Comparando una predicción basada en un bosque aleatorio de rendimiento de trigo de invierno con el potencial de rendimiento histórico
Autores: Roell, Yannik E.; Beucher, Amélie; Møller, Per G.; Greve, Mette B.; Greve, Mogens H.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Comparando una predicción basada en un bosque aleatorio de rendimiento de trigo de invierno con el potencial de rendimiento histórico
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Rendimiento de trigo
Potencial de rendimiento histórico
Tecnología
Dinamarca
Modelo de bosque aleatorio
Desarrollo agrícola
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Predecir el rendimiento del trigo es crucial debido a la importancia del trigo en todo el mundo. Al modelar el rendimiento, la diferencia entre el rendimiento potencial y real cambia constantemente debido a los avances tecnológicos. Considerar el rendimiento potencial histórico ayudaría a determinar tendencias espacio-temporales en el desarrollo agrícola. Comparar los rendimientos actuales e históricos en Dinamarca es posible porque el potencial de rendimiento ha sido documentado a lo largo de la historia. Sin embargo, el mapa actual de rendimiento de trigo de invierno a nivel nacional utiliza únicamente las propiedades del suelo dentro del modelo. El objetivo de este estudio fue generar un nuevo mapa de rendimiento de trigo de invierno danés y comparar los resultados con el potencial de rendimiento histórico. Utilizando random forest con variables de suelo, clima y topografía, se generó un mapa de rendimiento de trigo de invierno a partir de 876 ensayos de campo realizados de 1992 a 2018. El modelo de random forest tuvo un mejor rendimiento que el modelo basado únicamente en el suelo. El mapa de rendimiento nacional actualizado se comparó luego con mapas de potencial de rendimiento de 1688 y 1844. Mientras que los periodos de tiempo históricos se caracterizan por numerosas áreas de bajo potencial de rendimiento y pocas áreas altamente productivas, el rendimiento actual está distribuido de manera equitativa entre rendimientos bajos y altos. Los avances tecnológicos y las prácticas agrícolas han superado las predicciones históricas de rendimiento, principalmente debido al uso de fertilizantes, riego y drenaje. Por lo tanto, modelar proyecciones de rendimiento podría ser poco confiable en el futuro a medida que avanza la tecnología.
Descripción
Predecir el rendimiento del trigo es crucial debido a la importancia del trigo en todo el mundo. Al modelar el rendimiento, la diferencia entre el rendimiento potencial y real cambia constantemente debido a los avances tecnológicos. Considerar el rendimiento potencial histórico ayudaría a determinar tendencias espacio-temporales en el desarrollo agrícola. Comparar los rendimientos actuales e históricos en Dinamarca es posible porque el potencial de rendimiento ha sido documentado a lo largo de la historia. Sin embargo, el mapa actual de rendimiento de trigo de invierno a nivel nacional utiliza únicamente las propiedades del suelo dentro del modelo. El objetivo de este estudio fue generar un nuevo mapa de rendimiento de trigo de invierno danés y comparar los resultados con el potencial de rendimiento histórico. Utilizando random forest con variables de suelo, clima y topografía, se generó un mapa de rendimiento de trigo de invierno a partir de 876 ensayos de campo realizados de 1992 a 2018. El modelo de random forest tuvo un mejor rendimiento que el modelo basado únicamente en el suelo. El mapa de rendimiento nacional actualizado se comparó luego con mapas de potencial de rendimiento de 1688 y 1844. Mientras que los periodos de tiempo históricos se caracterizan por numerosas áreas de bajo potencial de rendimiento y pocas áreas altamente productivas, el rendimiento actual está distribuido de manera equitativa entre rendimientos bajos y altos. Los avances tecnológicos y las prácticas agrícolas han superado las predicciones históricas de rendimiento, principalmente debido al uso de fertilizantes, riego y drenaje. Por lo tanto, modelar proyecciones de rendimiento podría ser poco confiable en el futuro a medida que avanza la tecnología.