 10 cm de
profundidad. Este toma de muestra se introduce en una de las paredes de una trinchera
excavada previamente y cuidadosamente se sacan las muestras de suelo usando un machete,
ver Figura 2 (Ortiz, 2005). El promedio de peso de cada muestra estuvo en el orden de 1,8 a 2
kg (Abreu y Solrzano, 2006).
Figura 2. Modelo del toma muestra de suelo y cmo muestrear el suelo para la
determinacin del banco de malezas haciendo nfasis en el arroz rojo.
Nmero de muestras
En la determinacin del nmero de muestras a tomar para estimar el banco de semilla de
malezas del suelo en un campo, Forcella et al, 2003, recomienda utilizar la ecuacin
diseada por Dessaint et al. (1996):
2 59 . 0 45 . 0
) 509 / ( 10

D m N
donde, N es el nmero estimado de muestras necesarias para representar adecuadamente un
banco de semillas (muestras de suelo recogidas con un barreno de 5 cm de dimetro) y D
representa el nivel deseado de precisin. D es definido como el error estndar de la media
dividido entre la media (SE
m
.m
-1
). El valor de m es dividido entre 509 para convertir el rea
de una muestra de 5 cm de dimetro a 1 m
2
. Se indica que un valor de D = 0,3 tiene un nivel
prctico de precisin para los estudios sobre bancos de semillas (Cuadro 1). Se deben hacer
muestreos pilotos previos para conocer el tamao del banco de semillas de malezas y luego
ajustar esa densidad a la ecuacin indicada.
Cuadro 1. Nmero de muestras de suelo tomadas con un barreno de dimetro 5 cm se
necesitan para determinar las densidades de los bancos de semillas en cuatro niveles deseados
de precisin suponiendo varias densidades de semillas.m
-2
Banco de semillas Nivel de precisin (D)
semillas.m-2 0,2 0,3 0,4 0,5
10 716 318 179 115
50 277 123 69 44
100 184 82 46 29
500 71 32 18 11
1 000 47 21 12 8
5 000 18 8 5 3
10 000 12 5 3 2
Fuente: Forcella et al, 2003
Profundidad de muestreo
La profundidad a que se deberan tomar las muestras depende completamente de los
objetivos de la investigacin. Tal como se ha dicho en la descripcin del banco de malezas
del suelo realizada arriba, la mayora de las semillas se encuentran en los primeros 10 cm de
profundidad (Forcella et al., 2003; Venegas, 1994; Ferrero et al., 1996; Abreu y Solrzano,
2006). En el caso de la estimacin del banco de semilla de arroz rojo del suelo la profundidad
de 0-10 cm es suficiente para estimar su tamao (Figura 3).
Tipo de muestreo en campo
Existen varios modelos de muestreo horizontal en campo para estimar el banco de semilla de
malezas del suelo que proporcionaban resultados equivalentes, siendo el de diagonal doble el
de uso ms simple y fcil de ejecutar, ver Figura 4 (Ortiz, 2005). Cualquier diseo de
muestreo es aceptable siempre que abarque el largo y el ancho del campo (Colbach et al.,
2000).
Figura 4. Metodologa de muestreo en diagonal doble usado para detectar arroz rojo
Si el objetivo de la investigacin es relacionar los bancos de semillas con la vegetacin que
emerge sobre el suelo, los bancos de semillas deberan ser muestreados inmediatamente
despus de la dispersin de las semillas pero antes de su germinacin. El muestreo de los
bancos de semillas despus de la emergencia de las plntulas tiene poco valor, tanto en la
teora como en la prctica (Forcella et al., 2003).
Si el objetivo de la investigacin es usar la informacin del banco de semillas para contribuir
a hacer recomendaciones para los tratamientos de manejo de malezas, entonces la
informacin deber estar disponible en el momento en que se deban realizar los tratamientos
(Schweizer et al., 1997).
Una vez que se han extrado las muestras del suelo hay dos tcnicas bsicas para enumerar el
nmero de semillas en las mismas; estos son (1) Extraccin de semilla directa (Malone,
1967) y (2) mtodo de la emergencia (germinacin). Los dos mtodos han dado resultados
diferentes pero ellos estn generalmente correlacionados entre s (Ball y Miller, 1989;
Brberi et al., 1998; Forcella, 1992).
MTODO DE EXTRACCIN DE SEMILLA
Las muestras de suelo son colocadas en una solucin con sustancias dispersantes como el
hexametafosfato de sodio que ayudar a separar la arcilla y el limo de las semillas (Malone,
1967), se ha usado cloruro de sodio (sal comn) con el mismo fin (Ortiz y Gonzlez; Abreu y
Solrzano, 2006). Posteriormente la solucin, las partculas disgregadas y las semillas se
pasan por tamices con diferentes dimetros de los orificios (Figura 5)
El tamao de los tamices es un factor fundamental para determinar la eficiencia de la
separacin de las semillas (Malone, 1967).
La etapa siguiente incluye la remocin de la arcilla, el limo y las partculas pequeas de arena
de la muestra; esto se hace habitualmente sacudiendo la muestra colocada en un cedazo o
pasando un chorro de agua sobre la misma. Los sopladores con aire a presin tambin pueden
ser usados para separar los restos orgnicos de las semillas en las muestras secas (Forcella et
al. 2003).
Figura 5. Extraccin de semillas de malezas provenientes del banco de semilla del suelo.
Se pueden utilizar equipos para lavar las muestras tales como los levigadores que son unas
mquinas que ejecutan los mismos procedimientos manuales para la separacin de las
semillas del suelo (Gross y Renner, 1989). Los levigadores tienen la ventaja de poder
procesar varias muestras simultneamente.
Todos los mtodos de extraccin directa de las semillas proporcionan estimaciones de la
densidad total del banco de semillas, incluyendo las semillas muertas. Por ello, esta tcnica es
especialmente valiosa para los estudios que involucran la dinmica de la poblacin de las
malezas, sin embargo, a veces no siempre es la apropiada para la correlacin de los bancos de
semillas con las poblaciones de plntulas ya que se podra confundir semillas muertas,
latentes y no latentes (Forcella et al, 2003), especialmente en semillas muy pequeas, no es
el caso del arroz rojo ya que en ella se pueden detectar estos estados de la semilla con
facilidad (Abreu y Solrzano, 2006).
Una vez que las semillas han sido aisladas por el mtodo de extraccin directa, deben ser
identificadas (Figura 6). La parte que requiere ms tiempo en este mtodo es la
identificacin de las semillas bajo una lupa estereoscpica. El evaluador debe tener
experiencia en la identificacin morfolgica de las semillas, cuando no tiene la experticia
necesaria, entonces puede hacer uso de catlogos con imgenes de las semillas de las malezas
comunes en su regin (Forcella et al., 2003). Tambin puede acudir a expertos para que los
ayuden a clasificar las semillas de las malezas.
Otros investigadores identifican las semillas aisladas a travs de programas computarizados
(Benoit et al., 1992; Buhler y Maxwell, 1993). Cuando no es posible identificar la especie se
puede recurrir al uso de marcadores moleculares de ADN (Fennimore et al., 1999; Joel et al.,
1998; Mucher 2000). Tambin se pueden hacer germinar las semillas y verificar la especie
cuando exprese los rasgos que la identifican.
Las semillas que se separan por medio del mtodo de extraccin directa pueden ser viables o
estar muertas. Estas semillas deben ser sometidas a la prueba de la viabilidad. En primer
lugar se separan las semillas llenas de las vana simplemente apretndolas con una pinza fina.
Se eliminan las semillas vanas (muertas) y se ponen a germinar las llenas. El nmero de
semillas que germina proporciona una estimacin de la densidad de las semillas quiescentes,
sin embargo, no estima la cantidad de semillas latentes.
La determinacin de las semillas latente en el banco de malezas se realiza usando la prueba
de tetrazolio, la cual se basa en el cloruro de tetrazolio. Las semillas grandes o medianas se
cortan longitudinalmente o se puyan a la altura del embrin las pequeas, las mitades se
colocan en unos recipientes donde se ha colocado previamente una solucin de tetrazolio al
0,1-0,2 %, el tiempo de incubacin y temperatura depende de la especie, la cual vara desde
unas pocas horas hasta una semana, a 10-30C. El hidrgeno liberado por la reaccin de la
dehidrogenasa en los tejidos vivos se combina con el TZ para formar un pigmento rojo. Por
lo tanto, si las semillas expuestas al TZ se vuelven rojas o rosadas, contienen tejidos vivos
mientras que aquellas que no se tien se consideran muertas (ISTA, 1993). En la Figura 6 se
muestra como se realiza la prueba de tetrazolio en el caso del arroz rojo.
Figura 6. Etapas de la prueba de viabilidad de las semillas de arroz rojo y arroz voluntario
El mtodo de extraccin directa de semillas del banco de malezas del suelo es laborioso y
poco prctico para caracterizar la composicin de las especies en el banco de semillas
(Forcella et al., 2003).
MTODO DE EMERGENCIA
El mtodo de la emergencia (germinacin) es usado normalmente para determinar el tamao
del banco de semillas quiescentes. En este caso cada muestra de suelo se coloca en bandejas
plsticas bajo condiciones de invernadero o umbrculos, cercano a fuente de agua para el
riego (Figura 7).
Figura 7. Tcnicas consideradas para la estimacin del banco quiescente o activo de arroz
rojo del suelo
La profundidad del suelo en las bandejas no debera ser mayor de la profundidad en que se
espera normalmente que germinen las especies, por lo general menor o igual a 10 cm.
Cuando no se observa ms emergencia de malezas, el suelo se mezcla y se hace un nuevo
ciclo de conteo. El nmero de ciclos vara segn los objetivos de la investigacin.
Muchos investigadores prefieren los mtodos de emergencia en comparacin con el mtodo
de la extraccin directa de semillas, porque el ltimo presenta varias limitaciones. Los
mtodos de emergencia son relativamente menos laboriosos pero requieren de varios meses
antes de obtener datos, lo que hace que este mtodo no sea prctico para predecir el potencial
de las poblaciones de malezas que crecen en un determinado ciclo y el evaluador necesita
tener conocimiento en la identificacin de plntulas. Adicionalmente, el mtodo de
emergencia no estima el tamao del banco de semilla latente (pasivo) importante para las
implementar programas de manejos al largo plazo (Forcella et al., 2003)
ESTUDIO DE CASO: Estimacin del banco de semillas de malezas en el suelo en un lote
de una finca de arroz en el Estado Portuguesa con nfasis en el arroz maleza/rojo.
Los resultados revelaron que a travs del mtodo de extraccin de semillas se detectaron 15
malezas en un lote de la Finca Soledad de Armo en Portuguesa, de ellas tan solo cinco
(Cyperus iria; arroz rojo; Cyperus sp; Ammania latifolia y arroz voluntario) tuvieron el 95%
del total de semillas.m
-2
, mientras que las otras 10 especies representan el 5 %, a ambas
profundidades de muestreo. No obstante, por el mtodo de emergencia 10 malezas
representaron el 95% del banco de semilla del suelo y seis el 5 %. Las malezas con mayor
densidad de semillas en el banco activo de malezas del suelo fueron Sphenoclea zeylanica;
Ammania latifolia y Cyperus iria (Cuadro 1,2, 3 y 4).
Estos resultados arrojaron diferencias entre el banco pasivo y activo de malezas en el orden
de importancia de las malezas detectadas, pero se pudo corroborar que ambos mtodos fueron
efectivos para detectar arroz rojo. Por ejemplo Sphenoclea zeylanica que tuvo menor
importancia en el mtodo de semilla (70,14 semillas.m
-2
) fue la que tuvo mayor relevancia
por la tcnica de la emergencia (786,10 plntulas.m
-2
); tambin se observ que las malezas
acuticas no fueron detectadas por el mtodo de semillas pero si con el de emergencia. Estos
casos, quizs signifiquen que las semillas de las especies en cuestin fueron difciles de
extraer de las muestras, a lo mejor los tamices tenan los orificios muy grandes y ellas fueron
descardas al momento de la separacin. De cualquier manera estos estudios podran ayudar
al evaluador a tomar decisiones acertadas sobre el manejo de las malezas que aparecern en
el campo en el ciclo siguiente a la evaluacin, principalmente a programar el control de arroz
rojo (203,62 plntulas.m
-2
) el cual podra requerir hasta tres prcticas de falsa siembra con
glifosato y/o batido antes de sembrar el arroz cultivado.
Cuadro 1. Nmero de semillas de malezas por m
-2
en el banco de semilla del suelo a la
profundidad de 0 a 10 cm en la Finca Soledad de Armo. Potrero de Armo. Portuguesa.
Cuadro 2. Nmero de plntulas de malezas por m
-2
en el banco del suelo a la profundidad de
0 a 10 cm en la Finca Soledad de Armo. Potrero de Armo. Portuguesa.
En general la proporcin de malezas detectadas fue mayor a la profundidad 0-10 cm que a
10-20 cm con ambos mtodos de conteo de semilla y plntulas. Algunas excepciones
ocurrieron como el caso de Ipomoea grandifolia que solamente se encontr en el muestreo
superficial y Cyperus odoratus en el profundo. Otros casos que ameritan su mencin son
los de Leptpchloa virgata; Ischaemum rugosum que se encontraron en mayor cantidad a los
10-20 cm de profundidad por el mtodo de la emergencia (Figura 8).
Figura 8. Comparacin de la deteccin de malezas por dos mtodos, uno por la extraccin
directa de semillas (a) y otro por emergencia en bandejas (b)
El mtodo de extraccin directa de semillas permiti conocer como estaba la estructura
poblacional de semillas de arroz rojo en el suelo, mostrando que el 73 % de la semilla del
banco de semillas del suelo estaba viva, con ms de 80% de latencia (Figura 9).
En el cuadro 3 se observa que se encontr una gran cantidad de semillas de arroz rojo viable,
con una media de 595,02 semillas.m
-2
, considerada como infestacin intensa que amerita la
implementacin de un manejo integrado al largo plazo con nfasis en el uso de semilla
0-10 cm
Melgas Total semillas Sem. Muertas Sem. Vivas Sem. Latentes Sem Germinadas % Latencia %Germinacin
1 760,18 190,05 570,14 515,84 54,30 90,48 9,52
2 515,84 108,60 407,24 334,84 72,40 82,22 17,78
3 823,53 262,44 561,09 488,69 72,40 87,10 12,90
4 941,18 361,99 579,19 452,49 126,70 78,13 21,88
5 1113,12 497,74 615,38 542,99 72,40 88,24 11,76
6 696,83 117,65 579,19 506,79 72,40 87,50 12,50
7 742,08 153,85 588,24 524,89 63,35 89,23 10,77
8 895,93 36,20 859,73 533,94 325,79 62,11 37,89
Media 811,09 216,06 595,02 487,56 107,47 83,12 16,88
Desv 178,52 151,62 124,25 67,97 90,81 9,41 9,41
10-20 cm
Melgas Total semillas Sem. Muertas Sem. Vivas Sem. Latentes Sem Germinadas % Latencia %Germinacin
1 488,69 190,05 298,64 289,59 9,05 96,97 3,03
2 470,59 144,80 325,79 307,69 18,10 94,44 5,56
3 696,83 126,70 570,14 461,54 108,60 80,95 19,05
4 850,68 343,89 506,79 443,44 63,35 87,50 12,50
5 742,08 244,34 497,74 461,54 36,20 92,73 7,27
6 832,58 27,15 805,43 696,83 108,60 86,52 13,48
7 398,19 54,30 343,89 316,74 27,15 92,11 7,89
8 561,09 27,15 533,94 398,19 135,75 74,58 25,42
X 630,09 144,80 485,29 421,95 63,35 88,22 11,78
Desv 173,47 111,99 166,02 131,67 48,37 7,49 7,49
certificada libre de arroz rojo, falsa siembra, limpieza de maquinaria y equipos, control de
agua de riego; entre otras.
Cuadro 3. Nmero de semillas totales, viables, latentes y germinadas de arroz rojo y
porcentaje de latencia y germinacin del arroz rojo del banco de semillas del suelo en ocho
melgas de un lote de siembra de arroz en la Finca Soledad de Armo, estado Portuguesa.
Figura 9. Nmero de semillas.m
-2
de arroz rojo totales, vivas, muertas, latentes y germinadas.
Porcentaje de latencia y germinacin de las semillas viables de arroz rojo.
REFERENCIA BIBLIOGRFICAS
Abreu, A y E. Solrzano. 2006. Estudio del banco de semilla de arroz rojo (maleza) del suelo
en la finca "Soledad de Armo" ubicada en el estado Portuguesa. Trabajo de Grado.
Facultad de Agronoma. Universidad Central de Venezuela. 120 p.
Ball, D. y S. Miller. 1989. A comparison of techniques for estimation of arable seed banks
and their relationship to weed flora. Weed Research 29: 365-373
Brberi, P., M. Macchia y E. Bonari. 1998. Comparison between the seed extraction and
seedling emergence methods for weed seed bank evaluation. Aspects of Applied
Biology 51: 9-14.
Baskin J.M. y C.C. Baskin 1989. Physiology of dormancy and germination in relation to seed
bank ecology. En M.A. Leck, V.T. Parker y R.L. Simpson (Eds.) Ecology of Soil Seed
Banks.Academic Press. 53-66 p.
Baskin, C. and J. Baskin. 2001. Germination ecology of seed in the persistent seed bank. In:
Seeds ecology, biogeography, and evolution of dormancy and germination. C. Baskin
and J. basking Ed. Academic Press. 133- 179 p.
Benoit, D., N. Kenkel y P. Cavers. 1989. Factors influencing the precision of soil seed bank
estimates. Can. J. of Botany 67: 2833-2840.
Besnier, R. 1989. Semilla, biologa y Tecnologa. Editorial Mundi Prensa. Madrid, Espaa.
147 173p.
Bigwood. D., D. Inouye. 1988. Spatial patter anlisis of seed banks: and Improved method
and optimizad sampling. Ecology 69(2): 497 507
Buhler, D., R. Hartzler and F. Forcella. 1997. Implications of weed seedbank dynamics to
weed management. Symposium: Importance of weed biology to weed management
Weed Science Society of America, Noirfolk, Virginia, 1996. Weed Sciencie 45:329-
336.
Buhler, D. y B. Maxwell. 1993. Seed separation and enumeration from soil using K
2
SO
3
-
centrifugation and image analysis. Weed Sci. 41: 298-302.
Chauvel, B., J. Gasquez y H. Darmency. 1989. Changes of weed seed bank parameters
according to species, time, and environment. Weed Res.29: 213-219.
Colbach, N., F. Dessaint, y F. Forcella, F. 2000. Evaluating field-scale sampling methods for
