Modelos Estadísticos-Matemáticos y herramientas de Agricultura Inteligente, su aplicación en la descripción y gestión de Procesos Agrarios
Barra lateral del artículo
Contenido principal del artículo
Resumen
Los profesionales de las Ciencias Básicas e Informáticas del Complejo Científico Docente (UNAH-CENSA-INCA-ICA), en su rol de investigación, capacitación y liderazgo social, asumen el desarrollo de investigaciones Agrarias asociadas a la Modelación Estadístico-Matemática, Simulación de Procesos y al empleo de herramientas de Agricultura Inteligente, encaminadas a la toma de decisiones óptimas. El presente trabajo tiene como objetivo mostrar los resultados alcanzados por el grupo Multidisciplinario en estas temáticas, así como las estrategias de investigación y de formación de Master en Biomatemática (Programa acreditado de excelencia). Se muestran antecedentes y el trabajo desarrollado por más de cuarenta años, en Metodologías Estadísticas y software especializados en estudios de procesos de crecimiento animal y vegetal, en comportamientos de plagas, curvas de lactancia, mejoramiento genético, así como, en la integración de distintas fuentes de datos y métodos para la realización de consultas inteligentes en un Sistema de Información Geográfica, entre otras. Se abordan retos actuales de investigación, asociados a la selección teórica de las redes neuronales como método de inteligencia artificial a emplear para el pronóstico de la incidencia de plagas en diferentes cultivos; el empleo de herramientas de Agricultura Inteligente aplicadas a la ganadería en la Universidad-Granja-Guayabal y Modelos de Simulación de cultivos (maíz) DSSAT, entre otros temas anclados a un Proyecto del Programa Nacional de Ciencias Básicas y Biológicas (PNCB 2024-2026). Se concluye que el trabajo multidisciplinario, desde la gestión de las Ciencias Básicas e Informáticas, permiten saltos cualitativos y hacen frente a los desafíos, retos y desarrollo de la sociedad.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
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).
Citas
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.