Ciclos agrícolas análogos al ENOS: predicción de rendimientos agrícolas de maíz y frijol de temporal en México

Autores/as

  • Miguel Ángel González González Pabellón Experimental Field-INIFAP. Aguascalientes-Zacatecas Highway km 32.5, Arteaga Pabellón, Aguascalientes, Mexico. ZC. 20670. Tel. 55.38718700, ext. 82508
  • Arturo Corrales-Suastegui Pabellón Experimental Field-INIFAP. Aguascalientes-Zacatecas Highway km 32.5, Arteaga Pabellón, Aguascalientes, Mexico. ZC. 20670. Tel. 55.38718700, ext. 82508
  • Mario Primitivo Narváez-Mendoza Pabellón Experimental Field-INIFAP. Aguascalientes-Zacatecas Highway km 32.5, Arteaga Pabellón, Aguascalientes, Mexico. ZC. 20670. Tel. 55.38718700, ext. 82508
  • Luis Antonio González-Jasso Pabellón Experimental Field-INIFAP. Aguascalientes-Zacatecas Highway km 32.5, Arteaga Pabellón, Aguascalientes, Mexico. ZC. 20670. Tel. 55.38718700, ext. 82508

DOI:

https://doi.org/10.29312/remexca.v16i30.4053

Palabras clave:

datos históricos, predicción de cosechas, teleconexión climática

Resumen

El sector socioeconómico depende cada vez más de herramientas eficientes y accesibles para predecir condiciones agroambientales. Este estudio utiliza un modelo de clasificación de árbol de decisiones para identificar ciclos agrícolas similares al fenómeno climático de El Niño Oscilación del Sur. El objetivo es relacionar históricamente los rendimientos agrícolas nacionales de maíz y frijol de temporal en México con ENOS, por medio de los censos agrícolas primavera-verano (PV) de 1980-2014 e identificar los ciclos primavera-verano análogos al El Niño Oscilación del Sur y simular posteriormente los rendimientos de 2015-2023 (promedio de años análogos) para ambos cultivos. Adicionalmente, los valores de las simulaciones se ajustaron con métodos como la desviación de rendimientos y la tendencia con la prueba de Mann-Kendall, del ciclo anterior. Los resultados del error de porcentaje medio absoluto (MAPE) muestran un buen ajuste para el maíz (MAPE= 4%) y el frijol (MAPE= 14%) con el uso de las desviaciones, la incorporación de la tendencia mejora ligeramente el ajuste en el frijol (MAPE= 11%), pero no en el maíz (MAPE= 22%). La eficacia de estos métodos como pronóstico de rendimientos con meses de anticipación depende en gran medida de la precisión de los pronósticos de la temperatura de El Niño Oscilación del Sur. Este método empírico demuestra potencial para aplicarse en otros cultivos de temporal y regiones influenciadas por El Niño Oscilación del Sur, por lo que ofrece una herramienta útil para la antelación de impactos socioeconómicos relacionados con este fenómeno.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Acosta-Díaz, E.; Hernández-Torres, I.; Rodríguez-Guerra, R.; Pedroza-Flores, J.; Amador-Ramírez, M. D. y Padilla-Ramírez, J. S. 2011. Efecto de la sequía en la producción de biomasa y grano de frijol. Revista Mexicana de Ciencias Agrícolas. 2(2):249-263.

Beebe, S. E.; Rao, I. M.; Blair, M. W. and Acosta-Gallegos, J. A. 2013. Phenotyping common beans for adaptation to drought. Frontiers in Physiology. 4(35):1-20. https://doi.org/10.3389/fphys.2013.00035.

Blanco-Macías, F.; Magallanes-Quintanar, R.; Márquez-Madrid, M.; Cerano-Paredes, J.; Martínez-Salvador, M. and Valdez-Cepeda, R. D. 2020. Relationship between El Niño Southern Oscillation and Mexico’s orange yield anomalies. Terra Latinoamericana. 38(4):827-832. https://doi.org/10.28940/terra.v38i4.582.

Bojórquez-Serrano, J. I.; Vidal-Martínez, V. A.; Álvarez-Bravo, A. and Coutiño-Estrada, B. 2020. Influence of ‘El Niño, southern oscillation’ on the yield of rainfed corn in Nayarit. Revista Mexicana de Ciencias Agrícolas. 11(6):1413-1421. https://doi.org/10.29312/remexca.v11i6.2572.

