Economic development, transport investment, and urbanization in Mexico: causality and effects

Vicente German-Soto Alexsandra De la Peña Flores Karina García (2023, [Artículo, Artículo])

The transport investment is often used as a tool for economic development and urbanization. However, there is still debate about whether transport improvements promote development and urbanization or, conversely, these latter create the conditions that stimulate the transport. In theory, the transport system contributes to development and urbanization because it speeds up the exchange of goods and services, but the effects can also be reversed, so the direction of causality is not so easily identified. This work uses Mexican state information of the 1988-2018 period, grouped as panel, to know both magnitude and direction of the impacts. Methodology consists in cointegration tests and VECM regressions. The results reveal that long-term causality goes from economic development to transport and its subsectors, which means that economic development is a necessary condition to modernize transport in Mexico. For urbanization, the causality and magnitude of the effects vary depending on the transport subsector. The total economy and passenger sector’s investments cause urbanization, but transportation and subsectors of cargo carriers and communications estimate two-way causality. The conclusions suggest that urbanization depends on improvements in transportation and the latter, in turn, on economic development.

Desarrollo regional Transporte Economía urbana Causalidad Modelo VECM CIENCIAS SOCIALES CIENCIAS SOCIALES Economic development, Granger-Causality, VECM Models, Productivity, Urban Economics

Multi-trait, multi-environment deep learning modeling for genomic-enabled prediction of plant traits

Osval Antonio Montesinos-Lopez Jose Crossa Francisco Javier Martin Vallejo (2018, [Artículo])

Deep Learning Genomic Prediction Bayesian Modeling Shared Data Resources CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA BAYESIAN THEORY RESOURCES DATA BREEDING PROGRAMMES

Detección de eventos violentos en publicaciones de redes sociales

Detection of violent events in social media publications

Esteban Ponce León (2023, [Tesis de maestría])

En los últimos años, ha habido un interés creciente en el monitoreo de redes sociales para recopilar información y, en algunos casos, para examinar la ocurrencia de delitos. Sin embargo, gran parte de las investigaciones hasta ahora solo se han centrado en ciudades de EE. UU. o extranjeras, y por ende, en publicaciones y conjuntos de datos en inglés El objetivo principal de esta tesis es diseñar un método que permita la identificación de publicaciones de eventos violentos en español y en Twitter, utilizando información multimodal y técnicas de aumento de datos que mejoren el rendimiento de los modelos. Para esto, el trabajo de investigación se dividió en dos fases experimentales. La primera orientada a identificar publicaciones a partir de solo texto, explorando diferentes técnicas de aumento de datos para texto y modelos de aprendizaje máquina y profundo. En la segunda fase, se extendió el método propuesto para abordar la identificación en un contexto multimodal, es decir, considerando tanto los textos de los tweets como las imágenes compartidas que los acompañan. En este caso el método propuesto consideró utilizar descripciones textuales de las imágenes y abordar la problemática desde el dominio textual, además se hicieron 2 tipos de aumento de datos para cada tipo de información. La evaluación de los métodos se hizo utilizando las colecciones de la tarea de evaluación DA-VINCIS 2022 y 2023. Los resultados demostraron una mejora en el rendimiento de los modelos al considerar el uso de información multimodal y el uso de aumento de datos.

In recent years, there has been a growing interest in monitoring social networks to gather information and, in some cases, to examine the occurrence of crime. However, much of the research so far has only focused on US or foreign cities, and thus on English-language publications and data sets. The main objective of this thesis is to design a method that allows the identification of publications of violent events in Spanish and on Twitter, using multimodal information and data augmentation techniques that improve the performance of the models. For this, the research work was divided into two experimental phases. The first aimed at identifying publications from only text, exploring different data augmentation techniques for text and machine and deep learning models. In the second phase, the proposed method was extended to address identification in a multimodal context, that is, considering both the texts of the tweets and the shared images that accompany them. In this case, the proposed method considered using textual descriptions of the images and addressing the problem from the textual domain, in addition, 2 types of data augmentation were made for each type of information. The evaluation of the methods was done using the collections of the DA-VINCIS 2022 and 2023 evaluation task. The results demonstrated an improvement in the performance of the models when considering the use of multimodal information and the use of data augmentation.

Detección de Violencia, Redes Sociales, Aumento de Datos, Procesamiento del Lenguaje Natural, BERT, BETO, Descripción de Imágenes Violence Detection, Social Networks, Data Augmentation, Natural Language Processing, BERT, BETO, Image Captioning INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES MODELOS CAUSALES MODELOS CAUSALES

Chapter 11. Genomic insights on global journeys of adaptive wheat genes that brought us to modern wheat

deepmala sehgal Laura Dixon Diego Pequeno Jose Crossa Alison Bentley Susanne Dreisigacker (2024, [Capítulo de libro])

Hexaploid Wheat Adaptive Genes Novel Genomic Regions Gene-Based Modeling Process-Based Modeling Global Food Security CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA HEXAPLOIDY WHEAT QUANTITATIVE TRAIT LOCI MODELLING FOOD SECURITY

Procesos oceanográficos asociados al desarrollo y dispersión de florecimientos de Gymnodinium catenatum en el norte del Golfo de California

Oceanographic processes associated with harmful algal blooms of Gymnodinium catenatum development and dispersal in the northern Gulf of California

GABRIELA RESENDIZ COLORADO (2023, [Tesis de doctorado])

Durante los últimos años, durante la temporada de invierno y primavera, se ha detectado la presencia de florecimientos algales nocivos (FAN) causados por el dinoflagelado Gymnodinium catenatum en el norte del golfo de California (NGC). Estos eventos tienen impactos ecológicos, económicos y sociales negativos porque G. catenatum es una especie productora de saxitoxina, la cual, está asociada al envenenamiento paralítico por consumo de mariscos, lo que origina que la autoridad sanitaria se vea en la necesidad de implementar vedas en áreas de extracción de almeja generosa en el NGC al detectar producto contaminado. Por lo tanto, es necesario conocer los procesos físicos que provocan la ocurrencia y recurrencia de estos eventos, así como contar con un sistema de monitoreo y alerta temprana que permita tomar decisiones y acciones oportunas de mitigación contra los efectos perjudiciales de estos fenómenos. En este trabajo se abordaron estas necesidades de investigación por medio de la implementación de un método de detección remota de estos FAN, utilizando la clasificación de máxima verosimilitud basada en los datos de dos eventos sucedidos en 2015 y 2017. Los resultados de este enfoque fueron satisfactorios al reproducir la temporalidad de la presencia de la especie documentada por medio de muestreos semanales en la bahía de San Felipe, así como de la detección geográfica en las áreas que se conocen que son afectadas recurrentemente. Para estudiar los procesos físicos asociados a estos FAN, se implementó un modelo hidrodinámico usando el Sistema de Modelación Oceánica Regional (ROMS) para el norte del golfo de California. A partir de este modelo se obtuvieron datos de variables como energía cinética turbulenta, temperatura, corrientes y se complementaron con datos de esfuerzo de fondo producido por oleaje estimados a partir de datos de la quinta generación del reanálisis atmosférico del clima global del ECMWF (ERA-5), los análisis de estas variables y la abundancia semanal de G. catenatum permitieron identificar que los principales procesos asociados a la formación de estos florecimientos es el incremento del esfuerzo de fondo asociado al oleaje y la turbulencia. Estos, a su vez, tienen una relación con el cambio en el patrón del viento que se caracteriza por ser del noroeste durante las temporadas de invierno y primavera. Respecto a la dispersión de los florecimientos algales, con base en los datos obtenidos del modelo hidrodinámico, se realizaron experimentos

During the recent winter and spring seasons, harmful algal blooms (HABs) caused by the dinoflagellate Gymnodinium catenatum have been detected in the northern Gulf of California (NGC). These events have negative ecological, economic, and social impacts because G. catenatum is a species producer of saxitoxin, which is associated with paralytic shellfish poisoning, which causes the need to implement bans by the health authority in extraction areas of generous clam in the NGC when detecting contaminated products. Therefore, it is necessary to identify the physical processes that cause the occurrence and recurrence of these events and have a monitoring and early warning system that allows timely decisions and mitigation actions to be taken against the harmful effects of these henomena. In this work, these research gaps are approached by implementing a remote detection method for these HABs, using maximum likelihood classification based on data from two events in 2015 and 2017. The results of this approach were satisfactory by reproducing the temporality presence of Gymnodinium catenatum documented through weekly sampling in San Felipe Bay, as well as geographic detection in areas known to be recurrently affected. To study the physical processes associated with these HABs, a hydrodynamic model was implemented using the Regional Ocean Modeling System (ROMS) for the northern Gulf of California. From this model, variables such as turbulent kinetic energy, temperature, and currents were obtained and were complemented with data on bottom stress produced by waves estimated from the fifth generation ECMWF atmospheric reanalysis of the global climate (ERA-5) data. Analyzing these variables and the weekly abundance of G. catenatum, it was possible that the processes associated with forming these blooms are the increase in bottom stress related to waves and turbulence. These processes are related to the change in the wind pattern characterized by northwest winds during the winter and spring seasons. Regarding the dispersion of algal blooms, based on the data obtained from the hydrodynamic model, lagrangian experiments were carried out to estimate the transport of the HAB. The results showed that the modeled dispersion corresponds with the detection carried out with the remote sensing method mplemented in this work for the 2017 event. The results obtained from this work are essential knowledge for the operational implementation of monitoring and early warning systems ..

Gymnodinium catenatum, florecimientos algales nocivos, percepción remota, modelación hidrodinámica, norte del golfo de California : Gymnodinium catenatum, harmful algal bloom, remote sensing, hydrodynamic modeling, northern Gulf of California BIOLOGÍA Y QUÍMICA CIENCIAS DE LA VIDA OTRAS ESPECIALIDADES DE LA BIOLOGÍA OTRAS OTRAS