XIII Congreso de AgroInformática (CAI 2021)

Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción.

Modelado de arquitectura empresarial para empresas citrícolas de la provincia de Tucumán: caso de estudio proceso de envasado de cítricos

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) Este trabajo presenta el modelo de una arquitectura empresarial para una empresa citrícola de la provincia de Tucumán. El modelo se valida mediante un caso de estudio que se enfoca en el proceso de envasado de los cítricos. En el documento se presenta una propuesta de mejora para el proceso, modelando la empresa citrícola mediante arquitectura empresarial. Durante el desarrollo de este trabajo, en primera instancia, se describe el contexto y se identifican las problemáticas. A continuación, se define y aborda el modelo a utilizar para completar el análisis de brecha. Finalmente se incluye una conclusión sobre el estudio llevado a cabo en la cual se dejará abierta a discusión la implementación de los resultados.

Desarrollo de una aplicación híbrida para cálculos de siembra

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) En este trabajo se presentan los requerimientos, detalles técnicos y herramientas utilizadas para el diseño e implementación de una aplicación híbrida orientada a dispositivos móviles que permite realizar cálculos de parámetros y verificación del sistema de siembra y fertilización, como así también el cálculo de diversos insumos referidos a esta labor.

Metodología de clasificación automática de uso y cobertura de suelo: Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) El valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.

Detección de outliers en muestras de entrenamiento generadas mediante interpretación visual

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) Las clasificaciones supervisadas son procesos extremadamente sensibles a la calidad de las muestras utilizadas. La presencia de outliers en las muestras de entrenamiento suele ser una fuente de error muy frecuente. El objetivo de este trabajo es presentar una metodología de detección de outliers con Isolation Forest, en muestras recolectadas mediante interpretación visual de imágenes satelitales generadas por el Proyecto MapBiomas Pampa Trinacional. Isolation Forest, el algoritmo no supervisado utilizado puede detectar anomalías directamente basándose en el concepto de aislamiento sin utilizar ninguna métrica. La metodología consiste en la identificación de outliers (preparación de muestras, modelado y definición del umbral) y la validación del método. El modelado permite etiquetar de manera automática cada muestra como outlier o normal a partir del score. Se logró verificar los píxeles de la muestra señalada como outlier y tipificar el error en 6 categorías. Los resultados muestran una cantidad decreciente de outliers a lo largo del periodo analizado. Los años con mayor cantidad de outliers tienen una correspondencia con los años de menor disponibilidad de imágenes para la construcción de los mosaicos y contribuciones importantes del tipo Error del Mosaico. La clase con mayor porcentaje de error fue Bosque cerrado (14.7%) y los tipos de errores con mayor proporción fueron Clase Mal Asignada (20.39%) y Borde (19.57%). La metodología propuesta permitió el mejoramiento de muestras obtenidas mediante interpretación visual de imágenes satelitales de manera automática con un 80% de acierto.

Estimating soybean yield using time series of anomalies in vegetation indices from MODIS

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) An accurate estimation of soybean yield while the plants are still in the field is highly necessary for industry applications and decision-making policies related to planning. Remote sensing is a powerful tool, due to its spatiotemporal coverage, for developing empirical models to predict and evaluate crop yields at regional and national scales.

Multispectral imaging: an effective tool to estimate garlic productivity and sanitary aspects

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) Garlic is a relevant crop worldwide, with more than 1.6 M hectares and a production of 30 M tons. In Argentina the crop is located in the western part of the country, in the provinces of Mendoza and San Juan. The vast majority of the local production is exported, generating an average income of 150 M USD. Garlic stakeholders and growers constitute a dynamic sector which constantly demands new tools to improve their efficiency, in a cost-effective manner. In this regard, previous experiments have evaluated the use of remote sensing to estimate garlic growth variables, particularly associated to irrigation and nutrition practices and weather conditions. However, the correlation with pest/disease outbreaks are scarce and often related to controlled conditions environments. White rot (WR), caused by the soilborne fungus Stromatinia cepivora, is an increasing threaten to garlic crops worldwide. Reports mention that WR causes 50% of yield reduction and sometimes can lead to complete loss. Once present in a field, the fungus produces resistance structures called sclerotia that remain in the soil for long periods of time, infecting any Allium crop for many years after that. Hence, the early detection of the presence of WR is essential for the sustainability of the garlic production in the region. The objective of the present study was to evaluate the usefulness of multispectral images for the estimation of production variables and crop health in garlic.

