Evaluador inteligente de daño fenológico en la planta de trigo

Main Article Content

Silvia Soledad Moreno Gutiérrez Alfredo Toriz Palacios Socrates Lopez Perez Jorge Alberto Ruiz Vanoye

Resumen

El cambio climático en el planeta ha afectado la producción mundial de trigo. En este sentido, los pronósticos aseguran que estos cambios y efectos serán mayores conforme pase el tiempo. Considerando la importancia de este cereal como alimento de la dieta básica de los seres humanos, se propone una nueva forma de evaluación del cultivo que permita pronosticar el daño probable por etapa fenológica por medio de una red neuronal artificial entrenada con datos históricos del comportamiento climático global e impacto fenológico. Un sistema de resultados interpreta la salida y constituye la interfaz de usuario. La propuesta fue validada y mostró su capacidad de generalización alcanzando alta precisión de 84%, por lo que se considera adecuada.

Article Details

Como citar
MORENO GUTIÉRREZ, Silvia Soledad et al. Evaluador inteligente de daño fenológico en la planta de trigo. CIENCIA ergo-sum, [S.l.], v. 26, n. 3, sep. 2019. ISSN 2395-8782. Disponible en: <https://cienciaergosum.uaemex.mx/article/view/9171>. Fecha de acceso: 19 oct. 2019 doi: https://doi.org/10.30878/ces.v26n3a7.
Sección
Ciencias naturales y agropecuarias

Citas

Arkeman, Y., B. Seminar, K., & J. Lahay, R. (2014). An intelligent system for early detection of food crisis and spatial-based decision making of potential land evaluation for food production. Mundo-Indonesia.

Arnell, N. W. (2016). The global-scale impacts of climate change: The QUEST-GSI project. Climatic Change, 134(3), 343-352.

Asseng, S., Ewert, F., Martre, P., Rötter, R. P., Lobell, D. B., Cammarano, D., & Reynolds, M. P. (2015). Rising temperatures reduce global wheat production. Nature Climate Change, 5(2), 143-147.

Boutraa, T., Akhkha, A., & Al-Shoaibi, A. K. (2015). Evaluation of growth and gas exchange rates of two local saudi wheat cultivars grown under heat stress conditions. Pakistan Journal of Botany, 47(1), 27-34.

Butt, T., Angerer, J., Dyke, P., Kim, M., Kaitho, R., & Stuth, J. (2016). Agricultural climate change impact: General concerns and findings from Mali, Kenya, Uganda, and Senegal.

Crimp, S. J., Zheng, B., Khimashia, N., Gobbett, D. L., Chapman, S., Howden, M., & Nicholls, N. (2016). Recent changes in southern Australian frost occurrence: Implications for wheat production risk. Crop and Pasture Science, 67(8), 801-811.

Eggleston, S., Buendia, L., & Miwa, K. (2006). 2006 IPCC guidelines for national greenhouse gas inventories. Waste. Kanagawa, JP: Institute for Global Environmental Strategies.

FAO (Food and Agriculture Organization) (2002). Agricultura mundial: hacia los años 2015/2030. Informe resumido. Disponible en http://www.fao.org/docrep/004/y3557s/y3557s08.htm#l.

Field, C., Barros, V., Dokken, D., Mach, K., Mastrandrea, M., & Bilir, T. (2014). Cambio climático 2014: impactos, adaptación y vulnerabilidad. Quinto Informe de Evaluación (GTII IE5) del IPCC.

Frederiks, T. M., Christopher, J. T., Sutherland, M. W., y Borrell, A. K. (2015). Post-head-emergence frost in wheat and barley: Defining the problem, assessing the damage, and identifying resistance. Journal of Experimental Botany, 66(12), 3487-3498.

Gallo, A. (2015). Assessment of the climate change impact and adaptation strategies on Italian cereal production using high resolution climate data.

García, M., Ulloa, H., Ramírez, H., Fuentes, M., Arias, S. y Espinoza, M. (2014). Comportamiento de los vientos dominantes y su influencia en la contaminación atmosférica en la zona metropolitana de Guadalajara, Jalisco, México. Revista Iberoamericana de Ciencias, 1, 97-116.

