252 (Dec) pp 475-629
251 (Sep) pp 289-473
250 (Jun) pp 107-288
249 (Mar) pp 1-106
Revisiones (Dec)
248 (Dec) pp 311-455
247 (Sep) pp 199-310
246 (Jun) pp 93-198
245 (Mar) pp 1-92
Revisiones (Dec)
244 (Dec) pp 563-700
243 (Sep) pp 397-562
242 (Jun)
241 (Mar)
Revisiones-Reviews
240 (Dec) pp 477-636
239 (Sep) pp 319-476
238 (Jun) pp 159-318
237 (Mar) pp 1-158
Revisiones
236 (Dec)
235 (Sep)
234 (Jun) pp 161-320
233 (Mar)
Revisiones-Reviews
232 (Dec) pp 839-1354
231 (Sep) pp 319-836
230 (Jun) pp 161-318
229 (Mar) pp 1-160
Revisiones-Reviews
228 (Dec) pp 477-636
227 (Sep) pp 319-476
226 (Jun) pp 159-318
225 (Mar) pp 1-158
Revisiones (Mar)
224 (Dec) pp 635-792
223 (Sep) pp 321-478
Suplemento 1 (Dec) pp 479-632
222 (Jun) pp 161-320
221 (Mar) pp 1-160
Revisiones-Reviews
220 (Dec) pp 389-578
219 (Sep) pp 291-388
218 (Jun) pp 99-290
217 (Mar) pp 3-98
Revisiones-Reviews
Suplemento 1 (Dec) pp 377-794
216 (Dec) pp 805-1006
215 (Sep) pp 275-366
214 (Jun) pp 101-272
213 (Mar) pp 1-100
Revisiones-Reviews
212 (Dec) pp 325-424
211 (Sep) pp 225-236
210 (Jun) pp 125-224
209 (Mar) pp 1-124
Revisiones-Reviews
208 (Dec) pp 585-708
206 (Sep) pp 123-574
205 (Mar) pp 1-121
204 (Dec) pp 357-474
203 (Sep) pp 237-356
202 (Jun) pp 117-236
201 (Mar) pp 1-116
200 (Dec) pp 417-494
199 (Sep) pp 291-416
198 (Jun) pp 125-289
197 (Mar) pp 1-124
196 (Dec) pp 411-484
195 (Sep) pp 291-410
193 (Jun) pp 1-290
192 (Dec) pp 435-628
191 (Sep) pp 311-434
189 (Jun) pp 1-310
188 (Dec) pp 434-512
187 (Sep) pp 311-433
185-186 (Jun) pp 1-308
184 (Dec) pp 371-448
183 (Sep) pp 249-370
182 (Jun) pp 123-248
181 (Mar) pp 1-122
180 (Dec) pp 597-679
178-179 (Sep) pp 129-596
177 (Mar) pp 1-128
176 (Dec) pp 293-424
175 (Sep) pp 197-292
174 (Jun) pp 105-196
173 (Mar) pp 1-102
172 (Dec) pp 377-488
170-171 (Sep) pp 97-376
169 (Dec) pp 3-95
168 (Dec) pp 369-470
166-167 (Sep) pp 97-368
165 (Mar) pp 1-96
164 (Dec) pp 305-403
163 (Sep) pp 201-302
162 (Jun) pp 105-195
161 (Mar) pp 3-102
160 (Dec) pp 401-508
159 (Dec) pp 301-396
158 (Sep) pp 203-300
157 (Jun) pp 105-200
156 (Mar) pp 3-100
155 (Dec) pp 605-710
154 (Sep) pp 303-603
153 (Sep) pp 195-302
152 (Jun) pp 101-194
151 (Mar) pp 1-100
149 (Dec) pp 315-412
148 (Sep) pp 207-314
147 (Jun) pp 101-209
146 (Mar) pp 1-100
145 (Sep) pp 219-330
144 (Jun) pp 107-218
143 (Mar) pp 1-106
142 (Sep) pp 209-332
141 (Jun) pp 105-210
140 (Mar) pp 1-106
139 (Sep) pp 203-326
138 (Jun) pp 103-204
137 (Mar) pp 1-106
136 (Sep) pp 203-370
135 (Jun) pp 107-204
134 (Mar) pp 1-108
133 (Sep) pp 209-332
132 (Jun) pp 103-209
131 (Mar) pp 1-102
130 (Sep) pp 209-333
129 (Jun) pp 107-208
128 (Mar) pp 1-106
127 (Sep) pp 203-331
126 (Jun) pp 109-201
125 (Mar) pp 1-106
124 (Sep) pp 205-329
123 (Jun) pp 109-202
122 (Mar) pp 1-108
121 (Sep) pp 217-330
120 (Jun) pp 113-216
119 (Mar) pp 1-108
118 (Sep) pp 215-330
117 (Jun) pp 107-211
116 (Mar) pp 1-105
115 (Sep) pp 213-330
114 (Jun) pp 105-212
113 (Mar) pp 1-104
112 (Dec) pp 299-400
111 (Sep) pp 199-298
110 (Jun) pp 103-197
109 (Mar) pp 1-101
108 (Dec) pp 301-399
107 (Sep) pp 205-299
106 (Jun) pp 103-204
105 (Mar) pp 1-102
104 (Dec) pp 309-407
103 (Sep) pp 119-308
102 (Jun) pp 113-217
101 (Mar) pp 1-110
100 (Dec) pp 307-403
99 (Sep) pp 201-306
98 (Jun) pp 109-200
97 (Mar) pp 1-108
95-96 (Sep) pp 209-301
94 (Jun) pp 109-207
93 (Mar) pp 1-108
41 (Mar) pp 1-100
Arch. Zootec. 46:  225-237. 1997.    Download 2519
 