Cao, J.; Zhang, Z.; Tao, F.; Chen, Y.; Luo, X.; and Xie, J. 2023. Forecasting global crop yields based on El Nino Southern Oscillation early signals. Agricultural Systems. 205-103564:1-12. https://doi.org/10.1016/j.agsy.2022.103564.

Conde, C.; Ferrer, R. and Orozco, S. 2006. Climate change and climate variability impacts on rainfed agricultural activities and possible adaptation measures. A Mexican case study. Atmósfera. 19(3):181-194.

FAO. 2017. Organización de las Naciones Unidas para la Alimentación y la Agricultura. El estado mundial de la agricultura y la alimentación: innovación para la agricultura familiar. 1-153 pp. http://www.fao.org/3/a-i7658s.pdf.

Flores-Gallardo, H.; Flores-Magdaleno, H.; Rubiños-Panta, J. E.; Prado-Hernández, J. V.; Meraz-Maldonado, N. y Ascencio-Hernández, R. 2024. Simulación del crecimiento y rendimiento de frijol cultivado bajo temporal con el modelo aquacrOP. Revista Fitotecnia Mexicana. 47(4):359-368. https://doi.org/10.35196/rfm.2024.4.359.

García-Montesinos, L. E.; Fernández-Reynoso, D. S.; Rubio-Granados, E.; Martínez-Menez, M. R. and Tijerina-Chávez, L. 2020. Maize (Zea mays L.) yields in Southern Mexico calculated by the decision support system for agrotechnology transfer. Terra Latinoamericana. 38(4):859-870. https://doi.org/10.28940/terra.v38i4.751.

González-González, M. A. and Guertin, D. P. 2021. Seasonal bean yield forecast for non-irrigated croplands through climate and vegetation index data: geospatial effects. International Journal of Applied Earth Observation and Geoinformation, 105:102623:1-12. https://doi.org/10.1016/j.jag.2021.102623.

González-González, M. A.; and Corrales-Suastegui, A. 2024. Monthly precipitation outlooks for Mexico using El Niño Southern Oscillation indices approach. Atmosphere, 15(8):981:1-14. https://doi.org/10.3390/atmos15080981.

Kucharik, C. J. and Serbin, S. P. 2008. Impacts of recent climate change on Wisconsin corn and soybean yield trends. Environ. Res. Lett. 3(3), 034003:1-10. Doi: 10.1088/1748-9326/3/3/034003.

Llanes-Cárdenas, O.; Norzagaray-Campos, M.; Gaxiola, A. and González, G. E. G. 2020. Regional precipitation teleconnected with PDO-AMO-ENSO in northern Mexico. Theoretical and Applied Climatology, 140(1):667-681. https://doi.org/10.1007/s00704-019-03003-7.

Muñoz, I. M.; Osorio, E. Y. R.; Herrera, J. S. A. y David, L. L. 2022. Ruta turístico-gastronómica entre México y Colombia basada en sus productos endémicos: maíz y frijol Iucma-Uaem. TURPADE. Turismo, Patrimonio y Desarrollo. 12(7):1-13.

Najafi, E.; Devineni, N.; Khanbilvardi, R. M.; and Kogan, F. 2018. Understanding the changes in global crop yields through changes in climate and technology. Earth’s Future, 6(3):410-427. https://doi.org/10.1002/2017EF000690.

Qian, Y.; Zhao, J.; Zheng, S.; Cao, Y. and Xue, L. 2020. Risk assessment of the global crop loss in ENSO events. Physics and Chemistry of the Earth, Parts A/B/C, 116(3),102845:1-10. https://doi.org/10.1016/j.pce.2020.102845.

Ramírez-Gil, J. G.; Henao-Rojas, J. C. and Morales-Osorio, J. G. 2020. Mitigation of the adverse effects of the El Niño (El Niño, La Niña) Southern Oscillation (ENSO) phenomenon and the most important diseases in avocado cv. Hass crops. Plants, 9(6):790:1-21. https://doi.org/10.3390/plants9060790.

Rezaei, E. E.; Webber, H.; Asseng, S.; Boote, K.; Durand, J. L.; Ewert, F. and MacCarthy, D. S. 2023. Climate change impacts crop yields. nature reviews earth and environment. 4(12):831-846. https://doi.org/10.1038/s43017-023-00491-0.

Reyes-González, F.; Galvis-Spinola, A.; Almaraz-Suárez, J. J. y Hernández-Mendoza, T. M. 2021. Modelo estadístico para la predicción del rendimiento de grano en maíz. Revista Mexicana de Ciencias Agrícolas. 12(3):447-459. https://doi.org/10.29312/remexca.v12i3.2482.

