Rev. Fac. Agron. (LUZ). 2000, 17: 449-470 Documento ... · varias de las ventajas como herramienta...

449

Rev. Fac. Agron. (LUZ). 2000, 17: 449-470

Documento:Desarrollo, determinación e interpretación de

normas DRIS para el diagnóstico nutricional enplantas. Una revisión

Document:Development, determination and interpretation of DRIS

norms for nutritional diagnosis in plants. A review

O. Rodríguez y V. Rodríguez1

Resumen

La palabra DRIS es el acrónimo de Diagnosis and Recommendation Inte-grated System. Este sistema consiste en un conjunto de normas de diagnóstico,las cuales representan calibraciones de la composición de los tejidos, la composicióndel suelo, parámetros ambientales y prácticas de manejo en función del rendimientode un cultivo en particular. En la presente revisión, se presenta una brevedescripción del sistema, los cultivos en los cuales ha sido utilizado y han sidodesarrolladas normas DRIS, las vías de desarrollo de las normas de diagnósticoen el escenario internacional así como también, las vías de desarrollo de esasnormas generadas en Venezuela. Para la realización de un diagnóstico nutricionalDRIS, es imprescindible contar con los datos de análisis de tejidos y con lasnormas de diagnóstico desarrolladas para un cultivo. Finalmente, se indicanvarias de las ventajas como herramienta de diagnóstico, que han sido reportadaspara el sistema DRIS.Palabras clave: rendimiento, nutrientes, deficiencias, excesos, balance, ventajas.

Abstract

DRIS is shorthand for Diagnosis and Recommendation Integrated System.It consists of an integrated set of norms representing calibrations of plant tissuecomposition, soil composition, environmental parameters and farming practicesas function of yield of a particular crop. In this review a brief description of thesystem, common international ways of diagnostic norms development as well asthe ways of norms development in Venezuela are presented. To make a diagnosisusing the DRIS system, it is necessary to have access to nutrient composition

Recibido el 14-12-2000 l Aceptado el 1-4-20011 Decanato de Agronomía. Universidad Centroccidental Lisandro Alvarado. Apartado 400.Barquisimeto, Venezuela. Fax: 58-251-629840. email:[email protected]

450

Rodríguez y Rodríguez

El sistema DRIS (Diagnosis andrecommendation integrated system),fue propuesto originalmente porBeaufils (11), a partir de trabajos sobrefisiología y nutrición vegetal, primerocon el cultivo del caucho (10) en Viet-nam y posteriormente con maíz y cañade azúcar en Sur África (9, 10, 12, 13).Dicho trabajo (11) es un clásico, unaobra totalmente original en los estudiossobre nutrición vegetal y con unenfoque holístico de la investigación,por lo cual, se recomienda su lectura alos interesados en este tema.

Beaufils (11), presenta al DRIScomo una alternativa al método clásicoexperimental de campo consistente encomparar el efecto de variostratamientos, en razón de lasdificultades y limitaciones queintroducen en estos experimentos, laacción de numerosos factoresincontrolables y no evaluados, loscuales son meramente incluidos comoestimaciones de error experimental.Como ejemplo de esas limitaciones enlos experimentos con fertilizantesseñala Beaufils (11) lo siguiente: a) Losefectos observados como consecuenciade las respuestas de las plantas a losfertilizantes, constituyen el resultadode una compleja cadena de reacciones,generalmente no definidas o conocidas.b) Dichas reacciones son determinadaspor las características particulares delsitio de experimentación, las cualesnunca podrían ser exactamente

reproducidas en el tiempo y en elespacio, características que si podríanser reproducidas, bajo las condicionesde un experimento de laboratorio.Debido a estas dificultades losresultados y condiciones logradas enun determinado sitio experimental,muy raramente pueden serextrapoladas. c) Debido a que solo muypocos factores pueden ser variadossimultáneamente en los experimentosde campo (usualmente N, P y K enforma de fertilizante compuesto), losresultados y conclusiones obtenidospodrían estar tergiversados, debido ala actuación de un factor desconocido,no determinado, descartado oinsospechado, que actuase como unfactor limitante. d) La ocurrencia deun factor adverso accidental, que restevalor a la información. e) losrequerimientos de repetición en eltiempo y en el espacio, propio de losexperimentos de campo, hacen queestos sean numerosos y consumidoresde mucho tiempo.

Como conclusión a todas esaslimitantes, Beaufils (11), indica queestas podrían alterar los resultados yrestringir la experimentación. Comoconsecuencia, una gran proporción delos experimentos de campo, no tendríanutilidad o aun peor, causarían másdesorientación que una adecuadareferencia (11).

Plantea entonces Beaufils (11),que debido a la importancia de sortear

data and established DRIS norms. Finally, some of the reported DRIS advan-tages as a diagnostic tool are reported.Key words: yield, nutrients, deficiencies, balance, advantages.

Introducción

451

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

las limitaciones expuestas, serequeriría de un método capaz deminimizarlas, siendo esta la razón porla cual fue desarrollado y propuesto elmétodo denominado DRIS. Señala acontinuación que, la principal idea deesta metodología estriba en “reproducirlas condiciones de campo en unacomputadora, es decir, de forma simi-lar a lo que podría hacerse en unlaboratorio, de manera tal que sefacilite el estudio de la influencia deun gran numero de factorescondicionantes del rendimiento bajo unconjunto de circunstancias deseadaspreseleccionadas”

La aproximación experimentalpropuesta por Beaufils (11), sefundamenta en las siguientespremisas.

1. Desde el punto de vista de larespuesta de la planta, cualquiercambio en las condiciones que sobreellas actúen, bien sean estasdeliberadamente provocadas por elhombre o no, resultan en la realidaden un tratamiento. De allí que debenestudiarse sin discriminación ambostipos de influencias sobre las plantas.

2. Debido a que talestratamientos pueden influenciarcualquier factor de cualquiernaturaleza, implicado en el sistemadinámico planta-ambiente a través deuna cadena de reacciones; entonces, deser posible, todos y cada uno de estosfactores deben ser estudiados sindiscriminación.

3. Debido a que cualquierconjunto de observaciones obtenidas enun sitio determinado, bien bajocondiciones provocadas o no, solorepresentan una determinada muestradel fenómeno total a ser observado,

cualquiera de esas observaciones ycualquiera que sea su origen ylocalización necesitan ser estudiadassin discriminación.

De las consideracionesexpuestas, Beaufils (11), propuso elsiguiente esquema:

“La observación de cualquiercomponente de un sistema, esconsiderada análoga a la replicación deun experimento tradicional deobservaciones ilimitadas, (si essuficientemente grande él numero deobservaciones) y localizadas al azar enel cultivo, (si las observaciones estánsuficientemente dispersas en elespacio)”. Por tal razonamiento,recomendó la recolección de lainformación mediante la metodologíadel “survey” o censo parcial de uncultivo (11).

El sistema así diseñado permiteestudiar las siguientes relaciones,(presentadas de una maneraesquemática) (11).

a. Propiedades del suelo ®Respuesta de la planta ® Rendimiento

b. Condiciones climáticas ®Respuesta de la planta ® Rendimiento

c. Practicas agronómicas ®Respuesta de la planta ® Rendimiento

d. Tratamientos al suelo ®Propiedades del suelo ® Respuesta delsuelo

e. Respuesta del suelo +Condiciones climáticas + PracticasAgronómicas®

Respuesta de la planta.f. Respuesta de la planta

(sumatoria de caracteres internos) ®Rendimiento

Agrega Beaufils (11), que dichasrelaciones pueden ser progresivamenteestablecidas y progresivamente

452


recalibradas. Por ejemplo, si ladiversidad de condiciones en las hojas,etc. son identificadas conjuntamentecon el rendimiento y posteriormentereproducidas en el laboratorio, esteproceso permitiría estudiar la relacióny la influencia de cualquier de esosfactores sobre el rendimiento. ContinuaBeaufils (11), señalando que consuficiente información aleatoria, sefacilitan las siguientes acciones:

a. Preseleccionar todas lasobservaciones obtenidas, que secorresponden con la condición deseadapor el investigador, utilizando clases ointervalos para cada parámetro o fac-tor en consideración.

b. Estudiar el efecto de lasvariaciones de cada factor, utilizandodiseños estadísticos clásicos.

c. Reajustar un factor o unacondición cada vez que sea necesario,utilizando técnicas de aproximaciónsucesivas y simultáneas.

d. Recomponer el diseño avoluntad para estudiar masparticularmente determinado factor.

e. Establecer un sistema decalibración mediante el uso decoeficientes de regresión u otro factorcalibrador, para formular cualquiertipo de relación casual que puedaocurrir bajo las condiciones analizadas.

