Más allá de la predicción del rendimiento 

El tomate es uno de los cultivos de producto fresco más sembrados en el mundo. Si bien la mayoría se cultivan en campo abierto, en las últimas décadas se ha visto un aumento en la producción de entornos protegidos o controlados. Al utilizar entornos protegidos como invernaderos de plástico, invernaderos de vidrio u otro tipo de invernaderos, los productores de tomate pueden producir cultivos durante la mayor parte del año y protegerse mejor contra condiciones climáticas desfavorables, plagas y enfermedades.

Otro beneficio es que los entornos controlados permiten a los productores manipular factores ambientales como el clima, el agua y la luz para mejorar la calidad de los productos y lograr un aumento de alrededor de 5 veces en la producción, en comparación con el cultivo tradicional al aire libre.

Para los productores de tomate, predecir el rendimiento es una práctica crucial que impulsa tanto la respuesta a corto plazo como la estrategia a largo plazo dentro de su negocio. La predicción del rendimiento ayuda a los productores a dirigir su cultivo hacia un resultado de producción deseado, proporciona un nivel de certeza sobre el producto disponible para la venta y sirve como un indicador para el cumplimiento del contrato de suministro o programas de abastecimiento.

El caso de un enfoque holístico

Para lograr la supervisión de estos factores, los productores miden numerosos parámetros, incluidos el clima, el riego y el desarrollo de los cultivos. El desarrollo registro de cultivo se mide en una práctica conocida como registro de cultivo, que incluye medidas como el diámetro del tallo de la planta, la longitud de la planta, el número de hojas / flores / frutos y la velocidad a la que se producen y polinizan las flores.

Los productores a menudo manejan los resultados de los cultivos utilizando la predicción del rendimiento junto con el equilibrio de la planta.

El equilibrio/balance de la planta es el estado óptimo que permite el desarrollo de la planta en línea con los objetivos de crecimiento y el rendimiento objetivo. Al comprender el estado actual de la planta (ya sea crecimiento vegetativo, por ejemplo, produciendo más hojas y tallos o crecimiento generativo, por ejemplo, produciendo más flores y frutos), los productores pueden "dirigir" el cultivo en una dirección particular para cumplir con sus objetivos de producción.

Con la amplitud de los datos a su disposición, los productores deberían poder sacar a la superficie algunas pistas sobre las oscilaciones de los rendimientos y los factores en juego en el período previo a ellas. Además, si los productores pudieran predecir cuándo es probable que ocurra una oscilación de rendimiento e identificar la causa, podrían tomar medidas preventivas. Al igual que un pronóstico del tiempo, si sabe que hay un 30% de posibilidades de lluvia, podría estar preparado y tener un paraguas a mano.

El camino para predecir el rendimiento
con confianza

El equipo de científicos de cultivos y datos de WayBeyond ayuda a los productores de tomate a mejorar su predicción de rendimiento. Utilizando la recopilación de datos digitales patentada, algoritmos de análisis de datos y modelos de IA, su objetivo es proporcionar una comprensión más amplia de la predicción del rendimiento mediante el estudio de datos sobre genética de plantas, medio ambiente y prácticas de manejo de cultivos.

Para demostrar el valor de un enfoque más holístico para predecir el rendimiento, el equipo recopiló y analizó datos anónimos de 20 ciclos de cultivo de tomate de agricultores en diversos entornos de cultivos protegidos.

Predicción del rendimiento y oscilaciones de rendimiento

Las oscilaciones de rendimiento se definen como una variación repentina y significativa en el rendimiento en comparación con el rendimiento en las semanas circundantes. Nos propusimos encontrar factores asociados con la variabilidad semana a semana en la precisión de la predicción del rendimiento. 

Para predecir el rendimiento, utilizamos un modelo de IA patentado que nos permitió pronosticar con una semana y cuatro semanas de anticipación. Hicimos esto para cada semana en el ciclo de cultivo. Durante el análisis, utilizamos algoritmos patentados para identificar las oscilaciones de rendimiento dentro de los ciclos de cultivo. Las oscilaciones de rendimiento se representan visualmente como saltos o caídas repentinas y significativas en el rendimiento en comparación con el rendimiento en las semanas circundantes en el gráfico a continuación.

La precisión de la predicción del rendimiento para una semana previa utilizando el modelo de IA osciló entre el 81 y el 95%.

Clasificamos los ciclos de cultivo en tres grupos, según la precisión de la predicción del rendimiento con una semana de anticipación:

• Grupo 1 - precisión promedio más alta
• Grupo 2 - segunda precisión promedio más alta
• Grupo 3 - precisión promedio más baja

La precisión promedio una semana y cuatro semanas por delante fue:

• Grupo 1 - 91.1% para la semana 1;
  90.3% para la semana 4
• Grupo 2 - 86.4% para la semana 1; 
87.1% para la semana 4
• Grupo 3 - 82.9% para la semana 1; 
81.2% para la semana 4

En cada grupo, las oscilaciones de rendimiento se identificaron y contaron utilizando algoritmos patentados.

