Statistical-Mathematical Models and Smart Agriculture tools, their application in the description and management of Agricultural Processes
Article Sidebar
Main Article Content
Abstract
The professionals of Basic Sciences and Computer Science of the Scientific Teaching Complex (UNAH-CENSA-INCA-ICA), in their role of research, training and social leadership, assume the development of Agricultural research associated with Statistical-Mathematical Modeling, Process Simulation and the use of Smart Agriculture tools, aimed at making optimal decisions. The objective of this work is to show the results achieved by the Multidisciplinary group in these topics, as well as the research and training strategies of the Master in Biomathematics (Accredited Program of Excellence). Background and work developed for more than forty years is shown in Statistical Methodologies and software specialized in studies of animal and plant growth processes, pest behavior, lactation curves, genetic improvement, as well as in the integration of different sources. of data and methods for carrying out intelligent queries in a Geographic Information System, among others. Current research challenges are addressed, associated with the theoretical selection of neural networks as an artificial intelligence method to be used to predict the incidence of pests in different crops; the use of Smart Agriculture tools applied to livestock at the University-Farm-Guayabal and DSSAT Crop Simulation Models (corn), among other topics anchored to a Project of the National Program of Basic and Biological Sciences (PNCB 2024-2026) . It is concluded that multidisciplinary work, from the management of Basic and Computer Sciences, allows qualitative leaps and addresses the challenges and development of society.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento-no comercial de Creative Commons 4.0 que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
References
Del Pozo J, Fernández, L, Abreu Y; Cabrera J; Alfonso, P: ¨Potencial de vigilancia sindrómica a partir de modelos ARIMA de nacimientos y mortalidad de crías porcinas¨. Revista de Salud Animal. Vol. 43 (1). 2021.
Fernández Chuairey. L; Rangel Montes de Oca; L; Guerra Bustillo, C.W; del Pozo Fernández.J ¨Modelación Estadístico-Matemática en Procesos Agrarios. Una aplicación en la Ingeniería Agrícola¨ Revista de Ciencias Técnicas Agropecuaria, vol.28 (2), 2019.
Fernández L; Tonhati, H; Albuquerque, L.G, Aspilcueta-Borquis, R. R; Menéndez Buxadera, A: ¨ Empleo de Regresiones Aleatorias para estimación de parámetros genéticos y estudios de curvas de lactancia en animales de la raza Holstein en Cuba. Revista Cubana de Ciencia Agrícola¨, 45(1), 2011.
Fernández L, del Pozo P P, Fernández L y Herrera R: ¨Utilización de la metodología de superficie de respuesta para modelar los cambios en la productividad de Cynodon nlemfuensis Vanderyst. Revista de Pastos y Forrajes 43(4), 284-292, 2020.
González, J, Elisondo A.I: Miranda, I. Modelacion de la fluctuación poblacional de insectos en un ecosistema.Revista de Proteccion Vegetal, 37 (2), 2022.
Guerra,W; Herrera, M; Fernandez, L and Rodríguez N: ¨ Categorical regression model for the analysis and interpretation ofstatistical power¨, Cuban Journal of Agricultural Science. 53(1) 2019.
Herrera M; Galindo J; Padilla C; Guerra, C.W, Medina Y; Sarduy L : ¨Propuesta del modelo lineal mixto y generalizado mixto para el análisis de un experimento de la microbiología del rumen. Cuban Journal of Agricultural Science, 54(2), 2020.
Jiménez Y.R; Fernández L; Capó J.R.: ¨Modelos Matemáticos para el pronóstico de indicadores cuantitativos que miden la calidad de la Educación Superior en la carrera de Agronomía de la Universidad Agraria de la Habana¨, Revista Investigación Operacional, 32(2): 173-179, 2012.
Miranda, I; Cabrera,D; Hernández, Y; Hernández del Amo,B; Martínez,M. Rodríguez G: ¨Modelación de la interacción Meloidogyne incognita (Kofoid y White) ChitwoodTrichoderma asperellum Samuels, Lieckfeldt & Nirenberg en garbanzo (Cicer arietinum L.)¨. Rev Protección Vegetal, 31(3). 2016.
Rivero, A; Alonso, G; Lau, A: .“Modelación lineal estocástica para el pronóstico de caudales en cuenca, región occidental de Cuba”Revista Ciencias Técnicas Agropecuarias¨, 27(4), 2018.
Rodríguez; O; Florido, R; Varela, M:“ Aplicación de la herramienta de modelación DSSAT para estimar la dosis óptima de fertilizante nitrogenado para la variedad de arroz J-104¨, Revista de culticos tropicales,. 41(2), 2020.
Vázquez, Y; Guerra, C.W; Sánchez, O.E: ¨Modelación estadístico-computacional para el estudio de la sostenibilidad socioeconómica de la empresa pecuaria valle del Perú¨, Revista investigación operacional, 35(2): 121-129, 2014.