Pronóstico de rendimiento en cultivos de duraznero Jarillo en la Provincia de Pamplona utilizando variables aleatorias
DOI:
https://doi.org/10.17981/ingecuc.18.1.2022.06Palabras clave:
producción de durazno, modelos estocásticos, simulación de variable discreta, sistemas de producción agrícola, distribución de probabilidadResumen
Introducción- Como resultado de un proyecto de investigación, en este artículo se muestra el pronóstico de rendimiento de cultivo de durazno variedad jarillo. Para ello se diseñó un modelo para simular la producción de frutos de durazno generando variables aleatorias de cantidad de frutos y peso total, a partir de distribuciones de probabilidad deducidas a partir de muestras de cultivos.
Objetivo- Pronosticar el rendimiento de un cultivo de durazno, mediante la simulación de variables que siguen una distribución de probabilidad asociadas al mismo, obteniendo un comportamiento estadístico similar a un escenario de producción real.
Metodología-Se hizo revisión bibliográfica de estudios sobre pronóstico de producción en otras especies vegetales. También se tomaron muestras de producción en haciendas de diversos pisos térmicos y se hizo un análisis de regresión lineal a intervalo fijo (stepwise) teniendo como variable dependiente el rendimiento y como variable independiente las dimensiones físicas de la rama. Además, se tomaron datos sobre la distribución de probabilidad de producción y con base en ella se diseñó e implementó un software simulador, con el cual se hicieron diversas simulaciones de escenarios de producción.
Resultados- Se obtuvieron modelos con menor número de variables resultantes de aplicar el procedimiento “stepwise” para pronosticar el número de frutos y rendimiento. Al caracterizar variables de entrada, se pasó a construir el modelo matemático con entradas aleatorias para pronosticar el rendimiento, tales como el área del cultivo, sistema de siembra, densidad de siembra, edad del cultivo y longitud de rama, área foliar, diámetros del fruto entre otras variables.
Conclusiones- Se logró demostrar que es factible pronosticar la el rendimiento de cultivo de duraznos en varios supuestos, a partir de muestras observadas en escenarios de producción real. Se logró implementar un modelo de pronóstico basado en variables aleatorias, cuya variabilidad con respecto a datos reales es significativamente pequeña.
Descargas
Citas
FAOSTAT, “Crops and livestock products,” FAO. Accesed: Jun., 2021. [Online]. Available: http://www.fao.org/faostat/en/#data/QC
J. Hernández, D. Micheletti, M. Bink, E. Van de Weg, C. Cantín, N. Nazzicari, A. Caprera, M. Dettori, S. Micali, E. Banchi, J. Campoy, E. Dirlewanger, P. Lambert, T. Pascal, M. Troggio, D. Bassi, L. Rossini, I. Verde, B. Quilot-Turion, F. Laurens, P. Arús & M. Aranzana, “Integrated QTL detection for key breeding traits in multiple peach progenies”, BMC Genom, vol. 18, no. 1, pp. 1–15, Jun. 2017. https://doi.org/10.1186/s12864-017-3783-6
R, Pio, F.B.M. de Souza, L, Kalcsits, R.B. Bisi and D.D. Farias, “Advances in the production of temperate fruits in the tropics”, Acta Sci Agron, vol. 41, no. 1, pp. 1–10, Nov. 2019. https://doi.org/10.4025/actasciagron.v41i1.39549
S. Cancino, G. Cancino y E. Quevedo, “Factores determinantes de la rentabilidad económica del cultivo de durazno en la Provincia de Pamplona, Norte de Santander, Colombia”, Rev. Espacios, vol. 40, no 13, pp. 1–9, Abr. 2019. Available from http://www.revistaespacios.com/a19v40n13/a19v40n13p18.pdf
B. Jana, “Performance of Some Low Chill Peach, [Prunus persica (L) Batsch] Under Eastern Plateau Regions of India”, Int J Curr Microbiol App Sci, vol. 4, no. 12, pp. 752–757, Dec. 2015. Available from https://www.ijcmas.com/vol-4-12/B.R.Jana.pdf
T. Campos, “Species y variedades de hoja caduca en Colombia”, in Los frutales caducifolios en Colombia. Situación actual, sistemas de cultivo y plan de desarrollo, D. Miranda, G. Fisher y C. Carranza, eds. BO, CO: Soccolhort, 2013, pp. 47–66. Disponible en http://hdl.handle.net/20.500.12324/33528
