View
828
Download
4
Category
Preview:
Citation preview
1
INTRODUCCIÓN.
El departamento de Santander tiene tradición en la explotación caprina, Según Salazar,
2004 el departamento en la actualidad cuenta con más de 150.000 cabezas en promedio,
cifra que va en aumento debido al auge que se ha generado en esta especie. En los últimos
años la capricultura se ha convertido en una de las más importantes actividades del sector
pecuario para el departamento, donde el 10% de los apriscos son de producción intensiva,
lo cual generan grandes volúmenes de estiércol caprino (caprinaza), por esto el productor se
ha visto obligado a utilizar la caprinaza como abono orgánico en áreas muy reducidas,
generando a corto, mediano o largo plazo, posibles problemas de contaminación que
puedan convertirse en letales para las plantas, animales y el mismo hombre (Orozco, 1983;
Burbano, 1989).
En la actualidad el manejo de residuos orgánicos ha adquirido especial importancia,
principalmente para la producción de abonos orgánicos con el objetivo de suplementar y
mantener una renovación de los nutrientes que las plantas son capaces de obtener por sí
mismas (Simpson, 1991). El Instituto Colombiano Agropecuario (ICA) y el Instituto
Colombiano de Normas Técnicas y Certificación (INCONTEC), desarrollan la
reglamentación de productos para la industria agrícola, donde involucran materiales
orgánicos usados como fertilizantes y acondicionadores del suelo. Esta norma tiene por
objeto establecer los requisitos que deben cumplir y los ensayos a los cuales deben ser
2
Sometidos los productos orgánicos que sean comercializados en el país como fertilizantes o
como acondicionadores del suelo (Barreto, 2003). Uno de sus requisito dice “Todo
producto cuyo origen declarado sea materia orgánica fresca debe ser sometido a procesos
de transformación que asegure su estabilización agronómica tales como: compostaje o
fermentación” (Barreto, 2003).
La caprinaza es considerada como otro subproducto de la producción caprina, tiene una
aplicación potencial por su alto contenido de nitrógeno (2.38%), fósforo (0.57%) y potasio
(2.50%) (Centro de Desarrollo Sustentable Universidad Católica de Temuco (CDS), Centro
de Educación y Tecnología (CET), 1998).
Una alternativa para el manejo adecuado de la caprinaza es la compostación, donde se
ampara a la norma de materiales orgánicos usados como fertilizantes y acondicionadores
del suelo. Con este propósito se realizó el presente trabajo, con el fin de caracterizar los
parámetros físicos, químicos y biológicos involucrados en el proceso de compostaje de
caprinaza, que permitan demostrar la calidad de éste compost.
3
GLOSARIO.
ABONADO: adición al suelo agrícola de sustancias que aumentan la fertilidad y el
rendimiento de las cosechas. Los abonos pueden ser orgánicos o inorgánicos (abonos
minerales). El abonado representa la incorporación al suelo de las sustancias empleadas en
el crecimiento vegetal. un abonado armónico debe tener en cuenta la ley del mínimo, según
la cual el crecimiento viene limitado por el nutriente presente en menos concentración
(factor limitante). Por extensión el término abonado se cumple también para el aporte de
nutrientes a medios acuáticos.
ABONOS MINERALES DE SÍNTESIS: fertilizantes inorgánicos que se utilizan para
suministrar minerales a un suelo deficiente o para reponer las sustancias que las plantas
extraen del suelo. Los abonos minerales de síntesis principales incluyen uno o varios de los
elementos fundamentales para las plantas (nitrógeno, fósforo y potasio), en forma de sales
(fosfatos cálcico y amónico, sulfato y nitratos amónicos, cloruro y sulfato potásico, etc.).
AERÓBICO: que ocurre en presencia de oxígeno. Para que un compost funcione con
éxito, se debe suministrar suficiente oxígeno, que mantenga el sistema aeróbico, esto
asegura que la descomposición sea rápida y sin la producción de olores desagradables.
4
AGRICULTURA ORGÁNICA: agricultura que se práctica procurando respetar el medio
ambiente mediante el empleo de métodos de abonado natural, evitando el uso de pesticidas
y abonos de síntesis y que tiende al uso racional de los recursos naturales (agua, suelo y
patrimonio genético).
AIREACIÓN: voltear la pila de compost de tal manera que se ponga en contacto con el
aire y permita el metabolismo aeróbico de los microorganismos.
ANAERÓBICO: que ocurre en ausencia de oxígeno. la descomposición anaeróbica es
lenta y genera malos olores.
BACTERIA MESÓFILA: bacteria que descompone la materia orgánica a temperaturas
que oscilan entre 30C y 400 C.
BACTERIA TERMÓFILA: son las que degradan la materia orgánica bajo condiciones
calientes entre 400 C y 770 C. realizan la descomposición en un tiempo muy corto, debido a
su actuación rápida sobre la pila de compost.
BACTERIAS: microorganismos unicelulares procariotas, que se multiplican por división
simple. por su forma se clasifican en esféricas (cocos y micrococos), en bastoncillos
(bacilos) y en espirales (espirilos), muchas son heterótrofas, responsables de la putrefacción
de la materia orgánica y de las fermentaciones. otras son autótrofas fotosintéticas o
quimiosintéticas, pueden ser de vida libre, simbióticas o patógenas responsables de
enfermedades en el hombre y otros seres vivos.
5
BIODEGRADABLE: material orgánico complejo capaz de ser descompuesto por
microorganismos en compuestos químicos simples. Los productos finales del compost son
dióxido de carbono (CO2), agua, compuestos de amoníaco y sales minerales.
CAPACIDAD DE INTERCAMBIO CATIÓNICO (CIC): es la cantidad de cationes
retenidos por un suelo en forma intercambiable a un determinado ph, expresado en
miliequivalentes por 100 gramos de suelo, es una medida de las cargas negativas en los
suelos, principalmente en los coloides de arcillas y materia orgánica.
CAPRINAZA: constituida por los excrementos sólidos de los caprinos, usada como abono
orgánico de origen animal y aplicación en fresco.
CELULASA: proteína, de naturaleza enzimática que hidroliza la celulosa, convirtiéndola
en moléculas de glucosa.
CELULOSA: es un polisacárido, polímero de la glucosa, componente principal de las
paredes celulares de las células vegetales. Material básico de construcción de las fibras
vegetales
COMPACTACIÓN DEL SUELO: la compactación produce la destrucción de los
espacios porosos, por lo que disminuye la aireación del suelo. Esta se produce por el paso
de tractores, camiones, personas y ganado. sin embargo, son causas comunes de este
fenómeno, la utilización exagerada de agroquímicos y una pobre irrigación. Cuando un
suelo está sano, los procesos naturales suministran una buena aireación; principalmente
mediante la acción perforadora de las lombrices de tierra, que taladran túneles en el suelo.
6
COMPOST: es el producto higiénico y estabilizado del compostaje. se caracteriza por
contener nutrientes disponibles para las plantas; así como una baja concentración de ácidos
fitotóxicos.
COMPUESTOS INORGÁNICOS: compuestos químicos o combinaciones de los
elementos de la tabla periódica excepto los compuestos del carbono.
COMPUESTOS ORGÁNICOS: compuestos químicos o combinaciones del carbono con
los demás elementos de la tabla periódica, excepto el dióxido de carbono (CO2), el ácido
carbónico (H2CO3), los bicarbonatos (HCO3-) y carbonatos (CO3
2-), que se consideran
inorgánicos.
CONTENIDO DE HUMEDAD: mide el contenido de humedad en un tejido ó en el suelo.
se calcula en términos porcentuales mediante la siguiente expresión: peso fresco-peso seco/
peso seco x 100.
DENSIDAD APARENTE: se refiere al peso por unidad de volumen del suelo seco al
horno. El espacio poroso es parte del volumen medido en la densidad aparente, se expresa
en g/cm3. Los suelos livianos y porosos tienen baja densidad aparente; mientras que los
suelos pesados o compactos tendrán altas densidades aparentes.
DEPRESIÓN DE NITRÓGENO: incorporación al suelo de materia orgánica con un alto
contenido de carbono, puede originar una deficiencia de nitrógeno para las plantas, ya que
estímula el crecimiento microbiano.
7
ENMIENDA: es un material que al ser añadido al suelo, lo mejora aportando o
balanceando los nutrientes, mejorando el ph o estimulando la presencia de
microorganismos.
ENZIMA: es un biocatalizador de naturaleza proteíca, facilita la descomposición de
moléculas orgánicas complejas en moléculas más simples.
ESTABILIDAD: es la permanencia en el tiempo del material compostado, lo que permite
su almacenamiento, para su aplicación al suelo sin causar problemas, ocasionados por la
descomposición incompleta de las moléculas biodegradables.
FENOL: es un hidrocarburo aromático, formado por un anillo bencénico y un grupo
hidrófilo; se encuentra presente en el alquitrán de la madera.
FERMENTACIÓN: degradación biológica de compuestos orgánicos a compuestos más
sencillos, generalmente en ausencia de oxígeno, como la fermentación alcohólica, láctica o
acética. La mayoría de las fermentaciones las realizan los microorganismos, pero las células
de organismos superiores pueden fermentar compuestos durante períodos cortos de tiempo,
glucosa en láctico por vía fermentativa
FERTILIZANTES: son compuestos químicos que suministran al suelo los nutrientes
extraídos por las plantas. La fertilización tiene como finalidad incrementar los rendimientos
y mejorar las condiciones nutritivas de las plantas, al aumentar las reservas de nutrientes ya
existentes en el suelo.
8
GALLINAZA: abono orgánico de origen animal, constituido por los excrementos sólidos
de aves.
INORGÁNICO: sustancia mineral. Un compuesto químico carente de átomos de carbono.
LIXIVIADO: extracción de sustancias solubles de un material sólido, por agua que circula
sobre él o a través de él. Este mecanismo produce en determinados casos la contaminación
de los suelos o aguas subterráneas.
LOMBRICOMPOST: criadero de lombrices de tierra que consumen los residuos
orgánicos, los digieren y lo transforman en un humus; además de acelerar la
descomposición, ayudan a la aireación y mezclan los materiales de la pila. La lombriz roja
de californiana (Eisenia foetida) es recomendable para elaborar el lobricompuesto.
LOMBRICOMPUESTO: es material que queda en los criaderos de lombrices, después
que se efectúa la descomposición; este presenta una apariencia oscura, suave, porosa y es
inodoro, salvo por un suave aroma a tierra húmeda del bosque.
LOMBRICULTURA: es el cultivo de la lombriz, con el propósito de producir abono y
proteínas.
MACRO NUTRIENTES: nutrientes que requieren las plantas en altas dosis. entre estos
están: C, H, N, O, Ca, Mg, S, P y k.
9
MACROORGANISMO: organismo vivo que habita en el suelo y que puede ser
observado a simple vista, incluyen: arañas, lombrices de tierra, roedores, hormigas,
escarabajos, babosas, caracoles, etc.
MATERIA ORGÁNICA: literalmente se refiere a algún material derivado de plantas o
animales. Incluye cualquier cosa derivada de un organismo vivo o excretado por este.
METABOLISMO: es el conjunto de todas las reacciones bioquímicas que ocurren en una
célula o en un organismo. Incluyen las reacciones de síntesis (anabólicas) y de degradación
(catabólicas).
METALES PESADOS-METALES TRAZAS: las concentraciones de los elementos
trazas están reguladas, ya que son potencialmente tóxicos para los seres humanos, animales
y plantas, como por ejemplo: cromo, cobre, níquel, cadmio, plomo, mercurio y zinc.
METANO: hidrocarburo (CH4) explosivo a altas concentraciones, se forma por
descomposición anaeróbica de la materia orgánica, mediante la acción de bacterias
metanogénicas, como ocurre en los rellenos sanitarios. Los rellenos sanitarios deben tener
un sistema de ventilación que impida la acumulación de éste gas.
MICRONUTRIENTES: son los nutrientes requeridos por las plantas en pequeñas
cantidades. estos incluyen: B, Cu, Ni, Mo, Fe, Zn, Mn, Cl. son componentes de proteínas o
actúan como activadores de enzimas.
10
MICROORGANISMO: son plantas y animales microscópicos que habitan el suelo y
cumplen la función de descomponer la materia orgánica y liberar los minerales. Entre estos
están los hongos, bacterias, actinomicetes, algas, protozoarios, levaduras, nematodos, etc.
MINERALIZAR:. es la transformación de la materia orgánica mediante la acción de
microorganismos aeróbicos y la liberación de minerales, que son esenciales para el
crecimiento de la planta.
NITRATOS: ión NO3- y sus sales o sales del ácido nítrico, HNO3. son nutrientes
fácilmente asimilables por las plantas, por lo que son utilizadas como fertilizantes. Los
aportes de nitratos al mar y al agua de ríos y lagos favorecen el crecimiento de algas
(eutrofización).
NITRITO: ión NO2- y sus sales o sales del ácido nitroso, tienen aplicaciones industriales.
son sustancias tóxicas a partir de las cuales pueden formarse nitrosaminas, que son
cancerígenas.
NITRÓGENO AMONIACAL: nitrógeno combinado en forma de amoniaco (NH3) o
amonio (NH4+), el amoniaco y el amonio son gases que se producen de forma natural por
fermentaciones microbianas de productos nitrogenados, por ejemplo en la descomposición
de proteínas o urea.
NITRÓGENO KJELDAHL: cantidad de nitrógeno determinada por el método kjeldahl,
incluye el nitrógeno de compuestos orgánicos y el nitrógeno amoniacal.
11
NITRÓGENO: elemento químico del grupo V de la tabla periódica de número atómico 7 y
masa atómica 14.007. Su molécula diatómica es un gas químicamente inerte que constituye
el 80% en peso de la atmósfera. Es uno de los cinco macroelementos que se encuentran en
la materia orgánica. Es un componente esencial en los fertilizantes nitrogenados, hay que
destacar la capacidad de las plantas leguminosas de fijar el nitrógeno atmosférico gracias a
la simbiosis con bacterias del género Rhizobium. símbolo N
PATÓGENO: un microorganismo capaz de generar una enfermedad.
PERMEABILIDAD: es la propiedad de los suelos de permitir el paso o movimiento de
agua y de aire a través de todo el perfil. Los suelos arenosos son bien permeables.
pH: medida de la acidez o basicidad de una disolución. Se define como el menos logaritmo
de la concentración de iones de hidrógeno, expresada en moles por litro. La escala de pH
varía de 0 a 14. las soluciones neutras tienen un ph 7, las ácidas menor que 7 y las básicas o
alcalinas, mayor que 7. El ph es una magnitud importante en los ecosistemas acuáticos y
edáficos.
RELACIÓN C/N: es la cantidad de carbono con respecto al nitrógeno, esto es una relación
2:1 significa que hay dos veces más carbono que nitrógeno. Las bacterias como todos los
organismos vivos, requieren bastante carbono y menos nitrógeno. Asegurándoles materiales
orgánicos que suministren estos dos elementos en la proporción correcta, las bacterias
prosperan, crecen y se multiplican. por lo que pueden descomponer la pila de compost a
una mayor velocidad.
12
2. CARACTERISTICAS DEL COMPOSTAJE.
2.1. COMPOSTAJE.
El compostaje lo define Cegarra (1994) como la descomposición biológica oxidativa de los
constituyentes orgánicos de los materiales de desecho, que se produce en condiciones
controladas sobre sustratos orgánicos heterogéneos, en estado sólido. Para Munévar (1990)
es un proceso biológico aerobio controlado, que permite la degradación y estabilización de
la materia orgánica, donde se generan reacciones químicas , físicas y biológicas como
cambios de temperatura, humedad, pH, entre otros. En términos generales el Compostaje se
puede definir como una biotécnica donde es posible ejercer un control sobre los procesos de
biodegradación de la materia orgánica.
2.2. TIPOS DE RESIDUOS ORGÁNICOS PARA COMPOSTAR.
Los residuos orgánicos son todos aquellos que tienen su origen en los seres vivos, animales
o vegetales. Son de gran diversidad y se originan naturalmente durante el ciclo vital. Estos
son biodegradables, pueden transformarse industrialmente y ser utilizados como sustrato
para compostaje (Cegarra, 1994). Entre los residuos más adecuados se encuentran:
13
a. Residuos de la actividad agroindustrial. Provenientes de la industria cafetera,
azucarera o vinícola entre otros.
b. Residuos de la agricultura. Están integrados por restos de cosechas y cultivos
(tallos, fibras, cáscaras, bagazos, rastrojos, restos de podas, frutas, etc.), procedentes de
diversas especies cultivadas.
c. Residuos sólidos y líquidos urbanos. Hacen referencia a los generados por cualquier
actividad en los centros urbanos y en sus zonas de influencia (Cegarra, 1994, 1998).
d. Residuos de origen animal. Incluyen excrementos sólidos y semisólidos
(estiércoles) y líquidos purines. Los estiércoles y purines son los residuos que presentan
mayor interés por los grandes volúmenes que se alcanzan en producciones intensivas como
la porcicultura y la avicultura entre otros (Sztern y Pravia, 1999).
Sin embargo, no es conveniente compostar aisladamente cada uno de los residuos de los
grupos anteriores (Cegarra, 1994), siendo más apropiado elaborar mezclas con materiales
que tengan características complementarias (Farías, 1997).
2.3. PARÁMETROS DE CALIDAD DEL PROCESO DE COMPOSTAJE Y CRITERIOS
DE EVALUACIÓN DEL COMPOST.
El proceso de compostaje esta influenciado por las características del sustrato y por los
diferentes parámetros físicos, químicos y biológicos.
14
La calidad de un compost es usualmente determinado por parámetros químicos los cuales
dan una determinación exacta de cada sustancia y los parámetros biológicos los cuales
permiten evaluar la estabilidad del producto final (Soto, 2003).
2.3.1. Temperatura.
Se define como la unidad de calor y se expresa en ºC, ºF y/o ºK dada por un valor variable
en tiempo y espacio (Montenegro y Malagon, 1990). La temperatura del suelo tiene
importancia fundamental en relación con la actividad de los micro y meso-organismos, la
descomposición de la materia orgánica, la germinación de semillas (Pardo y Ortega, 1985).
Su elevación es consecuencia de la actividad biológica y durante el compostaje se pueden
diferenciar cuatro etapas en función de ella (Cegarra, 1994).
• Etapa mesofílica: es la primera fase y se caracteriza por la presencia de bacterias y
hongos (Jaramillo y Martínez, 2000), los rangos de temperatura van desde 37 a 43 ºC en
las primeras horas de digestión y en relación al tiempo esta etapa se considera corta
(Cegarra, 1998).
• Etapa termofílica: la temperatura va desde los 43 a los 70 ºC, normalmente en esta
etapa se eliminan todos los mesófilos, esporas, semillas y elementos biológicos indeseables
e inician la degradación los organismos termófilos (Farías, 1997; Jaramillo y Martínez,
2000). Para Cegarra (1994) en esta etapa los hongos termófilos desaparecen hacia los 60ºC,
desarrollándose en estas condiciones numerosas bacterias formadoras de esporas y también
actinomicetos. La variación de la temperatura observada en esta fase del proceso es un
15
indicador de la actividad bioquímica del sustrato en compostación (Paul y Clark, 1996),
donde se degradan ceras, proteínas, hemicelulosas y escasamente la lignina y celulosa
(Cegarra, 1994).
• Etapa de enfriamiento: la temperatura disminuye desde la máxima alcanzada durante
el proceso hasta llegar a la del ambiente. Los hongos termófilos que resistieron en las zonas
menos calientes de la pila inician la degradación de la celulosa (Cegarra, 1994, 1998)
Figura 1.Temperaturas en diferentes secciones de una pila de compost.
Ad
aptada de Atlas y Bartha, 2002.
30ºC
60ºC
40ºC
40ºC
60ºC
40ºC 50ºC
50ºC
1
1
2
0
0 2 2 1
Anchura (metros)
Altu
ra (
met
ros)
27ºc
30ºC
16
• Etapa de maduración: el periodo de maduración puede prolongarse meses, durante el
cual se va produciendo un enriquecimiento en sustancias húmicas en los compost (Cegarra,
1994). Una vez el producto presenta las características físicas, químicas y biológicas
apropiadas, el compost puede almacenarse hasta el momento de su utilización (Jaramillo y
Martínez, 2000).
2.3.2. Aireación.
El oxígeno es necesario para que se de un proceso de descomposición aeróbica, la actividad
de los microorganismos y para oxidar determinadas moléculas orgánicas del sustrato. En el
sistema de compostaje se incrementan los niveles de CO2 mientras que el oxigeno
disminuye; el consumo de éste está relacionado con la actividad microbiana de acuerdo a
los cambios de temperatura y humedad (Montenegro y Maldonado, 1990; Cegarra, 1994;
Farías, 1997).
2.3.3. Humedad.
Este parámetro está íntimamente ligado con la aireación. Su valor óptimo depende del
estado físico y tamaño de la partícula, así como del sistema de compostaje utilizado
(Cegarra, 1994, 1998).
El contenido de humedad es una variable que afecta la actividad microbial, provee un
medio de transporte requerido para disolver los nutrientes para las actividades metabólicas
y físicas de los microorganismos (Tiquia. et al., 2002). Si la humedad es demasiado baja, se
produce el secado rápido de la pila, generando una disminución en la actividad
microbiológica del proceso, lo que conduce a un producto físicamente estable pero
17
biológicamente inestable. Si la humedad es muy elevada, la aireación disminuye y el
proceso pasa a ser anaerobio generando malos olores (De Bertoldi. et al, 1982; Golueke. et
al, 1980; Tiquia. et al., 2002 ). El contenido de humedad ideal para el proceso está en el
rango de 50 – 70% (Cegarra, 1994; Farías, 1997).
El contenido de humedad debe indicarse para la comercialización del compost. No debe ser
superior al 40% (Cegarra, 1994).
2.3.4. Densidad.
Se refiere al peso por unidad de volumen de los sólidos del suelo sin tener en cuenta los
espacios porosos; esta comprende la composición mineral y el contenido de materia
orgánica (Jaramillo y Gómez, 1986; Montenegro y Malagon, 1990).
2.3.5. Capacidad de retención de agua (CRA).
Es la cantidad de agua necesaria para llenar todos los espacios de los poros entre las
partículas del suelo. Es decir, el límite superior del contenido de humedad. La CRA influye
en varias de las propiedades físicas (densidad aparente, color, humedad etc.) (Jaramillo y
Gómez, 1986).
2.3.6. pH.
El compostaje se puede desarrollar en un amplio rango de pH 3.0 – 11.0 (Munévar, 1990;
Cegarra, 1994,1998), se considera como rango óptimo los valores entre 5.0 y 8.0 (Farías,
1997; Cegarra, 1994,1998; Uribe et al, 2001). Las bacterias prefieren un medio casi neutro,
18
mientras que los hongos se desarrollan mejor en medios ligeramente ácidos (Brock and
Masigan, 1993; Cegarra, 1994, 1998).
