http://sedici.unlp.edu.ar:80/handle/10915/164491 Sun, 15 Nov 2026 08:12:54 GMT 2026-11-15T08:12:54Z http://sedici.unlp.edu.ar:80/handle/10915/165467 Objeto de conferencia Formulation and evaluation sheep meat production projects model Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El objeto de este trabajo es presentar una aplicación en Excel, desarrollada por los autores, para evaluar la conveniencia técnica, económica y financiera de las inversiones requeridas para un proyecto de producción de carne ovina. El modelo permite determinar los egresos operativos, de gerenciamiento y de estructura asociados a la producción y los ingresos del negocio provienen de la venta de carne y de la venta de lana, incluyéndose ambos en un flujo de caja del proyecto que se evalúa. El modelo utiliza el Valor Actual Neto (VAN) y la Tasa Interna de Retorno (TIR) como herramientas para determinar la viabilidad y la rentabilidad del proyecto. Estos indicadores son dinámicos, tienen en cuenta el valor del dinero en el tiempo. Además, permiten analizar la sensibilidad del proyecto a variaciones en egresos e ingresos. El modelo propuesto funciona como apoyo al proceso de toma de decisiones, generando información sistematizada y de calidad a partir de datos provenientes de empresas reales o de simulación.; The purpose of this work is to present an Excel application, developed by the authors, to assess the technical, economic, and financial feasibility of the investments required for a sheep meat production project. The model allows for the determination of operational, management, and structural expenses associated with production, and the business revenues come from the sale of meat and wool, both included in the project's cash flow that is evaluated. The model utilizes the Net Present Value (NPV) and the Internal Rate of Return (IRR) as tools to determine the project's viability and profitability. These indicators are dynamic and take into account the time value of money. Additionally, they allow for the analysis of the project's sensitivity to variations in expenses and revenues. The proposed model serves as support for the decision-making process, generating systematized and quality information from data sourced from real companies or simulations. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165467 2023-01-01T00:00:00Z El objeto de este trabajo es presentar una aplicación en Excel, desarrollada por los autores, para evaluar la conveniencia técnica, económica y financiera de las inversiones requeridas para un proyecto de producción de carne ovina. El modelo permite determinar los egresos operativos, de gerenciamiento y de estructura asociados a la producción y los ingresos del negocio provienen de la venta de carne y de la venta de lana, incluyéndose ambos en un flujo de caja del proyecto que se evalúa. El modelo utiliza el Valor Actual Neto (VAN) y la Tasa Interna de Retorno (TIR) como herramientas para determinar la viabilidad y la rentabilidad del proyecto. Estos indicadores son dinámicos, tienen en cuenta el valor del dinero en el tiempo. Además, permiten analizar la sensibilidad del proyecto a variaciones en egresos e ingresos. El modelo propuesto funciona como apoyo al proceso de toma de decisiones, generando información sistematizada y de calidad a partir de datos provenientes de empresas reales o de simulación. The purpose of this work is to present an Excel application, developed by the authors, to assess the technical, economic, and financial feasibility of the investments required for a sheep meat production project. The model allows for the determination of operational, management, and structural expenses associated with production, and the business revenues come from the sale of meat and wool, both included in the project's cash flow that is evaluated. The model utilizes the Net Present Value (NPV) and the Internal Rate of Return (IRR) as tools to determine the project's viability and profitability. These indicators are dynamic and take into account the time value of money. Additionally, they allow for the analysis of the project's sensitivity to variations in expenses and revenues. The proposed model serves as support for the decision-making process, generating systematized and quality information from data sourced from real companies or simulations. http://sedici.unlp.edu.ar:80/handle/10915/165466 Objeto de conferencia Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El Cinturón Verde de Mendoza (CV) constituye un agroecosistema intensivo y diversificado donde se combinan en las unidades territoriales (distritos) diferentes sistemas productivos; esta configuración es espacialmente heterogénea, lo que permite suponer que los impactos de las actividades son distintos según la localización. Para ello se recurrió al programa AgroEcoindex Periurbano; este software evalúa 18 indicadores, entre ellos el consumo hídrico y energético y el impacto ambiental de agroquímicos y su eficiencia. La información base fue provista por modelos de sistemas productivos validados en la zona; la distribución espacial fue cuantificada a partir de datos censales. El programa arroja como resultado los indicadores a nivel de unidad productiva integrando la combinación y/o secuencia de cultivos, luego estos se agregan a escala distrital para cada indicador en una base de datos, lo que permite su representación cartográfica en SIG. Este conjunto de mapas temáticos constituye uno de los resultados, lo que permite la identificación de sistemas y zonas críticas, como punto de partida diagnóstico para el diseño de propuestas tecnológicas y planes de gestión territorial. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165466 2023-01-01T00:00:00Z El Cinturón Verde de Mendoza (CV) constituye un agroecosistema intensivo y diversificado donde se combinan en las unidades territoriales (distritos) diferentes sistemas productivos; esta configuración es espacialmente heterogénea, lo que permite suponer que los impactos de las actividades son distintos según la localización. Para ello se recurrió al programa AgroEcoindex Periurbano; este software evalúa 18 indicadores, entre ellos el consumo hídrico y energético y el impacto ambiental de agroquímicos y su eficiencia. La información base fue provista por modelos de sistemas productivos validados en la zona; la distribución espacial fue cuantificada a partir de datos censales. El programa arroja como resultado los indicadores a nivel de unidad productiva integrando la combinación y/o secuencia de cultivos, luego estos se agregan a escala distrital para cada indicador en una base de datos, lo que permite su representación cartográfica en SIG. Este conjunto de mapas temáticos constituye uno de los resultados, lo que permite la identificación de sistemas y zonas críticas, como punto de partida diagnóstico para el diseño de propuestas tecnológicas y planes de gestión territorial. http://sedici.unlp.edu.ar:80/handle/10915/165464 Objeto de conferencia Field-scale experimental designs for detecting spatial variability of crop response to input application Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) La agricultura de precisión supone la existencia de variabilidad espacial de la respuesta de los cultivos a la aplicación de insumos. Los experimentos a escala de lote permiten explorar dicha variabilidad. No obstante, la interacción entre la variabilidad espacial de los factores que controlan la respuesta del cultivo y el diseño experimental aplicado condicionan los resultados. Es necesario identificar diseños experimentales que optimicen la obtención de información fiable de la respuesta de los cultivos. Se evaluaron diseños experimentales a escala de lote con distinta resolución espacial para estimar la variabilidad espacial de la respuesta de un cultivo a la aplicación de insumos. Se simularon patrones espaciales de respuesta como proceso subyacente para generar mapas de rendimiento. Mediante regresión geográficamente ponderada (GWR) se estimaron los patrones de respuesta del cultivo que se compararon con el campo estocástico subyacente. Los resultados indican que los diseños con alta resolución espacial permiten capturar mejor los patrones de variabilidad espacial en un amplio rango de estructuras