Beaufils (11), expresa que la ideaprincipal del DRIS es la de reproducirbajo techo (por ejemplo en unacomputadora) las condiciones decampo, en una vía similar a la formacomo podría hacerse en un laboratorio,de manera tal que pudiere estudiarsesimultáneamente, la influencia de ungran número de factores limitantes delrendimiento de las plantas, bajo unpredeterminado conjunto de

condiciones preseleccionadas.Según Sumner (96), el DRIS

consiste en un conjunto integrado denormas, desarrolladas para evaluar elestado nutricional de un cultivo. Estasnormas representan las calibracionesde la composición del tejido de laplanta, la composición del suelo, losparámetros del medio ambiente y lasprácticas culturales, como funciones dela producción obtenida por un cultivoen particular (96). Por lo tanto, el DRISintegra más íntimamente el balancenutricional de la planta y el suelo eincorpora aún, otros factores talescomo, la edad de la planta y el climaen el diagnóstico, permitiendo así hacerrecomendaciones confiables sobre elmanejo de los cultivos (96).

Evaluar el estado nutricionalconsiste en realizar una comparaciónentre una muestra cualquiera y unpatrón o estándar de comparación, elcual ha sido denominado como norma(62). La muestra puede estarconstituida por una sola planta o porun grupo de plantas y las normas sondefinidas como los contenidos de loselementos nutrientes en la planta oconjunto de plantas “normales” desdeel punto de vista de su estadonutricional (62). Malavolta et al (62),definen como plantas “normales” aaquellas que teniendo en sus tejidostodos los elementos en cantidades yproporciones adecuadas, son de altaproducción y presentan una aparienciaexterna sana.

La razón de esta definición partede la situación que las plantas bajocondiciones anormales (limitantes), nopueden expresar su optimo potencialproductivo (3, 11, 62, 111). Dicho enotras palabras, altos niveles de

453

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

producción solo pueden conseguirsecuando todos los factores quedeterminen la productividad, entreellos los factores nutricionales, seencuentran en condiciones normales (3,11, 62, 111).

Munson (64), expresa que unapremisa conceptual del DRIS se refierea que, aún cuando las concentracionesde uno o de todos los elementos de laplanta estén en su óptimo, el nivel desu rendimiento puede ser alto, bajo omedio, dependiendo de uno o más delos otros factores limitantes delrendimiento. Esos otros factores sonmuy variados, como por ejemplo, elnivel entre los nutrientes, prácticasculturales, enfermedades, plagas,malezas, humedad del suelo, densidadde población, temperaturacaracterísticas del suelo y aún algunosotros (64)

Debido a la naturaleza dinámicade la composición foliar, el proceso dediagnóstico debe tratarse como unejercicio complejo y no limitarse a lasimple comparación individual de losresultados analíticos de cada nutriente,contra valores críticos o contra losrangos de suficiencia correspondientes(97). Con base a esta premisa, variostrabajos han comparado la precisióndel diagnóstico entre el sistema DRISy el de valores críticos, el de los rangosde suficiencia y el DOP, dando porresultando que los análisis medianteel sistema de diagnóstico DRIS son masseguros y precisos que los deldiagnóstico por los otros sistemas (7,14, 16, 20, 30, 44, 51, 52, 64, 75, 91,109).

El DRIS fue desarrollado porBeaufils (9, 10, 11), alrededor de ladécada de los 60. Sumner (92, 93, 94,

95, 96), un colega de Beaufils en SurÁfrica, introdujo el DRIS en EE.UU.en la década de los 70. Posteriormente,diversos autores han utilizado esesistema para generar normas dediagnóstico de tejidos en una granvariedad de cultivos, desde pastos,pasando por cultivos anuales, hastacultivos perennes de variada índole. Acontinuación, se presenta un listado dereferencia de los cultivos que cuentancon normas de diagnóstico y de lostrabajos publicados en ese respecto.

Alfalfa (Medicago sativa) (16, 55,85, 106); árboles forestales (68);avellana (Corylus avellana L.) (1, 73);berenjena (Solanum melongena) (69);café (Coffea arabica y Coffeacanephora) (6, 21, 28); cambures (Musaparadisiaca) (5); caña de azúcar (Sac-charum officinarum) (12, 13, 32, 33,52, 103); caraotas (Phaseolus sp.) (112);cebolla (Allium cepa L.) (23); célery(Apium graveolens Mill) (105); cereza(Prunus avium L.) (73); lechosa(Carica papaya) (20); lechuga (Lectucasativa L.) (86); limones (Citrus limon)(26, 27); macadamia (Macadamiaternifolia) (29); mango (Mangifera in-dica) (70, 88); manzana (Malus sp);(42, 66) maíz (Zea mays); (7, 16, 22,30, 34, 35, 36, 59, 61, 74, 75, 91, 92,93, 95, 98, 110); melocotón (Prunuspersica) (87); naranja Valencia (Cytrussinensis L. Osbeck) (8, 17, 63, 83, 101);nogal (Juglans regia) (57); papa(Solanum tuberosum L.) (39, 60, 65);pasto Bermuda (Cynodon dactylon L):(76, 104); pecan (Carya illinoensis):(19); pino navideño. (Abies fraseri(Pursh) Poir) (50, 71); pino radial(Pinus radiata) (84); piña (Annanascomosus) (4, 58); plátano Hartón(Musa AAB subgrupo plátano cv.

454


Hartón) (77, 78, 79, 80, 81, 82); soya(Glicine max) (14, 15, 18, 38, 43, 45,46, 47, 48, 67, 90, 94); tabaco (Nicoti-ana tabacum L.) (40, 41); teca(Tectona-grandis Lf.) (31); tomate(Lycopersicum esculentum) (24, 25,49); trébol blanco (Trifolium repens)(53); trigo (Triticum aestivum L.) (2,16, 96, 98); uva (Vitis vinifera) (89).

Existen revisiones bibliográficas,las cuales pueden servir para ampliarel proceso de acercamiento alconocimiento y manejo de lascaracterísticas y alcances del DRIS ysu uso en aspectos sobre nutrición (8,15, 16, 20, 23, 30, 33, 36, 43, 44, 47,51, 52, 54, 58, 59, 60, 62, 64, 72, 73,74, 75, 87, 90, 91, 92, 93, 94, 95, 97,100, 101, 103, 106, 107, 108, 109, 110,

111). De la revisión de los trabajospublicados sobre el sistema DRIS, esevidente que su aplicación ha estadofundamentalmente dirigida hacia elárea de estudio de los aspectosnutricionales de plantas y suelos. Sinembargo, hay trabajos en otrasdisciplinas, como el estudio de lasrelaciones entre las micorrizas, lossuelos y las plantas (22, 37).

Rodríguez et al (77, 80, 81, 83),atribuyen la rápida adopción y difusióndel DRIS, a sus variadas ventajas entérminos de economía de recursos y deltiempo necesario para el desarrollo denormas de diagnóstico. Otrascaracterísticas del DRIS son sus sólidosbasamentos conceptuales y fisiológicosy su relativa simplicidad metodológica.

Interpretación del tipo de expresión de los análisisfoliares

La concentración de un elementode las hojas, % de N por ejemplo,consiste simplemente en la relaciónentre cantidad de N en el tejido y lacantidad de materia seca (M.S.), esdecir, 100 x N/M.S (108, 109). Por otraparte, una relación entre nutrientes,por ejemplo N/P, consiste en la relaciónentre esos dos nutrientes, conreferencia a la materia seca, lo cualpuede expresarse como:

N 100 N M.S.— = ——— x ——-P M.S. 100 P

expresión en la cual puede verseque los valores de M.S. puedencancelarse (105, 106).

Para desarrollar el esquema bajo

análisis se puede estudiar undeterminado caso (108). Por ejemplo,el de un análisis en el cual se hayadeterminado que el contenido de N yla relación N/P, están por encima delos valores óptimos.

Cuando el N es alto, podríanestablecerse las siguientes opciones(107).

a) Que hay exceso de N conrelación a un contenido normal de M.S.en el tejido de la planta.

b) Que el contenido de materiaseca en el tejido de la planta esinsuficiente con relación al contenidode N.

