Sensibilidad de cuatro índices de sequía meteorológica para la predicción del rendimiento de maíz de temporal en el estado de Sinaloa, México
Autores: Omar, Llanes-Cárdenas; Mariano, Norzagaray-Campos; Alberto, Gaxiola; Ernestina, Pérez-González; Jorge, Montiel-Montoya; Enrique, Troyo-Diéguez
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Sensibilidad de cuatro índices de sequía meteorológica para la predicción del rendimiento de maíz de temporal en el estado de Sinaloa, México
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Lluvia
índices
Sequía
Rendimiento de maíz
Sensibilidad
Modelos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
En el estado de Sinaloa, las lluvias presentan considerable irregularidad, y el clima es principalmente semidesértico, lo que resalta la importancia de estudiar la sensibilidad de varios índices de sequía meteorológica. El objetivo es evaluar la sensibilidad de cuatro índices de sequía meteorológica de cinco estaciones meteorológicas en Sinaloa para la predicción del rendimiento de maíz de temporal. Usando el software DrinC y datos del periodo 1982-2013, se calcularon: el índice de precipitación estandarizado (), el índice de sequía agrícola estandarizado (), el índice de sequía de reconocimiento () y el índice de sequía de reconocimiento efectivo (). El rendimiento observado de maíz de temporal () se obtuvo en línea, a través de acceso gratuito desde la base de datos del Servicio de Información Agroalimentaria y Pesquera del gobierno de México. Se estimaron las sensibilidades entre los índices de sequía y mediante correlaciones de Pearson y Spearman. Se calcularon modelos predictivos de rendimiento de maíz de temporal () utilizando regresiones lineales y no lineales múltiples. En los modelos, y con periodos de referencia y pasos de tiempo de un mes (enero), dos meses (diciembre-enero) y tres meses (noviembre-enero), fueron los más sensibles. Los coeficientes de correlación entre y oscilaron entre 0.423 y 0.706, todos siendo significativamente diferentes de cero. Este estudio proporciona nuevos modelos para el cálculo temprano de . A través de una planificación adecuada del ciclo de siembra-cosecha de maíz de temporal, se pueden evitar daños socioeconómicos sustanciales en una de las regiones agrícolas más importantes de México.
Descripción
En el estado de Sinaloa, las lluvias presentan considerable irregularidad, y el clima es principalmente semidesértico, lo que resalta la importancia de estudiar la sensibilidad de varios índices de sequía meteorológica. El objetivo es evaluar la sensibilidad de cuatro índices de sequía meteorológica de cinco estaciones meteorológicas en Sinaloa para la predicción del rendimiento de maíz de temporal. Usando el software DrinC y datos del periodo 1982-2013, se calcularon: el índice de precipitación estandarizado (), el índice de sequía agrícola estandarizado (), el índice de sequía de reconocimiento () y el índice de sequía de reconocimiento efectivo (). El rendimiento observado de maíz de temporal () se obtuvo en línea, a través de acceso gratuito desde la base de datos del Servicio de Información Agroalimentaria y Pesquera del gobierno de México. Se estimaron las sensibilidades entre los índices de sequía y mediante correlaciones de Pearson y Spearman. Se calcularon modelos predictivos de rendimiento de maíz de temporal () utilizando regresiones lineales y no lineales múltiples. En los modelos, y con periodos de referencia y pasos de tiempo de un mes (enero), dos meses (diciembre-enero) y tres meses (noviembre-enero), fueron los más sensibles. Los coeficientes de correlación entre y oscilaron entre 0.423 y 0.706, todos siendo significativamente diferentes de cero. Este estudio proporciona nuevos modelos para el cálculo temprano de . A través de una planificación adecuada del ciclo de siembra-cosecha de maíz de temporal, se pueden evitar daños socioeconómicos sustanciales en una de las regiones agrícolas más importantes de México.