La fitoestabilización es la técnica de biorremediación que hace uso de las plantas para la inmovilización de metales pesados. La producción de plantas de Atriplex canescens [Pursh] Nutt. en condiciones de invernadero tiene como finalidad su empleo para la fitoestabilización de plomo de la zona de jales mineros de la mina La Prieta, Hidalgo del Parral, Chihuahua, México. Por esta razón, se realizó el análisis de regresión no lineal para determinar la tasa de crecimiento de Atriplex canescens [Pursh] Nutt. en condiciones de invernadero, del 22 de agosto de 2020 al 20 de marzo de 2021, haciendo mediciones de altura en un total de 48 macetas. Se realizaron los registros cada 15 días desde la emergencia de las plantas hasta los 210 días, ajustándose los datos a una función exponencial. El análisis cuantitativo del crecimiento vegetal permitió determinar la tasa de crecimiento de las plantas de acuerdo con cuatro diferentes composiciones porcentuales de jal en el sustrato en el que crecen.
El objetivo de esta investigación fue evaluar la tasa de crecimiento de Atriplex canescens [Pursh] Nutt. en condiciones de invernadero en relación con la composición porcentual del sustrato mediante análisis de regresión no lineal de modelos de crecimiento. El ajuste estadístico se realizó mediante la aplicación de siete diferentes modelos y dos criterios de idoneidad de los modelos empleados.
Los modelos estadísticos de ajuste logístico, Von Bertalanffy y Weibull se ajustaron mejor a la tasa de crecimiento de Atriplex canescens [Pursh] Nutt. con valores superiores a 89 %. Sin embargo, el criterio de idoneidad de Akaike sugiere un desempeño superior de los modelos estadísticos de ajuste de Gompertz, exponencial y Verhults, considerando en común para los resultados de estos modelos, la sobreestimación de la predicción de los datos analizados.
Phytostabilization is the technique of bioremediation that implicates the use of a plant that reduces the mobility of heavy metals in soil. Greenhouse production of Atriplex canescens [Pursh] Nutt. will be used for the establishment of a vegetative cover in soils contaminated with mine tailings in the Mine La Prieta, Hidalgo del Parral, Chihuahua, México. In spite of that, the greenhouse growth rates prediction of Atriplex canescens [Pursh] Nutt. was performed by nonlinear regression. Days from August 22nd, 2020 to March 20th, 2021, the heights measured were taken from 48 individuals pots studies. The measurement was taken in centimeters. Height records were made every fifteen days after the sprout, between the 33rd and 210th day. The record for the purposes of obtaining the data about the growth rates of Atriplex canescens [Pursh] Nutt. was created, and the collected data were fitted by an exponential equation. A pot experiment was carried out with four different soil treatments, according to the composition of the soil with the mine tailings percentage content, where was examined the height measurement in association with growth rate, using nonlinear regression. The objective of this study was to evaluate the growth rate of Atriplex canescens [Pursh] Nutt. based information on the greenhouse conditions, that presents four different compositions of soil, using nonlinear regression growth models. Fitting curves to data in seven different models to describe the growth model, was using a nonlinear regression model. The information criterion in the model selection, was possible for both two ways to assess goodness of fit for each nonlinear growth model. The Logistic, Von Bertalanffy, and Weibull nonlinear regression growth selection models, were the foremost fit as a result of the curve well fits was obtained, and produced an R-squared predicts value near 89%. However, the model selection using Akaike information criterion provides for the Gompertz, Exponential, and Verhults nonlinear regression growth selection models the conclusion that these models were preferred over the other nonlinear regression growth selection models. Despite, the data evidence shown such that the Gompertz, Exponential and Verhults nonlinear regression growth selection models, commonly overestimated the change that will occur in the growth rate in the predictors from the response factor for the data given and the data origin.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados