Modelización de la Productividad vía Métodos Computacionalmente Intensivos
Los rendimientos de soja (Glycine max (L.) Merr.) son variables aún en pequeñas áreas. Los estudios observacionales, en campos en producción, permiten captar la variación de rendimiento tal como se presentan en la realidad, ya que esta es explicada por múltiples variables, principalmente edáficas y...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia Resumen |
Lenguaje: | Español |
Publicado: |
2011
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/126000 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/Posters/1121.pdf |
Aporte de: |
id |
I19-R120-10915-126000 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas CART Estudio Observacional Factor limitante Predicción de rendimiento |
spellingShingle |
Ciencias Informáticas CART Estudio Observacional Factor limitante Predicción de rendimiento Rosales Heredia, Soleana Bacigaluppo, Silvina Balzarini, Mónica Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
topic_facet |
Ciencias Informáticas CART Estudio Observacional Factor limitante Predicción de rendimiento |
description |
Los rendimientos de soja (Glycine max (L.) Merr.) son variables aún en pequeñas áreas. Los estudios observacionales, en campos en producción, permiten captar la variación de rendimiento tal como se presentan en la realidad, ya que esta es explicada por múltiples variables, principalmente edáficas y meteorológicas. El uso de algoritmos de clasificación y regresión (CART) posibilita el análisis de variaciones de rendimiento en función de variables explicatorias que pueden estar correlacionadas y aún relacionarse de modo no lineal con el rendimiento. Los algoritmos CART son métodos computacionalmente intensivos basado en particiones recursivas de casos en función de variables predictoras de una variable de interés. El objetivo del presente estudio fue identificar vía la implementación de algoritmos CART las variables edáficas y climáticas que permiten predecir el rendimiento del cultivo de soja en el Sur de Santa Fe, así como descubrir los umbrales que pueden limitar su rendimiento en la región. Los métodos CART son una potente herramienta para la predicción de los rendimientos provenientes de estudios observacionales. Los resultados consensuados por ambos algoritmos sugieren que la compactación edáfica, expresado como Mdelta constituye la variable de mayor impacto para explicar la variabilidad del rendimiento del cultivo en la región. |
format |
Objeto de conferencia Resumen |
author |
Rosales Heredia, Soleana Bacigaluppo, Silvina Balzarini, Mónica |
author_facet |
Rosales Heredia, Soleana Bacigaluppo, Silvina Balzarini, Mónica |
author_sort |
Rosales Heredia, Soleana |
title |
Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
title_short |
Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
title_full |
Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
title_fullStr |
Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
title_full_unstemmed |
Modelización de la Productividad vía Métodos Computacionalmente Intensivos |
title_sort |
modelización de la productividad vía métodos computacionalmente intensivos |
publishDate |
2011 |
url |
http://sedici.unlp.edu.ar/handle/10915/126000 https://40jaiio.sadio.org.ar/sites/default/files/T2011/CAI/Posters/1121.pdf |
work_keys_str_mv |
AT rosalesherediasoleana modelizaciondelaproductividadviametodoscomputacionalmenteintensivos AT bacigalupposilvina modelizaciondelaproductividadviametodoscomputacionalmenteintensivos AT balzarinimonica modelizaciondelaproductividadviametodoscomputacionalmenteintensivos |
bdutipo_str |
Repositorios |
_version_ |
1764820449997357057 |