Mapas de anomalías y de variaciones interanuales de las medianas de escenarios de rinde para cultivos extensivos basados en observaciones satelitales y modelos: Análisis de su producción y de su distribución a través de la plataforma de GEOServicios de la CONAE

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) Las predicciones sobre las tendencias en la producción de los principales cultivos extensivos de la Región Pampeana son de gran interés para los tomadores de decisiones privados como para las oficinas de gobierno. Este trabajo presenta una aplicación diseñada e implementada en la CONAE que combina datos de teledetección y de otras fuentes en modelos de cultivos para proveer semanalmente mapas de anomalías respecto a un rinde normal y mapas de variaciones interanuales para las producciones de los cultivos de trigo, maíz y soja de Ira. El acceso oportuno y conveniente a los productos así elaborados se canaliza a través de tres GEOServicios que adhieren a las normas y recomendaciones de la OGC. Los usuarios avanzados cuentan con los GEOCatálogos de metadatos. Asimismo, se ofrecen los datos de la región de interés mediante el servicio WMS que habilita el procesamiento local reduciendo el volumen de descargas y asegurando la lectura solamente de los productos vigentes. Finalmente, se describe el GEOPortal al que todos los usuarios pueden acceder desde un navegador de Internet, sin requerir la instalación de software SIG específico, brindando una vista rápida de los mapas elaborados durante los últimos dos meses.

Empleo de apps para validación de variables biofísicas satelitales: evaluación en cultivo de cebolla (Allium cepa L.) bajo riego

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) En los partidos de Villarino y Patagones, en el sur de la provincia de Buenos Aires, se cultivan aproximadamente 10.000 ha año-1 de cebolla (Allium cepa L.) que requieren una elevada cantidad de aplicación de insumos. La agricultura de precisión permite mejorar la eficiencia en el uso de los recursos a partir del desarrollo de nuevas tecnologías. El objetivo de este trabajo fue implementar un método de validación por medio de apps para smartphone probados en otros cultivos, de las variables biofísicas satelitales como herramientas de diagnóstico de fertilización nitrogenada en cultivo de cebolla bajo riego.

isoxml4GeoFIS: complemento de software para generación de mapas de prescripción IS OBUS

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) La actividad agrícola genera datos heterogéneos que pueden ser procesados y utilizados para la toma de decisión inteligente. Existe una necesidad creciente de contar con herramientas abiertas que faciliten la interoperabilidad de datos geo-referenciados y su procesamiento para la toma de decisión. GeoFIS es una plataforma de código abierto muy potente para la generación inteligente de mapas de prescripción a partir de métodos fuzzy y conocimiento experto. En este trabajo presentamos isoxml4GeoFIS, una herramienta de software de código abierto para la adecuación de mapas de prescripción GeoFIS a ISOXML conforme al estándar ISO 11783. La inclusión de isoxml4GeoFIS como complemento de software en GeoFIS marca el inicio del desarrollo de herramientas de softwares personalizables para el procesamiento de datos agrícolas y la generación de mapas de prescripción ISOBUS.

Determinación de CWSI en olivares mediante procesamiento de imágenes termográficas

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) En la expansión de la olivicultura moderna, en Argentina se observa una transformación hacia olivares intensivos y super intensivos. La intensificación lleva a aumentos de rendimiento, sin embargo, la producción de las aceitunas en la provincia de San Juan depende en gran medida del riego. Ello se debe a la alta evapotranspiración (ET0) anual y la escasez de lluvias, requiriéndose la adecuada programación de las aplicaciones de riego para evitar deficiencias o exceso de agua que afecten a la producción. Una herramienta adecuada para conocer y analizar el estado hídrico de los cultivos es el Índice de Estrés Hídrico del Cultivo (CWSI). El objetivo de este trabajo fue determinar la respuesta del CWSI para diferentes niveles de potencial hídrico (Ψh) del olivo. Para analizar la variabilidad del CWSI y el Ψh se realizaron siete tratamientos de riego en un olivar intensivo (cv. Arbequina) con riego por goteo. Durante una temporada 2017/2018 se efectuaron aplicaciones del 120% (T120), 100% (T100), 90% (T90), 80% (T80), 70% (T70), 60% (T60) y 40% (T40) de la evapotranspiración del cultivo estimada (ETc). En dos días de verano, 27/12/2017 y 16/2/2018, se adqui-rieron dos conjuntos de imágenes con una cámara termográfica FLIR VueProR 640 y una cámara multiespectral MicaSence RedEdge, montadas en un dron que sobrevoló el olivar. A partir de estas imágenes se construyeron mapas termográficos del cultivo (Tc) para luego calcular un mapa de CWSI georreferenciado de alta resolución. Finalmente, los valores promedios de Ψh, Tc y CWSI de cada tratamiento fueron correlacionados, concluyéndose que el CWSI es un indicador sensible y adecuado para identificar estrés en el cultivo del olivo. Mayores valores de Tc y CWSI se registraron en los tratamientos de riego deficitario en comparación con plantas bien regadas. A partir de la correlación entre Ψh y CWSI se clasifico el mapa de CWSI en cuatro situaciones de estrés hídrico a fin de lograr la rápida y sencilla interpretación del estado hídrico del olivar. La experiencia fue realizada en un cuadro de 9has de olivo, dentro de una explotación comercial ubicada en la localidad de Cañada Honda, situada al sur de la provincia de San Juan, Argentina.

