• Logo Biblioteca de la Universidad de Sevilla
  • Páginas

  • Categorías

  • RSS GME RSS

    • Se ha producido un error; es probable que la fuente esté fuera de servicio. Vuelve a intentarlo más tarde.
  • Archivo de MATBUS

  • Comentarios recientes

    Mando a distancia te… en Nuevo curso, nuevo sitio del…
    AmongNosotros en Se inspira en el juego ‘Among…
    Jorge en Se inspira en el juego ‘Among…
  • Escribe tu dirección de correo electrónico para suscribirte a este blog, y recibir notificaciones de nuevos mensajes por correo.

    Únete a 133 seguidores más

Matemáticas para igualar la oferta y la demanda en agricultura

La Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) ha elegido 2020 como el Año Internacional de la Salud Vegetal, con el objetivo de concienciar sobre la importancia de la protección de la salud de las plantas para erradicar el hambre, reducir la pobreza y proteger el medio ambiente.

Una de las claves es casar la producción y demanda de productos frescos a nivel mundial, para no desperdiciar alimentos, y evitar crisis de precios. Es una tarea compleja, pero posible hoy en día gracias a la existencia de gran cantidad de datos y la inteligencia artificial.

Se modeliza matemáticamente el mercado de alimentos de forma global como un sistema complejo, identificando las características de producción y consumo de la agricultura en cada país y también las relaciones comerciales entre los países.

El resultado, tras procesar esta enorme cantidad de datos, es un grafo, donde cada vértice es un país, y las aristas representan las exportaciones e importaciones de productos frescos entre países.

A partir de las propiedades de los vértices y aristas de este grafo se generan variables derivadas, que resumen el estado de la red, es decir, del mercado, en cada instante de tiempo.

Para lograr una predicción fiable, es fundamental disponer de un conjunto de datos que describan el sistema de forma completa.

Uno de los datos que se precisa conocer son las superficies cultivadas y el estado vegetativo de los cultivos, lo que es posible gracias a la teledetección, que consigue reconocer de forma remota cada cultivo y estimar su producción a partir de satélites y drones, y algoritmos de machine learning.

Con estas técnicas se ha podido diferenciar entre distintas variedades y analizar la evolución de su estado vegetativo, pero aún es preciso mejorar las estimaciones de la producción de un cultivo generadas a partir de la teledetección, para que se ajusten más a la realidad.

Fuente:

https://elpais.com/elpais/2020/01/30/ciencia/1580408177_237070.html

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

A %d blogueros les gusta esto: