Pronóstico de rendimiento en cultivos de duraznero Jarillo en la Provincia de Pamplona utilizando variables aleatorias

Autores/as

DOI:

https://doi.org/10.17981/ingecuc.18.1.2022.06

Palabras clave:

Producción de Durazno, Modelos estocásticos, Simulación de variable discreta, Sistemas de producción agrícola, Distribución de probabilidad

Resumen

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

Los datos de descargas todavía no están disponibles.

Citas

FAOSTAT, Food & Agriculture Organization of the United Nations Statistics Division, URL: http://www.fao.org/faostat/en/#data/QC. Consulta: junio de 2021.

J. R. Hernandez Mora, D. Micheletti, M. Bink, E. Van de Weg, C. Cantín, N. Nazzicari ...... & J. A. Campoy, J. A. Integrated QTL detection for key breeding traits in multiple peach progenies. BMC genomics, vol.18, no.1, pp.404, 2017. https://DOI.org/10.1186/s12864-017-3783-6.

R, Pio, F.B.M.D. Souza, L, Kalcsits, R.B. Bisi & D.D.H.Farias. Advances in the production of temperate fruits in the tropics. Acta Scientiarum. Agronomy, vol. 41, 2019. https://DOI.org/10.4025/actasciagron.v41i1.39549.

S. E., Cancino, G. O. Cancino & E. Quevedo. Factores determinantes de la rentabilidad económica del cultivo de durazno en la Provincia de Pamplona, Norte de Santander, Colombia. Revista ESPACIOS, vol. 40, no 13. 2019.http://www.revistaespacios.com/a19v40n13/a19v40n13p18.pdf.

Jana, 2021. Scientific Cultivation of Low Chill Peach [P. persica (L) Batsch.] in North Eastern Plateau

and Hill Regions. Biotica Research Today vol. 3, no 8, pp. 687-690, 2021. https://www.ijcmas.com/vol-4-12/B.R.Jana.pdf

T. de J., Campos. Especies y variedades de hoja caduca en Colombia,Los frutales caducifolios en Colombia-situación actual, sistemas de cultivo y plan de desarrollo. 1ª Ed. Bogotá, Offset Gráfico Editores. 2013. p. 47-64.

MADR Ministerio de Agricultura y Desarrollo Rural. Evaluaciones Agropecuarias Municipales-EVA 2007 - 2019.Bogotá,Colombia.URL:https://www.agronet.gov.co/Lists/Boletin/Attachments/3930/Base%20Agr%C3%ADcola%20EVA%202007-2019%20(P)_12_02_2020%20(1).xlsb. (acceso 20 de junio de 2021). 2021.

S. J., Silva-Laya, H. J. Silva-Laya, y S. Pérez-Martínez.Eficiencia energética y monetaria de sistemas de producción de durazno (P. persica) en El Jarillo, Venezuela. IDESIA (Chile), vol. 35, no 4, pp. 17-26. Diciembre, 2017. https://scielo.conicyt.cl/scielo.php?script=sci_abstract&pid=S0718-34292017000400017&lng=n&nrm=iso.

S. J. Silva Laya, S. Pérez Martínez, J. Álvarez del Castillo.Socioecological diagnosis and peri-urban family agriculture typification, with emphasis in the production of peach (P. persica), in El Jarillo, Venezuela. Rev. FCA UNCUY, vol.51, no 1, pp. 351-368. ISSN (en línea) 1853-8665. 2019.https://revistas.uncu.edu.ar/ojs/index.php/RFCA/article/view/2456

M. I. Moyano, P. Flores, S. Seta, L. Andrea & C. Severin C. Efecto de diferentes prácticas culturales sobre la producción, calidad y maduración de frutos de duraznero cv. Early Grande. Ciencias Agronómicas, vol 17, pp. 7-11, 2014. https://cienciasagronomicas.unr.edu.ar/revista/articulos/CA-2011_a11(XVII)007-011.pdf

A. M., García-Mogollón & M. Torres-Zamudio. Estudio de vigilancia tecnológica sobre el desarrollo de patentes en el campo de la producción y transformación de durazno. Ciencia y Agricultura, vol. 14, no 1, pp. 15-29, 2017. DOI: https://DOI.org/10.19053/01228420.v14.n1.2017.6084.

P. Steduto, T.C. Hsiao, E. Fereres & D. Raes. Respuesta del rendimiento de los cultivos al agua, [en línea], ser. Estudio FAO: Riego y Drenaje, no. ser. 66, Ed. FAO, Rome, Italy, 510 p., 2012, ISBN: 978-92-5-308564-4, Disponible en: http://agris.fao.org/agris-search/ search.do?recordID=XF2015001461.

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, Institut fur Pflanzenbau und Grunland. Univ., Hohenheim. 2005.

