Planejamento Agrícola com Modelos Quantitativos

Autores

DOI:

https://doi.org/10.47633/86vt6976

Palavras-chave:

planejamento agrícola, programação linear, séries temporais, Prophet, FAOSTAT, milho, trigo

Resumo

Este trabalho apresenta uma abordagem de planejamento agrícola baseada no uso de modelos quantitativos de previsão e otimização para melhorar a alocação da área cultivável entre milho e trigo. Utilizando dados oficiais da Food and Agriculture Organization of the United Nations (FAO, 2023), foram implementados métodos de séries temporais por meio do modelo Prophet para estimar a evolução da produção futura (Taylor & Letham, 2018). Além disso, aplicou-se a programação linear clássica para determinar a distribuição ótima de hectares a serem cultivados, maximizando o rendimento esperado sob condições de restrição de recursos (Dantzig, 1963). A análise sugere que a integração de técnicas de previsão com modelos de otimização possibilita uma tomada de decisão agrícola mais eficiente e fundamentada em dados reais. Ademais, destaca-se o potencial dessas ferramentas para gerar cenários preditivos que orientem tanto o planejamento estratégico quanto o operacional em nível nacional ou regional. Este estudo apresenta evidências de como a tecnologia e a análise de dados podem transformar positivamente a forma como são concebidas políticas agrícolas sustentáveis.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Cristina Urbina-Céspedes, Instituto Tecnológico de Costa Rica. Cartago, Costa Rica

    Pesquisadora

  • Mauricio Alonso Campos-Cerdas, Instituto Tecnológico de Costa Rica. Cartago, Costa Rica

    Pesquisador

  • Juan Bautista Núñez-Parrales, Instituto Tecnológico de Costa Rica. Cartago, Costa Rica

    Pesquisador

Referências

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.

La portada presenta el título de la edición especial, Investigación desde las aulas, los logos de la Revista Académica Arjé, la Universidad Técnica Nacional y del Instituto Tecnológico de Costa Rica, y la ilustración digital de dos estudiantes rodeados de elementos representativos de las temáticas abarcadas en este número.

Downloads

Publicado

2026-02-13

Edição

v. 9 n. 1 (especial) (2026): Pesquisa a partir da sala de aula

Seção

Publicações revisadas por pares (artigos, ensaios, revisões de literatura/bibliográficas)

Licença

Copyright (c) 2026 Cristina Urbina-Céspedes, Mauricio Alonso Campos-Cerdas, Juan Bautista Núñez-Parrales

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Todos os artigos da Revista Académica Arjé são publicados sob a licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0).

Isso significa que:

  • Atribuição: É necessário dar o devido crédito aos autores originais, incluir um link para a licença e indicar se foram feitas alterações.

  • NãoComercial: Não é permitido utilizar o material para fins comerciais.

  • CompartilhaIgual: Se a obra for transformada ou remixada, a versão derivada deve ser distribuída sob a mesma licença.

Mais informações em: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt

Como Citar

Urbina-Céspedes, C., Campos-Cerdas, M. A., & Núñez-Parrales, J. B. (2026). Planejamento Agrícola com Modelos Quantitativos. Revista Acadêmica Arjé, 9(1 (especial), 1-17. https://doi.org/10.47633/86vt6976

Artigos Semelhantes

1-10 de 52

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.