Predicción Del Rendimiento WOFOST De Tabaco Y Algodón
Azerbaiyán ha considerado la agricultura como una de las cuatro industrias prioritarias para diversificar su economía. Aunque el sector solo representaba el 5,88% del PIB en 2021, daba empleo al 36% de la población. Los productos locales gozan de un gran reconocimiento en los mercados de los Estados postsoviéticos y, a menudo, se venden con sobreprecio. El apoyo gubernamental al sector incluye subvenciones, beneficios fiscales y ayudas para maquinaria, fertilizantes y pesticidas.
La predicción del rendimiento de los cultivos a escala de campo, región y a nivel nacional es indispensable para la investigación agrícola, la gestión de las explotaciones y la toma de decisiones en materia de importación y exportación.
En este caso de estudio, se analizará cómo EOSDA realizó una predicción del rendimiento del tabaco y el algodón para la temporada de cultivo de 2018 basándose en los resultados del modelo WOFOST.
Problema: Encontrar El Método Óptimo Para Predecir El Rendimiento Del Algodón Y El Tabaco A Nivel De Distrito
El proyecto era a gran escala e incluía la clasificación de varios cultivos, además de la predicción del rendimiento del algodón y el tabaco que nosotros realizamos. La predicción tenía que hacerse para campos de dos distritos de Azerbaiyán: Shaki y Sabirabad.
El algodón, a menudo llamado el “oro blanco” del país, tiene una larga tradición de cultivo. Su producción alcanzó su máximo durante el período soviético. En 1981, la cuota de Azerbaiyán en el cultivo de algodón de la URSS alcanzó casi el 10%, lo que suponía el 1,5% de la producción mundial . Tras el colapso de la Unión Soviética, descendió (la concentración de Azerbaiyán en la industria petrolera también fue un factor coindiciente que afectó). Buscando fuentes de ingresos prometedoras tras la subida mundial de los precios del petróleo en 2014-2016, la República de Azerbaiyán reanudó su interés por el sector algodonero . En comparación con la campaña 2015/2016, la superficie de algodón en 2022/2023 se ha cuadruplicado, mientras que el rendimiento por hectárea se ha multiplicado aproximadamente por 1,6 .
Shaki forma parte de la región económica de Shaki-Zaqatala, que depende de la agricultura, incluido el cultivo de tabaco. Las autoridades azeríes también han destacado la importancia de este cultivo, dado su potencial para la exportación .
Solución: Análisis De Datos Estadísticos, Meteorológicos, Edáficos Y Fenológicos Con El Modelo WOFOST
Un cliente nos proporcionó información estadística sobre el rendimiento del algodón y el tabaco a nivel de distrito desde 2000 hasta 2017.
El equipo, a su vez, recopiló los datos restantes. Fueron los siguientes datos:
- Estadísticas que indicaban las características de los cultivos necesarias para que el modelo realizase predicciones o cálculos.
- Ubicación geográfica de los campos y sus superficies.
- Fechas de trasplante de las plantas de tabaco desde invernaderos o semilleros.
- Datos meteorológicos (humedad, precipitaciones, velocidad del viento, temperaturas máximas y mínimas) del Sistema Mundial de Telecomunicaciones (SMT) y algunos modelos específicos de estimación de evapotranspiración y la radiación global.
- Datos del suelo (contenido de humedad del suelo y profundidad de enraizamiento).
Además, el equipo del proyecto encontró las fechas óptimas de siembra/trasplante de tabaco y algodón para 2010-2018.
Los datos meteorológicos históricos también son indispensables para estas tareas. Los especialistas obtuvieron conjuntos de datos de NASA POWER. Los parámetros meteorológicos de los conjuntos de datos NASA POWER proceden del satélite Modern Era Retro-analysis for Research and Applications (MERRA-2) y de los modelos de asimilación GEOS versión 5.12.4 . MERRA-2 es una nueva versión del Goddard Earth Observing System (GEOS), desarrollado en la Global Modeling and Assimilation Office (GMAO) del Centro de vuelo espacial Goddard de la NASA.
Los datos GEOS 5.12.4 se procesan de forma diaria y se añaden al final de la serie temporal diaria MERRA-2, para proporcionar productos de datos de baja latencia que suelen estar listos en unos 4 días. Los valores MERRA-2 de las series temporales diarias resultantes suelen actualizarse cada varios meses. Así pues, estos productos de datos pueden utilizarse en tiempo real y son especialmente valiosos para tareas relacionadas con la predicción del rendimiento.
Los científicos utilizaron el modelo WOFOST (World Food Studies Simulation Model, for data analysis) . Se trata de un modelo mecanicista para el análisis cuantitativo del crecimiento y la producción anuales de los cultivos de campo, basado en procesos básicos como la fotosíntesis, la respiración y la dependencia de estos procesos de las condiciones ambientales.
Tenemos una larga experiencia trabajando con este modelo, cuya eficacia ha sido probada. Además, es adecuado para numerosos tipos de cultivos.
El rendimiento de cada cultivo se predice en tres pasos.
