Evaluación de potenciales pronósticos de rendimiento de cultivos en la provincia de Buenos Aires basados en variabilidad climática
La variabilidad climática afecta a la producción agropecuaria, siendo un factor determinante en el rendimiento de los cultivos. Por este motivo, en esta tesis se desarrollaron modelos de pronóstico basados en variables del sistema acoplado océano-atmósfera con el fin de predecir el rendimiento de lo...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis Tesis de grado |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/163944 |
| Aporte de: |
| Sumario: | La variabilidad climática afecta a la producción agropecuaria, siendo un factor determinante en el rendimiento de los cultivos. Por este motivo, en esta tesis se desarrollaron modelos de pronóstico basados en variables del sistema acoplado océano-atmósfera con el fin de predecir el rendimiento de los principales cultivos de la provincia de Buenos Aires, Argentina. Para lograr esto, primero se caracterizaron los rendimientos de los cultivos de girasol, maíz y trigo durante el periodo 1981-2021, encontrando una tendencia lineal positiva asociada al avance tecnológico. Luego, se regionalizó el comportamiento de cada cultivo para desarrollar modelos de pronóstico para cada una de estas regiones. Posteriormente, se desarrollaron distintos tipos de modelos de pronóstico de los cultivos donde se varió el tipo de modelo, el criterio de selección de predictores y los predictores. Se consideraron como predictores por un lado índices climáticos, y por el otro, variables meteorológicas medidas por estaciones. Los modelos de pronóstico desarrollados fueron evaluados utilizando diferentes metodologías para evaluar su desempeño. Se encontraron distintos modelos de pronóstico con potencial de aplicación para los tres cultivos considerados (trigo, maíz y girasol). Los resultados de la evaluación sugieren que las regresiones lineales múltiples (MLR) y regresión logística multinomial (MULTI) son modelos con buen desempeño, que logran capturar la interacción entre las variables meteorológicas de estación y los índices climáticos con el rendimiento de cada cultivo. Por otra parte, no se destaca ningún criterio de selección sobre otro en cada uno de los modelos. |
|---|