Generalmente el pH decrece al principio por la producción de ácidos orgánicos de cadena
corta y lentamente va incrementándose posteriormente, debido a la degradación de las
proteínas y la liberación del amoniaco de los aminoácidos (Cegarra, 1998; Jaramillo y
Martínez, 2000).
El pH de una mezcla de compostaje, una vez iniciado es difícilmente alterable, aunque es
posible ajustar valores iniciales combinando sustratos en proporción a mezcla (Farías,
1997; Cegarra, 1994).
Cegarra (1994) da como ejemplo el uso de las deyecciones de aves bien sea pollinaza o
gallinaza (residuos muy ricos en nitrógeno amoniacal), elaborando mezclas apropiadas con
otros productos que contribuyan a bajar el pH de las mezclas, porque si éste es alto en las
fases iniciales y también la temperatura, puede haber pérdidas de nitrógeno por
volatilización del amoníaco (Cegarra, 1998). Este parámetro para un compost, se encuentra
entre 6,5 y 8,0 con el crecimiento de la mayoría de cultivos (Cegarra, 1994).
2.3.7. Relación carbono/nitrógeno (C/N).
La relación carbono nitrógeno, es un factor importante dentro del proceso, por la necesidad
de carbono por parte de los microorganismos como fuente de energía y el nitrógeno es un
factor importante como elemento básico en la formación de proteínas y otros
constituyentes del protoplasma celular (Ferrer, Páez y Chirinos, 1994).
Una relación C/N 25 – 35 es la óptima para el inicio del proceso, valores superiores en C/N
disminuyen la actividad microbiológica, por que el material a compostar es poco
19
biodegradable presentando mayor demora del proceso. Para los valores bajos esta relación
no afecta el proceso, pero si la conservación de los nutrientes debido al poco carbono
disponible para los microorganismos, incrementándose las pérdidas de nitrógeno por
volatilización de amoníaco por la falta de estructuras de carbono que permiten retener el
nitrógeno (Farías, Ballesteros y Bendeck 1999; Cegarra, 1998; Uribe et al, 2001; Soto
2003). En el caso de la gallinaza, especialmente, se ha visto que en la primera semana se
puede perder por volatilización hasta el 85% del amonio, si el manejo y la mezcla no son
las adecuadas (Hansen, et al. 1993).
Valores de 20 o menos cuando los valores iniciales fueron de 30 o más, se consideran
aceptables en el compost y pueden interpretarse como indicadores de suficiente estabilidad
(Cegarra, 1994). La relación ideal de C/N esta alrededor de 10, sin embargo, la
disponibilidad del C en esta relación depende del tipo de compuesto en que predomine el
carbono, como lignina, polisacáridos, lo cual determina la resistencia a la descomposición y
por lo tanto la disponibilidad de nitrógeno (Soto, 2003).
2.3.8. Capacidad de intercambio Catiónico (CIC).
Es la medida de la capacidad que posee un suelo de adsorber cationes y es equivalente a la
carga negativa del suelo. Esta propiedad es la que define la cantidad de sitios disponibles
para almacenar los cationes en el suelo (Jaramillo 2002). Burbano (1989) reporta que la
capacidad de intercambio catiónico se asocia con la variación en el estado del sustrato y
también es un índice relacionado directamente con la fertilidad.
Los cationes más importantes en los procesos de intercambio catiónico, por las cantidades
de ellos que participan en dichos procesos, son Ca2+, Mg2
+, K+ y Na+.
20
2.3.9. Contenido y calidad de la materia orgánica (MO).
Para Cegarra (1994) estas características son probablemente las que definen la calidad del
compost, ya que estos materiales son considerados más como fuente de MO que de
minerales. El porcentaje de MO varía mucho en los diferentes compost y depende de las
materias primas empleados para su elaboración.
Meléndez (2003) considera a la materia orgánica (MO) como un grupo de compuestos
heterogéneos con base de carbono, que están formados por la acumulación de materiales de
origen animal y vegetal parcial o completamente descompuestos en continuo estado de
descomposición, de sustancias sintetizadas microbiológicamente y/o químicamente, del
conjunto de microorganismos vivos y muertos y de animales pequeños que aún faltan
descomponer.
2.3.10. Microorganismos en el proceso de compostaje.
Los organismos presentes durante el proceso de compostaje varían dependiendo de los
sustratos y las condiciones del proceso.
Los cambios en las poblaciones de microorganismos presentes en los sustratos se deben a
las transformaciones químicas sufridas por los materiales así como a los cambios en
temperatura producto de la actividad exotérmica (Paul y Clark, 1996). Mientras una
población inicia su crecimiento otra está en su máximo de desarrollo o esta decreciendo, de
esta forma se complementan las actividades de los diferente grupos (Instituto de Estudios
de Administración Local, 1976).
21
• Bacterias. Son los microorganismos mas abundantes en el proceso, pueden ser
aerobios, anaerobios o facultativos (Delgado 1997). En la degradación de compuestos
orgánicos, los géneros de interés son: Bacillus, Pseudomonas, Azotobacter, Azospirillum,
Nitrosomas, Clostridium, Lactobacillus y Rihizobium entre otros (Brock & Masigan, 1993;
Delgado, 1997, Soto 2003).
Actinomicetos. Son microorganismos con características similares a los hongos y bacterias
(Brock & Masigan, 1993). Degradan desde azucares simples, proteínas, ácidos orgánicos,
hasta sustratos muy complejos, compuestos por hemicelulosa, ligninas y parafinas
(Cegarra, 1994; Burbano, 1989). Entre los géneros más importantes están: Streptomyces,
Nocardia, Anthrobacter (Burbano, 1989).
• Hongos y levaduras. Son importantes degradadores del sustrato en medios con pH
ligeramente ácido, altos niveles de oxigeno, en bajos niveles de humedad la capacidad de
catalizar cambios químicos es pobre, pero si la humedad del medio es óptima favorece el
numero fungal. En relación con la temperatura la mayor parte de los hongos son mesofílico
y muy pocos son termofílicos (Burbano, 1989).
• Protozoos. Digieren partículas de materia orgánica no soluble, transformándola en
soluble. Además, controlan poblaciones de microorganismos en el suelo, ya que se
alimentan de bacterias y de algas Burbano, 1989; Pritchett, 1991.
Las condiciones ambientales más adecuadas para su desarrollo, según Burbano 1989 son:
22
• Humedad: Requieren suelo húmedo a saturado.
• Temperatura: Próxima a los 30ºC.
• pH: Entre 3.5 y 9.7, con un rango óptimo comprendido entre 6 y 8.
• La adición de materia orgánica fresca incrementa sus poblaciones.
• Nemátodos. Son los animales pluricelulares más pequeños del suelo. Por su tamaño,
durante sus desplazamientos, no alcanzan a generar en él mayores disturbios.
Los nemátodos tienen un importante efecto sobre la descomposición de la materia orgánica
del suelo y sobre los ciclos de los nutrientes en el mismo, aunque también hay una buena
cantidad de ellos que son parásitos y predadores de animales, así como fitopatógenos.
Madrigal y Duque 1972citan algunos trabajos en los cuales se estableció que temperaturas
mayores de 40ºC causaban la muerte a la mayoría de estos animales y que la temperatura
óptima estaba entre 30 y 37ºC y el pH entre 4 y 8.
2.3.11. Pruebas de fitotoxicidad.
La fitotoxicidad de los compost puede evaluarse a través de la germinación de semilla o,
elongación de raíces o el crecimiento de plantas en compost solos o en mezcla con el suelo.
(Morel et al., 1985; Juste et al, 1987). Para Soto (2003) la prueba de germinación presenta
desventajas por la diferente susceptibilidad de las semillas utilizadas a varias fitotoxinas.
Los ensayos biológicos dan una idea de la estabilidad del compost, con el objetivo de
detectar la presencia de metabolitos con potencialidad fitotóxica, los que se producen
23
principalmente en las primeras etapas del compostaje y que según la perfección del
proceso, permanecen en mayor o menor concentración en el producto final (Cegarra, 1994).
Tabla 1. Nivel de toxicidad de un abono orgánico de acuerdo al porcentaje de germinación.
Tasa de germinación. Nivel de toxicidad. 85-100% No toxico 70-85% Moderadamente toxico 50-70% Toxico <50% Muy toxico
Fuente: Laboratorio de Microbiología Agrícola Centro de Investigaciones Agronómicas (Uribe, 2003).
2.3.12. El compost.
El compost es el producto estabilizado e higienizado obtenido del compostaje de materia
fresca que muestra características beneficiosas para la fertilidad del suelo y crecimiento de
las plantas (Cegarra, 1994).
Tabla 2. Análisis de diferentes estiércoles compostados.
Residuos. Variable.
Estiércol Bovino. Estiércol ovino. Gallinaza.
Relación C/N 16 15 11 pH. 7.3 7.7 6.7
MO % 35 33 33 Nitrógeno % 1.7 1.8 1.9
Calcio. % 2.5 2.1 3.4 Magnesio. % 0.98 0.98 1.2 Potasio. % 1.3 .9 0.7
24
Fósforo. % 0.87 1 1.2 Días de compostaje 80 80-85 80 Fuente. Miguel Angel Pravia 1999.
25
3. MATERIALES Y METODOLOGÍA.
3.1. LOCALIZACIÓN.
La parte experimental relacionada con el compostaje se realizó en la facultad de ciencias
agrarias de la universidad de Antioquia, ubicada la ciudad de Medellín, con
posicionamiento global en las coordenadas 6º 16’ latitud norte, 75º 35’ longitud oeste, a
una altura sobre el nivel del mar de 1550 mt.
Los análisis de laboratorio para determinar la caracterización física, química y biológica se
realizaron en el Laboratorio integrado de nutrición animal, bioquímica y de pastos y
forrajes de la Facultad de Ciencias Agrarias, Universidad de Antioquia.
3.2.MATERIA PRIMA.
La caprinaza empleada en el proceso de compostaje fue adquirida del aprisco la Peña
ubicado en el municipio de Villanueva (Santander). Este aprisco cuenta con un área de
1200 hectáreas, con una oferta forrajera a base de cují (Prosopis juliflora), mataratón
(Glieriridia sepium), espino gallinero (Pithecellobium dulce), bejuco de chivo (Centrosema
pubescens), brasil (Heamotoxylum brasileto), cacho de cabra (Popomax totuosa),
mosquero (Croton leptostachyus), yuco (Cnidoscolus aconitifolius), espino blanco o uña de
cabra (Acacia farnesiana), entre otras.
26
El número de animales es de 1500 aproximadamente, siendo un sistema de explotación
extensiva, donde estos duermen en un campamento base. La gallinaza fue provista de la
hacienda La Montaña de la Universidad de Antioquia ubicada en el municipio de San Pedro
de los Milagros (Antioquia).
3.3. DISEÑO EXPERIMENTAL.
3.3.1. Proceso de compostaje
El proceso de compostaje se llevó a cabo en condiciones aeróbicas, presentando dos
tratamientos llamados: CAP100 que contiene Caprinaza 100% (Compostaje directo),
CAP75 es la mezcla de Caprinaza 75% + gallinaza de jaula 25% en relación V:V
(Compostaje directo), el primero con ocho repeticiones y el segundo con cuatro
replicaciones (Figura 2) en pilas de madera con una altura aproximada de 1 metro y una
base cuadrada de 1.5 x 1.5 m, según el método de la pila de Indore (Seymur, 1980).
3.3.2. Muestreo.
El muestreo se llevó a cabo tomando siete porciones de aproximadamente 150 g de cada
pila en distintos sitios y profundidades; las cuales se mezclaron para obtener una muestra
representativa, con un peso cerca de 1 Kg. Las muestras se colectaron durante las semanas
1, 2, 3, 4, 5, 6, 7, 9, 11 y 13. Para poder definir los tiempos de madurez y calidad del
producto final.
27
Figura 2. Montaje y distribución de los tratamientos.
3.3.3. Tratamiento de la muestra en el laboratorio.
La muestra se homogeneizó y se dividió en cuatro fracciones, posteriormente se
escogieron dos de estas y se volvió a mezclar, nuevamente se dividió en cuatro partes y se
tomaron de ésta ultima división dos fracciones con un peso aproximado de 250g, las cuales
fueron llevadas a bandejas de aluminio, donde se colocaron en la estufa de ventilación
forzada durante veinticuatro horas a 105 ºC, una vez seca la muestra esta se pulverizó con
un rodillo y se tamizó usando malla de 2 mm desechando todo material de tamaño superior.
Cada muestra se almacenó en bolsas plásticas de 250 cm.3 debidamente marcadas. A partir
de esta se tomaron las correspondientes submuestras para cada uno de los análisis químicos
y físicos.
La otra mitad de la muestra cuarteada fue usada para los respectivos análisis biológicos y se
empacó en bolsa de plástico con sello hermético debidamente marcada y se conservaron a 4
ºC.
CAP100 CAP75 CAP100
CAP75 CAP100 CAP75 CAP75
CAP100 CAP100 CAP100 CAP100
CAP100
28
3.4. DETERMINACIÓN DE LA VARIABLES FISICOQUÍMICAS.
3.4.1. Control de temperatura.
Se midieron los cambios de temperatura semanalmente. Cada lectura correspondió al
promedio de siete medidas hechas en lugares diferentes de la pila (Farías, 1997). La
medición se realizó con un termómetro con aproximación de ± 1 ºC.
3.4.2. Humedad.
Se determinó por secado de 2 g de la muestra a 105 ºC en balanza desecadora infrarrojo.
(Manual precisa m300).
3.4.3. Medición del pH.
La medición del pH se realizó con un potenciómetro utilizando una relación 1:5 suelo:agua
destilada, en volumen, con un tiempo de estabilización de aproximadamente de tres
minutos (Jackson 1958; Jaramillo 2002).
3.4.4. Determinación del contenido de Nitrógeno.
Se efectuó por el método de Kjendahl; pesando 0.5000g de la muestra (Bremner y
Mulvaneg 1982).
29
3.4.5. Carbono orgánico por el método de Walkley and Black.
Por oxidación de 0.1000g de muestra tamizada por tamiz de 0.5 mm con 10 ml de K2Cr2O7
1N y 20 ml de H2SO4 G.T y posterior titulación con solución 0.5 N de sulfato ferroso
usando ortofenantrolina como indicador (Peech et al., 1947; Walkley y Black, 1934).
3.4.6. Capacidad de intercambio catiónico.
Método de Acetato de amonio, se tomaron 0.5000g de muestra mas 50 ml de solución de
acetato de amonio para hacer intercambio catiónico y finalmente se tituló con hidróxido de
sodio 0,1N usando fenoltaleína 0.1% como indicador (Grant, 1982; Jaramillo, 2002).
3.4.7. Cenizas.
Se cuantificaron por pérdida de peso, después de calcinación a 550 ºC, durante cuatro horas
(Barreto, 2003).
3.4.8. Materia Orgánica.
El porcentaje de materia orgánica es el resultado de la diferencia entre 100% y el porcentaje
de cenizas obtenido (Walkley and Black, 1934).
3.4.9. Densidad.
El método se basa en la determinación de la masa por volumen de un material luego de que
se ha depositado libremente en un recipiente de volumen conocido (Barreto, 2003).
30
3.4.10. Capacidad de retención de agua CRA.
El principio del método es reemplazar todos los espacios de los poros entre las partículas
del suelo con la cantidad de agua necesaria
Se expresa teniendo en cuenta la siguiente relación: % Saturación = A ( 100 + Pw)+Pw \ Pm donde, A =Volumen de agua a punto de saturación. Pm= peso de la muestra Pw= contenido de humedad (Barreto, 2003).
3.5. ANÁLISIS DE LAS VARIABLES BIOLÓGICAS.
3.5.1. Recuento total de microorganismos mesófilos facultativos
Método estándar de recuento en placa por siembra en profundidad (Brock & Masigan,
1993).
3.5.2. Recuento total de hongos y levaduras.
Método estándar de recuento en placa por siembra en profundidad (Parkkinson, 1982).
31
3.5.3. Determinación de presencia o ausencia de nemátodos y protozoos zoosanitarios.
Sobre una placa de vidrio se coloca una pequeña cantidad de la solución de la muestra en
agua peptonada y se lleva al microscopio para detectar la posible presencia de nemátodos o
protozoos de importancia zoosanitaria (Barreto, 2003).
3.6. EVALUACIÓN DEL PRODUCTO FINAL.
Con el fin de caracterizar el sustrato y los productos finales de compostaje se realizaron a
los tratamientos los siguientes análisis.
3.6.1. Análisis de la fracción disponible.
Se enviaron las muestras al laboratorio de suelos de la Universidad Nacional de Colombia
Sede Medellín, donde determinaron la fracción disponible de sodio (K), calcio (Ca),
magnesio (Mg) y fósforo (P).
3.6.2. Contenidos totales.
Humedad, Carbono orgánico, Materia orgánica, pH, Cenizas, Densidad, Capacidad de
Retención de Agua (CRA), Capacidad de Intercambio Catiónico (CIC).
3.6.3. Análisis microbiológicos.
Recuento total de: mesófilos facultativos, mohos, levaduras, Protozoos, nemátodos
zoosanitarios (presencia ó ausencia).
32
3.6.4. Prueba de fitotoxicidad.
El ensayo de fitotoxicidad se realizó con semillas de rábano (Raphanus sativus), que se
colocaron sobre algodón en cajas de petri con solución 1:10 sustrato/agua destilada y se
incubaron a 27 ºC durante 48 horas (Ramos, 2000), el resultado expresado es el promedio
de tres repeticiones por tratamiento.
33
4. ANÁLISIS ESTADÍSTICO.
En el presente estudió se empleó un diseño de clasificación experimental en bloques
aleatoriozados en el tiempo, donde se aplico la técnica MANOVA (Análisis Multivariado
de la Varianza) con el fin de establecer la dimensionalidad en la cual se compararon los
efectos promedios de los tratamientos.
Mediante la técnica de comparación de Tukey al 5% se comparó la dinámica de los
tratamientos en una dimensión.
Adicionalmente se utilizó la técnica de correlación de Spearman para determinar las
relaciones bivariadas entre las variables temperatura, humedad, capacidad de retención de
agua, densidad, cenizas, pH, nitrógeno, carbono orgánico, materia orgánica, capacidad de
intercambio Catiónico, unidades formadoras de colonias y unidades formadoras de talos por
tratamiento, complementado por el análisis de componentes principales.
Finalmente se aplicó un análisis descriptivo por tratamiento, teniendo en cuenta las
diferencia entre fechas, donde se hallaron los promedios, desviación típica y el coeficiente
de variación.
34
5. RESULTADOS.
5.1. VARIABLES FISICOQUÍMICAS.
5.1.2. Temperatura.
La variable al inicio del bioensayo registró un promedio de 43ºC ± 2.74 para CAP100 y de
41ºC ± 1.31 para CAP75 presentando homogeneidad en las distintas replicaciones para
ambos tratamientos. Este registró elevado en la temperatura inicial del sustrato se genero a
causas de que la caprinaza debió ser transportada desde el aprisco La Peña en Villanueva
Santander a la ciudad de Medellín en un recorrido que duro más de 15 horas, debido a esto
se perdió el monitoreo en la etapa mesófila. Los registros de temperatura máxima se
observaron en la semana 7 con un promedio de 42ºC ±1.01 44ºC ± 2.08ºC para CAP75
luego la temperatura descendió moderadamente hasta la semana 13 donde el promedio para
CAP100 fue de 35ºC ± 1.05 y para CAP75 de 36ºC ± 1.55.
5.1.3. pH.
Al evaluar la variable pH al inicio se reportó un promedio de 8.37± 0.27, en CAP100
presentando homogeneidad en las distintas repeticiones para ambos tratamientos. Anotando
que el segundo promedio para CAP75 fue de 8.65± 0.12. Ambos tratamientos se encuentran
dentro del rango óptimo para el inicio del compostaje (Farías, 1997; Cegarra, 1994,1998;
Uribe et al., 2001).
35
En la semana 2 se presenta un leve aumento para ambos tratamientos, pero se observa
mayor homogeneidad en la semana 3 la variable decreció para ambos tratamientos donde el
coeficiente de variación C.V presenta un ligero aumento en el comportamiento de los
tratamientos.
En general se aprecia que el pH a lo largo del tiempo fluctúa entre 8.00 y 8.60
aproximadamente, conservándose la estabilidad en su dinámica.
5.1.4. Nitrógeno.
Al iniciar el bioensayo el porcentaje de N presentó valores alrededor de 1.6% para ambos
tratamientos, siendo más heterogéneos en CAP100 que en CAP75.
Al evaluar la semana 2 se encontró que CAP100 tuvo un detrimento notable aumentando su
heterogeneidad, mientras CAP75 tuvo similar comportamiento en su efecto promedio, sin
embargo aumento su heterogeneidad. Para la semana 3 ambos tratamientos presentaron los
mayores niveles promedio por encima de 2% y una gran homogeneidad. A partir de la
semana 4 decae lentamente tendiendo a estabilizarse decayendo al final para ambos
tratamientos.
Se destaca que al final del ciclo los niveles expresados en ambos tratamientos, presentan
niveles superiores que en las fechas iniciales siendo superior CAP100 con 1.86 ±0.13%.
5.1.5. Carbono orgánico CO.
Es una variable de control de calidad. Su valor inicial debe ser significativamente alto
(FENAVI, FONAV, 2000). Para el inicio de este bioensayo se registraron los porcentajes
36
de CO para CAP100 58.16 ± 4.84 CAP75 53.85 ± 2.93 siendo homogéneo para ambos
tratamientos, estos valores se encuentran en el óptimo para el inicio del proceso.
Para la semana 2 el CO presenta un declive acercándose a un 20% en ambos tratamientos y
a la vez se observa heterogeneidad en las distintas replicaciones evaluadas.
En la semana 3 y 4 se presenta un ligero aumento homogenizándose el material.
Al final del ciclo los niveles de CO cayeron de una manera notable, volviendo a alcanzar el
nivel óptimo.
En la Figura 3 se puede apreciar que CAP100 presenta tendencias promedio más altas con
respecto a CAP75.
Figura 3. Porcentaje de carbono orgánico.
0
10
20
30
40
50
60
CO
%.
1 2 3 4 5 6 7 9 11 13Tiem po e n Se m anas.
Ca prinaza 25 Ga llinaza / 75 Caprinaza
37
5.1.6. Capacidad de intercambio catiónico CIC.
La evaluación de la variable CIC al inicio del bioensayo registrándose para CAP100 92.12
± 19.29 meq/100g y CAP75 100.50 ± 24.44 meq/100g siendo heterogéneo para ambos
tratamientos.
En la semana 2 la CIC en CAP100 se mantiene estable pero en CAP75 disminuyo a 77 ±
16.63 meq/100g. En las siguientes 3 semanas la variable aumentó llegando a su valor
máximo en la semana 6 para CAP100 y para CAP75 en la semana 7, se inicia un ligero
declive en CAP100 que se puede apreciar en la figura 4.
