Predicción del rendimiento del trigo para múltiples cultivares basada en factores agroclimáticos

Resumen

Este estudio tuvo como objetivo evaluar el rendimiento de cuatro cultivares de trigo duro Odysseo, Saragola, Irid y Maestrale utilizando dos técnicas de aprendizaje automático: árboles de clasificación y regresión y árboles aleatorios. El análisis de árboles de clasificación y regresión demostró que la temperatura media anual es el factor dominante que influye en el rendimiento en todos los cultivares. Para los cultivares Saragola, Irid y Maestrale, el rendimiento aumentó significativamente cuando la temperatura media anual superó los 17.25 °C, particularmente cuando la densidad de emergencia era óptima. Por el contrario, el cultivar Odysseo mostró sensibilidad tanto a la temperatura media anual como a las semillas por espiga, con mayores rendimientos asociados a una temperatura media anual superior a 17.25 °C y semillas por espiga superiores a 33.6. El análisis de árboles aleatorios confirmó la importancia de la temperatura media anual y la densidad de emergencia, destacando su fuerte poder predictivo. Los modelos proporcionaron una mayor robustez y capacidad de generalización al reducir la varianza de predicción, lo que los convierte en herramientas fiables para la predicción del rendimiento. Estos hallazgos subrayan las respuestas específicas de cada cultivar a las condiciones agroclimáticas, donde Odysseo está influenciado tanto por la temperatura media anual como por las semillas por espiga, mientras que Saragola, Irid y Maestrale demuestran una interacción crítica entre la temperatura media anual y la densidad de emergencia. La integración de los modelos de árboles aleatorios mejora la precisión de la predicción y ofrece información valiosa para el desarrollo de estrategias de agricultura de precisión adaptadas a las condiciones ambientales.