Comparación de modelos para estimar la presión real de vapor de agua

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE Abel Quevedo Nolasco (2013, [Artículo])

La presión real de vapor de agua es una variable básica para estimar la evapotranspiración de los cultivos, uno de los componentes del ciclo hidrológico. Sin embargo, es difícil y cara de medir de forma directa, por lo que, en la práctica, se recurre a estimaciones basadas en la temperatura y relaciones sicrométricas. El objetivo del presente trabajo fue realizar una comparación de diferentes métodos convencionales para el cálculo de la presión real de vapor y compararlos con las estimaciones realizadas con dos tipos de redes neuronales artificiales: feedforward backpropagation y radial basis function. Se usaron datos meteorológicos de cuatro estaciones del Distrito 075, localizadas en el Valle del Fuerte, al norte de Sinaloa, México. Los resultados indican que la red neuronal artificial tipo radial basis function (escenario E4) mostró ser el mejor método en la estimación de la presión actual de vapor de agua.

Humedad atmosférica Déficit de presión de vapor Distritos de riego Redes neuronales artificiales CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Molecular pre-breeding in wheat physiology

David González-Diéguez (2023, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WHEAT PRE-BREEDING MOLECULAR GENETICS MARKER-ASSISTED SELECTION INTROGRESSION

Use of DH lines in maize breeding programs: CIMMYT experience

Yoseph Beyene (2023, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MAIZE BREEDING PROGRAMMES HYBRIDS MARKER-ASSISTED SELECTION GRAIN YIELDS

Genomic selection: A tool for accelerating the efficiency of molecular breeding for development of climate-resilient crops

UTTAM KUMAR Rajeev Ranjan Kumar Philomin Juliana Sundeep Kumar (2022, [Artículo])

Genomic Selection Single-Trait Genomic Selection Multi-Trait Genomic Selection Genomic Estimated Breeding Value Climate-Resilient Crops CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MARKER-ASSISTED SELECTION CLIMATE CHANGE STRESS CLIMATE RESILIENCE CROPS ABIOTIC STRESS BIOTIC STRESS

Identification and characterisation of stripe rust resistance genes Yr66 and Yr67 in wheat cultivar VL gehun 892

Harbans Bariana Lakshmi Kant Naeela Qureshi Urmil Bansal (2022, [Artículo])

Kompetitive Allele Specific PCR Stripe Rust Yr Genes CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA GENETIC MARKERS MARKER-ASSISTED SELECTION RUSTS WHEAT GENES

Predicción de la evapotranspiración de referencia mediante redes neuronales artificiales

JUAN MANUEL GONZALEZ CAMACHO ROCIO CERVANTES-OSORNIO WALDO OJEDA BUSTAMANTE IRINEO LORENZO LOPEZ CRUZ (2008, [Artículo])

La evapotranspiración de referencia (ETo) es una variable climática esencial para el cálculo de los requerimientos hídricos de los cultivos. Su previsión a corto plazo es importante para programar la distribución de volúmenes de agua en las zonas de riego. En este trabajo se presenta la aplicación de un modelo de Red Neuronal Artificial (RNA) tipo feedforward backpropagation para predecir la ETo a partir de datos diarios de temperatura del aire, radiación solar, humedad relativa y velocidad del viento. La arquitectura adoptada del modelo de RNA contiene cuatro neuronas en la capa intermedia, una neurona en la capa de salida y funciones de activación tangente hiperbólica en ambas capas. Este modelo fue aplicado a un conjunto de datos climáticos con cinco años de observaciones de la red agroclimática “Valle del Fuerte” del distrito de riego 075, localizada en el norte de Sinaloa, México. El algoritmo de entrenamiento supervisado de Levenberg-Marquardt permitió obtener un buen desempeño de la red en términos del error cuadrático medio y del coeficiente de determinación R2 para estimar la ETo en los diferentes escenarios considerados. Las predicciones de las RNA fueron comparadas con las predicciones de modelos de regresión lineal múltiple y lineal por partes; los resultados muestran que ambos modelos presentan niveles de ajuste muy similares a los datos experimentales.

Evapotranspiración Requerimientos de riego Variables climáticas Distritos de riego Regresión no lineal Redes neuronales artificiales CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Comparison of Different Classifiers and the Majority Voting Rule for the Detection of Plum Fruits in Garden Conditions.

Razieh Pourdarbani Sajad Sabzi Mario Hernández Hernández José Luis Hernández-Hernández Ginés García_Mateos Davood Kalantari José Miguel Molina Martínez (2019, [Artículo])

Color segmentation is one of the most thoroughly studied problems in agricultural applications of remote image capture systems, since it is the key step in several different tasks, such as crop harvesting, site specific spraying, and targeted disease control under natural light. This paper studies and compares five methods to segment plum fruit images under ambient conditions at 12 different light intensities, and an ensemble method combining them. In these methods, several color features in different color spaces are first extracted for each pixel, and then the most e

ective features are selected using a hybrid approach of artificial neural networks and the cultural algorithm (ANN-CA). The features selected among the 38 defined channels were the b* channel of L*a*b*, and the color purity index, C*, from L*C*h. Next, fruit/background segmentation is performed using five classifiers: artificial neural network-imperialist competitive algorithm (ANN-ICA); hybrid artificial neural network-harmony search (ANN-HS); support vector machines (SVM); k nearest neighbors (kNN); and linear discriminant analysis (LDA). In the ensemble method, the final class for each pixel is determined using the majority voting method. The experiments showed that the correct classification rate for the majority voting method excluding LDA was 98.59%, outperforming the results of the constituent methods.

remote sensing in agriculture artificial neural network hybridization environmental conditions majority voting plum segmentation INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ALIMENTOS

Efficacy of plant breeding using genomic information

Osval Antonio Montesinos-Lopez Alison Bentley Carolina Saint Pierre Leonardo Abdiel Crespo Herrera Morten Lillemo Jose Crossa (2023, [Artículo])

Genomic Selection Genomic Prediction Genomic Best Linear Unbiased Predictor CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA PLANT BREEDING GENOMICS MARKER-ASSISTED SELECTION ENVIRONMENT

Genomic approaches for improving grain zinc and iron content in wheat

Chandan Roy Govindan Velu (2022, [Artículo])

Genome-Wide Association Study New Breeding Techniques Genomic Selection CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA BIOFORTIFICATION MARKER-ASSISTED SELECTION MALNUTRITION BREEDING QUANTITATIVE TRAIT LOCI MAPPING SPEED BREEDING ZINC IRON WHEAT

Multimodal deep learning methods enhance genomic prediction of wheat breeding

Carolina Rivera-Amado Francisco Pinto Francisco Javier Pinera-Chavez David González-Diéguez Matthew Paul Reynolds Paulino Pérez-Rodríguez Huihui Li Osval Antonio Montesinos-Lopez Jose Crossa (2023, [Artículo])

Conventional Methods Genomic Prediction Accuracy Deep Learning Novel Methods CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WHEAT BREEDING MACHINE LEARNING METHODS MARKER-ASSISTED SELECTION