Al evaluarse la semana 13 se manifestó un ligero incremento en ambos tratamientos siendo
igual valor para ambos tratamientos, CAP100 112,5± 22 meq/100g y CAP75 112.5 ± 45.90
meq/100g con heterogeneidad en ambos tratamientos. Siendo este registró superior a lo
mínimo exigido de 30 meq/100g por la norma técnica Colombia de materiales orgánicos
usados como fertilizantes y acondicionadores del suelo (Barreto, 2003).
5.1.7. Materia Orgánica MO.
El porcentaje de MO varia en las diferentes materias a usar para un compost (Cegarra,
1994), al iniciar el ensayo se registró para CAP100 62.25 ± 5.05% y CAP75 69.87 ± 1.11%
presentando homogeneidad en los dos tratamientos.
En la semana 3 CAP75 presenta un declive notorio con respecto a CAP100, iniciando un
leve aumento en las siguientes 4 semanas, pero el día 70 se registra los mínimos de MO en
ambos tratamientos continuando con la homogeneidad, entre la semana 11 y 13 se
38
incrementa el porcentaje de MO en ambos tratamientos, registrándose para CAP100 56.57
± 6.86% y CAP75 51.75 ± 2. 56% siendo un contenido de MO ideal de un compost
(Cegarra, 1994).
Figura 4. Capacidad de intercambio catiónico CIC.
0
20
40
60
80
100
120
140
160
CIC
meq
/100
g.
1 2 3 4 5 6 7 9 11 13Tiem po e n Se m anas.
Caprinaza 25 Gallina za / 75 Caprina za
5.1.8. Cenizas.
El porcentaje de cenizas para la semana 1 se reporta para CAP100 34.75 ± 5.05% y CAP75
30,12 ± 1.11% siendo homogéneo para ambos casos. El comportamiento cinético de la
variable cenizas debe incrementarse a medida que transcurre el proceso (FENAVI, FONAV
2000; Acevedo., et al. 2003) para el día 14 el porcentaje de cenizas se incrementa para el
CAP75, para el día 21 se nivelan y se observa un leve descenso. Para el día 70 se reportan
39
los niveles más altos CAP100 52.63 ± 4.55% y CAP75 51.95 ± 2.34%, registrando un leve
descenso en el porcentaje de cenizas al final del ensayo, CAP100 43.38 ± 6.85% y CAP75
48.25 ± 2.59%. Observándose mayor homogeneidad en CAP75
5.1.9. Humedad.
La variable de humedad reporto para CAP100 32.9 ± 4.12% y CAP75 46.81 ± 7.16% para
la semana 1, para el inicio y una correcta marcha del compostaje se aconseja un rango entre
50 y 60% humedad (Cegarra, 1994) para llegar a este valor se agregó agua al bioensayo
para lograr el óptimo.
A lo largo del proceso la variable se mantuvo en un rango entre 40 a 60% registrándose al
punto más alto en la semana 7 para CAP100 58.65 ± 2.22% y CAP75 59.89 ± 5.26%, el
porcentaje de humedad registrado al final del ensayo fue para CAP100 46.88 ± 5.26 y
CAP75 44.17 ± 3.05% siendo homogénea la muestra a lo largo del ciclo para ambos
tratamientos.
El tratamiento CAP75 registró los niveles más altos de humedad con una ligera diferencia
solo para la semana 13 CAP100 fue superior.
5.1.10. Densidad.
En la semana 1 la densidad registrada fue para CAP100 0.37 ± 0.05 g/cc. y CAP75 0.39 ±
0.05 g/cc., a lo largo del proceso la variable densidad presenta un ligero aumento a lo largo
del proceso salvo la semana 2 donde se registró el mínimo para ambos tratamientos siendo
superior CAP100 en todos los eventos, para la semana 13 se reportan densidades de 0.45
40
±.05 g/cc. en CAP100 y 0.43 ± 0.02 g/cc. para CAP75, presentando la muestra
homogeneidad a lo largo del ciclo.
5.1.11. Capacidad de Retención de Agua CRA.
Al evaluar la variable CRA al inicio de bioensayo se reportó que en CAP100 95.75 ±5.39
% mientras que para CAP75 fue de 97.75± 9.05 siendo este más homogéneo.
En general la variable presenta una curva ascendente donde CAP100 tiende a estabilizarse
y es superior a CAP75. Al final de ensayo se registran los siguientes valores para cada
tratamiento. CAP100 151.22 ± 3.48% y CAP75 131 ± 2.51% manifestándose
homogeneidad en las distintas replicaciones de ambos tratamientos. En la Figura 5 se puede
observar la dinámica de la CRA.
5.1.12. Relación Carbono/Nitrógeno C/N.
La variable C/N el día 1 registró para CAP100 36.74 ± 4.20 y CAP75 34.05 ± 1.94
presentando homogeneidad en las distintas muestras ambos tratamientos. Los valores
iniciales elevados en la relación C/N son propicios para los ciclos vitales de los
microorganismos (DE Bertoldi, 1982).
A lo largo del ensayo la variable descendió hasta la semana 3 posteriormente en las
siguientes dos semanas aumento levemente, CAP75 fue solo superior a CAP100 en la
semana 5.
Al final del ensayo se registran para CAP100 17.29 ± 1.85 y CAP75 16.66 ± 2.55
presentando homogeneidad para ambos tratamientos en el ensayo. Los valores de 20 o
41
menos, cuando los iniciales fueron de 30 o más, se consideran aceptables y puede
interpretarse como indicador de suficiente estabilidad del compost (Cegarra, 1994).
Figura 5. Capacidad de retención de agua CRA.
0
20
40
60
80
100
120
140
160
C RA %
1 2 3 4 5 6 7 9 11 13tiem po en sem anas
Cap acid ad d e R eten ció n de A g u a.
C R A C aprinaza C RA 25 G a llinaza / 75 Caprinaza
5.2. VARIABLES BIOLÓGICAS.
5.2.1. Unidades Formadoras de Colonias UFC.
Los cambios UFC se deben a las transformaciones químicas sufridas por los materiales así
como a los cambios en temperatura (Paul y Clark, 1996). En la semana 1 la variable UFC
42
registró los siguientes valores CAP100 129 ± 92.23 ×107 UFC/g y CAP75 132 ± 103.65
×107 UFC/g presentándose mayor heterogeneidad en ambos tratamientos.
En la semana 3 CAP75 registra el máximo y CAP100 lo registra en la semana 6 este
incremento es asociado al aumento de la temperatura que fueron igualmente los máximos
para cada tratamiento.
Al final las UFC para CAP100 fue de 154 ± 44.94×107 UFC/g y de 123 ± 49.60×107 UFC/g
para CAP75 sin presentar diferencias significativas.
5.2.2. Unidades Formadoras de Talos.
La UFT registradas al inicio en CAP100 13 ± 6.94 ×105 UFT/g y CAP75 15 ± 3.40×105
UFT/g manifestándose heterogeneidad en ambos tratamientos. Los hongos son importantes
degradadores del sustrato en medios con pH ligeramente ácido, (Burbano, 1989). Las UFT
fueron incrementándose con relación al tiempo y siendo inversamente al pH. Para la
semana 13 se reportó para el CAP100 48 ± 7.14 ×105 UFT/g y el CAP75 50 ± 8.13 ×105
UFT/g.
5.3. ANÁLISIS DE CORRELACIÓN DE SPEARMAN.
Al efectuar el análisis de correlación de Spearman los resultados se pueden apreciar en la
tabla 2 para el tratamiento CAP100 y en la tabla 3 para el tratamiento CAP75.
43
Tabla 3. Análisis de correlación para el tratamiento CAP100.
Análisis de Correlación para el Tratamiento CAP100. variables directas
altamente significativas. P< 0.01
variables inversas.
altamente significativas. P< 0.01
Carbono orgánico/Capacidad de intercambio catiónico pH/Nitrógeno
Carbono orgánico/Materia orgánica Carbono orgánico/Cenizas
Capacidad de intercambio catiónico/Materia orgánica Capacidad de intercambio catiónico /Cenizas
Humedad/Cenizas Materia orgánica/Cenizas
UFC/Capacidad de intercambio catiónico Humedad/Carbono orgánico
UFT/Cenizas Humedad/Capacidad de intercambio catiónico
Densidad/Cenizas UFT/Carbono orgánico
Capacidad de retención de agua/Temperatura UFT/pH
Materia orgánica/pH UFT/Materia orgánica
Capacidad de retención de agua/Carbono orgánico Densidad/Carbono orgánico
CRA/Capacidad de intercambio catiónico Densidad/Materia orgánica
Capacidad de retención de agua/Materia orgánica Densidad/Capacidad de intercambio catiónico
R C:N/pH Capacidad de retención de agua/Cenizas
R C:N/Carbono orgánico R C:N/Nitrógeno
R C:N/Capacidad de intercambio catiónico R C:N/Temperatura
R C:N/Materia orgánica
44
Tabla 4. Análisis De Correlación Para El Tratamiento CAP75.
Análisis De Correlación Para El Tratamiento CAP75.
Variables Directas
Altamente Significativas. P< 0.01
Variables inversas
Altamente Significativas. P< 0.01
pH/Carbono orgánico pH/Nitrógeno
pH/Materia orgánica pH/Cenizas
Nitrógeno/Cenizas Nitrógeno/Materia orgánica
Carbono orgánico/Capacidad de intercambio catiónico Carbono orgánico/Cenizas
Materia orgánica/Carbono orgánico Capacidad de intercambio catiónico/Cenizas
Temperatura/Humedad Materia orgánica/Cenizas
UFC/Nitrógeno Humedad/Carbono orgánico
UFC/Cenizas Humedad/Capacidad de intercambio catiónico
Densidad/Temperatura UFT/pH
Densidad/Cenizas UFT/Carbono orgánico
Capacidad de retención de agua/pH UFT/Capacidad de intercambio catiónico
Capacidad de retención de agua/Carbono orgánico UFT/Materia orgánica
Capacidad de retención de agua/Capacidad de intercambio catiónico Densidad/Materia orgánica
R C:N/pH R C:N/Nitrógeno
R C:N/Carbono orgánico R C:N/Cenizas
R C:N/Capacidad de retención de agua
R C:N/materia orgánica
45
5.4. ANÁLISIS DE VARIANZA.
Al efectuar el análisis multivariado de la varianza, se encontró diferencia estadística entre
los tratamientos; para las variables pH, carbono orgánico, humedad, capacidad de retención
de agua, relación carbono/nitrógeno a favor del CAP100.
En la variable CIC se encontró diferencia estadística a favor de CAP75. Para las demás
variables no presentaron diferencia estadística.
5.5. ANÁLISIS DE COMPONENTES PRICIPALES POR TRATAMIENTOS.
5.5.1. Componentes principales para el tratamiento CAP100.
Para el tratamiento CAP100 se encontraron tres factores donde sobresalen:
• En el factor físico-químico prevalecen las variables cenizas, humedad, densidad y
UFT las cuales se relacionaron en forma inversa con el factor, mientras que el CO , la MO,
la relación C/N, la CRA y la CIC se relacionaron en forma directa.
• En el factor químico se destacó el nitrógeno el cual se relaciona en forma inversa
con el factor mientras que el pH se relacionó en forma directa.
Al observar los factores en el plano (Anexo A) se permite establecer que las variables
materia orgánica, Capacidad de intercambio catiónico , carbono orgánico, capacidad de
retención de agua, el pH , la temperatura y la relación C/N se relacionan formando un
46
grupo, las variables densidad, unidades formadoras de talos, cenizas y humedad, se están
relacionando formando otro grupo, la variable mas independiente es el nitrógeno el cual
muestra una tendencia a relacionarse con la humedad y la temperatura.
5.5.2. Componentes principales para el tratamiento CAP75.
Se establecieron 5 factores donde sobresalen los siguientes:
• En el factor físico-químico las variables materia orgánica, el pH, el carbono
orgánico y la relación C/N se relacionan en forma directa con el factor y el porcentaje de
cenizas se relaciona en forma inversa.
• El factor 2 se relaciona directamente con la temperatura, el nitrógeno y las unidades
formadoras de colonias, no se presentó relación inversa con las otras variables.
Al observar el plano factorial (Anexo A) del tratamiento CAP75 se constituyen tres grupos
conformados por las variables pH, capacidad de intercambio catiónico, capacidad de
retención de agua, carbono orgánico y materia orgánica que conforman el primer grupo, la
temperatura, las unidades formadoras de colonias, la humedad y el nitrógeno dan origen al
segundo grupo y hacen parte del grupo tres las variables densidad, cenizas y unidades
formadoras de talos.
5.5.3. VARIABLES CUALITATIVAS.
47
En el tratamiento CAP100 se encontró que en un 97.5% hubo ausencia de protozoos y solo
un 2.5% presencia, para los nematodos la presencia fue de el 1.25 de presencia y 98.75 de
ausencia, no se encontró relación entre nematodos y protozoos.
Para el tratamiento CAP75 la presencia de nematodos fue de50% y para los protozoos de
42.5%, tampoco se encontró relación entre nematodos y protozoos.
48
6. DISCUSIÓN DE RESULTADOS.
6.1. Temperatura.
La temperatura durante el proceso de compostaje se debe a la gran actividad microbiana en
la mineralización de los materiales orgánicos (Soto, 2003)
La temperatura para ambos tratamientos del bioensayo inicia en fase termofílica (43 ±
2.74ºC CAP100 y de 41 ± 1.31ºC CAP75), este evento se ocasionó a que la caprinaza fue
transportada desde el aprisco la Peña en Villanueva Santander a la ciudad de Medellín en
un recorrido que duro 15 horas. Las elevadas temperaturas alcanzadas, son consecuencia de
la relación superficie/volumen (Sztern y Pravia, 1999) que se presentó en el transporte y del
inicio de la actividad metabólica de los diferentes grupos fisiológicos participantes en el
proceso.
En la semana 2, la temperatura desciende ligeramente, este hecho se asocia por la perdida
de calor, debido a que la relación superficie/volumen aumenta al homogenizar las materias
primas en las composteras y se le agregó agua a cada tratamiento para mantener la
humedad adecuada del proceso.
Para la semana 4 el material se homogenizó e inició un aumento en la temperatura para
llegar al máximo y se mantiene para luego descender hasta estabilizarse.
A partir de la semana 6 hasta la 8 la temperatura registrada para ambos tratamientos se
mantuvo alrededor de los 42ºC, los reportes para la fase termofílica son de 40-75ºC para
varios autores (Cegarra, 1994; Sztern y Pravia, 1999.), si embargo el compostaje con
49
bioensayos de volumen pequeño se reportan una temperatura de 42ºC (Jaramillo y Martínez
, 2000),debido a que la generación de calor es proporcional al volumen de la muestra inicial
(Monroy, 1990).
Para ambos tratamientos la etapa de enfriamiento inició en la semana 11, Cegarra (1994)
reporta que esta etapa corresponde a una disminución de la temperatura por debajo de los
40ºC como se puede apreciar en la Figura 6.
En el tratamiento CAP100 la temperatura correlacionó significativamente con la CRA (r=
0.2282) y para el tratamiento CAP75 la temperatura correlaciona con la humedad (r=
0.3130) y la densidad (r= 0.4551), para las demás variables en ambos tratamientos la
correlación no fue significativa.
Figura 6. Dinámica de la temperatura.
32
34
36
38
40
42
44
Tem
pera
tura
(ºC
)
1 2 3 4 5 6 7 8 9 10 11 12 13T iem po en Sem anas
C aprinaza 25 G all inaza / 75 C aprinaza
50
6.2. Humedad.
El porcentaje de humedad al inicio del proceso para CAP100 fue de 32.90 ± 4.12%
mientras que CAP75 registró 46.81 ± 7.16%, Sztern y Pravia (1999) reportan contenidos
variables de humedad para los estiércoles de acuerdo a la dieta de los animales.
Con el fin de evitar proceso anaeróbicos y mantener las condiciones de humedad, se
realizaban volteos periódicos ya que según Soto (2003) la humedad durante el proceso de
compostaje tiende a disminuir, dependiendo de la frecuencia del volteo y las condiciones
climáticas. A lo largo del ensayo el porcentaje de humedad se mantuvo entre 40-60 %
similar al reportado por varios autores (Cegarra, 1994, 1998; Sztern y Pravia, 1999; Soto,
2003) entre 50-70% como valor óptimo de humedad.
El porcentaje final de humedad en CAP100 fue de 46.88 ± 5.26% y CAP75 registró 44.12
±3.05% estos valores se acercan más a los valores reportados por Cegarra (1994), Paul y
Clark (1996) quienes recomiendan que un compost comercialmente aceptable debe tener
un porcentaje de humedad entre 10-20 ó menor de 40%, caso contrario ocurre con lo
estimado por Barreto (2003) en el proyecto de la Norma Técnica Colombiana donde se
requiere que los abonos orgánicos contengan un 20% de humedad como máximo.
En el tratamiento CAP100 el porcentaje de Humedad correlacionó significativamente con
el porcentaje de cenizas (r= 0.3228), el porcentaje de carbono orgánico (r= -0.4044) y la
CIC (r= -0.2337), para el tratamiento CAP75 correlacionó significativamente con el
porcentaje de carbono orgánico (r= -0.3930) la CIC (r= -0.32579 , en ambos tratamientos
no se presentaron correlaciones significativas en las otras variables.
51
6.3. pH.
El pH fue medido en relación 1:5 (muestra/agua destilada) (Jackson, 1958; Jaramillo,
2002). En la semana 1 y 2 se registraron los valores mas altos de pH, siendo superior
CAP75, posiblemente se deba al proceso de amonificación en la gallinaza. El registró de
pH al inicio del bioensayo para CAP100 fue de 8.37± 0.27 siendo superior al reportado por
Loh et al.. (2004) de 7.02 ±0.01 al caracterizar la caprinaza como materia prima al inicio
de un vermicompost, mientras que para CAP75 el pH fue de 8.65± 0.12, igual al reportado
por Uribe et al., (2001) al inicio de un compostaje de gallinaza de jaula con aserrín en
proporción 1:1.
Normalmente en el proceso de compostaje se da una caída del pH en la fase inicial, debido
a la liberación de ácidos orgánicos de la materia orgánica (Soto, 2003). Efecto que se
observo a partir de la semana 3, pero a lo largo del ensayo el pH se mantuvo estable, con
leves descensos para CAP75 en las semanas 7 y 9 este efecto se puede apreciar en la Figura
7.
Según los resultados obtenidos al final del ensayo para CAP100 8.1 ±0.15 y para CAP75
fue de 8.2 ±0.27 los dos tratamientos alcanzaron la maduración, teniendo en cuenta que
Cegarra (1994) recomienda un pH entre 6.5-8.0 para un compost en su etapa final, mientras
que Uribe et al., (2001) consideran un pH de 8.1 a 8.5 al final del proceso indica la
estabilidad del mismo.
El pH se encuentra correlacionado significativamente el porcentaje de materia orgánica (r=
0.2266) y la relación C/N (r= 0.2295) para el tratamiento CPA100 y correlaciono
52
significativamente para el tratamiento CAP75 con el porcentaje de carbono orgánico (r=
0.3445), el porcentaje de materia orgánica (r= 0.4224) y el porcentaje de cenizas (r= -
0.3607).
Figura 7. Dinámica del pH.
7,4
7,6
7,8
8
8,2
8,4
8,6
8,8
9
pH.
1 2 3 4 5 6 7 9 11 13Tiem po e n Sem anas.
C aprinaza 25 G allinaza / 75 C aprinaza
6.4. Materia orgánica y ceniza.
El porcentaje de materia orgánica disminuye en ambos tratamientos a medida que
transcurre el tiempo de compostaje (Figura 8) disminución que se presentó en la semana 3,
siendo más notorio para CAP75, el cual se encontraba en la fase termófila y se esperaría un
rápido proceso de transformación por parte de los microorganismos que utilizan la MO
53
como fuente de energía. El proceso de descomposición está acompañado de la liberación de
CO2 y disminución de los contenidos de MO (Meléndez, 2003).
Moral et al., (2004) reporta como rango de estabilidad de la MO para caprinaza 45.6-
67.7% . Al final de la evaluación del porcentaje de MO, CAP100 registró 56.57 ± 6.86% y
para CAP75 fue de 51.75 ± 2. 56% los dos tratamientos alcanzaron la estabilidad de la MO
al estar dentro de este rango.
Figura 8. Porcentaje de Materia orgánica.
45
50
55
60
65
70
75
MO
(%
)
1 2 3 4 5 6 7 9 11 13Tiem po en Sem anas.
Caprinaza 25 G allinaza / 75 C aprinaza
54
Un comportamiento similar de contenido de MO al reportado por Sánchez-Monedero et al.,
(2001) en un compostaje directo de 90% Residuos Sólidos Urbanos (RSU) + 10% bagazo
de sorgo, fue encontrado en este trabajo.
El porcentaje de materia orgánica correlacionó significativamente con el porcentaje de
carbono orgánico (r= 0.4058), la densidad (r= -0.4371) para el tratamiento CAP100,
mientras que para el tratamiento CAP75 correlacionó significativamente con el porcentaje
de carbono orgánico (r= 0.2695) y la densidad (r= -0.3930).
Moral et al., (2004) reportan que el porcentaje de materia orgánica se relaciona
directamente con el porcentaje de carbono orgánico en diferentes estiércoles, con un grado
de significancía (P<0.05).
De otro lado, en ambos tratamientos el porcentaje de cenizas aumenta a medida que se
desarrolla el compostaje (Figura 9), a causa del paso de nitrógeno, fósforo y otros
elementos a formas inorgánicas (Farias, 1997).
Para ambos tratamientos el porcentaje de cenizas se correlaciona con el porcentaje de
materia orgánica (r= -0.9864) (r= -0.9671), como lo reportan otros autores (Acevedo et al.,
2003) y el porcentaje de carbono orgánico (r= -0.4069) (r= -0.3158).
6.5. Capacidad de intercambio Catiónico (CIC).
La CIC se cuantificó por le método de extracción con acetato de amonio 1N pH 7 (Grant,
1982; Jaramillo, 2002).
55
Figura 9. Porcentaje de cenizas.
27
32
37
42
47
52C
eniz
as (%
)
1 2 3 4 5 6 7 9 11 13Tiem po en sem anas.
C aprinaza 25 G all inaza / 75 C aprinaza
La dinámica de la CIC en ambos tratamientos aumento a través del tiempo de compostaje.
En la semana 6 CAP100 registró el valor máximo con 150 ±9.58 meq/100g, mientras que
CAP75 registró 151 ±15.63 meq/100g como valor máximo en la semana 7. varios autores
(Roig. et al., 1998; Cegarra, 1994; FENAVI, FONAV, 2000; Meléndez, 2003) reportan que
este incremento en el valor de la CIC se explica por los procesos oxidativos y la presencia
de grupos fenólicos, en los grupos metílicos liberados de la celulosa entre otros, los cuales
son convertidos enzimáticamente a grupos carboxilo. Salamanca (1990) reporta que al
incrementarse la CIC se debe registrar un descenso de la relación C/N, quien demostró la
relación inversa entre estos parámetros.