espaciales consideradas. A su vez, diseños en parcelas tipo tablero de ajedrez superan a los diseños en franjas ya que permiten detectar variabilidad espacial en ambas direcciones. Los resultados son sensibles a la parametrización de GWR, kernel y ancho de banda.; Precision agriculture assumes the presence of spatial variability in crop response to input application. Field-scale experiments allow for exploring such variability. However, the interaction between the spatial variability of factors controlling crop response and the applied experimental design conditions the results. It is necessary to identify experimental designs that optimize the acquisition of reliable information on crop response. Field-scale experimental designs with different spatial resolutions were evaluated to estimate the spatial variability of crop response to input application. Spatial response patterns were simulated as an underlying process to generate yield maps. Geographically weighted regression (GWR) was used to estimate the crop response patterns, which were compared with the underlying stochastic field. The results indicate that designs with high spatial resolution better capture spatial variability patterns across a wide range of considered spatial structures. Additionally, chessboard-type plot designs outperform strip designs as they allow for detecting spatial variability in both directions. The results are sensitive to the parameterization of GWR, kernel, and bandwidth. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165464 2023-01-01T00:00:00Z La agricultura de precisión supone la existencia de variabilidad espacial de la respuesta de los cultivos a la aplicación de insumos. Los experimentos a escala de lote permiten explorar dicha variabilidad. No obstante, la interacción entre la variabilidad espacial de los factores que controlan la respuesta del cultivo y el diseño experimental aplicado condicionan los resultados. Es necesario identificar diseños experimentales que optimicen la obtención de información fiable de la respuesta de los cultivos. Se evaluaron diseños experimentales a escala de lote con distinta resolución espacial para estimar la variabilidad espacial de la respuesta de un cultivo a la aplicación de insumos. Se simularon patrones espaciales de respuesta como proceso subyacente para generar mapas de rendimiento. Mediante regresión geográficamente ponderada (GWR) se estimaron los patrones de respuesta del cultivo que se compararon con el campo estocástico subyacente. Los resultados indican que los diseños con alta resolución espacial permiten capturar mejor los patrones de variabilidad espacial en un amplio rango de estructuras espaciales consideradas. A su vez, diseños en parcelas tipo tablero de ajedrez superan a los diseños en franjas ya que permiten detectar variabilidad espacial en ambas direcciones. Los resultados son sensibles a la parametrización de GWR, kernel y ancho de banda. Precision agriculture assumes the presence of spatial variability in crop response to input application. Field-scale experiments allow for exploring such variability. However, the interaction between the spatial variability of factors controlling crop response and the applied experimental design conditions the results. It is necessary to identify experimental designs that optimize the acquisition of reliable information on crop response. Field-scale experimental designs with different spatial resolutions were evaluated to estimate the spatial variability of crop response to input application. Spatial response patterns were simulated as an underlying process to generate yield maps. Geographically weighted regression (GWR) was used to estimate the crop response patterns, which were compared with the underlying stochastic field. The results indicate that designs with high spatial resolution better capture spatial variability patterns across a wide range of considered spatial structures. Additionally, chessboard-type plot designs outperform strip designs as they allow for detecting spatial variability in both directions. The results are sensitive to the parameterization of GWR, kernel, and bandwidth. http://sedici.unlp.edu.ar:80/handle/10915/165462 Objeto de conferencia Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) Crop yield prediction plays a central role in the agricultural planning and decision-making processes. In this paper, we analyze the phenology as a crucial aspect of this topic. We propose a simple model to predict phenology groups on maize and wheat crops at the field-level in Argentina. Our model uses logistic regression and includes photoperiod as an explanatory variable, which is very simple to calculate taking into account latitude and date as input. A large number of data records are used to obtain accurate results. Our model has been tested with over 77% accuracy for both crops. It was also benchmarked with Random Forest, which gives comparable results. However, our study shows that a very simple approach could be used with logistic regression, with very little loss of performance. Our model obtains phenology groups and also performs well with certain critical phenology stages for both crops. Our study aims to provide a simple and effective method for predicting phenology, which can be an aid to crop prediction and for farmers to make accurate decisions. Our work emphasizes the simplicity of the model, the use of a large number of data records, and the inclusion of the photoperiod as an input variable. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165462 2023-01-01T00:00:00Z Crop yield prediction plays a central role in the agricultural planning and decision-making processes. In this paper, we analyze the phenology as a crucial aspect of this topic. We propose a simple model to predict phenology groups on maize and wheat crops at the field-level in Argentina. Our model uses logistic regression and includes photoperiod as an explanatory variable, which is very simple to calculate taking into account latitude and date as input. A large number of data records are used to obtain accurate results. Our model has been tested with over 77% accuracy for both crops. It was also benchmarked with Random Forest, which gives comparable results. However, our study shows that a very simple approach could be used with logistic regression, with very little loss of performance. Our model obtains phenology groups and also performs well with certain critical phenology stages for both crops. Our study aims to provide a simple and effective method for predicting phenology, which can be an aid to crop prediction and for farmers to make accurate decisions. Our work emphasizes the simplicity of the model, the use of a large number of data records, and the inclusion of the photoperiod as an input variable. http://sedici.unlp.edu.ar:80/handle/10915/165461 Objeto de conferencia Plant choice beneficial to crop pollinators: the application of genetic algorithms Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) 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.; 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. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165461 2023-01-01T00:00:00Z 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. 