Sazib, N.; Mladenova, L. E.; and Bolten, J. D. 2020. Assessing the impact of ENSO on agriculture over Africa using earth observation data. Frontiers in Sustainable Food Systems. 4, 509914:1-11. Doi: 10.3389/fsufs.2020.509914.

Servín-Palestina, M.; Salazar-Moreno, R.; López-Cruz, I. L.; Medina-García, G. y Cid-Ríos, J. A. 2022. Predicción de la producción y rendimiento de frijol, con modelos de redes neuronales artificiales y datos climáticos. Biotecnia. 24(2):104-111. https://doi.org/10.18633/biotecnia.v24i2.1664.

Siebert, S.; Webber, H. and Rezaei, E. E. 2017. Weather impacts on crop yields-Searching for simple answers to a complex problem. Environ. Res. Lett. 12(8):1-3. https://doi.org/10.1088/1748-9326/aa7f15.

Velasco-Hernández, M. D. L. Á.; Morales-Acoltzi, T.; García-Castro, M. Á.; Bernal-morales, R.; Zagoya-Martínez, J.; Juárez-Sánchez, J. P. and Ramírez-Valverde, B. 2021. Effects of atlantic and Pacific Ocean teleconnections on corn yield east of Puebla, Mexico: case studies. International Journal of Environment and Climate Change. 11(1):85-99. Doi: 10.9734/IJECC/2021/v11i130346.

Yadav, K.; and Geli, H. M. 2021. Prediction of crop yield for New Mexico based on climate and remote sensing data for the 1920-2019 period. Land. 10(12):1389:1-27. https://doi.org/10.3390/land10121389.

Zhai, P.; Yu, R.; Guo, Y.; Li, Q.; Ren, X.; Wang, Y. and Ding, Y. 2016. The strong El Niño of 2015/16 and its dominant impacts on global and China's climate. Journal of Meteorological Research. 30:283-297. https://doi.org/10.1007/s13351-016-6101-3.

Zipper, S. C.; Qiu, J. and Kucharik, C. J. 2016. Drought effects on US maize and soybean production: spatiotemporal patterns and historical changes. Environ. Res. Lett. 11(9):094021:1-21. Doi: 10.1088/1748-9326/11/9/094021.

Descargas

Publicado

2025-10-18

Cómo citar

González González, Miguel Ángel, Arturo Corrales-Suastegui, Mario Primitivo Narváez-Mendoza, y Luis Antonio González-Jasso. 2025. «Ciclos agrícolas análogos Al ENOS: Predicción De Rendimientos agrícolas De maíz Y Frijol De Temporal En México». Revista Mexicana De Ciencias Agrícolas 16 (30). México, ME:e4053. https://doi.org/10.29312/remexca.v16i30.4053.

Número

Núm. 30 (2025): Especial

Sección

Artículos

Licencia

Derechos de autor 2025 Revista Mexicana de Ciencias Agrícolas

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores(as) que publiquen en Revista Mexicana de Ciencias Agrícolas aceptan las siguientes condiciones:

De acuerdo con la legislación de derechos de autor, Revista Mexicana de Ciencias Agrícolas reconoce y respeta el derecho moral de los autores(as), así como la titularidad del derecho patrimonial, el cual será cedido a la revista para su difusión en acceso abierto.

Los autores(as) deben de pagar una cuota por recepción de artículos antes de pasar por dictamen editorial. En caso de que la colaboración sea aceptada, el autor debe de parar la traducción de su texto al inglés.

Todos los textos publicados por Revista Mexicana de Ciencias Agrícolas -sin excepción- se distribuyen amparados bajo la licencia Creative Commons 4.0 atribución-no comercial (CC BY-NC 4.0 internacional), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.

Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en Revista Mexicana de Ciencias Agrícolas (por ejemplo incluirlo en un repositorio institucional o darlo a conocer en otros medios en papel o electrónicos) siempre que indique clara y explícitamente que el trabajo se publicó por primera vez en Revista Mexicana de Ciencias Agrícolas.

Para todo lo anterior, los autores(as) deben remitir el formato de carta-cesión de la propiedad de los derechos de la primera publicación debidamente requisitado y firmado por los autores(as). Este formato debe ser remitido en archivo PDF al correo: revista_atm@yahoo.com.mx; revistaagricola@inifap.gob.mx.

 

Esta obra está bajo una licencia de Creative Commons Reconocimiento-No Comercial 4.0 Internacional.

Artículos más leídos del mismo autor/a