Martínez-Iñigo y Almendros (1994) han reportado que la CIC puede presentar en su
cinética, una disminución progresiva de la tasa de incremento en las últimas semanas del
56
compostaje; efecto que se presento a partir de la semana 6 donde los valores descendieron
ligeramente, al final del bioensayo se registró para el CAP100 una CIC de 112 ±11.0
meq/100g mientras que para el CAP75 fue de 112 ± 22.95 meq/100g.
Varios autores (Harada y Inoco, 1980; Iglesias-Jiménez y Pérez-García, 1992) indican
como índice de madurez un rango mínimo entre 60 y 70 meq/100g en un compost de RSU.
La CIC presentó un valor elevado de gran importancia para la aplicación del sustrato al
suelo, Jaramillo (2004) reporta que una CIC elevada reduce y hasta evita las pérdidas por
lixiviación, evitando así que se pierdan nutrientes para las plantas.
La CIC correlacionó significativamente para ambos tratamientos con el porcentaje de
cenizas (r= -0.5060) (r= -0.2359) y con el porcentaje de materia orgánica (r= 0.4835) para
el tratamiento CAP100.
6.6. Capacidad de retención de agua CRA.
FENAVI y FONAV (2000) reporta que el porcentaje de la CRA en procesos de compostaje
debe incrementarse en función del tiempo. En éste trabajo se registró al inicio del ensayo
un porcentaje de CRA para CAP100 de 95.75 ±5.39% y para CAP75 fue de 97.75 ±9.05%,
Peláez (1999) reporta la CRA de 86% de una gallinaza de piso al inicio del compostaje.
En este trabajo el porcentaje de la CRA aumentó estabilizándose a partir de la novena
semana para ambos tratamientos. Para Thompson (1980) la materia orgánica puede retener
un peso de agua superior a su propio peso, debido a la densidad aparente baja y su elevada
porosidad. Para Peláez (1999) la CRA debe ser mayor o igual a 1.5 ml/g de biomasa; los
resultados finales en este trabajo fueron para CAP100 de 151.22 ±3.48% y para CAP75 fue
de 131 ±2.51%, siendo superiores a los repostados por Uribe et al., (2001) 62% ±0.5% para
57
un compostaje de gallinaza de jaula con aserrín en proporción 1:1 en volumen. Estos
valores son deseables en un compost de calidad ya que la CRA fue mayor a su propio peso,
cumpliendo con el requisito exigido por la norma técnica Colombiana de materiales
orgánicos usados como fertilizantes y acondicionadores del suelo (Barreto, 2003).
La CRA para el tratamiento CPA100 correlacionó significativamente con la CIC (r=
0.6934) y para el tratamiento CAP75 con el pH (r= 0.5086) la CIC (r= 0.6259), para las
demás variables la correlación no fue significativa.
6.7. Densidad.
La densidad en su dinámica en el proceso de compostaje en este trabajo presentó una
tendencia leve a aumentar como se puede apreciar en la Figura 10.
La norma técnica Colombiana de materiales orgánicos usados como fertilizantes y
acondicionadores del suelo, requiere una densidad máxima de 0.6 g/cc en un compost
(Barreto, 2003). Para el final del ensayo se reportan densidades que se acogen a lo
requerido por la norma técnica Colombiana siendo de 0.45 ± .05 g/cc. en CAP100 y 0.43 ±
0.02 g/cc. para CAP75, valores similares a éste trabajo son reportados por Uribe et al.,
(2001) en un compostaje de gallinaza de jaula con aserrín en proporción 1:1 en volumen
donde la densidad al final fue de 0.45 g/cc.
En el tratamiento CAP100 la densidad está correlacionada significativamente con el
porcentaje de cenizas (r= 0.4676), el porcentaje de carbono orgánico (r= -.0.3578), la CIC
(r= -0.4374) y para el tratamiento CAP75 con el porcentaje de cenizas (r= 0.3464).
58
Figura 10. Dinámica de la densidad.
0,3
0,32
0,34
0,36
0,38
0,4
0,42
0,44
0,46D
ensi
dad
en
g/cc
.
1 2 3 4 5 6 7 9 11 13Tiem po en Sem anas
C aprinaza 25 G all inaza / 75 C aprinaza
6.8. CARBONO ORGÁNICO, NITRÓGENO Y RELACIÓN C/N.
6.8.1. Carbono orgánico CO.
El valor inicial de CO en un compost debe ser significativamente alto, para CAP100 este
valor fue de 58.16 ± 4.84% y para CAP75 fue de 53.85 ± 2.93%. Loh et al., (2004) reportan
un porcentaje de CO de 50.17 ±0.08% al inicio de un vermicompost siendo similar al
reportado en este trabajo y con un valor alto.
Moral et al., (2004) reportan como parámetro de estabilidad de la caprinaza para la variable
CO un rango entre 26.4-38.1% CO, al final del bioensayo el porcentaje de CO fue para
59
CAP100 de 31.48 ±3.56% mientras que para CAP75 fue de 29.12 ±3.38%, estos valores se
encuentran dentro de este rango recomendado y superior al mínimo requerido por la norma
técnica Colombiana de materiales orgánicos usados como fertilizantes y acondicionadores
del suelo (Barreto, 2003).
El porcentaje de de carbono orgánico para ambos tratamientos correlacionó
significativamente con la CIC (r= 0.5633) (r= 0.6959).
6.8.2. Nitrógeno N.
Al inicio del bioensayo el porcentaje de N para CAP100 fue de 1.60 ±0.25% mientras que
CAP75 registró 1.58 ±0.06%, siendo estos valores superiores a los reportados por Loh et
al., (2004) (1.03±0.01% N) y Oli (1987) (0.83% N).
El N en los estiércoles se encuentra fundamentalmente en dos formas proteicas: las
proteínas residuales resistentes a la descomposición digestiva y las que han sido
sintetizadas en las células bacterianas (Burbano 1989; Cerdá 2003).
Para la tercera semana se registraron los valores máximos para ambos tratamientos siendo
de 2.09 ±0.13% para CAP100 y para CAP75 fue de 2.16 ±0.04%, este hecho puede ser
generado debido a que los microorganismos toman el C y liberan CO2, reteniendo e
inmovilizando el N tal como lo reportan varios autores (Meléndez, 2003; Veil et al., 1987) .
Meléndez (2003) reporta que el contenido de N en un sustrato puede aumentar durante las
fase inicial de descomposición, el N es inmovilizado hasta que la relación C/N sea
adecuada para la liberación de éste.
En su dinámica, el N a partir de la semana 5 tiende a estabilizarse, (Figura 11) varios
autores (Bernal et al., 1998; Santamaría-Romero et al., 2001; Sánchez-Monedero et al.,
60
2001, Abdelhamid et al., 2004) reportan que al final de compostaje el N se incrementa por
la mineralización de MO, Loh et al.,(2004) reportan un incremento de 1.03±0.01 a
1.22±0.01% N en un vermicompost de caprinaza. Este efecto se registró en el presente
trabajo donde N se incrementó para CAP100 de 1.60 ±0.25 a 1.82 ±0.13% y de 1.58 ±0.06
a 1.76 ±0.15% en CAP75. Para Cerdá (2003) la caprinaza se considera el estiércol de
mayor riqueza en nitrógeno (2-2,5% N) frente al de las demás especies animales y tiene un
efecto mediano sobre la estructura del suelo. Su persistencia es de unos tres años
mineralizándose.
El nitrógeno correlaciono significativamente con el pH (r= -0.3496) para el tratamiento
CAP100 y con el porcentaje de materia orgánica (r= -0.3419) y el pH (r= -0.4034) en el
tratamiento CAP75.
Figura 11. Porcentaje de nitrógeno.
0
0,5
1
1,5
2
2,5
N %
1 2 3 4 5 6 7 9 11 13Tiem po en Sem anas
C aprinaza 25 G allinaza / 75 C apr inaza
61
6.8.3. Relación C/N.
En el presente trabajo la relación C/N inicial fue cercana al rango entre 25-35, reportado
por varios autores (Cegarra, 1994; Sztern y Pravia, 1999; Soto, 2003) como valor óptimo
para el inicio del compostaje, los valores registrados en el presente trabajo fueron de 36.74
±4.20 para CAP100 y de 35.05 ±1.94 en CAP75; Un valor similar es reportado por
Thambirajah et al., (1995) en una mezcla de 90 Kg de Residuos de Palma de Aceite (RPA)
y 25 Kg de caprinaza. Estos valores son superiores a los reportados por Sztern y Pravia
(1999) donde algunos residuos de origen animal presentan una baja relación C/N (estierco
de Gallina 10, estiércol ovino 20, estiércol bovino 15).
En las primeras semanas del proceso la relación C/N disminuye (Figura 12), esto se puede
atribuir a que el porcentaje de N a aumentado debido a la cantidad de estructuras de
carbono que permiten que los microorganismos retengan el N como lo reporta Soto (2003).
Varios Autores (Hiari, et al., 1983; Cegarra, 1994; Bernal et al., 1999,) reportan como
indicador de suficiente estabilidad del compost valores de 20 o menos dependiendo de los
materiales iniciales. Moral et al., (2004) reporta un rango entre 11.4-16.0 como parámetro
de estabilidad en un compost de caprinaza.
Al final del ensayo se registran una relación C/N para CAP100 de 17.29 ± 1.85 y 16.66 ±
2.55 en CAP75, valores similares a los obtenidos por Thambirajah et al., (1995) al final del
compostaje de RPA y Caprinaza (C/N 14), que indican estabilidad en el compost.
En el tratamiento CAP 100 la relación C/N correlacionó significativamente con el
porcentaje de carbono orgánico (r= 0.8361), la CIC (r= 0.5600), el porcentaje de materia
orgánica (r= 0.3602), el nitrógeno (r= -0.3794) y la temperatura (r= -0.3826).
62
La relación C/N correlacionó significativamente con el porcentaje de carbono orgánico (r=
0.5846), el porcentaje de materia orgánica (r= 0.3724), el nitrógeno (r= -0.4596) y el
porcentaje de cenizas (r= -0.4139) para el tratamiento CAP75. para las demás variables la
correlación no fue significante en ambos tratamientos.
6.9. Unidades Formadoras de Colonias.
En el presente estudio, durante el proceso de compostaje se presentaron cambios en las
poblaciones de microorganismos presentes en ambos tratamientos sin encontrar diferencias
significativas, debido a las transformaciones químicas sufridas por los materiales así como
a los cambios en temperatura producto de la actividad exotérmica (Paul y Clark, 1996).
Figura 12. Relación C/N.
0
5
10
15
20
25
30
35
40
Rel
ació
n C
/N.
1 2 3 4 5 6 7 9 11 13Tiem po en Sem anas.
C aprinaza 25 G allinaza / 75 C apr inaza
63
Para el final del ensayo se registraron UFC para CAP100 154±44.94 ×107 UFC/g y
123±49.60 ×107 UFC en CAP75 (Figura 13), Uribe (2003) reporta que en Costa Rica se
han observado poblaciones de microorganismos en diferentes abonos orgánicos en el orden
de 108 bacterias/gramo. Varios autores (Vandevivere y Ramírez, 1995, Salas y Ramírez
1999) reportan que aunque el compost es un producto estable, su descomposición continúa
a una tasa lenta, no obstante si aún persisten compuestos fácilmente degradables la
actividad y se incrementa.
Figura 13. Unidades formadoras de colonias UFC.
0
50
100
150
200
250
UF
C X
107/g
.
1 2 3 4 5 6 7 9 11 13T iem po en Sem anas.
C aprinaza 25 G allinaza / 75 C aprinaza
64
Las unidades formadoras de colonias correlacionaron significativamente con la CIC (r=
0.3109), para el tratamiento CAP100 y para el tratamiento CPA75 la correlación
significativa para las UFC fue con el nitrógeno (r= 0.3027), el porcentaje de cenizas (r=
0.4776), en ambos tratamientos para las demás variables no se presento correlación
significativa.
6.10. Unidades Formadoras de Talos UFT.
Los hongos se desarrollan en sustratos donde las bacterias poco intervienen (Alexander,
1981), en pH ligeramente ácidos y temperaturas bajas (Burbano, 1989, Sztern y Pravia,
1999, Tuomela 2000). Sin embargo el pH elevado quizá limitó el desarrollo, pues las UFT
fluctuaron entre 13 ±6 ×105 y 48 ±7×105 UFT/g para CAP100 y para CAP75 entre 15 ±3
×105 y 50 ±8 ×105 UFT/g (Figura 14). Santamaría-Romero et al., (2001) reportan en un
sustrato de estiércol de conejo más residuos de poda de jardín (1:3, v/v) con un pH alcalino
(8.6-8.9) poblaciones de hongos similares a las presentes en este estudio. Al respecto
Hassen et al., (2001) reporta en un compost de RSU con un rango de pH entre 8-8.5,
poblaciones de hongos inferiores a los obtenidos en este trabajo.
En el tratamiento CPA100 las unidades formadoras de talos correlacionaron
significativamente con el porcentaje de cenizas (r= 0.5262), el porcentaje de carbono
orgánico (r= -0.5537), el pH (r= -0.3249) y el porcentaje de materia orgánica (r= -0.4921).
Las UFT en el tratamiento CAP75 correlacionaron significativamente con el pH (r= -
0.6354), la CIC (r= -0.4287), el porcentaje de carbono orgánico (r= -0.4319) y el porcentaje
de materia orgánica (r= -0.5006).
65
En ambos tratamientos para las demás variables no presentaron correlación significativa.
Figura 15. Unidades formadoras de talos UFT.
0
5
10
15
20
25
30
35
40
45
50
UF
T X
105/g
.
1 2 3 4 5 6 7 9 11 13Tiem po en Sem an as.
C aprinaza 25 G allinaza / 75 C aprinaza
6.11. Nemátodos y Protozoos.
Al evaluar la presencia o ausencia de nemátodos y protozoos de importancia zoosanitaria,
el tratamiento CAP100 registró la presencia de un 2.5 % de protozoos y 1.25 de presencia
en nemátodos, mientras que para CAP75 la presencia de nemátodos fue de 50% y 42.5%
para protozoos.
El tratamiento CAP75 presentó un mayor porcentaje presencia de nematodos y protozoos,
debido a que estaban en la gallinaza, con la variación de la temperatura y el pH estos fueron
66
desapareciendo. Palmisano et al., (1996) reportan que la eliminación de patógenos se logra
por la exposición a temperaturas altas; además la competencia y el antagonismo pueden
reducir el número de patógenos presentes en los materiales originales.
6.12. Fracciones disponibles de calcio (Ca), magnesio (Mg), potasio (K) y fósforo (P).
Se evaluó la fracción disponible de los elementos Ca, Mg, K y P (Tabal 5), los valores
registrados en el presente trabajo fueron superiores a los reportados por Farias (1997). Con
relación al potasio éste es superior al reportado por Bansal y Kapoor (2000) en un
vermicompost de estiércol bovino, Loh et al.,(2004) en un vermicompost de caprinaza y
Pravia y Sztern (1999)en un compost de estiércol de ovino. Bansal y Kapoor (2000, Loh et
al.,(2004) y Pravia y Sztern (1999) reportan un valor en fósforo superior al registrado en el
presente trabajo.
Tabla 5. Contenidos disponibles de calcio, magnesio, potasio y fósforo en un compost de
caprinaza.
Elemento.
Tratamiento.
Calcio.
Magnesio.
Potasio.
Fósforo.
CAP100. 25.8 * 5.00*** 21.8 * 2.6*** 51* 20*** 150 ** 0.16***
CAP75 25. * 5.00*** 18.7* 2.3*** 64* 25 450** 0.45***
*cmolcKg-1. ** mg Kg-1. ***Kg/Ton.
67
6.13. Porcentaje de germinación.
La evaluación del porcentaje de germinación se realizó con semillas de rábano (Raphanus
sativus) en solución 1:10 sustrato/agua destilada, registrando el 95.08 ± 6.96% para
CAP100 y 99.88 ±6.39% en CAP75, al comparar el porcentaje de germinación con la tabla
1 (Nivel de toxicidad de un abono orgánico de acuerdo al porcentaje de germinación)
reportada por el Laboratorio de Microbiología Agrícola del Centro de Investigaciones
Agronómicas de la Universidad de Costa Rica (Uribe, 2003), ambos tratamientos no son
tóxicos para las plantas.
El porcentaje de germinación de este trabajo es superior al reportado por Tam y Tiquia
(1994) en un compost de porquinaza y Farias (1997) en un compost de residuos de la
floricultura.
68
Tabla 6. Características físicas, químicas y biológicas de un compost de caprinaza.
Tratamiento. Variable.
Caprinaza 100% Caprinaza 75% + Gallinaza 25%.
Cenizas %. 43.48±6.85 48.25±2.59
CIC Meq/100g 112±22 112±45.9
Carbono orgánico %. 31.48±3.56 29.12±3.38
Capacidad de retención de agua %. 151.12±3.48 131.5±2.51
Densidad g/c.c. 0.45±0.05 0.43±0.02
Humedad %. 46.88±5.26 44.17±3.05
Materia orgánica %. 56.57±6.86 51.75±2.59
Nitrógeno %. 1.82±0.13 1.76±0.15
pH. 8.19±0.15 8.28±0.27
Relación C/N 17±1.85 16±2.66
Unidades Formadoras de Colonias ×107 154±44.9 123±49.60
Unidades formadoras de talos ×105 49±7.14 50±8.13
Nemátodos Ausentes. Ausentes.
Protozoos Ausentes. Ausentes.
Calcio cmolc Kg-1 25.8 25.0
Magnesio cmolc Kg-1 21.8 18.7
Potasio cmolc Kg-1 51 64
Fósforo mg Kg-1 150 450
Porcentaje de germinación. 95.08 ±6.96 99.88 ±6.39
los valores físicos y químicos son expresados en base seca.
69
7. CONCLUSIONES.
• En la evaluación final para ambos tratamientos se encontró que los parámetros de
temperatura, densidad, Capacidad de retención de agua, porcentaje de carbono orgánico,
capacidad de intercambio catiónico, pH, relación C/N y el efecto no fitotóxico indican la
estabilidad y madurez del compost.
• Se encontró diferencia estadística significativa (P<0.05) a favor del tratamiento
caprinaza al 100% para las variables pH, carbono orgánico, humedad, relación
carbono/nitrógeno y capacidad de retención de agua. Para variable CIC se encontró
diferencia significativa a favor del tratamiento de caprinaza y gallinaza. Para las demás
variables no se presentaron diferencias estadísticas.
• En el análisis de componentes principales, se encontró que los factores 1 y 2
comprenden las variables (cenizas, materia orgánica, carbono orgánico, capacidad de
retención de agua, relación C/N, humedad,) y para ambos tratamientos explican en un 54.%
la variabilidad de todos los componentes evaluados sobre el proceso de compostaje.
• Se encontró una correlación inversa (P<0.05) entre el porcentaje de materia orgánica
con el porcentaje de cenizas en ambos tratamientos. Después de trece semanas de
70
compostaje el proceso de mineralización de la materia orgánica continúa debido a que el
compost presentó un 54% de materia orgánica.
71
• La ausencia de nemátodos y protozoos zoosanitarios en el producto final garantizan la
aplicación del sustrato a praderas destinadas al consumo animal.
• La caprinaza como materia prima para iniciar un proceso de compostaje no requiere
de fuentes adicionales de carbono orgánico para aumentar la relación C/N.
• Se encontró una correlación inversa (P<0.05) para ambos tratamientos entre la
relación C/N con el nitrógeno donde éste aumentó en promedio un 11%, debido a la
optima fuente de carbono orgánico que aporta la caprinaza para los microorganismos.
• Se encontró que el pH 8.2 en promedio para ambos tratamientos durante el proceso de
compostaje limitó el desarrollo de los mohos y levaduras.
• Al final del ensayo se encontró que el tratamiento de caprinaza 100% aporta por cada
tonelada de compost 18 Kg de nitrógeno, 5. Kg de calcio, 2.6 Kg de magnesio, 20 Kg de
potasio y 0.16 Kg de fósforo, mientras que el compost a bases de caprinaza más gallinaza
aporta 17Kg de nitrógeno, 5 Kg de calcio, 2.3 Kg de magnesio, 25 Kg de potasio y 0.5 Kg
de fósforo por cada tonelada de compost.
72
73
8. RECOMENDACIONES.
• El compost obtenido en el presente trabajo se recomienda usarlo como un
acondicionador del suelo donde con el tiempo y la frecuencia de aplicación se mejoraran
algunas de las propiedades físicas, químicas o biológicas del suelo.
• La densidad baja, los altos porcentaje de la CRA y de germinación en ambos
tratamientos determinaron un compost estable, que puede ser usado en semilleros o en el
establecimiento de potreros.
• Al determinar el porcentaje de carbono orgánico en la caprinaza al inicio del proceso
se encontró que el carbono orgánico es elevado, por lo que la caprinaza puede ser usada
como fuente de carbono en mezclas de materias primas con relación C/N baja al inicio del
compostaje.
• Continuamente se ha estudiado el efecto de la aplicación de enmiendas orgánicas a
los suelos, manifestándose que estos corrigen algunas propiedades físicas, químicas y
biológicas. La importancia de este campo de la investigación no puede ser obviada por lo
que seria valioso dar continuidad a estudios a los que se fundamenta el presente trabajo; se
recomienda para posteriores investigaciones los siguientes aspectos:
74
• Evaluar la acción de la caprinaza en fresco y compostada, directamente sobre la
planta, ya que en el presente trabajo solo se evaluó al final del proceso, el efecto del
extracto acuoso sobre semillas in Vitro.
75
• Estudiar las poblaciones microbianas en el proceso de compostaje y caracterizar
morfológica y tintorialmente los aislamientos; evaluando la producción de CO2 y las
actitudes de degradación frente a almidón, celulosa y lignina con la finalidad de elaborar
inóculos que aceleren el proceso de degradación de estos elementos..
• A nivel metodológico determinar el nitrógeno total, determinando los porcentajes de
nitrógeno orgánico e inorgánico para establecer los índices de inmovilización y
mineralización en función del tiempo.
76
9. BIBLIOGRAFÍA.
• ABDELHAMID, Magdi T., HORIUCHI, Takatsugu., OBA, Shinya. Compostin
of rice straw with oilseed rape cake and poultry manure and its effects on faba bean (Vicia
faba L.) growth and soil properties. En: Bioresource Technology. 93. 2004; p 183-189.
• ACEVEDO, L. et al., Correlación de variables físico-químicas en el proceso de
compostaje y su impacto en programas de fertilización. En: Memorias Seminario:
materiales orgánicos en la agricultura. Sociedad Colombiana de la Ciencia del Suelo,
comité Regional de Antioquia, Medellín, Marzo de 2003.
• ALEXANDER, M. Introducción a la Microbiología del Suelo. AGT Editor.
México, D. F. 1981; p 491.
• ATLAS, R.M.; BARTHA, R. Ecología microbiana y microbiología ambiental. 2º
edición en español. PEARSON EDUCACION, S.A. Madrid 2002. 677p.