Si no se cuenta con normas dereferencia, es imposible determinarcual de las dos opciones es la correcta.Generalmente se asume que la mate-

455

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

ria seca es un valor fijo, lo cual nosiempre es verdad, (107), y hay lainclinación de favorecer la opción deque existe un exceso de N.Lógicamente, la segunda opcióntambién es posible y ocurre cuando la

planta ha absorbido una cantidad deN adecuada para su edad, pero se haretrasado la acumulación de materiaseca, como consecuencia de unacondición desfavorable en cualquierotro factor de crecimiento (107, 108).

Curva de umbrales de respuesta

La curva de umbrales derespuesta, fue propuesta por Webb(111). Esta curva puede ser utilizadapara generar normas de diagnostico.

Señala Sumner (101), que lacurva del figura 1, es la de umbralesde respuesta de Webb (111) y la mismautilizada por Beaufils (11) y Walworthet al (109). Dicha curva limita el área

denominada realidad, en la cual seubicaría cualquier observaciónvalidamente obtenida sobre unparámetro cualquiera, del áreadenominada ficción, en la cual nuncase podrá ubicar realmente, cualquierobservación validamente obtenida.

Sumner (101), concluye que demanera general, la curva de umbrales

Máximo Rendimiento

Ficción Ficción

Realidad Realidad

Ren

dim

ient

o

Concentración del NutrienteFuente: Sumner (101).

Figura 1. Modelo conceptual de la relación entre un parámetro foliar(o de suelo) y el rendimiento

456


de respuesta representa los casosextremos de la relación entre elrendimiento y un determinadoparámetro foliar o edáfico. Mediante lapráctica de adicionar continuamenteinformación de dicho parámetro a unbanco de datos y graficandosucesivamente las particularesrelaciones, se va construyendo unaserie de curvas de umbrales derespuesta (101). Continuamente estascurvas van siendo recalibradas demanera que, finalmente, si se proveesuficiente información al banco dedatos, se puede establecer lalocalización precisa de la curva y estaúltima, seria la calibración más exactade la relación parámetro foliar-rendimiento (101).

El valor del parámetro foliar enel cual se obtenga el rendimientomáximo, representa el nivel de talnutriente en particular, óptimo bajocualquier condición (11, 107, 108).Sumner (101), señala que en términosde futuros trabajos de calibración,podría ser provechoso el uso de latécnica de la curva de umbrales derespuesta, debido a que este sistemasoslaya muchos de los problemasasociados con los experimentos de

campo clásicos y aquellos que acarreanlas técnicas de regresión. Estaaseveración, aclara Sumner (101), nosignifica que deben abandonarse estos,sino que, podrían redefinirse aesquemas mas apropiados.

Webb (111), define a la curva deumbrales de respuesta, como “la curvaque representa los rendimientosmáximos obtenibles a determinadosvalores de un parámetro o factorcualquiera que influya en elrendimiento”. Este factor puede ser, porejemplo, la concentración foliar de unnutriente en el suelo o la temperatura,etc. Webb (111), añade que esta técnicapermite estudiar y analizar una grandiversidad de valores de la composiciónfoliar de una manera coherente yadecuada.

La definición propuesta por Webb(111), puede ser considerada como unaafirmación similar a aquellacomentada por Andrew (3), quienseñala que, “para investigacionesconfiables sobre los efectos de unadeficiencia de nutrientes en elrendimiento de un cultivo es indispens-able que todos los demás factores decrecimiento estén en su optimo”.

Generación del banco de datos en el sistema DRIS

Sumner (92) señala que en elsistema DRIS, se generan un conjuntoo juego de normas de diagnóstico, através del censo de contenido de losnutrientes foliares de una subpoblacióncon los más altos rendimientos. En estecenso, un gran número de sitiosdistribuidos al azar, son seleccionadospara el muestreo, los sitios a

muestrear pueden ser camposexperimentales o de producción (92).Cada sitio de muestreo es análogo a unaparcela experimental, por lo cual, estatécnica se basa en un gran número deobservaciones. Bajo este esquema, elsistema DRIS puede ser visualizadocomo un gran experimento factorialcompleto, en el cual, todos los factores

457

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

actúan sobre el rendimiento, sinrestricción alguna (92). Las basesconceptuales de este procedimiento

provienen de los trabajos de Andrew(3), Beaufils (11) y Webb (111).

Formas de expresión de las normasen el sistema DRIS

Walworth y Sumner (109, 110),señalan que en el sistema DRIS, lasnormas son establecidas a partir de lamedia de la concentración de losnutrientes, expresados sobre la mate-ria seca (N/M.S., P/M.S., K/M.S., Ca/M.S., etc.), así como las relaciones enforma de cociente entre los pares decada elemento (N/K, Zn/Fe, Fe/Mn,etc.). Esta forma de expresión fuepropuesta por Beaufils (11), con base ala observación de las tendencias alcambio de concentración de losnutrientes durante el proceso deenvejecimiento. Beaufils (11), propusola expresión de las normas dediagnóstico con base a cocientes, parareducir el efecto modificatorio que in-troduce la edad del tejido muestreado,en la correcta interpretación odiagnóstico de un determinado análisisfoliar.

Beaufils (11), Sumner (99) yWalworth y Sumner (109), señalanque cuando la concentración de losnutrientes disminuye o se incrementacon la edad del tejido, es decir que vanen una misma dirección, las relacionescomo cocientes entre las normasexpresadas como la media de laconcentración de cada nutriente sobrela materia seca (ej. N/M.S./P/M.S.),son las más apropiadas formas deexpresión, pero si por el contrario vanen direcciones opuestas, como lo seríanel caso del N, cuyo contenido

disminuye en los tejidos, después quese pasa de tejidos maduros a tejidosviejos y el Ca, cuyo contenido incre-menta en los tejidos viejos, la expresiónde la norma como el producto entre losnutrientes (N x Ca), es la mejor formade expresión.

Si se analiza al elemento calcio(Ca), el cual al expresarlo comoporcentaje, aumenta con la edad, perosi su contenido es expresado como sureciproco (1/Ca), su valor disminuyecon la edad, de esta ultima manerapodría estudiarse mejor su relación conotros elementos que disminuyen conla edad, como por ejemplo el nitrógeno(99). De tal forma, la expresión de larelación quedaría N/ 1/Ca = N C Ca,eliminándose de esa manera, el efectodel envejecimiento sobre la divergenciaen la relación entre los elementos (99).Los valores de expresión de estamanera, se mantienen relativamenteconstantes con la edad de los tejidos,dentro de unos límites relativamentemás amplios, alternativa que sepresenta como oportuna para ampliarla utilidad y la precisión de losdiagnósticos foliares (99).

La utilidad de la forma deexpresión de las relaciones entrenutrientes es ilustrada con un ejemplo.Beverly et al (17), diagnosticaron elestado de los elementos N, P, K, Ca, yMg en las hojas de naranjo “Valencia”,(Citrus sinensis L., Osbeck), mediante

458


normas desarrolladas con base alsistema DRIS, utilizando las relacionesentre estos cincos elementos, en formade cocientes. Esos autores concluyeronque los índices de los nutrientes fueronafectados por la edad de la hoja (17).En contraposición, Sumner (99) yWalworth y Sumner (107), realizaronun análisis de los mismos datos (17),pero expresando las relaciones queconciernen a los demás elementos, enrelación con el Ca y el Mg, en forma deproductos, (N x Ca), en vez de cocientes(N/Ca o Ca/N). Con ello, Sumner (99),

encontró que la edad de la hoja delnaranjo, no tenía un efecto sustancialen los diagnósticos nutricionalesarrojados por el sistema DRIS. Por lasrazones expresadas, Sumner (99)concluyó que para obtener una real ytotal ventaja de la flexibilidad queofrece el uso de dicho sistema, debeutilizarse la vía de expresión adecuadade las normas. Con base a las razonesrecién analizadas, Walworth y Sumner(107), recomiendan escoger la forma deexpresión que se mantenga más establecon el envejecimiento.

