Predicción de la producción y rendimiento de frijol, con modelos de redes neuronales artificiales y datos climáticos

Abstract

El estado de Zacatecas ocupa el primer lugar en la producción de frijol de temporal en México. Debido a las repercusiones económicas y de seguridad alimentaria, es importante la predicción de los rendimientos, producción y superficie cosechada, igualmente, conocer las variables climatológicas que mayor efecto tienen en el cultivo de frijol. Los objetivos del presente trabajo fueron 1) desarrollar modelos de redes neuronales artificiales RNA para la predicción de la superficie cosechada (SC), los rendimientos (Rto) y la producción (P) de frijol de temporal en el estado de Zacatecas, empleando datos de temperatura máxima y mínima del aire, precipitación y evaporación durante el periodo 1988-2019. 2) realizar un análisis de sensibilidad para determinar las variables de entrada que tienen mayor influencia en la producción y rendimiento de frijol. Debido a la limitada disponibilidad de datos climáticos, se usó la librería Climatol del paquete estadístico R, para el llenado de datos faltantes. Los resultados muestran que los modelos de RNA son capaces de detectar la influencia del clima en la producción de frijol. La eficiencia global en los modelos RNA fue de 0.89 para Rto y 0.86 para SC. La producción se estimó con los modelos de RNA para Rto y SC y se obtuvo un R2 =0.80. De acuerdo al análisis de sensibilidad, la evaporación del ciclo del cultivo (Eva) es la variable más importante en la predicción del rendimiento, mientras que la precipitación de agosto (Pp_Ago) y la temperatura mínima (Tmin) influyeron más en la producción.

Modeling Yield of Irrigated and Rainfed Bean in Central and Southern Sinaloa State, Mexico, Based on Essential Climate Variables

“…Due to the lack of irrigation depth data for IBY, many studies, for example [3,18], focus only on modeling RBY; however, in this study, both type of bean yields (IBY and RBY) were modeled.…”

“…By 2050, the world population will have increased to approximately 9725 million inhabitants [1], so food production will also have to increase by about 70% [2]; cited by [3]. Due to these projections, the United Nations General Assembly [4] adopted the 2030 sustainable development agenda [5].…”

“…In Mexico, both irrigated (IBY) and rainfed (RBY) beans are crops that require special conditions of ASM and air temperature [11]; therefore, strategies must be developed to guarantee a source of protein, especially for people in extreme poverty [16]. Most bean yield modeling studies focus on only RBY; for example, [3,17]. The scarcity of IBY modeling studies is due fundamentally to the complications of obtaining daily data on irrigation depths and exact precipitation that the crop uses for proper growth [3,18].…”

“…Most bean yield modeling studies focus on only RBY; for example, [3,17]. The scarcity of IBY modeling studies is due fundamentally to the complications of obtaining daily data on irrigation depths and exact precipitation that the crop uses for proper growth [3,18]. The incomplete IBY-RBY and climate series [8,18], which usually do not exceed the statistical threshold for modeling [7], represent another limitation for the creation of sensitive models to predict IBY-RBY.…”

Modeling of Yield of Irrigated and Rainfed Bean, Based on Essential Climatic Variables, in the Center and South from Sinaloa State, Mexico

“…By the year 2050, the world population will increase to approximately 9,725 million inhabitants [1], so, by this same year, food production must also increase by about 70% [2] cited by [3]. Due to these projections, the general assembly of the United Nations [4] adopted the 2030 agendasustainable development [5].…”