BANSAL, Sudha., KAPOOR, K.K. Vermicomposting of crop residues and cattle dung
with Eisenia foetida. En Bioresource Technology 73. 2000; p 95-98
• BARRETO R, Jairo R. Materiales orgánicos utilizados como fertilizantes o
acondicionadores de suelos. En: Memorias Seminario: materiales orgánicos en la
agricultura. Sociedad Colombiana de la Ciencia del Suelo, comité Regional de Antioquia,
Medellín, Marzo de 2003.
• BERNAL, M. P., et al., Maturity and stability parameters of compost prepared with
a wide range of organic wastes. En: Bioresource Technology. 63. 1998; p. 91-99.
77
• BROCK, T. D & MASIGAN, N. T. Microbiology. 6ª Ed. México, Prentice Hall
Hispanoamericana 1993. 953 p.
• BURBANO O, Hernán. La Materia Orgánica del Suelo en el Contexto de una
Agricultura Sostenible. En: Fundamentos para la Interpretación de Análisis de Suelos y
Aguas para Riego., 3ra Ed., Bogotá: Sociedad Colombiana de la Ciencia del Suelo, 1989. p.
187- 215
• BURBANO O, Hernán. Las Enmiendas Orgánicas. En: El Suelo: Una Visión sobre sus
Componentes Bioorgánicos. Pasto: Universidad de Nariño, 1989. p. 386-405 (Serie de
Investigaciones No 1).
• CARTA de ROBERT BANNON. Sales Product Manager. Irlanda, septiembre de 2003.
• CEGARRA, Juan. Compostaje de desechos orgánicos y criterios de calidad del compost.
En: Memorias VII congreso Colombiano de la ciencia del suelo, Bucaramanga, Octubre
1994; 22-30
• CEGARRA, Juan. Compostaje y lombricompostaje características de los compost. En:
Residuos orgánicos aprovechamiento agrícola como abono y sustrato. 2da Ed., Medellín,
Sociedad Colombiana de la Ciencia del Suelo, Comité Regional de Antioquia, 1998. p. 39-
52.
• CERDÁ. C, Antonio. 14576 Orden De 12 De Diciembre de 2003 de la Conserjería de
Agricultura, Agua y Medio Ambiente. En: Boletín oficial de la región de Murcia. # 301,
diciembre de 2003; p 22432-22439.
78
• COMISIÓN DE LAS COMUNIDADES EUROPEAS. Indicadores para la integración
de las consideraciones medioambientales en la Política Agrícola Común. Bruselas, 2000.
• CONTRERAS-RAMOS, S. M., ET al. Composting of tannery effluent with cow manure
and wheat straw. En: Bioresource Technology 94. 2004; p 223–228.
• DE BERTOLDI, M., et al., Comparison of three windrow compost systems. En Biocycle,
23. 1982; 45-50. Citado por: CEGARRA, Juan. compostaje de desechos orgánicos y
criterios de calidad del compost. En: Memorias VII congreso Colombiano de la ciencia del
suelo, Bucaramanga, Octubre 1994; 22-30.
• DE CARLO, Estela B et al., Estudio de la población microbiana en las etapas iniciales
del compostaje. En: Revista Ceres. Vol. 48, Nº 280 (2001), p. 699-715.
• DELGADO H, Mario. Los Microorganismos del suelo en la nutrición vegetal.
Villavicencio: Orius Biotecnología, 1997.
• ENTREVISTA CON Pedro Álvaro Salazar; Medico Veterinario Zootecnista; Asociación
Santandereana de Capricultores (CAPRISAN) 26 Mar; 2004.
• FARIAS C, Diana M. Caracterización química de un procesote compostaje. Bogotá,
1997. Tesis (Químico). Universidad Nacional de Colombia. Facultad de Ciencias,
Departamento de Química.
• FARÍAS C, Diana M., Ballesteros G, María I., Bendeck, M. Variación de parámetros
Fisicoquímicos durante un proceso de compostaje. En: Revista Colombiana de Química.
Vol. 28, Nº 1 (1999), p. 75-86.
• FENAVI, FONAV. Producción de Compost en la Industria Avícola. Cuadernos Avícolas
Nº 11., Bogotá. 2000.
79
• FORSYTHE, Warren. Manual de laboratorio físico de suelos. San José de Costa Rica:
Instituto Interamericano de Ciencias Agrarias. 1975.
• GOLUEKE, C. G., et al., Composting combined refuse and sewage sludge. En: Compost
Science and Land Utilization, 21. 1980; p 42-48. Citado por: CEGARRA, Juan.
compostaje de desechos orgánicos y criterios de calidad del compost. En: Memorias VII
congreso Colombiano de la ciencia del suelo, Bucaramanga, Octubre 1994; 22-30.
• GÓMEZ, J., et al. De los residuos a los productos orgánicos. En: memorias curso master
internacional: Aprovechamiento de residuos orgánicos, universidad nacional de Colombia,
Palmira (1996). Citado por: FARIAS C, Diana M. Caracterización química de un
procesote compostaje. Bogotá, 1997. Tesis (Químico). Universidad Nacional de
Colombia. Facultad de Ciencias, Departamento de Química.
• GONZALES M., Agustín. El Compost, El Fertilizante del Futuro. En: revista Agricultura
No. 758, 1995; p. 768-771.
• GRANT, W Thomas. Exchangeable cations. En: methods of soil analysis part 2 chemical
and microbiological propertiess. 2 ed. Madison: American Society of Agronomy, Soil
Sciences Society of American. 1982; p. 159 – 165.
• HANSEN, et al,. 1993. Composting of poultry manure. In: HOITING, H,A.J. y KEENER,
H. M. (Ed). Science and Engineering of Composting: Design, environmental,
Microbiological and Utilization aspects. 131-153 p. Citado por: SOTO M, Gabriela.,
Abonos orgánicos: El proceso de compostaje. En: Memorias, Taller de abonos orgánicos,
Sabanilla, Costa Rica, Marzo de 2003; p. 29-66.
80
• HARADA, Y. and INOCO, A. Relaticnship between cation-exchange capacity and
degree of maturity of city refuse compost. En: Soil Science. Plant Nutr., 26 1980; p. 353-
362- Citado por: BERNAL, M. P., et al., Maturity and stability parameters of compost
prepared with a wide range of organic wastes. En: Bioresource Technology. 63. 1998; p.
91-99.
• HESSEN, Abdennaceur., et al., Microbial characterization during composting of
municipal solid waste. En: Bioresource Technology. 80. 2001; p 217-225.
• HIRAI, M. F., CHANYASAK, V., KUBOTA, H. A standard measurement for compost
maturity. En: BioCycle. 24. 1983; p 54-56. Citado por: ABDELHAMID, Magdi T.,
HORIUCHI, Takatsugu., OBA, Shinya. Compostin of rice straw with oilseed rape cake
and poultry manure and its effects on faba bean (Vicia faba L.) growth and soil properties.
En: Bioresource Technology. 93. 2004; p 183-189.
• IGLESIAS-JIMÉNES, E & PÉREZ-GARCIA, V. Determination of maturity city
refuse compost. En: Agric. Ecosystem Environ. 38 1992; P. 331-343. Citado por:
BERNAL, M. P., et al., Maturity and stability parameters of compost prepared with a
wide range of organic wastes. En: Bioresource Technology. 63. 1998; p. 91-99.
• INSTITUTO DE ESTUDIOS DE ADMINISTRACIÓN LOCAL. Tratamiento de los
Residuos Sólidos Urbanos. 3ª. Ed., Madrid, American Public Works Association, 1976.
Citado por: JARAMILLO G, Marisol., MARTÍNEZ Z, Margarita M. Biodegradación
aerobia de desechos vegetales por medio de bacterias. Medellín, 2000. tesis (Ingeniero
Químico). Universidad Nacional de Colombia. Facultad Nacional de Minas.
81
• JACKSON, M L. Soil chemical analysis hydrogen activity determination for soil.
Prentice Hall; p. 48. Citado por: SILVA M, Francisco. Métodos de análisis de suelos del
Departamento Agrológico del Instituto Geográfico. Santa Fe de Bogotá: Instituto
Geográfico Agustín Codazzi. S.f.
• JARAMILLO G, Marisol., MARTÍNEZ Z, Margarita M. Biodegradación
aerobia de desechos vegetales por medio de bacterias. Medellín, 2000. tesis (Ingeniero
Químico). Universidad Nacional de Colombia. Facultad Nacional de Minas.
• JARAMILLO J, Daniel F. Introducción a la Ciencia del Suelo.Universidad
Nacional de Colombia. Sede Medellín. Facultad de Ciencias. 2002.
http://www.unalmed.edu.co/%7Eesgeocien/Documentos.htm
• JARAMILLO J, Daniel F., GOMEZ F, Evelio. Manual de prácticas de suelos.
Medellín: Universidad Nacional de Colombia. Sede Medellín. 1986.
• JUSTE, C., SOLDA, P., & LINERES, M. 1987. Factors influencing the
agronomic value of city refuse compost. In Compost: Production, Quality and Use, (M. De
Bertoldi, M.P. Ferranti, P. UHermite & F. Zucconi, eds.), pp.388-398. Elsevier Applied
Science; London, U.K. Citado por: SOTO M, Gabriela. Compost: abono o enmienda?
Como medir la calidad de un compost?. En: memorias taller reabonos orgánicos, Sabanilla,
Costa Rica, Marzo de 2003; p. 114.
• LOH, T. C., et al., Vermicomposting of cattle and goat manures by Eisenia foetida
and their growth and reproduction performance. En: Bioresource Technology 2004 article
in press.
82
• MADRIGAL, C. y C. DUQUE. Notas sobre fitonematología. Memorias Seminario
Agronomía. Universidad Nacional de Colombia. Facultad de Ciencias Agropecuarias.
Medellín. 1972; p.124. Citado por: JARAMILLO J, Daniel F. Universidad Nacional de
Colombia. Sede Medellín. Facultad de Ciencias. 2002; p 55.
• MARTÍNEZ-IÑIGO, M J., ALMENDROS, G. Kinetic study of the composting
of evergreen oak forestry waste. En: Waste management & research. 12. (1994); p 305-314.
Citado por: FARIAS C, Diana M. Caracterización química de un procesote compostaje.
Bogotá, 1997. Tesis (Químico). Universidad Nacional de Colombia. Facultad de Ciencias,
Departamento de Química.
• MELÉNDEZ, Gloria. Residuos orgánicos y materia orgánica del suelo. En:
memorias taller de abonos orgánicos, Sabanilla, Costa Rica, Marzo de 2003, p. 5-27.
• MENDEZ, Hernando., MANTILLA B., Jairo y ARGUELLO A, Aura L.
Análisis de los sistemas de producción del departamento de Santander., Bucaramanga:
Corporación Colombiana de Investigación Agropecuaria, regional siete. 1996.
• MENOYO, A, ECHANDIA, A. Compostaje de Gallinaza Para uso Como Abono
Orgánico. Departamento de Industria, Agricultura y Pesca, Servicio Central de
Publicaciones del Gobierno Vasco, 22 Págs.
• MONROY, O., VINIEGRA; G. Biotecnología par el Aprovechamiento de los
Desperdicios Orgánicos. AGT Edita, S.A., México, 1990. Citado por: JARAMILLO G,
Marisol., MARTÍNEZ Z, Margarita M. Biodegradación aerobia de desechos vegetales por
medio de bacterias. Medellín, 2000. tesis (Ingeniero Químico). Universidad Nacional de
Colombia. Facultad Nacional de Minas.
83
• MONTENEGRO G, Hugo., MALAGON C, Dimas. Propiedades físicas de los
suelos. Santa Fe de Bogotá. Instituto Geográfico Agustín Codazzi, Subdirección
Agrológica. 1990.
• MORAL, R., et al., Characterisation of the organic matter pool in manures. En:
Bioresource Technology 2004 article in press.
• MOREL, J.L., COHN, F., GERMON, J.C. GODIN, P. &JUSTE, C. (1985).
Methods for the evaluation of the maturity of municipal refuse compost. In Composting of
Agricultural and Other Wastes. (J.K.R. Gasser, ed.), pp.56-72. Elsevier Applied Science;
London, U.K. citado por: SOTO M, Gabriela. Compost: abono o enmienda.? Como medir
la calidad de un compost?. En: memorias taller de abonos orgánicos, Sabanilla, Costa Rica,
Marzo de 2003; p. 114.
• MUNÉVAR M, Fernando. Concepto Sobre la Materia Orgánica y el Nitrógeno del
Suelo Relacionados con la interpretación de análisis Químicos. En: Fundamentos para la
Interpretación de Análisis de Suelos y Aguas para Riego. 3ra Ed., Bogotá, Sociedad
Colombiana de la Ciencia del Suelo, 1990. p. 227-239
• NATURAL LIFE MAGAZINE Nº 68. “Compost Happens – A Composting
Primer” http://www.life.ca/nl/68/compost.html. Consulta 30 de Mar de 2003.
• nitrogen compounds from stored laying hen manure. En: Bioresource Technology
84. 2002; p 203–205.
• NOGALES, R., et al. Uso Agrícola de Compost y Vermicompost de Basuras
Urbanas (IV): Riesgos Sobre el Suelo y la Planta. En: Revista Residuos No. 31. p. 42-45.
84
• OROZCO, F. H. Uso de la Porquinaza como Materia Orgánica Para los Suelos:
Bondades y Riesgos. En: II Curso Internacional de Porcicultura. Medellín: Colveza, 1983
Vol. 1 p. 34
• PALMISANO, Anna C. and BARLAZ, Morton A. (Eds.) (1996). Microbiology
of Solid Waste. P. 169. CRC Press, Inc., 2000 Corporate Blvd., N.W., Boca Raton, FL
33431 USA. Citado por: URIBE LORÍO, LIDIETH. Inocuidad de abonos orgánicos. En:
memorias taller de abonos orgánicos, Sabanilla, Costa Rica, Marzo de 2003; p 123.
• PARDO V, A A., ORTEGA O. J J. Variación de la temperatura edáfica en tres
series de suelos de la parte plana de la Sabana de Bogotá. Tesis (pregrado) Universidad
Jorge Tadeo Lozano 1985. Citado por: MONTENEGRO G, Hugo., MALAGON C, Dimas.
Propiedades físicas de los suelos. Instituto Geográfico Agustín Codazzi, Subdirección
Agrológica. 1990; p. 536.
• PARKKINSON, Dennus. Filomintoy fungi 2 ed. Madison: American Society of
Agronomy, Soil Sciences Society of American, 1982; p. 949 – 968.
• PELAEZ, Carlos., et al. Manejo y Evaluación de la Gallinaza (materia prima en
compostación). En: Revista Avicultores No53. 1999; p. 28-33
• PRATT E. V, ROSE, S. P, KEELING. A. A. Effect of ambient temperature on
losses of volatile
• PRESISA S.A. Manual precisa HA300.En: http://www.presisa.com. Consultada
julio de 2003.
• PRITCHETT, W. L. Suelos forestales: Propiedades, conservación y mejoramiento.
Editorial Limusa. México.1991; p. 634. Citado por: JARAMILLO J, Daniel F. Introducción
85
a la Ciencia del Suelo.Universidad Nacional de Colombia. Sede Medellín. Facultad de
Ciencias. 2002; p 50.
• RAMOS R, Roberto., Aplicación de sustancias húmicas comerciales como
productos de acción bioestimulante. Efectos frente al estrés salino. Alicante España, 2000.
tesis (Doctorado). Universidad de Alicante, Facultad de Ciencias.
• REFORMA DE LA POLÍTICA AGRÍCOLA COMÚN (PAC). Agenda 200.
http://europa.eu.int/scadplus/leg/es/lvb/l60002.htm Consulta Nov 29 de 2002.
• ROIG, A., et al. Cation exchange capacity as a parameter for measuring the
humification degree of manures. En: Soil Science. Vol. 146, Nº 5, 1988; p 311- 316. Citado
por: FARIAS C, Diana M. Caracterización química de un procesote compostaje. Bogotá,
1997. Tesis (Químico). Universidad Nacional de Colombia. Facultad de Ciencias,
Departamento de Química.
• RUIZ, Orlando. Manual de procedimientos analíticos. Medellín: laboratorio de
suelos facultad de ciencias. Universidad Nacional de Colombia. Sede Medellín. 1993.
• SALAS, E., Y RAMÍREZ, C. Bioensayo microbiano para estimar los nutrimentos
disponibles en los abonos orgánicos: calibración de campo. Congreso Agronómico
Nacional. En: Memoria: Recursos Naturales y Producción Animal. III Congreso Nacional
de Suelos. Vol. III. 1999. 71 pp. Citado por: SOTO M, Gabriela. Compost: abono o
enmienda? Como medir la calidad de un compost?. En: memorias taller de abonos
orgánicos, Sabanilla, Costa Rica, Marzo de 2003; p. 114.
86
• SÁNCHES-MONEDERO, M. A., et al., Nitrogen transformation during organic
waste composting by the Rutgers system and its effects on pH, EC and maturity of the
composting mixtures. En: Bioresource Technology 78 (2001) p. 301-308.
• SANTAMARÍA-ROMERO, Salustio., et al., Dynamics and relationships among
microorganisms, c-organic and N-total during composting and vermicomposting. En
Agrociencia 35. 2001; p 377-384.
• SILVA M, Francisco. Métodos de análisis de suelos del departamento agrológico
del instituto geográfico. Bogotá: Instituto Geográfico Agustín Codazzi. S.f.
• SIMPSON, Ken. Estiércoles. En: Abonos y Estiércoles 1ra Ed. Zaragoza: Editorial
Agribia S.A. 1991; p. 91 – 105.
• SOTO M, Gabriela. Abonos orgánicos: El proceso de compostaje. En: memorias
taller de abonos orgánicos, Sabanilla, Costa Rica, Marzo de 2003; p. 29-66.
• SOTO M, Gabriela., MELÉNDEZ, Gloria. Compost: abono o enmienda? Como
medir la calidad de un compost?. En: memorias taller de abonos orgánicos, Sabanilla, Costa
Rica, Marzo de 2003; p. 107-121.
• SUÁREZ, L. La materia orgánica en la productividad y sostenibilidad de la zona
cafetera. En: Memorias VII congreso Colombiano de la ciencia del suelo, Bucaramanga,
Octubre 1994; p. 16-21.
• SZTERN Daniel., PRAVIA. Miguel A. Manual para la elaboración de compost.
Bases conceptuales y procedimientos. Montevideo. Oficina de Planeamiento y Presupuesto
Unidad de Desarrollo Municipal del Uruguay. 1999.
87
• TAM, N.F.Y. AND TIQUIA, S. Assessing toxicity of spent pig litter using a seed
germination technique, En: Resources, Conservation and Recycling, 11. 1994; P 261-274.
• THAMBIRAJAH, J. J., ZULKALI, M. D. & HASHIM, M. A. Microbiological
and biochemical changes during the composting of oil palm empty-fruit-bunches. Effect of
nitrogen supplementation on the substrate. En: Bioresource Technology 52. 1995; p 133-
144
• TIQUIA, S. M and TAM, N. F. Y. Chemical Parameters For Maturity
Determination of Pig Manure Disposed From the Pig-onlitter (POL) System in Hong Kong.
En: Manure Management '99.Extension Division- University of Saskatchewan (Ed.).
Saskatoon, Saskatchewan, Canada. 1999; p 449-463.
• TIQUIA, S. M. Microbial Transformation of Nitrogen During Composting.
Microbiology of Composting. H. Insam, N. Riddech, S,Klammer (Eds.) Springer-Verlag
Berlin Heidelberg 2002; p 237 – 245.
• TIQUIA, S. M et al. Effects of mulching and fertilization on soil nutrients,
microbial activity and rhizosphere bacterial community structure determined by analysis of
TRFLPs of PCR-amplified 16S rRNA genes. En: Applied Soil Ecology 21. 2002; p 31–48.
• TIQUIA, S. M, TAM, N. F. Y, HODGKISS, I. J. Changes in chemical properties
during composting of spent pig litter at different moisture contents. En: Agriculture,
Ecosystems and Environment 67. 1998; p 79-89.
• TORRENTE, A.; GÓMEZ, J. Metodología para la extracción de sustancias
húmicas de lombricompuestos y evaluación de sus rendimientos. En: revista suelos
Ecuatoriales. Vol. 25 (1995) p. 43-46.
88
• TRAUTMANN, Nancy; RICHARD, T. Frequently Asked Questions. En: Cornell
Composting. http://www.cfe.cornell.edu/compost/faq.html. Consulta Abr. de 2003.
• TUOMELA, M., VIKMAN, M., HATAKKA, A., ITAAVAARA, M.
Biodegradation of lignin in a compost environment: a review. En: Bioresource Technology
72. 2000; p 169-183.
• URIBE LORÍO, LIDIETH. Inocuidad de abonos orgánicos. En: memorias taller
de abonos orgánicos, Sabanilla, Costa Rica, Marzo de 2003; p. 122-137.
• URIBE, José F., et al. Evaluación de los Microorganismos Eficaces (E.M) en
Producción de Abono Orgánico a Partir del Estiércol de Aves de Jaula. En: Revista
Colombiana de Ciencias pecuarias. Vol. 14:2, 2001; p. 162-170.
• VANDEVIVERE, P., Y RAMÍREZ, C. Control de calidad de abonos orgánicos
por medio de bioensayos. En: GARCIA, J., y NAJERA, J. MEMORIA. Simposio
Centroamericano de Agricultura Orgánica. UNED, Costa Rica. 1995; p 121-140. Citado
por: SOTO M, Gabriela. Compost: abono o enmienda? Como medir la calidad de un
compost?. En: memorias taller de abonos orgánicos, Sabanilla, Costa Rica, Marzo de 2003;
p. 114.
• VIEL, M., SAYAG, D., ANDRRE, L. Optimisation of agricultural industrial
wastes management thorough in-vessel composting. En: De Bertoldi, M (Ed.), Compost:
Production, Quality and Use. Elsevier Applied Science, Essex. 1987; p 230-237. Citado
por: ABDELHAMID, Magdi T., HORIUCHI, Takatsugu., OBA, Shinya. Compostin of rice
straw with oilseed rape cake and poultry manure and its effects on faba bean (Vicia faba L.)
growth and soil properties. En: Bioresource Technology. 93. 2004; p 183-189.
89
• WALKLEY, A., BLACK, I A. An examination of the degtjareff method for
determining soil organic mater and proposed modification or the chromic acid titration
method. En: Soil Science. Vol. 37 (1934); p. 29 – 38. Citado por: NELSON, D N.,
SOMMERS, L E. Total carbon, organic carbon and organic mater. En: methods of soil
analysis part 2 chemical and microbiological properties. 2 ed. Madison: American Society
of Agronomy, Soil Sciences Society of American, 1982.
90
ANEXO A.
Análisis de componentes principales.
Análisis de componentes principales tratamiento CAP100.