the estimation of mean plant densities of weeds. Weed Res.40: 411-430.
Delouche, J, N. Burgos, D. Gealy, G. Zorrilla y R. Labrada. 2007. Arroces maleza-origen,
biologa y control. Organizacin de las Naciones Unidas para la Agricultura y la
Alimentacin. Roma. 157 p.
Dessaint, F; G. Barralis; M Caixinhas; J. Mayor; J. Recasens and G. Zanin. 1996. Precision
of soil seedbank sampling: how many cores? Weed Res 36:143-151.
Ferrero A, A. Finassi y F. Vidotto. 1996. Prediction of red rice seedling densities from seed
bank. In: Med. Fac.Landbouww., Rijksunv. Gent 1181-1187.
Fennimore, S., W. Nyquist, G. Shaner, R. Doerge y M. Fole. 1999. A genetic model and
molecular markers for wild oat (Avena fatua L.) seed dormancy. Theoretical and
Applied Genetics 99: 711-719
Forcella, F. 1992. Prediction of weed seedling densities from buried seed reserves. Weed
Research 32: 29-38.
Forcella, F., T. Webster y J. Cardina. 2003. Protocols for weed seed bank determination in
agro-ecosystems. In: Weed management for developing countries. Addendum 1. Food
and Agriculture Organization of the United Nations (FAO). Roma. 18 p.
Grime J. 1989. Seed banks in ecological perspective. In: M.A. Leck, V.T. Parker and R.L.
Simpson (Eds.) Ecology of Soil Seed Banks. Academic Press. xv-xxii p
Gross, K. y Renner, K. 1989. A new method for estimating seed numbers in soil. Weed Sci.
37: 836-839.
Harper, J. 1977. Populations biology of plants. Scholl of plan biology. University College of
North Wales, Bangor. Academic Press. 83-110 p.
International Seed Testing Association (ISTA). (1993). International Rules for Seed Testing.
Seed Science and Technology. 21p.
Joel, D, V. Portnoy y N. Katzer. 1998. Use of DNA fingerprinting for soil-borne seed
identification. Aspects of Applied Biology 51: 23-27.
Karssen C. 1981. Environmental conditions and endogenous mechanisms involved in
secondary dormancy of seeds. Israel Journal of Botany 29: 45-64.
Malone, C. 1967. A rapid method for enumeration of viable seeds in the soil. Weed (15):
381-382
Mucher, T. 2000. Characterization of weed beet in Germany and Italy. J. of Sugar Beet
Research 37: 9-38.
Navarro, J y E. Prez. 2002. Estimacin del tamao de la unidad de muestreo para estudios
en bancos de semillas de malezas en campos de arroz (Oryza sativa L.) y su
distribucin espacial. Trabajo de Grado. Facultad de Agronoma. Universidad Central
de Venezuela. 56 p.
Ogg, A Jr, and J. Dawson. 1984. Time of emergence of eight weed species. Weed Science
32:327-335
Ortiz, A. y L. Gonzlez. 2001. Estudio Preliminar del banco de semillas de malezas del suelo
de algunas zonas arroceras de calabozo, Gurico. Agronoma Tropical 51(4):501-517.
Ortiz, A. 2005. Manual de evaluacin del banco de semillas de arroz rojo (arroz maleza) en el
suelo. Universidad Central de Venezuela. Facultad de Agronoma. Desplegable. 12 p.
Schweizer, E., D. Lybecker y L. Wiles. 1997. Important biological information needed for
bioeconomic weed management models. En: Hatfield, J. L., Buhler, D. D, Stewart, B.
A., eds. Integrated weed and soil management. Ann Arbor, Michigan, Estados Unidos
de Amrica. Lewis Publishers. 1-24 p.
Venegas, G. 1993. Evaluacin del banco de semilla de arroz rojo (Oryza sativa L) en la zona
de Saldaa (Tolima). Tesis de Grado. Universidad Nacional de Colombia. Facultad de
Agronoma. Santa Fe de Bogot. 76 p.
Wiles, L. y E. Schweizer. 1999. The cost of counting and identifying weed seeds and
seedlings. Weed Sci. 47: 667-673
Wilson , R. E., Kerr and L. Nelson. 1985. Potential for using weed seed content In the soil to
predict future weed problems. Weed Science. 33:171-175.
Captulo 4
EVALUACIN DE LA EFICACIA DE HERBICIDAS
Jess Caripe
Syngenta Crop Protection S.A.
Problemas y objetivos:
Las especies de malezas son plantas que crecen en lugares no deseados y por lo tanto
causan ms daos que beneficios, ellas juegan un rol dominante ya que muchas veces son
ms numerosas que los cultivos y afectan en gran medida a la produccin agrcola del
mundo. En muchas regiones las medidas para el control de malezas son imperativas y toman
una alta prioridad; el principal propsito en el control de malezas es:
Liberar al cultivo de competencia por nutrientes, agua, luz y espacio para as poder tener
oportunidad de obtener el mejor rendimiento posible.
Para liberar la interferencia al momento de la cosecha de los cultivos y poder as mejorar
la calidad de la cosecha.
Minimizar por largo tiempo la proliferacin de malezas en reas cultivadas.
El principal objetivo de los ensayos de campo con herbicidas es poder determinar el efecto
de los herbicidas sobre los diferentes tipos y especies de malezas, as como la tolerancia o
fitotoxicidad que pueda estar generando sobre los cultivos. Para poder alcanzar estos
objetivos el fin es definir:
La dosis requerida o necesaria para lograr el control eficaz de las malezas.
La tolerancia al cultivo, sin disminuir el potencial gentico de los mismos.
Lograr un amplio espectro de control entre los diferentes tipos de malezas.
Regulacin y flexibilidad en la forma de aplicacin de los herbicidas.
La duracin de la actividad del herbicida en el medio ambiente.
Comportamiento de los herbicidas en diferentes suelos.
Comportamiento en condiciones meteorolgicas diversas.
Comportamiento de las diferentes formulaciones disponibles.
Comparacin con los estndares comerciales presente en el mercado.
Deteccin del modo de accin de los herbicidas.
Adaptacin al manejo agronmico de los cultivos.
Estudios de los efectos prorrogados de los herbicidas sobre los cultivos.
Diseo de experimentos con herbicidas:
Seleccin del lugar:
Es un componente crtico para el caso de los ensayos de herbicidas, hay que darle un
cuidado en particular al tipo de suelo, condiciones y la distribucin de las especies de
malezas en el campo. El suelo debe ser de naturaleza uniforme y tener caractersticas
adecuadas para el tipo de ensayo planeado, esto se debe de confirmar antes de la ejecucin
del ensayo.
Una completa descripcin de las caractersticas de los suelos, las cuales son relevantes
para los ensayos de herbicidas.
El sitio puede ser seleccionado en base a la uniformidad del cultivo, las malezas y las
condiciones del campo para cumplir el objetivo del ensayo. Es responsabilidad del
ensayista seleccionar el sitio para poder as maximizar los cambios o sucesos que ocurran
en los ensayos para lograr los objetivos planteados. En necesario chequear varias veces el
campo, con la finalidad de estar seguro que tenemos la uniformidad conforme con lo
buscado en el ensayo.
El sitio debe ser lo suficientemente grande para garantizar que entre el nmero definido de
repeticiones o rplicas de cada uno de los tratamientos, pero esto debe ser lo ms justo
posible para evitar aumentar la variabilidad del ensayo.
El sitio debe de ser identificado y ubicado en todos los sitios del ensayo con coordenadas
de GPS, la latitud y longitud de la cuadrcula del ensayo junto con la orientacin del norte,
identificando cuidadosamente la ubicacin del ensayo de una manera referencial.
La geo-referencia es una herramienta til para el mapeo de malezas, especialmente para
los ensayos de herbicidas pre-emergentes, pudiendo localizar las poblaciones de malezas
en los cultivos.
Poblacin de malezas y cultivos:
En las pruebas de eficacia los bloques de los diseos estadsticos pueden representar
poblaciones uniformes y tpicas de malezas, las cuales podran corresponder a las buscadas
en el espectro de control de malezas de los productos que se estn probando. Sin embargo, la
presin excesiva de malezas podra evitarse si el ensayista lo decide as.
En las pruebas de tolerancia o fitotoxicidad, las parcelas deben estar libres de malezas para
eliminar efecto de competencia de las malezas sobre el cultivo y no sean las malezas las que
afecten al cultivo.
El ensayo debe tener condiciones uniforme en los siguientes puntos:
Se debe cultivar el mismo material vegetal, variedad o hibrido.
Los estados de desarrollo deben de ser lo ms uniforme posible (plantas de la misma
edad).
Deben tener la misma densidad de siembra y una buena uniformidad.
La infestacin de las malezas en el ensayo debe ser uniforme.
La infestacin de malezas debe sobrepasar el umbral econmico.
Tipo de suelo, estructura, condiciones de humedad y topografa.
Manejo agronmico se debe hacer en su totalidad en el ensayo.
Se debe de llevar un historial del lote donde se realiza el ensayo.
Evaluaciones:
Los ensayos debe de estar localizados en zonas de fcil acceso o razonables, que garantice la
seguridad del o los ensayistas, lo cual nos permitir la evaluacin eficiente y la cosecha del
ensayo. Adems, deben estar localizados en reas donde se minimice el riesgo de errores en
las aplicaciones por deriva.
Los ensayos deben de estar etiquetados siguiendo la direccin de las hileras del cultivo, esto
hace el acceso ms fcil para las evaluaciones de malezas en las parcelas de cada uno de las
repeticiones
Cuando los ensayos estn ubicados en sitios aledaos a vas o carreteras, se debe de guardar
una gran cantidad de hileras de borduras para tratar de aislar el ensayo. No se deben
seleccionar sitios donde se encuentren rboles grandes, vas o carreteras, aeropuertos
agrcolas, edificios etc. Los drenajes del terreno deben de evitarse dentro del ensayo, as
como los gradientes excesivos.
Evitar usar poblaciones de malezas resistentes o que se sospeche de ello, a menos que se
especifique en el protocolo. Las parcelas de los testigos absolutos deben ser seleccionadas
para determinar poblaciones de malezas y distribucin del cultivo.
La seleccin del tipo o diseo del ensayo, nmero de ensayo, nmero de repeticiones,
tratamientos y tamao de las parcelas:
En general la seleccin del diseo estadstico esta definido por la etapa de desarrollo del
producto, desde pequeas parcelas hasta llegar a grandes parcelas de validacin.
Los ensayos se pueden clasificar en las siguientes categoras:
Tipo de ensayo Objetivo
Estado de
desarrollo
del
producto
Nmero
de
dosis
Nmero
de
tratamientos
Nmero
de
repeticiones
Tamao
de la
parcela
(m
2
)
Sin repeticiones
Con repeticiones
Eficacia/
Tolerancia
Eficacia/
Tolerancia/
Rendimiento
Desarrollo
Desarrollo
Registro
4-8
2-5
2-3
20 -50
10-20
6-12
1-2
3-4
4-5
4-10
7.5-30
10-30
Demostraciones Eficacia/
Tolerancia/
Rendimiento
Antes del
lanzamiento
1-2 2-6 1-2 >100
Ensayos de residuos:
El objetivo de estos ensayos es proveer de informacin acerca de la cantidad de residuos de
herbicidas que puedan estar presentes en los cultivos donde se han utilizado estos productos,
as como tambin en suelos, agua y varias plantas no objetivo y animales.
Estas pruebas son diseadas para casos hipotticos o considerando el peor escenario y
dependern del riesgo del uso del producto en cuanto a:
Su mxima dosis de aplicacin en funcin del ingrediente activo propuesto.
Por el mximo nmero de aplicaciones propuesta.
El mnimo intervalo entre las aplicaciones.
Ensayos de compatibilidad:
El objetivo de estos ensayos es visualizar la compatibilidad entre las diferentes mezclas de
herbicidas o solo. Estos ensayos son llevados a cabo para establecer los siguientes puntos:
Evaluar los efectos fitotxicos.
Evaluar la posibilidad de haber sinergismo o antagonismo.
Evaluar la posibilidad de haber potenciacin y/o aditividad.
Cuando en el sitio se encuentren las especies de malezas objetivos para evaluar el efecto de
fitotoxicidad, no es importante para el control de esta, sino lo que pueda estar causando dicha
mezcla al cultivo. Para el resto de las evaluaciones si es importante tomar en cuenta el control
de las especies de malezas y el efecto sobre el cultivo.
Ensayos de desecantes:
Los herbicidas desecantes son utilizados para facilitar o mejorar las labores de cosecha de los
cultivos; adems, puede mejorar la calidad de la misma, principalmente a travs de las
promociones de prdida de humedad del tejido de la planta.
Estas actividades pueden ayudar a mejora las cosechas, por ejemplo como la desecacin de
las partes vegetales de las plantas de papa, con el objetivo de limpiar mejor los tubrculos y
mantener una uniformidad en el tamao de los mismos
Los ensayos de desecacin se pueden enfocarse en sntomas de calidad de las cosechas tales
como:
Aumento del rendimiento de la cosecha en tiempo.
Uniformidad de la cosecha.
Menor cantidad de materia inerte.
Menor prdida de la cosecha en el campo.
Los desecantes tambin son usados para eliminar la variacin en la maduracin de algunos
cereales o leguminosas y as poder reducir el costo de secado en la post cosecha en algodn
y oleaginosas.
Ensayos de prdidas por lluvias:
La eficacia de un herbicida se puede ver severamente afectada o reducida si es sometida a
una lluvia despus de la aplicacin; la determinacin de este perodo es importante para
poder publicarla en la etiqueta del herbicida.
Para determinar el perodo de riesgo de lavado del herbicida por la lluvia, los tratamientos
qumicos son aplicados bajo condiciones normales y la lluvia es aplicada artificialmente a
travs de equipos de irrigacin agrcola a varios intervalos de tiempo; por ejemplo:
Inmediatamente despus de los tratamientos con herbicidas.
Una hora despus de los tratamientos con herbicidas.
Tres horas despus de los tratamientos.
Veinticuatro horas despus de los tratamientos.
La intensidad y duracin de la lluvia artificial pueden variar para imitarla, en fuerte o suaves
lluvias. Las evaluaciones se hacen para comparar el control de malezas entre los bloques, los
cuales han recibido lluvia y en aquellos que permanecen secos.
Requerimiento general para los ensayos:
El nmero de ensayos que sern necesarios por serie para cumplir un objetivo, depende de
muchos diferentes factores; los ms importantes son:
Objetivo de los ensayos seriados.
Estado del conocimiento.
Soporte del proyecto.
Extender hasta donde se pueda, para generalizar las conclusiones.
La variabilidad natural de los individuos en diferentes suelos y condiciones ambientales,
ensayos, cultivos y factores limitantes
Extender hasta tanto los tratamientos pueden interactuar con los diferentes ambientes.
Poder de decisin para poder detectar cierto nivel de diferenciacin entre los tratamientos.
El nmero de repeticiones en ensayos individuales.
Disponibilidad de recursos tcnicos y financieros.
Los testigos o controles deben de ser incluidos en cada ensayo, debido a que las
evaluaciones de la accin de los herbicidas est basado en la comparacin entre los
bloques tratados y no tratados; de hecho, de haber la posibilidad de tener dos testigos o
controles se garantiza la mejor representacin posible de las condiciones de suelo y
ambientales, as como de las especies de malezas.
Los compuestos estndares deberan ser incluidos a las dosis recomendadas para la
localidad o cultivo.
Para determinar el lmite de tolerancia del cultivo o para chequear la tolerancia del cultivo,
hay que incluir el doble de la dosis a probar.
Los ensayos planeados pueden que no se lleven todos a cabo satisfactoriamente para
proveer informacin til, por ejemplo debido a las condiciones climticas desfavorables
en los ensayos.
Aplicaciones de los herbicidas
Tiempo de las aplicaciones: La definicin del tiempo de aplicacin se refiere al estado del
cultivo y los momentos ideales de la aplicacin
Mtodos de aplicacin de los herbicidas:
1. Aplicaciones superficiales, es tratado todo el bloque con cada uno de los tratamientos.
2. Aplicaciones en bandas, el herbicida solo se aplica en bandas, cubriendo al cultivo para
protegerlo de la aplicacin.
3. Aplicaciones post-dirigida, el herbicida es aplicado entre las hileras del cultivo o entre el
cultivo, sin tocar las hojas del mismo.
4. Aplicaciones en manchas, el herbicida es aplicado en algunas partes del campo solamente,
para controlar zonas o especies especificas de malezas.
Parmetros importantes para la realizar de las aplicaciones:
Para la propia interpretacin de los resultados de los ensayos de campo, la coleccin
cuidadosa de los datos y el reporte de la informacin bsica en el tiempo de la aplicacin
es muy importante.
Parmetros relacionados al cultivo y a las malezas:
Se debe de llevar registro o estimacin de la cobertura del suelo por el cultivo; adems, se
debe establecer rangos que puedan indicar dichas coberturas, tambin se debe reportar la
fase de crecimiento, por ejemplo: nmero de hojas, longitud de las plantas y por ltimo
comentar el vigor y la sanidad del cultivo.
Las especies de malezas se deben levantar estimando su nmero por especies, haciendo as
un registro por malezas objetivo. El registro detallado de las especies de malezas presentes
en el momento de la aplicacin, incluso aquellas que se encuentre en menor nmero es
especialmente importante.
Cuando sea posible, evaluar las malezas en una fase de crecimiento muy temprano y
estados posteriores, cuestin muy importante para poder as interpretar cualquier resultado
Estimar y establecer el registro de la cobertura de las malezas en el suelo, de manera
individual, establecer un rango si es posible e indicar la fase de crecimiento.
Para la descripcin de los estados de crecimientos puede ser utilizada la escala BBCH.
Si hay distintas poblaciones de malezas, estas deben separarse para poder realizar el
reporte final.
Parmetros relacionados a las condiciones ambientales:
Temperatura del suelo y aire.
Humedad del suelo y del aire.
Condiciones del suelo.