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, Agosto 2012. https://DOI.org/10.21273/HORTSCI.47.8.1038.

J. A. Ramos Cantillo, E. Becerra Vélez Eduardo, J. F. Cárdenas Hernández & R. Jiménez Pizarro. Aplicación del modelo Aquacrop para un cultivo de maíz (Zea mays L). Rev Sist Prod Agroecol, vol. 10, no 2, pp. 19-49. 2019. file:///C:/Users/User/Desktop/730-Texto%20del%20art%C3%ADculo-2976-1-10-20210728.pdf

M. E. Fernández. Diagnóstico de modelos agroclimáticos evaluacion del riesgo agroclimático por sectores.Bogotá , Colombia. Fondo financiero de proyectos de desarrollo – Fonade e instituto de hidrología, meteorología y estudios ambientales – IDEAM . Abril 2013. pp. 1-4.

IICA. 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 Unión Europea, IICA. San José- C.R. 2015, pp. 9-21.

C. T. , De Wit. Modelling Agricultural Production. Acta Horticulturae, vol.184,pp.59-70, 1986. https://DOI.org/10.17660/ActaHortic.1986.184.6.

B. C. Martínez , O. Ruiz Rosadoa, F. Gallardo López, P. Pérez Hernández, Á. Martínez Becerra & L. V. Villamil. Aplicación de modelos de simulación en el estudio y planificación de la agricultura, una revisión application of simulation models in agricultural research and planning, a review.Tropical and Subtropical Agroecosystems, vol.14,pp. 999-1010. 2011. https://www.redalyc.org/pdf/939/93921493004.pdf

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. Ecological Modelling, vol. 221, no 13-14, pp. 1744-1756, July 2010. DOI:10.1016/j.ecolmodel.2010.03.008.

M.A., Ríos, R. Arrieta & A. Torres. Proyección Diaria del Riesgo de Inestabilidad Angular - Dependencia Probabilística de la Demanda. IEEE Latin America Transactions, vol. 5, no 8, pp. 595-590, 2007.DOI: 10.1109 / T-LA.2007.4445710.

E. Chacón, I. Besembel & J. Hennet. Automatización Industrial. Mérida: Universidad de Los Andes. 2001.

A. Law & D. Kelton. Simulation Modeling and Analysis. McGraw-Hill series in Industrial Engineering and Management Science. 2000.

F. DiCesare & A. Desroches. Modeling, Control and Performance Analysis of automated systems using Petri Nets. Control and Dynamic Systems, vol.47, pp. 121-172, 1991.

C.J. Barrera & J. C. Correa. Distribución predictiva bayesiana para modelos de pruebas de vida vía MCMC. Revista Colombiana de Estadística, vol. 31, no 2, pp. 145-155,2008. https://www.redalyc.org/pdf/899/89912222001.pdf

P. H. Gutiérrez & R. S. De la Vara. Análisis y diseño de experimentos. 3a edición. Ciudad de México, México: Mc Graw Hill. 2012. 489 p.

IDEAM. Metodología para la elaboración del Mapa de Ecosistemas escala 1:100.000 [Internet]. [citado 18 Agosto 2016]. Disponible en http://www.siac.gov.co/documentos/metodología_constru_mapaecosistemas_s%C3%ADn tesis.doc. 2011.

T.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. Bulletin UASVM Horticulture, vol. 74, no 1,pp. 65-67, 2017. DOI:10.15835/buasvmcn-hort:12361.

E. Fadón, M. Herrero & J. Rodrigo. Flower development in sweet cherry framed in the BBCH scale. Scientia Horticulturae vol. 192, pp.141–147, 2015. http://dx.DOI.org/10.1016/j.scienta.2015.05.027

O. H. Mounzer, W. Conejero, E. Nicola´s, 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. Hortscience, vol. 43, no 6, pp. 1813–1818, 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. Nature methods, vol. 9, no.7, pp. 671-675, 2012. DOI: 10.1038/nmeth.2089.

H. Zou & L. Xue. 2018. A Selective Overview of Sparse Principal Component Analysis.Proceedings of the IEE. 106(8), pp. 1311 – 1320. 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. Agricultural and Food Economics. 2, pp. 1-24, 2014. https://DOI.org/10.1186/s40100-014-0005-2.