Evaluaciones Agropecuarias Municipales EVA, MinAgricultura, Jul. 2021. https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Evaluaciones-Agropecuarias-Municipales-EVA/2pnw-mmge
S. Silva-Laya, H. Silva-Laya, y S. Pérez-Martínez, “Eficiencia energética y monetaria de sistemas de producción de durazno (Prunus pérsica) en El Jarillo, Venezuela”, IDESIA, vol. 35, no 4, pp. 17–26, Dic. 2017. https://doi.org/10.4067/S0718-34292017000400017
S. Silva, S. Pérez & J. Álvarez, “Socioecological diagnosis and peri-urban family agriculture typification, with emphasis in the production of peach (P. persica), in El Jarillo, Venezuela”, Rev FCA UNCuyo, vol. 51, no 1, pp. 351–368, Jun. 2019. Available: https://revistas.uncu.edu.ar/ojs/index.php/RFCA/article/view/2456
M. I. Moyano, P. Flores, S. Seta, L. Andrea y C. Severin, “Efecto de diferentes prácticas culturales sobre la producción, calidad y maduración de frutos de duraznero cv. Early Grande”, Cienc Agron, vol. 17, pp. 7–11, Ago. 2010. Available: https://test-cienciasagronomicas.unr.edu.ar/journal/index.php/agronom/article/view/8
A. García-Mogollón y M. Torres-Zamudio, “Estudio de vigilancia tecnológica sobre el desarrollo de patentes en el campo de la producción y transformación de durazno”, Rev Cienc Agricult, vol. 14, no. 1, pp. 15–29, May. 2017. https://doi.org/10.19053/01228420.v14.n1.2017.6084
P. Steduto, T.C. Hsiao, E. Fereres, D. Raes y FAO, Respuesta del rendimiento de los cultivos al agua 2012. ROM, IT: FAO, 2012. Disponible en https://www.fao.org/3/i2800s/i2800s.pdf
E. J. Link, “Investigation and modeling of the optimization potential of adapted nitrogen fertilization strategies in corn cropping system with regard to minimize nitrogen losses”, Ph. D. Dissertación, Fac Agric Sci, UNI, ST, DE, 2005. Available from https://opus.uni-hohenheim.de/volltexte/2005/122/pdf/2005-11-30_Dissertation_JLink.pdf
K. J. Boote, M. R. Rybak, J. M.S. Scholberg & J. W. Jones, “Improving the CROPGRO-Tomato Model for Predicting Growth and Yield Response to Temperature”, HortScience, vol. 47, no. 8, pp. 1038–1049, Aug. 2012. https://doi.org/10.21273/HORTSCI.47.8.1038
J. A. Ramos, E. Becerra, J. F. Cárdenas y R. Jiménez, “Aplicación del modelo Aquacrop para un cultivo de maíz (Zea mays L)”, Rev Sist Prod Agroecol, vol. 10, no. 2, pp. 19–49, Nov. 2019. https://doi.org/10.22579/22484817.730
M. E. Fernández, Diagnóstico de modelos agroclimáticos evaluacion del riesgo agroclimático por sectores. BO, CO: Fonade/IDEAM, 2013. Recuperado de http://www.ideam.gov.co/documents/21021/21138/Uso+de+Modelos+agroclim%C3%A1ticos.pdf/9f53a23d-9afa-4fda-aad3-5fe407c6cfea
IICA/UE, “Elementos conceptuales básicos sobre modelos de simulación para estudiar el clima y sus impactos en la agricultur”, in Modelos de simulación y herramientas de modelaje: elementos conceptuales y sistematización de herramientas para apoyar el análisis de impactos de la variabilidad y el cambio climático sobre las actividades agrícolas. SJO, CR: UE/IICA, 2015, pp. 9–21. Available: http://repositorio.iica.int/handle/11324/3045
C. T. De Wit, “Modelling Agricultural Production”, Acta Hortic, vol. 184, pp. 59–70, 1986. https://doi.org/10.17660/ActaHortic.1986.184.6
B. Candelaria, O. Ruiz, F. Gallardo, P. Pérez, Á. Martínez y L. Vargas, “Aplicación de modelos de simulación en el estudio y planificación de la agricultura, una revisión”, Trop Subtrop Agroecosystems, vol. 14, no. 3, pp. 999–1010, Dic. 2011. Disponible en https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/1103
A. R. Graves, P. J. Burgess, J. Palma , K. Keesman, W. van der Werf , C. Dupraz , H. van Keulen, F. Herzog & M. Mayus, “Implementation and calibration of the parameter-sparse Yield-SAFE model to predict production and land equivalent ratio in mixed tree and crop systems under two contrasting production situations in Europe”, Ecol Modell, vol. 221, no 13-14, pp. 1744–1756, Jul. 2010. https://doi.org/10.1016/j.ecolmodel.2010.03.008
M.A. Ríos, R. Arrieta & A. Torres, “Angular Instability “Day Ahead” Risk Forecasting - Probabilistic Dependency on Load”, IEEE LATAM Transc, vol. 5, no. 8, pp. 585–590, Dec. 2007. https://doi.org/10.1109/T-LA.2007.4445710