Velocidad del viento y direccin.
Presencia de lluvias despus de la aplicacin.
Para ensayos relacionados con las caractersticas del suelo y la accin de los herbicidas
residuales, los resultados pueden variar principalmente con la adsorcin, contenido de M.O. y
pH del suelo, por lo que una descripcin precisa de las caractersticas del suelo es sumamente
importante. El suelo es frecuentemente descrito como liviano, medio o pesado; sin embargo,
esta sealamiento no es adecuado, ya que carece de precisin.
Evaluacin de los ensayos de herbicidas
Evaluacin de la accin de los herbicidas en el control de malezas:
Debemos de tomar en cuenta los siguientes puntos:
1. Siempre seguir los lineamientos del protocolo.
2. Para un tiempo de evaluacin, debe existir un mnimo de 3 evaluaciones y deben
realizarse durante la duracin del ensayo.
3. El reporte y evaluacin de la tasa de dao al cultivo se debe expresar en porcentaje de
fitotoxicidad, que a su vez es capaz de combinar todos los sntomas, por ejemplo:
reduccin de la biomasa, quemado, decoloracin, deformacin etc., Una escala de
porcentaje (%) donde el 0% es igual al testigo y el 100% es la planta completamente
muerta es muy utilizada. Para la evaluacin de la fitotoxicidad siempre debe hacerse una
comparacin con el testigo no tratado.
4. Pueden realizarse evaluaciones para los sntomas individuales, por ejemplo: porcentaje de
necrosis o porcentaje de clorosis; esto se requiere cuando las especies de malezas exhiban
daos que excedan el 10% o que sea inaceptable bajo las condiciones de la prueba. Los
tratamiento sin ningn dao son igual a cero
5. Para cada especie de maleza la evaluacin y reporte se debe hacer por prueba de eficacia
sobre todo (% de control de malezas), ya que es la que combina todos los sntomas, como
por ejemplo: clorosis, necrosis y inhibicin del crecimiento.
6. Las escala a utilizar en l % de control de malezas es el siguiente: 0 % control, testigo o
no tratado y 100 % completamente muerto, en comparacin con un bloque no tratado.
Si la cuantificacin es hecha para determinar el control de las malezas, el rea y el nmero de
muestra por cada bloque debe ser reportada en la evaluacin descrita. Los ensayos
desarrollados para malezas perennes, donde las plantas necesitan crecer para ser evaluadas,
necesitan de muchas ms evaluaciones. La caracterizacin del cultivo y flora de malezas
(composicin y grado de infestacin) en un rea no tratada y representativa del ensayo
siempre es necesaria. Las condiciones ambientales deben ser reportadas durante la duracin
del ensayo, estos comentarios son extremadamente tiles, ya que al final de las evaluaciones
hay que hacer un breve resumen de cualquier factor el cual puede haber afectado los
resultados de los ensayos.
La consolidacin final de los datos de campo es muy importante, sin esto no es posible llegar
a una buena conclusin; marcar los datos perdidos es una buena prctica. Las fotografas
frecuentemente proveen una ayuda til para describir los efectos vistos en el ensayo
Ejemplo tpicos de evaluaciones usadas en ensayos de herbicidas:
Parmetro Tipo de evaluacin
Control % de control de malezas: debe incluir todos los sntomas caractersticos de dao
del herbicida
Fitotoxicidad % de fitotoxicidad general: sntomas tpicos; decoloracin, deteccin del
crecimiento etc.
Clorosis % del rea o del tejido clortico
Decoloracin % del cambio de color (prpura, blanco)
Inhibicin Se deben establecer escalas para hacer las evaluaciones, stas pueden ir desde 0%
dao hasta 100 % de dao
Deformacin Se debe reportar el nmero de plantas que presenten deformaciones. Esto aplica
para cultivos
Defoliacin % de defoliacin en comparacin con el testigo
Cobertura del suelo % cobertura de cultivo o de las malezas cuando se ve directamente desde arriba
Emergencia % de emergencia de las plntulas en comparacin con el testigo
Altura Mediciones de la altura
Floracin % de floracin de las plantas en comparacin con el testigo
Biomasa fresca Peso de las plantas vivas en comparacin con el testigo
Biomasa seca Peso de las plantas secas en comparacin con el testigo
Humedad % de humedad de las semillas en comparacin con el testigo
Peso de granos Peso de 1000 semillas
Captulo 7
EVALUACIN DE MEZCLAS DE HERBICIDAS
Albert Fischer
Universidad de California-Davis (USA)
Introduccin
Las mezclas de herbicidas son de uso comn como herramientas para el manejo de malezas.
Estas mezclas se pueden obtener como productos formulados o pueden ser hechas por los
mismos productores. Las razones por las que las mezclas pueden ser utilizadas son variadas,
pero entre ellas destacan el aumento del espectro de accin del control qumico aplicado, el
manejo de casos de resistencia o, simplemente, el ahorro que supone la aplicacin de ms de
un producto fitosanitario en una misma labor.
Las ventajas de la mezcla de herbicidas son evidentes, pero esta prctica debe ser evaluada,
ya que pueden suceder (y suceden) interacciones entre los herbicidas que se mezclan que
pueden traer como consecuencia el desmejoramiento de la accin fitotxica de alguno de los
herbicidas mezclado, lo que redunda en prdidas econmicas y un deficiente nivel de control
de las malezas. Por el contrario, tambin suele ocurrir que mezclas de herbicidas o de un
herbicida con otro producto pueden resultar sinrgicas y con ello incrementar la eficiencia del
control y constituir una valiosa herramienta para el manejo de la resistencia a herbicidas. Es
por ello que en este captulo se desarrollarn las ideas bsicas de los aspectos que son
necesarios para evaluar una mezcla de herbicidas, y se har nfasis en la utilidad que tiene
esta tcnica para el combate de los problemas de malezas resistentes a herbicidas.
Conceptos bsicos
Cuando se mezclan dos o ms ingredientes activos herbicidas o un herbicida con otro
compuesto (el cual puede por s slo no tener ningn efecto aparente sobre la planta), puede
suceder una de tres tipos de interacciones:
1. La accin herbicida es menor de lo esperada ANTAGONISMO
2. La accin herbicida es similar a lo esperada SIN INTERACCIN, ADITIVIDAD
3. La accin herbicida es mayor a lo esperada SINERGISMO
Si bien los efectos parecen claros, la interpretacin matemtica complica las definiciones.
Antagonismo
El antagonismo entre herbicidas sucede cuando el efecto es menor de lo esperado o cuando
sucede un menor control que con el mejor componente de forma individual. El antagonismo
puede suceder no slo cuando se mezclan dos herbicidas, sino cuando mezclamos herbicidas
con otros productos fitosanitarios, como fertilizantes foliares, insecticidas, hormonas de
crecimiento, etc.
El antagonismo puede expresarse como una prdida en la capacidad de control de una o
varias especies de uno o ambos componentes de la mezcla, pero tambin puede suceder que
la mezcla de dos o ms herbicidas produzca la prdida de la selectividad de uno de sus
componentes, observndose un dao directo sobre el cultivo. Esta prdida de la selectividad
tambin puede suceder por antagonismo con otros productos fitosanitarios que se agreguen a
la mezcla. Por todo ello, es necesario conocer las posibilidades de mezcla que poseen los
herbicidas; en la mayora de los casos, los antagonismos conocidos se registran en las
etiquetas o materiales tcnicos del herbicida, pero hay que considerar que todas las
posibilidades de mezcla no son evaluadas, por lo que la accin de mezcla no reportadas con
anterioridad deben ser evaluadas antes de su uso. El antagonismo puede darse como
incompatibilidad qumica entre los herbicidas y/o las formulaciones y causar precipitados
insolubles en el tanque de la asperjadora, por lo cual es aconsejable hacer una mezcla previa
de esos herbicidas, a las mismas diluciones de uso, en una botella y observar si existen
notorias incompatibilidades antes de vertirlos al tanque. Por otra parte es importante
mantener el orden de mezclado de diferentes formulaciones que indica la etiqueta de ese
producto. A menudo se recomienda que el orden de agregado de formulaciones a mezclar en
el tanque sea:
1. Agregar y agitar agua a del volumen del tanque de la aspersora.
2. Productos dispersibles en agua (flowables, polvos mojables, concentrados en suspensin,
o suspo-emulsiones).
3. Productos solubles en agua.
4. Concetrados emulsionables.
5. Surfactantes y otros aditivos solubles en agua.
6. Completar el volumen de agua.
En este trabajo nos referiremos ms bien a las interacciones entre ingredientes activos dentro
de las plantas. El principio general en todo esto de las interacciones es de que uno no debiera
mezclar productos sin antes haberlos probado en un experimento en el campo contemplando:
a) los herbicidas por separado y a las mismas dosis en que se usarn en la mezcla; b) juntos y
en mezcla a esas mismas dosis, y c) con un cierto nmero de repeticiones.
Tal como se coment, uno de los usos ms comunes de las mezclas de herbicidas en la
actualidad tiene como objetivo retardar la aparicin de biotipos resistentes. Este uso esta
limitado a mezclas de herbicidas que posean las siguientes caractersticas:
Los herbicidas deben afectar sitios de accin diferentes (Ejemplo: inhibidores de la ALS e
inhibidores del Fotosistema II) o se fijan en a regiones diferentes si comparten el mismo
sitio de accin (Ejemplo: Inhibidores del Fotosistema II, donde existen dos grupos segn
regin de unin: triazinas y el resto de herbicidas con este mecanismo de accin [ej.
derivados de urea]).
Los herbicidas de las mezclas no deben ser degradados por la misma ruta metablica.
Controlan a la misma especie de maleza(s) con la misma eficacia.
Tienen similar persistencia.
Los componentes ideales adems tendran que exhibir resistencia cruzada negativa y
presentar sinergismo.
Sinergismo
El sinergismo sucede cuando el efecto de los herbicidas mezclados es mayor que la suma de
los efectos individuales de cada componente. Este fenmeno puede ser utilizado para
incrementar la eficacia en el control, reducir dosis, mayor economa, etc. Lo importante aqu
no es solamente contemplar el grado de control de la maleza, sino tambin ver si se mantiene
o se afecta el nivel de selectividad deseado hacia el cultivo. El sinergismo no resulta en
perdida de selectividad si uno o ambos de los componentes de la mezcla sinrgica puede ser
detoxificado por el cultivo y no por la maleza (bispiribac-tiobencarbo en arroz), cuando un
componente bloquea a una isoenzima detoxificadora en la maleza y no en el cultivo (casos en
Echinochloa y arroz), o cuando el sinergista forma inhibidores estables en la maleza y no en
el cultivo (caso de tridifane y atrazina en maz vs. Setaria spp.). El sinergismo entre
herbicidas puede suceder cuando:
Los componentes de mezcla de amplio espectro coinciden en actividad sobre ciertas
especies.
Los componentes poseen diferentes sitios de accin en la misma planta y pueden activar
complejas redes de efectos secundarios.
Un componente interfiere con la detoxificacin del otro.
Sin embargo, a menudo resulta difcil hallar una explicacin mecanstica para un efecto
sinrgico.
Por su parte, el uso del sinergismo en el manejo de resistencia es importante s es capaz de
quebrar la resistencia de un biotipo o se reduce la dosis para el control de la especie y as
disminuye la presin de seleccin.
Cmo de determina el sinergismo?
Existen tres metodologas para la determinacin del sinergismo. Ellas son: Detectar y
cuantificar modificaciones en la I
50
(o GR
50
, LD
50
, etc.) usando curvas de respuesta a dosis,
Anlisis de isbolas, y la comparacin con efectos esperados predichos por el modelo de
Colby.
1. Modificaciones en la I
50
:
En este manual se describe en detalle la forma como se determina la I
50
(captulos 4 y 10),
que no es ms que la dosis de un herbicida que reduce en un 50% una variable de control,
que normalmente est asociada al crecimiento (peso, por ejemplo). Es importante resaltar que
un sinergista puede no tener efecto herbicida, actuando slo en la prevencin del catabolismo
del herbicida (o de sus metabolitos txicos) o simplemente facilitando la absorcin o
translocacin del herbicida.
En la Figura 1 se puede observar como la reduccin del I
50
lograda al mezclar dos herbicidas
es indicativo de sinergismo. Esto se detecta por un cambio significativo en el coeficiente de
pendiente de la curva de regresin ajustada a los datos; el valor de la I
50
concomitantemente
se reduce.
Figura 1. Deteccin de sinergismo entre herbicidas por medio del estudio de la I
50
.
2. Anlisis de isbolas:
Las isbolas son lneas que unen puntos de igual efecto. Por ejemplo la isbola para el 50%
de efecto es aquella lnea que une los puntos para los cuales herbicidas individuales o en
mezcla tienen un efecto del 50% sobre la especie en estudio. La Figura 2 muestra isbolas
para inhibicin de crecimiento del 50% donde cada punto (azul) es el efecto en la planta que
resulta de mezclar los herbicidas A y B a una serie de dosis cuya combinacin resulta en el
efecto inhibitorio del 50% tal como lo muestran las flechas de lnea punteada.
Figura 2. Diagrama isoblico para 50% de inhibicin con mezclas de dos herbicidas. La
lnea que une los puntos y se ubica por debajo de la diagonal punteada (no interaccin o
efecto aditivo) sugiere que las mezclas tienen efecto sinrgico
Puede establecerse como referencia una lnea (lnea diagonal punteada) donde los efectos de
las combinaciones tiene efecto aditivo (no hay interaccin; el efecto de una dosis de A se
suma al de la dosis complementaria de B para obtener un 50% de inhibicin). Si los efectos
son sinrgicos (o mejores de lo esperado), las respuestas de las mezclas (o de algunas de
ellas) se encuentran por debajo de la lnea punteada. Lo opuesto ocurrira si los efectos son
antagnicos: las respuestas se encuentran por encima de la lnea de aditividad (Figura 3).
Figura 3. Representacin esquemtica de efectos de mezclas de herbicidas (A) o de un
herbicida y un coadyuvante inerte (B) empleando isbolas (Adaptado de Streibig, et al.
1993).
Los puntos isoblicos pueden unirse por una lnea de regresin emprica, pero es posible que
la lnea isoblica adquiera una forma irregular o asimtrica donde, por ejemplo, haya
aditividad en una porcin y sinergismo en otra porcin de la respuesta. El empleo de isbolas
es bastante adecuado para describir la sustitucin de dos herbicidas en mezcla, pero
presupone la confeccin de experimentos de dosis de respuesta para obtener la matriz de
efectos isoblicos (I
50
, I
90
, etc.). Los modelos presentados aqu asumen que los herbicidas
pueden sustituirse el uno por el otro a dosis biolgicamente equivalentes, es decir que se trata
de un modelo aditivo. Esto puede ocurrir con herbicidas que tengan el mismo modo de
accin, aunque en la realidad esto tambin se observa con diversos herbicidas y modos de
accin. Bajo el modelo aditivo y para un determinado nivel de respuesta, es vlida la
siguiente expresin:
(za/Za) + (zb/Zb) = 1 [1]
Donde za y zb son las dosis de los herbicidas usadas en mezcla y Za y Zb son las dosis de
ellos empleadas en aplicaciones independientes (Finney 1971; Streibig et al. 1993). El
empleo de la I50 con respuesta es estadsticamente lo ms adecuado pues representa el punto
de inflexin de la curva de respuesta a dosis que es donde se obtiene la mayor sensibilidad en
la estimacin de efectos. Pero a nivel de campo los efectos a nivel de la I
90
pueden resultar
ms relevantes. La consideracin de efectos aditivos facilita el tratamiento estadstico
convencional de los datos.
Es posible, sin embargo, que el efecto de los herbicidas sea multiplicativo. Esto ocurre
cuando ejercen su efecto sobre la planta de forma independiente y donde las respuestas se
pueden expresar como porcentaje de una respuesta mxima. El modelo multiplicativo puede
formularse en trminos de porcentaje de control mediante la conocida frmula de Colby
(1967):
E= X+Y XY/100 [2]
Donde E es el efecto esperado de la mezcla expresado como porcentaje de control, X es el
porcentaje de control obtenido con el herbicida X la dosis x e Y es el porcentaje de control
obtenido con el herbicida Y a la dosis y. La Figura 4 representa lo que seran efectos
multiplicativos; en ese caso el herbicida B controla un 50% de ese 30% que el A no control.
El modelo multiplicativo supone que los herbicidas actan de forma independiente y en
secuencia, lo que es naturalmente vlido con herbicidas que tienen diferente modo de accin,
aunque en la prctica el anlisis segn supuestos multiplicativos pueda emplearse con una
gran diversidad de herbicidas que puedan o no diferir en modo de accin. Si se dispone de
dosis de respuesta el modelo multiplicativo puede representarse como isbolas; en este caso
la curva de no interaccin ya no es una diagonal, sino que adopta forma curvilnea. Para una
discusin ms amplia de modelos aditivos y multiplicativos se puede consultar a Streibig et
al (1993) y a Streibig & Jensen (2000).
3. El mtodo de Colby
Es ms frecuente ver el anlisis multiplicativo efectuado segn Colby (1967) en base a pocas
dosis en lugar del empleo de curvas de respuesta a muchas dosis.
Figura 4. Representacin esquemtica de efectos multiplicativos en la mezcla de herbicidas.
En base a experimentos con replicaciones donde los herbicidas se emplean a las mismas
dosis por separado y en mezclas pueden obtenerse los datos para implementar la frmula de
Colby. Muchas veces el porcentaje de control se obtiene directamente por estimacin visual.
Tambin puede evaluarse la biomasa y expresar el porcentaje control como:
(100 Biomasa
tratada
/Biomasa
testigo sin herbicida
x 100).
Aplicando esta frmula, si:
E < % control observado: los efectos son mayores a lo esperado (sinergismo)
E = % de control observado: no hay interaccin
E > % de control observado: el efecto es menos de lo esperado (antagonismo)
Dado que los efectos multiplicativos no satisfacen los requisitos de aditividad y los valores
expresados como porcentaje no conforman distribuciones normales, estos datos no son
tericamente adecuados para los anlisis estadsticos basados en esos supuestos y Flint et al.
(1988) y Blouin et al. (2004) ofrecen elaboraciones matemticas para subsanar algunas de
esas dificultades. No obstante, es frecuente ver comparaciones de valores observados y
esperados (E) mediante pruebas t a una cola o usando ANOVA y diferencia mnima
significativa con datos provenientes de experimentos con replicaciones, previa
transformacin angular (arcoseno de la raz cuadrada de la proporcin de control) de los
datos de porcentaje a fin de aproximar la distribucin binomial a la normal (Fischer et al.
2004; Lanclos et al. 2002). En definitiva el anlisis de Colby es muy usado, es fcil de usar y
su fundamento es vlido. Simplemente alcanza con probar las mismas dosis individuales y
en mezclas y se pueden probar varias dosis en un diseo factorial. A menudo se hace el
anlisis si la prueba de ANOVA muestra efecto significativo de la interaccin (en
experimento factorial).
Conclusiones:
Los componentes de una mezcla de herbicidas deben: (1) carecer de antagonismo; los
cules suelen superarse elevando dosis: pero se incrementa la presin de seleccin; (2)
diferir en el mecanismo de accin; (3) tener rutas de degradacin diferentes y (4) si es
posible exhibir resistencia cruzada negativa.
Se deben combinar herbicidas de diferentes mecanismo de accin, pero cuyo espectro,
eficacia y residualidad no difieran.
Diferencias de residualidad son problemticas con malezas de germinacin escalonada
pues las malezas de germinacin tarda quedarn expuestas a la presin de seleccin de
uno slo de los componentes. Mutantes con resistencia a este componente no podrn ser
eliminados por el otro herbicida de la mezcla si su efecto ya se ha disipado al tiempo en
que emergen esas malezas tardas.
La resistencia evolucionar rpidamente si la especie ya es resistente a uno de los
componentes.
Al mezclar es posible encontrar casos de potenciacin.
Los sinergistas son tiles para romper resistencias no conferidas por un sitio de accin
alterado.
Podemos tambin considerar sinergizar los herbicidas alternativos para el manejo de una
especie resistente (especialmente con inhibidores de ALS o ACCasa).
Los efectos de sinergismo suelen ser especie-dependientes.
Las aplicaciones secuenciales con herbicidas de diferente Modo de Accin y/o ruta
metablica cumplen un papel similar al de las mezclas y poseen como ventaja que el
ltimo herbicida contribuye a evitar la produccin de semillas. Sin embargo, no est
protegido y selecciona por resistencia, por lo que debe rotarse de herbicidas en el ciclo
siguiente.
Bibliografa recomendada
Colby, S.R. 1967. Calculating synergistic and antagonistic responses of herbicide mixtures.
Weeds 15:20-22.
Brain, P., and R. Cousens. 1989. An equation to describe dose responses where there is
stimulation of growth at low doses. Weed Research 29:93-96.
Finney, D.J. 1971. Probit Analysis, #rd ed.Charles Griffin: London.
Flint, J.L., P.L. Cornelius, and M. Barrett. 1988. Analyzing herbicide interactions: a
statistical treatment of Colby's Method. Weed Technology 2:304-309.
Blouin, D.C., E.C. Wbster, and W. Zhang. 2004. analysis of synergistic and antagonistic
effects of herbicides using nonlinear mixed-model methodology. Weed Technol
18:464-472.
Fischer, A.J., D.P. Cheetham, and R. De Prado. 2004. Enhanced effect of thiobencarb on
bispyribac-sodium control of E. phyllopogon (Stapf) Koss in California rice (Oryza
sativa L.). Weed Biology and Management 4:206-212.
Gressel, J. 1990. Synergizing herbicides. Rev. Weed Sci. 5:49-82.
Gressel, J. 2000. Molecular biology of weed control. Transgenic Research 9:355-382.
Lanclos, D.Y., E.P. Webster, and W. Zhang. 2002. Glufosinate tank-mix combinations in
glufosinate-resistant rice (oryza sativa). Weed Technology 16:659-663.
Limpel, L.E., P.H. Schuldt, and D. Lamont. 1962. Weed control by dimethyl
tetrachloroterephthalate alone and in certain combinations. Proc. Northeastern Weed
Control conference. 16:48-53.
Schabenberger O & Birch J. 2001. Statistical dose-response models with hormetic effects.
Human and Ecological Risk Assessment, 7, 891-908.
Streibig, J.C. and J.E. Jensen. 2000. Actions of herbicides in mixtures. Pages 152-180. In
A.H. Cobb and R.C. Kirkwood (eds.) Herbicides and Their Mechanisms of Action,
CRC Press: Boca Raton, FL.
Streibig J, Rudemo M & Jensen J. 1993. Dose-response curves and statistical models. In:
Herbicide Bioassays. pp. 30-55: CRC Press, Boca Raton, FL.
Captulo 8
FORMULACIONES DE HERBICIDAS: CRITERIOS PARA SU SELECCIN
Jos Alfredo Muoz
AGROISLEA C.A.
I. Introduccin.
Los plaguicidas constituyen un extenso y complejo grupo de sustancias, dentro de las cuales
se encuentran los herbicidas. Dichos productos pueden destruir toda la vegetacin sobre la
que se aplican o actuar selectivamente contra determinadas especies, bien por contacto o por
va sistmica. Se pueden aplicar en presiembra, como preemergentes a la maleza y/o el
cultivo o en post-emergencia total (cultivo y maleza), o de forma dirigida a las malezas.
Debido a su alta concentracin, la mayora de los principios o ingredientes activos (i.a), no
pueden usarse tal como se obtienen de los procesos de extraccin o sntesis. Por tal razn,
deben prepararse o acondicionarse en mezclas denominadas FORMULACIONES. Estas se
obtienen al mezclarse el ingrediente activo con las llamadas sustancias auxiliares (inertes o
coadyuvantes), para as facilitar la aplicacin de concentraciones de i.a. adecuadas de manera
homognea y, en algunos casos, para aumentar su eficacia. Este hecho reviste especial
importancia en la actualidad, cuando las dosis de los herbicidas,- referidas al producto
comercial-, se han reducido significativamente como consecuencia de la mayor actividad
biolgica de los nuevos grupos qumicos sintetizados.
II. Formulacin. Concepto. Caractersticas.
Se entiende por Formulacin, la adecuada preparacin de un ingrediente activo (i.a.) para
darle un uso prctico; es decir, alcanzar el objetivo, interactuar con l y llegar al sitio donde
ejercer su accin. Para lograrlo, es imprescindible que la formulacin no se degrade. Para
una mejor comprensin del concepto, se podra sintetizar de la manera siguiente:
Formulacin = i.a. + sustancias auxiliares (inertes y coadyuvantes).
En la formulacin de un herbicida se deben considerar los siguientes aspectos:
Facilidad de aplicacin
Distribucin homognea del i.a., tanto en la formulacin como en las mezclas a aplicar,
especialmente las lquidas.
Eficacia biolgica con la menor cantidad posible de i.a.
Estabilidad en las diferentes condiciones de almacenamiento.
Facilidad de manipulacin y transporte.
Reduccin de riesgos toxicolgicos al usuario, en su manipulacin y / o aplicacin.
Reduccin de riesgos de contaminacin ambiental.
Facilidad de descontaminar los cultivos tratados o acelerar la descomposicin del i.a., una
vez cumplida la accin.
Costos de formulacin.
Compatibilidad con otros productos.
Reduccin de posibles problemas de contaminacin que pueden derivar del desecho de
empaques o envases, una vez utilizados.
Seleccionando adecuadamente las sustancias auxiliares y la formulacin apropiada, se logra
compensar, en cierta medida, las propiedades colaterales indeseables de algunos ingredientes
activos.
III. Componentes principales de una formulacin.
a) Ingredientes activos:
Generalmente, se obtienen con diversas calidades de pureza, cuales son:
Pursima o proanlisis: con un porcentaje mnimo o en los lmites de deteccin de
impurezas. Se usa en determinaciones analticas y en la preparacin de patrones,
especialmente en anlisis de residuos.
Pura o de Uso qumico: tiene mayor porcentaje de impurezas que la anterior. Se usa en la
preparacin de muestras para ensayos de eficacia en condiciones ambientales controladas.
Tcnica o Industrial: con porcentaje de pureza inferior a las anteriores. Se usa en la
preparacin de formulaciones comerciales.
b) Sustancias auxiliares:
Son de origen orgnico o mineral, empleadas para adecuar los i.a. a las concentraciones
necesarias y condiciones ptimas para su aplicacin.
Dentro de las sustancias auxiliares destacan dos grandes grupos:
1.- Vehculos inertes:
Los ms usados en el mercado son los de consistencia slida y lquida, siendo clasificados
ambos de acuerdo con la funcin que deben cumplir.
1.1.- Vehculos slidos:
- Portadores (carriers): o acondicionadores de la preparacin inicial. En este caso, el i.a. se
incorpora a cada partcula del portador, el cual tiene capacidad de absorcin rpida por el
dimetro de sus partculas y su porosidad interna. As, a menor dimetro y mayor
porosidad, mas elevado ser el contenido de i.a. por unidad de peso.
- Acompaantes: sirven para asegurar la distribucin adecuada de la aplicacin. Son de bajo
poder absorbente, gran densidad volumtrica y buen poder de soltura.
Los vehculos inertes slidos pueden ser de origen vegetal (harina, partes molidas de estos) o
minerales, agrupados en xidos (tripolitas, xidos de calcio o magnesio), carbonatos (calcita,
dolomita), sulfatos (sulfato de calcio o yeso), silicatos (micas, vermiculitas, pirofilitas) o
fosfatos (apatitas).
1.2.- Vehculos lquidos:
Pueden ser, al igual que los slidos, portadores o acompaantes (disolventes). El principal
grupo de disolventes empleados en las formulaciones lquidas, lo constituyen algunos
derivados de petrleo, dentro de los cuales existen distintos tipos o clases segn el contenido
de hidrocarburos parafnicos tipo hexano normal, anillos naftenos tipo ciclohexano y anillos
aromticos tipo benzol y xilol.
Entre los grupos mas importantes destacan:
- Destilados con reducido contenido de hidrocarburos parafnicos y naftnicos y elevado
contenido de aromticos (benceno, tolueno, xileno). Por su costo, se limitan a la
preparacin de Concentrados Emulsionables.
- Fraccin de destilados de petrleo con 20 50 % de aromticos. Se usa en la formulacin
de Soluciones Concentradas y Emulsiones Concentradas.
Lo cierto es que no se dispone de disolventes que renan todas las caractersticas deseables
(capacidad disolvente, volatilidad, viscosidad) para los distintos tipos de i.a. y maneras de
aplicacin, de tal manera que lo que suele hacerse son mezclas de ellos.
2.- Coadyuvantes:
Son sustancias que contribuyen a mejorar la eficacia y estabilidad del producto formulado.
Son especialmente importantes para la aplicacin de productos de baja solubilidad o que se
aplican sobre superficies poco permeables, como follaje con cutcula cerosa o pubescente.
Los coadyuvantes ms importantes son:
- Acidificantes: mejoran el contacto con la superficie as como la calidad de la mezcla;
reducen el pH de la solucin y demoran la degradacin de los i.a.
- Activadores: reducen la tensin superficial y aumentan el contacto entre el herbicida y la
maleza a controlar.
- Adherentes: mejoran la adherencia y persistencia del herbicida sobre la superficie;
impiden o disminuyen las prdidas de los depsitos del producto sobre la superficie,
causadas por el viento, lluvias o los riegos por aspersin; disminuyen el proceso de
fotodegradacin y la volatilizacin.
- Agentes de compatibilidad: mejoran la compatibilidad entre las sustancias que componen
el caldo a aplicar, reduciendo el riesgo de floculacin o precipitacin.
- Antiespumantes: impiden la formacin de espuma en los tanques de los equipos de
preparacin y aplicacin.
- Tampones (buffers): estabilizan el pH de la solucin; demoran la degradacin del
herbicida; mejoran la calidad de la mezcla a utilizar.
- Dispersantes: mantienen la estabilidad de las suspensiones de polvos mojables, evitando
la floculacin y sedimentacin; reducen la tensin superficial; ayudan al herbicida a
penetrar por pequeos espacios; mejoran el contacto del mismo con la superficie de la
planta tratada. Entre los ms comunes, destacan los polmeros de alquil-aril-sulfonatos y
las ligninas sulfonadas de sal sdica.
- Emulgentes: favorecen la mezcla de dos sustancias lquidas insolubles. Se utilizan en la
preparacin de formulaciones emulsionables, ya que son compuestos tensoactivos
constituidos por molculas que contienen grupos de carcter hidroflico (polares) y
lipoflico (no polares). Se sitan en la interfase de los lquidos emulsionados, de tal forma
que la parte hidrofilica queda orientada hacia el agua y la lipofilica, hacia la sustancia
emulsionable.
- Espesantes: dificultan la volatilizacin; reducen la deriva; aumentan la viscosidad de la
solucin; aumentan el tamao, peso y velocidad de cada de las gotas, mejorando la
penetracin y cobertura. Destacan los derivados de algina, la hidroxietil celulosa y la
poliacrilamida aninica.
- Humectantes: logran un buen mojado sobre la superficie de aplicacin; evitan que el polvo
flote; favorecen la penetracin del i.a. por los estomas.
- Penetrantes: maximizan la accin del herbicida al facilitar su paso a travs de la cutcula.
- Surfactantes: reducen la tensin superficial de los lquidos; ayudan al herbicida en su
penetracin y contacto; impiden el lavado y abrasin; dificultan la volatilizacin. Pueden
ser de dos tipos: inicos y no inicos.
La eleccin de los coadyuvantes ms adecuados se debe considerar cuidadosamente en cada
caso, tenindose en cuenta:
Las caractersticas fisicoqumicas del i.a. de los herbicidas.
La naturaleza del portador y del diluyente usado en la formulacin.
El tamao de gota que ha de producir la asperjadora.
El volumen de lquido por unidad de superficie.
Las caractersticas de las superficies a tratar (Ej: cutculas foliares).
IV. Tipos de formulaciones:
a) Formulaciones lquidas:
1) Concentrados emulsionables: son diluciones de i.a. en disolventes orgnicos. Son
insolubles en agua pero, agregando los emulgentes adecuados, esas disoluciones pueden
mezclarse con agua, convirtindose en una emulsin blanquecina y lechosa; es decir,
tienen la propiedad de formar una emulsin cuando se mezcla con agua.
De fcil produccin y manejo.
Pueden medirse y dosificarse fcilmente con un vaso graduado.
Emulsifican espontneamente, formando una emulsin estable.
Tienen efecto coadyuvante del disolvente.
Mejoran la penetracin por la cutcula.
Mayor resistencia al lavado.
Envases vacos fciles de lavar.
Estabilidad depende del pH, dureza del agua, temperatura y condiciones de
almacenamiento.
Es fundamental que la emulsin por aplicar se mantenga estable; sin embargo, en caso de que
se separen los componentes, la homogeneidad se restablece mediante agitacin.
Ejemplos: 2,4-D ster butlico, clefoxydim (Aura), butaclor (Crusher), S-metolacloro (Dual
Gold), oxifluorfen (Goal, Koltar), fluazifop-p-butil (Hache Uno 2000), propanil (Propanol),
pendimetalin (Prowl 400), acetocloro (Zul).
2) Concentrados solubles en agua: Consisten en concentrados del i.a. o sus sales, disueltos
en agua o en disolventes miscibles con agua. Ello significa que los i.a. deben tener
suficiente solubilidad en agua, facultad que solo la poseen pocas sustancias en la
actualidad.
Llevan tres componentes bsicos: Ingrediente activo, solvente y coadyuvante.
No requieren de mayor agitacin en el tanque.
No requieren de premezcla.
Poco inflamables.
Reaccionan con aguas duras.
Buena penetracin foliar (sistmicos/contacto).
Mayor riesgo de lixiviacin.
Ejemplos: cido 2,4-D (2,4-D Amina), naptalam (Alanap), dicamba + 2,4.D (Banvel D-
Banvel S), paraquat + diquat (Doblete 200), picloram + 2.4-D (Huracn 40 SC, Potreron),
imazetapyr (Brioso 10 SL), clomazone (Command 4), MSMA (Initox, Daconate), glifosato
(Candela Super, Glyfosan), paraquat (Gramoxone).
3) Suspensiones concentradas: consisten en una suspensin de partculas finas del material
tcnico en una fase acuosa e ingredientes adicionales de la formulacin.Se presentan en
forma cremosa y lista para ser mezclada con agua.
No desprenden polvos ni contienen solventes orgnicos.
Se pueden medir y dosificar fcilmente.
Pueden descomponerse durante el almacenamiento.
Fabricacin costosa.
Ejemplos: quinclorac (Celtic 25 SC, Facet 250 SC), bispiribac sodio (Designee 40 SC),
glifosato + 2,4-D (Faiter), alaclor (Gramisso), diuron (Hierbatox), linuron (Linurex 50),
hexazinona (Velpar L), atrazina (Triazol Suspensin).
4) Microemulsiones:
Formulacin estable. Gotas muy pequeas.
Disminuyen el nmero de aplicaciones.
Mayor absorcin.
Reducen mermas del i.a. por evaporacin.
Aumentan la eficacia del i.a.
Ejemplos: picloram + fluroxypir (Centella ME).
b) Formulaciones slidas:
1) Grnulos dispersables en agua: son una mezcla homognea de los materiales tcnicos,
inertes y adicionales de la formulacin. Tienen forma granular, que se aplica luego de la
desintegracin y dispersin en el agua.
Son secos y libres de grumos y estn sustituyendo a los polvos mojables y polvos
solubles.
Dan mayor seguridad al usuario.
No desprenden polvo.
Se pueden medir con un vaso graduado.
Los envases se pueden vaciar con facilidad.
