Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3750| Predicción de plagas para el manejo de patologías en cultivos de vid Prediction of pests for the management of pathologies in vineyards | |
| Berenice Martínez Téllez | |
| JOSE ANTONIO GARCIA MACIAS Edgar Leonel Chávez González | |
| Acceso Abierto | |
| Atribución | |
| Predicción de plagas, piojo harinoso de la vid, aprendizaje de máquina, aprendizaje basado en ejemplos, k-vecinos cercanos, grafo de semi-espacios proximales Pest prediction, vine mealybug, machine learning, instance-based learning, k-Nearest Neighbors, half-space proximal graph | |
| El garantizar la seguridad alimentaria, la nutrición y promover agricultura sostenible, son parte del segundo objetivo de desarrollo sostenible de la agenda 2030. Para esto, los sistemas agroalimentarios deben incrementar su resiliencia ante las crecientes perturbaciones de orígenes diversos. La gestión del riesgo para perturbaciones que se pueden prevenir, por ejemplo las plagas y enfermedades, es fundamental para prever alteraciones importantes en los sistemas y así evitar las costosas intervenciones de recuperación. Dado que las plagas y enfermedades son una de las principales causas de la disminución de la calidad y cantidad de productividad agrícola, existe un reto encaminado a temprana detección para alertar a los agricultores, tomar ciertas precauciones y prevenir posibles pérdidas. Para abordar este reto, se han aplicado técnicas de aprendizaje de máquina con resultados prometedores. El presente trabajo de tesis presenta el primer estudio sobre la predicción de la presencia y los niveles de infestación de la plaga del piojo harinoso de la vid (PHV) en el estado de Baja California, con especial énfasis en el Valle de Guadalupe. Para lograr el objetivo se fusionó y procesó información de vigilancia a nivel de campo de los cultivos, así como información agroclimática para lograr descifrar la dinámica cultivo-clima-plaga. Los modelos empleados para la predicción fueron k vecinos cercanos (kNN) y el modelo HSP, ambas técnicas de aprendizaje de máquina basado en ejemplos. Con ambos modelos se obtuvieron métricas por encima del 73% de clasificaciones correctas. El modelo HSP presentó ventajas por ser libre de parámetros. Por medio de la metodología seguida se logró identificar los parámetros que más impactan y propician el desarrollo de PHV; el mes, la fenología, la radiación solar total y la temperatura del suelo fueron las características más importantes las cuales determinan, en gran medida, el incremento de la población del PHV en el Valle de Guadalupe. La radiación solar total demostró ser un indicador de gran importancia; al alcanzar valores mayores a 600 cal/cm2 se observa un claro incremento en la población del PHV. Con base en esta información, se recomienda la instalación de sensores de radiación en lugares estratégicos que permita tener un indicador para aplicar la técnica de control más adecuada. Achieving food security, improving nutrition, and promoting sustainable agriculture is part of the second sustainable development goal of the 2030 agenda. For this, agri-food systems must become more resilient to increasing shocks of diverse origins. Risk management for preventable shocks, such as pests and diseases, is essential to anticipate major system disruptions and avoid costly recovery interventions. Since pests and diseases are one of the leading causes of the decrease in the quality and quantity of agricultural productivity, there is a challenge aimed at early detection signals to alert farmers, take certain precautions and prevent possible losses. Machine learning techniques have been applied to address above challenges, with promising results.This thesis work presents the first study on predicting the presence and infestation levels of the vine mealybug (VMB) in Baja California, with particular emphasis on the Guadalupe Valley. We merged and processed field-level crop monitoring information with agroclimatic information to decode the crop-climate-pest dynamics in this work. The models used for prediction were k nearest neighbors (kNN) and the HSP, both instance-based machine learning techniques. With both models, we obtained above 73% of correct classifications. The HSP had the advantage of being a parameter-free learning algorithm. Through the methodology followed, it was possible to identify the parameters that most impact and favor the development of VMB; month, phenology, total solar radiation, and soil temperature were the most important characteristics that determine, broadly, the increase of the VMB population in the Guadalupe Valley.Total solar radiation proved to be an indicator of paramount importance; when radiation values hit more than 600 cal/cm2, we observed an apparent increase in the VMB population. Based on this information, we recommend installing radiation sensors in strategic locations as the primary signal to apply the most appropriate control technique. | |
| CICESE | |
| 2022 | |
| Tesis de maestría | |
| Español | |
| Martínez Téllez, B. 2022. Predicción de plagas para el manejo de patologías en cultivos de vid. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 68 pp. | |
| TECNOLOGÍA DEL CONTROL DE INSECTOS | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Berenice_Martinez_Tellez_08 sep 2022.pdf | Versión completa de la tesis | 8.99 MB | Adobe PDF | Visualizar/Abrir |