Vías de desarrollo de las normas dediagnóstico en el sistema DRIS

En el DRIS, la vía propuesta paradesarrollar las normas de diagnóstico(valores óptimos normales), consiste enla determinación de la composición fo-liar de las plantas con los más altosrendimientos de un cultivo, para serutilizadas como las normas dediagnóstico (9, 10, 11, 12, 77, 83, 99,107). A su vez, los rangos normales dedesviación de ese promedio, sedeterminan utilizando los valores de ladesviación estándar de los datos de lapoblación de la cual son desarrolladaslas normas (9, 10, 11, 12, 77, 83, 101,107). La desviación de los valoresnormales o normas de diagnóstico, estácomprendida en el rango de valores dela media o norma de diagnóstico, maso menos una vez el valor de ladesviación estándar (32, 33, 35, 83,107, 108).

La vía más difundidaoriginalmente para desarrollar lasnormas de diagnóstico DRIS, fue la deextraer información de bancos de datos

preexistentes y procesarlos como seseñala en la presentación del sistemapor Beaufils (11) y luego por Walworthy Sumner (107). Esos datosgeneralmente provienen deexperimentos bajo condicionescontroladas. Las relaciones de balanceentre nutrientes que van a serutilizadas como normas de diagnóstico,son seleccionadas en primer lugar,entre aquellas que presentan losgrupos de plantas excepcionales en unadeterminada cualidad o característicaseleccionada y en segunda instancia,de la capacidad potencial que tenganesas relaciones, de detectar diferenciasentre los grupos excepcionales (11, 12,13, 14, 99, 107).

En Venezuela, Rodríguez yRodríguez (77), y Rodríguez et al (83)desarrollaron una variantemetodológica para el desarrollo de lasnormas. Esa variante consiste endesarrollar un banco de datos,realizando un muestreo de un cultivo

459

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

y seleccionando las plantas con valoresen el tope del rendimiento (o decualquier otra característica,previamente definida por elinvestigador) de ese cultivo. Con lasmencionadas plantas, se desarrollanlas normas de diagnóstico bajo lapremisa y criterio que, las normas secorresponden con el valor promedio delos valores del nutriente en lasubpoblación de más altosrendimientos (77, 83). Dicho criteriotiene su validación experimental en lostrabajos Letsch y Sumner (59) yWalworth et al (109, 110).

Letsch y Sumner (59),demostraron que el nivel de corteseleccionado para dividir las plantasde altos y bajos rendimientos, no gen-era diferencias en el valor de lasnormas de diagnóstico, debido que elvalor promedio para una determinadaforma de expresión de la composiciónfoliar para la población de más altosrendimientos, varió en solo un 7,2 %,cuando el nivel de corte en elrendimiento del maíz fue cambiado de4 a 10 Mg.ha-1.

Walworth et al (110),demostraron que las normas dediagnóstico pueden ser desarrolladas,aún de una población reducida deindividuos o de un número reducido deplantas o unidades experimentales, síestas están realmente en los topes delrendimiento de ese cultivo.Posteriormente, Rodríguez et al (77,83), establecieron como vías dedesarrollo y de validación de lasnormas desarrolladas, a partir de losvalores de las plantas en el 20 % supe-rior del rendimiento. La validación fuerealizada a través de la comparación

de las normas desarrolladas conplantas de naranjo Valencia dediferentes edades, injertadas sobrediferentes portainjertos y su posteriorconfrontación, contra valoresdesarrollados mediante sistemasclásicos por otros autores (77, 83,Arizaleta et al, no publicado).

La determinación de lacomposición foliar de las plantas conlos más altos rendimientos, podría sertan útil como la obtenida a través deinvestigaciones con ensayos defertilización bajo condicionescontroladas (11, 59, 102, 107, 108, 109,110). También indican esos autores,que las informaciones obtenidas pormedio de la investigación de lascantidades de fertilizantes a aplicar,fecha de siembra y densidades desiembra a utilizar para lograr altosrendimientos, pueden ser específicaspara cada localidad, en cambio, losniveles de la composición de losnutrientes en los tejidos, pueden teneruna aplicabilidad geográfica másamplia (11, 101, 102, 107). Por lo tanto,este tipo de información nutricionalpuede utilizarse para generar normasfoliares óptimas, a partir de bancos dedatos amplios, en razón del estrechomargen de la composición foliar quegeneralmente está correlacionada conlos niveles más altos de producción (11,62, 82, 101, 102, 107, 108, 109, 110).En un sistema integral de diagnósticoy recomendación, los análisis de suelo,así como otras fuentes de información,deben integrarse con los diagnósticosfoliares en forma previa, para que unarecomendación confiable pueda serrealizada (102).

460


Efectos de diferentes variables sobrelas normas DRIS.

a) Con relación a la posición de lahoja muestreada. Walworth y Sumner(107) encontraron que al realizar éldiagnóstico con el sistema DRIS enhojas de maíz de variada posición dentrode la planta, solo ocurrieron variacionesmenores en el diagnóstico y elnutriente diagnosticado como másnecesitado, siempre resultó altamenteindependiente de la posición de la hojaanalizada.

b) Con relación a la edad. Sumner(93, 94), realizó el diagnóstico del follajede maíz y de soya a través del DRIS,con plantas de una gran variedad deedades, de localidades y de posicionesde la hoja en la planta y reportó que noocurrieron cambios significativos en elorden de requerimiento diagnosticadode los nutrientes. Con base a estosestudios, Walworth y Sumner (107),expresan que el DRIS, puedeminimizar en muchos casos laslimitaciones causadas por la edad deltejido muestreado, limitacionesconsideradas como las más severaspara otros sistemas de diagnóstico.

c) Con relación a la ubicacióngeográfica.

Fue realizada una comparación,entre las normas DRIS para caña deazúcar derivadas de datos generadosen suelos contrastantes de Florida,EE.UU. y Sur África (107). Fuedeterminado que a pesar de las grandesdiferencias en condiciones edáficas yambientales, las normas derivadaspromediando los valores de los dosgrupos de plantas más productivas,resultaron virtualmente idénticas

(107).Por otra parte, Walworth y

Sumner (107), informaron que alcomparar normas derivadas de hojasde maíz de diversas partes del mundo,se consiguieron diferenciassustanciales, fundamentalmente en losvalores de Ca y Mg. Esta situaciónpodría conferirle algunas limitacionesa la aplicación universal de normasdesarrolladas en una localidad. Losautores nombrados asumen quedichas variaciones reflejan unavariación permisible en los niveles deCa y Mg en los tejidos de las plantasde más altos rendimientos (107). Estopodría ser confirmado a través delanálisis de los valores relativos de loscoeficientes de variación asociados conlas relaciones de los diferentesnutrientes en las poblaciones de altosrendimientos. Los coeficientesindicados para Mg/M.S. son 42%,mientras que para N/M.S., P/M.S. yK/M.S. son 12, 30 y 32 %,respectivamente. Así mismo,encontraron que esta variación fuetomada en consideración en la ecuacióndel calculo de los índices de diagnóstico(107). En la ecuación de cálculo de losíndices de diagnóstico del sistemaDRIS (IN-DRIS), la desviación de laexpresión cada nutriente con respectoal valor optimo de la respectiva norma,es sopesada y balanceada por el inversodel coeficiente de variacióncorrespondiente (107).

Debido a las razones reciénexpuestas, para Sumner (96) yWalworth y Sumner (107), las

461

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

expresiones desarrolladas de los valoresde las plantas con elevadosrendimientos, tienen una gran validez.Las normas desarrolladas de datosprovenientes de una amplia gama decondiciones, serían validamenteaplicables a esas condicionesespecificas, si la variación normal delos parámetros, está realmenterepresentada en el banco de datos delcual fueron extraídos (107).

Según Munson y Nelson (64), losresultados obtenidos de los estudios enmaíz (36) y alfalfa, (106), han indicadoque las normas desarrolladas local oregionalmente, producen mayorprecisión en él diagnostico dedeficiencias o desbalances que aquellosproducidos por normas de otrasregiones.

El diagnóstico en el sistema DRIS

El diagnóstico del estadonutricional de plantas a través de sucomposición foliar, depende de laprecisión de las normas o promedioscontra los cuales son comparados losresultados analíticos. Es decir, laprecisión de un diagnóstico foliardepende de la constancia en la relaciónentre la composición foliar y larespuesta de los cultivos (107).