Formulacin costosa.
Pueden aplicarse al follaje o al suelo.
Ejemplos: sulfonilureas (Accent, Ally), ametrina (Ametrol Fcil), atrazina (Limpiamaz Fcil
GD 90), diuron + ametrina (Dimetrin Fcil 80 GD), metribuzina (Hexone Fcil 80 GD),
ciclosulfamuron (Invest GD).
2) Polvos mojables: Son una mezcla homognea de los productos tcnicos con las sustancias
auxiliares apropiadas. Se presentan en forma de polvo fino y se aplican como
suspensiones despus de su dispersin en el agua. Las partculas slidas, pueden formar
una suspensin en el agua.
El polvo es capaz de mojarse y mantenerse en suspensin en el agua.
El producto es seco y libre de grnulos.
Alta concentracin del i.a.
Fciles de empacar y formular.
Ms econmicos.
Precipitan.
Pueden aglomerarse durante el almacenamiento.
Pueden ser abrasivos, causando mayor desgaste de las boquillas.
Ejemplos: atrazina (Limpiamaz 80 PM), ametrina (Ametrol 80 PM), diuron (Hierbatox 80),
pirazosulfuron etil (Fortius), metribuzina (Hexone 70 PM).
3) Polvos solubles: se aplican como una dilucin verdadera del i.a. despus de su dilucin en
el agua. Actualmente son muy pocos los existentes en el mercado.
Solubles en agua.
Alta concentracin del i.a.
No requieren de agitacin en el tanque.
Higroscpicos.
Pueden reaccionar con aguas duras.
Lixiviables.
Ejemplos: algunas formulaciones de diuron y triazinas.
c) Formulaciones mixtas:
Algunos productos pueden formularse en varias presentaciones, tanto lquidas como slidas,
dependiendo del ingrediente activo, como por ejemplo:
Atrazina, ametrina Grnulos dispersables en agua, Suspensin concentrada, Polvo
mojable, Polvo soluble.
Glifosato Grnulos dispersables en agua, Concentrado soluble.
Metribuzina Grnulos dispersables en agua, Polvo mojable.
V. Factores que afectan la eficacia de los herbicidas.
Existen tres elementos a considerar a la hora de aplicar un tratamiento herbicida, cuales son:
Las malezas: especie (gramneas o poceas, de hojas anchas, ciperceas), tipo (herbceas,
arbustivas, leosas), reproduccin (semillas, vegetativa), tamao, condicin al momento de la
aplicacin (vigor, agotamiento, turgencia, estado nutricional, etc), estado de desarrollo
(germinacin, fase de plntula, floracin, etc).
Las condiciones ambientales: precipitacin, temperatura ambiental, humedad relativa,
insolacin, evaporacin, suelo (humedad, temperatura, contenido de materia orgnica y sales,
textura, etc).
El herbicida a aplicar: seleccin y uso correcto, proporcin adecuada del material aplicado
por unidad de rea (dosis), cobertura apropiada (humedecimiento, penetracin), frecuencia de
aplicacin, pH de la superficie foliar, mezclas apropiadas y procedimientos de mezcla
correctos (compatibilidad, orden de mezcla), calidad del agua, conductividad, pH,
temperatura, equipos a emplear.
VI. Seleccin de la formulacin.
Usualmente, la seleccin de la formulacin se decide tomando en cuenta tres factores: precio,
disponibilidad en el mercado y conveniencia del usuario, con base en la disponibilidad de
equipos.
Como ejemplo, las formulaciones de polvos mojables contienen las mayores cantidades de
i.a. por peso unitario y son las menos costosas; sin embargo, al estimar los costos totales, es
necesario considerar tambin la tcnica de aplicacin, ya que puede aumentar la necesidad de
mano de obra, equipo y tiempo de aplicacin.
Aos atrs, la accin biolgica y la forma de aplicacin jugaron un papel importante en la
eleccin de las diferentes formulaciones en tanto que, hoy en da, son determinantes la
seguridad para el usuario y la compatibilidad con el ambiente. Adems de la accin
biolgica, las formulaciones de herbicidas deben satisfacer otros requisitos como: fcil
dosificacin, escaso desprendimiento de polvo y posibilidades de vaciar bien el empaque o
envase utilizado. Esto significa una tendencia a reemplazar los productos en polvo por
suspensiones concentradas o grnulos dispersables en agua. As mismo, dada la influencia
demostrada por las sustancias auxiliares sobre el efecto biolgico de los i.a. y su eficacia,
stas cobrarn ms importancia en el futuro, conllevando ello a reducir an mas las dosis
necesarias de los ingredientes activos.
VII. Glosario
A los fines de entender un poco mejor los trminos y conceptos antes expresados, se presenta
a continuacin, un breve glosario de trminos relacionados con el tema:
Absorcin: proceso por el cual un herbicida pasa de un sistema para otro; es decir, de la
solucin del suelo para las clulas de las races de las plantas (absorcin radicular) o de la
superficie de la hoja para las clulas (absorcin foliar).
Acrpeta: translocacin del producto dentro de la planta, de los rganos inferiores para
los superiores.
Adyuvante: material sin propiedades herbicidas que, cuando es adicionado a un producto
formulado o a la mezcla a aplicar, le aumenta su actividad o sus caractersticas.(sinnimo:
coadyuvante).
Agua dura: aqulla que contiene de 6 a 9 mg/l equivalente de carbonato de calcio.
Antagonismo: interaccin entre dos o mas productos qumicos cuyos efectos, cuando
combinados, son inferiores a lo previsible, basado en la actividad de cada uno, por
separado.
Apoplsto: conjunto de todas las partes continuas, no vivas, de la planta, tales como las
paredes celulares, espacios intercelulares y los vasos del xilema.
Activacin: proceso por el cual un herbicida aplicado en la superficie del suelo, se torna
fitotxico despus de un riego o lluvia. Resulta del movimiento del herbicida en el suelo
donde puede ser absorbido por las semillas, plntulas o plantas y no por modificacin
qumica del ingrediente activo.
Baspeta: translocacin del producto dentro de la planta, desde los rganos superiores
hasta los inferiores.
Caldo: dilucin del herbicida en un lquido, normalmente agua, cuando va a ser aplicado.
Compatibilidad: capacidad de unirse dos o ms formulaciones de herbicidas sin que sean
perjudicadas sus caractersticas o efecto de sus componentes.
Concentracin: cantidad de ingrediente activo o su equivalente cido en una solucin. Se
expresa en g / l g / k.
Corrosividad: accin de daar o destruir materiales metlicos.
Degradacin: proceso por el cual un producto altera sus propiedades fsicas o qumicas.
Densidad: relacin entre la masa y el volumen de un cuerpo.
Deriva: movimiento de las gotas de la aspersin fuera del rea deseada.
Deriva de vapor: movimiento de vapores qumicos de los herbicidas desde el rea de
aplicacin hasta reas circunvecinas. Algunos herbicidas, aplicados a las dosis y
temperaturas normales, tienen presin de vapor suficientemente alta para evaporarse y
provocar fitotoxicidad en plantas susceptibles , fuera del rea de aplicacin.
Diluyente: cualquier material gaseoso, lquido o slido, usado para reducir la
concentracin del ingrediente activo en una formulacin.
Dosis: cantidad de producto aplicado por unidad de rea o por planta. Puede ser expresada
en ingrediente activo, equivalente cido o producto formulado.
Emulsin: mezcla en la cual las gotas de un lquido se encuentran en suspensin en otro
lquido, normalmente aceite o agua.
Emulsin invertida: es la emulsin de agua en aceite.
Emulsificante: producto usado en las formulaciones para reducir la tensin interfacial
permitiendo la formacin la emulsin de un lquido neutro.
Equivalente cido: cantidad de ingrediente activo expresado en trminos del cido de que
es derivado el producto.
Floema: conjunto de tubos cribosos o liberianos por los que se realiza el transporte de la
savia elaborada.
Ingrediente activo: componente de la formulacin del cual es obtenida su eficacia.
Ingrediente inerte: fraccin no activa de los productos tcnicos o sustancias utilizadas en
la formulacin como diluyentes o como vehculos.
K
d
: coeficiente de adsorcin en el suelo. Es la relacin entre el producto adsorbido y el
disociado en la solucin del suelo.
K
OC
: coeficiente de adsorcin de carbono orgnico: es la relacin entre el K
d
y el peso de
la fraccin de carbono orgnico presente en el suelo. Se expresa en ml/g de suelo.
K
OW
: coeficiente de particin o distribucin entre octanol y agua.
Lixiviacin: proceso por el cual la solucin se infiltra en el suelo, pasando por horizontes
donde no hay presencia de races.
Mezcla en tanque: mezcla de dos o ms productos en el tanque de la asperjadora, antes de
usarse.
Orden de mezcla: los productos que se mezclan pueden encontrarse en formulaciones
muy variadas. Esto puede acarrear problemas de incompatibilidades fsicas (grumos,
flculos, precipitaciones, sedimentacin, etc.) que provocan que el caldo de aspersin no
se forme bien, los productos pierdan eficacia, que las boquillas se taponen y que se
ocasione fitotoxicidad al cultivo. El orden de mezcla correcto es: primero los slidos y
luego los lquidos. Ejemplo: Polvo Mojable - Polvo Soluble - Grnulos Dispersables en
agua - Suspensin Concentrada - Concentrado Emulsionable- Lquido Soluble o
Concentrado Acuoso - Abonos Foliares - Coadyuvantes.
Persistencia en el medio ambiente: perodo durante el cual una sustancia permanece en
el ambiente: puede ser: corta (vida media hasta 90 das en el suelo), media (vida media
entre 91 y 180 das en el suelo) y larga (vida media por encima de 180 das en el suelo).
Pka: -log
10
de la constante de disociacin de cido.
Presin de vapor: presin ejercida por una molcula gaseosa que est en equilibrio con
las molculas de slido o lquido del cual se deriva. Se expresa en mm de Mercurio o en
Pascal.
Producto tcnico: sustancia obtenida directamente de la sntesis de materias primas, cuya
composicin contiene un porcentaje definido de ingrediente activo.
Simplasto: masa viva total de clulas de la planta, ligadas unas a otras por los
plasmodesmos.
Solubilidad: cantidad mxima de una molcula que se disuelve en agua pura a una
determinada temperatura. Se expresa en: mg/l; g/l; mg/ml.
Surfactante: sustancia que afecta las propiedades fsicas de la superficie de los lquidos,
aumentando las caractersticas humidificantes de las gotitas asperjadas.
Suspensin: mezcla que contiene partculas finamente divididas, dispersas en un slido,
lquido o gas.
Textura: referida a suelos. Arenosa: suelos con menos de 15% de arcilla; Arcillosa:
suelos con ms de 35% de arcilla y franco entre 15% y 35% de arcilla.
Vida media: tiempo necesario para que un producto, despus de aplicado, alcance y
mantenga la mitad de la concentracin original.
Volumen de caldo: cantidad de lquido que contiene al herbicida aplicado por unidad de
rea:
Alto volumen: superior a 600 litros por ha.
Medio volumen: entre 200 y 600 litros por ha.
Bajo volumen: entre 50 y 200 l/ha.
Muy bajo volumen: entre 10 y 50 l/ha.
Ultra bajo volumen: entre 1 y 10 l/ha.
VIII. Bibliografa Consultada.
Acevedo, J. F. 1992. La industria de formulacin de plaguicidas en Costa Rica. En:
resmenes del primer simposio nacional sobre plaguicidas. Problemtica y soluciones.
San Jos. Costa Rica.
Asociacin Nacional de Industriales. ANDI. 1991. Comit de la industria qumica. Curso
sobre el uso seguro y eficacia de los plaguicidas. Santaf de Bogota.
Chavarria, P.L. 1993. Los herbicidas: caractersticas relevantes en relacin con su uso
adecuado. En: memorias del 1er curso de regencias agrcolas con nfasis en
plaguicidas. Colegio de Ingenieros agrnomos y Cooproca. San Jos. Costa Rica.
Fonseca. J; Matarrita L. 1993. Formulaciones y aditivos. Cmara Nacional de Importadores,
Fabricantes y Distribuidores de Insumos Agropecuarios. Dan Jos. Costa Rica. 12 p.
Garca Gonzlez, Jaime F. 1997. Introduccin a los plaguicidas. 1a edicin. San Jos. Costa
Rica. EUNED. 476 p.
Londoo U.P. 1978. Plaguicidas de uso agrcola.: clasificacin, formulaciones, efectos,
cuidados en su utilizacin. Ministerio de Agricultura. Instituto Colombiano
Agropecuario. Divisin de Comunicaciones. Temas didcticos. VV (5-6).
Mathews, G.A. 1988. Mtodos para la aplicacin de pesticidas. Compaa Editorial
Continental. SA de CV (CECSA). Mxico.
Muoz B. J.A. 2008. Manual Tcnico de AGROISLEA C.A.: productos agroqumicos y
biolgicos, semillas y equipos.400 p. Cagua. Venezuela.
Captulo 9
EVALUACIN DE TCNICAS PARA LA APLICACIN DE HERBICIDAS
Pablo Rodrguez
Universidad Centroccidental Lisandro Alvarado
Introduccin
El manejo de las diferentes plagas, malezas y enfermedades requiere de un conjunto de
conocimientos y procedimientos que deben ser aplicados de forma correcta para alcanzar los
objetivos propuestos. Entre estos aspectos se encuentra la tecnologa de aplicacin de los
diferentes productos, como una parte del manejo integrado de estos problemas.
Cuando se realiza la aplicacin de un producto fitosanitario, generalmente se le da mucha
importancia al producto a utilizar (argumento que no est de ms) y se desestiman los
equipos con los que se va e realizar esa aplicacin. Al momento de aplicar un producto se
deben usar equipos de buena calidad y que tengan condiciones de funcionamiento y
seguridad apropiadas; con esto se logra una buena eficiencia en el tratamiento, as como
disminuir los daos al cultivo y los riesgos de contaminacin ambiental.
La ineficiencia de algunas aplicaciones de productos se debe, en un nmero importante de
casos, a problemas que presentan los equipos pulverizadores, bien sea en el adecuado
funcionamiento de cada uno de sus componentes o en la calibracin de estos equipos. Estos
inconvenientes pueden traer como consecuencia sobredosificaciones, subdosificaciones y/o
riesgo de deriva en las aplicaciones; aumentando los costos, las posibilidades de un manejo
poco eficiente, afectacin a cultivos cercanos y contaminacin ambiental.
La aplicacin en forma lquida es la ms usada. En una pulverizacin existen factores no
controlables, como el clima, y otros controlables entre los que tenemos los equipos de
pulverizacin. Aspectos como manmetros y reguladores de presin en mal estado, filtros
tapados, boquillas no apropiadas o desgastadas, mala agitacin de la mezcla, inestabilidad de
las barras portaboquillas, velocidad de trabajo inadecuada, entre muchos otros, pueden
ocasionar deficiencias marcadas en las pulverizaciones de los productos fitosanitarios.
El conocimiento de una serie de aspectos tcnicos, de las condiciones climticas y la
calibracin de equipos, son fundamentales a la hora de realizar una aplicacin en un
escenario de campo.
Formas de aplicacin de los productos
Cualquiera que sea la tcnica de aplicacin de un producto fitosanitario debe garantizar
utilizar una materia activa en su dosis mnima efectiva, aplicacin en el momento oportuno,
con una distribucin homognea sobre el objetivo y sin causar efectos negativos sobre el
resto de los elementos del ecosistema.
Los productos fitosanitarios pueden aplicarse en forma slida, lquida o gaseosa. Las
aplicaciones slidas y gaseosas han venido decayendo en los ltimos aos, por el contrario
las aplicaciones lquidas se han incrementado notablemente. Esta situacin se debe al
considerable desarrollo que han experimentado los equipos para la aplicacin en forma
lquida de los diferentes productos fitosanitarios y a formulaciones adaptadas a este tipo de
aplicacin.
La pulverizacin, fraccionamiento de un lquido en pequeas gotas, es un mtodo sencillo y
eficaz que permite lograr los objetivos de la aplicacin de un producto fitosanitario. Los
equipos utilizados han avanzado marcadamente en los sistemas de control, en la calidad de
los materiales y medidas de seguridad tanto para el operario como para el medio ambiente.
Factores a considerar para las aplicaciones en forma lquida.
Existen una serie de factores que deben ser tomados en cuenta a la hora de realizar una
aplicacin de un producto fitosanitario en forma lquida, diluido en agua.
Volumen de aplicacin:
Es la cantidad de mezcla (producto(s) ms agua) a aplicar por unidad de superficie, expresada
en litros por hectrea (L/ha). El volumen a aplicar va depender de la recomendacin tcnica
que indique el producto, su clasificacin se puede apreciar en la tabla 1. Los equipos
utilizados pueden variar segn el volumen de mezcla que se necesite aplicar.
Tabla 1. Denominacin de las pulverizaciones segn el volumen de mezcla a aplicar.
Denominacin Volumen (L/ha)
Ultrabajo volumen < 5
Muy bajo volumen 5 50
Bajo volumen 50 100
Volumen reducido 100 200
Volumen medio 200 500
Alto volumen > 500
Tamao de las gotas:
En los equipos de aplicacin de lquidos las gotas se forman gracias a la energa hidrulica o
la neumtica. La ms usada es la hidrulica donde el lquido sometido a presin es obligado a
salir por un pequeo orificio (boquilla pulverizadora) el cual posee una forma determinada;
este lquido se separa en pequeos ligamentos y luego en pequeas gotas debido a la
diferencia de presiones. Cada modelo de boquilla genera un rango de tamaos y un patrn de
distribucin de estas gotas. En la tabla 2 se observan los diferentes rangos de tamao de gota,
el tamao de la gota est representado por su dimetro y se expresa en micrmetros (m).
Tabla 2. Clasificacin del tamao de las gotas.
Categora (smbolo)
Rango aproximado
D
V0,5
o VMD (m)
Cdigo Color
Aerosol (A) < 50 Rosado
Muy fina (MF) 50 145 Rojo
Fina (F) 145 225 Naranja
Media (M) 226 325 Amarillo
Gruesa (G) 326 400 Azul
Muy gruesa (MG) 401 500 Verde
Extremadamente gruesa (EG) > 500 Blanco
Fuente: ISO, ASABE S572, Universidad de Virginia. * (1 m equivale a 0,001 mm)
El color indicado para cada tamao de gota debe ser sealado en las tablas que caracterizan
las diferentes boquillas trabajando a determinadas presiones, junto con la abreviatura o
