Doctorado en Ingeniería Agrícola y Uso Integral del Agua
Permanent URI for this collection
El posgrado hace énfasis en una sólida formación analítica, lógica y matemática de sus estudiantes, para proponer soluciones formales a problemas del campo mediante la aplicación de métodos estadísticos, modelos matemáticos e inteligencia artificial.
Browse
Recent Submissions
1 - 5 of 57
-
ItemClasifcación de café cereza con CNN para control de calidad(Universidad Autónoma Chapingo, 2025-11)La creciente demanda de sostenibilidad medioambiental, mejorar los ingresos de los productores y la escasez de mano de obra, el control de calidad en la producción de café es un factor determinante para acceder a mercados diferenciados. El objetivo de este estudio fue entrenar y validar un modelo de detección y clasificación de cerezas de café basado en redes neuronales convolucionales (CNN), integrando las características físicas del fruto para el control de calidad. Se realizó una revisión bibliométrica sobre el uso de la IA (inteligencia artificial) en la cadena de valor del café, un análisis de la relación entre el tamaño del fruto y los defectos. Se generó una base de datos de imágenes de cerezas de café (verdes, medianamente maduras, maduras, sobremaduras, con antracnosis y con ojo de gallo); modificando la concentración de luz, el fondo y la orientación de los frutos, además, se entrenó un modelo YOLOv8 de acuerdo con las normas internacionales de control de calidad. Existen pocos estudios de IA en detección y clasificación de cerezas dañadas por plagas o enfermedades, se centran más en las etapas de cultivo y tostado; el análisis de cerezas de café demostró una relación inversa entre el tamaño del fruto y la incidencia de defectos. El primer entrenamiento con una precisión de 0.984 se tuvo deficiencias en la detección de frutos pequeños; mejorando la base de datos, el segundo entrenamiento con una precisión de 0.91, recall de 0.906, mAP50 de 0.945 y 0.873 de mAP50-95 de forma general, detecta todas las clases en la implementación. Para obtener mejores beneficios económicos, es necesaria la implementación de maquinaria para la clasificación de las cerezas de café; esto puede hacerse teniendo en cuenta la morfología del fruto o, de forma más exhaustiva, implementando CNN, que es más preciso.
-
ItemAnálisis espaciotemporal de la sequía con SPEI en el Estado de México(Universidad Autónoma Chapingo, 2025-09-08)El cambio climático y la creciente demanda de agua están agravando los problemas de abastecimiento en la Ciudad de México y el Estado de México. La escasez de datos meteorológicos completos complica el análisis de fenómenos como las sequías. Para abordar esta limitación, se utilizaron datos climáticos históricos de Climate Engine (1981–2023) para calcular el índice SPEI a diferentes escalas temporales (1 a 24 meses). Los análisis estadísticos revelaron mayor homogeneidad en los datos de temperatura que en los de precipitación. La prueba de Mann–Kendall mostró un aumento significativo en la temperatura, pero no en la precipitación. Las sequías se han intensificado en la última década, con mayor frecuencia en el oeste del Estado de México y el suroeste de la Ciudad de México, especialmente en 2017, 2019, 2020, 2021 y 2023. El estudio comparó tres modelos de predicción del SPEI: el Filtro de Kalman con variables exógenas (DKF-ARX-Pt), redes neuronales GRU y redes NARX. La evaluación se basó en métricas como MAE, MSE, RMSE, R², NSE y KGE. El modelo DKF-ARX-Pt fue el más preciso y estable en todas las escalas, mientras que las redes GRU tuvieron un desempeño aceptable en escalas largas (SPEI12 y SPEI24), pero inestable en escalas cortas. Las redes NARX presentaron el peor desempeño, con altos errores y baja eficiencia. Se concluye que los modelos basados en filtros de Kalman son herramientas eficaces para predecir condiciones de sequía y apoyar la gestión hídrica en regiones vulnerables.
-
ItemProyecciones de cambio climático y su impacto en la producción de maíz en el DDR-Atlacomulco(Universidad Autónoma Chapingo, 2025-08)El cambio climático ha ocasionado un importante aumento de la temperatura y una reducción de las precipitaciones a nivel mundial en las últimas décadas. Ambas consecuencias se han identificado como las principales causas de las pérdidas de rendimiento en el cultivo del maíz. Para comprender el impacto del cambio climático en este cultivo, es necesario realizar estudios regionalizados que analicen el alcance de este fenómeno en las diferentes variables agroclimáticas. Por este motivo, se consideró el Distrito de Desarrollo Rural Atlacomulco (DDRA), un valle alto ubicado en el centro de México, como laboratorio climático. En primera instancia, en el DDRA se determinó que, durante el periodo 1985-2017, la temperatura máxima y mínima habían aumentado 1.02 ºC y 0,85 ºC, respectivamente, mientras que la precipitación anual había aumentado un 8.5%. Sin embargo, al realizar las proyecciones de cambio climático para el escenario SSP5-8.5 hacia el horizonte lejano 2061-2080, se espera un incremento de hasta 1.5 ºC y 2.0 ºC para la temperatura mínima y máxima, respectivamente, mientras que la precipitación se proyecta con una disminución inferior al 5%. Al presentarse dicha variabilidad climática, se identificó que la evapotranspiración de referencia (ET0) aumentara hasta un 7.5% en el futuro lejano, lo que se traduce en una mayor demanda hídrica para el cultivo de maíz en el DDRA. Asimismo, se espera que la variable Grados Días de Desarrollo aumente un 33%, lo que significa que las etapas fenológicas del maíz en el DDRA ocurrirán más rápido. Por otra parte, se analizaron los periodos de sequía agrícola para cada etapa fenológica de maíz, logrando calendarizar e identificar los momentos con mayor estrés hídrico para el cultivo. Se observará una mayor recurrencia de sequías agrícolas en el futuro, específicamente después del año 2061. Al modelar los rendimientos futuros de maíz, se identificó que hacia el año 2080, la producción por hectárea podría aumentar hasta un 24%, lo que indica que el cambio climático mejorará las condiciones agroclimáticas del DDRA para el cultivo de maíz.