La composición foliargeneralmente es expresada sobre labase del porcentaje de un elemento ysu relación a la materia seca. Diversosautores, Andrew (3), Beaufils (11) yKenworthy (56), señalaron que estaforma de expresión depende de la edadfisiológica del tejido estudiado. Por lotanto, para evitar problemas a la horade realizar las interpretaciones, debeejercerse un riguroso control en larecolección de las muestras, de manerade asegurar que están sean de lamisma edad fisiológica que los patronescontra los cuales se comparan losresultados analíticos (11, 12).

El diagnóstico en el sistema DRISse realiza sobre la base de relacionesde balance entre nutrientes (11, 97, 99,

107). La aplicación del DRIS aldiagnóstico de tejidos de plantas,permite establecer una gradaciónrelativa de los elementos bajodiagnóstico, desde los más deficienteshasta los menos deficientes (11, 97,107, 108). Tal como fue señalado y seráexplicado más adelante, esta vía derealizar el diagnóstico, a través de lasrelaciones de balance entre losnutrientes, permite superar lalimitante representada por ladependencia de la composición foliar,de la edad fisiológica del cultivo (11,97, 107, 108).

Para la realización de undiagnóstico DRIS, es imprescindiblecontar con los datos de análisis detejidos y con las normas de diagnósticodesarrolladas para un cultivo (11, 77,97, 99, 107, 108). El diagnóstico en elsistema DRIS, se realiza mediante elestudio de las relaciones de balanceentre todos los elementos analizados yno a partir del estudio comparativo delcontenido absoluto de los nutrientes enlos tejidos. Esas relaciones de balanceson definidas a través del cálculo delos denominados índices de los

462


nutrientes (IN-DRIS), para cadaelemento en particular (11, 78, 97, 107,108).

El índice del nutriente, es el valorpromedio de todas las comparacionesde los nutrientes y de sus interaccionescontra los valores normales o normasde los nutrientes (11, 77, 78, 81, 92,97, 107, 108). Los IN-DRIS seránnegativos, positivos o cero de acuerdoa la magnitud de las desviaciones delóptimo balance, de esta manera,pueden ser interpretadas fácilmentelas relaciones de balance entre todoslos nutrientes (11, 77, 78, 81, 92, 97,107, 108).

Por ejemplo, para un nutrientecualquiera “A”, el índice de A se calculade la siguiente manera (107):

Índice de A (LA) =[¦(A/B) + ¦(A/C) + ¦(A/D) + (-) ¦(E/A) + ............... +¦(A/n)] / z

La fórmula del índice de unnutriente, es desarrollada a partir dela operación las sumas y restas de lasfunciones o comparaciones ¦(A/n). Enla operación, “z” representa el númerode funciones en las cuales estápresente el nutriente bajo estudio. A,B, C y n, son los valores de contenidode cada nutriente (107).

Las funciones para un nutrienteA son iguales a cero (¦(A/n)= 0), cuandola concentración del nutriente en lamuestra es igual a la norma DRIS.

Las funciones para un nutrienteA son mayores a cero (¦(A/n)> 0),cuando la concentración del nutrienteen la muestra es mayor a la normaDRIS.

Las funciones para un nutrienteA son menores a cero (¦(A/n)< 0),cuando la concentración del nutrienteen la muestra es menor a la norma

DRIS.De esta manera, los índices de los

nutrientes son reportados como unosvalores numéricos los cuales puedenresultar como positivos, negativos oiguales a cero (107, 108, 109). Estosvalores se pueden ordenar de menor amayor y realizar él diagnostico del bal-ance nutricional de la planta.

Sin embargo, las consideracionesdel relativo balance, deficiencia o excesode un nutriente con relación a losdemás, no quieren decir precisamenteque un nutriente individual está enuna concentración óptima, deficienteo en exceso, dentro del tejido de laplanta (11, 54, 78, 107, 108).

Por lo tanto, es necesario realizaruna comparación final, entre losvalores de los nutrientes provenientesdel laboratorio y sus correspondientesíndices calculados, contra los rangosde balance (normas DRIS, ± sudesviación estándar), para poderrealizar él diagnostico final del balancenutricional de la planta yposteriormente, elaborar unasrecomendaciones (78).

La segunda fase en el diagnósticoen el sistema DRIS, envuelve ladeterminación de los índices de balancede los nutrientes (IBN-DRIS), a travésde la suma algebraica de los valoresabsolutos de todos los IN-DRIScalculados (11, 78, 81, 82, 107, 108).

El IBN-DRIS, determina lamagnitud del balance (o desbalance)nutricional de un cultivo con respectoal valor óptimo de un nutriente en elcultivo, por lo tanto, mientras mayorsea el desbalance nutricional en lamuestra de tejido, mayor serán losvalores de los IBN-DRIS y viceversa,mientras menor sea el desbalance del

463

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

nutriente con respecto al valor óptimo,ese valor tiende a cero (11, 78, 81, 82,83, 107, 108). Ha sido reportado quealtos valores de IBN-DRIS estánrelacionados con bajos rendimientos ya su vez los cultivos con altosrendimientos tienen bajos valores deIBN-DRIS (78, 81, 82, 83, 102, 107,108).

Rodríguez et al (78, 81, 82, 83),trabajando con el cultivo del plátanoen Venezuela, demostraron que en lamedida que el valor de los IBN esmayor, el rendimiento de ese cultivoes menor y que a un menor valor deIBN, el rendimiento del plátano esmayor.

El nivel de balance de losnutrientes (IBN-DRIS) por sí solo, noes determinante para un adecuadodiagnóstico del potencial derendimiento de un cultivo, ya que laprecisión de un diagnóstico foliardepende de la constancia en la relaciónentre la composición foliar y larespuesta de cultivos (107). Para unadecuado diagnóstico del potencial derendimiento de un cultivo se requiereadicionalmente, establecer lacorrelación entre el rendimiento ocualquiera de sus componentes y losIBN-DRIS, para que de esa manera sepueda predecir el rendimiento ocualquier componente de rendimiento

de interés (79, 82, 107, 109, 110). Aldisponer de las normas de diagnósticode un cultivo, se puede proceder arealizar el proceso de diagnóstico deuna muestra de tejido del cultivoconsiderado. En Venezuela, algunostrabajos han reportado estas relacionesentre la composición foliar expresadaa través de los IBN-DRIS y elrendimiento (78, 81, 82).

Si el diagnóstico en el sistemaDRIS se intenta realizar de la mismamanera que se realiza en los sistemasdel nivel crítico o el de los rangos desuficiencia, es decir, a través de lacomparación del contenido de losnutrientes de la muestra problemacontra las normas, resulta un procesotedioso, dado el gran número decomparaciones que hay que realizar(78, 81, 82). Adicionalmente, lacomparación uno a uno de loscontenidos de los elementos contra lasnormas, no permite definir lasrelaciones de balance entre losdiferentes elementos (78, 81, 82).

Por esa razón, en el DRIS, se hadesarrollado un procedimientomatemático de diagnóstico, a través delcálculo de los índices de cada nutriente(78, 81, 82). Estos índices de cadanutriente, permiten evaluar lasrelativas deficiencias o excesos de cadanutriente en particular.

Algunas ventajas del sistema DRIS

Entre las ventajas reportadaspara el sistema DRIS, tenemos lassiguientes.

1- Permite ordenar los nutrientesde forma secuencial, de acuerdo a sugrado o nivel de limitación delrendimiento del cultivo (11, 107).

2- Permite realizar undiagnóstico nutricional en cualquieretapa de desarrollo del cultivo, es decir,es menos sensible que otros sistemasde diagnóstico al envejecimiento de lostejidos, habiendo sido esto demostradoen diversos trabajos (11, 13, 83, 93, 94,

464


95, 103, 107).3- Permite una economía de

recursos y del tiempo necesario parael desarrollo de normas de diagnóstico(11, 77, 83, 107).

4- Permite incorporar en eldiagnóstico a la materia seca del cultivo(C, H y O), como otro nutriente (14,43, 46, 47, 77, 78, 79, 83, 97, 107, 108).

5- Las interacciones entrenutrientes son tomadas en cuenta,habiéndose demostrado que estesistema funciona correctamente, aunexistiendo esas interacciones (67, 99) .