Gaydon, D. S., Wang, E., Poulton, P. L., Ahmad, B., Ahmed, F., Akhter, S., & Choudhury, B. U. (2017). Evaluation of the APSIM model in cropping systems of Asia. Field Crops Research, 204, 52-75.

Gutiérrez, S. S. M., Palacios, A. T., Ruiz-Vanoye, J. A., & Pérez, S. L. (2018). Sustainable and technological strategies for basic cereal crops in the face of climate change: A literature review. African Journal of Agricultural Research, 13(5), 220-227.

Ihsan, M. Z., El-Nakhlawy, F. S., Ismail, S. M., & Fahad, S. (2016). Wheat phenological development and growth studies as affected by drought and late season high temperature stress under arid environment. Frontiers in Plant Science, 7.

Ji, H., Xiao, L., Xia, Y., Song, H., Liu, B., Tang, L., & Liu, L. (2017). Effects of jointing and booting low temperature stresses on grain yield and yield components in wheat. Agricultural and Forest Meteorology, 243, 33-42.

Jones, A. W., & Phillips, A. (2016). Historic food production shocks: Quantifying the extremes. Sustainability, 8(5), 427.

Lv, H., Lei, T., Huang, X. L., & Zhang, Y. K. (2016). Application of an improved grey neural network in grain yield Prediction.

Nieves-Hurtado, A., y Domínguez-Sánchez, F. C. (2009). Probabilidad y estadística para ingeniería un enfoque moderno. México: McGraw-Hill.

Palmer-Pol, A., & Montaño-Moreno, J. J. (1999). ¿Qué son las redes neuronales artificiales? Aplicaciones realizadas en el ámbito de las adiciones. Adicciones, 11(3), 243-255.

Pimentel, A. J. B., Rocha, J. R. D. A. S., Souza, M. A. D., Ribeiro, G., Silva, C. R., & Oliveira, I. C. M. (2015). Characterization of heat tolerance in wheat cultivars and effects on production components. Revista Ceres, 62(2), 191-198.

Rawson, H. M. y Macpherson, G., (2001). Trigo regado: manejo del cultivo. Food & Agriculture Organization. Disponible en http://www.fao.org/docrep/006/x8234s/x8234s00.htm#Contents

Reeves, T. G., Thomas, G., y Ramsay, G. (2016). Ahorrar para crecer en la práctica: maíz, arroz, trigo. Guía para la producción sostenible de cereales.

Reynolds, M. P., Quilligan, E., Aggarwal, P. K., Bansal, K. C., Cavalieri, A. J., Chapman, S. C., & Jagadish, K. S. (2016). An integrated approach to maintaining cereal productivity under climate change. Global Food Security, 8, 9-18.

Sanad, M. N., Campbell, K. G., & Gill, K. S. (2016). Developmental program impacts phenological plasticity of spring wheat under drought. Botanical Studies, 57(1), 35.

Serrano, M. M. (2015). Cambio climático y la gran transformación del siglo XXI: hacia un futuro sostenible. Derecho & Sociedad, 35, 146-151.

Singh, M. K., & Singh, B. R. (2015). Observation and temperature changes: Warming of the climate system and future global warming in 21st century. SAMRIDDHI: A Journal of Physical Sciences, Engineering and Technology. https://doi.org/10.18090/samriddhi.v5i2.1531

Trnka, M., Hlavinka, P., & Semenov, M. A. (2015). Adaptation options for wheat in Europe will be limited by increased adverse weather events under climate change. Journal of The Royal Society Interface, 12(112), 20150721.

Yegnanarayana, B. (2009). Artificial neural networks. PHI Learning Pvt. Ltd.

Zheng, Z., Cai, H., Yu, L., & Hoogenboom, G. (2017). Application of the CSM–CERES–W’heat model for yield prediction and planting date evaluation at guanzhong plain in Northwest China. Agronomy Journal, 109(1), 204-217.