Calibración de un modelo hidrológico aplicado en el riego tecnificado por gravedad

Calibration of an hydrology model applied in the technology irrigation by gravity

LUIS RENDON PIMENTEL JORGE DIONISIO ETCHEVERS BARRA JESUS CHAVEZ MORALES HUMBERTO VAQUERA HUERTA LUIS RENDON PIMENTEL (2001, [Artículo])

Este estudio tuvo como propósitos comparar la tecnología de riego tradicional con una metodología tecnificada, así como medir la respuesta de la producción de maíz (Zea mays) a la aplicación de nitrógeno en forma tradicional y en fertirriego. El experimento se desarrolló en el módulo 2 del distrito de riego (DR076), en el Valle del Carrizo, Sinaloa, México. La tecnología denominada riego tradicional es la utilizada por los agricultores, y la tecnificada es una propuesta del Instituto Mexicano de Tecnología del Agua.

Cultivos alimenticios Maíz Fertirriego Modelos matemáticos Riego tecnificado INGENIERÍA Y TECNOLOGÍA

Evaluación experimental de algoritmos de control de canales de riego

Experimental evaluation of control algorithms for irrigation canals

JORGE VICTOR PRADO HERNANDEZ FELIPE BENJAMIN DE LEON MOJARRO VICTOR MANUEL RUIZ CARMONA ADOLFO ANTENOR EXEBIO GARCIA ENRIQUE MEJIA SAENZ (2003, [Artículo])

Con el propósito de mejorar la operación de canales de riego se probó, en un canal experimental, un esquema de regulación aguas arriba mediante la instrumentación de una serie de compuertas deslizantes y del uso de un sistema de control, supervisión y adquisición de datos. El esquema de regulación tiene un lazo de control abierto para anticiparse a las demandas de riego, a partir de su conocimiento previo y de un modelo de propagación de caudal; y otro cerrado para corregir el nivel al final de cada tramo, manipulando la estructura de control ubicada aguas abajo.

Canales de riego Modelos matemáticos Regulación de canales INGENIERÍA Y TECNOLOGÍA

Un modelo para simular la transferencia de agua en sistemas de riego por goteo

MANUEL ZAVALA TREJO WALDO OJEDA BUSTAMANTE (1999, [Artículo])

Se presenta un modelo numérico de simulación para describir y analizar la infiltración y redistribución del agua en el suelo bajo condiciones de riego por goteo. La solución numérica de la forma mixta de la ecuación de Richards se obtuvo utilizando el método del elemento finito en la discretización espacial y un esquema de diferencias finitas implícito para la integración en el tiempo. En una primera etapa el esquema numérico fue validado comparando sus resultados con soluciones analíticas obtenidas para formas simplificadas de la ecuación de transferencia de agua. Posteriormente se presentan algunos casos prácticos de interés agrícola donde se analizan alternativas potenciales que permitan diseñar y mejorar este tipo de sistema de riego.

Riego por goteo Transferencia de agua Modelos numéricos Simulación CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Evaluación de la operación de un tramo del canal principal de riego con un enfoque económico

PENELOPE CRUZ MAYO ARIOSTO AGUILAR CHAVEZ (2022, [Artículo])

DOI: 10.24850/j-tyca-2022-01-03

En este trabajo se presenta un análisis económico e hidráulico para implementar un modelo de control automático de las compuertas de un distrito de riego. El funcionamiento hidráulico de la red de canales se analiza con un modelo de simulación numérica, con diferentes opciones de control automático que se pueden instaurar y un análisis de los precios sombra en la producción agrícola, a partir de los escenarios dinámicos de simulación numérica. Esta metodología se aplica al Distrito de riego 076, ubicado en Valle del Carrizo, Sinaloa, México, y se obtienen diferentes escenarios que pueden ser considerados en la modernización de la red de canales.

Distritos de riego Canales de riego Modelos matemáticos Simulación Valor del agua INGENIERÍA Y TECNOLOGÍA

Sistema de pronóstico del riego en tiempo real

WALDO OJEDA BUSTAMANTE FELIPE BENJAMIN DE LEON MOJARRO (2003, [Artículo])

En 1994 el Instituto Mexicano de Tecnología del Agua, con apoyo financiero de la Comisión Nacional del Agua, inició, en el distrito de riego 076, Valle del Carrizo, Sinaloa, el desarrollo del sistema de pronóstico del riego en tiempo real, denominado Spriter. Dicho sistema consta de una serie de algoritmos que permiten gestionar una base de datos con información sobre los parámetros de los cultivos, suelo, padrón de usuarios, clima, red de distribución, seguimiento de riego de los cultivos y su manejo; así como generar una serie de reportes de interés local, regional o nacional. Con la información anterior, el Spriter realiza un balance diario del consumo de agua de cada cultivo, desde su fecha de siembra hasta la cosecha, y pronostica sus necesidades hídricas para determinar el momento oportuno del riego. La presente aportación describe las experiencias en la implementación del Spriter.