ESTIMACIÓN DE LA FITOMASA FORRAJERA DE ESPECIES ARBUSTIVAS TÍPICAS DEL CLIMA MEDITERRÁNEO ÁRIDO CHILENO MEDIANTE ANÁLISIS MULTICRITERIO
PREDICTION OF BROWSING BIOMASS OF CERTAIN SHRUB SPECIES FROM ARID MEDITERRANEAN CLIMATE OF NORTH CHILE BY MULTICRITERIA ANALYSIS

Patón, D.1, R. Osorio2, P. Azócar3, D. Bote4, H. Rojo3, A. Matas3, J. Tovar1,

1, Unidad de Producción Animal (Zootecnia). Facultad de Veterinaria. Universidad de Extremadura, Avda.de la Universidad sn. 10071 Cáceres. España.
2, Área de Biologla. Facultad de Ciencias. Universidad de la Serena. La Serena. Chile.
3, Centrode Estudios de Zonas Áridas (CEZA). Facultad de Ciencias Agrarias y Forestales. Universidad de Chile. c. Anibal Pinto 1069. Casilla 13. Coquimbo. Chile.
4, Departamentode Matemáticas. Facultad de Veterinaria. Universidad de Extremadura. Avda. de la Universidad sn. 10071 Cáceres. España.

Palabras clave adicionales
Chile. Matorral. Fitomasa forrajera. Regresión logarítmica. Regresión múltiple.
 
Additional keywords
Chile. Shrubs. Forage biomass. Logarithmic regression. Multiple regression.
 
Resumen
La relación entre fitomasa forrajera (MS) y variables morfológicas es determinada mediante regresiones logaritmicas cuadráticas para seis especies del matorral semiárido de la IV Región de Chile. Las especies determinadas fueron Adesmia microphylla (Hook. el Arn.) (R2=0,932). Atriplex repanda (Phil. ) (R2=0,994), Bridgesia incisifolia (Bert. ex Cambess) (R2=0,942), Flourensia thurifera(Mol.) DC. (R2=0,970), Gutierrezia resinosa(Hook. etArn.) Blacke. (R2=0,943) y Oxalis gigantea (Darn.) (R2=0,987). El modelo propuesto muestra un buen ajuste general para un conjunto de especies altamente variable tanto taxonómica como ecológicamente por la que podemos suponer que es generalizable. Esta metodología permite simplificar el proceso previo computacional usando un solo tipo de ecuación general independiente de la especie. Las diferencias entre especies vendrían dadas por los diferentes coeficientes de la misma ecuación: log(MS)= E log(X,)+ r [log(X,)]2 + EE1log(X,)*log(X.) +E E,[log(x,)]2"log(x,) +E E1log(X.)*[log(X )]2.
 
Summary
Relations hip between forage shrubbiomass (MS) and canopy variables, was determined using multiple logarithmic regressions with quadratic components in six shrub species from the semiarid region in the North of Chile. In all the species the R2 coefficients were significants. The species determined were Adesmia microphylla (Hook. et Arn.) (R2=0.932). Atriplex repanda (Phil.) (R2=0.994), Bridgesia incisifolia (Bert. ex Camboss) (R2=0.942), Flourensia thurifera (Mol.) DC. (R2=0.970), Gutierrezia resinosa (Hook. et Am.) Blacke. (R2=O.943) and Oxalis gigantea (Barn.) (R2=o.987). The proposed methodology allowed comparison between different species. The high R2 coefficients showed that the model can be applied without the previous computational analysis that is necessary when a set of single equations are tested. Therefore, the species differed in the coefficients of the same quadratic logarithmic equation: log(MS)= E log(X,)+ r [log(X,)]2 + EE1log(X,)*log(X.) +E E,[log(x,)]2"log(x,) +E E1log(X.)*[log(X )]2.
 
Arch. Zootec. 46:  225-237. 1997.    Download 2519
     
         
Patrocinador: e-revistas   Patrocinador: DOAJ
         
Patrocinador: Fundación Unicaja   Patrocinador: Asociación Iberoamericana de Zootecnia
         
Visitor Nº   6378291
   ©  A r c h i v o s  d e  Z o o t e c n i a