¿Se puede modelar el potencial hídrico de la hoja de vid a partir de variables fisiológicas y meteorológicas? Un enfoque de aprendizaje automático
Autores: Damásio, Miguel; Barbosa, Miguel; Deus, João; Fernandes, Eduardo; Leitão, André; Albino, Luís; Fonseca, Filipe; Silvestre, José
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
¿Se puede modelar el potencial hídrico de la hoja de vid a partir de variables fisiológicas y meteorológicas? Un enfoque de aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Botánica
Palabras clave
Cambio climático
Viticultura
Riego de precisión
Indicadores de estado hídrico
Variedades de vid
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
El cambio climático está afectando la viticultura global, aumentando las olas de calor y la sequía. El riego de precisión, respaldado por indicadores robustos del estado hídrico (WSIs), es inevitable en la mayor parte de la cuenca mediterránea. Uno de los WSIs más fiables es el potencial hídrico de la hoja, que se determina mediante un método intrusivo y que consume tiempo. El objetivo de este trabajo es discernir las variables más efectivas que están correlacionadas con el estado hídrico de las plantas e identificar las variables que mejor predicen. Se seleccionaron cinco variedades de vid cultivadas en la región del Alentejo (Portugal) y se sometieron a tres tratamientos de riego, comenzando en 2018: riego completo (FI), riego deficitario (DI) y sin riego (NI). El monitoreo de las plantas se realizó en 2023. Las mediciones incluyeron la conductancia estomática, el potencial hídrico antes del amanecer, el potencial hídrico del tallo, la termografía y los datos meteorológicos. Los WSIs, a saber, el potencial hídrico antes del amanecer y el potencial hídrico del tallo, respondieron de manera diferente según el tratamiento de riego. Las mediciones realizadas a media mañana y a mediodía demostraron ser incapaces de discernir entre tratamientos. Las mediciones a media mañana presentaron las mejores correlaciones entre los WSIs. El potencial hídrico antes del amanecer mostró las mejores correlaciones entre los otros WSIs y, en consecuencia, la mejor capacidad predictiva para estimar. Se entrenaron modelos de regresión de aprendizaje automático con datos meteorológicos, térmicos y para predecir, con modelos de conjunto mostrando un gran rendimiento.
Descripción
El cambio climático está afectando la viticultura global, aumentando las olas de calor y la sequía. El riego de precisión, respaldado por indicadores robustos del estado hídrico (WSIs), es inevitable en la mayor parte de la cuenca mediterránea. Uno de los WSIs más fiables es el potencial hídrico de la hoja, que se determina mediante un método intrusivo y que consume tiempo. El objetivo de este trabajo es discernir las variables más efectivas que están correlacionadas con el estado hídrico de las plantas e identificar las variables que mejor predicen. Se seleccionaron cinco variedades de vid cultivadas en la región del Alentejo (Portugal) y se sometieron a tres tratamientos de riego, comenzando en 2018: riego completo (FI), riego deficitario (DI) y sin riego (NI). El monitoreo de las plantas se realizó en 2023. Las mediciones incluyeron la conductancia estomática, el potencial hídrico antes del amanecer, el potencial hídrico del tallo, la termografía y los datos meteorológicos. Los WSIs, a saber, el potencial hídrico antes del amanecer y el potencial hídrico del tallo, respondieron de manera diferente según el tratamiento de riego. Las mediciones realizadas a media mañana y a mediodía demostraron ser incapaces de discernir entre tratamientos. Las mediciones a media mañana presentaron las mejores correlaciones entre los WSIs. El potencial hídrico antes del amanecer mostró las mejores correlaciones entre los otros WSIs y, en consecuencia, la mejor capacidad predictiva para estimar. Se entrenaron modelos de regresión de aprendizaje automático con datos meteorológicos, térmicos y para predecir, con modelos de conjunto mostrando un gran rendimiento.