EOSDA Crop Monitoring
Herramienta de análisis de campos con acceso a imágenes de satélite de alta resolución para la identificación de áreas remotas con problemas.
Paso 1: Adaptación De Los Parámetros Del Modelo
Los especialistas tuvieron que ajustar varios valores de los parámetros del modelo para estimar la biomasa del algodón y el tabaco con el modelo WOFOST, teniendo en cuenta las condiciones climáticas y del suelo.
Paso 2: Realización De Simulaciones Para Estimar La Biomasa De Los Cultivos En 2010-2017
Los miembros del equipo ejecutaron WOFOST en el PCSE (Python Crop Simulation Environment). La simulación de cultivos representa una interacción entre la planta y el entorno en el que crece. Así, cualquier modelo de crecimiento de cultivos predice el estado final de la biomasa total o el rendimiento cosechable, al tiempo que contiene información cuantitativa sobre los principales factores que intervienen en el crecimiento y el desarrollo del cultivo (estado del suelo, gestión del cultivo como la siembra, el riego o la aplicación de fertilizantes).
Gracias a esto, Como resultado, los especialistas calcularon parámetros como el estado de desarrollo de la vegetación (DVS – development vegetation stage), la biomasa aérea total (TAGR – total aboveground biomass), el índice de área foliar (LAI – leaf area index), la humedad del suelo (SM – soil moisture), el peso total de las hojas vivas (TWLV – total weight of living leaves) y el peso total de los órganos de almacenamiento (TWSO – total weight of storage organs).
Paso 3: Predicción Del Rendimiento Del Algodón Y El Tabaco En 2018
El equipo eligió un enfoque estadístico para la predicción del rendimiento. En el primer paso, calcularon el TWLV del tabaco y la TAGR del algodón a 1 de julio de 2018, con valores DVS específicos. Después, los científicos calcularon estos parámetros de cultivo para 2010-2017 y eligieron los mismos valores de DVS para encontrar una relación lineal entre las biomasas calculadas y el rendimiento estadístico real para cada explotación en los distritos de Shaki y Sabirabad.
El error estándar del rendimiento previsto del tabaco entre 2010 y 2017 fue de 0,7 centners por hectárea. Los especialistas utilizaron datos históricos para validar el método de predicción del rendimiento elegido, ya que los datos reales no estaban disponibles en ese momento. Se podría interpolar este error a los resultados de 2018. En cuanto al algodón, fue de 1,5 a 1,9 centners por hectárea, dependiendo de la parcela.
Resultado: Predicción Del Rendimiento Del Algodón Y El Tabaco
El equipo del proyecto preparó el informe con las predicciones de rendimiento del tabaco en los campos de la región de Shaki y del algodón en las tierras de labranza del distrito de Sabirabad para la temporada de 2018.
Empezamos a trabajar en el proyecto en abril de 2018 y presentamos los resultados en octubre del mismo año. Aunque la recopilación y el análisis de datos nos llevaron unas tres semanas, tuvimos que esperar hasta el final de las temporadas de cultivo de algodón y tabaco: para el cliente era importante comparar nuestros cálculos con el rendimiento real de los cultivos.
Acerca del autor:
Natalia Ivanchuk tiene un máster en Matemáticas Aplicadas (2013) en la Universidad Nacional de Ingeniería del Agua y del Medio Ambiente. Es autora de más de 60 publicaciones científicas, monografías y otros trabajos científicos.
En 2019, defendió con éxito la tesis, "Modelización matemática de los procesos de filtración en entornos de suelo teniendo en cuenta la influencia de los elementos de las estructuras de ingeniería" y obtuvo el título de Candidata a las Ciencias Técnicas.
En la actualidad, Natalia es profesora asociada en el Departamento de Ciencias Informáticas y Matemáticas Aplicadas de la Universidad Nacional de Ingeniería del Agua y del Medio Ambiente en Rivne, Ucrania. Enseña diferentes lenguajes de programación (C++, C# y JavaScript, entre otros) en dicha universidad.
Natalia participa activamente en la investigación científica relacionada con la aplicación práctica de nuevos algoritmos de programación. La programación también es algo que le gusta hacer en su tiempo libre.
Su experiencia y constante deseo de aprender y perfeccionar sus habilidades de programación, especialmente trabajando con Python, ha sido muy beneficioso para EOS Data Analytics.
Artículos recientes
Cultivo De Girasol: De La Siembra A La Cosecha
El cultivo de girasol ha demostrado ser gratificante en relación trabajo-beneficio. Estos consejos para el cultivo del girasol ayudarán a los agricultores a lograr una buena rentabilidad.
Enfermedades De Las Plantas: Tipos Y Prevención
Una gestión eficaz de las enfermedades de los cultivos ayuda a protegerlos de los daños y a las empresas agrícolas de las pérdidas económicas. Conozca los principales tipos de enfermedades, cómo se producen y los métodos de prevención.
Series Temporales De Satélite Para Descubrir Patrones
Una serie temporal de imágenes de satélite cuenta la historia de una zona concreta de la Tierra, trazando su evolución a lo largo del tiempo y proporcionando nuevas perspectivas reveladoras.