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

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

Using an incomplete block design to allocate lines to environments improves sparse genome-based prediction in plant breeding

Osval Antonio Montesinos-Lopez ABELARDO MONTESINOS LOPEZ RICARDO ACOSTA DIAZ Rajeev Varshney Jose Crossa ALISON BENTLEY (2022, [Artículo])

Genomic selection (GS) is a predictive methodology that trains statistical machine-learning models with a reference population that is used to perform genome-enabled predictions of new lines. In plant breeding, it has the potential to increase the speed and reduce the cost of selection. However, to optimize resources, sparse testing methods have been proposed. A common approach is to guarantee a proportion of nonoverlapping and overlapping lines allocated randomly in locations, that is, lines appearing in some locations but not in all. In this study we propose using incomplete block designs (IBD), principally, for the allocation of lines to locations in such a way that not all lines are observed in all locations. We compare this allocation with a random allocation of lines to locations guaranteeing that the lines are allocated to

the same number of locations as under the IBD design. We implemented this benchmarking on several crop data sets under the Bayesian genomic best linear unbiased predictor (GBLUP) model, finding that allocation under the principle of IBD outperformed random allocation by between 1.4% and 26.5% across locations, traits, and data sets in terms of mean square error. Although a wide range of performance improvements were observed, our results provide evidence that using IBD for the allocation of lines to locations can help improve predictive performance compared with random allocation. This has the potential to be applied to large-scale plant breeding programs.

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA Bayes Theorem Genome Inflammatory Bowel Diseases Models, Genetic Plant Breeding

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