Potencial forrajero de soya (Glycine max) en monocultivo y sistemas agroforestales con Guazuma ulmifolia y Tabebuia rosea
DOI:
https://doi.org/10.29059/rmic.v1i2.17Palabras clave:
Producción de biomasa, materia seca total, valor nutritivoResumen
La soya (Glycine max L.) representa una alternativa forrajera relevante en sistemas tropicales por su alta producción de biomasa y alto contenido de proteína; sin embargo, su desempeño varía según el sistema de producción. El objetivo fue evaluar el potencial forrajero de la soya Huasteca 200 en monocultivo y en sistemas agroforestales con Guazuma ulmifolia y Tabebuia rosea. El experimento se estableció en condiciones de temporal, comparando tres sistemas. Se midió la altura de planta, rendimiento de materia verde total (RMVT) y de materia seca total (RMST), así como rendimiento por componente morfológico (hoja, tallo y vaina), su proporción y calidad nutritiva (proteína cruda y fibra cruda). El análisis estadístico se realizó mediante un diseño de bloques completos al azar, complementado con un análisis de componentes principales. El monocultivo registró los mayores rendimientos de RMVT (23.73 t ha-1) y RMST (6.95 t ha-1), superando a los sistemas agroforestales, donde se observaron reducciones de hasta 62 % en la biomasa. No obstante, la asociación con G. ulmifolia presentó el mayor contenido de proteína cruda (164 g kg-1) y mayor proporción de hoja (68 %), indicando mejor valor nutritivo. El sistema con T. rosea mostró valores menores de rendimiento y calidad. El análisis multivariado evidenció un patrón de compensación entre la cantidad y la calidad. En conclusión, el monocultivo maximiza la biomasa, mientras que la asociación con G. ulmifolia mejora la calidad nutritiva, lo que sugiere su potencial en sistemas agroforestales.
Citas
AOAC International. (2019). Official methods of analysis of AOAC International (21st ed.). AOAC International. https://www.aoac.org/official-methods-of-analysis-21st-edition/
Aponte, A., Valencia-Chin, E., & Beaver, J. (2015). Biomass and nutritive value of forage soybean lines (Glycine max L. Merr.) in northwestern Puerto Rico. The Journal of Agriculture of the University of Puerto Rico, 99(1), 19–36. https://doi.org/10.46429/jaupr.v99i1.2524
Buxton, D. R., & Fales, S. L. (1994). Plant environment and quality. In G. C. Fahey Jr. (Ed.), Forage quality, evaluation, and utilization (pp. 155–199). ASA-CSSA-SSSA. https://doi.org/10.2134/1994.foragequality.c4
Cheng, B., Wang, L., Liu, R., Wang, W., Yu, R., Zhou, T., Ahmad, I., Raza, A., Jiang, S., Xu, M., Liu, C., Yu, L., Wang, W., Jing, S., Liu, W., & Yang, W. (2022). Shade-tolerant soybean reduces yield loss by regulating its canopy structure and stem characteristics in the maize-soybean strip intercropping system. Frontiers in Plant Science, 13, 848893. https://doi.org/10.3389/fpls.2022.848893
Dollinger, J., & Jose, S. (2018). Agroforestry for soil health. Agroforestry Systems, 92, 213–219. https://doi.org/10.1007/s10457-018-0223-9
Garay-Martínez, J. R., Maldonado-Moreno, N., Ascencio-Luciano, G., Joaquín-Cancino, S., Bautista-Martínez, Y., & Granados-Rivera, L. D. (2021). Potencial forrajero de líneas experimentales de soya (Glycine max). Ecosistemas y Recursos Agropecuarios, 8(Especial II), e2332. https://era.ujat.mx/rera/article/view/2932
Godina-Rodríguez, J. E., Lucio-Ruíz, F., Garay-Martínez, J. R., Orzuna-Orzuna, J. F., & Joaquín-Cancino, S. (2025). Producción y valor nutricional de forraje de pasto Mulato II cosechado a diferente intervalo e intensidad de corte. Revista Bio Ciencias, 12, e1902. https://doi.org/10.15741/revbio.12.e1902
Jolliffe, I. T. (2002). Principal component analysis (2nd ed.). Springer. https://doi.org/10.1007/b98835 Jose, S., Gillespie, A. R., & Pallardy, S. G. (2004). Interspecific interactions in temperate agroforestry. Agroforestry Systems, 61, 237–255. https://doi.org/10.1023/B:AGFO.0000029002.85273.9b
Lithourgidis, A. S., Dordas, C. A., Damalas, C. A., & Vlachostergios, D. N. (2011). Annual intercrops: An alternative pathway for sustainable agriculture. Australian Journal of Crop Science, 5(4), 396–410.
Ong, C. K., Wilson, J., Deans, J. D., Mulayta, J., Raussen, T., & Wajja-Musukwe, N. (2002). Tree–crop interactions: Manipulation of water use and root function. Agricultural Water Management, 53(1–3), 171–186. https://doi.org/10.1016/S0378-3774(01)00163-9
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., VanderPlas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
Poorter, H., Niklas, K. J., Reich, P. B., Oleksyn, J., Poot, P., & Mommer, L. (2012). Biomass allocation to leaves, stems and roots: Meta-analyses of interspecific variation and environmental control. New Phytologist, 193(1), 30–50. https://doi.org/10.1111/j.1469-8137.2011.03952.x
Ripamonti, A., Finocchi, M., Pulina, A., Franca, A., Seddaiu, G., Turini, L., Mele, M., & Mantino, A. (2025). Effects of tree presence on forage yield and nutritive value in agroforestry livestock systems: A global systematic review. Agroforestry Systems, 99, 110. https://doi.org/10.1007/s10457-025-01214-8
Sgarbossa, J., Schwerz, F., Elli, E. F., Tibolla, L. B., Schmidt, D., & Caron, B. O. (2018). Agroforestry systems and their effects on the dynamics of solar radiation and soybean yield. Comunicata Scientiae, 9(3), 492–502. https://doi.org/10.14295/CS.v9i3.2765
Weiner, J. (2004). Allocation, plasticity and allometry in plants. Perspectives in Plant Ecology, Evolution and Systematics, 6(4), 207–215. https://doi.org/10.1078/1433-8319-00083
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista Mexicana de Ingeniería y Ciencias
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
