Predicción de la producción y rendimiento de frijol, con modelos de redes neuronales artificiales y datos climáticos

Abstract

El estado de Zacatecas ocupa el primer lugar en la producción de frijol de temporal en México. Debido a las repercusiones económicas y de seguridad alimentaria, es importante la predicción de los rendimientos, producción y superficie cosechada, igualmente, conocer las variables climatológicas que mayor efecto tienen en el cultivo de frijol. Los objetivos del presente trabajo fueron 1) desarrollar modelos de redes neuronales artificiales RNA para la predicción de la superficie cosechada (SC), los rendimientos (Rto) y la producción (P) de frijol de temporal en el estado de Zacatecas, empleando datos de temperatura máxima y mínima del aire, precipitación y evaporación durante el periodo 1988-2019. 2) realizar un análisis de sensibilidad para determinar las variables de entrada que tienen mayor influencia en la producción y rendimiento de frijol. Debido a la limitada disponibilidad de datos climáticos, se usó la librería Climatol del paquete estadístico R, para el llenado de datos faltantes. Los resultados muestran que los modelos de RNA son capaces de detectar la influencia del clima en la producción de frijol. La eficiencia global en los modelos RNA fue de 0.89 para Rto y 0.86 para SC.  La producción se estimó con los modelos de RNA para Rto y SC y se obtuvo un R2 =0.80. De acuerdo al análisis de sensibilidad, la evaporación del ciclo del cultivo (Eva) es la variable más importante en la predicción del rendimiento, mientras que la precipitación de agosto (Pp_Ago) y la temperatura mínima (Tmin) influyeron más en la producción.