Herramienta de analítica de datos para el mantenimiento de cultivos de cacao bajo escenarios de variabilidad climatológica

El proyecto "Herramienta de Analítica de Datos para el Mantenimiento de Cultivos de Cacao bajo Escenarios de Variabilidad Climatológica" aborda los desafíos que enfrenta la producción de cacao debido a la variabilidad climática. Esta herramienta surge como una respuesta a problemas como se...

Full description

Autores:
Sanabria Romero, Lizeth Johanna
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/25165
Acceso en línea:
http://hdl.handle.net/20.500.12749/25165
Palabra clave:
Systems engineer
Software development
Cocoa cultivation
Climatic variability
Forecasting algorithms
Data analytics tool
Neural network
Business intelligence
Climatology
Soils and climate
Vegetation and climate
Crops and soils
Neural networks (Computer science)
Artificial intelligence
Desarrollo de Software
Ingeniería de sistemas
Climatología
Suelos y clima
Vegetación y clima
Cultivos y suelos
Redes neuronales (Computadores)
Inteligencia artificial
Cultivo de cacao
Herramienta de analítica de datos
Aalgoritmos de predicción
Red neuronal
Variabilidad climatológica
Rights
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:El proyecto "Herramienta de Analítica de Datos para el Mantenimiento de Cultivos de Cacao bajo Escenarios de Variabilidad Climatológica" aborda los desafíos que enfrenta la producción de cacao debido a la variabilidad climática. Esta herramienta surge como una respuesta a problemas como sequías, inundaciones y extremos térmicos que amenazan la calidad y cantidad de la cosecha de cacao. La herramienta creada utiliza análisis avanzados para comprender los fenómenos ecológicos que afectan la producción de cacao. Se conecta directamente con el API de la NASA para obtener datos climatológicos precisos. Además, implementa Redes Neuronales Recurrentes (RNN) con el modelo LSTM para realizar pronósticos confiables. La herramienta desarrollada con Python y Power BI permite no solo calcular y modelar la biomasa, sino también evaluar la sensibilidad del cacao al estrés hídrico y los índices de cosecha lo cual le confiere al tomador de decisiones una herramienta para afrontar la incertidumbre en el horizonte de planeación. La herramienta se caracteriza por su capacidad de integrar datos climatológicos, datos agrícolas y datos de rendimiento del cultivo, facilitando una visión holística de las interacciones entre estos factores. También incluye funcionalidades de visualización de datos y generación de informes, lo que facilita la interpretación de los resultados y la toma de decisiones informadas. La validación del modelo en un entorno controlado ha demostrado su eficacia y precisión, posicionando esta herramienta como un recurso esencial para mejorar la sostenibilidad y productividad de los cultivos de cacao en condiciones climáticas variables.