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. http://sedici.unlp.edu.ar:80/handle/10915/165459 Objeto de conferencia Correlations in agricultural portfolio evaluated with Monte Carlo simulation Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) Se evaluó el efecto del uso de coeficientes de correlación, tanto entre los precios de los granos como entre los rendimientos de los cultivos, en las estimaciones de resultados y riesgos asociados de un portfolio evaluado con un modelo de Simulación Monte Carlo. El portfolio diversificado está integrado por trigo, maíz, girasol, soja de primera y segunda siembra. El módulo considerado fue de 1.000 hectáreas. Los coeficientes de correlación de rendimientos se obtuvieron de series elaboradas con modelos de simulación agronómica; los de precios a partir de series históricas de 12 años (campañas 2007/08 a 2018/19) expresados en dólares estadounidenses constantes, previamente homogeneizados respecto a las retenciones y/o derechos de exportación. Se aplicaron los impuestos vigentes a mayo de 2019 (28% en soja, y 10% en girasol, maíz y trigo). La inclusión de los coeficientes de correlación en el modelo de porfolio elegido no modifica el resultado esperado (se trata de un modelo aditivo). Respecto a la variabilidad, hay un leve aumento en la misma. Se concluye que es importante evaluar un portfolio de estas características incluyendo la correlación entre variables, con el fin de no subestimar el riesgo al cual se enfrenta el productor.; The effect of using correlation coefficients was evaluated, both between grain prices and crop yields, on the estimates of results and associated risks of a portfolio evaluated with a Monte Carlo Simulation model. The diversified portfolio is made up of wheat, corn, sunflower, first and second crop soybeans. The module considered was 1,000 hectares. The yield correlation coefficients were obtained from series elaborated with agronomic simulation models; those of prices from 12-year historical series (2007/08 to 2018/19 campaigns) expressed in constant US dollars, previously homogenized with respect to withholdings and/or export duties. The taxes in force as of May 2019 (28% on soybeans, and 10% on sunflower, corn and wheat) were applied. The inclusion of the correlation coefficients in the chosen portfolio model does not modify the expected result (it is an additive model). Regarding variability, there is a slight increase in it. It is concluded that it is important to evaluate a portfolio of these characteristics, including the correlation between variables, in order not to underestimate the risk faced by the producer. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165459 2023-01-01T00:00:00Z Se evaluó el efecto del uso de coeficientes de correlación, tanto entre los precios de los granos como entre los rendimientos de los cultivos, en las estimaciones de resultados y riesgos asociados de un portfolio evaluado con un modelo de Simulación Monte Carlo. El portfolio diversificado está integrado por trigo, maíz, girasol, soja de primera y segunda siembra. El módulo considerado fue de 1.000 hectáreas. Los coeficientes de correlación de rendimientos se obtuvieron de series elaboradas con modelos de simulación agronómica; los de precios a partir de series históricas de 12 años (campañas 2007/08 a 2018/19) expresados en dólares estadounidenses constantes, previamente homogeneizados respecto a las retenciones y/o derechos de exportación. Se aplicaron los impuestos vigentes a mayo de 2019 (28% en soja, y 10% en girasol, maíz y trigo). La inclusión de los coeficientes de correlación en el modelo de porfolio elegido no modifica el resultado esperado (se trata de un modelo aditivo). Respecto a la variabilidad, hay un leve aumento en la misma. Se concluye que es importante evaluar un portfolio de estas características incluyendo la correlación entre variables, con el fin de no subestimar el riesgo al cual se enfrenta el productor. The effect of using correlation coefficients was evaluated, both between grain prices and crop yields, on the estimates of results and associated risks of a portfolio evaluated with a Monte Carlo Simulation model. The diversified portfolio is made up of wheat, corn, sunflower, first and second crop soybeans. The module considered was 1,000 hectares. The yield correlation coefficients were obtained from series elaborated with agronomic simulation models; those of prices from 12-year historical series (2007/08 to 2018/19 campaigns) expressed in constant US dollars, previously homogenized with respect to withholdings and/or export duties. The taxes in force as of May 2019 (28% on soybeans, and 10% on sunflower, corn and wheat) were applied. The inclusion of the correlation coefficients in the chosen portfolio model does not modify the expected result (it is an additive model). Regarding variability, there is a slight increase in it. It is concluded that it is important to evaluate a portfolio of these characteristics, including the correlation between variables, in order not to underestimate the risk faced by the producer. http://sedici.unlp.edu.ar:80/handle/10915/165457 Objeto de conferencia Stochastich optimization ¿option in farms? Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) Se exploraron en un primer paso los resultados de un modelo simple de programación lineal (PL) agrícola en Gral. Villegas. El plan óptimo fue analizado mediante simulación Monte Carlo (SMC). Las variables aleatorias consideradas fueron rendimientos y precios a momento de cosecha. A continuación se utilizó la optimización estocástica que funciona gracias al desarrollo de algoritmos genéticos. Posibilita arribar a un óptimo utilizando variables aleatorias en un mismo procedimiento. Se suponía lograr un efecto de “sinergia” entre las herramientas de (PL) y (SMC). La exploración permitió visualizar las actividades robustas, es decir aquellas que se repiten invariablemente, aunque con distinta dimensión en las soluciones. No obstante, los resultados más valiosos de la PL (costo de sustitución de actividades, precio sombra de recursos y límites de validez) se pierden con el trabajo simultáneo con SMC. Sólo se puede contar con la mejor solución y de ella obtener el margen mínimo, medio y máximo. Tampoco se obtienen las distribuciones de probabilidad (de masa y acumulada) de la SMC. La importancia de los valores marginales con los que trabaja la PL y la correcta interpretación de los diferentes outputs no es tarea sencilla: requiere considerable entrenamiento. Las salidas simples y comprensibles de la SMC de los planes posibles, asociados a probabilidades de ocurrencia, tampoco están disponibles al trabajar con la optimización estocástica. Ambas características no son indicadas por los vendedores de programas. Se sugiere continuar la exploración para dilucidar si la opción permite ayuda para quienes toman decisiones.; The results of a simple model of agricultural linear programming (PL) in Gral. Villegas were explored in a first step. The optimal plan was analyzed using Monte Carlo simulation (SMC). The random variables considered were yields and prices at harvest time. Next, stochastic optimization was used, which works thanks to the development of genetic algorithms. It makes it possible to arrive at an optimum using random variables in the same procedure. It was supposed to achieve a “synergy” effect between the (PL) and (SMC) tools. The exploration allowed to visualize the robust activities, those that are repeated invariably, although with different dimensions in the solutions. However, the most valuable results of LP (activity substitution cost, resource shadow price, and validity limits) are lost when working simultaneously with SMC. You can only count on the best solution and from it obtain the minimum, average and maximum margin. Nor are the probability distributions (mass and cumulative) of the SMC obtained. The importance of the marginal values ​​with which LP works and the correct interpretation of the different outputs is not an easy task: it requires considerable training. Simple and understandable SMC outputs of possible plans, associated with probabilities of occurrence, are also not available when working with stochastic optimization. Both features are not indicated by software vendors. It is suggested to continue the exploration to elucidate if the option allows help for decision makers. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165457 2023-01-01T00:00:00Z Se exploraron en un primer paso los resultados de un modelo simple de programación lineal (PL) agrícola en Gral. Villegas. El plan óptimo fue analizado mediante simulación Monte Carlo (SMC). Las variables aleatorias consideradas fueron rendimientos y precios a momento de cosecha. A continuación se utilizó la optimización estocástica que funciona gracias al desarrollo de algoritmos genéticos. Posibilita arribar a un óptimo utilizando variables aleatorias en un mismo procedimiento. Se suponía lograr un efecto de “sinergia” entre las herramientas de (PL) y (SMC). La exploración permitió visualizar las actividades robustas, es decir aquellas que se repiten invariablemente, aunque con distinta dimensión en las soluciones. No obstante, los resultados más valiosos de la PL (costo de sustitución de actividades, precio sombra de recursos y límites de validez) se pierden con el trabajo simultáneo con SMC. Sólo se puede contar con la mejor solución y de ella obtener el margen mínimo, medio y máximo. Tampoco se obtienen las distribuciones de probabilidad (de masa y acumulada) de la SMC. La importancia de los valores marginales con los que trabaja la PL y la correcta interpretación de los diferentes outputs no es tarea sencilla: requiere considerable entrenamiento. Las salidas simples y comprensibles de la SMC de los planes posibles, asociados a probabilidades de ocurrencia, tampoco están disponibles al trabajar con la optimización estocástica. Ambas características no son indicadas por los vendedores de programas. Se sugiere continuar la exploración para dilucidar si la opción permite ayuda para quienes toman decisiones. The results of a simple model of agricultural linear programming (PL) in Gral. Villegas were explored in a first step. The optimal plan was analyzed using Monte Carlo simulation (SMC). The random variables considered were yields and prices at harvest time. Next, stochastic optimization was used, which works thanks to the development of genetic algorithms. It makes it possible to arrive at an optimum using random variables in the same procedure. It was supposed to achieve a “synergy” effect between the (PL) and (SMC) tools. The exploration allowed to visualize the robust activities, those that are repeated invariably, although with different dimensions in the solutions. However, the most valuable results of LP (activity substitution cost, resource shadow price, and validity limits) are lost when working simultaneously with SMC. You can only count on the best solution and from it obtain the minimum, average and maximum margin. Nor are the probability distributions (mass and cumulative) of the SMC obtained. The importance of the marginal values ​​with which LP works and the correct interpretation of the different outputs is not an easy task: it requires considerable training. Simple and understandable SMC outputs of possible plans, associated with probabilities of occurrence, are also not available when working with stochastic optimization. Both features are not indicated by software vendors. It is suggested to continue the exploration to elucidate if the option allows help for decision makers. http://sedici.unlp.edu.ar:80/handle/10915/165456 Objeto de conferencia español Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) Las comunidades microbianas son esenciales en la dinámica y la sostenibilidad de los suelos. Presentamos un estudio bioinformático integrado de las respuestas de las comunidades bacterianas del suelo a diferentes manejos agronómicos en caña de azúcar en un experimento de larga duración en la EEA INTA Famaillá. Se integraron tres fuentes de datos: abundancia de genes mayormente relacionados con el flujo de gases de efecto invernadero, secuenciación masiva del gen 16S rRNA y secuenciación masiva de ADN total. Detectamos diferencias en las abundancias de algunos genes funcionales. Luego usando qiime2 y otras herramientas analizamos el comportamiento de 12,000 variantes de secuencias derivados de 2.1 millones de secuencias paired-end del gen 16S, y encontramos algunas diferencias cuantitativas en la composición de las comunidades. Con los datos de secuenciación masiva de ADN total (32Giga bases) ensamblamos contigs (Megahit) y los agrupamos en bins (MaxBin2), obteniendo 374 genomas ensamblados de metagenomas (MAGs). Anotamos los MAGs de mejor calidad con EggNog. El estudio integrado y secuencial nos permitió mantener bajos los costos de la etapa más cara (secuenciación de ADN total) y nos permitió acelerar el descubrimiento de los genomas de interés para los objetivos del estudio. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165456 2023-01-01T00:00:00Z Las comunidades microbianas son esenciales en la dinámica y la sostenibilidad de los suelos. Presentamos un estudio bioinformático integrado de las respuestas de las comunidades bacterianas del suelo a diferentes manejos agronómicos en caña de azúcar en un experimento de larga duración en la EEA INTA Famaillá. Se integraron tres fuentes de datos: abundancia de genes mayormente relacionados con el flujo de gases de efecto invernadero, secuenciación masiva del gen 16S rRNA y secuenciación masiva de ADN total. Detectamos diferencias en las abundancias de algunos genes funcionales. Luego usando qiime2 y otras herramientas analizamos el comportamiento de 12,000 variantes de secuencias derivados de 2.1 millones de secuencias paired-end del gen 16S, y encontramos algunas diferencias cuantitativas en la composición de las comunidades. Con los datos de secuenciación masiva de ADN total (32Giga bases) ensamblamos contigs (Megahit) y los agrupamos en bins (MaxBin2), obteniendo 374 genomas ensamblados de metagenomas (MAGs). Anotamos los MAGs de mejor calidad con EggNog. El estudio integrado y secuencial nos permitió mantener bajos los costos de la etapa más cara (secuenciación de ADN total) y nos permitió acelerar el descubrimiento de los genomas de interés para los objetivos del estudio. http://sedici.unlp.edu.ar:80/handle/10915/165453 Objeto de conferencia Monitoring of environmental variables in hydroponic germination chambers using IOT technology Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) Resumen. Este trabajo presenta el modelado e implementación de un sistema de control de variables como la humedad y la temperatura con la finalidad de monitorear las condiciones ambientales de manera remota. La experiencia se enfoca en la etapa de germinación del cultivo hidropónico. Para tal fin, se diseñaron, construyeron e instalaron tres cámaras de germinación de raíz flotante con sistemas de control y telemetría mediante Internet. Las cámaras se construyeron con contenedores de PVC de 50 L. de capacidad, esta característica permite portabilidad a las cámaras. El sistema de control de dichas cámaras se desarrolló con placas SBC de bajo costo y, la configuración del sistema permite utilizar la placa Arduino, que posee entradas analógicas, tanto para conectar los sensores de humedad y temperatura como el control del ambiente interior de las cámaras a través del proceso de ventilación forzada. Los resultados muestran que las cámaras construidas garantizan un ambiente homogéneo y no variable para la germinación.; Summary. This paper presents the modeling and implementation of a system control of variables such as humidity and temperature in order to monitor environmental conditions remotely. The experience is focuses on the germination stage of hydroponic cultivation. For this purpose, it designed, built and installed three root germination chambers floating with control systems and telemetry through the Internet. The chambers were built with 50 L. capacity PVC containers, this feature allows portability to the chambers. The control system of these cameras was developed with low-cost SBC boards and the system configuration allows the use of the Arduino board, which has analog inputs, both to connect the humidity and temperature sensors and to control the interior environment of the cameras. through the process of forced ventilation. The results show that the chambers built guarantee a homogeneous and non-variable environment for germination. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165453 2023-01-01T00:00:00Z Resumen. Este trabajo presenta el modelado e implementación de un sistema de control de variables como la humedad y la temperatura con la finalidad de monitorear las condiciones ambientales de manera remota. La experiencia se enfoca en la etapa de germinación del cultivo hidropónico. Para tal fin, se diseñaron, construyeron e instalaron tres cámaras de germinación de raíz flotante con sistemas de control y telemetría mediante Internet. Las cámaras se construyeron con contenedores de PVC de 50 L. de capacidad, esta característica permite portabilidad a las cámaras. El sistema de control de dichas cámaras se desarrolló con placas SBC de bajo costo y, la configuración del sistema permite utilizar la placa Arduino, que posee entradas analógicas, tanto para conectar los sensores de humedad y temperatura como el control del ambiente interior de las cámaras a través del proceso de ventilación forzada. Los resultados muestran que las cámaras construidas garantizan un ambiente homogéneo y no variable para la germinación. Summary. This paper presents the modeling and implementation of a system control of variables such as humidity and temperature in order to monitor environmental conditions remotely. The experience is focuses on the germination stage of hydroponic cultivation. For this purpose, it designed, built and installed three root germination chambers floating with control systems and telemetry through the Internet. The chambers were built with 50 L. capacity PVC containers, this feature allows portability to the chambers. The control system of these cameras was developed with low-cost SBC boards and the system configuration allows the use of the Arduino board, which has analog inputs, both to connect the humidity and temperature sensors and to control the interior environment of the cameras. through the process of forced ventilation. The results show that the chambers built guarantee a homogeneous and non-variable environment for germination. http://sedici.unlp.edu.ar:80/handle/10915/165451 Objeto de conferencia Blockchain traceability platform for organic products in Argentina Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El desarrollo de los alimentos transgénicos en Argentina inicia en la década de los noventa y su permanente crecimiento convirtió al país en el tercer productor mundial. Desde sus inicios, la polémica sobre sus efectos en la población, el medio ambiente y la economía estuvo presente. El país es, también, referente a nivel mundial de los alimentos orgánicos o “ecológicos”, que se presentan como una alternativa que prioriza técnicas sustentables y que requieren ajustarse a diferentes estándares de calidad. Si bien hay leyes y organismos de control para la producción orgánica, un relevamiento realizado en el presente trabajo indica que la falta de seguridad sobre el origen orgánico de los productos sigue siendo un factor de incertidumbre en los consumidores. En el presente trabajo se propone el desarrollo de una plataforma basada en Blockchain para la trazabilidad de productos orgánicos que permita conectar a productores, intermediarios mayoristas y consumidores para registrar la procedencia orgánica de los productos en la cadena de producción.; The development of transgenic foods in Argentina began in the 1990s and its permanent growth made the country the third largest producer in the world. Since its inception, controversy over its effects on the population, the environment and the economy have been present. Argentina is also a worldwide reference for organic or “ecological” food, which is presented as an alternative that prioritizes sustainable techniques and that requires adjusting to different quality standards. Although there are laws and control agencies for organic production, a survey carried out in this paper indicates that the lack of security about the origin of the products continues to be a factor of uncertainty for consumers. In the present work, the development of a platform based on Blockchain for the traceability of organic products is proposed and that allows connecting producers, wholesale intermediaries and retail consumers to register the organic origin of the products in the production chain. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165451 2023-01-01T00:00:00Z El desarrollo de los alimentos transgénicos en Argentina inicia en la década de los noventa y su permanente crecimiento convirtió al país en el tercer productor mundial. Desde sus inicios, la polémica sobre sus efectos en la población, el medio ambiente y la economía estuvo presente. El país es, también, referente a nivel mundial de los alimentos orgánicos o “ecológicos”, que se presentan como una alternativa que prioriza técnicas sustentables y que requieren ajustarse a diferentes estándares de calidad. Si bien hay leyes y organismos de control para la producción orgánica, un relevamiento realizado en el presente trabajo indica que la falta de seguridad sobre el origen orgánico de los productos sigue siendo un factor de incertidumbre en los consumidores. En el presente trabajo se propone el desarrollo de una plataforma basada en Blockchain para la trazabilidad de productos orgánicos que permita conectar a productores, intermediarios mayoristas y consumidores para registrar la procedencia orgánica de los productos en la cadena de producción. The development of transgenic foods in Argentina began in the 1990s and its permanent growth made the country the third largest producer in the world. Since its inception, controversy over its effects on the population, the environment and the economy have been present. Argentina is also a worldwide reference for organic or “ecological” food, which is presented as an alternative that prioritizes sustainable techniques and that requires adjusting to different quality standards. Although there are laws and control agencies for organic production, a survey carried out in this paper indicates that the lack of security about the origin of the products continues to be a factor of uncertainty for consumers. In the present work, the development of a platform based on Blockchain for the traceability of organic products is proposed and that allows connecting producers, wholesale intermediaries and retail consumers to register the organic origin of the products in the production chain. http://sedici.unlp.edu.ar:80/handle/10915/165449 Objeto de conferencia Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) En este trabajo se describen los detalles funcionales y técnicos de una aplicación multiplataforma orientada a la gestión integral de tareas agropecuarias. A partir de este desarrollo se destacan tres aportes principales: (1) la definición de un modelo ontológico para representar tareas agropecuarias, (2) la implementación de bases de datos distribuidas para compartir información punto a punto entre usuarios con escaso ancho de banda disponible y (3) la integración de estas propuestas en un único software multiplataforma, cuyas características de descentralización, flexibilidad y foco tanto en la privacidad como el soporte móvil offline, lo convierten en un producto que se diferencia respecto de otras alternativas dentro del mercado digital actual. Este desarrollo está pensado para brindar un conjunto de utilidades a un amplio espectro de usuarios pertenecientes al ámbito agropecuario, como productores, profesionales, asesores y/o contratistas. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165449 2023-01-01T00:00:00Z En este trabajo se describen los detalles funcionales y técnicos de una aplicación multiplataforma orientada a la gestión integral de tareas agropecuarias. A partir de este desarrollo se destacan tres aportes principales: (1) la definición de un modelo ontológico para representar tareas agropecuarias, (2) la implementación de bases de datos distribuidas para compartir información punto a punto entre usuarios con escaso ancho de banda disponible y (3) la integración de estas propuestas en un único software multiplataforma, cuyas características de descentralización, flexibilidad y foco tanto en la privacidad como el soporte móvil offline, lo convierten en un producto que se diferencia respecto de otras alternativas dentro del mercado digital actual. Este desarrollo está pensado para brindar un conjunto de utilidades a un amplio espectro de usuarios pertenecientes al ámbito agropecuario, como productores, profesionales, asesores y/o contratistas. http://sedici.unlp.edu.ar:80/handle/10915/165448 Objeto de conferencia Evaluation of the NASA-POWER product for estimating reference evapotranspiration in southeastern Córdoba. Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) La cuantificación de la evapotranspiración de referencia (ETo) resulta de utilidad para diferentes aplicaciones. Sin embargo, su estimación está limitada por la carencia de instrumentos y redes de observación terrestres. Actualmente, se dispone de productos satelitales grillados de reanálisis que surgen como alternativa para estimar variables meteorológicas espacialmente explícitas a escala local y regional. El objetivo de este trabajo fue evaluar la estimación de la ETo diaria mediante el producto de reanálisis NASA-POWER en el sudeste de Córdoba. Mediante el modelo Penman-Monteith, se estimó la ETo diaria a partir de los datos de temperatura, humedad, velocidad de viento y radiación solar obtenidos de dos estaciones meteorológicas convencionales y del producto NASA-POWER. Los resultados mostraron que NASA-POWER estimó precisamente la ETo cuando se la comparó con aquella observada en las estaciones, con un R2 cercano a 0,90 y errores inferiores a 1 mm.día-1. Durante el verano NASA-POWER sobreestimó la ETo, con mayores errores en la estimación; mientras que en invierno la sobreestimación se dio en valores superiores a 2 mm.día-1. En los meses primaverales y otoña-les el ajuste fue mayor, aunque los errores fueron levemente superiores a los meses invernales. Se concluye que el producto NASA-POWER puede reconstruir la falta de registros meteorológicos en el sudeste de Córdoba y a partir de ello estimar con bajo error la ETo.; The quantification of reference evapotranspiration (ETo) is useful for different applications. However, its estimation is limited by the lack of terrestrial observation instruments and networks. Currently, satellite gridded reanalysis products are available as an alternative to estimate spatially explicit meteorological variables at local and regional scales. The objective of this work was to evaluate the estimation of daily ETo using the NASA-POWER reanalysis product in southeastern Córdoba. Through the Penman-Monteith model, daily ETo was estimated from temperature, humidity, wind speed and solar radiation data obtained from two conventional weather stations and the NASA-POWER product. The results showed that NASA-POWER accurately estimated ETo when compared to that observed at the stations, with an R2 close to 0.90 and errors of less than 1 mm.day-1. During the summer NASA-POWER overestimated ETo, with larger errors in the estimation; while in winter the overestimation occurred in values higher than 2 mm.day-1. In the spring and autumn months, the adjustment was greater, although the errors were slightly higher than in the winter months. It is concluded that the NASA-POWER product can reconstruct the lack of meteorological records in southeastern Córdoba and, from this, estimate ETo with low error. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165448 2023-01-01T00:00:00Z La cuantificación de la evapotranspiración de referencia (ETo) resulta de utilidad para diferentes aplicaciones. Sin embargo, su estimación está limitada por la carencia de instrumentos y redes de observación terrestres. Actualmente, se dispone de productos satelitales grillados de reanálisis que surgen como alternativa para estimar variables meteorológicas espacialmente explícitas a escala local y regional. El objetivo de este trabajo fue evaluar la estimación de la ETo diaria mediante el producto de reanálisis NASA-POWER en el sudeste de Córdoba. Mediante el modelo Penman-Monteith, se estimó la ETo diaria a partir de los datos de temperatura, humedad, velocidad de viento y radiación solar obtenidos de dos estaciones meteorológicas convencionales y del producto NASA-POWER. Los resultados mostraron que NASA-POWER estimó precisamente la ETo cuando se la comparó con aquella observada en las estaciones, con un R2 cercano a 0,90 y errores inferiores a 1 mm.día-1. Durante el verano NASA-POWER sobreestimó la ETo, con mayores errores en la estimación; mientras que en invierno la sobreestimación se dio en valores superiores a 2 mm.día-1. En los meses primaverales y otoña-les el ajuste fue mayor, aunque los errores fueron levemente superiores a los meses invernales. Se concluye que el producto NASA-POWER puede reconstruir la falta de registros meteorológicos en el sudeste de Córdoba y a partir de ello estimar con bajo error la ETo. The quantification of reference evapotranspiration (ETo) is useful for different applications. However, its estimation is limited by the lack of terrestrial observation instruments and networks. Currently, satellite gridded reanalysis products are available as an alternative to estimate spatially explicit meteorological variables at local and regional scales. The objective of this work was to evaluate the estimation of daily ETo using the NASA-POWER reanalysis product in southeastern Córdoba. Through the Penman-Monteith model, daily ETo was estimated from temperature, humidity, wind speed and solar radiation data obtained from two conventional weather stations and the NASA-POWER product. The results showed that NASA-POWER accurately estimated ETo when compared to that observed at the stations, with an R2 close to 0.90 and errors of less than 1 mm.day-1. During the summer NASA-POWER overestimated ETo, with larger errors in the estimation; while in winter the overestimation occurred in values higher than 2 mm.day-1. In the spring and autumn months, the adjustment was greater, although the errors were slightly higher than in the winter months. It is concluded that the NASA-POWER product can reconstruct the lack of meteorological records in southeastern Córdoba and, from this, estimate ETo with low error. http://sedici.unlp.edu.ar:80/handle/10915/165446 Objeto de conferencia Wheat crop cycle characterizationin using remote sensing in the province of Córdoba, Argentina. Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) La provincia de Córdoba en Argentina es el tercer productor nacional de trigo, con una superficie sembrada de 932.000 hectáreas para la campaña invernal 2022. Además de ser importante en términos de producción y réditos económicos, el trigo es fundamental para la seguridad alimentaria de la región, siendo un alimento básico para muchas personas en Argentina y otros países. Una de las formas de monitorear y estimar la producción del cultivo, a gran escala y de forma práctica, es mediante la teledetección. La intensidad del pico de NDVI, que se corresponde con la etapa reproductiva del cultivo, tiene una fuerte relación con los rendimientos finales. Sin embargo, la variabilidad climática dificulta la estimación de rendimientos, ya que condiciona diferentes tiempos de desarrollo del cultivo. El objetivo de este trabajo es caracterizar el ciclo de cultivo del trigo en la provincia de Córdoba, utilizando datos de referencia de 5 departamentos de importancia agrícola y series temporales del NDVI. Se ajustó una curva NDVI de cada lote para determinar el momento del pico e intensidad. La información recopilada contribuye al desarrollo de mejores modelos de estimación y, por lo tanto, facilitan el seguimiento y manejo de los cultivos de trigo en la región. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165446 2023-01-01T00:00:00Z La provincia de Córdoba en Argentina es el tercer productor nacional de trigo, con una superficie sembrada de 932.000 hectáreas para la campaña invernal 2022. Además de ser importante en términos de producción y réditos económicos, el trigo es fundamental para la seguridad alimentaria de la región, siendo un alimento básico para muchas personas en Argentina y otros países. Una de las formas de monitorear y estimar la producción del cultivo, a gran escala y de forma práctica, es mediante la teledetección. La intensidad del pico de NDVI, que se corresponde con la etapa reproductiva del cultivo, tiene una fuerte relación con los rendimientos finales. Sin embargo, la variabilidad climática dificulta la estimación de rendimientos, ya que condiciona diferentes tiempos de desarrollo del cultivo. El objetivo de este trabajo es caracterizar el ciclo de cultivo del trigo en la provincia de Córdoba, utilizando datos de referencia de 5 departamentos de importancia agrícola y series temporales del NDVI. Se ajustó una curva NDVI de cada lote para determinar el momento del pico e intensidad. La información recopilada contribuye al desarrollo de mejores modelos de estimación y, por lo tanto, facilitan el seguimiento y manejo de los cultivos de trigo en la región. http://sedici.unlp.edu.ar:80/handle/10915/165445 Objeto de conferencia Smart Classification of Summer Crops on the Google Earth Engine