Subir material

Suba sus trabajos a SEDICI, para mejorar notoriamente su visibilidad e impacto

 

Mostrar el registro sencillo del ítem

dc.date.accessioned 2024-04-29T16:54:33Z
dc.date.available 2024-04-29T16:54:33Z
dc.date.issued 2023
dc.identifier.uri http://sedici.unlp.edu.ar/handle/10915/165461
dc.description.abstract La polinización biótica es un servicio ecosistémico esencial, pues gran parte de los cultivos producidos para el consumo humano necesitan de ella para incrementar la cantidad y calidad de los frutos y semillas. A nivel mundial, el área agrícola para cultivos dependientes de polinizadores crece, exacerbando la crisis de polinización por la disminución de la diversidad de polinizadores. La restauración de los paisajes agrícolas mediante el uso de plantas en los bordes de cultivo podría aumentar abundancia de polinizadores. Dado que existen muchas especies de plantas potencialmente elegibles para conformar estas nuevas comunidades, crear un “mix” óptimo para un determinado cultivo es un desafío agronómico. En este estudio, se desarrolló un algoritmo genético para seleccionar un "mix" óptimo de cinco plantas que promueva la mayor diversidad de polinizadores en los cultivos de alfalfa (Medicago sativa). Utilizando como dato de entrada una meta-red de interacciones conformada por 33 especies de plantas y 31 especies de abejas, se logró una reducción de la dimensión de la red de interacción manteniendo la mayor cantidad de especies de polinizadores posibles. es
dc.description.abstract Biotic pollination is an essential ecosystem service, as a significant portion of crops produced for human consumption rely on it to increase both quantity and quality of fruits and seeds. Worldwide, the agricultural area for pollinator-dependent crops is expanding, exacerbating the pollination crisis dueto declining diversity of pollinators. Restoring agricultural landscapes using plants in field edges could enhance pollinator abundance. Given the numerous plant species potentially eligible to form these new communities, creating an optimal mix for a specific crop presents an agronomic challenge. In this study, a genetic algorithm was developed to select an optimal mix of five plants that promotes the highest diversity of pollinators in alfalfa (Medicago sativa) crops.Using a meta-network composed of 33 plant species and 31 bee species as input data, the dimension of the interaction network was reduced while maintaining the maximum number of pollinator species possible. en
dc.format.extent 125-134 es
dc.language es es
dc.subject Computación evolutiva es
dc.subject Polinización es
dc.subject Red de interacciones es
dc.title Selección de plantas beneficiosas para los polinizadores de cultivos: aplicación de algoritmos genéticos es
dc.title.alternative Plant choice beneficial to crop pollinators: the application of genetic algorithms en
dc.type Objeto de conferencia es
sedici.identifier.uri https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/592 es
sedici.identifier.issn 2451-7496 es
sedici.creator.person Haedo, Joana Paola es
sedici.creator.person Brignole, Nelida Beatriz es
sedici.subject.materias Ciencias Informáticas es
sedici.description.fulltext true es
mods.originInfo.place Sociedad Argentina de Informática e Investigación Operativa es
sedici.subtype Objeto de conferencia es
sedici.rights.license Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
sedici.rights.uri http://creativecommons.org/licenses/by-nc-sa/4.0/
sedici.date.exposure 2023-09
sedici.relation.event Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) es
sedici.description.peerReview peer-review es


Descargar archivos

Este ítem aparece en la(s) siguiente(s) colección(ones)

Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) Excepto donde se diga explícitamente, este item se publica bajo la siguiente licencia Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)