6- El sistema DRIS, eliminamuchos de los problemas asociados conla determinación de los valores críticosde las respuestas a la aplicación defertilizantes, debido a que las normasno son derivadas de un limitadonúmero de observaciones. Al efecto,según Walworth y Sumner (105), seha observado que las normas DRISderivadas de bancos de datos recogidos

en diversas partes del mundo, difierenmuy poco. Las normas para caña deazúcar derivadas en Florida por Elwaliy Gascho (32), son prácticamenteidénticas a las producidas en Sur Áfricapor Beaufils y Sumner (12). Unaventaja adicional del DRIS estriba enque las normas así desarrolladas, estáneliminadas las limitaciones impuestapor los factores ambientales, sí se partede la premisa expresada por Andrew(3), que “para conocer el real efectolimitante de un determinado nutrienteen el rendimiento, todos los demásfactores deben estar en optimacondiciones”. Dicha afirmación fueampliada por Webb (111), al expresarque “solo el rendimiento máximoobtenible a un valor de un parámetro,tal como la concentración foliar de unnutriente, representa el tope en elrendimiento impuesto por la variaciónen concentración de ese nutriente”.

Literatura citada

1. Alkoshab, O., T. Righetti y A. Dixon. 1988.Evaluation of DRIS for judging thenutritional status of hazelnuts. J.Amer. Soc. Hort. Sci. 113:643- 647.

2. Amundso, R. y F. Koehler. 1987. Utiliza-tion of DRIS for diagnosis of nutrientdeficiencies in winter wheat. Agron.J. 79:472-476.

3. Andrew, C.S. 1968. Problems in the use ofchemical analysis for diagnosis ofplant nutrient deficiencies. J. Aust.Inst. Agric. Sci. 34: 154-162.

4. Angeles, D.E., M. E. Sumner y N.W.Barbour. 1990. Preliminary nitrogen,phosphorus and potassium DRISnorms for pineapple. HortSci. 25:652-655.

5. Angeles, D.E., M.E. Sumner y E. Lahav.1993. Preliminary DRIS norms forbananas. J. Plant Nutr. 16:1059-1070.

6. Arboleda, C., J. Arcila y R. Martínez. 1988.Sistema integrado de recomendacióny diagnóstico. Una alternativa parala interpretación de resultados delanálisis foliar en café. Agric.Colombiana. 5:17-30.

7. Baldock, J. y E. Schulte. 1996. Plant analy-sis with standardized scores com-bines DRIS and sufficiency rangeapproaches for corn. Agr. J. 88:448-456.

8. Bataglia, O.C. 1989. DRIS-Citros. Umaalternativa para avaliar a nutricaodos plantas. Laranja. 10:555-564.

9. Beaufils, E.R. 1957. Research for rationalexploitation of Hevea brasiliensisusing a physiological diagnosis basedon mineral analysis of various partsof the plant. Fertilite 3:27.

465

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

10. Beaufils, E.R. 1971. Physiological diag-nosis. A guide for improving maizeproduction based on principles devel-oped for rubber trees. J. Fert. Soc. S.Afr. 1:1-31.

11. Beaufils, E. R. 1973. Diagnosis and rec-ommendation integrated system(DRIS). A general scheme for experi-mentation and calibration based onprinciples developed from researchin plant nutrition. Soil Science. 1: 1-132. University of Natal. Sur Africa.

12. Beaufils, E.R. y M.E. Sumner. 1976. Ap-plication of the DRIS approach forcalibrating soil, plant yield and qual-ity factors of sugarcane. Proc. S. Afr.Sugar Tech. Assc. 50:118-124.

13. Beaufils, E.R. y M.E. Sumner. 1977. Ef-fect of time of sampling on the diag-nosis of N, P, K, Ca, and Mg require-ments of sugarcane by the DRIS ap-proach. Proc. S. Afr. Sugar Tech.Assc. 51: 62-67.

14. Bell, P., W. Hallmark, W. Sabbe y D.Dombeck. 1995. Diagnosing nutrientdeficiencies in soybean, using M-DRISand critical nutrient level procedures.Agr. J. 87:859-865.

15. Beverly, R. 1993. DRIS diagnoses of soy-bean nitrogen, phosphorus, and po-tassium status are unsatisfactory. J.Plant Nutr. 16:1431-1447.

16. Beverly, R. 1993. Reevaluation revealsweaknesses of DRIS and sufficiencyrange diagnoses for wheat, cornand alfalfa. Commun. Soil Sci. PlantAnal. 24:487-501.

17. Beverly, R. J. Stark, J. Ojala y T.Embleton. 1984. Nutrient diagnosisof Valencia orange by DRIS. J. Am.Soc. Hort. Sci. 109:649-654.

18. Beverly, R., M. E. Sumner, W. Letzsch yC. Plank. 1986. Foliar diagnosis ofsoybean by DRIS. Commun. Soil Sci.Plant. Anal. 17:237-256.

19. Beverly, R y R. Worley. 1992. Prelimi-nary DRIS diagnostic norms for pe-can. HortSci. 27:271-274.

20. Bowen, J. 1992. Comparative DRIS andcritical concentration interpretationof papaya tissue-analysis data. Trop.Agr. 69:63-67.

21. Braganca, S.M y A.N. Da Costa.1996.Aviliaçao do estado nuricional do caféConilon (Coffea canephora) no nortedo estado do Espiritu Santo, a través dosistema integrado de diagnose erecomendaçao (DRIS). Inf. Agr. 76:3-4.

22. Brown, M., R. Ferreracerrato y G.Bethlenfalvay. 1992. Mycorrhiza-mediated nutrient distribution be-tween associated soybean and cornplants evaluated by the diagnosis andrecommendation integrated system(DRIS). Symbiosis. 12:83-94.

23. Caldwell, J., M. E. Sumner y C. S. Vavrina.1994. Development and testing ofpreliminary foliar DRIS norms foronions. HortSci. 29:1501-1504.

24. Caron. J. y L. Parent 1989. Derivationand assessment of DRIS norms forgreenhouse tomatoes. Canad. J. PlantSci. 69:1027-1035.

25. Caron, J., L. Parent y A. Gosselin. 1991.Effect of nitrogen and salinity levelsin the nutrient solution on the DRISdiagnosis of greenhouse tomato.Commun. Soil Sci. Plant Anal. 22:879-892.

26. Cerda, A., M. Nieves y V. Martinez. 1995.An evaluation of mineral analysis ofVerna lemons by DRIS. Commun.Soil Sci. Plant Anal. 26:1697-1707.

27. Creste, J. 1996. Uso do DRIS na avaliaçãodo estado nutricional do limoneiroSiciliano. Tese apresentada paraobtenção do titulo de Doutor emagronomía. Botucatu, SP, Brasil.

28. Da Costa, A. N y L. Prezotti. 1997. Padraode referencia para uso do DRIS naavaliçao nutricional do café arábica.Inf. Agr. 80:9-10.

29. Da Costa, A. y A. Da Costa. 1996. Padraonutricional para o uso do DRIS namacadamia no estado do EspirituSanto. XIV Congresso Brasileiro deFruticultura. 42ª ReuniaoInteramericana de HorticulturaTropical. Simposio Internacional deMirtaceas p. 280.

30. Dara, S., P. Fixen y R. Gelderman. 1992.Sufficiency level and diagnosis and rec-ommendation integrated system ap-proaches for evaluating the nitrogenstatus of corn. Agr. J. 84:1006-1010.

466


31. Drechsel, P., W. Zech. 1994. DRIS evalu-ation of teak (Tectona-grandis Lf.)mineral-nutrition and effects of nu-trition and site quality on teak growthin West-Africa. J. Forest Ecol. andManag. 70:121-133.

32. Elwali, A.M. y G.J. Gascho. 1983 Sugarcane response to P, K, and DRIS cor-rective treatments on FloridaHistosols. Agron. J. 75: 79-83.

33. Elwali, A.M. y G.J. Gascho. 1984. Soiltesting, foliar analysis, and DRIS asguides for sugarcane fertilization.Agron. J. 76: 466-470.

34. Elwali, A.M. y G.J. Gascho. 1988. Supple-mental fertilization of irrigated corn,guided by foliar critical nutrients lev-els and diagnosis and recommenda-tion integrated system norms. Agron.J. 80:243-249.

35. Elwali, A.M, G.J. Gascho y M.E. Sumner.1985. DRIS norms for 11 nutrients incorn leaves. Agron. J. 77:506-508.

36. Escano, C., C. Jones y G. Uehara. 1981.Nutrient diagnosis in corn grown onHydric Dystrandepts. II. Comparisonof two systems of tissue diagnosis.Soil. Sci. Soc. Am. J. 45:1140-1114.