---------------------------------- TRATA=1 -----------------------------------
Kaiser's Measure of Sampling Adequacy: Over-all MSA = 0.65699124
TEMP PH N CARBO CIC MO CENI 0.413297 0.782747 0.225520 0.547086 0.864159 0.642678 0.649190
H UFC UFT DENSI CRA RCN
0.818039 0.689006 0.793158 0.823944 0.819104 0.566935
Initial Factor Method: Principal Components
Eigenvalues of the Correlation Matrix: Total = 13 Average = 1
1 2 3 4 5 Eigenvalue 5.153355 1.901960 1.270923 1.040780 0.978973 Difference 3.251396 0.631037 0.230142 0.061808 0.249978 Proportion 0.3964 0.1463 0.0978 0.0801 0.0753 Cumulative 0.3964 0.5427 0.6405 0.7205 0.7958
6 7 8 9 10
Eigenvalue 0.728995 0.601850 0.533977 0.377738 0.297962 Difference 0.127145 0.067873 0.156239 0.079776 0.201908 Proportion 0.0561 0.0463 0.0411 0.0291 0.0229 Cumulative 0.8519 0.8982 0.9393 0.9683 0.9913
Initial Factor Method: Principal Components
11 12 13 Eigenvalue 0.096054 0.012668 0.004767
Difference 0.083386 0.007901 Proportion 0.0074 0.0010 0.0004 Cumulative 0.9987 0.9996 1.0000
4 factors will be retained by the MINEIGEN criterion.
91
Initial Factor Method: Principal Components Scree Plot of Eigenvalues
6 + | 1 | 4 + | | 2 + 2 | 3 4 | 5 6 7 8 9 0 + 0 1 2 3 ----+----+----+----+----+----+----+----+----+----+----+----+----+----+---- 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Factor Pattern
FACTOR1 FACTOR2 FACTOR3 FACTOR4
TEMP 0.23737 -0.16871 -0.53117 0.29685 PH 0.26644 0.65604 0.25527 -0.08789 N -0.18482 -0.75380 0.07446 0.39979 CARBO 0.76526 0.02552 -0.30930 0.32205 CIC 0.70261 -0.02331 0.29779 0.27109 MO 0.70757 -0.49859 0.06608 -0.42384 CENI -0.72357 0.47667 -0.08868 0.43425 H -0.66149 -0.29561 0.18366 0.26869 UFC 0.25043 0.00461 0.70616 0.09878 UFT -0.81762 -0.04043 -0.21490 -0.27750 DENSI -0.58817 0.29052 0.22347 0.16004
CRA 0.88701 -0.00149 0.11757 0.23373 RCN 0.76605 0.47375 -0.28136 0.02213
Variance explained by each factor 5.153355 1.901960 1.270923 1.040780
Final Communality Estimates: Total = 9.367018
TEMP PH N CARBO CIC MO CENI
0.455072 0.574270 0.767749 0.785658 0.656368 0.933256 0.947217
H UFC UFT DENSI CRA RCN 0.630882 0.571158 0.793327 0.505896 0.855247 0.890918
92
FACTOR1 1 L9 .8 D M F E7 .6 .5 .4 .3 A I B .2 F .1 A C -1 -.9-.8-.7-.6-.5-.4-.3-.2-.1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0T O -.1 R 2 C -.2 -.3 -.4 -.5 -.6 K H -.7 G J.8 -.9 -1
93
TEMP =A PH =B N =C CARBO =D CIC =E MO =F CENI =G H =H UFC =I UFT =J
DENSI =K CRA =L RCN =M
94
Análisis de componentes principales tratamiento CAP75.
---------------------------------- TRATA=2 -----------------------------------
Kaiser's Measure of Sampling Adequacy: Over-all MSA = 0.58370905
TEMP PH N CARBO CIC MO CENI 0.566747 0.688031 0.353178 0.547747 0.933918 0.648417 0.641116
H UFC UFT DENSI CRA RCN
0.293762 0.304209 0.677352 0.362108 0.683350 0.571312
Initial Factor Method: Principal Components
Eigenvalues of the Correlation Matrix: Total = 13 Average = 1
1 2 3 4 5 Eigenvalue 5.074109 2.015121 1.442835 1.235308 1.004003 Difference 3.058988 0.572286 0.207527 0.231305 0.354909 Proportion 0.3903 0.1550 0.1110 0.0950 0.0772 Cumulative 0.3903 0.5453 0.6563 0.7513 0.8286
6 7 8 9 10
Eigenvalue 0.649094 0.531735 0.461010 0.309580 0.176453 Difference 0.117359 0.070725 0.151430 0.133127 0.097634 Proportion 0.0499 0.0409 0.0355 0.0238 0.0136 Cumulative 0.8785 0.9194 0.9549 0.9787 0.9922
Initial Factor Method: Principal Components
11 12 13 Eigenvalue 0.078819 0.016614 0.005317
Difference 0.062205 0.011297 Proportion 0.0061 0.0013 0.0004 Cumulative 0.9983 0.9996 1.0000
5 factors will be retained by the MINEIGEN criterion.
95
Initial Factor Method: Principal Components
Scree Plot of Eigenvalues 6 + | 1 | 4 + | | 2 + 2 | 3 4 5 | 6 7 8 0 + 9 0 1 2 3 ----+----+----+----+----+----+----+----+----+----+----+----+----+----+---- 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Factor Pattern FACTOR1 FACTOR2 FACTOR3 FACTOR4 FACTOR5 TEMP 0.14818 0.66313 -0.22155 0.21415 0.47445 PH 0.68812 -0.21783 -0.17268 -0.23415 -0.48074 N -0.41170 0.70531 0.35271 -0.10528 -0.13046 CARBO 0.76800 -0.09955 0.49845 0.00154 0.25382 CIC 0.62721 0.22638 0.49612 0.03712 0.10758 MO 0.80823 0.03718 -0.45037 0.12327 0.14589 CENI -0.81487 0.02962 0.37393 -0.20636 -0.15648 H -0.19188 0.46388 -0.08879 0.71619 -0.22464 UFC 0.10236 0.55776 0.09394 -0.56930 0.15927 UFT -0.79839 -0.39775 -0.03894 -0.03989 0.34356 DENSI -0.37977 -0.34907 0.50537 0.45796 0.02920 CRA 0.78658 0.18167 0.24948 0.11687 -0.37540 RCN 0.81304 -0.35736 0.25772 0.04873 0.27086
Variance explained by each factor
5.074109 2.015121 1.442835 1.235308 1.004003
96
Final Communality Estimates: Total = 10.771377 TEMP PH N CARBO CIC MO CENI
0.781746 0.836724 0.819465 0.912609 0.703733 0.893928 0.871789
H UFC UFT DENSI CRA RCN 0.823267 0.679864 0.916766 0.732054 0.868536 0.930898
97
FACTOR1 1 .9 M .8F L D B .7 E .6 .5 .4 .3 .2 A F .1 I A C -1 -.9-.8-.7-.6-.5-.4-.3-.2-.1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0T O -.1 R 2 -.2 H -.3 K -.4 C -.5 -.6 -.7 J -.G -.9 -1
98
TEMP =A PH =B N =C CARBO =D CIC =E MO =F CENI =G H =H UFC =I UFT =J
DENSI =K CRA =L RCN =M
99
ANEXO B.
Análisis de correlación de Spearman.
Análisis de correlación de Spearman para el tratamiento CAP100.
CORRELATION ANALYSIS
Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0 / Number of Observations
TEMP PH N CARBO CIC MO CENI TEMP 1.00000 0.00192 0.07852 0.21047 0.06364 0.17428 -0.14040 0.0 0.9869 0.5002 0.0680 0.5849 0.1321 0.2264 100 76 76 76 76 76 76 PH 0.00192 1.00000 -0.34963 0.03403 0.14454 -0.04246 0.01769 0.9869 0.0 0.0020 0.7704 0.2128 0.7157 0.8794 76 76 76 76 76 76 76 N 0.07852 -0.34963 1.00000 0.07719 0.00573 0.05278 -0.01393 0.5002 0.0020 0.0 0.5075 0.9608 0.6507 0.9049 76 76 76 76 76 76 76 CARBO 0.21047 0.03403 0.07719 1.00000 0.56333 0.40581 -0.40693 0.0680 0.7704 0.5075 0.0 0.0001 0.0003 0.0003 76 76 76 76 76 76 76 CIC 0.06364 0.14454 0.00573 0.56333 1.00000 0.48350 -0.50603 0.5849 0.2128 0.9608 0.0001 0.0 0.0001 0.0001 76 76 76 76 76 76 76 MO 0.17428 -0.04246 0.05278 0.40581 0.48350 1.00000 -0.98644 0.1321 0.7157 0.6507 0.0003 0.0001 0.0 0.0001 76 76 76 76 76 76 76 CENI -0.14040 0.01769 -0.01393 -0.40693 -0.50603 -0.98644 1.00000 0.2264 0.8794 0.9049 0.0003 0.0001 0.0001 0.0 76 76 76 76 76 76 76 H 0.11885 -0.18736 0.18176 -0.40444 -0.23379 -0.28963 0.32286 0.3065 0.1051 0.1161 0.0003 0.0421 0.0112 0.0044 76 76 76 76 76 76 76
100
---------------------------------- TRATA=1 -----------------------------------
CORRELATION ANALYSIS
Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0 / Number of Observations
TEMP PH N CARBO CIC MO CENI UFC -0.07442 0.17068 0.05324 0.03667 0.31096 0.18447 -0.20809 0.5229 0.1404 0.6479 0.7531 0.0063 0.1107 0.0713 76 76 76 76 76 76 76 UFT -0.16643 -0.32494 0.11231 -0.55374 -0.69937 -0.49218 0.52624 0.1508 0.0042 0.3341 0.0001 0.0001 0.0001 0.0001 76 76 76 76 76 76 76 DENSI -0.21754 -0.00016 0.01803 -0.35785 -0.43746 -0.43714 0.46762 0.0591 0.9989 0.8772 0.0015 0.0001 0.0001 0.0001 76 76 76 76 76 76 76 CRA 0.22822 0.22662 0.01749 0.64256 0.69349 0.53615 -0.56637 0.0474 0.0490 0.8808 0.0001 0.0001 0.0001 0.0001 76 76 76 76 76 76 76 RCN 0.13745 0.22956 -0.37943 0.83617 0.56009 0.36025 -0.38276 0.2364 0.0461 0.0007 0.0001 0.0001 0.0014 0.0006 76 76 76 76 76 76 76 H UFC UFT DENSI CRA RCN TEMP 0.11885 -0.07442 -0.16643 -0.21754 0.22822 0.13745 0.3065 0.5229 0.1508 0.0591 0.0474 0.2364 76 76 76 76 76 76 PH -0.18736 0.17068 -0.32494 -0.00016 0.22662 0.22956 0.1051 0.1404 0.0042 0.9989 0.0490 0.0461 76 76 76 76 76 76 N 0.18176 0.05324 0.11231 0.01803 0.01749 -0.37943 0.1161 0.6479 0.3341 0.8772 0.8808 0.0007 76 76 76 76 76 76 CARBO -0.40444 0.03667 -0.55374 -0.35785 0.64256 0.83617 0.0003 0.7531 0.0001 0.0015 0.0001 0.0001 76 76 76 76 76 76 CIC -0.23379 0.31096 -0.69937 -0.43746 0.69349 0.56009 0.0421 0.0063 0.0001 0.0001 0.0001 0.0001 76 76 76 76 76 76
101
--------------------------------- TRATA=1 -----------------------------------
CORRELATION ANALYSIS
Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0 / Number of Observations
H UFC UFT DENSI CRA RCN
MO -0.28963 0.18447 -0.49218 -0.43714 0.53615 0.36025 0.0112 0.1107 0.0001 0.0001 0.0001 0.0014 76 76 76 76 76 76 CENI 0.32286 -0.20809 0.52624 0.46762 -0.56637 -0.38276 0.0044 0.0713 0.0001 0.0001 0.0001 0.0006 76 76 76 76 76 76 H 1.00000 -0.15944 0.33970 0.36677 -0.44448 -0.42086 0.0 0.1689 0.0027 0.0011 0.0001 0.0002 76 76 76 76 76 76 UFC -0.15944 1.00000 -0.33780 -0.03919 0.29528 0.06108 0.1689 0.0 0.0028 0.7368 0.0096 0.6002 76 76 76 76 76 76 UFT 0.33970 -0.33780 1.00000 0.41088 -0.88194 -0.61257 0.0027 0.0028 0.0 0.0002 0.0001 0.0001 76 76 76 76 76 76 DENSI 0.36677 -0.03919 0.41088 1.00000 -0.46137 -0.36373 0.0011 0.7368 0.0002 0.0 0.0001 0.0012 76 76 76 76 76 76 CRA -0.44448 0.29528 -0.88194 -0.46137 1.00000 0.61086 0.0001 0.0096 0.0001 0.0001 0.0 0.0001 76 76 76 76 76 76 RCN -0.42086 0.06108 -0.61257 -0.36373 0.61086 1.00000 0.0002 0.6002 0.0001 0.0012 0.0001 0.0 76 76 76 76 76 76
102
Análisis de correlación de Spearman para el tratamiento CAP175.
---------------------------------- TRATA=2 -----------------------------------
CORRELATION ANALYSIS
Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0 / Number of Observations
TEMP PH N CARBO CIC MO CENI TEMP 1.00000 -0.20325 0.16877 0.03775 0.04853 0.26617 -0.24283 0.0 0.1857 0.2734 0.8078 0.7544 0.0807 0.1122 56 44 44 44 44 44 44 PH -0.20325 1.00000 -0.40342 0.34453 0.18019 0.42244 -0.36076 0.1857 0.0 0.0066 0.0220 0.2418 0.0043 0.0161 44 44 44 44 44 44 44 N 0.16877 -0.40342 1.00000 -0.05478 0.08929 -0.34192 0.31762 0.2734 0.0066 0.0 0.7240 0.5644 0.0231 0.0356 44 44 44 44 44 44 44 CARBO 0.0377 0.34453 -0.05478 1.00000 0.69594 0.26955 -0.31588 0.8078 0.0220 0.7240 0.0 0.0001 0.0768 0.0367 44 44 44 44 44 44 44 CIC 0.04853 0.18019 0.08929 0.69594 1.00000 0.20894 -0.23596 0.7544 0.2418 0.5644 0.0001 0.0 0.1735 0.1231 44 44 44 44 44 44 44 MO 0.26617 0.42244 -0.34192 0.26955 0.20894 1.00000 -0.96716 0.0807 0.0043 0.0231 0.0768 0.1735 0.0 0.0001 44 44 44 44 44 44 44 CENI -0.24283 -0.36076 0.31762 -0.31588 -0.23596 -0.96716 1.00000 0.1122 0.0161 0.0356 0.0367 0.1231 0.0001 0.0 44 44 44 44 44 44 44 H 0.31300 -0.24867 0.22219 -0.39308 -0.32578 -0.05786 0.06396 0.0386 0.1036 0.1472 0.0083 0.0309 0.7091 0.6800 44 44 44 44 44 44 44
103
---------------------------------- TRATA=2 -----------------------------------
CORRELATION ANALYSIS Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0
/ Number of Observations TEMP PH N CARBO CIC MO CENI UFC 0.08872 -0.00233 0.30274 0.02926 -0.04630 -0.15023 0.21993 0.5668 0.9880 0.0458 0.8505 0.7654 0.3304 0.1514 44 44 44 44 44 44 44 UFT -0.06914 -0.63541 -0.04714 -0.43196 -0.42873 -0.50065 0.47766 0.6556 0.0001 0.7613 0.0034 0.0037 0.0005 0.0010 44 44 44 44 44 44 44 DENSI -0.45514 -0.12052 -0.13542 -0.17741 - 0.06306 -0.39309 0.34644 0.0019 0.4358 0.3808 0.2493 0.6843 0.0083 0.0212 44 44 44 44 44 44 44 CRA 0.11737 0.50869 -0.07349 0.63679 0.62548 0.47326 -0.48362 0.4480 0.0004 0.6354 0.0001 0.0001 0.0012 0.0009 44 44 44 44 44 44 44 RCN -0.03768 0.41671 -0.45964 0.86349 0.58467 0.37246 -0.41393 0.8081 0.0049 0.0017 0.0001 0.0001 0.0128 0.0052 44 44 44 44 44 44 44 H UFC UFT DENSI CRA RCN TEMP 0.31300 0.08872 -0.06914 -0.45514 0.11737 -0.03768 0.0386 0.5668 0.6556 0.0019 0.4480 0.8081 44 44 44 44 44 44 PH -0.24867 -0.00233 -0.63541 -0.12052 0.50869 0.41671 0.1036 0.9880 0.0001 0.4358 0.0004 0.0049 44 44 44 44 44 44 N 0.22219 0.30274 -0.04714 -0.13542 -0.07349 - 0.45964 0.1472 0.0458 0.7613 0.3808 0.6354 0.0017 44 44 44 44 44 44 CARBO -0.39308 0.02926 -0.43196 -0.17741 0.63679 0.86349 0.0083 0.8505 0.0034 0.2493 0.0001 0.0001 44 44 44 44 44 44
104
---------------------------------- TRATA=2 -----------------------------------
CORRELATION ANALYSIS
Spearman Correlation Coefficients / Prob > |R| under Ho: Rho=0 / Number of Observations
H UFC UFT DENSI CRA RCN CIC -0.32578 -0.04630 -0.42873 -0.06306 0.62548 0.58467 0.0309 0.7654 0.0037 0.6843 0.0001 0.0001 44 44 44 44 44 44 MO -0.05786 -0.15023 -0.50065 -0.39309 0.47326 0.37246 0.7091 0.3304 0.0005 0.0083 0.0012 0.0128 44 44 44 44 44 44 CENI 0.06396 0.21993 0.47766 0.34644 -0.48362 -0.41393 0.6800 0.1514 0.0010 0.0212 0.0009 0.0052 44 44 44 44 44 44 H 1.00000 0.17026 0.00582 0.08885 -0.18583 -0.42618 0.0 0.2692 0.9701 0.5663 0.2271 0.0039 44 44 44 44 44 44 UFC 0.17026 1.00000 -0.08823 -0.14212 - 0.12406 -0.17729 0.2692 0.0 0.5690 0.3574 0.4224 0.2496 44 44 44 44 44 44 UFT 0.00582 -0.08823 1.00000 0.35554 -0.71263 -0.36813 0.9701 0.5690 0.0 0.0179 0.0001 0.0139 44 44 44 44 44 44 DENSI 0.08885 -0.14212 0.35554 1.00000 -0.06197 -0.12148 0.5663 0.3574 0.0179 0.0 0.6894 0.4321 44 44 44 44 44 44 CRA -0.18583 -0.12406 -0.71263 -0.06197 1.00000 0.61665 0.2271 0.4224 0.0001 0.6894 0.0 0.0001 44 44 44 44 44 44 RCN -0.42618 -0.17729 -0.36813 -0.12148 0.61665 1.00000 0.0039 0.2496 0.0139 0.4321 0.0001 0.0 44 44 44 44 44 44
105
ANEXO C.
ANÁLISIS MULTIVARIADO DE LA VARIANZA MANOVA.
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.9899057448 100.00 -0.00923415 -0.14301915 -0.15834240 0.00260207 -0.00137888 0.02728809 0.02458188 -0.01113718 0.00008841 0.00392245 -0.05355682 0.01245251 0.00765330 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 -0.02980080 0.21163167 -0.39119805 0.00675041 -0.00063933 0.02860825 0.03481625 0.00542914 -0.00080055 0.00371082 -2.04911840 0.01558509 -0.02570408
106
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.00532214 0.47333753 0.30189997 -0.01144864 -0.00235061 -0.05719165 -0.06632588 -0.00518538 0.00052654 0.00232845 -1.78582134 0.00125654 0.03219323 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.01363188 0.37233841 0.57898018 -0.00429211 0.00040581 0.00200061 -0.00134198 -0.00381476 -0.00002147 0.00337587 1.37350203 0.00223286 0.00767053
107
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.01749906 0.01969566 -0.07583153 0.00053927 -0.00047346 -0.00165063 0.00656780 -0.00267635 0.00188734 0.00002883 0.01348651 0.00041794 -0.00706211 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.02330669 0.03230707 0.01871544 0.00200613 0.00600219 -0.00755659 0.00237203 -0.00278787 -0.00034548 -0.00147661 0.00764573 0.00096778 0.00548222
108
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.03860780 -0.13616834 -0.08760532 0.00268759 -0.00289237 0.01786749 0.01302712 0.00439820 -0.00058024 -0.00237385 0.21481749 0.00030397 -0.01027357 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 -0.00730225 -0.02904623 -0.09065428 0.00122338 -0.00049723 0.00561334 0.00273033 0.00034360 0.00019367 0.02685333 -0.06658982 0.00002284 -0.00324449
109
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.00211159 0.09002072 -0.26952389 0.00472946 0.00171691 0.03318646 0.01172923 0.00445700 0.00056727 0.00383851 0.41924869 0.00090330 -0.01513722 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 -0.00249871 -0.13212842 0.34624713 0.00815184 0.00022307 0.01257611 0.01432454 0.00401560 0.00029317 0.00107387 -0.65279051 0.00266633 -0.00927089
110
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 -0.01053261 0.27381147 -0.16220602 0.01659211 -0.00301886 0.05341311 0.05149078 0.01352394 -0.00010094 0.00430280 -0.74564767 0.00050188 0.00232625 General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 -0.00157275 -0.09468944 0.28509511 -0.00738154 -0.00025602 -0.04949663 -0.04909202 0.02299904 0.00025030 0.00448104 0.04902179 0.00520839 0.02202482
111
General Linear Models Procedure Multivariate Analysis of Variance Characteristic Roots and Vectors of: E Inverse * H, where H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix Characteristic Percent Characteristic Vector V'EV=1 Root TEMP PH N CARBO CIC MO CENI H UFC UFT DENSI CRA RCN 0.0000000000 0.00 0.01609795 -0.04305634 1.70877357 -0.06635796 0.00120974 0.03074770 0.02605366 -0.00110107 0.00003030 0.00131630 0.16486781 0.00106015 0.11248494 General Linear Models Procedure Multivariate Analysis of Variance Manova Test Criteria and Exact F Statistics for the Hypothesis of no Overall TRATA Effect H = Type III SS&CP Matrix for TRATA E = Error SS&CP Matrix S=1 M=5.5 N=28 Statistic Value F Num DF Den DF Pr > F Wilks' Lambda 0.50253637 4.4165 13 58 0.0001 Pillai's Trace 0.49746363 4.4165 13 58 0.0001 Hotelling-Lawley Trace 0.98990574 4.4165 13 58 0.0001 Roy's Greatest Root 0.98990574 4.4165 13 58 0.0001
112
ANEXO D. TÉCNICA DE COMPARACIÓN DE TUKEY AL 5%.
