Modelo de comportamiento de las temperaturas medias en el cultivo del Tomate (Solanum licopersicum)

Leonardo Santiago Vinces Llaguno, Yaima Trujillo Reyes

Resumen

Las matemáticas han seguido elevando su presencia en las ciencias y en los sectores económicos, en general. Junto a las tecnologías de la información se procesan enormes volúmenes de datos que facilitan el análisis y sirven para la toma de decisiones de manera objetiva. La evasión de los riesgos agrícolas resulta una tarea de primer orden para la salvaguarda de la seguridad alimentaria y es así que la reducción de los períodos vegetativos en los cultivos, resulta una estrategia eficaz para lograrlo. El objetivo de este trabajo es determinar las fechas en que se producen las máximas de temperatura del aire para obtener los períodos probables en que se manifiestan los valores más altos y acelerar el crecimiento y desarrollo del cultivo del tomate en el cantón Babahoyo, provincia Los Ríos, Ecuador. Las fechas de máxima temperatura en el aire se ubicó alrededor de la decena 7, entre el 13 y el 17 de marzo, resultados de la suma de probabilidades para un 75%. Las sumas de temperaturas obtenidas fluctúan en el rango 2170 – 2266 Grados Celsius que garantizan la aceleración del período vegetativo, pues cuentan con el 100% de la suma de probabilidades de ser alcanzadas. Observar un manejo dirigido a la selección del período de mayor temperatura reducirá los riesgos de y eventos extremos, además de disminuir los insumos en la producción agrícola, lo que aumentará la sostenibilidad del sistema.

Palabras clave

Temperaturas; Modelación; Optimización; Tomate

Texto completo:

PDF HTML EPUB XML-JATS

Referencias

Arora, V. & Boer, G. 2005. “A parameterization of leaf phenology for the terrestrial ecosystem component of climate models”. Global Change Biology, 11: 39-59, DOI: 10.1111/j.1365-2486.2004.00890. x.

Chandola, V.; Hui, D.; Gu, L.; Bhaduri, B. & Vatsavai, R. 2010. “Using Time Series Segmentation for Deriving Vegetation Phenology Indices from MODIS NDVI Data”. IEEE International Conference on Data Mining Workshops, Massachusetts Ave., NW Washington DC, United States: IEEE Computer Society, pp. 202-208, ISBN: 978-0-7695-4257-7. DOI: 10.1109/ICDMW.2010.143. Available: , [Consulted: May 12, 2020].

Chávez Esponda, D.; Sabín, Y.; Toledo, V. & Jiménez, Y. 2013. “La Matemática: una herramienta aplicable a la Ingeniería Agrícola”. Revista Ciencias Técnicas Agropecuarias, 22(3): 81-84.

Costanza, R.; D’Arge, R.; de Groot, R.; Farberk, S.; Grasso, M.; Hannon, B.; Limburg, K.; Naeem, N. O’Neill, R.; Paruelo, J.; Raskin, R.; Suttonkk, P. & van den Belt, M. 1998. “The value of the world’s ecosystem services and natural capital”. Nature, 387: 253-260.

De Fina, A. & Ravelo, A., 1979. Climatología y fenología agrícolas. 3ra ed. Lugar: Editorial Universitaria de Buenos Aires (Eudeba), 354 p.

Delire, C.; Ngomanda, A. & Jolly, D. 2008. “Possible impacts of 21st century climate on vegetation in Central and West Africa”. Global and Planetary Change, 64(1): 3-15. DOI: 10.1016/j.gloplacha.2008.01.008.

Eldin, M., Rojas, O. 1983. A System of Agroclimatic Zoning to Evaluate Climatic Potential for Crop production. In: Cusak, D. F. (eds.). Agroclimatic Information for Development. Reviving the Green Revolution. Boulder, Colorado (USA), Westview, 83-91.

Elikana, J.; Bunting, P.; Hardy, A.; Roberts, O.; Giliba, R. & Silayo, D. 2020. “Modelling the impact of climate change on Tanzanian forest”. Diversity and Distributions,26: 1663-1686. Wiley. DOI: 10.1111/ddi.13152.

Jönson P. & Eklundh L. 2004. “TIMESAT— a program for analyzing time-series of satellite sensor data”. Computers & Geosciences 30(8): 833-845. https://doi.org/10.1016/j.cageo.2004.05.006.

Ortega, D. 2000. Perfeccionamiento de la enseñanza de la Matemática en la carrera de Agronomía. Tesis de Maestría en Pedagogía Aplicada a las Ciencias Agrícolas. Universidad Central “Marta Abreu” de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Matemática, Cuba, 95 p.

Pan, S.; Dangal, S.; Tao, B.; Yang, J. & Tian, J. 2015. “Recent patterns of terrestrial net primary production in Africa influenced by multiple environmental changes”. Ecosystem Health and Sustainability, 1(5): 1-15. https://doi.org/10.1890/EHS14-0027.1.

Pan, S.; Tian, H.; Dangal, S.; Ouyang, Z.; Tao, B.; Ren, W.; Lu, Ch.; & Running, S. 2014. “Modeling and monitoring terrestrial primary production in a changing global environment: toward a multiscale synthesis of observation and simulation”. Advances in Meteorology, 2014(965936): 1-17, http://dx.doi.org/10.1155/2014/965936.

Plaza, L. 2011. “Modelamiento matemático de fenómenos cíclicos”. Scientia et Technica Año XVI, 48: 148 -150. Universidad Tecnológica de Pereira. ISSN 0122-1701.

Rodríguez, L. F. & Bermúdez, T. 1995. “Usos y aplicaciones de la simulación en la investigación agropecuaria”. Agronomía Colombiana, 12(2): 198-204.

San Martin, J.; Uña, J. & Tomeo, P. V. 2005. Ampliación de Matemáticas para Ciencias e Ingeniería. In: De la Fuente, C.; García, C. & Vicente, O. (eds.), Métodos Matemáticos. Madrid: Editorial THOMSON: 1-17, ISBN: 84-9732-288-6, Available: , [Consulted: December 20, 2020].

Tiedenman, J. 2015. “Phenology and aboveground net primary productivity of panicum maximum pastoralist systems in the department of Moreno, Santiago del Estero, Argentina, derived from Modis NDVI”. Ecología Aplicada, 14(1): 27-39, ISSN 1726-2216, DOI:10.21704/rea.v14i1-2.79.

Vitousek, P. M.; Ehrlich, P. R.; Ehrlich, A. & Matson, P. A., 1986. “Human appropriation of the products of photosynthesis”. BioScience, 36(6): 368-373. ISSN: 0006-3568.

Yang, H.; Hu, D.; Xu, H. & Zhong, X. 2020. “Assessing the spatiotemporal variation of NPP and its response to driving factors in Anhui province, China”. Environmental Science and Pollution Research, 27: 14915-14932. https://doi.org/10.1007/s11356-020-08006-w.

Enlaces refback

  • No hay ningún enlace refback.