El Grupo 1 tuvo el menor número promedio de oscilaciones (0,83), mientras que el Grupo 3 tuvo el mayor número promedio de oscilaciones (3,25).

Oscilaciones de rendimiento y eventos ambientales y biológicos

Para comprender mejor los eventos que condujeron a las oscilaciones de rendimiento, recopilamos datos ambientales y biológicos de las ocho semanas anteriores a cada oscilación. Nuestra hipótesis era que los datos revelarían patrones o eventos que ocurren antes de las oscilaciones, que podrían usarse como indicadores para predecir oscilaciones en el futuro.

Los datos ambientales consistieron en datos climáticos que incluyen la temperatura y la humedad del ambiente protegido exterior e interior. Los datos biológicos incluyeron mediciones de registro de cultivos de crecimiento semanal, altura del racimo, longitud de la hoja, ancho del tallo y el número de hojas. También utilizamos un modelo patentado de balance de cultivo para medir el equilibrio de
la planta.

Estandarizamos los datos recopilados utilizando algoritmos patentados, y luego obtuvimos puntajes que indicaron la desviación de cada medición semanal de lo que normalmente se esperaría para la semana dada (puntajes de desviación).

Luego identificamos y contabilizamos patrones comunes en los puntajes de desviación en los datos ambientales y biológicos que conducen a las oscilaciones de rendimiento. A continuación, identificamos los patrones que tenían las correlaciones más fuertes con las oscilaciones de rendimiento bajo y alto. Finalmente, describimos los patrones identificados de manera contextual, como "poca luz en las últimas ocho semanas" y el riesgo de oscilación que representaban para el rendimiento, por ejemplo, "riesgo de bajo rendimiento en las próximas tres semanas" para un patrón de poca luz asociado con una oscilación de bajo rendimiento.

Nota: No interpretamos los datos de riego o plagas y enfermedades en este estudio porque las prácticas de riego y manejo de plagas son muy variables entre los productores y tienen un impacto directo en el rendimiento. Por lo tanto, ambos deberían incorporarse en la interpretación de los datos sobre la predicción del rendimiento y la toma de decisiones sobre el rendimiento.

Eventos ambientales que conducen a un bajo rendimiento

Los patrones más comunes observados en las ocho semanas anteriores a la ocurrencia de oscilaciones de bajo rendimiento fueron los siguientes:

• baja temperatura exterior nocturna (20%)
• baja luz total (19%)
• baja diferencia entre la temperatura interna diurna y nocturna (18%)
• baja temperatura exterior diurna (15%)

Estos eventos pueden servir como una advertencia para los productores de tomate de una posible oscilación de bajo rendimiento asociada con los patrones identificados. La advertencia puede enmarcarse como "riesgo de bajo rendimiento en las próximas tres semanas".

Eventos ambientales que conducen a un alto rendimiento

Los patrones más comunes observados en las ocho semanas anteriores a la ocurrencia de oscilaciones de alto rendimiento fueron:

• alta diferencia entre la temperatura interna diurna y nocturna (24%)
• alta temperatura exterior nocturna (22%)
• alta luz total (20%)

Estos eventos también pueden servir como una advertencia para los productores de tomate de una posible oscilación de alto rendimiento asociada con los patrones identificados. La advertencia puede enmarcarse como "riesgo de alto rendimiento en las próximas tres semanas".

Eventos biológicos que conducen a un bajo y alto rendimiento

Analizamos y comparamos las mediciones de crecimiento de las plantas de semanas que conducen a oscilaciones de bajo y alto rendimiento utilizando el análisis tabular de los puntajes de desviación como se describió anteriormente. Las semanas que condujeron a oscilaciones de bajo rendimiento mostraron evidencia de un mayor crecimiento vegetativo, como lo demuestran las mediciones de las plantas en comparación con las semanas que llevaron a oscilaciones de alto rendimiento. Por ejemplo, una puntuación de desviación más alta para el número de hojas en semanas que conducen a oscilaciones de bajo rendimiento es indicativo de más hojas y, por lo tanto, un mayor crecimiento vegetativo que en semanas que conducen a oscilaciones de alto rendimiento.

Para cada semana con una oscilación, también contamos el número de semanas en las ocho semanas anteriores donde el equilibrio de la planta indicó un crecimiento altamente vegetativo o altamente generativo. Esto se llevó a cabo utilizando puntajes de balance de plantas de nuestro modelo patentado.

Este período de 8 semanas se clasificó dependiendo de si la mayoría de esas semanas eran altamente vegetativas o altamente generativas. Si lo eran, el período de 8 semanas se denotaba como un evento vegetativo o generativo, respectivamente. Luego comparamos la proporción de eventos vegetativos o generativos en las semanas que conducen a oscilaciones de bajo y alto rendimiento. Esto indicó más eventos de crecimiento generativo en las semanas que condujeron a oscilaciones de alto rendimiento que en las semanas previas a oscilaciones de bajo rendimiento.

Sobre los autores