E. Chacón, I. Besembel y J. Hennet, Automatización Industrial. MDA, VE: ULA, 2001.
A. Law, Simulation Modeling and Analysis, 5 Ed. NYC, NY, USA: McGraw-Hill, 2000.
F. DiCesare & A. Desroches, “Modeling, Control and Performance Analysis of automated systems using Petri Nets”, J Dyn Control Syst, vol.47, Part 3, pp. 121–172, Sep. 1991. https://doi.org/10.1016/B978-0-12-012747-4.50009-3
C. J. Barrera y J. C. Correa, “Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC”, Revcoles, vol. 31, no 2, pp. 145–155, Dic. 2008. Disponible en https://revistas.unal.edu.co/index.php/estad/article/view/29611
P. H. Gutiérrez y R. S. De la Vara, Análisis y diseño de experimentos, 3 ed. CDMX, MX: Mc Graw Hill, 2012.
IDEAM, “Metodología para la elaboración del Mapa de Ecosistemas escala 1:100.000”. Consultado el 12 de agosto de 2016. [Online]. Disponible en http://www.ideam.gov.co/web/ecosistemas/mapa-ecosistemas-continentales-costeros-marinos
T. Lisandru, A. Füstös, V. Mitre & A. Dumitras, “Sweet Cherry (Prunus avium L.) and Peach (P. persica L.) Phenological Growth Stages According to BBCH Scale”, Bull UASVM Hortic, vol. 74, no 1, pp. 65–67, May. 2017. https://doi.org/10.15835/buasvmcn-hort:12361
E. Fadón, M. Herrero & J. Rodrigo, “Flower development in sweet cherry framed in the BBCH scale”, Sci Hortic, vol. 192, pp. 141–147, Aug. 2015. https://doi.org/10.1016/j.scienta.2015.05.027
O. H. Mounzer, W. Conejero, E. Nicolás, I. Abrisqueta, Y. V. García-Orellana, L. M. Tapia, J. Vera, J. M. Abrisqueta & M. del C. Ruiz-Sánchez, “Growth Pattern and Phenological Stages of Early-maturing Peach Trees Under a Mediterranean Climate”, HortSci, vol. 43, no. 6, pp. 1813–1818, Oct. 2008. https://doi.org/10.21273/HORTSCI.43.6.1813
C. A. Schneider, W. S. Rasband & K. W. Eliceiri, “NIH Image to ImageJ: 25 years of image analysis”, Nat Methods, vol. 9, no. 7, pp. 671–675, Jun. 2012. https://doi.org/10.1038/nmeth.2089
H. Zou & L. Xue, “A Selective Overview of Sparse Principal Component Analysis”, Proc of the IEEE, vol. 106, no. 8, pp. 1311–1320, Aug. 2018. https://doi.org/10.1109/JPROC.2018.2846588
R. Goswami, S. Chatterjee & B. Prasad, “Farm types and their economic characterization in complex agro-ecosystems for informed extension intervention: Study from coastal West Bengal, India”, Agric Food Econ, vol. 2, pp. 1–24, Jul. 2014. https://doi.org/10.1186/s40100-014-0005-2
J. M. Rojo, Regresión lineal múltiple. MAD, ES: ES, Instituto de Economía y Geografía, 2007.
D. Peña, Análisis de datos multivariantes. MAD, ES: McGraw Hill, 2002.
G. Gálvez, A. Sigarroa, T. López y J. Fernández, “Modelación de cultivos agrícolas. Algunos Ejemplos”, Cult Trop, vol. 31, no. 3, pp. 60–65, Jul. 2010. Disponible en https://ediciones.inca.edu.cu/index.php/ediciones/article/view/110
R. H. Tirado-Malaver, J. Mendoza-Sáenz, R. Tirado-Lara y R. Tirado-Malaver, “Análisis multivariado para caracterizar y tipificar fincas productoras de papa (Solanum tuberosum L.) en Cutervo, Cajamarca, Perú”, Trop Subtrop Agroecosyst, vol. 24, no. 3, pp. 1–15, Jun. 2021. https://www.revista.ccba.uady.mx/ojs/index.php/TSA/article/view/3744/1677
G. López, R. R. Favreau, C. Smith, & T. M. DeJong, “L-PEACH: A Computer-based Model to Understand How Peach Trees Grow”, Horttechnology, vol. 20, no. 6, pp. 983–990, Dec. 2010. https://doi.org/10.21273/HORTSCI.20.6.983
