Información del modelo servirá eventualmente para escoger mejor cuáles son los lugares que cuentan con condiciones óptimas para la agricultura, y asimismo, contribuir con datos sobre cómo las variaciones de...
Información del modelo servirá eventualmente para escoger mejor cuáles son los lugares que cuentan con condiciones óptimas para la agricultura, y asimismo, contribuir con datos sobre cómo las variaciones de temperatura producidas por el cambio climático afectan la producción vegetal y frutícola (Mundo Agropecuario).
¿Qué impacto tendría en la producción vegetal y frutícola el aumento de la temperatura en los suelos? ¿Se puede predecir cuál será el terreno óptimo para las plantaciones agrarias? Estas son parte de las preguntas que investigadores del Departamento de Estadística de la Universidad de Concepción buscan responder con un modelo estadístico que logra realizar predicciones en las dimensiones espacial y temporal conjuntamente.
Este trabajo nació a raíz de la tesis de pregrado del ingeniero Estadístico Leonardo Padilla, quien junto a los académicos Bernardo Lagos, Guillermo Ferreira y el profesor Jorge Mateu de la Universidad Jaume I, de España, profundizaron este trabajo realizando una investigación pionera en el área de la analítica con datos espacio-temporales.
El estudio, titulado A Kalman filter method for estimation and prediction of space-time data with an autoregressive structure, fue publicado en la importante revista Journal of Statistical and Interference en marzo de este año.
A diferencia de otros trabajos de este tipo, los investigadores decidieron trabajar con una base de datos relevante para el contexto local. “No queríamos una base de datos que estuviese estandarizada y haya sido muy usada, así que buscamos algo que tuviese un impacto local. Nos resultó interesante un conjunto de datos de la Red Agroclimática Nacional (Agromet) del Ministerio de Agricultura. Específicamente nos centramos en la temperatura de las regiones de Maule, Biobío y La Araucanía de los años 2015 y 2016. La temperatura del aire es un factor predominante en el crecimiento de los cultivos, ya que las temperaturas extremas afectan la producción y la calidad de los productos agrícolas y frutales”, sostuvo el Dr. Bernardo Lagos.
La ventaja de trabajar con estas bases de datos es que cuentan con información actualizada de las regiones, las que además concentran la mayor producción agrícola del país.
En este contexto, el Instituto Nacional de Investigación Agraria (INIA), entidad vinculada al Ministerio de Agricultura, monitorea las variables que afectan la producción agrícola de estas regiones, como temperatura en el aire, suelo, nubosidad, viento, entre otras, a través de estaciones meteorológicas distribuidas a lo largo del territorio. No obstante, hay lugares con cultivos y plantaciones que no pueden ser monitoreadas y, por tanto, no hay registro de las variables que afectan la producción.
A raíz de ello, los investigadores del Departamento de Estadística construyeron un modelo que aportara información adicional a la proporcionada por el INIA. “Al modelo que construimos, para generar métodos de análisis para las variables, lo llamamos ‘espacio estado autorregresivo de orden uno’. A partir de él podemos estimar parámetros, ajustar el modelo según los datos, y hacer predicciones espaciales (dentro de las regiones) y temporales (para días y semanas futuras). Gracias a este modelo, la carencia de información de las variables se puede completar con la predicción logrado por este tipo de modelos”, señaló el Dr. Lagos.
La información del modelo servirá eventualmente para escoger mejor cuáles son los lugares que cuentan con condiciones óptimas para la agricultura, y asimismo, contribuir con datos sobre cómo las variaciones de temperatura producidas por el cambio climático afectan la producción vegetal y frutícola en estas zonas.