smbolo de cada categora.
El tamao de las gotas es un aspecto difcil de determinar. Actualmente laboratorios
especializados utilizan equipos sofisticados como la fotografa de alta velocidad, analizadores
digitales de imgenes, analizador lser por difraccin (figura 1), sondas de matriz ptica y
analizador de fase Doppler. El anlisis de estos equipos para una misma muestra puede
diferir entre ellos. El alto costo de estos equipos, el manejo complicado y la variabilidad de
los resultados, segn el analizador utilizado, hacen muy complicado la determinacin del
tamao de las gotas.
Figura 1. Analizador lser por difraccin para determinar el tamao de gotas pulverizadas
(Spraying Systems Co.).
Por esta razn es muy importante y obligatorio que los fabricantes indiquen en los manuales
de sus productos el rango de tamao de gotas que generan las boquillas a presiones de trabajo
preestablecidas.
A nivel de campo esta determinacin se complica an ms, ya que las condiciones de trabajo
a la intemperie agregan ms dificultad. Para obtener una aproximacin del tamao de gota
que se est aplicando se pueden usar los objetivos artificiales como el papel hidrosensible;
lminas de plstico, cpsulas de Petri o trozos de cristal con silicona; uso de colorantes; papel
adhesivo; entre otros. Para medir el tamao de las gotas se utilizan la observacin con lupa o
microscopio (comparando contra patrones establecidos o con cristales reticulados a una
distancia determinada) o el anlisis digital de imgenes.
Una limitante muy importante de estos mtodos de campo es la tendencia de la gota a
expandirse, distorsionando el dimetro real de esta. Los fabricantes de papel hidrosensible
proporcionan un factor para corregir este error en funcin del dimetro medido, la
temperatura y la humedad. Otro problema que puede presentarse es el ngulo de impacto de
la gota o la colocacin de los objetivos artificiales, los cuales pueden ocasionar una distorsin
importante en las gotas como puede observarse en la figura 2.
Figura 2. Distorsin de las gotas pulverizadas por inclinacin del objetivo artificial.
La condicin ideal sera que las boquillas de los pulverizadores generarn gotas de un mismo
tamao, pero esto no sucede, las gotas producidas se encuentran en un rango determinado.
Adems, el tamao de estas est muy influenciado por la presin generada en el sistema
(figura 3).
Figura 3. Gotas generadas por las boquillas e influencia de la presin de trabajo en el tamao
de estas.
El tamao promedio de las gotas producido por las boquillas viene expresado por el dimetro
medio volumtrico (D
V0,5
o VMD por sus siglas en ingls), expresa el tamao en funcin del
volumen pulverizado, 50% del volumen pulverizado proviene de gotas ms pequeas y 50%
de gotas ms grandes que el valor medio (figura 4).
Figura 4. Representacin grfica del dimetro medio volumtrico (D
V0,5
)
Otros trminos usados en cuanto al tamao de gotas son:
D
V0,1
: Valor del dimetro donde el 10% del total del lquido pulverizado est formado por
gotas ms pequeas o iguales a este valor. Este valor es adecuado para evaluar el potencial de
deriva de gotas individuales.
D
V0,9
: Valor del dimetro donde el 90% del total del lquido pulverizado est formado por
gotas ms pequeas o iguales a este valor.
RSF: Factor de homogeneidad relativo (Relative span factor, RSF), es una medida
adimensional indicativa de la uniformidad del tamao de las gotas, cuanto ms cercano a uno
ms uniformes son las gotas producidas, viene dado por la siguiente expresin:
RSF = (D
V0,9
- D
V0,1
) / D
V0,5
Cobertura de las gotas:
El porcentaje de cobertura viene dado por el tamao de las gotas y el nmero de impactos por
centmetro cuadrado. Para estimar este valor indicativo de la calidad de la pulverizacin, se
pueden utilizar los objetivos artificiales colocados para valorar el tamao de las gotas. En la
figuras 5 y 6 se pueden apreciar un patrn de comparacin para estimar el nmero de
impactos/cm
2
y el tamao de gotas de una aplicacin.
Figura 5. Patrones de comparacin para estimar el nmero de impactos / cm
2
(Spraying
Systems Co.).
Figura 6. Patrn de comparacin para estimar el tamao de las gotas. (Hardy)
Existen recomendaciones tcnicas sobre el nmero de impactos / cm
2
segn el tipo de
producto a aplicar, deberan indicarse en la etiqueta del producto. En la tabla 3 se presentan
algunas recomendaciones al respecto.
Tabla 3. Impactos / cm
2
y tamaos de gotas segn el producto a aplicar.*
Cobertura gotas / cm
2
Rango aproximado
D
V0,5
o VMD (m)
Categora gota
Herbicidas
Pre emergentes 20 30 >226 M G EG
Sistmicos 30 40 226 400 M G
Contacto 40 50 150 300 F M
Fungicidas
Sistmicos 30 40 226 400 M G
Contacto 50 70 150 300 F M
Insecticidas
Sistmico 30 40 226 400 M G
Contacto 50 70 150 300 F M
Fuente: Kuhn, Teejet, Universidad de Virginia. *Consultar recomendacin fabricante
Condiciones climticas:
Las condiciones climticas son factores muy importantes a tomar en cuenta a la hora de
realizar una aplicacin, principalmente la temperatura, la humedad relativa y el viento.
El viento excesivo influye negativamente sobre la calidad de la distribucin de la aplicacin,
adems de aumentar el riesgo de deriva. No se deben realizar aplicaciones con vientos
superiores a 7 km/h.
La temperatura y la humedad relativa tienen una marcada influencia sobre la vida de la gota,
tiempo que transcurre desde la formacin de la gota hasta que se evapora. Temperaturas
elevadas y baja humedad relativa reducen considerablemente la vida de las gotas,
disminuyendo la posibilidad de penetracin en el objetivo o inclusive que se evapore
totalmente antes de alcanzarlo; se deben evitar las horas del da donde se presenten estas
condiciones.
Valores altos de humedad relativa favorecen la penetracin de los ingredientes activos, pero
si son excesivos pueden propiciar el escurrimiento y la dilucin excesiva de la mezcla, lo que
aumenta las prdidas del producto y desfavorece la penetracin.
Deriva:
Es el trmino usado para definir el movimiento de las gotas de la mezcla pulverizada a travs
del aire fuera del rea objetivo. Las gotas ms propensas a deriva son aquellas con dimetro
inferior a 150 m. Se deben tomar en cuenta los siguientes aspectos para minimizar la deriva:
1. La velocidad del viento tiene un gran influencia en la deriva, no realizar la aplicacin en
condiciones de viento elevadas. Evitar pulverizaciones con vientos superiores a 7 km/h a
menos que se disponga de mecanismos antideriva.
2. Ajustar la distancia de la boquilla al objetivo, bajar en lo posible sin comprometer el
patrn de distribucin.
3. Regular la velocidad de trabajo para evitar la generacin de turbulencia.
4. Evitar las aplicaciones con altas temperaturas y baja humedad relativa.
5. Disminuir la proporcin de gotas pequeas (boquillas de mas caudal, con induccin de
aire, disminuir presin) manteniendo cobertura y volumen a aplicar.
6. Usar mecanismos antideriva (cortinas de aire).
Calidad del agua:
Este es un factor que influye en el xito de una aplicacin y que es ignorado en muchas
oportunidades, se debe tener en cuenta su pH, presencia de materia orgnica y partculas de
suelo.
El agua utilizada para realizar la mezcla puede tener un pH no adecuado para el ingrediente
activo que se va a utilizar, pudiendo modificarlo o inactivarlo, lo que reducira de forma
elevada su efectividad.
Las partculas de suelo pueden inmovilizar algunos ingredientes activos, producir desgaste en
ciertos elementos del equipo, tapar filtros y boquillas; la materia orgnica tambin puede
ocasionar el taponamiento de estos ltimos.
Equipos utilizados para la aplicacin de lquidos.
Para la aplicacin de productos en forma lquida existen una gran variedad de equipos.
Generalmente se usan los acoplados al tractor (suspendidos o de arrastre), los manuales (de
espalda o barra portaboquillas) y los centrfugos.
Los diferentes equipos de pulverizacin deben estar conformados por un conjunto de
elementos, los cuales cumplen una funcin especfica, que garantizan la calidad de la
aplicacin. Entre ellas tenemos el depsito, la bomba, sistema de filtrado, regulador de
presin, manmetro, boquillas, lneas de conduccin, barras portaboquillas.
El depsito o tanque:
Reservorio donde se coloca el producto con el agua, debe ser de un material adecuado, fcil
de recargar, de buena capacidad para mejorar la eficiencia, con un sistema de agitacin que
mantenga la mezcla homognea, fcil de limpiar.
La bomba:
Elemento fundamental ya que es la que genera el caudal que se transforma en presin a travs
del confinamiento del lquido en los componentes del equipo. Debe impulsar suficiente
caudal para mantener el flujo de retorno y mantener la presin en todas las boquillas,
inclusive al cambiarlas por unas de ms caudal.
Filtros:
Componente que cumple la importante funcin de retener las impurezas a lo largo del
recorrido del lquido a travs del equipo hasta llegar a las boquillas. Debera existir un
filtrado en secuencia desde el llenado del tanque, pasando por la aspiracin de la bomba,
luego entre la bomba y la barra portaboquillas (impulsin) y por ltimo el filtro de las
boquillas. La forma de catalogar los filtros es por el nmero de mesh, lo que define su
capacidad de filtrar partculas de diferente tamao. En la tabla 4 se puede apreciar una
recomendacin de las medidas de los filtros en sus diferentes ubicaciones en el equipo. En la
boca de llenado del depsito debe existir un filtro que tenga orificios de 1 mm.
Tabla 4. Tamao de los filtros (mesh) en las etapas de filtrado segn caudal de las boquillas*
Caudal boquillas
(L/min)
Aspiracin Impulsin Boquilla
<0,2 50 100 200
0,2 - 0,4 50 100 120
0,40 - 0,80 50 100 100
0,75 1,25 30 80 80
>1,25 30 50 50
*Valores aproximados, consultar tablas de recomendacin del fabricante.
Regulador de presin y manmetro:
El regulador permite adecuar la presin a las necesidades especficas de la aplicacin. El
manmetro indica la presin a la que est trabajando el equipo, debe ser de buena calidad,
con una escala que permita la regulacin exacta de la presin a la que se necesita trabajar. En
la tabla 5 se presentan las equivalencias entre las diferentes unidades de presin.
Tabla 5. Equivalencias entre las unidades de presin
Unidad Equivalencia
1 kg/cm
2
14,2 lb/pulg
2
1 bar 14,5 lb/pulg
2
1 atm 14,7 lb/pulg
2
1 Kpa 0,01 kg/cm
2
Boquillas:
Son las encargadas de pulverizar el lquido a aplicar, adems determinan el tamao de las
gotas (junto con la presin de trabajo), la forma y tamao del chorro, entregan un caudal
determinado a una presin establecida. En la figura 7 se pueden observar los tipos de
patrones ms comunes generados por las boquillas.
Figura 7. Tipos de patrones generados por las boquillas de pulverizacin.
Las boquillas estn clasificadas de acuerdo a las normas ISO por un cdigo de colores que
define el caudal que entregan a una presin determinada (3 bar) y un nmero que indica el
ngulo de pulverizacin.
El fabricante debe indicar en sus manuales el cdigo ISO de colores, tipo de boquilla, ngulo
de pulverizacin, tamao de gotas generado a diferentes presiones de trabajo. A continuacin
se presentan una serie de tablas (tablas 4, 5, 6, 7) con diferentes tipos de boquillas segn la
codificacin ISO 10.625.
Tabla 4. Boquillas de abanico Tabla 5. Boquillas deflectoras
Cdigo F
(Abanico)
Caudal
(L/min)
Color Cdigo D
(Deflector)
Caudal
(L/min)
Color
0,05 0,2 Violeta - - -
0,1 0,4 Naranja 0,5 0,4 Naranja
0,15 0,6 Verde 0,75 0,6 Verde
0,2 0,8 Amarillo 1,0 0,8 Amarillo
0,25 1,0 Turquesa - - -
0,3 1,2 Azul 1,5 1,2 Azul
0,4 1,6 Rojo 2,0 1,6 Rojo
0,5 2,0 Marrn 2,5 2,0 Marrn
0,6 2,4 Gris 3,0 2,4 Gris
0,8 3,2 Blanco 4,0 3,2 Blanco
10 4,0 Azul claro 5,0 4,0 Azul claro
15 6,0 Verde claro 7,5 6,0 Verde claro
Tabla 6. Boquillas cono hueco baja descarga Tabla 7. Boquillas cono hueco alta descarga
Cdigo H
(Cono hueco)
Caudal
(L/min)
Color Cdigo H
(Cono hueco)
Caudal
(L/min)
Color
0,015 0,06 Verde claro 0,1 0,4 Naranja
0,025 0,10 Azul claro 0,15 0,6 Verde
0,037 0,15 Gris claro 0,2 0,8 Amarillo
0,050 0,20 Violeta 0,25 1,0 Turquesa
0,067 0,27 Negro 0,3 1,2 Azul
0,075 0,30 Rosado 0,4 1,6 Rojo
0,088 0,35 Beige 0,5 2,0 Marrn
0,6 2,4 Gris
Existen otros tipos de boquillas, destaca entre ellas la de induccin de aire. Esta tiene un
orificio por donde el aire es succionado y mezclado con el lquido, formado gotas grandes
con burbujas internas que al llegar al objetivo se rompen en gotas ms pequeas, mejorando
la cobertura y reduciendo la posibilidad de deriva.
Las boquillas tienen un tiempo de vida til, luego del cual deben ser reemplazadas, ya que
pierden la forma del orificio, deformando el patrn original y entregando un caudal diferente
al nominal. Las de cermica son las ms duraderas, le siguen las de polmeros, las de acero
inoxidable y por ltimo las de latn.
De forma general se usan boquillas deflectoras y de abanico para productos pre emergentes,
abanico y de induccin de aire para los sistmicos, y cnicas y de abanico para los de
contacto. Se debe consultar el catlogo del fabricante para una recomendacin ms precisa.
Calibracin y evaluacin de los equipos
Es necesario realizar una revisin general de todos los elementos que componen los equipos
de aplicacin de lquidos antes de realizar cualquier pulverizacin. Los diferentes
procedimientos de prueba sealados a continuacin se realizarn con agua limpia. En el caso
de los equipos montados al tractor se deben hacer los ajustes necesarios en sus acoples al
tractor.
Funcionamiento del manmetro:
Se debe comprobar el funcionamiento del manmetro a diferentes presiones, con otro de
prueba cerca del sitio donde va colocado. Adems, se debe chequear la presin en la barra
portaboquillas, en los extremos y en el centro de cada seccin (figura 8), tan cerca de la
boquilla como sea posible.
Para el caso de los pulverizadores de espalda se debe comprobar la presin en la punta de la
lanza cerca de la boquilla (figura 8).
Figura 8. Puntos de comprobacin de presin.
Uniformidad de las boquillas:
Las boquillas deben entregar un caudal determinado a una presin establecida. Para
comprobar este parmetro se realiza el siguiente procedimiento de prueba (Mrquez, 1998;
FAO, 2001):
1. Se llena el depsito con agua.
2. Ajustar la presin a la recomendada. La prueba debe realizarse a las siguientes presiones:
mxima, mnima y recomendada de trabajo.
3. Se deja trabajar el equipo por unos instantes para que se carguen todos los elementos y se
estabilice la presin.
4. Luego de estabilizada la presin, recoger y medir el lquido pulverizado por cada una de
las boquillas en un tiempo determinado (caudal en L/min). Se deben realizar 5 mediciones
por cada boquilla y registrar la media para realizar la comparacin.
5. Comparar los datos recolectados para cada una de las boquillas con el valor nominal de
esta (valor de fbrica).
6. Las boquillas cuyo valor medido se desve en un 10% por exceso o por defecto deben ser
reemplazas o chequeadas.
Boquillas con valores superiores pueden ser originados por desgaste del orificio o la boquilla
puede ser de mayor caudal que la recomendada. Boquillas con valores inferiores pueden ser
originados por taponamiento de esta o de su filtro o la boquilla puede ser de menor caudal
que la recomendada.
Patrn de distribucin de las boquillas:
Para realizar este procedimiento de prueba se utiliza un perfilmetro o banco de distribucin
(FAO, 2001), con columnas seleccionadoras separadas 100 mm como se observa en la
figuras 9 y 10; los pasos son los siguientes:
1. Se llena el depsito con agua.
2. Tomar datos a 2, 3 y 4 bar de presin. Ajustar la presin establecida.
3. Se deja trabajar el equipo por unos instantes para que se carguen todos los elementos y se
estabilice la presin.
4. La altura de la boquilla sobre el banco de distribucin debera cumplir con las
recomendaciones del fabricante relativas a la altura de la boquilla sobre el objetivo. Si no
hay recomendacin de realizarn las pruebas a 300, 400 y 500 mm de altura para
pulverizadores de espalda y a 400, 500, 600 y 700 mm para los acoplados al tractor,
medidos desde el borde del banco de distribucin hasta el orificio de la boquilla. Realizar
tres repeticiones por cada presin y altura seleccionada.
5. Luego de estabilizada la presin y seleccionada la altura, recoger el lquido pulverizado
por un minuto o hasta que alguno de los recipientes alcance un 90% de su capacidad.
6. Se calcula el coeficiente de variacin de las medidas, el cual no debe ser mayor a un 10%.
Es conveniente realizar un grfico de los valores para observar en que sector de la barra
puede haber problemas de distribucin.
Figura 9. Banco de distribucin porttil para observar el patrn de distribucin del lquido
pulverizado.
Figura 10. Patrn de distribucin de una barra portaboquillas mostrando el solape (s)
necesario entre las boquillas.
En el caso que el coeficiente de variacin supere el 10%, se deben realizar los ajustes
necesarios para mejorar la distribucin, como por ejemplo: estado de las boquillas, distancia
entre boquillas, altura de pulverizacin, horizontalidad de la barra y del banco de
distribucin.
Volumen a aplicar:
El volumen a aplicar es la mezcla del producto diluido con el agua el cual ser distribuido en
una superficie determinada.
Para pulverizadores montados al tractor, el volumen a aplicar se puede calcular con la
siguiente frmula:
Dboq(m) V(KPH)
600 ) Qboq(L/min
(L/ha) Vol.Aplic.