37. Espinozavictoria, D., M. Quinteroramosy R. Ferreracerrato. 1993. Fittingplants to soil through mycorrhizalfungi-plant nutrition in host-endo-phyte combinations evaluated by thediagnosis and recommendation inte-grated system. Biol. Fert. Soils. 15:96-101.

38. Evanylo, G., M. E. Sumner y W. S. Letsch.1987. Preliminary development andtesting of DRIS soil norms for soy-bean production. Commun. Soil Sci.Plant Anal. 18:1355-1377.

39. Evanylo, G. y G. Zehnder. 1988. Potatogrowth and nutrient diagnosis as af-fected by systemic pesticide andphysiological growth state. Commun.Soil Sci. Plant Anal. 19:1731-1745.

40. Evanylo, G., J. Grove y J. Sims. 1988.Effect of sampling period on nutri-ent diagnosis indices for burley to-bacco. Agron. J. 80:615-619.

41. Evanylo, G., J. Sims y J. Grove. 1988.Nutrient norms for burley cured to-bacco. Agron. J. 80:610-614.

42. Goh, K. y M. Malakouti. 1992. Prelimi-nary nitrogen, phosphorus, potas-sium, calcium and magnesium DRISnorms and indexes for apple orchardsin Canterbury, New-Zealand.Commun. Soil Sci. Plant Anal.23:1371-1385.

43. Hallmark, W. 1988. Comparison of DRISand M-DRIS norms for diagnosing Pand K deficiencies in soybeans. Bet-ter Crops Plant Food. 72:20-21.

44. Hallmark, W. y R. Beverly. 1991. An up-date in the use of the diagnosis andrecommendation integrated system.Review. J. Fert. Iss. 8:74-88.

45. Hallmark, W., C. DeMooy, H. Morris, J.Pesek, K. Shao y J. Fontenot. 1988.Soybean phosphorus and potassiumdeficiency detection as influenced byplant growth stage. Agron. J. 80:586-591.

46. Hallmark, W., L. Shuman, D. Wilson, H.Morris, J. Adams, S. Dabney, R.Hanson, S. Gettier y D. Wall. 1992.Preliminary M-DRIS norms for soy-bean seeds. Commun. Soil Sci. PlantAnal. 23:2399-2413.

47. Hallmark, W, R Beverly, H. Morris y D.Wall. 1994. Modification of the M-DRIS for soybean. Commun. Soil Sci.Plant Anal. 25:1085-1101.

48. Hanson, R. G. 1981. DRIS evaluation ofN, P, K status of determinant soy-bean in Brazil. Commun. Soil Sci.Plant Anal. 12:933-948.

49. Hartz, T., E. Miyao y J. Valencia. 1998.DRIS evaluation of the nutritionalstatus of processing tomato. HortSci.33:830-832.

50. Hockman, J., J. Burger y D. Smith. 1989.A DRIS application to fraser firchristmas trees. Commun. Soil Sci.Plant Anal. 20:315-318.

51. Jones, C. 1981. Proposed modificationsof the diagnosis and recommendationintegrated system (DRIS) for inter-preting plant analysis. Commun. SoilSci. Plant Anal. 12:785-794.

467

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

52. Jones, C., y J. Bowen. 1981. Compara-tive DRIS and crop log diagnosis ofsugarcane tissue analysis, Georgia.Agron. J. 73:941-944.

53. Jones. M. y A. Sinclair. 1991. Applicationof DRIS to white clover based pas-tures. Commun. Soil Sci. Plant Anal.22:1895-1918.

54. Jones, J., B. Wolf y H. Mills. 1991. Plantanalysis handbook. Micro-Macro Pub-lishing, INC., Athens, Georgia. 213p.

55. Kelling, K. A., E. E. Schulte y T. Erickson.1985-1986. Adapting DRIS for alfalfa:What are the diagnostic norms Bet-ter Crops Plant Food. 70: 18-20.

56. Kenworthy, A. 1967. Plant analysis andinterpretation of analysis for horti-culture crops. p. 381-392. En: Soil test-ing and plant analysis II. Plant analy-sis. M. Stelly, Ed. Soil. Sci. Soc. Amer.Spec. Pub. 2. Madison, W.I. (EE.UU.).

57. Klein. I., S. Weinbaum, T. Dejong y T.Muraoka. 1991. Spur light exposureas a primary external cause for deri-vation of DRIS norms in walnut trees.J. Plant Nut. 14:463-484.

58. Langenegger, W y H. Smith. 1978. Anevaluation of the DRIS system asapplied to pineapple leaf analysis. p.263-273. En: A.R. Ferguson, R.L.Bieleski e I.B. Ferguson (Eds). Proc.8th. Intl. Colloq. Plant Anal. and Fert.Problems. Auckland, New Zealand.

59. Letsch, W. S. y M. E. Sumner. 1984. Ef-fect of population size and yield levelon selection of diagnosis and recom-mendation integrated system (DRIS)norms. Commun. Soil Sci. Plant Anal.15:997-1006.

60. MacKay, D. C., J. M. Carefoot y T. Entz.1987. Evaluation of the DRIS for as-sessing the nutritional status of potato(Solanum tuberosum L.). Commun. SoilSci. Plant Anal. 18:1331-1353.

61. Malakouti, M. 1992. Determining of thediagnostic norms for corn on the cal-careous soils of Iran. Commun. SoilSci. Plant Anal. 17:2687-2695.

62. Malavolta, E. G. Vitti, y S. De Oliveira,1997. Avaliação do estado nutricionaldas plantas. Principios e aplicações.2a edicicão. Piracicaba. AssociaçãoBrasileira para Pesquisa da Potassae do Fosfato. Brasil.

63. Moreno, J., J. Lucena, O. Carpena. 1996.Effect of the iron supply on the nu-trition of different citrus variety/root-stock combinations using DRIS. J.Plant Nutr. 19:689-704.

64. Munson, R. y W. Nelson. 1990. Principlesand practices in plant analysis. p. 359-387. En: Soil testing and plant analy-sis. 3a Ed. SSSA Book series: 3. SoilSci. Soc. of Am. Inc. Madison, W.I.(EE.UU.).

65. Navvabzdeh, M. y M. Malakouti. 1993.Development of DRIS norms for po-tato in the calcareous soils of Iran. J.Plant Nutr. 16:1409-1416

66. Payne, G., M. E. Sumner y C.O. Plank.1985. Yield composition of soybeansas influenced by soil pH, phosphorus,zinc and copper. Commun. Soil Sci.Plant. Anal. 17:257-273.

67. Parent, L.E y R.L. Granger. 1989. Deri-vation of DRIS norms from a highdensity apple orchard established inthe Quebec Appalachian mountains.J. Amer. Hort. Sci. 114:915-919.

68. Pohl, H. N., R. Vandre y M.Kaupenjohann. 1999. Interpretationof the nutritional status of foresttrees by the diagnosis and recom-mendation integrated system (DRIS).Forstwissenschaftliches Centralblatt.118:5-9.

69. Raghupathi, H. B.y B. S Bhargava. 1998.Diagnostic norms and identificationof yield-limiting nutrients in brinjal(Solanum melongena) using diagno-sis and recommendation integratedsystem. Indian J. Agr.4:738-742.

70. Raghupathi, H. B.y B. S. Bhargava. 1999.Preliminary nutrient norms for“Alphonso” mango using diagnosisand recommendation integrated sys-tem. Indian J. Agr. Sci. 69:648-650.

468


71. Rathfon, R.A y J.A. Burger. 1991. Diag-nosis and recommendation inte-grated system modifications forfraser christmas trees. Soil. Sci. Am.J. 55:1026-1031.

72. Reuther, W., W. Jones, T. Embleton y C.Labanauskas. 1962. Leaf analysis asa guide to orange nutrition. BetterCrops with Plant Food. 46:44-49.

73. Righetti, T. L., O. Alkoshab y K. Wilder.1988. Diagnostic biases in DRISevaluations in sweet cherry and ha-zelnut. Commun. Soil Sci. Plant Anal.19:1429-1447.

74. Righetti, T. L., O. Alkoshab y K. Wilder.1988. Verifying critical values fromDRIS norms. Commun. Soil Sci. PlantAnal. 19:1449-1466.

75. Roberts, S. y J. Rhee. 1993. Critical nu-trient concentrations and DRIS analy-sis of leaf and grain from high-yield-ing corn. Commun. Soil Sci. PlantAnal. 24:2679-2687.

