Modelo de predicción de riesgo en recursos hídricos para agricultura de precisión

Título:

Modelo de predicción de riesgo en recursos hídricos para agricultura de precisión

Autor:

Ledesma, Ernesto Esteban

Otros autores / Colaboradores:

 López De Luise, María Daniela; [ Director/a]  Bazzocco, Angel Javier; [ Codirector/a] 

Temas:

MINERÍA DE DATOS; SISTEMAS DIFUSOS; 

URL:

http://sedici.unlp.edu.ar/handle/10915/110794,https://doi.org/10.35537/10915/110794,

Palabras clave:

minería temporal, sistemas armónicos difusos,  agricultura, patrones difusos , cultivos de precisión,  cultivos de arroz, 

Nota de tesis:

Tesis (Maestría en Ingeniería de Software) - Universidad Nacional de La Plata. Facultad de Informática, 2020.

Extensión:

1 archivo (9,76 MB) : il. col.

Resumen:

En los últimos años la agricultura de precisión a tomado mucha relevancia en la búsqueda de optimizar recursos y obtener mejores resultados, dia a dia se trabaja sobre nuevas tecnologías que permitan llegar al productor para obtener dichas mejoras. En los cultivos que requieren una alta demanda de agua, como es el de arroz, se aplican diferentes técnicas de riego para lograr bajar la demanda hídrica y seguir obteniendo altos rindes. No obstante, se siguen presentando dificultades para realizar un monitoreo óptimo y en tiempo real. El presente trabajo se desarrolla en el IDTILAB de la Facultad de Ciencia y Tecnología de UADER (Concepción del Uruguay, Entre Ríos), en conjunto con la seccional de INTA (Instituto Nacional de Tecnología Agropecuaria, Concepción del Uruguay), y presenta un modelo de comportamiento y prototipo innovador para monitorear cultivos de precisión en tiempo real. Fundado en lo más reciente de la minería de datos temporal, emplea una extensión de los conocidos Sistemas Armónicos (HS por sus siglas en inglés) (Lopez de Luise D. 2013) denominada Sistemas Armónicos difusos (Fuzzy Harmonic System, FHS) (Lopez de Luise D. 2013a , 2013b) (Bel W. 2018) que constituye un heurístico simple y liviano capaz de detectar y predecir los eventos críticos de estrés hídrico en los lotes de los cultivos de arroz. Se presenta el prototipo funcional de KRONOS.AgroData y KRONOS.AgroMonitor que implementa el modelo FHS adaptado para la predicción del nivel de riesgo de sequía en los lotes de riego en cultivos de arroz de la zona de San Salvador ubicada en (Entre Ríos) y en la zona de INTA, Concepción del Uruguay (Entre Ríos). Este prototipo está realizado con tecnología Arduino para la adquisición de datos y tecnologías web como React®, NextJS®, NodeJS® y MQTT®. El diseño permite evaluar el rendimiento y eficiencia del modelo propuesto en un entorno real de prueba de campo donde intervienen variables de diverso tipo (climatológicas, variaciones de humedad en suelo, nivel hídrico en suelo, PH, entre otras). De los estudio de campo y los análisis estadísticos que se muestran en este trabajo, se puede afirmar que el modelo derivado permite determinar intervalos de muestreo y riego mucho más adecuados que los tradicionales, y evaluar satisfactoriamente los rindes y condiciones de cultivo.

Puede solicitar más fácilmente el ejemplar con: TES 20/10

CAPÍTULO I – INTRODUCCIÓN 
I.1. PRESENTACIÓN DE LA PROPUESTA 
I.2. EL CASO ESPECÍFICO EN CULTIVOS DE ARROZ 
I.3. SISTEMAS DE 
I.4. DETERMINACIÓN DEL CONTENIDO HÍDRICO DEL SUELO
I.5. VARIABLES DE CONDICIONES CLIMÁTICAS 
I.6. ESTADO DE ARTE SOBRE OTROS SISTEMAS DE RIEGO 
I.7. MINERÍA DE DATOS 

CAPÍTULO II – ANÁLISIS DE LA PROPUESTA 
II.1 OBJETIVOS ESPECÍFICOS 

CAPÍTULO III – PROTOTIPO Y ARQUITECTURA I 
III.2. MATERIALES Y MÉTODOS. PRUEBA DE CAMPO I 
III.3. SENSORES
III.4. COMPONENTES
III.5. ARQUITECTURA DEL NODO DE ADQUISICIÓN DE DATOS 

CAPÍTULO IV - TESTING Y ANÁLISIS DE RESULTADOS 
IV.1. TEST CASE 
IV.2 Análisis de distribución natural de datos
IV.3. ANÁLISIS DEL RESULTADO
IV.4. ESTUDIO ESTADÍSTICO DE LOS CLUSTERS 
IV.5. REGLAS RESULTANTE 
IV.6. ANÁLISIS PRELIMINAR 

CAPÍTULO V – PROTOTIPO Y ARQUITECTURA II 
V.1 MATERIALES Y MÉTODOS

V.2 ÁREA DE PRUEBA DE CAMPO PARA LA ETAPA II
V.3. RESULTADOS CAMPAÑA II
V.4. MODIFICACIONES DEL DATASET SOBRE EL SENSOR DE PH
V.5. VALIDACIÓN DEL MODELO PREDICTIVO 
V.6. DISTRIBUCIONES EMPÍRICAS DE VARIABLES SIGNIFICATIVAS

CAPÍTULO VI – SISTEMA MONITOR DE KRONOS AGRO 
VI.1 DESARROLLO
VI.2. DIAGRAMA DE CLASES
VI.3. JUSTIFICACIÓN

CAPÍTULO VII - CONCLUSIONES 
VII.1. ANÁLISIS DE SOLUCIONES A OBJETIVOS E HIPÓTESIS
VII.2. HALLAZGOS DEL TRABAJO DE INVESTIGACIÓN 

CAPÍTULO VIII - TRABAJOS FUTUROS 
VIII.3. EN RELACIÓN A LA DETERMINACIÓN DE NUEVOS LOGS DE DATOS 
VIII.4. RELACIONADOS AL PROTOTIPO KRONOS AGRO

REFERENCIAS
APÉNDICE A
APÉNDICE B 
APÉNDICE C
APÉNDICE D