Um modelo de classificação de doenças da folha do arroz através de imagens

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) O arroz é um dos alimentos mais consumidos no mundo e o Brasil é o segundo maior produtor mundial. Os cuidados com a produção englobam desde tecnologias de melhoramento dos grãos em laboratório até o monitoramento de pragas e fungos na lavoura. Este trabalho apresenta um estudo acerca da construção de modelos que possam auxiliar na identificação de fungos baseados em imagens coletadas em um estudo anterior, contendo amostras infectadas com Brusone, Mancha Marrom e Mancha Estreita. Testes mostraram que o modelo criado conseguiu classificar estas doenças com acurácia de 100%.

Detección y conteo de manzanas mediante análisis de imágenes para pronósticos de producción

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) El objetivo del presente trabajo fue adaptar un algoritmo pre-entrenado de detección de objetos a partir de imágenes, para que el mismo pueda detectar y contar manzanas a partir de imágenes, como alternativa al conteo manual.

Insights into functional classification via gene co-expression networks in sunflower using public transcriptomic datasets

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) We present the first preliminary sunflower gene co-expression network using public transcriptome data in Helianthus annuus and show its utility in identifying and classifying uncharacterized genes involved in stress response. The locus HanXRQChr09g0248321 was identified and linked to several WRKY transcription factors in an enriched “stressed-response” module. Moreover, the homologue in Arabidopsis thaliana was shown to be differentially expressed in multiple “stress” conditions. We present our work and validate our methodology to existing knowledge and show its capability to identify/rank new candidates for crop breeding programs. Our future goal is to link genetic variation with gene networks to understand phenotypic variability in sunflower stress responses.

Machine learning algorithms identified relevant SNPs for milk fat content in cattle

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) In recent years, machine learning methods have been shown to be efficient in identifying a subset of single nucleotide polymorphisms (SNP) underlying a trait of interest. The aim of this study was the construction of predictive models using machine learning algorithms, for the identification of loci that best explain the variance in milk fat production of dairy cattle. Further objectives involve determining the genes flanking relevant SNPs and retrieving the pathways, biological processes, or molecular functions overrepresented by them. Fat production values adjusted for fixed effects (FPadj) and estimated breeding values for milk fat production (EBVFP) were used as phenotypes and SNPs as predictor variables. The models constructed for EBVFP performed better and yield considerably less relevant SNPs than models for FPadj. Among the genes flanking relevant SNPs, signaling transduction pathways and gated channel activities were detected as overrepresented. The loci obtained for EBVFP matched better with previously reported relevant loci for milk fat content than those obtained for FPadj. Based on the better performance showed by the models trained for EBVFP and their agreement with previous reported results for the trait studied, we conclude that the relationship among individuals should be accounted for in the phenotype used.

Generación de una herramienta para la búsqueda de metadata asociada a transcriptos

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) Al analizar un transcriptoma en primera instancia se debe realizar un pre-procesamiento computacional de las lecturas de transcriptos generados por secuenciadores masivos y posterior obtención de la expresión diferencial de los genes asociados a muestras control y tratadas. Los genes cuantificados deben ser caracterizados con el fin de obtener toda la información posible de la secuencia del genoma, para luego ser anotados funcionalmente. En ese sentido, el desarrollo de un buscador de metadata asociada a cada lectura de manera personalizada para cada experimento y/o especie conlleva grandes ventajas. A la hora de procesar los datos, a partir del nombre del gen o secuencia puede obtenerse, por ejemplo, la descripción de la proteína, los términos GO, vías de Uniprot, así como resúmenes sobre las categorías funcionales. En el presente trabajo, se utilizó como punto de partida una tabla de expresión diferencial obtenida a partir del procesamiento bioinformático de la colección biológica PRJNA417324 y mediante la técnica de raspado web, empleando el programa Beautiful Soup, se obtuvo metadata asociada para cada transcripto a partir de la base de datos UNIPROT.