---------------------------------- FECHA=1 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: H NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 17.34491 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 6.0311 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 46.818 4 2 B 32.900 8 1 ---------------------------------- FECHA=11 ---------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CRA NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 5.136905 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 3.2822 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333
113
---------------------------------- FECHA=11 ---------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 35.125 8 1 B 25.000 4 2 ---------------------------------- FECHA=13 ---------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CARBO NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 1.61375 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 1.8396 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=13 ---------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 31.487 8 1 B 29.125 4 2 ---------------------------------- FECHA=13 ---------------------------------- General Linear Models Procedure
114
Tukey's Studentized Range (HSD) Test for variable: CRA NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 1.279762 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 1.6382 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 ---------------------------------- FECHA=13 ---------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 32.125 8 1 B 22.750 4 2 ---------------------------------- FECHA=2 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: PH NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 0.039899 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 0.2893 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=2 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 8.833 4 2 B 8.416 8 1
115
---------------------------------- FECHA=2 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: H NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 17.21456 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 6.0084 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=2 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 49.605 4 2 B 40.203 8 1 ---------------------------------- FECHA=2 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: UFT NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 4.89881 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 3.2052 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=2 -----------------------------------
116
General Linear Models Procedure Tukey Grouping Mean N TRATA A 7.500 4 2 B 4.125 8 1 ---------------------------------- FECHA=3 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CENI NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. ---------------------------------- FECHA=3 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 46.200 4 2 B 37.300 8 1 ---------------------------------- FECHA=4 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: H NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 22.67128 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 6.8952 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333
117
Means with the same letter are not significantly different. ---------------------------------- FECHA=4 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 54.855 4 2 B 47.673 8 1 ---------------------------------- FECHA=5 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: H NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 23.34071 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 6.9962 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=5 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 55.143 4 1 B 46.304 8 2 ---------------------------------- FECHA=5 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CRA NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ.
118
Alpha= 0.05 df= 7 MSE= 53.89881 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 10.632 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=5 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 64.625 8 2 B 53.750 4 1 ---------------------------------- FECHA=6 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CARBO NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 10.79946 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 4.7589 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=6 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 33.763 8 1 B 28.425 4 2
119
---------------------------------- FECHA=6 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 59.925 4 2 B 55.469 8 1 ---------------------------------- FECHA=6 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: RCN NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 2.058775 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 2.0778 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=6 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 17.366 8 1 B 14.415 4 2 ---------------------------------- FECHA=7 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CRA
120
NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 21.69048 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 6.7444 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=7 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 45.750 8 1 B 36.500 4 2 ---------------------------------- FECHA=9 ----------------------------------- Alpha= 0.05 df= 7 MSE= 0.029614 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 0.2492 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=9 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 8.234 8 1 B 7.967 4 2 ---------------------------------- FECHA=9 -----------------------------------
121
General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: N NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 0.015928 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 0.1828 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=9 ----------------------------------- General Linear Models Procedure Tukey Grouping Mean N TRATA A 1.9700 4 2 B 1.7838 8 1 ---------------------------------- FECHA=9 ----------------------------------- General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CRA NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 7 MSE= 2.994048 Critical Value of Studentized Range= 3.344 Minimum Significant Difference= 2.5057 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 5.333333 Means with the same letter are not significantly different. ---------------------------------- FECHA=9 ----------------------------------- General Linear Models Procedure
122
Tukey Grouping Mean N TRATA A 38.125 8 1 B 28.750 4 2 General Linear Models Procedure Class Level Information Class Levels Values TRATA 2 1 2 BLOQUE 4 1 2 3 4 FECHA 13 1 10 11 12 13 2 3 4 5 6 7 8 9 Number of observations in data set = 156 General Linear Models Procedure General Linear Models Procedure Dependent Variable: TEMP Sum of Mean Source DF Squares Square F Value Pr > F Model 49 859.8386667 17.5477279 3.01 0.0001 Error 70 407.7311458 5.8247307 Corrected Total 119 1267.5698125 R-Square C.V. Root MSE TEMP Mean 0.678336 5.986662 2.413448 40.3137500 General Linear Models Procedure Dependent Variable: TEMP Source DF Type I SS Mean Square F Value Pr > F
123
TRATA 1 0.1442593 0.1442593 0.02 0.8754 FECHA 9 594.3349386 66.0372154 11.34 0.0001 TRATA*FECHA 9 28.5296771 3.1699641 0.54 0.8372 BLOQUE(FECHA) 30 236.8297917 7.8943264 1.36 0.1492 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 0.1475104 0.1475104 0.03 0.8740 FECHA 9 537.9846771 59.7760752 10.26 0.0001 TRATA*FECHA 9 28.5296771 3.1699641 0.54 0.8372 BLOQUE(FECHA) 30 236.8297917 7.8943264 1.36 0.1492 General Linear Models Procedure Dependent Variable: PH Sum of Mean Source DF Squares Square F Value Pr > F Model 49 4.33303833 0.08842935 2.24 0.0010 Error 70 2.76352083 0.03947887 Corrected Total 119 7.09655917 R-Square C.V. Root MSE PH Mean 0.610583 2.404198 0.198693 8.26441667 General Linear Models Procedure Dependent Variable: PH Source DF Type I SS Mean Square F Value Pr > F TRATA 1 0.30716000 0.30716000 7.78 0.0068 FECHA 9 2.24280791 0.24920088 6.31 0.0001 TRATA*FECHA 9 0.88552875 0.09839208 2.49 0.0156 BLOQUE(FECHA) 30 0.89754167 0.02991806 0.76 0.7982 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 0.30175042 0.30175042 7.64 0.0073 FECHA 9 2.76384208 0.30709356 7.78 0.0001
124
TRATA*FECHA 9 0.88552875 0.09839208 2.49 0.0156 BLOQUE(FECHA) 30 0.89754167 0.02991806 0.76 0.7982 General Linear Models Procedure Dependent Variable: N Sum of Mean Source DF Squares Square F Value Pr > F Model 49 5.21116667 0.10635034 3.21 0.0001 Error 70 2.31643333 0.03309190 Corrected Total 119 7.52760000 R-Square C.V. Root MSE N Mean 0.692275 9.913450 0.181912 1.83500000 General Linear Models Procedure Dependent Variable: N Source DF Type I SS Mean Square F Value Pr > F TRATA 1 0.01335287 0.01335287 0.40 0.5274 FECHA 9 3.55127213 0.39458579 11.92 0.0001 TRATA*FECHA 9 0.30132500 0.03348056 1.01 0.4393 BLOQUE(FECHA) 30 1.34521667 0.04484056 1.36 0.1494 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 0.04004167 0.04004167 1.21 0.2751 FECHA 9 3.14452500 0.34939167 10.56 0.0001 TRATA*FECHA 9 0.30132500 0.03348056 1.01 0.4393 BLOQUE(FECHA) 30 1.34521667 0.04484056 1.36 0.1494 General Linear Models Procedure Dependent Variable: CARBO Sum of Mean
125
Source DF Squares Square F Value Pr > F Model 49 8516.051753 173.796975 4.92 0.0001 Error 70 2473.562083 35.336601 Corrected Total 119 10989.613837 R-Square C.V. Root MSE CARBO Mean 0.774918 15.07936 5.944460 39.4211667 General Linear Models Procedure Dependent Variable: CARBO Source DF Type I SS Mean Square F Value Pr > F TRATA 1 299.332983 299.332983 8.47 0.0048 FECHA 9 7408.354502 823.150500 23.29 0.0001 TRATA*FECHA 9 82.635702 9.181745 0.26 0.9831 BLOQUE(FECHA) 30 725.728567 24.190952 0.68 0.8744 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 410.136615 410.136615 11.61 0.0011 FECHA 9 6530.625035 725.625004 20.53 0.0001 TRATA*FECHA 9 82.635702 9.181745 0.26 0.9831 BLOQUE(FECHA) 30 725.728567 24.190952 0.68 0.8744 General Linear Models Procedure Dependent Variable: CIC Sum of Mean Source DF Squares Square F Value Pr > F Model 49 61665.87500 1258.48724 4.45 0.0001 Error 70 19802.12500 282.88750 Corrected Total 119 81468.00000 R-Square C.V. Root MSE CIC Mean 0.756934 21.15630 16.81926 79.5000000
126
General Linear Models Procedure Dependent Variable: CIC Source DF Type I SS Mean Square F Value Pr > F TRATA 1 1643.39713 1643.39713 5.81 0.0186 FECHA 9 50292.97370 5588.10819 19.75 0.0001 TRATA*FECHA 9 2141.50417 237.94491 0.84 0.5811 BLOQUE(FECHA) 30 7588.00000 252.93333 0.89 0.6243 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 297.03750 297.03750 1.05 0.3090 FECHA 9 44285.37083 4920.59676 17.39 0.0001 TRATA*FECHA 9 2141.50417 237.94491 0.84 0.5811 BLOQUE(FECHA) 30 7588.00000 252.93333 0.89 0.6243 General Linear Models Procedure Dependent Variable: MO Sum of Mean Source DF Squares Square F Value Pr > F Model 49 4665.682417 95.218009 3.90 0.0001 Error 70 1709.956250 24.427946 Corrected Total 119 6375.638667 R-Square C.V. Root MSE MO Mean 0.731798 8.462640 4.942464 58.4033333 General Linear Models Procedure Dependent Variable: MO Source DF Type I SS Mean Square F Value Pr > F TRATA 1 28.026896 28.026896 1.15 0.2878 FECHA 9 3390.096145 376.677349 15.42 0.0001 TRATA*FECHA 9 429.254375 47.694931 1.95 0.0583
127
BLOQUE(FECHA) 30 818.305000 27.276833 1.12 0.3448 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 37.209375 37.209375 1.52 0.2213 FECHA 9 3369.621042 374.402338 15.33 0.0001 TRATA*FECHA 9 429.254375 47.694931 1.95 0.0583 BLOQUE(FECHA) 30 818.305000 27.276833 1.12 0.3448 General Linear Models Procedure Dependent Variable: CENI Sum of Mean Source DF Squares Square F Value Pr > F Model 49 4395.784917 89.709896 3.52 0.0001 Error 70 1786.473750 25.521054 Corrected Total 119 6182.258667 R-Square C.V. Root MSE CENI Mean 0.711032 12.18680 5.051837 41.4533333 General Linear Models Procedure Dependent Variable: CENI Source DF Type I SS Mean Square F Value Pr > F TRATA 1 31.981633 31.981633 1.25 0.2668 FECHA 9 3332.484742 370.276082 14.51 0.0001 TRATA*FECHA 9 372.628542 41.403171 1.62 0.1257 BLOQUE(FECHA) 30 658.690000 21.956333 0.86 0.6695 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 42.084375 42.084375 1.65 0.2033 FECHA 9 3213.849542 357.094394 13.99 0.0001 TRATA*FECHA 9 372.628542 41.403171 1.62 0.1257 BLOQUE(FECHA) 30 658.690000 21.956333 0.86 0.6695 General Linear Models Procedure
128
Dependent Variable: H Sum of Mean Source DF Squares Square F Value Pr > F Model 49 6326.768012 129.117715 7.29 0.0001 Error 70 1239.099621 17.701423 Corrected Total 119 7565.867632 R-Square C.V. Root MSE H Mean 0.836225 8.450654 4.207306 49.7867500 General Linear Models Procedure Dependent Variable: H Source DF Type I SS Mean Square F Value Pr > F TRATA 1 273.009033 273.009033 15.42 0.0002 FECHA 9 4354.786225 483.865136 27.33 0.0001 TRATA*FECHA 9 952.202662 105.800296 5.98 0.0001 BLOQUE(FECHA) 30 746.770092 24.892336 1.41 0.1224 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 299.512384 299.512384 16.92 0.0001 FECHA 9 3329.392979 369.932553 20.90 0.0001 TRATA*FECHA 9 952.202662 105.800296 5.98 0.0001 BLOQUE(FECHA) 30 746.770092 24.892336 1.41 0.1224 General Linear Models Procedure Dependent Variable: UFC Sum of Mean Source DF Squares Square F Value Pr > F Model 49 212368.5417 4334.0519 1.42 0.0869 Error 70 213176.2500 3045.3750
129
Corrected Total 119 425544.7917 R-Square C.V. Root MSE UFC Mean 0.499051 43.89917 55.18492 125.708333 General Linear Models Procedure Dependent Variable: UFC Source DF Type I SS Mean Square F Value Pr > F TRATA 1 4055.3120 4055.3120 1.33 0.2524 FECHA 9 119840.7130 13315.6348 4.37 0.0002 TRATA*FECHA 9 28600.2667 3177.8074 1.04 0.4151 BLOQUE(FECHA) 30 59872.2500 1995.7417 0.66 0.8997 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 1430.8167 1430.8167 0.47 0.4953 FECHA 9 108984.0167 12109.3352 3.98 0.0004 TRATA*FECHA 9 28600.2667 3177.8074 1.04 0.4151 BLOQUE(FECHA) 30 59872.2500 1995.7417 0.66 0.8997 General Linear Models Procedure Dependent Variable: UFT Sum of Mean Source DF Squares Square F Value Pr > F Model 49 23044.36667 470.29320 21.69 0.0001 Error 70 1517.62500 21.68036 Corrected Total 119 24561.99167 R-Square C.V. Root MSE UFT Mean 0.938212 18.99851 4.656217 24.5083333 General Linear Models Procedure Dependent Variable: UFT
130
Source DF Type I SS Mean Square F Value Pr > F TRATA 1 5.48808 5.48808 0.25 0.6165 FECHA 9 22192.75776 2465.86197 113.74 0.0001 TRATA*FECHA 9 91.87083 10.20787 0.47 0.8894 BLOQUE(FECHA) 30 754.25000 25.14167 1.16 0.3004 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 1.83750 1.83750 0.08 0.7718 FECHA 9 19570.17083 2174.46343 100.30 0.0001 TRATA*FECHA 9 91.87083 10.20787 0.47 0.8894 BLOQUE(FECHA) 30 754.25000 25.14167 1.16 0.3004 General Linear Models Procedure Dependent Variable: DENSI Sum of Mean Source DF Squares Square F Value Pr > F Model 49 0.20363866 0.00415589 1.41 0.0943 Error 70 0.20683451 0.00295478 Corrected Total 119 0.41047317 R-Square C.V. Root MSE DENSI Mean 0.496107 13.19924 0.054358 0.41182583 General Linear Models Procedure Dependent Variable: DENSI Source DF Type I SS Mean Square F Value Pr > F TRATA 1 0.00757142 0.00757142 2.56 0.1139 FECHA 9 0.12650845 0.01405649 4.76 0.0001 TRATA*FECHA 9 0.01524472 0.00169386 0.57 0.8145 BLOQUE(FECHA) 30 0.05431407 0.00181047 0.61 0.9308 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 0.01024557 0.01024557 3.47 0.0668 FECHA 9 0.10124152 0.01124906 3.81 0.0006
131
TRATA*FECHA 9 0.01524472 0.00169386 0.57 0.8145 BLOQUE(FECHA) 30 0.05431407 0.00181047 0.61 0.9308 General Linear Models Procedure Dependent Variable: CRA Sum of Mean Source DF Squares Square F Value Pr > F Model 49 39585.71667 807.87177 15.88 0.0001 Error 70 3560.20833 50.86012 Corrected Total 119 43145.92500 R-Square C.V. Root MSE CRA Mean 0.917484 13.27432 7.131628 53.7250000 General Linear Models Procedure Dependent Variable: CRA Source DF Type I SS Mean Square F Value Pr > F TRATA 1 1161.38792 1161.38792 22.83 0.0001 FECHA 9 34831.49125 3870.16569 76.09 0.0001 TRATA*FECHA 9 1108.42083 123.15787 2.42 0.0186 BLOQUE(FECHA) 30 2484.41667 82.81389 1.63 0.0487 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 1638.03750 1638.03750 32.21 0.0001 FECHA 9 30070.12083 3341.12454 65.69 0.0001 TRATA*FECHA 9 1108.42083 123.15787 2.42 0.0186 BLOQUE(FECHA) 30 2484.41667 82.81389 1.63 0.0487 General Linear Models Procedure
132
Dependent Variable: RCN Sum of Mean Source DF Squares Square F Value Pr > F Model 49 4517.236272 92.188495 7.74 0.0001 Error 70 833.913083 11.913044 Corrected Total 119 5351.149356 R-Square C.V. Root MSE RCN Mean 0.844162 15.70099 3.451528 21.9828667 General Linear Models Procedure Dependent Variable: RCN Source DF Type I SS Mean Square F Value Pr > F TRATA 1 129.770439 129.770439 10.89 0.0015 FECHA 9 3968.716586 440.968510 37.02 0.0001 TRATA*FECHA 9 86.365613 9.596179 0.81 0.6126 BLOQUE(FECHA) 30 332.383634 11.079454 0.93 0.5759 Source DF Type III SS Mean Square F Value Pr > F TRATA 1 200.465714 200.465714 16.83 0.0001 FECHA 9 3446.573611 382.952623 32.15 0.0001 TRATA*FECHA 9 86.365613 9.596179 0.81 0.6126 BLOQUE(FECHA) 30 332.383634 11.079454 0.93 0.5759 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: TEMP NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 5.824731 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 0.9118 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333
133
Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 40.340 76 1 A 40.268 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: PH NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 0.039479 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 0.0751 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 8.3309 44 2 B 8.2259 76 1 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: N NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 0.033092 Critical Value of Studentized Range= 2.821
134
Minimum Significant Difference= 0.0687 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 1.8489 44 2 A 1.8270 76 1 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CARBO NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 35.3366 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 2.2459 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 40.623 76 1 B 37.345 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CIC NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ.
135
Alpha= 0.05 df= 70 MSE= 282.8875 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 6.3545 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 84.364 44 2 B 76.684 76 1 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: MO NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 24.42795 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 1.8673 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 58.771 76 1 A 57.768 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CENI
136
NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 25.52105 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 1.9086 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 42.132 44 2 A 41.061 76 1 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: H NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 17.70142 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 1.5896 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 51.769 44 2 B 48.639 76 1
137
General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: UFC NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 3045.375 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 20.85 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 130.13 76 1 A 118.07 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: UFT NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 21.68036 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 1.7592 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 24.671 76 1 A 24.227 44 2
138
General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: DENSI NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 0.002955 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 0.0205 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 0.4179 76 1 A 0.4014 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: CRA NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 50.86012 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 2.6944 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure
139
Tukey Grouping Mean N TRATA A 56.092 76 1 B 49.636 44 2 General Linear Models Procedure Tukey's Studentized Range (HSD) Test for variable: RCN NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 70 MSE= 11.91304 Critical Value of Studentized Range= 2.821 Minimum Significant Difference= 1.304 WARNING: Cell sizes are not equal. Harmonic Mean of cell sizes= 55.73333 Means with the same letter are not significantly different. General Linear Models Procedure Tukey Grouping Mean N TRATA A 22.774 76 1 B 20.616 44 2 General Linear Models Procedure Source Type III Expected Mean Square TRATA Var (Error) + Q(TRATA, TRATA*FECHA) FECHA Var (Error) + 10.667 Var (FECHA) + Q(TRATA*FECHA, BLOQUE(FECHA)) TRATA*FECHA Var (Error) + Q(TRATA*FECHA)
140
ANEXO D.
Distribución de promedios del tratamiento CAP100.