J. M. A. Rojo. Regresión lineal múltiple. Madrid, España: Instituto de Economía y Geografia . 2007. pp. 5-10.

D. Peña. Análisis de datos multivariantes. Madrid, España. Ed, McGraHill, 2002.pp. 91-98.

G. Gálvez, A. Sigarroa, T. López & J. Fernández. Modelación de cultivos agrícolas. Algunos Ejemplos. Cultivos Tropicales, vol. 31, no. 3, pp. 60-65, 2010. https://www.redalyc.org/pdf/1932/193217921012.pdf

R. H. Tirado-Malaver, J. Mendoza-Sáenz, R. Tirado-Lara & R. Tirado-Malaver. Análisis multivariado para caracterizar y tipificar fincas productoras de papa (Solanum tuberosum L.) en Cutervo, Cajamarca, Perú. Tropical and Subtropical Agroecosystems, vol. 24, no 3, 2021. file:///C:/Users/User/Desktop/3939-17211-2-PB.pdf

G. Lopez, 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, December 2010. DOI: 10.21273 / HORTSCI.20.6.983.

J. Jacobson, G. Booch & J. Rumbaugh. El proceso unificado de desarrollo de Software.‎ Addison Wesley. pp. 464.2001.

L. Septar, C. Moale , I. Caplan & L. Bocioroag. Biometric characteristics of 'Catherine Sel 1' peach cultivar in semiarid environment. Current Trends in Natural Sciences, vol. 10, no 19, pp. 381-386, 2021. https://DOI.org/10.47068/ctns.2021.v10i19.050.

F. Soto-Bravo freddy & M. I. González-Lutz. Análisis de métodos estadísticos para evaluar el desempeño de modelos de simulación en cultivos hortícolas. Agronomía Mesoamericana, vol. 30, no. 2, pp. 517-534, 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, Diciembre de 2016. DOI 10.1007/s00484-016-1181-4.

M. Scarlato, G. Giménez, A. Lenzi, A. Borges, Ó. Bentancur & S. Dogliotti. Análisis y jerarquización de factores determinantes de las brechas de rendimiento del cultivo de frutilla en el sur del Uruguay. Agrociencia Uruguay, vol. 21, no 1, pp. 43-57, 2017. http://www.scielo.edu.uy/pdf/agro/v21n1/2301-1548-agro-21-01-00043.pdf

K D B Morais, B. S. Xavier, D F P Silva, J A A Oliveira C H Bruckner. Avaliação física e química de frutos de cultivares de pessegueiro. Revista Engenharia na Agricultura, vol. 25, no 2, pp.157-163, 2017.DOI: https://DOI.org/10.13083/reveng.v25i2.712.

J. P. G. Cremasco, R. G. P. Matias, D. F. P. Silva, J. A. A. Oliveira & C. H. Bruckner. Qualidade pós-colheita de oito variedades de pêssego. Comunicata Scientiae, vol. 7, no 3, pp. 334- 342, 2016. Doi: 10.14295 / cs.v7i3.1404.

R. G. P. Matias, D. F. P. Silva, J. O. Costa e Silva, J. A. A. Oliveira, J. P. G. Cremasco & C. H. Bruckner. Qualidade de nectarinas produzidas em região de clima subtropical. Revista Ceres, Viçosa, vol. 62, no 6, pp. 621-626, 2015. DOI:10.1590/0034-737x201764050009

R. G. P. Matias, C. H. Bruckner, D.F.P. Silva, P.C.S. Carneiro & J. A. A. Oliveira. Adaptability and stability of peach and nectarine cultivars in subtropical climate. Revista Ceres, Viçosa, vol. 64, no 5, pp. 516-522, 2017. DOI: 10.1590 / 0034-737x201764050009.

A. Conde, E. Ocaranza-Sánchez, J. Cadena-Iñiguez, L. Tapia-López, M. M. Solís-Oba & A. Ruiz-Font. Aplicación de un modelo matemático para predecir el rendimiento vegetal de un compuesto de interés industrial. Lira- Agroproductividad, vol.11, no. 9,pp. 59-67, Septiembre 2018. file:///C:/Users/User/Desktop/valeria_sias,+con-10.pdf.

F. Pérez-Soto, D. Sepúlveda-Jiménez, R. Salazar-Moreno & D. Sepúlveda-Robles. Ciencias Matemáticas aplicadas a la Agronomía. Ciudad de México, México: Universidad Autónoma Chapingo. 2017, pp. 9-17, Julio, 2017.

A. C. Dos Santos Gomes, A. Dias-Robaina, M. Xavier-Peiter, F. Cibele-Soares, A. R. Costenaro-Parizi. Modelo para estimativa da produtividade para a cultura da soja. Ciência Rural, Santa Maria, v.44, n.1, p.43-49, jan 2014. https://DOI.org/10.1590/S0103-84782013005000145.

Publicado

2022-03-10

Cómo citar

Parra Ortega, C. A., Quevedo García, E., & Quiñones, C. V. (2022). Pronóstico de rendimiento en cultivos de duraznero Jarillo en la Provincia de Pamplona utilizando variables aleatorias. INGE CUC, 18(1). https://doi.org/10.17981/ingecuc.18.1.2022.06

Número

Sección

Artículos