76. Robinson, D. L. y M. L. Tarpley. 1986.DRIS proves useful for diagnosingnutrient deficiencies in coastalbermudagrass. Better Crops PlantFood. 70:8-9.

77. Rodríguez V. y O. Rodríguez. 1997.Normas foliares DRIS para eldiagnóstico nutricional del plátano(Musa AAB subgrupo plátano cv.Hartón). Rev. Fac. Agron. LUZ.14:285-296.

78. Rodríguez V. y O. Rodríguez. 1998a. Hojade calculo de índices DRIS e IBN-DRIS. Material de apoyo. Curso denutrición mineral. IX Jornadas deinvestigación del decanato deAgronomía. UCLA. junio 1998Barquisimeto. Venezuela. Diskette. 8pp.

79. Rodríguez, V. y O. Rodríguez. 1998.Biometría de la cepa de plátanoHartón (Musa AAB subgrupoplátano cv. Hartón) con rendimientossuperiores a 18 kilogramos/racimo,en Venezuela. Rev. Fac. Agron. LUZ.15:439-445.

80. Rodríguez, V., D. Bautista y O. Rodríguez.1998. Características biométricas deuna subpoblación de plátano Hartón(Musa AAB subgrupo plátano cv.Hartón) con rendimientos promediosde 17,4 kg/racimo en Venezuela.Resúmenes XLIV Reunión Anual dela Sociedad Interamericana deHorticultura Tropical. Barquisimeto.Venezuela. p. 75.

81. Rodríguez, V., O. Rodríguez y P. Bravo.1998. Índice de balance de nutrientesDRIS (IBN-DRIS) para el diagnósticonutricional del plátano (Musa AABsubgrupo plátano cv. Hartón). XIIIReunión ACORBAT Ecuador. 115-113 p.

82. Rodríguez, V., D. Bautista, O. Rodríguezy L. Díaz. 1999. Relación entre el bal-ance nutricional y la biometría delplátano (Musa AAB subgrupoplátano cv. Hartón) y su efecto sobreel rendimiento. Rev. Fac. Agron. LUZ16:425-432.

83. Rodríguez, O., E. Rojas y M. E. Sumner.1997. Valencia orange DRIS normsfor Venezuela. Commun. Soil Sci.Plant Anal. 28:1461-1468.

84. Romanya, J, V. R. Vallejo. 1996. Nutri-tional status and deficiency diagno-sis of pinus radiata plantations inSpain. Forest Sci. 42:192-197.

85. Russelle, M. y C. Sheaffer. 1986. Use ofdiagnosis and recommendation inte-grated system with alfalfa. Agron. J.78:557-560.

86. Sánchez, C., G. Snyder y H. Burdine.1991. DRIS evaluation of the nutri-tional status of crisp-head lettuce.HortSci. 26:274-276.

87. Sanz, M. 1999. Evaluation of interpreta-tion of DRIS system during growingseason of the peach tree: Compari-son with DOP method. Commun. SoilSci. Plant Anal. 30:1025-1036.

88. Schaffer, B., K. Larson, G. Snyder y C.Sanchez. 1988. Identification of min-eral deficiencies associated withmango decline by DRIS. HortSci.23:617-619.

469

Rev. Fac. Agron. (LUZ). 2000, 17: 4490-470

89. Schaller, H., O. Lohnertz y H. Michel.1995. Improvements of the DRIS sys-tem and firsts experiences in grape-vine nutrition with special consider-ation of the compositional nutrientdiagnosis approach. Acta Hort.383:171-189.

90. Shuman, L., D. Wilson y W. Hallmark.1992. Evaluating Soy-DRIS for pre-dicting manganese deficiency andsufficiency. Commun. Soil Sci. PlantAnal. 23:1019-1029.

91. Soltanpour, P., M. Malakouti y A. Ronaghi.1995. Comparison of diagnosis andrecommendation integrated systemand nutrient sufficiency range forcorn. Soil Sci. Soc. Am. J. 59:133-139.

92. Sumner, M.E. 1975. An evaluation ofBeaufils´ Physiological Diagnosistechnique for determining the nutri-ent requirement of crops. Soil Sci-ence. 5: 437-446. University of Natal.sur África. p. 75.

93. Sumner, M.E. 1977. Applications ofBeaufils diagnostic indices to maizedata published in the literature irre-spective of age and conditions. PlantSoil. 46:359-369.

94. Sumner, M.E. 1977. Preliminary N, P andK foliar diagnosis norms for soybean.Agron. J. 69: 226-230.

95. Sumner, M.E. 1977. Effect of corn leafsampled on N, P, K, Ca, and Mg con-tent on calculated DRIS indices.Commun. Soil Sci. Plant Anal. 8: 269-280.

96. Sumner, M.E. 1977. Preliminary NPKfoliar diagnostic norms for wheat.Commun. Soil Sci. Plant Anal. 8:149-167.

97. Sumner, M.E. 1979. Interpretation of fo-liar analysis for diagnostic purposes.Agron. J. 71:343-348.

98. Sumner, M. E. 1981. Diagnosing the sul-fur requirement of corn and wheatusing foliar analysis. Soil Sci. Soc. Am.J. 45:87-90.

99. Sumner, M.E. 1982. The diagnosis andrecommendation integrated system(DRIS). p. 149-188. En: Soil & plantanalysis seminar. Council on Soil Tes-ting and Plant Analysis, Anaheim.California. (EE.UU.).

100. Sumner, M. E. 1986. Diagnosis and rec-ommendation integrated system(DRIS) as a guide to orchard fertili-zation. International seminar on LeafDiagnosis as a Guide to Orchard Fer-tilization. Food and Fertilizer Tech-nology Center for Asia and PacificRegion. Suweon, Korea. Boletín 231.Taiwan. 24 pp.

101. Sumner, M.E. 1987. Field experimenta-tion. Changing to meet current andfuture needs. p. 119-131. En: SoilTesting: Sampling correlation, calibra-tion and interpretation, SSSA. Spe-cial publication 21. Soil Sci. Soc. Am.Inc. Madison, W.I. EE.UU.

102. Sumner, M.E. 1990. Advances in theuse and application of plant analysis.Commun. Soil Sci. Plant Anal. 21:1409- 1430.

103. Sumner, M.E y E.R. Beaufils. 1975. Di-agnosis of the N, P and K require-ments of sugarcane irrespective ofplant age and season using Beaufilssystem (DRIS). Preliminary observa-tions. Proc. S. Afr. Sugar. Tech. Assoc.49:137-141.

104. Tarpley, M., D. Robinson, B. Gustavsony M. Eichborn. 1985. The DRIS forinterpretation of coastalbermudagrass analysis. Commun.Soil Sci. Plant Anal. 16:1335-1348.

105. Tremblay, N., L. Parent y A. Gosselin.1990. Development of preliminaryDRIS norms for celery transplants.Phytoprot. 71:129-136.

106. Walworth, J. 1985. The development ofdiagnostic soil and foliar norms foralfalfa. Ph. D. dissertation. Univer-sity of Georgia. Athens, Georgia.EE.UU. 167p.

107. Walworth, J. y M. E. Sumner. 1987. Thediagnosis and recommendation inte-grated system (DRIS). Adv. Soil. Sci.6:149-188.

470


108. Walworth, J.L. y M.E. Sumner. 1988.Foliar Diagnosis. A Review. Adv. Plant.Nutr. 3:139-241.

109. Walworth, J, W. S. Letsch, y M. ESumner. 1986. Use of boundary linesin establishing diagnostic norms. SoilSci. Soc. Am. J. 50:123-127.

110. Walworth, J., H. J. Woodward y M. E.Sumner. 1988. Generation of corntissue norms from a small high-yielddata base. Commun. Soil Sci. PlantAnal. 19:563-577.

111. Weeb, R.A. 1972. Use of the boundaryline in the analysis of biological data.J. Hort. Sci. 47:309-319.

112. Wortmann, C., J. Kisakye y O. Edje.1992. The diagnosis and recommen-dation integrated

Rev. Fac. Agron. (LUZ). 2000, 17: 449-470 Documento ... · varias de las ventajas como herramienta...

Documents

Transcript of Rev. Fac. Agron. (LUZ). 2000, 17: 449-470 Documento ... · varias de las ventajas como herramienta...