Bio-Informática: desarrollo de un software palinológico para un laboratorio del NEA

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) La propuesta presenta el desarrollo logrado, un aplicativo y su posterior transferencia, mediante la utilización de una metodología de Ingeniería de Software. El objetivo principal consistió en el desarrollo de un Sistema Bio-Informático para registro y consulta de ejemplares de polen, en microfotografías con sus respectivas descripciones morfológicas y mediciones. Se seleccionó una metodología y se aplicaron diversas herramientas informáticas, coordinando un trabajo de cooperación entre especialistas del Gabinete Informático y el laboratorio de Palinología. Se obtuvo un desarrollo interdisciplinario, cuya importancia, radica en la digitalización de los delicados ejemplares para asegurar su conservación, así mismo el ingreso de información desde el lugar de re-colección y posterior visita virtual por parte de diferentes usuarios, lo que permite la extensión del alcance en el ámbito científico de las colecciones palinológicas.

Primeros aportes en la predicción de propiedades edáficas usando imágenes satelitales

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) El análisis de imágenes multiespectrales derivadas de diferentes sensores remotos facilita en gran medida el monitoreo de los sistemas productivos agrícolas. La evaluación de diversos indicadores derivados de ellas, permite observar daños y situaciones que pueden afectar el desarrollo de los cultivos. Por otra parte, el uso más intensificado del suelo durante el año, es una práctica cada vez más utilizada ya que favorece el nivel de materia orgánica del suelo y contribuye a mejorar sus propiedades físico-químicas. El objetivo del presente trabajo fue evaluar, a partir del uso de imágenes satelitales, la incidencia que tiene sobre distintas propiedades edáficas la proporción de tiempo que el suelo es ocupado con cultivos en desarrollo. La aplicación de esta metodología permitió predecir el comportamiento de distintos atributos de calidad del suelo. Dada la mayor resolución espacial brindada por las imágenes Landsat, la proporción de tiempo ocupada por cultivos en desarrollo, estimada mediante el uso de dicho sensor, se vinculó de manera más ajustada con aquellas propiedades ligadas al carbono lábil y a la calidad de la estructura.

Desempeño predictivo de R-INLA SPDE para el Mapeo Digital de Suelos

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) El mapeo digital de suelos (MDS) permite describir la variabilidad espacial de una propiedad edáfica a través de modelos de predicción espacial que explican la relación que existe entre la variable de interés y covariables sitio-especificas. Entre los modelos estadísticos más incipientes en aplicaciones de MDS está la regresión bayesiana ajustada con INLA (del inglés, Integrated Nested Laplace Approximation) y SPDE (del inglés, Stochastic Partial Differential Equation) para modelar la correlación espacial entre sitios del dominio espacial a mapear. En este trabajo, se evaluó la implementación de la regresión Bayesianas (RB) se ilustró con tres bases de datos espaciales de características contrastantes. Los resultados de la implementación con RB se compararon con otros dos algoritmos ampliamente utilizados en el MDS, Regresión Kriging (RK) y Random Forest con residuos krigeados (RF). Se evaluó el desempeño predictivo de RB comparado con RK y RF según un diseño que propone por un lado variar la configuración de variables explicativas y por otro el número de observación entrenando el modelo. Todos los predictores espaciales fueron eficientes para el mapeo. Las mejores configuraciones de variables explicativas lograron resultados exitosos en términos de errores de predicción global (<25%). Las diferencias en el desempeño predictivo entre algoritmos de predicción espacial dependieron de particularidades de los escenarios de aplicación. El aumento en la cantidad de covariables implicadas en el modelo, es decir el número de parámetros a estimar tiene un impacto diferencial para RF, algoritmo que produce mejor rendimiento comparado con RB y RK en contextos de alta dimensionalidad. Finalmente se concluye que el desempeño estadístico de RB es competitivo frente a RK y RF. Futuras líneas de investigación deberían profundizar el estudio de propagación y dimensionamiento de la incertidumbre debido a las particularidades que RB frente a los otros métodos evaluados.

Influence of soil variables at the L Band: backscattering coefficient simulations for sunflower in early stages

Fri, 01 Jan 2021 00:00:00 GMT

Objeto de conferencia XIII Congreso de AgroInformática (CAI 2021) - JAIIO 50 (Modalidad virtual) SAR backscattering coefficient (σ⁰) of crops depends on the operational frequency, polarization and incidence angle of the acquisition system, the dielectric behaviour of crops, and soil-related variables such as the volumetric moisture (mv) and its roughness. In SAR applications, surface roughness is usually characterized by two parameters: the standard deviation of the surface height to a reference height or rms height (s) and the autocorrelation length. The autocorrelation length, defined as the distance at which the correlation function drops to 1/e, describes the surface periodicity and indicates to what extent two separate points can be considered correlated. For crops in their early stages, soil characteristics play a crucial role in σ⁰ due to the low vegetation development. In this work, we present σ⁰ simulations for sunflower (early stages) using a model proposed by for the L Band; specifically, the frequency was set to that of the SAOCOM instruments (1.275 GHz).