-
ItemCaracterización agroclimatica de la parte media de la cuenca del rio Apulco en la zona nororiental de Puebla(Universidad Autónoma Chapingo, 2024-11)En los últimos años la variabilidad climática pone en riesgo a la producción del rendimiento agrícola. El problema de estudio radica en la incertidumbre de la ocurrencia de eventos climáticos y la disponibilidad de los requerimientos agroclimáticos que ponen en riesgo la producción del maíz. Por lo que es necesario indagar sobre metodologías que mejoren tales condiciones. Los objetivos de estudio fueron, general: se realizó la caracterización agroclimática para el cultivo de maíz en la parte media de la cuenca del rio Apulco en la zona Nororiental de Puebla, y los específicos: (1) realizar un análisis bibliométrico y metodologías para la zonificación agroclimática en el periodo 1990 – 2024; en el que se realizó una revisión sistemática de literatura y análisis bibliométrico con el software Bibliometrix con relación a las palabras clave zonificación agroclimática, agroecológica y edafoclimática; (2) se realizó la caracterización de la información climática de 19 estaciones meteorológicas en el periodo 1980 – 2018; (3) se realizó la caracterización agroclimática de 19 estaciones meteorológicas en el que se utilizó la paquetería Climatol 4.0.0 en R, Instat+v3.36 y Qgis. Los resultados fueron: la producción científica anual con una tendencia positiva entre los años 2002 al 2019 con los autores más productivos Caramori PH, Da Silva Ricce W, y Pitta-Alvarez S.; se encontró que la información climática tiene limitaciones de disponibilidad, se identificaron valores atípicos leves y extremos, incrementos y decrementos, valores repetidos consecutivos, que se deben revisar antes del análisis. Al considerar una fecha de siembra al 20% libre de heladas, esta, debe ser posterior a 15 de marzo, y se encontró que solo dos estaciones cumplen el umbral de precipitación y tres de las unidades calor con el 100% de probabilidad. Además, que los periodos secos son limitantes de la región.
-
ItemEvaluación del modelo de cultivo Hortsyst bajo un sistema de producción de jitomate en invernadero con fertirriego(Universidad Autónoma Chapingo, 2024-11)HortSyst es un modelo de crecimiento de jitomate (Solanum lycopersicum L.) para sistemas hidropónicos en invernadero el cual permite ajustar programas de nutrición del cultivo y riego. HortSyst asume que el cultivo no presenta limitación de agua en sistemas hidropónicos; sin embargo, en condiciones de cultivo en suelo si se pueden presentar limitaciones debido a las características hidráulicas del suelo. En este sentido, la presente investigación plantea adecuar el modelo HortSyst a sistemas de producción de jitomate en suelo en invernadero con fertirriego. Para estudiar la dinámica del agua en el suelo, se comparó el comportamiento de la humedad en el suelo resultado de simulaciones de pruebas de riego por goteo de un modelo generado en HYDRUS 2D con los datos observados en un modelo físico experimental. También se evaluó el modelo HortSyst para predecir la evapotranspiración del cultivo (ETc) de jitomate en un sistema de fertirriego en invernadero, en cuyo caso se compararon los valores de ETc observados mediante un balance hídrico y los simulados por el modelo HortSyst de dos ciclos de cultivo 2023 y 2024. Las predicciones del contenido de agua en el suelo del modelo HYDRUS 2D concuerdan con los valores observados, la raíz cuadrada del error cuadrático medio (RMSE) osciló entre 0.010 y 0.084 cm3 cm-3 y el índice de eficiencia de Nash-Sutcliffe (NSE) entre 0.660 y 0.996. Los parámetros estadísticos mostraron un buen desempeño del modelo HortSyst durante el ciclo 2023, con valores de NSE de 0.852 y de RMSE de 178.21 mm. En el ciclo 2024 el desempeño del modelo disminuyó considerablemente, con valores de NSE de 0.183 y de RMSE de 355.48 mm. Los resultados muestran el potencial del modelo HortSyst para predecir la ETc en suelo y la factibilidad de acoplarlo a un modelo que represente el comportamiento del agua en el suelo.