donde,
(L/ha) Vol.Aplic. : volumen a aplicar en litro por hectrea.
) Qboq(L/min : caudal de la boquilla en litros por minuto.
V(KPH) : velocidad en kilmetros por hora.
Dboq(m) : distancia entre boquillas en metros.
600 : factor de conversin.
Verificacin de la velocidad de trabajo.
La velocidad de trabajo del conjunto tractor-pulverizador tiene influencia directa sobre el
volumen a aplicar, inclusive en algunos equipos con asistencia electrnica; por lo tanto, se
debe determinar la velocidad de trabajo. Un mtodo sencillo y preciso es el siguiente:
1. Acoplar el pulverizador al tractor y llenar el depsito con agua hasta la mitad de su
capacidad.
2. Medir una distancia de 50 a 100 m en un terreno similar al que se va a aplicar el
tratamiento.
3. Ajuste las revoluciones de trabajo del motor y seleccione la velocidad en la caja de
transmisin, recuerde que las revoluciones de la toma de fuerza deben ser 540 RPM (valor
ms comn para la mayora de los implementos en Venezuela, verificar).
4. Recorra la distancia marcada, registrando el tiempo en segundos que tarda en recorrerla,
debe comenzar el recorrido unos metros antes de la marca inicial de forma que el tractor
haya estabilizado la velocidad.
5. Repita la operacin 3 veces y calcule la media.
6. Determine la velocidad con la frmula:
6 , 3
(seg) tiempo
(m) distancia
(km/h) Velocidad
7. Realice los ajustes necesarios a la velocidad de trabajo.
rea efectiva de aplicacin.
Es el rea cubierta por el conjunto tractor-pulverizador, ancho de trabajo (At) multiplicado
por la distancia recorrida (Dr). Para el caso de aplicacin total el At es el nmero de boquillas
multiplicado por su separacin (figura 11); en el caso de aplicacin en bandas el At es el
ancho de cada banda. Para el caso de los pulverizadores de espalda hay que tomar en cuenta
que al variar la altura de aplicacin vara el At.
Volumen aplicado.
Conocido el tiempo que tarda el tractor en recorrer la distancia establecida, se procede a
recoger la cantidad de lquido aplicado en ese mismo tiempo, en por lo menos 5 de las
boquillas de la barra. Las boquillas deben haber sido chequeadas previamente (procedimiento
de prueba de uniformidad boquillas). Repetir el procedimiento 3 veces, obtener el promedio y
multiplicar por el nmero total de boquillas, consiguiendo el volumen total aplicado. Si es el
caso de una sola boquilla (pulverizadores de espalda), este ser el volumen aplicado o se
puede medir el volumen gastado en el depsito del pulverizador.
Volumen aplicado por hectrea.
Se relaciona el volumen aplicado en el rea efectiva de aplicacin con una superficie de una
hectrea y se compara con el volumen a aplicar recomendado.
Figura 11. rea efectiva de aplicacin para el clculo del volumen a aplicar, pulverizador
montado en el tractor y de espalda.
Para efectuar correcciones al volumen a aplicar se puede variar la velocidad de trabajo,
aumentar o disminuir la presin y/o cambiar las boquillas. Se debe hacer la modificacin de
un parmetro a la vez y verificar nuevamente el volumen de aplicacin hasta llegar al
recomendado.
Distribucin de la aplicacin:
Para la evaluacin de la calidad de la distribucin de la aplicacin de un producto se utilizan
diferentes mtodos o combinacin de estos, entre ellos tenemos:
Trazadores fluorescentes: son aplicados sobre los objetivos y luego medidos por
fluorometra, son susceptibles a la degradacin por la radiacin solar.
Trazadores metlicos: no son susceptibles a la degradacin por la radiacin solar, para
cuantificarlos se hacen lavados de las hojas o de los objetivos artificiales y se determinan
las cantidades de producto por unidad de superficie a travs de la conductividad elctrica.
Micronutrientes marcados: se han utilizado zinc, manganeso, cobre, entre otros, las
cantidades depositadas sobre los objetivos son lavadas y determinadas por espectrometra
y colorimetra.
Colorantes: se usan colorantes solubles en agua que son aplicados sobre los objetivos y
luego analizados pticamente.
Objetivos artificiales: se han utilizado papel hidrosensible, papel sensible al aceite,
lminas de plstico con vaselina o rociadas de silicona, trozos de cristal o de espejo,
cpsulas de Petri, papel adhesivo, entre otros. Generalmente son analizados pticamente a
travs de fotografas o escner, para luego estudiar la distribucin de la aplicacin con
lupas, microscopios o programas de anlisis digital de imgenes.
El uso de trazadores fluorescentes, metlicos y micronutrientes es costoso y requiere de
equipos de laboratorio de cierta magnitud. Para el uso de los objetivos artificiales se requiere
de la colocacin de estos segn sea el equipo y el objetivo a alcanzar (figuras 12, 13, 14, 15).
Figura 12. Ubicacin objetivos artificiales con pulverizadores montados al tractor y
aplicacin al suelo u objetivos sobre el suelo.
Figura 13. Ubicacin objetivos artificiales con pulverizadores de espalda o centrfugos y
aplicacin al suelo u objetivos sobre el suelo.
Figura 14. Ubicacin objetivos artificiales con pulverizadores montados al tractor y
aplicacin a objetivos sobre plantas arbreas.
Figura 15. Ubicacin objetivos artificiales con pulverizadores areos.
Es conveniente enumerar los objetivos artificiales de manera de identificar su posicin y
realizar un correcto anlisis de la distribucin de la aplicacin. Los objetivos artificiales
pueden ser colocados sobre soportes rgidos, horizontal o verticalmente tomando en cuenta el
posible desplazamiento de las gotas por la inclinacin de este.
Para el caso de papel hidrosensible, no deber ser colocado sobre soportes mojados o
hmedos, se deben recoger inmediatamente despus que las gotas hayan secado.
Existe la posibilidad de plantear la comparacin de tratamientos (diferentes equipos,
boquillas, volmenes de aplicacin, entre otros) para observar como es la distribucin de una
pulverizacin (tamao de gota, gotas/cm
2
, alcance de la distribucin, sobredosificaciones,
subdosificaciones) se deber realizar el anlisis estadstico de los datos de distribucin de la
aplicacin en dependencia del diseo experimental seleccionado, completamente al azar,
bloques al azar, parcelas divididas, entre otros.
Bibliografa consultada
BODE, L.; BUTLER, B. 2000. Low-pressure sprayers. Cooperative Extension Service,
University of Illinois, Circular 1192.
BOGLIANI, M.; MASI, G.; ORONATO, A. 2000. Pulverizadores agrcolas terrestres.
Instituto de Ingeniera Rural, INTA, Buenos Aires. 20 p.
CIBA-GEIGY.1985. Water sensitive paper for monitoring spray distribution. Basle,
Switzerland.
FAO. 2001. Guas sobre los estndares para equipos de aplicacin de plaguicidas agrcolas
procedimientos de prueba relacionados, Parte dos: Aspersores montados sobre
vehculos remolcados. Roma, Italia. 54 p.
FAO. 1994. Principios y prcticas de prueba y evaluacin de mquinas y equipos agrcolas..
Roma, Italia. 274 p.
GARCA, C. 2000. Eficacia de la distribucin de los tratamientos fitosanitarios en cultivos
de invernadero de Almera. Fundacin para la Investigacin Agraria de la Provincia de
Almera.
GRISSO, R.; HIPKINS, P.; ASKEW, S.; HIPKINS, L.; MCCALL, D. 2009. Nozzles:
selection and sizing. Virginia State University. Publication 442-032.
HEWITT, A.; VALCORE, D.; TESKE, M.; SCHICK, R. 2002. Drop size classificationsfor
agricultural sprays. Spraying Systems Co. Illinois, USA.
HIPKINS, P.; GRISSO, R.; WOLF, B.; REED, T. 2009. Droplet chart selection guide.
Virginia State University. Publication 442-031.
KUHN-METASA. 2009. Catlogo de produtos: bicos e filtros de pulverizaao. Passo Fundo,
Brasil.
MRQUEZ, L. 1998. Tcnicas modernas para la aplicacin de agroqumicos. Recopilacin
material docente, dictado en el VI Congreso de Ingeniera Agrcola. Barquisimeto,
Venezuela.
LOUISSIANA STATE UNIVERSITY. 2003. Agricultural sprayer calibration. Ag. Center
Research & Extension, pub 3057, 15 p.
OCHOA, A. 2001. Evaluacin del pulverizador hidrulico Montana modelo 600. Trabajo de
ascenso, Decanato de Agronoma, Universidad Centroccidental Lisandro Alvarado.
RU, Y.; GAN, Y.; ZHENG, J; ZHOU, H. 2008. Design and Experiments on Droplet
Charging Device for High-range Electrostatic Sprayer. 2008 ASABE Annual
International Meeting, Rhode Island.
SALYANI, M.; SERDYNSKI, J. 1993. A device and method for sprayer calibration.
Applied Engineering Agriculture 9(1): 29-32
SALYANI, M.; FOX, R. 1999. Evaluation of spray quality by oil and water sensitive paper.
Transactions of the ASAE 42(1): 37-43
SPRAYING SYSTEMS Co. 2004. A user`s guide to spray nozzles. Illinois, USA.
SCHICK, R. 2006. Spray technology reference guide: understanding drop size. Spray
Analysis and Research Services, Spraying Systems Co. Illinois, USA.
TESKE, M.; HEWITT, A.; VALCORE, D. 2004. Suggested revisions to ASAE S572. ASAE
Paper No. 041091. St Joseph, Michigan, ASAE.
VOGEL, J.; WOLF, R.; DILLE, J. 2005. Evaluation of a Variable Rate Application System
for Site-Specific Weed Management. 2005 ASAE Annual International Meeting,
Tampa, Florida.
1
Captulo 10
TCNICAS PARA LA EVALUACIN DE RESISTENCIA A HERBICIDAS
Cstor Zambrano
Universidad Central de Venezuela
Introduccin
La confirmacin de casos de resistencia con el uso de metodologas cientficamente
aceptadas es un paso inicial y fundamental para afrontar el problema de resistencia; pues
producto de sta se podrn idear estrategias de manejo aplicables en los campos de los
agricultores.
En la literatura es posible encontrar variada informacin sobre los modelos estadsticos y las
curvas de dosis-respuesta, adems de una nutrida cantidad de publicaciones de alto nivel
donde se aplican los principios tericos enmarcados en la comparacin de poblaciones
susceptibles contra poblaciones posiblemente resistentes sometidas a dosis crecientes de
herbicidas, y de all la estimacin de un ndice de resistencia Pero los casos de resistencia
crecientes en forma exponencial demandan a nivel mundial, regional y local, la incorporacin
de nuevos talentos que comienzan a aplicar, algunos en forma errada, diversas metodologas,
muchas veces por falta de experiencia e informacin sobre consideraciones y herramientas
prcticas, las cuales deben ser tomadas en cuenta para garantizar resultados confiables.
El propsito de este captulo es ofrecer una serie de consideraciones prcticas y herramientas
metodolgicas a investigadores que recin se inician en esta rea, con la finalidad de unificar
criterios en las diferentes etapas que deben cumplirse en la evaluacin de la resistencia de
malezas a herbicidas; entre ellas se encuentran: coleccin de semillas en campo y manejo en
el laboratorio; diseo, instalacin y manejo de los ensayos de dosis-respuesta, anlisis
estadstico, etc.
Consideraciones al momento de colectar las semillas en campo:
- Nivel de control de las plantas de malezas, debe considerarse que en la medida en que la
tasa de mortalidad de malezas sea mayor, igualmente mayor es la presin de seleccin que
ejerce el herbicida.
- La presencia de malezas solas al lado de plantas muertas podra indicar la presencia de
individuos R (resistentes).
- Historial de los lotes: esta informacin es fundamental para tener una idea inicial sobre la
existencia, naturaleza y magnitud del problema; por tanto se recomienda hacer una
pequea encuesta que en trminos generales incluya las siguientes preguntas:
cul herbicida aplic?
se aplic la dosis correcta del herbicida?
lo hizo en el momento adecuado?
las condiciones antes y despus de las aplicaciones eran ideales?
por cuntos aos o ciclos de cultivo ha usado el herbicida?
2
lleva registros del manejo de cada uno de sus campos?
ste herbicida se aplica para controlar esta especie y/o adems para controlar otras
especies?
las control o no?
los campos estn nivelados?
cuenta con la cantidad de agua suficiente para irrigar a tiempo sus campos?
qu fuente de agua usa?
Debe tenerse en cuenta que herbicidas con mecanismos de accin muy especficos, amplio
espectro de control, dosis bajas y altamente eficaces, son productos que tienden a generar
resistencia ms rpido.
- Manchas en el campo podran indicar poblaciones R, normalmente cuando se alcanza una
proporcin de aproximadamente un 30 % de los individuos resistentes, es cuando el
productor se percata de la falla en el control (manchones y/o escapes); quiere decir que el
proceso est bastante avanzado (Fischer, com. per)
1
.
- Recoleccin de semillas:
a. Madurez fisiolgica: en la mayora de los casos un buen indicativo de madurez
fisiolgica, consiste en que las semillas puedan desprenderse con cierta facilidad de la
estructura que las une a la planta.
b. Seleccin del rea para la recoleccin: se recomienda iniciar la recoleccin en los
manchones y/o escapes de malezas, siempre tratando de ir del centro hacia los bordes;
y evitando aquellos manchones ubicados en sitios donde el campo presente una
condicin particular que lo haga diferente al resto del mismo (algn bajo, una loma,
una escape en franja tpico de un error de aplicacin, etc.).
c. Cantidad de semilla: se recomienda recolectar la mayor cantidad posible; como
referencia, Martinez (com per)
2
seala que 1000 semillas de Sorghum halepense
pesan unos 3,6 g. Por otra parte Blanco (com per)
3
afirma que 1000 semillas de
Ischaemum rugosum pesan unos 7,5 g., y que para un bioensayo de dosis-respuesta
con la misma especie con 8 dosis, 10 repeticiones y 6 8 plantas por recipiente, se
necesitan unas 1520 semillas (11,4 g) con un 50% de germinacin.
d. Evite cosechar semillas hmedas: si no tiene otra alternativa, luego de la recoleccin
coloque un ventilador (soplador de aire) frente a las semillas al menos 24-48 horas.
e. No almacenar en bolsas plsticas: an cuando las semillas estn lo suficientemente
secas; recuerde que la semillas son una estructura viva que respira y, por ende, el
material plstico atenta contra la calidad de las semillas.
f. Rotule adecuada y oportunamente las bolsas: errores relacionados a confusin de
bolsas luego de la recoleccin generan dudas y finalmente los resultados no sern
confiables.
g. Secar con aire natural tan pronto sea posible.
1
Albert Fischer; PhD. Profesor Asociado, Universidad de California-Davis, USA.
2
Mariano Martnez; Estudiante Tesista, Laboratorio de Malezas, Facultad de Agronoma. Universidad Central
de Venezuela.
3
Solsir Blanco; Estudiante Tesista, Laboratorio de Malezas, Facultad de Agronoma. Universidad Central de
Venezuela.
3
h. Limpiar las semillas.
i. Punto de georeferencia (coordenadas): esta consideracin es muy importante, pues
con ello se ubica en un mapa y por consiguiente se le puede hacer seguimiento en el
tiempo.
Instalacin de ensayos para la deteccin de poblaciones resistentes a herbicidas:
- Sitio y condiciones donde se llevar a cabo el bioensayo:
Un aspecto fundamental en cuanto al establecimiento de un bioensayo para el estudio de
resistencia, es garantizar sobre todo la radiacin, temperatura, fuente de agua de calidad y
substrato apropiados.
Particularmente la radiacin debe ser monitoreada durante el desarrollo del bioensayo, ms
an si se estn utilizando molculas inhibidoras de la ALS (AHAS) como por ejemplo las
sulfonilreas. Probablemente si se realiza una corrida de dosis-respuesta en el perodo
lluvioso (das nublados con limitada radiacin), con toda seguridad obtendr resultados muy
diferentes a los que obtendra en durante el perodo seco (das con escasa nubosidad).
La temperatura afecta notablemente los procesos metablicos de la planta; adems, en
nuestro caso por encima de 50C, se pudiese estar agregando un factor estresante adicional al
que se plantea considerar con las diferentes dosis.
En el caso del agua, la presencia de carbonatos y restos de materia orgnica, por ejemplo,
podran estar afectando la eficacia de la molcula objeto a estudio; por lo tanto se recomienda
realizar un anlisis de calidad de agua para descartar esta fuente de variacin.
El substrato debe tomarse en consideracin sobre todo en funcin de su naturaleza: suelo,
substrato sinttico. Por ende, si se usa suelo, un anlisis de macro y micro nutrimentos es
importante sobre todo para descartar sales y/o realizar las respectivas correcciones de
posibles deficiencias nutricionales que pudiesen generar cierto grado de estrs en la maleza.
Si es el caso del uso de un substrato de origen sinttico, debe considerar lavarlo con
suficiente agua antes de realizar la siembra o trasplante del material vegetal; y
obligatoriamente debe considerar el suministro de nutrimentos bien sea por fertirrigancin o
aplicaciones constantes de soluciones nutritivas tipo Hogland.
- Mtodos utilizados para la ruptura de latencia y produccin de plntulas uniformes:
Un componente importante del control local en este tipo de experimentos, adems del
ambiente bajo el cual se desarrolle el bioensayo, consiste en garantizar plntulas lo mas
homogneas posibles, situacin de la cual depende en alto grado la confiabilidad de sus
resultados. En algunos casos, como los planteados por Prez (2009) y Fardella (2008) se ha
tenido que plantular malezas tal y como se hace en los sistemas de produccin forzada de
hortalizas, y en otros se han aplicado tcnicas de escarificacin mecnica usando papel lija,
inmersin de semillas en fiolas con constante suministro de oxgeno, uso de soluciones ricas
en KNO
3
, temperaturas variables, escarificacin qumica con H
2
SO
4
, y escarificacin manual
4
e, incluso, en la mayora de los casos el objetivo se cumple combinando alguno de los
mtodos citados anteriormente.
Otra razn importante por la cual conocer particularmente el mejor mtodo o la combinacin
de los mismos para la ruptura de la latencia, es la economa de las semillas de biotipos o
poblaciones, que en algunos casos puede llegar a ser un factor limitante.
A continuacin se citan algunos ejemplos relacionados con la aplicacin de algunos mtodos
de ruptura de latencia en biotipos asociados a la deteccin de resistencia:
Espinoza (2004) trabajando con biotipos R de Echinochloa colonum aplic en primera
instancia la escarificacin mecnica con un envase de vidrio de 0,5 litros en la cual la parte
interior del envase se forr con papel de lija nmero 120, se introdujeron las semillas y se
procedi a un movimiento circular manual. Despus de este tratamiento, las semillas se
colocaron en unas fiolas de 250 ml con agua, las cuales tenan un sistema de aireacin
(motores para peceras con mangueras que finalizaban con una aguja de inyectadota o piedra
porosa), con la finalidad de oxigenar el agua y, con la presin generada, permitirle un
movimiento continuo a las semillas durante tres das para remover posibles sustancias
inhibidoras de la germinacin; posteriormente se colocaron las semillas sobre papel hmedo
en bandejas dentro de una estufa y se usaron diferentes temperaturas por tres das (primer da
a 55 C, el segundo a 32 C y el tercero por 6 horas a 28 C), aplicando agua continuamente;
posteriormente estas semillas germinadas fueron colocadas en la cmara de germinacin para
que recibieran luz artificial.
Por su parte, Delgado (2004) y Delgado et al. (2008) al evaluar la resistencia de biotipos de
Rottboellia cochinchinensis, separaron manualmente la semilla del artculo de todas la
poblaciones que utilizaron.
Fardella (2008) y Araujo (2008) al trabajar con semillas de diferentes biotipos de Ischaemum
rugosum, en primera instancia utilizaron la escarificacin mecnica igual a la previamente
descrita para E. colona, se oxigenaron, posteriormente se lavaron las sustancias inhibidoras
de germinacin del material sometindolas a una corriente de aire con agua destilada y una
solucin de KNO
3
al 2% durante 2 das (tiempo que tarda la radcula en aparecer),
cambiando el agua de las fiolas cada 24 horas. Una vez germinadas fueron colocadas en
bandejas de germinacin con sustrato inerte en la cmara de germinacin durante dos (2) das
a una temperatura de 30 C.
Prez (2009), Zambrano y Medina (2006) utilizaron una metodologa similar a Espinoza
(2004)en semillas de poblaciones de Echinochloa colonum, pero una vez germinadas las
semillas se colocaron en las bandejas de germinacin para su plantulacin tal y como lo
realiz Fardella (2008). Por su parte, Ortz (com. per.)
4
de acuerdo a la ISTA (2004), al
trabajar con poblaciones de Echinochloa oryzoides utiliz cido sulfrico puro (95-98%) por
20 minutos, luego elimin el cido sulfrico en un colador de orificios muy pequeos
lavando cuidadosamente con agua y al final se pasaron por una solucin al 2% de carbonato
de calcio por un minuto.
4
Ada Ortz; MSc. Profesora Agregado, Facultad de Agronoma, Universidad Central de Venezuela.
5
Si se cuenta con suficiente nmero de semillas y la latencia no es tan marcada y/o
escalonada, se procede entonces a pre-germinar las semillas y colocar en los recipientes
plsticos (materos) en cantidad suficiente para su posterior raleo.
- Consideraciones sobre dosis (S) y (R), nmero de rplicas y duplicacin de bioensayos:
La dosis juega un papel protagnico en este tipo de ensayos, de hecho su nombre es
bioensayos dosis-respuesta, por lo tanto, deben seleccionarse cuidadosamente basadas en
ensayos preliminares, pues el rango de dosis va a depender de cuan susceptible (S) o
resistente (R) sea la poblacin objeto a estudio.
Los ensayos preliminares se llevan a cabo con la finalidad de, en primer trmino, conocer la
respuesta de las poblaciones recolectadas a 0X , X y 1X (donde X se considera como la
dosis comercial recomendada por el fabricante del herbicida). El testigo 0X se debe aplicar
con agua + el coadyuvante que se va a aplicar con el herbicida. Se pueden etiquetar las
poblaciones en posiblemente resistentes (aquellas poblaciones que sobrevivan a la dosis
comercial utilizada) y susceptibles. En este punto se recomienda hacer un anlisis de varianza
(ANAVAR o ANOVA) y su respectiva prueba de medias, entre los tratamientos para cada
una de las poblaciones seleccionadas. Si estadsticamente no hay diferencias entre los
tratamientos, es decir 0X y 1X son iguales, existe alta probabilidad de que dicha poblacin
tenga problemas de resistencia.
Un segundo objetivo de los preliminares es la determinacin de las dosis que generen una
cantidad de puntos suficientes, ubicados de tal forma que permitan hacer un buen anlisis de
los datos. En este sentido, se considera particularmente importante tener dosis que generen
puntos suficientes en la pendiente de la curva, pues de esto depende que el modelo indique la
dosis que reduce en un 50% la variable evaluada (ED
50
), parmetro con el cual se determina
el ndice de resistencia (IR). Es importante considerar que el rango de dosis para ambas
poblaciones no siempre es la misma, y es all donde cobran importancia los ensayos
preliminares.
Un anlisis confiable depende en gran medida de la poblacin que se use como susceptible
S. Se recomienda utilizar poblaciones susceptibles provenientes de la misma zona
agroecolgica de donde se obtuvieron las poblaciones sospechosas de resistencia. Pero no
siempre eso es posible, entonces el investigador debe prever el desarrollo de una lnea pura
homocigota susceptible, la cual sea producto de sucesivas autofecundaciones, si la especie lo
permite; sino, se genera una poblacin con varias generaciones de endocruza entre un
nmero limitado de individuos. Fischer
1
(com. per.) plantea que adems esta consideracin
debe tenerse en cuenta incluso para las poblaciones ya determinadas como resistentes, pues
se requieren lneas puras homocigotas para estudios metablicos y moleculares.
Por lo general, se recomienda utilizar un factor de dilucin constante, lo cual genera puntos
equidistantes en un eje (X) logartmico (Streibig et al, 1993); an cuando, dependiendo la
naturaleza de los datos y si as lo estima el conocimiento previo de la poblacin, se pueden
agregar dosis para incrementar la potencia del anlisis (sobre todo en lo que respecta a la
pendiente de la curva), aprovechando el alcance que brinda el modelo de regresin no lineal.
6
Un rango de dosis frecuentemente utilizado para poblaciones sospechosas de resistencia es 0
x; 1/16x; 1/8x; 1/4x; 1/2x; x; 2 x y 4x; aunque frecuentemente el rango de dosis utilizado
para el susceptible debe ser diferente. En tal sentido, por lo general para la poblacin S se
usa 0x; 1/64x; 1/32x; 1/16x; 1/8x; 1/4x; 1/2x; x; y 2x.
En la Fig. 1 se observa una respuesta diferencial entre la poblacin control y aquella que fue
objeto de estudio (Gurico). En este caso Fardella (2008) utiliz para la poblacin control el
siguiente rango de dosis: 0X; 1/128X; 1/64X; 1/32X; 1/16X; 1/4X; X; 2,5X y 3,5X; mientras
que para la poblacin Calabozo us: 0X; 1/32X; 1/16X; 1/4X; X; 2,5X y 3,5X. Adems, se
observa que existen puntos que se generaron a partir de dosis a lo largo del trazado de la
curva (incluso en la pendiente), esto producto de 2 ensayos preliminares para ajuste de dosis.
Figura 1. Efecto de dosis crecientes de bispiribac sodio sobre el peso fresco de las
poblaciones control (susceptible) y Gurico (Fardella, 2008).
Si la cantidad semillas de la poblacin objeto a estudio lo permite, es recomendable utilizar
doble batera de testigos (0x), pues es el punto inicial de comparacin en la respuesta de una
misma poblacin a dosis crecientes de herbicidas (Valverde, com per)
5
.
Los estadsticos plantean que en la medida en que se aumente el nmero de replicas el error
experimental disminuye, lo cual genera entonces la necesidad de trabajar con el mayor
nmero posible de las mismas. Bajo condiciones normales de trabajo en cuanto a espacio y
recursos se considera razonable utilizar entre 6 y 9 replicas por tratamiento. Claro est, si
se trabaja con poblaciones homocigotas recesivas generadas por el investigador producto de
autofecundaciones, donde la variabilidad es relativamente manejable; el nmero de replicas
puede disminuirse. Normalmente se requiere hacer el anlisis directamente a poblaciones
colectadas en campo; ac hay una variabilidad enorme, lo cual sugiere que se incrementen al
mayor nmero posible las rplicas para poder tomar decisiones con datos que hagan mucho
ruido previos al anlisis estadstico. En algunas ocasiones, partiendo del conocimiento de la
5
Bernal Valverde; PhD. Idea Tropical. San Jos, Costa Rica.
Bispiribac (g. i.a/ha)
0.001 0.01 0.1 1 10 100 1000
P
e
s
o