Platform Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El monitoreo espacial de zonas agrícolas es de fundamental importancia para la toma de decisiones económicas, sociales y políticas. El objetivo de este trabajo es obtener un modelo de clasificación supervisada de cultivos de verano mediante técnicas de aprendizaje de máquina a partir del uso de imágenes multiespectrales. La región elegida es el centro-sur del sistema de Ventania, en el sudoeste de la provincia de Buenos Aires, Argentina. Para la implementación del modelo basado en Random Forest (RF) se utilizó información de bandas e índices espectrales obtenidos a partir de imágenes Sentinel 2 en la plataforma Google Earth Engine (GEE). En el modelo obtenido la precisión global supera el 94%, donde se pudo discernir con una gran fiabilidad los cultivos de maíz, sorgo, girasol y pastizales. Estos resultados iniciales demuestran ser una valiosa herramienta para la gestión agrícola y la implementación de GEE facilitó la automatización de todo el proceso, reduciendo los tiempos de trabajo.; The effective monitoring of agricultural areas holds significant importance for economic, social, and political decision-making. This study aims to develop a supervised classification model for identifying summer crops using machine learning techniques applied to multispectral images. The selected study area is the centre-south region of the Ventania system, located in the southwest of Buenos Aires province, Argentina. The Random Forest (RF) algorithm was employed to implement the classification model, utilizing spectral bands and indices derived from Sentinel-2 images available on the Google Earth Engine (GEE) platform. The model achieved an overall accuracy exceeding 94%, demonstrating high reliability in distinguishing maize, sorghum, sunflower, and grassland crops. These preliminary results indicate the model's potential as a valuable tool for agricultural management. Furthermore, the use of GEE enabled the automation of the entire process, reducing work time and enhancing efficiency. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165445 2023-01-01T00:00:00Z El monitoreo espacial de zonas agrícolas es de fundamental importancia para la toma de decisiones económicas, sociales y políticas. El objetivo de este trabajo es obtener un modelo de clasificación supervisada de cultivos de verano mediante técnicas de aprendizaje de máquina a partir del uso de imágenes multiespectrales. La región elegida es el centro-sur del sistema de Ventania, en el sudoeste de la provincia de Buenos Aires, Argentina. Para la implementación del modelo basado en Random Forest (RF) se utilizó información de bandas e índices espectrales obtenidos a partir de imágenes Sentinel 2 en la plataforma Google Earth Engine (GEE). En el modelo obtenido la precisión global supera el 94%, donde se pudo discernir con una gran fiabilidad los cultivos de maíz, sorgo, girasol y pastizales. Estos resultados iniciales demuestran ser una valiosa herramienta para la gestión agrícola y la implementación de GEE facilitó la automatización de todo el proceso, reduciendo los tiempos de trabajo. The effective monitoring of agricultural areas holds significant importance for economic, social, and political decision-making. This study aims to develop a supervised classification model for identifying summer crops using machine learning techniques applied to multispectral images. The selected study area is the centre-south region of the Ventania system, located in the southwest of Buenos Aires province, Argentina. The Random Forest (RF) algorithm was employed to implement the classification model, utilizing spectral bands and indices derived from Sentinel-2 images available on the Google Earth Engine (GEE) platform. The model achieved an overall accuracy exceeding 94%, demonstrating high reliability in distinguishing maize, sorghum, sunflower, and grassland crops. These preliminary results indicate the model's potential as a valuable tool for agricultural management. Furthermore, the use of GEE enabled the automation of the entire process, reducing work time and enhancing efficiency. http://sedici.unlp.edu.ar:80/handle/10915/165444 Objeto de conferencia Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El sector agrícola viene experimentando un profundo cambio hacia la transformación digital, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota. El monitoreo de cultivos con sensores remotos y la aplicación de técnicas de aprendizaje de máquina son herramientas que permiten identificar cultivos, cambios en la fenología, anomalías y a menor o casi nulo costo que los métodos tradicionales. La identificación de cultivos, obtención de estimaciones y predicciones de rendimiento son esenciales para mejorar las prospectivas productivas del país. Actualmente, en Argentina muy pocos desarrollos en distintos contextos (John Deere, Monsanto, http://www.sepa.inta.gob.ar, http://www.agropuma.com) tienen los medios científico tecnológicos para realizar este estudio usando tecnología satelital y técnicas de Machine learning y que este al alcance de los productores. En esta primera etapa de investigación se clasificó maíz vs. soja en imágenes multiespectrales Sentinel-2 con datos registrados de la campaña 2019/2020 del departamento General López (Santa Fe). El data set para la clasificación consistió en la selección de bandas representativas, el cálculo de medidas estadísticas (promedio, máximo, mínimo, desviación, etc.) y el cálculo de índices vegetativos (NDVI, SAVI). Se implementaron dos algoritmos de aprendizaje de máquina Random forest (RF) y Support vector machine (SVM) con una precisión global de 79 % y 73 %. El objetivo general es extender estos resultados a una mayor región agropecuaria agroproductiva y a la estimación de rindes y producción.; The agricultural sector has been experiencing a profound change towards digital transformation, seeking to anticipate soil-climatic events that can influence productive results and facilitate remote decision-making. Crop monitoring with remote sensors and the application of machine learning techniques are tools that allow identifying crops, changes in phenology, anomalies and at lower or almost zero cost than traditional methods. Identifying crops, obtaining estimates and yield predictions are essential to improve the country's productive prospects. Currently, in Argentina very few developments in different contexts (John Deere, Monsanto, http://www.sepa.inta.gob.ar, http://www.agropuma.com) have the scientific and technological means to carry out this study using satellite technology and Machine learning techniques and that is within the reach of producers. In this first stage of research, corn was classified vs. soybean in Sentinel-2 multispectral images with data recorded from the 2019/2020 campaign of the General López department (Santa Fe). The data set for classification consisted of the selection of representative bands, the calculation of statistical measurements (average, maximum, minimum, deviation, etc.) and the calculation of vegetative indices (NDVI, SAVI). Two machine learning algorithms Random forest (RF) and Support vector machine (SVM) were implemented with an overall accuracy of 79% and 73%. The general objective is to extend these results to a larger agro-productive agricultural region and to estimate yields and production. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165444 2023-01-01T00:00:00Z El sector agrícola viene experimentando un profundo cambio hacia la transformación digital, buscando anticiparse a eventos edafoclimáticos que puedan inferir en los resultados productivos y facilitar la toma de decisiones de forma remota. El monitoreo de cultivos con sensores remotos y la aplicación de técnicas de aprendizaje de máquina son herramientas que permiten identificar cultivos, cambios en la fenología, anomalías y a menor o casi nulo costo que los métodos tradicionales. La identificación de cultivos, obtención de estimaciones y predicciones de rendimiento son esenciales para mejorar las prospectivas productivas del país. Actualmente, en Argentina muy pocos desarrollos en distintos contextos (John Deere, Monsanto, http://www.sepa.inta.gob.ar, http://www.agropuma.com) tienen los medios científico tecnológicos para realizar este estudio usando tecnología satelital y técnicas de Machine learning y que este al alcance de los productores. En esta primera etapa de investigación se clasificó maíz vs. soja en imágenes multiespectrales Sentinel-2 con datos registrados de la campaña 2019/2020 del departamento General López (Santa Fe). El data set para la clasificación consistió en la selección de bandas representativas, el cálculo de medidas estadísticas (promedio, máximo, mínimo, desviación, etc.) y el cálculo de índices vegetativos (NDVI, SAVI). Se implementaron dos algoritmos de aprendizaje de máquina Random forest (RF) y Support vector machine (SVM) con una precisión global de 79 % y 73 %. El objetivo general es extender estos resultados a una mayor región agropecuaria agroproductiva y a la estimación de rindes y producción. The agricultural sector has been experiencing a profound change towards digital transformation, seeking to anticipate soil-climatic events that can influence productive results and facilitate remote decision-making. Crop monitoring with remote sensors and the application of machine learning techniques are tools that allow identifying crops, changes in phenology, anomalies and at lower or almost zero cost than traditional methods. Identifying crops, obtaining estimates and yield predictions are essential to improve the country's productive prospects. Currently, in Argentina very few developments in different contexts (John Deere, Monsanto, http://www.sepa.inta.gob.ar, http://www.agropuma.com) have the scientific and technological means to carry out this study using satellite technology and Machine learning techniques and that is within the reach of producers. In this first stage of research, corn was classified vs. soybean in Sentinel-2 multispectral images with data recorded from the 2019/2020 campaign of the General López department (Santa Fe). The data set for classification consisted of the selection of representative bands, the calculation of statistical measurements (average, maximum, minimum, deviation, etc.) and the calculation of vegetative indices (NDVI, SAVI). Two machine learning algorithms Random forest (RF) and Support vector machine (SVM) were implemented with an overall accuracy of 79% and 73%. The general objective is to extend these results to a larger agro-productive agricultural region and to estimate yields and production. http://sedici.unlp.edu.ar:80/handle/10915/165443 Objeto de conferencia Español Congreso Argentino de AgroInformática (CAI 2023) - JAIIO 52 (Universidad Nacional de Tres de Febrero, 4 al 8 de septiembre de 2023) El objetivo del trabajo fue caracterizar espacial y temporalmente la dinámica de la agriculturización en el Valle Antinaco Los Colorados, en la Provincia de La Rioja, República Argentina. Se usó una metodología basada en fotointerpretación de imágenes Landsat 2, 5 y 8, donde se analizaron cinco momentos 1976, 1986, 1996, 2006, y 2018. Para evaluar la dinámica espacial y temporal de cambios se clasificaron tres tipos de coberturas (áreas agrícolas, suelos desnudos y vegetación natural) y con el fin de realizar valoraciones más completas de los cambios más significativos ocurridos en el territorio el método emplea el análisis de matriz de tabulación cruzada a diferentes niveles para distinguir aquellos cambios producto de transiciones más frecuentes. A partir de las cuales se obtuvieron como resultado un cambio neto de áreas de vegetación natural entre 1976/1986: 1.400ha, 1986/1996: 3.601ha, 1996/2006: 6.711ha y 2006/2018: 11.795ha; de suelo sin vegetación entre 1976/1986: 50ha, 1986/1996: 838ha, 1996/2006: 505ha y 2006/2018: 1.128ha y de tierras agropecuarias entre 1976/1986: 1.350ha, 1986/1996: 2.760ha, 1996/2006: 6.206ha y 2006/2018: 10.623ha. Se puede concluir que el ítem con mayores pérdidas es la de “Áreas con vegetación natural”, que presenta una merma constante de superficie frente a las otras dos categorías.; The objective of this work was to spatially and temporally characterize the dynamics of agriculturalization in the Antinaco Los Colorados Valley, in the Province of La Rioja, Argentina. A methodology based on photointerpretation of Landsat 2, 5 and 8 images was used, where five moments 1976, 1986, 1996, 2006, and 2018 were analyzed. To evaluate the spatial and temporal dynamics of changes, three types of land cover were classified (agricultural areas, bare soils and natural vegetation) and in order to make more complete assessments of the most significant changes that occurred in the territory, the method uses cross-tabulation matrix analysis at different levels to distinguish those changes resulting from more frequent transitions. The result was a net change in areas of natural vegetation between 1976/1986: 1,400ha, 1986/1996: 3,601ha, 1996/2006: 6,711ha and 2006/2018: 11,795ha; of soil without vegetation between 1976/1986: 1,400ha, 1986/1996: 3,601ha, 1996/2006: 6,711ha and 2006/2018: 11,795ha. 795ha; of soil without vegetation between 1976/1986: 50ha, 1986/1996: 838ha, 1996/2006: 505ha and 2006/2018: 1,128ha and of agricultural land between 1976/1986: 1,350ha, 1986/1996: 2,760ha, 1996/2006: 6,206ha and 2006/2018: 10,623ha. It can be concluded that the item with the greatest losses is "Areas with natural vegetation", which shows a constant decrease in surface area compared to the other two categories. Sun, 01 Jan 2023 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/165443 2023-01-01T00:00:00Z El objetivo del trabajo fue caracterizar espacial y temporalmente la dinámica de la agriculturización en el Valle Antinaco Los Colorados, en la Provincia de La Rioja, República Argentina. Se usó una metodología basada en fotointerpretación de imágenes Landsat 2, 5 y 8, donde se analizaron cinco momentos 1976, 1986, 1996, 2006, y 2018. Para evaluar la dinámica espacial y temporal de cambios se clasificaron tres tipos de coberturas (áreas agrícolas, suelos desnudos y vegetación natural) y con el fin de realizar valoraciones más completas de los cambios más significativos ocurridos en el territorio el método emplea el análisis de matriz de tabulación cruzada a diferentes niveles para distinguir aquellos cambios producto de transiciones más frecuentes. A partir de las cuales se obtuvieron como resultado un cambio neto de áreas de vegetación natural entre 1976/1986: 1.400ha, 1986/1996: 3.601ha, 1996/2006: 6.711ha y 2006/2018: 11.795ha; de suelo sin vegetación entre 1976/1986: 50ha, 1986/1996: 838ha, 1996/2006: 505ha y 2006/2018: 1.128ha y de tierras agropecuarias entre 1976/1986: 1.350ha, 1986/1996: 2.760ha, 1996/2006: 6.206ha y 2006/2018: 10.623ha. Se puede concluir que el ítem con mayores pérdidas es la de “Áreas con vegetación natural”, que presenta una merma constante de superficie frente a las otras dos categorías. The objective of this work was to spatially and temporally characterize the dynamics of agriculturalization in the Antinaco Los Colorados Valley, in the Province of La Rioja, Argentina. A methodology based on photointerpretation of Landsat 2, 5 and 8 images was used, where five moments 1976, 1986, 1996, 2006, and 2018 were analyzed. To evaluate the spatial and temporal dynamics of changes, three types of land cover were classified (agricultural areas, bare soils and natural vegetation) and in order to make more complete assessments of the most significant changes that occurred in the territory, the method uses cross-tabulation matrix analysis at different levels to distinguish those changes resulting from more frequent transitions. The result was a net change in areas of natural vegetation between 1976/1986: 1,400ha, 1986/1996: 3,601ha, 1996/2006: 6,711ha and 2006/2018: 11,795ha; of soil without vegetation between 1976/1986: 1,400ha, 1986/1996: 3,601ha, 1996/2006: 6,711ha and 2006/2018: 11,795ha. 795ha; of soil without vegetation between 1976/1986: 50ha, 1986/1996: 838ha, 1996/2006: 505ha and 2006/2018: 1,128ha and of agricultural land between 1976/1986: 1,350ha, 1986/1996: 2,760ha, 1996/2006: 6,206ha and 2006/2018: 10,623ha. It can be concluded that the item with the greatest losses is "Areas with natural vegetation", which shows a constant decrease in surface area compared to the other two categories.