UNIVARIATE PROCEDURE
Variable=TEMP
Moments N 100 Sum Wgts 100 Mean 40.4425 Sum 4044.25 Std Dev 3.110721 Variance 9.676585 Skewness -0.28115 Kurtosis 0.705548 USS 164517.6 CSS 957.9819 CV 7.691713 Std Mean 0.311072 T:Mean=0 130.0101 Prob>|T| 0.0001 Sgn Rank 2525 Prob>|S| 0.0001 Num ^= 0 100 W:Normal 0.98142 Prob<W 0.6026 UNIVARIATE PROCEDURE
UNIVARIATE PROCEDURE
Variable=TEMP Histogram # Boxplot 47.5+*** 6 | .************************* 50 +--+--+ .********************* 41 +-----+ 32.5+** 3 0 ----+----+----+----+----+
may represent up to 2 counts
141
UNIVARIATE PROCEDURE Variable=PH Moments
N 76 Sum Wgts 76 Mean 8.225921 Sum 625.17 Std Dev 0.220679 Variance 0.048699 Skewness 0.355921 Kurtosis -0.25668 USS 5146.252 CSS 3.652436 CV 2.682725 Std Mean 0.025314 T:Mean=0 324.9606 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.967739 Prob<W 0.1659
UNIVARIATE PROCEDURE
Variable=PH Stem Leaf # Boxplot 86 0033305 7 | 84 14022344 8 | 82 011233455556890344566799 24 +--+--+ 80 000111223466678990001445668888 30 +-----+ 78 779099 6 | 76 9 1 | ----+----+----+----+----+----+ Multiply Stem.Leaf by 10**-1
142
UNIVARIATE PROCEDURE
Variable=PH
Normal Probability Plot 8.7+ ** +*+*+++*+ | +****++++ | +********* | ************* | *+**+**+++ 7.7++*++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE Variable=N
Moments N 76 Sum Wgts 76 Mean 1.826974 Sum 138.85 Std Dev 0.265245 Variance 0.070355 Skewness -0.81704 Kurtosis 1.62116 USS 258.9519 CSS 5.276604 CV 14.51825 Std Mean 0.030426 T:Mean=0 60.04716 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.966966 Prob<W 0.1500
143
UNIVARIATE PROCEDURE
Variable=N Missing Value . Count 24 % Count/Nobs 24.00 Stem Leaf # Boxplot 2 000000011111111111222224 24 +-----+ 1 5555566666666677778888888888889999999999999999 46 *--+--* 1 24444 5 | 0 8 1 0 ----+----+----+----+----+----+----+----+----+-
UNIVARIATE PROCEDURE
Variable=N Normal Probability Plot 2.25+ *******+**+*++*+++*+ | ******************** |+++++*+**+**+ 0.75+ * +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
144
UNIVARIATE PROCEDURE Variable=CARBO
Moments N 76 Sum Wgts 76 Mean 40.62289 Sum 3087.34 Std Dev 9.655708 Variance 93.23269 Skewness 0.379115 Kurtosis -0.32074 USS 132409.1 CSS 6992.452 CV 23.76913 Std Mean 1.107586 T:Mean=0 36.67698 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.965584 Prob<W 0.1248 Stem Leaf # Boxplot 6 234 3 | 5 0111111122788 13 | 4 00011122222234456688899 23 +--+--+ 3 00111222223344455666678899999 29 +-----+ 2 24467789 8 | ----+----+----+----+----+---- Multiply Stem.Leaf by 10**+1
145
UNIVARIATE PROCEDURE
Variable=CARBO
Normal Probability Plot 65+ * *+++*+ | ********+*+++ 45+ *********+ | ************ 25+ * +*+**+***** +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=CIC Moments N 76 Sum Wgts 76 Mean 76.68421 Sum 5828 Std Dev 24.94966 Variance 622.4856 Skewness 0.419407 Kurtosis -0.04843 USS 493602 CSS 46686.42 CV 32.53559 Std Mean 2.861922 T:Mean=0 26.79465 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.965861 Prob<W 0.1295
146
UNIVARIATE PROCEDURE
Variable=CIC Stem Leaf # Boxplot 14 6 1 | 12 25 2 | 10 001144444689004 15 | 8 1233347790013368 16 +-----+ 6 023445666233567778 18 *--+--* 4 47777700011346688889 20 +-----+ 2 1569 4 | ----+----+----+----+ Multiply Stem.Leaf by 10**+1 UNIVARIATE PROCEDURE
Variable=CIC Normal Probability Plot 150+ * | *+*+++++ | ********++* 90+ *******++ | +******* | **+******** 30+ * ++*+**++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
147
UNIVARIATE PROCEDURE
Variable=MO Moments N 76 Sum Wgts 76 Mean 58.77105 Sum 4466.6 Std Dev 7.045222 Variance 49.63515 Skewness -0.39489 Kurtosis 0.491194 USS 266229.4 CSS 3722.636 CV 11.98757 Std Mean 0.808142 T:Mean=0 72.72364 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.965663 Prob<W 0.1261 Stem Leaf # Boxplot 7 1236 4 0 6 00000011111122222333333344445556789 35 +-----+ 5 00000234456667778888888899999 29 +--+--+ 4 4566678 7 0 3 9 1 0 ----+----+----+----+----+----+----+ Multiply Stem.Leaf by 10**+1
148
UNIVARIATE PROCEDURE
Variable=MO Normal Probability Plot 75+ +**+*+++*+ | *************** 55+ +************* |+++++*+**+**** 35+ * +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=CENI
Moments N 76 Sum Wgts 76 Mean 41.06053 Sum 3120.6 Std Dev 7.120994 Variance 50.70855 Skewness 0.400523 Kurtosis 0.371276 USS 131936.6 CSS 3803.142 CV 17.34268 Std Mean 0.816834 T:Mean=0 50.26789 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.970058 Prob<W 0.2220
149
Stem Leaf # Boxplot 6 1 1 0 5 000002344456 12 0 4 000001111112222222233344456678 30 +--+--+ 3 12344455566667777777788899999 29 +-----+ 2 3789 4 0 ----+----+----+----+----+----+ Multiply Stem.Leaf by 10**+1
UNIVARIATE PROCEDURE
Variable=CENI
Normal Probability Plot 65+ * | *****+**+*+++++ 45+ ************++ | *************** 25++*+++*+**+ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
150
UNIVARIATE PROCEDURE
Variable=H Moments N 76 Sum Wgts 76 Mean 48.63908 Sum 3696.57 Std Dev 8.4749 Variance 71.82394 Skewness -0.67743 Kurtosis -0.28053 USS 185184.6 CSS 5386.795 CV 17.42406 Std Mean 0.972138 T:Mean=0 50.03311 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.935747 Prob<W 0.0010 Stem Leaf # Boxplot 6 03 2 | 5 112222333444444555555567778888888999 36 +-----+ 4 000111223455566777788889999 27 +--+--+ 3 0023446888 10 | 2 6 1 | ----+----+----+----+----+----+----+- Multiply Stem.Leaf by 10**+1
151
UNIVARIATE PROCEDURE
Variable=H Normal Probability Plot 65+ ++++++*+++*+ | **************** ** 45+ +**********+ | +++**+****** 25++*++ * +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=UFC
Moments N 76 Sum Wgts 76 Mean 130.1316 Sum 9890 Std Dev 58.92692 Variance 3472.382 Skewness 0.71035 Kurtosis -0.08974 USS 1547430 CSS 260428.7 CV 45.28257 Std Mean 6.759382 T:Mean=0 19.25199 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.937969 Prob<W 0.0015
152
UNIVARIATE PROCEDURE
Variable=UFC
Stem Leaf # Boxplot 3 0 1 0 2 556 3 | 2 00000001244 11 | 1 5568999 7 +-----+ 1 000001111222222223333334444444 30 *--+--* 0 566677777777888899999 21 +-----+ 0 344 3 | ----+----+----+----+----+----+ Multiply Stem.Leaf by 10**+2
UNIVARIATE PROCEDURE
Variable=UFC Normal Probability Plot 325+ | *+++*+ | **+***+**++ 175+ ++*****+ | ++********* | * ************ 25+ * ++*++++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
153
UNIVARIATE PROCEDURE
Variable=UFT Moments N 76 Sum Wgts 76 Mean 24.67105 Sum 1875 Std Dev 14.89822 Variance 221.957 Skewness 0.429879 Kurtosis -0.82387 USS 62905 CSS 16646.78 CV 60.38746 Std Mean 1.708943 T:Mean=0 14.43644 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.933324 Prob<W 0.0007
UNIVARIATE PROCEDURE
Variable=UFT
Stem Leaf # Boxplot 6 0 1 | 5 00116 5 | 4 00123479 8 | 3 111445566788889 15 +-----+ 2 0011126689 10 *--+--* 1 01112333444455667888888899 26 +-----+ 0 23334456788 11 | ----+----+----+----+----+-
154
UNIVARIATE PROCEDURE
Variable=UFT Normal Probability Plot 65+ *+ | ** *++*+++ | ******+++ 35+ *******+ | +++**** | ********** 5+ * * *+*****+ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=DENSI
Moments N 76 Sum Wgts 76 Mean 0.41787 Sum 31.7581 Std Dev 0.063609 Variance 0.004046 Skewness -0.09116 Kurtosis -0.83824 USS 13.57421 CSS 0.303461 CV 15.22229 Std Mean 0.007296 T:Mean=0 57.26993 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.95019 Prob<W 0.0122
155
UNIVARIATE PROCEDURE
Variable=DENSI Stem Leaf # Boxplot 5 0000001111223 13 | 4 5677889999 10 +-----+ 4 000000011111222223333344444 27 *--+--* 3 56667788899999 14 +-----+ 3 01122222333 11 | 2 8 1 | ----+----+----+----+----+--
UNIVARIATE PROCEDURE
Variable=DENSI
Normal Probability Plot 0.525+ ** **++**+* * | ****+++ | ********* | +******* | * *++***+** 0.275++*+++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
156
UNIVARIATE PROCEDURE
Variable=CRA
Moments N 76 Sum Wgts 76 Mean 56.09211 Sum 4263 Std Dev 18.63987 Variance 347.4447 Skewness 0.181165 Kurtosis -1.30675 USS 265179 CSS 26058.36 CV 33.23083 Std Mean 2.13814 T:Mean=0 26.23407 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.916365 Prob<W 0.0001
UNIVARIATE PROCEDURE
Variable=CRA Stem Leaf # Boxplot 9 2 1 | 8 0012235579 10 | 7 0112345667788 13 +-----+ 6 00001134558 11 | | 5 0011234778 10 *--+--* 4 0111333488 10 | | 3 0022334455556777899 19 +-----+ 2 88 2 |
157
UNIVARIATE PROCEDURE
Variable=CRA Normal Probability Plot 95+ +++++* | *****++* * | ******++ | *****++ | +****+ | ++**** | ** **+****** 25+ * *++++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=RCN
Moments N 76 Sum Wgts 76 Mean 22.77412 Sum 1730.833 Std Dev 6.866117 Variance 47.14356 Skewness 1.111633 Kurtosis 0.646007 USS 42953.98 CSS 3535.767 CV 30.14877 Std Mean 0.787598 T:Mean=0 28.91593 Prob>|T| 0.0001 Sgn Rank 1463 Prob>|S| 0.0001 Num ^= 0 76 W:Normal 0.887855 Prob<W 0.0001
158
UNIVARIATE PROCEDURE Variable=RCN
Stem Leaf # Boxplot 4 13 2 0 3 66678 5 0 3 003344 6 | 2 55566888 8 +-----+ 2 00000111222233333334444 23 *--+--* 1 5667777777788888888899999999 28 +-----+ 1 3444 4 | ----+----+----+----+----+---
UNIVARIATE PROCEDURE
Variable=RCN
Normal Probability Plot 42.5+ * * | ** **+++++++ | ****++++ 27.5+ ++***** | +++******** | ************* 12.5+ * * **+*+++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
159
Distribución de promedios del tratamiento CAP75.
UNIVARIATE PROCEDURE
Variable=TEMP Moments N 56 Sum Wgts 56 Mean 40.43393 Sum 2264.3 Std Dev 2.91025 Variance 8.469555 Skewness -0.2072 Kurtosis -0.44356 USS 92020.37 CSS 465.8255 CV 7.197545 Std Mean 0.388899 T:Mean=0 103.9704 Prob>|T| 0.0001 Sgn Rank 798 Prob>|S| 0.0001 Num ^= 0 56 W:Normal 0.967673 Prob<W 0.2673
UNIVARIATE PROCEDURE
Variable=TEMP
Stem Leaf # Boxplot 44 012788 6 | 42 23366714688 11 +-----+ 40 22222455522355788 17 *--+--* 38 0128088888 10 +-----+ 36 22402588 8 | 34 2569 4 | ----+----+----+----+
160
UNIVARIATE PROCEDURE
Variable=TEMP
Normal Probability Plot 45+ ***+*+* | *******+ | *******+ | ******+ | +****** 35+ *+++*+*+* +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=PH Moments N 44 Sum Wgts 44 Mean 8.330909 Sum 366.56 Std Dev 0.270097 Variance 0.072953 Skewness 0.253078 Kurtosis -0.35611 USS 3056.915 CSS 3.136964 CV 3.242113 Std Mean 0.040719 T:Mean=0 204.5965 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.96463 Prob<W 0.2897
161
UNIVARIATE PROCEDURE
Variable=PH Stem Leaf # Boxplot 88 0168 4 | 86 01108 5 | 84 11600 5 +-----+ 82 1167012455556789 16 *--+--* 80 138824689 9 +-----+ 78 17969 5 | ----+----+----+----+
UNIVARIATE PROCEDURE
Variable=PH Normal Probability Plot 8.9+ * * *+++*++ | *+*+*++++ | ++***++ | ******+** | +******* 7.9+ * +*+*+** +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
162
UNIVARIATE PROCEDURE
Variable=N
Moments N 44 Sum Wgts 44 Mean 1.848864 Sum 81.35 Std Dev 0.228119 Variance 0.052038 Skewness -0.25039 Kurtosis -0.77895 USS 152.6427 CSS 2.237643 CV 12.33833 Std Mean 0.03439 T:Mean=0 53.76133 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.96087 Prob<W 0.2147
UNIVARIATE PROCEDURE
Variable=N Stem Leaf # Boxplot 22 23 2 | 20 011337833467 12 +-----+ 18 12345778911579 14 *--+--* 16 001269367 9 +-----+ 14 111268 6 | 12 2 1 | ----+----+----+----+ Multiply Stem.Leaf by 10**-1
163
UNIVARIATE PROCEDURE
Variable=N Normal Probability Plot 2.3+ ++*+++*++ | ***+**++**+* | ********++ | +******+ | +*+*+**+** 1.3++++*++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=CARBO
Moments N 44 Sum Wgts 44 Mean 37.34545 Sum 1643.2 Std Dev 9.273404 Variance 85.99603 Skewness -0.31894 Kurtosis 0.668168 USS 65063.88 CSS 3697.829 CV 24.83141 Std Mean 1.398018 T:Mean=0 26.71314 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.978947 Prob<W 0.7269
164
Stem Leaf # Boxplot 5 2238 4 | 4 0012222334444567 16 +-----+ 3 11122336788899 14 *--+--* 2 256677999 9 | 1 0 1 0 ----+----+----+----+ Multiply Stem.Leaf by 10**+1
UNIVARIATE PROCEDURE
Variable=CARBO
Normal Probability Plot 55+ *+*+*+++*++ | **********+* 35+ *********+ | *+*+**+**** 15++++*+++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
165
UNIVARIATE PROCEDURE
Variable=CIC Moments N 44 Sum Wgts 44 Mean 84.36364 Sum 3712 Std Dev 27.76068 Variance 770.6554 Skewness 0.312388 Kurtosis -0.71888 USS 346296 CSS 33138.18 CV 32.90598 Std Mean 4.18508 T:Mean=0 20.15819 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.954285 Prob<W 0.1230
UNIVARIATE PROCEDURE
Variable=CIC Stem Leaf # Boxplot 14 0 1 | 12 3557 4 | 10 277679 6 +-----+ 8 1456701158889 13 *--+--* 6 1177112368 10 +-----+ 4 0048014467 10 | ----+----+----+----+ Multiply Stem.Leaf by 10**+1
166
UNIVARIATE PROCEDURE
Variable=CIC Normal Probability Plot 150+ +*+++ | **+++*++ | +*****+ | ******+* | +**+**** 50+ * * *+**+**** +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=MO
Moments N 44 Sum Wgts 44 Mean 57.76818 Sum 2541.8 Std Dev 7.81319 Variance 61.04594 Skewness -0.30667 Kurtosis -0.2911 USS 149460.1 CSS 2624.975 CV 13.52508 Std Mean 1.177883 T:Mean=0 49.04409 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.9686 Prob<W 0.3895
167
UNIVARIATE PROCEDURE Variable=MO
Stem Leaf # Boxplot 7 0011 4 | 6 5668 4 | 6 0111222233344 13 +-----+ 5 5566778 7 *--+--* 5 00002233444 11 +-----+ 4 579 3 | 4 0 1 | 3 9 1 | ----+----+----+----+
UNIVARIATE PROCEDURE
Variable=MO
Normal Probability Plot 72.5+ *+*+++* | ***+**+ | ********* | *****+ | ******** | *+**+*+ | ++++*+ 37.5++++* +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
168
UNIVARIATE PROCEDURE
Variable=CENI Moments N 44 Sum Wgts 44 Mean 42.13182 Sum 1853.8 Std Dev 7.388135 Variance 54.58455 Skewness 0.279521 Kurtosis -0.35999 USS 80451.1 CSS 2347.135 CV 17.53576 Std Mean 1.113803 T:Mean=0 37.82698 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.977056 Prob<W 0.6619
UNIVARIATE PROCEDURE Variable=CENI
Stem Leaf # Boxplot 6 1 1 | 5 55 2 | 5 000013 6 | 4 55666788 8 +-----+ 4 0223344 7 *--+--* 3 5677788889999 13 +-----+ 3 002244 6 | 2 9 1 | ----+----+----+----+
169
UNIVARIATE PROCEDURE
Variable=CENI Normal Probability Plot 62.5+ * + | +++++++ | *+**+*+ | ******* | +***** | ****+**** | *+**+*** 27.5+ +*+++*+ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=H
Moments N 44 Sum Wgts 44 Mean 51.76909 Sum 2277.84 Std Dev 6.657857 Variance 44.32705 Skewness -0.25096 Kurtosis -0.81453 USS 119827.8 CSS 1906.063 CV 12.86068 Std Mean 1.00371 T:Mean=0 51.57776 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.958525 Prob<W 0.1768
170
UNIVARIATE PROCEDURE Variable=H
Stem Leaf # Boxplot 6 0001123 7 | 5 55666677778 11 +-----+ 5 0011333444 10 *--+--* 4 556666678 9 +-----+ 4 003444 6 | 3 7 1 | ----+----+----+----+
UNIVARIATE PROCEDURE
Variable=H Normal Probability Plot 62.5+ * **+*+*+ * | *******++ | *******+ | +******* | +*+**+** 37.5++++*+++* +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
171
UNIVARIATE PROCEDURE
Variable=UFC Moments N 44 Sum Wgts 44 Mean 118.0682 Sum 5195 Std Dev 61.20131 Variance 3745.6 Skewness 1.433745 Kurtosis 1.514054 USS 774425 CSS 161060.8 CV 51.83556 Std Mean 9.226444 T:Mean=0 12.79672 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.829164 Prob<W 0.0001
UNIVARIATE PROCEDURE
Variable=UFC Stem Leaf # Boxplot 2 888 3 * 2 004 3 0 1 589 3 | 1 00001111222222233 17 +--+--+ 0 555566677788889999 18 +-----+ 0 ----+----+----+----+ Multiply Stem.Leaf by 10**+2
172
UNIVARIATE PROCEDURE
Variable=UFC Normal Probability Plot 275+ * * *+++ | *+++++++ | +++***+* | ++********** | * * ** +**+******* 25+ * ++++++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=UFT
Moments N 44 Sum Wgts 44 Mean 24.22727 Sum 1066 Std Dev 13.56271 Variance 183.9471 Skewness 0.849234 Kurtosis -0.19301 USS 33736 CSS 7909.727 CV 55.98117 Std Mean 2.044656 T:Mean=0 11.84907 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.905226 Prob<W 0.0013
173
UNIVARIATE PROCEDURE
Variable=UFT Stem Leaf # Boxplot 5 057 3 | 4 2348 4 | 3 0013499 7 +-----+ 2 0223889 7 | + | 1 00033344556667778889 20 *-----* 0 578 3 |
UNIVARIATE PROCEDURE
Variable=UFT Normal Probability Plot 55+ * * ++*+++ | **+**+++++ | *****++ | ++++*+** | ** ****+**** ** 5+ * *+*+++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
174
UNIVARIATE PROCEDURE
Variable=DENSI Moments N 44 Sum Wgts 44 Mean 0.401386 Sum 17.661 Std Dev 0.048089 Variance 0.002313 Skewness -0.11143 Kurtosis 1.636152 USS 7.188325 CSS 0.09944 CV 11.98077 Std Mean 0.00725 T:Mean=0 55.36581 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.946435 Prob<W 0.0610
UNIVARIATE PROCEDURE
Variable=DENSI
Stem Leaf # Boxplot 5 12 2 0 4 5588 4 | 4 0000000111122223444 19 +--+--+ 3 5677788888888999 16 +-----+ 3 2 1 | 2 78 2 0 ----+----+----+----+ Multiply Stem.Leaf by 10**-1
175
UNIVARIATE PROCEDURE
Variable=DENSI Normal Probability Plot 0.525+ * +*+++ | *+**+*++++ | *********** | ** *+*+*****+* | +++++*+++++ 0.275++++* * +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
UNIVARIATE PROCEDURE
Variable=CRA Moments N 44 Sum Wgts 44 Mean 49.63636 Sum 2184 Std Dev 19.24516 Variance 370.3763 Skewness 0.09098 Kurtosis -0.85267 USS 124332 CSS 15926.18 CV 38.77231 Std Mean 2.901318 T:Mean=0 17.10821 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.940859 Prob<W 0.0366
176
UNIVARIATE PROCEDURE
Variable=CRA Stem Leaf # Boxplot 8 388 3 | 7 0057 4 | 6 0011367 7 +-----+ 5 22344566779 11 *--+--* 4 3569 4 | | 3 001238 6 +-----+ 2 12235777 8 | 1 9 1 | ----+----+----+----+
UNIVARIATE PROCEDURE
Variable=CRA
Normal Probability Plot 85+ *+*++ | **+**+ | **+**+ | ******+ | +***++ | ++***** | * *++*+*** 15+ * +++++ +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
177
UNIVARIATE PROCEDURE
Variable=RCN Moments N 44 Sum Wgts 44 Mean 20.61615 Sum 907.1107 Std Dev 6.261012 Variance 39.20027 Skewness 0.554835 Kurtosis 0.92225 USS 20386.74 CSS 1685.612 CV 30.36945 Std Mean 0.943883 T:Mean=0 21.84185 Prob>|T| 0.0001 Sgn Rank 495 Prob>|S| 0.0001 Num ^= 0 44 W:Normal 0.946697 Prob<W 0.0625
UNIVARIATE PROCEDURE
Variable=RCN
Stem Leaf # Boxplot 3 6 1 0 3 0244 4 0 2 5669 4 | 2 0000000111222244 16 +--+--+ 1 666788888999 12 +-----+ 1 334444 6 | 0 5 1 0 0 ----+----+----+----+
178
UNIVARIATE PROCEDURE
Variable=RCN Normal Probability Plot 37.5+ *+++ | **+*+*++++ | +***+++ | ********** | ********** | * *+**+**+ | ++++++++ 2.5++ * +----+----+----+----+----+----+----+----+----+----+ -2 -1 0 +1 +2
179
Histogramas de distribución de promedios para los tratamientos CAP100 Y CAP75.
UNIVARIATE PROCEDURE
Variable=TEMP | | 60 + | | 50 + | | | | +-----+ +-----+ 40 + *--+--* *--+--* | | +-----+ | 0 | 30 + 0 ------------+-----------+----------- TRATA 1 2
Variable=PH
| | 9 + | | | | | | 8.5 + | +-----+ | +-----+ *--+--* | *--+--* +-----+ 8 + +-----+ | | | | | | 7.5 + ------------+-----------+----------- TRATA 1 2
180
UNIVARIATE PROCEDURE Schematic Plots
Variable=N
| | 3 + | | | | 2 + *-----* *--+--* | +--+--+ +-----+ | | | 1 + | | 0 | 0 + ------------+-----------+----------- TRATA 1 2
UNIVARIATE PROCEDURE Schematic Plots
Variable=CARBO
| | 150 + | | 100 + | | | 50 + +-----+ +-----+ | *--+--* *--+--* | | 0 0 + ------------+-----------+----------- TRATA 1 2
181
UNIVARIATE PROCEDURE Schematic Plots
Variable=CIC
| | 150 + | | | | | | | 100 + +-----+ +-----+ | *--+--* *--+--* | | | +-----+ 50 + +-----+ | | | | | 0 + ------------+-----------+----------- TRATA 1 2
Variable=MO
| | 100 + | | 80 + | 0 | | | | 60 + *--+--* *--+--* | +-----+ +-----+ | 0 | 40 + 0 | ------------+-----------+----------- TRATA 1 2
182
Variable=CENI | | 80 + | | 60 + 0 | | 0 | | +-----+ +-----+ 40 + *--+--* *--+--* | +-----+ | | 0 | 20 + ------------+-----------+----------- TRATA 1 2
Variable=H | | 80 + | | 60 + | | | *-----* *--+--* | | + | +-----+ 40 + +-----+ | | | | | 20 + ------------+-----------+----------- TRATA 1 2
183
Variable=UFC | | 300 + 0 | | * | | 0 200 + | 0 | +-----+ | | *--+--* +--+--+ 100 + +-----+ *-----* | | +-----+ | | | 0 + ------------+-----------+----------- TRATA 1 2
UNIVARIATE PROCEDURE Schematic Plots
Variable=UFT
| | 60 + | | | | | | | | 40 + +-----+ | | | | +-----+ | | + | | + | 20 + *-----* *-----* | +-----+ +-----+ | | | 0 + | ------------+-----------+----------- TRATA 1 2
184
Variable=DENSI | | 0.8 + | | 0.6 + | | 0 | +-----+ | 0.4 + *--+--* *--+--* | | | | | 0 0.2 + ------------+-----------+----------- TRATA 1 2
Variable=CRA | | 150 + | | 100 + | | | | | +-----+ +-----+ 50 + *--+--* *--+--* | +-----+ +-----+ | | 0 + ------------+-----------+----------- TRATA 1 2
185
UNIVARIATE PROCEDURE Schematic Plots
Variable=RCN
| | 60 + | | 40 + 0 | 0 0 | +-----+ | 20 + *--+--* *--+--* | | | | 0 0 + ------------+-----------+----------- TRATA 1 2
186
ANEXO F.
FOTOGRAFÍAS.
Facultad de Ciencias Agraria. Universidad de Antioquia
187
Laboratorio de bioquímica, nutrición animal y pastos y forrajes de la
facultad de ciencias agrarias de la universidad de Antioquia.
188
Coccidia observada en el tratamiento CAP75.
189
Aprisco en el cañón del Chicamocha.
190
Recommended