f
r
e
c
o

(
%

d
e

n
o

t
r
a
t
a
d
o
)
0
20
40
60
80
100
120
Valores observ ados
Ischaemum control
Valores observ ados
Ischaemum Gurico
7
o las poblaciones bajo estudio, y bajo ciertas limitantes (espacio, numero de semillas, etc) se
puede pensar incluso en sacrificar repeticiones e incrementar el nmero de dosis en el ensayo
(Valverde, com per)
5
.
- Consideraciones sobre capacidad de materos, nmero de plntulas a utilizar por unidad
experimental y estado de desarrollo de las mismas:
Para la evaluacin de gramneas anuales con herbicidas post-emergentes sistmicos se usan
frecuentemente recipientes (materos) de 0,5 a 1 kg de capacidad, en el cual se siembran o
trasplantan de 5 a 10 plntulas para dejar finalmente al momento de la aplicacin de 1 a 4
plntulas por unidad experimental. Es importante considerar que al momento de hacer el
raleo, se dejen en la medida de lo posible plantas equidistantes entre s, para corregir el
posible efecto paragua en la aplicacin del herbicida que se pudiese generar en aquellos
recipientes con ms de una plntula.
Otro factor a considerar es el estado ptimo de desarrollo de las plntulas para la aplicacin
del herbicida; ac, el criterio producto de la experiencia del investigador juega un papel
importante, adems de que en muchos casos es necesario hacer un bioensayo preliminar para
determinar el momento ptimo de aplicacin. La informacin que provee el fabricante puede
usarse como de referencia; aunque generalmente en herbicidas post-emergentes sistmicos
graminicidas el estado ptimo de desarrollo para la aplicacin es de 3 a 4 hojas.
- Equipos y metodologa de aplicacin:
La aplicacin de los tratamientos en los bioensayos de dosis-repuesta confiables, debe
realizarse garantizando: presin, velocidad, descarga y altura constante. La calibracin debe
hacerse al menos cada vez que se vaya a cambiar de dosis y se sugiere la preparacin por
separado de cada una de las soluciones herbicida que represente una rplica o al menos un
grupo de ellas, bien sea mediante el uso de soluciones madres directamente con
micropipetas tratando en lo posible minimizar un error al momento de su preparacin, pues
significara un fracaso en el bioensayo. Cuando realice los clculos, es saludable que terceros
revisen los mismos; cada dosis debe ir en el recipiente del equipo a la mitad de su valor y al
momento de hacer la aplicacin considere hacerla de ida y vuelta, para alcanzar la
concentracin estimada.
- Variables a evaluar y metodologa para la toma de resultados (tiempo):
Para cuantificar el efecto de un herbicida sobre la fisiologa de la maleza, debe evaluarse el
peso fresco de la misma; pues si bien puede generar por si misma una variabilidad enorme, es
quien refleja en mayor grado el efecto sobre la planta. Lo antes expuesto genera la necesidad
de aleatorizar el muestreo para repartir entre todos los tratamientos el error que se genera
producto de su naturaleza.
La evaluacin se hace dependiendo de la naturaleza del herbicida y de la especie de maleza
objeto a estudio, aunque para herbicidas post-emergentes sistmicos graminicidas se ha
estandarizado que 22 das luego de la aplicacin es el tiempo necesario para hacer una
apreciacin bien ajustada a la realidad. No obstante, hay especies como Eleusine indica en el
8
caso de evaluar glifosato o Fimbristylis miliacea en el caso de pirazosulfuron-etil, en las
cuales el rebrote de plantas prcticamente muertas debe ser considerado.
Anlisis estadstico:
Ensayos de dosis-respuesta: el concepto de dosis-respuesta en la ciencia de la maleza consiste
en una cantidad de herbicida que genera un efecto deseable en una poblacin de plantas de
inters (Streibig et al, 1993).
Tpicamente la forma de la curva de dosis-respuesta es sigmoidal. Con un lmite superior
definido por la respuesta de las plantas no tratadas (control), o de las plantas tratadas con una
dosis muy baja de herbicida, y un lmite inferior determinado por la respuesta de una alta
dosis de herbicida. La dosis correspondiente al punto medio entre el lmite superior e inferior
es conocido como el ED
50
(Streibig, 1988).
El modelo comnmente usado es el log-logstico de tres y cuatro parmetros. La ecuacin de
cuatro parmetros es la siguiente:
} ))) log( ) (log( exp 1 e x b
c d
c y
~ +
~
+ =
donde, e=ED
50
, d=lmite superior, c=lmite inferior y b es la pendiente alrededor de e. Si c
es igual a cero, entonces la ecuacin se reduce a tres parmetros, y cuya ecuacin es la
siguiente:
} ))) log( ) (log( exp 1 e x b
d
y
~ +
=
Otras ecuaciones utilizadas en este tipo de ensayos son las de Weilbull para cuatro y tres
parmetros; la diferencia entre stas y las anteriormente descritas radica en que el modelo de
Weilbull no es simtrico en ningn punto. En tal sentido se muestran a continuacin,
Weilbull de cuatro parmetros:
[ | } e x b c d c y ~ ~ ~ + = (log exp exp ) (
Weilbull de tres parmetros:
[ | } e x b d y ~ ~ = (log exp exp
#
Otro de los modelos utilizados en algunos bioensayos es el de Brian Cousens para el anlisis
de bioensayos donde ocurre la Hormesis, fenmeno donde a dosis bajas existe un
incremento en la variable independiente y con el posterior incremento de la dosis, los valores
decrecen. La modificacin se realiza en la ecuacin de cuatro parmetros, con la adicin de
un trmino f en el numerador:
( ) [ | } e x b c fx d c y log log exp 1 / ~ + ~ + + =
9
Figura 2. Curvas simtricas y asimtricas de dosis-respuesta. Adaptado de Knezevic et al.
(2007).
Debido a la naturaleza de estos bioensayos y al exhaustivo control local que debe
establecerse, el diseo comnmente utilizado por los investigadores es el completamente
aleatorizado, el cual es recomendado por los estadsticos para ensayos que se llevan a cabo
bajo condiciones controladas.
Herramientas disponibles para el anlisis de datos:
- SAS

: bajo este software se pueden analizar los datos de un ensayo dosis-respuesta, pero
existen dos limitantes importantes, la primera de ellas la constituye el alto precio del
programa; y en segundo lugar es bastante tedioso el manejo del mismo.
- R

: El programa para anlisis estadstico R (R Development Core Team, 2009) es una

licencia gratuita que ha sido desarrollado con la colaboracin de una gran cantidad de
personas que contribuyen en el desarrollo y prueba de diferentes paquetes para diversos
tipos de anlisis. Toda la informacin necesaria, as como los manuales de uso de esta
herramienta estadstica puede ser consultada en la web http://www.r-project.org/.
Para el caso particular de el estudio de curvas de dosis respuestas se ha desarrollado el
paquete drc (dose-response curve), el cual posee una serie de ventajas sobre otros
paquetes estadsticos, ya que ha sido diseado especficamente para este tipo de anlisis y
facilita el cambio de opciones para el estudio del ajuste del modelo a los datos
disponibles; sin embargo, es necesario estudiar a profundidad el lenguaje en el que se
desarrolla R y las opciones que el mismo posee para realizar el anlisis. El programa
posee limitaciones en cuanto a su accesibilidad, ya que no es amigable para el usuario,
pero despus de su estudio y utilizacin constante, el mismo es capaz de generar reportes
de anlisis sencillos y fciles de comprender, adems de grficos muy apropiados a este
a) Simtrica
b.2) Asimtrica
lento descenso
b.3) Asimtrica
estimulacin inicial
del crecimiento
b.1) Asimtrica
rpido descenso
10
tipo de anlisis. Una descripcin de las potencialidades de R para el anlisis de curvas
dosis respuesta puede ser consultado en Utilizing R software package for dose-response
studies: The concept and data analysis (Weed Technology, 2007, 21:840848), as como
en Bioassay Analysis using R (Journal of Statistical Software, January 2005, Volume
12, Issue 5 - http://www.jstatsoft.org/).
Como referencia de un modelo de programacin para el anlisis de una curva de dosis
respuesta se presenta el siguiente:
library(drc)
library(agricolae)
nombre de la curva <-read.csv("ubicacin del archivo (.csv) en el computador")
nombre de la curva (para verificar que los datos fueron ledos correctamente
nombre del modelo <- drm(peso ~ dosis, fct = LL.4(), data = nombre de la curva)
summary(nombre del modelo)
modelFit(nombre del modelo)
plot(nombre del modelo, xlab = "etiqueta de x", ylab = "etiqueta de y")
ED(nombre del modelo, c(10, 50, 90))
En este caso se subrayan aquellas lneas en las cuales el operador del programa decide los
nombres o valores que desea colocar como referencia de su anlisis. Los datos se
colocaron en dos columnas, cuya primera fila se corresponde con el nombre de las
variables; en este caso peso y dosis; adems deben ser guardados bajo el formato .csv
(separados por comas). Esta programacin esta hecha para el ajuste de los datos a un
modelo de cuatro parmetros [LL.4()], pero puede utilizarse el modelo de preferencia, de
acuerdo a los que dispone el paquete `drc`. Tambin se incluyen las instrucciones para
generar el grfico correspondiente al modelo generado.
- SigmaPlot

: El primer paso para la corrida de los datos bajo este software es la

organizacin de los datos, para ello se colocan las columnas Dosis, Peso fresco, % con
respecto al control no tratado, Promedio y Error Estndar. Los datos pueden ser transcritos
directamente en las celdas del SigmaPlot

o copiados de la hoja de clculo de Excel.

El objetivo de usar el % con respecto al control no tratado es facilitar la presentacin
comparativa de los datos, aun cuando hay investigadores que prefieren hacer los clculos
de la regresin Log-logstica con los datos originales (con la finalidad de preservar la
estructura del error) y usar los datos de % solo para presentar los grficos.
Las barras de error estndar se colocan para dar una idea al lector de cuan variable eran
los datos alrededor de una media para una dosis determinada; aunque Streibig (com. per)
6
plantea que el anlisis correcto de los datos en una regresin no lineal parte de que el
error estndar debe ser tan bajo que no tiene mucho sentido calcularlo y presentarlo.
Un segundo paso consiste en seleccionar en (Statistics) la opcin (Regression Wizard), y
luego seleccionar (Four Parameter Logistic Curve) y en la misma ventana debe
seleccionarse (Edit Code), al desplegarse esta ventana se deben constatar los siguientes
aspectos:
6
Carl Jens Streibig; PhD. Profesor Asociado, Universidad Real de Dinamarca.
11
(Equation):
f = min + (max-min)/(1+(x/EC50)^Hillslope)
fit f to y
''fit f to y with weight reciprocal_y
''fit f to y with weight reciprocal_ysquare
(Variables):
x = col(1)
y = col(3)
(Initial parameters):
min = min(y) ''Auto {{previous: 10}}
max = max(y) ''Auto {{previous:100.0000}} {{previous: 100.726}}
EC50 = x50(x,y) ''Auto {{previous: 6.7012}}
Hillslope = if((y[1]-y[size(y)])/(x[1]-x[size(x)])>0,-1,1) ''Auto {{previous: 0.709439}}
(Constrains):
min>10
(Options):
(Iterations): 200
(Step Size): 10
(Tolerance): 0.000001
Una vez terminado el chequeo se presiona (Run)
Se despliega una ventana de (Regression Wizard), donde es importante chequear que se
muestre el aviso siguiente (Converged, tollerance satisfied), luego debe presionarse el
cuadro (Next). Posteriormente se despliega una ventana, donde a mano derecha debe estar
seleccionada o seleccionar (Create Report) y luego presionar (Next). En la nueva ventana
a mano izquierda aparece un grafico de ejemplo y a mano derecha de todas las opciones
debe estar seleccionada (Create New Graph) y luego pulse (Next).
Luego se despliega otra ventana titulada (Regression Wizard- Graph data), all vaya a la
ventana (Curve Data column) y sobre la opcin (X column) mueva el ratn hacia la
ventana donde se visualizan los datos y seleccione la columna 6, e inmediatamente
observar que aparece (X column: column 6). Haga la misma operacin para (Y column) y
seleccione la columna 7. Posteriormente seleccione (Finish).
Inmediatamente se despliega su primer grfico (figura 3), y a mano izquierda en la pgina
principal notar que ha desplegado: una ventana de datos (Data 1), el reporte de los datos
estadsticos del anlisis (Report 1) y el grfico mencionado anteriormente (Graph 1). En
cuanto el reporte all podr constatar: R; Rsqr; Adj Rsqr; Standard Error of Estimate , tambin
podr ver la probabilidad (significancia) de cada uno de los parmetros de la ecuacin:
min; max; EC50 y Hill slope, y finalmente el anlisis de varianza de la regresin, donde es
importante chequear la probabilidad de la misma Regression 3; as como tambin algunas
pruebas estadsticas conocidas. Del mismo modo al ver en la ventana (Data 1) podr
12
constatar que en la columna 6 y 7 se observan una cantidad grande de datos (producidos
por el modelo). En este punto es muy importante que chequee que el primer dato de la
columna (6 x-column) no sea cero (0), si lo reporta as, cambie ese cero por un valor
menor o igual a 0,001, y eso mismo debe hacerlo en la columna de dosis. Esto debido a
que posteriormente se va a dar la instruccin al programa que transforme el eje X de lineal
a logartmico, y al haber ceros el programa da un error.
2D Graph 1
X Data
0 50 100 150
Y

D
a
t
a
0
20
40
60
80
100
120
140
x column vs y column
Col 1 vs Col 3
Figura 3. Figura de datos hipotticos con ejes X y Y lineales
Es importante destacar que el valor de EC50 mostrado en el (Report 1), es el valor de X
(la dosis de herbicida) en el punto de inflexin de la curva sigmoidal cuando el valor
min: 0 y el max: 100; si estos preceptos se cumplen se puede decir con seguridad que el
EC50 es la dosis herbicida que reduce en un 50 % el crecimiento de una poblacin.
Ahora si las asntota son diferentes (min>0), necesariamente debe utilizar un artificio
matemtico que le permita obtener el valor de X cuando Y= 50; el cual lo obtiene de la
ecuacin:
f = min + (max-min)/(1+(x/EC50)^Hillslope)
De estos tendra en el (Report 1), min: 0 ; max: 100; Hill slope: ver valor en el Report 1;
EC50: ver valor en el Report 1; f: 50 ; y solo restara despejar X de la ecuacin, quedando de la
forma siguiente:
La mayora de los trabajos presentan errores en este sentido, lo cual genera valores
errados de ndice de resistencia (IR).
Otro punto que siempre se debe tener en cuenta es que al chequear las probabilidades de
los parmetros antes citados, en algunos casos puede existir cierta anomala (no
significancia) en alguno de ellos. Considerando que en la mayora de los casos se trabajan
con poblaciones recolectadas en campo y ensayadas directamente, no es un asunto tan
grave (claro est, aqu juega un papel importante la experiencia del investigador, pues al
j
j
)

|
|
\
[
~
~
~
=
hillslope
f
E x 1
min
min max
50
13
ver los datos y la curva, se puede tomar la decisin de cuan grave puede ser el detalle
mencionado anteriormente), lo importante en un caso donde ocurra esto y se decida hacer
caso omiso, es hacer mencin en los resultados (pues as el lector har su propio juicio
sobre la veracidad de lo publicado).
Una vez chequeados los parmetros antes mencionados con la ventana (Graph 1)
desplegada, mueva el ratn a las opciones que se encuentran en la parte superior de la
pgina y seleccione (Graph) y una vez desplegada una pequea ventana seleccione (Create
Graph), en la ventana (Create Graph type) debe seleccionar (Scatter Plot) y luego pulse
(Next), en la siguiente ventana seleccione (Multiple Error Bars) y pulse (Next); en la
siguiente ventana en la seccin (Symbol values) debe seleccionar (Worksheet Columns) y
pulse (Next); en la siguiente ventana seleccione (XY Pairs). Ahora en la ventana
desplegada debe seleccionar en la seccin (Selected Columns) (X1:), en ese momento
muvase a la pgina de los datos y sombree todos los valores colocados en la columna de
las dosis; automticamente queda seleccionada en la ventana pequea (Y1:), en ese
momento seleccione todos los valores colocados en la columna de los promedios; y luego
le aparece en la ventana pequea seleccionada tambin la opcin (Y error 1:) y all
sombrea en los datos la columna correpondiente al error estndar; y finalmente seleccione
(Finish), producindose el siguiente grfico (figura 4).
2D Graph 4
X Data
0 20 40 60 80 100 120 140 160 180
Y

D
a
t
a
0
20
40
60
80
100
120
Col 1 vs Col 4
Figura 4. Errores estndar de valores hipotticos.
Posteriormente, seleccionando el grfico de los errores estndar, mueva el ratn a la parte
superior de la pgina principal y seleccione (Graph) y en esta ventana pulse (add plot),
seleccione (line plot) y pulse (next), luego seleccione (Simple straight line) y pulse
(next), luego selecciones (XY pair) y pulse (next), y posteriormente colocado sobre (X:)
seleccione en la pgina (Data 1) toda la columna (6-X column), y repita la misma
operacin para (Y:) y selecciones toda la columna (7-Y column) y luego pulse (Finish).
Inmediatamente le aparece sobre el grfico de los errores estndar, un grfico de lneas
que representa los valores modelados (figura 5)
14
2D Graph 4
X Data
0 20 40 60 80 100 120 140 160 180
Y

D
a
t
a
0
20
40
60
80
100
120
Col 1 vs Col 4
x column vs y column
Figura 5. Valores modelados y los respectivos errores estndar de los valores observados
hipotticos.
Finalmente, seleccione el grfico mostrado anteriormente y mueva el ratn a la parte
superior de la pgina principal y pulse (Graph), luego seleccione (Graph Properties) y en
la parte superior de la ventana pulse (axes); en la parte superior en (Axis) seleccione (X
data) y en la parte izquierda pulse (Scaling), inmediatamente vaya a la opcin (Scale type)
y seleccione (log common) y pulse (apply) y luego seleccione (Ok) (figura 6)
2D Graph 4
X Data
0.0001 0.001 0.01 0.1 1 10 100 1000
Y

D
a
t
a
0
20
40
60
80
100
120
Col 1 vs Col 4
x column vs y column
Figura 6. Curva sigmoide de datos hipotticos generados por regresin log-logistica de
cuatro parmetros con datos hipotticos.
En esa misma ventana de (Graph Properties), se pueden modificar y personalizar todas las
opciones que se requieran.
Si se desean colocar en el mismo grfico dos poblaciones, luego de graficar una, se repite
la misma operacin con otra poblacin, considerando de los datos deben colocarse en la
misma hoja de datos y dar las instrucciones respectivas para que el programa pueda leer
las columnas apropiadas para los clculos y grficas.
Referencias Bibliogrficas:
15
Araujo, M. 2008. Evaluacin de la resistencia al herbicida clefoxidim de poblaciones de
Ischamum rugosum en arroz proveniente de los estados Portuguesa y Gurico. Tesis de
Ingeniero Agrnomo. Universidad Central de Venezuela. Maracay. 50 p.
Delgado, M. 2006. Evaluacin de la resistencia de Rottboellia cochinchinensis (Lour) W. D.
CLAYTON al herbicida nicosulfuron en el cultivo de maz (Zea mays L.). Agronoma
Tropical. Volumen: 56 (2).
Delgado,M; A., Ortz y C. Zambrano.2008.Poblaciones de Rottboellia cochinchinensis
(Lour) W. D. CLAYTON con resistencia cruzada al foramsulfuron + iodosulfuron .
Agronoma Tropical. Volumen: 58 (2).
Espinoza, H. 2004.Evaluacin de la resistencia de Echinochloa colona (L.) al herbicida
fenoxaprop-p-etil provenientes de campos arroceros del Estado Portuguesa-Venezuela.
Tesis de Ingeniero Agrnomo. Universidad Central de Venezuela. Maracay. 65 p.
Fardella, C. 2008. Evaluacin de la resistencia de poblaciones de Ischaemum rugosum
provenientes de campos de arroz (Oryza sativa L.) a los herbicidas Fenoxaprop-p-etil y
Bispiribac Sodio. Tesis de Ingeniero Agrnomo. Universidad Central de Venezuela.
Maracay. 43 p.
ISTA (International Seed Testing Association). 2004. International Rules for Seed Testing.
Zrich. 333p.
Knezevic, S. Z.; J. C. Streibig and C. Ritz. 2007. Utilizing R Software Package for Dose-
Response Studies: The Concept and Data Analysis . Weed Technology. 21:840-848
Prez, D. 2009. Evaluacin de la resistencia de poblaciones de Echinochloa colona (L.)
provenientes de campos arroceros del estado Portuguesa a los herbicidas propanil,
clefoxidim y cyhalofop. Tesis de Magister Scientiarum en Agronoma. Universidad Central
de Venezuela. Maracay. 120 p.
R Development Core Team. (2009). R: A Language and Environment for Statistical
Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-
00-3, URL http: //www.R-project.org.
Streibig, J. C. 1988. Herbicide Bioassay. Weed Research. 28:474-484.
Streibig, J. C.; M. Rudemo and J. E. Jensen. 1993. Dose-renponse curves and statistical
models. Pag. 22-55. In: Herbicide Bioassays, J. C. Streibig and P. Kudsk, Eds. Boca
Raton, Fl. CRC.
Zambrano, C. y A., Medina. 2006. Evaluacin de la resistencia de Echinochloa colona (L.)
al herbicida bispiribac sodio en el cultivo de arroz (Oryza sativa L.). Anales de
Botnica Agrcola. Volumen: 13:29-35.
Referencias Bibliogrfcas