Planificación Agrícola con Modelos Cuantitativos
DOI:
https://doi.org/10.47633/86vt6976Palabras clave:
planificación agrícola, programación lineal, series temporales, Prophet, FAOSTAT, maíz, trigoResumen
Este trabajo presenta un enfoque de planificación agrícola basado en el uso de modelos cuantitativos de pronóstico y optimización para mejorar la asignación de superficie cultivable entre maíz y trigo. Utilizando datos oficiales de la plataforma (Food and Agriculture Organization of the United Nations (FAO), 2023), se implementaron métodos de series temporales mediante el modelo Prophet para estimar la evolución de la producción futura (Taylor & Letham, 2018) . Asimismo, se aplicó programación lineal clásica para determinar la distribución óptima de hectáreas a cultivar, maximizando el rendimiento esperado bajo condiciones de restricción de recursos (Dantzig, 1963). El análisis sugiere que la integración de técnicas de pronóstico con modelos de optimización permite una toma de decisiones agrícolas más eficiente y sustentada en datos reales. Además, se destaca el potencial de estas herramientas para generar escenarios predictivos que orienten tanto la planificación estratégica como la operativa a nivel nacional o regional. Este estudio aporta evidencia de cómo la tecnología y el análisis de datos pueden transformar positivamente la forma en que se diseñan políticas agrarias sostenibles.
Descargas
Referencias
Rodríguez, A. (2023). Estrategias de desarrollo económico para el siglo XXI. Editorial Académica.
Dantzig, G. B. (1963). Linear programming and extensions. Princeton: Princeton University Press.
Taylor, S. J., & Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37–45. doi:https://doi.org/10.1080/00031305.2017.1380080
Food and Agriculture Organization of the United Nations (FAO). (2023). Retrieved from FAOSTAT statistical database: https://www.fao.org/faostat/en/#data/QCL
Castillo, E., Delgado, O., de León, H., Escartin, L., Saéz, Y., & Collado, E. (2021). Mejoramiento del uso de suelo en la agricultura mediante herramientas basadas en optimización. I+D Tecnológico, 17(2). https://doi.org/10.33412/idt.v17.2.3144
Custodio, J. M., Billones, R. K., Concepcion, R., & Vicerra, R. R. (2024). Optimization of Crop Harvesting Schedules and Land Allocation Through Linear Programming. Process Integration and Optimization for Sustainability, 8(1). https://doi.org/10.1007/s41660-023-00357-4
Esteso, A., Alemany, M. M. E., Ortiz, Á., & Iannacone, R. (2022). Crop planting and harvesting planning: Conceptual framework and sustainable multi‐objective optimization for plants with variable molecule concentrations and minimum time between harvests. Applied Mathematical Modelling, 112. https://doi.org/10.1016/j.apm.2022.07.023
Ji, H., He, X., Wang, W., & Zhang, H. (2023). Prediction of Winter Wheat Harvest Based on Back Propagation Neural Network Algorithm and Multiple Remote Sensing Indices. Processes, 11(1). https://doi.org/10.3390/pr11010293
Piedra Rivas, M. C., Banegas Campoverde, C. M., & Castillo Ortega, Y. (2021). Modelo de optimización de la cadena de distribución de la agricultura familiar campesina en las parroquias Quingeo y Santa Ana del Cantón Cuenca. ConcienciaDigital, 4(2). https://doi.org/10.33262/concienciadigital.v4i2.1630
Rambauth Ibarra, G. E. (2022). Agricultura de Precisión: La integración de las TIC en la producción Agrícola. Computer and Electronic Sciences: Theory and Applications, 3(1). https://doi.org/10.17981/cesta.03.01.2022.04
Desai, M., & Shingala, A. (2023). Time Series Prediction of Wheat Crop based on FB Prophet Forecast Framework. ITM Web of Conferences, 53. https://doi.org/10.1051/itmconf/20235302014
Hunt, J., Rees, H. van, Hochman, Z., Carberry, P., Holzworth, D., Dalgliesh, N., Poulton, P., Rees, S. van, Huth, N., & Peake, A. (2006). Yield Prophet ®: An online crop simulation service. Proceedings of the 13th ASA Conference,"Ground Breaking Stuff", January.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Cristina Urbina-Céspedes, Mauricio Alonso Campos-Cerdas, Juan Bautista Núñez-Parrales
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todos los artículos de la Revista Académica Arjé se publican bajo la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0).
Esto implica que:
- Reconocimiento: se debe otorgar crédito a los autores originales, incluir un enlace a la licencia e indicar si se han realizado cambios.
- No Comercial: no se permite utilizar el material con fines comerciales.
- Compartir Igual: si se transforma o remezcla la obra, la versión derivada debe distribuirse bajo la misma licencia.
Más información en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
