Identificación de zonas de manejo con base en rendimiento del cultivo de maíz
La variabilidad espaciotemporal de las condiciones ambientales bajo las cuáles se desarrollan los cultivos, requiere analizar cada sistema productivo como una unidad, caracterizada en términos de manejo y condiciones ambientales específicas. Siguiendo el enfoque de Agricultura Específica por Sitio,...
- Autores:
-
Sarmiento Herrera, Ninibeth Gibelli
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/68884
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/68884
http://bdigital.unal.edu.co/70190/
- Palabra clave:
- 62 Ingeniería y operaciones afines / Engineering
63 Agricultura y tecnologías relacionadas / Agriculture
Agricultura específica por sitio
Maíz
Métodos de selección de variables
Zonas de manejo
Random Forest
Stepwise
Elastic net
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | La variabilidad espaciotemporal de las condiciones ambientales bajo las cuáles se desarrollan los cultivos, requiere analizar cada sistema productivo como una unidad, caracterizada en términos de manejo y condiciones ambientales específicas. Siguiendo el enfoque de Agricultura Específica por Sitio, desde el año 2013 hasta el 2016, FENALCE recolectó, mediante encuestas aplicadas a los productores, información de eventos productivos de maíz con fines comerciales en las diferentes áreas productoras en Colombia. Utilizando esta información se evaluaron tres métodos para la selección de variables de importancia: stepwise, Elastic net, y Random Forest. Los tres métodos permitieron identificar cuáles son las variables de clima, suelo y manejo que tienen mayor importancia en la explicación del rendimiento de tres departamentos productores de maíz. A partir de la comparación entre los métodos, se identificó que Random Forest permite obtener mejores resultados y modelos con mejor desempeño basado en el coeficiente de determinación R2 de la validación cruzada y la raíz del error cuadrado medio RMSE. A partir de las variables de mayor importancia, mediante el método de clúster para componentes principales que combina agrupación jerárquica y k- means se obtuvieron grupos homogéneos de clima y suelo; 5 para el departamento de Córdoba y 4 para el departamento de Tolima. El análisis de las variables de manejo de mayor importancia en cada grupo mostró que no es adecuada una generalización a nivel regional en las recomendaciones de manejo, sino que éstas deben realizarse de manera específica según condiciones ambientales homogéneas. |
---|