I. Jacobson, G. Booch y J. Rumbaugh, El proceso unificado de desarrollo de Software. BOS, MA: Addison Wesley, 2001.
L. Septar, C. Moale, I. Caplan & L. Bocioroag, “Biometric characteristics of 'Catherine Sel 1' peach cultivar in semiarid environment”, Curr trends technol Sci, vol. 10, no. 19, pp. 381–386, Ago. 2021. https://doi.org/10.47068/ctns.2021.v10i19.050
F. Soto-Bravo y M. I. González-Lutz, “Análisis de métodos estadísticos para evaluar el desempeño de modelos de simulación en cultivos hortícolas”, Agron Mesoam, vol. 30, no. 2, pp. 517–534, Ago. 2019. https://doi.org/10.15517/am.v30i2.33839
M. Jayakumar, M. Rajavel & U. Surendran, “Climate-based statistical regression models for crop yield forecasting of coffee in humid tropical Kerala, India”, Int J Biometeorol, vol. 60, no. 12, pp. 1943–1952, Dec. 2016. https://doi.org/10.1007/s00484-016-1181-4
M. Scarlato, S. Dogliotti, G. Giménez, A. Borges, Ó. Bentancur y A. Lenzi, “Análisis y jerarquización de factores determinantes de las brechas de rendimiento del cultivo de frutilla en el sur del Uruguay”, Agrocienc Urug, vol. 21, no. 1, pp. 43–57, Jun. 2017. Disponible en http://www.ainfo.inia.uy/digital/bitstream/item/9821/1/SAD-758-p.3-9.pdf
K. D. de Morais, B. Xavier, D. F. da Silva, J. A. Oliveira e C. Bruckner, “Avaliação física e química de frutos de cultivares de pessegueiro”, Eng Agric, vol. 25, no. 2, pp. 157–163, Abr. 2017. https://doi.org/10.13083/reveng.v25i2.712
J. P. Cremasco, R. G. Matias, D. F. da Silva, J. A. Oliveira e C. Bruckner, “Qualidade pós-colheita de oito variedades de pêssego”, Comun Sci, vol. 7, no. 3, pp. 334–342, Dez. 2016. https://doi.org/10.14295/cs.v7i3.1404
R. G. Matias, D. F. da Silva, J. O. e Silva, J. A. Oliveira, J. P. Cremasco e C. Bruckner, “Qualidade de nectarinas produzidas em região de clima subtropical”, Rev Ceres, vol. 62, no. 6, pp. 621–626, Dez. 2015. https://doi.org/10.1590/0034-737X201562060016
R. G. Matias, C. Bruckner, D. F. da Silva, P. C. Carneiro & J. A. de Oliveira, “Adaptability and stability of peach and nectarine cultivars in subtropical climate”, Rev Ceres, vol. 64, no. 5, pp. 516–522, Oct. 2017. https://doi.org/10.1590/0034-737X201764050009
A. Lira-Conde, E. Ocaranza-Sánchez, J. Cadena-Iñiguez, L. Tapia-López, M. M. Solís-Oba y A. Ruiz-Font, “Aplicación de un modelo matemático para predecir el rendimiento vegetal de un compuesto de interés industrial”, Agroproduct, vol.11, no. 9, pp. 59–67, Sep. 2018. https://doi.org/10.32854/agrop.v11i9.1216
J. A. S. Escalante-Estrada, , M. T. Rodríguez-González y Y. I. Escalante-Estrada, “Modelos que describen la distribución del rendimiento, sus componentes y radiación solar en ayocote en espaldera de tripie”, in Ciencias Matemáticas aplicadas a la Agricultura., F. Pérez-Soto, D. Sepúlveda-Jiménez, R. Salazar-Moreno y D. Sepúlveda-Robles, eds, CDMX, MX: ECORFAN, 2017, pp. 9–17. Recuperado de https://www.ecorfan.org/handbooks/Ciencias%20Matematicas%20aplicadas%20a%20la%20Agronomia%20T-I/HCMA_TI.pdf
A. C. Gomes, A. Robaina, M. Peiter, F. Soares e A. R. Parizi, “Modelo para estimativa da produtividade para a cultura da soja”, Ciênc Rural, vol. 44, no. 1, pp. 43–49, Jan. 2014. https://doi.org/10.1590/S0103-84782013005000145
SPSS Statistics. (v. 25), IBM. [Online]. Available: https://www.ibm.com/support/pages/downloading-ibm-spss-statistics-25
R Project for Statistical Computing. (v. 42.1), R Development Core Team. [Online]. Available: https://www.r-project.org/
Arena Input Analyzer software. (v. 16.0), Rockwell Automation. [Online]. Available: https://www.rockwellautomation.com/en-us/products/software/arena-simulation.html
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 INGE CUC
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial.
La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado. A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente.
Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
English
Español (España)