Calendarización del riego Modelos matemáticos Uso eficiente del agua INGENIERÍA Y TECNOLOGÍA

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

Climate smart bread wheat (Triticum aestivum L.) variety development for optimum moisture areas of Ethiopia

Bekele Abeyo Ayele Badebo Huluka (2023, [Artículo])

GGE Biplot AMMI Model CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA SOFT WHEAT ENVIRONMENT GENOTYPES GRAIN YIELDS

La inteligencia artificial y sus modelos de redes neuronales

Alejandro E. Rodríguez-Sánchez (2024, [Artículo, Artículo])

Este artículo revisa qué son los modelos en la inteligencia artificial (IA), con especial énfasis en las redes neuronales artificiales y su capacidad para simular y predecir fenómenos complejos. Ejemplifica la aplicación multidisciplinaria de la IA en campos como la astronomía, destacando la imagen del primer agujero negro, y en biología molecular, con los avances de AlphaFold. Se resalta la necesidad de entender los modelos de IA más allá de su función técnica, subrayando su contribución al progreso científico. Concluye que la IA, a través de sus modelos, desempeña un papel crucial en el estudio de las regularidades de la naturaleza y de la sociedad.

Inteligencia artificial Redes neuronales artificiales Modelos cientificos Tecnología INGENIERÍA Y TECNOLOGÍA INGENIERÍA Y TECNOLOGÍA

Big data, small explanatory and predictive power: Lessons from random forest modeling of on-farm yield variability and implications for data-driven agronomy

Martin van Ittersum (2023, [Artículo])

Context: Collection and analysis of large volumes of on-farm production data are widely seen as key to understanding yield variability among farmers and improving resource-use efficiency. Objective: The aim of this study was to assess the performance of statistical and machine learning methods to explain and predict crop yield across thousands of farmers’ fields in contrasting farming systems worldwide. Methods: A large database of 10,940 field-year combinations from three countries in different stages of agricultural intensification was analyzed. Random effects models were used to partition crop yield variability and random forest models were used to explain and predict crop yield within a cross-validation scheme with data re-sampling over space and time. Results: Yield variability in relative terms was smallest for wheat and barley in the Netherlands and for wheat in Ethiopia, intermediate for rice in the Philippines, and greatest for maize in Ethiopia. Random forest models comprising a total of 87 variables explained a maximum of 65 % of cereal yield variability in the Netherlands and less than 45 % of cereal yield variability in Ethiopia and in the Philippines. Crop management related variables were important to explain and predict cereal yields in Ethiopia, while predictive (i.e., known before the growing season) climatic variables and explanatory (i.e., known during or after the growing season) climatic variables were most important to explain and predict cereal yield variability in the Philippines and in the Netherlands, respectively. Finally, model cross-validation for regions or years not seen during model training reduced the R2 considerably for most crop x country combinations, while for wheat in the Netherlands this was model dependent. Conclusion: Big data from farmers’ fields is useful to explain on-farm yield variability to some extent, but not to predict it across time and space. Significance: The results call for moderate expectations towards big data and machine learning in agronomic studies, particularly for smallholder farms in the tropics where model performance was poorest independently of the variables considered and the cross-validation scheme used.

Model Accuracy Model Precision Linear Mixed Models CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA MACHINE LEARNING SUSTAINABLE INTENSIFICATION BIG DATA YIELDS MODELS AGRONOMY

Modelo de calidad del agua en redes de distribución

Velitchko Tzatchkov Arreguin Felipe (2004, [Artículo])

Se presenta un modelo de calidad del agua potable en una red de distribución, el cual incluye las tuberías de tres pulgadas de diámetro y mayores. La aplicación se realizó en la zona norte de Culiacán, Sinaloa, México, que cuenta con una población de 61,500 habitantes. Se determinó la constante de primer orden de reacción del cloro con el agua ka= 0.0988 horas-1 y la de reacción con la pared del tubo kp = 0.4140 m/día, para un diámetro de 16 pulgadas, y kp = 0.1509 m/día para 10 pulgadas. Con lo anterior, para el caso de la ciudad de Culiacán, los valores del coeficiente total de decaimiento k son de 0.2478 a 0.189 horas-1. La comparación de resultados entre medición y modelo muestra que en 70.83% del total de los puntos se tienen diferencias menores al 25%. En la región uno del sitio de aplicación, los resultados presentan diferencias menores al 20% en el 90% de los nodos.

Calidad del agua Redes de distribución de agua Modelos matemáticos Decaimiento del cloro INGENIERÍA Y TECNOLOGÍA