Your SlideShare is downloading. ×
0
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia

925

Published on

Presentación de BIg Data en Arroz en Colombia en el marco de la XXXIV Reunión del Comité Administrativo del FLAR, realizada el 4 y 5 de noviembre en San José, Costa Rica

Presentación de BIg Data en Arroz en Colombia en el marco de la XXXIV Reunión del Comité Administrativo del FLAR, realizada el 4 y 5 de noviembre en San José, Costa Rica

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
925
On Slideshare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
15
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Uso de grandes datos (Big Data) en la Agricultura- Caso de estudio FEDEARROZ en Colombia Big Data www.ciat.cgiar.org Agricultura Eco-Eficiente para Reducir la Pobreza
  • 2. Información eventos productivos (cosechas) = Grandes datos •Utilizar información de eventos productivos para entender la variabilidad en la producción •De reduccionista a holístico (combinación de factores y sus interacciones) •Basado en los principios de investigación operacional •Generación de conocimiento para tomadores de decisiones en agricultura (investigadores, gremios, extensionistas, agricultores) •N= Todo (eventos productivos)
  • 3. Cómo hacerlo? + Clima = + Suelo Manejo agronómico Producción Rdto/ha PARA: Identificar factores o combinaciones de factores que conducen a altas o bajas producciones %? + %? + %? = A Explicar (100 %)
  • 4. Cómo hacerlo? Información primaria: capturada a través de diferentes fuentes – Plataforma en línea Información secundaria : Bases de datos existentes  Divulgación Captura Limpieza, organización, almacenamiento Reporte Interpretación, validación Análisis Motor cuyo combustible son los datos !
  • 5. Caso de estudio datos FEDEARROZ en Colombia Colombia? laboratorio natural
  • 6. Caso de estudio datos FEDEARROZ en Colombia Colombia? FEDEARROZ un gremio que ha compartido información ENA (Encuesta Nacional Arrocera) 3 semestres de datos Registros de cosecha • Saldaña y Purificación o 08/2009 a 12/2012 • 2010A : • 2011A : • 2012A : o 530 eventos productivos • Casanare – Yopal Total : alrededor de 400 eventos productivos o 07 a 09/2013 o 91 eventos productivos • Monteria (CI La Victoria) o 2012A o 192 eventos productivos De lo general…………………………………………………………….. A lo específico
  • 7. Rendimieto (Kg/HA) Baja productividad inhabitual N= alrededor de 400 eventos productivos 7000 6500 6000 5500 5000 4500 4000 3500 3000 2010A 2011A Riego integral Semestre evaluado Riego complementario 2012A Secano mecanizado Rendimientos promedios nacionales por sistema de riego, periodo 2010-2012. Fuente ENA FEDEARROZ Zona llanos Rendimieto (Kg/HA) 7000 6200 5400 4600 3800 3000 2010A 2011A 2012A Semestre evaluado Riego integral Secano mecanizado Rendimientos promedios zona llanos por sistema de riego, periodo 2010-2012. Fuente ENA FEDEARROZ
  • 8. Panorama actual de la producción Sistema riego integral Rendimiento de las diferentes variedades en función de la zona N= alrededor de 400 eventos productivos Desempeño de variedades de arroz bajo 4 diferentes zonas agroecológicas
  • 9. Caso específico estación de Saldaña • Cuenta con meteorológica estación • Ha Compartido información  Saldaña 08/2009 a 12/2012  N: 530 eventos productivos Clima (%) + Suelo + Manejo agronómico = Rdto/Lote
  • 10. Hipótesis de trabajo la variación del rendimiento en arroz en Saldaña esta asociada al clima Lote Siembra Cosecha tiempo Un evento productivo de arroz = alrededor de 120 días Serie climática completa para 5 variables
  • 11. Arroz Información secundaria -> FEDEARROZ un gremio con información Clima (%) + Suelo (%) + Manejo agronómico (%) = Rdto/Lote Análisis multivariado para Saldaña : Todos los eventos (2010 hasta 2012), con todas las variedades, N = 329 8 6.12 % Contribución al R2 6 5.59 5.04 4 3.39 2.97 2.33 2 0.86 0 Tmx Tmean Ener_min Ener_Accu Tmin Days_Tmax1 AccuT_Base11 Clima explica: 26.3 % del rendimiento
  • 12. Información secundaria -> FEDEARROZ un gremio con información Análisis multivariado para Saldaña : Todos los eventos (2010 hasta 2012), con por variedad N = 98 % de varianza explicada Fedearroz 733 12.00 Para FEDEARROZ 733, el clima explica el 37% del rendimiento 10.43 10.00 8.00 6.20 6.03 6.00 4.78 4.00 3.76 3.74 1.92 2.00 0.00 N = 112 % de varianza explicada Lagunas 10.00 8.00 8.05 6.57 6.00 4.00 2.00 0.00 3.53 1.26 1.03 0.94 0.50 Para Lagunas, el clima explica el 22% del rendimiento
  • 13. Arroz Información secundaria -> FEDEARROZ un gremio con información Análisis multivariado para Saldaña : Todos los eventos (2010 hasta 2012), con variedad FEDEARROZ 733 % de varianza explicada Fedearroz 733 12.00 N = 98 10.43 10.00 8.00 6.20 6.00 6.03 4.78 4.00 3.76 3.74 1.92 2.00 0.00 No lineal - Naturaleza Perfiles de las variables – conocimiento valioso ! – Aprovechando el poder de la tecnología Ener_accu Tmax 9000 9000 7500 Rendimiento Rendimiento 7500 6000 4500 3000 6000 4500 3000 1500 1500 0 34 35 36 37 Tmax 38 39 0 52000 53000 54000 55000 56000 57000 58000 Ener_accut
  • 14. Arroz Análisis por etapas fenológicas : Trabajo multidiciplinario , combinación FEDEARROZ CIAT Siembra VEG FLOR FLOR Ini Pan Ini Pan Cosecha VEG Cómo aumentar la predicción? Variedad 1 Variedad 2 Fase vegetativa Iniciación panícula Floración Llenado grano
  • 15. Arroz Todos los eventos (2010 hasta 2012), todas las variedades, trabajando en conjunto, N= 329 20 Perfil de la variable – Eneraccu_LLEN 17.76 Varianza explicada 15 10 6.03 Alcanzamos a explicar más del 40 % de variación en el rendimiento 5 3.06 2.74 2.56 1.87 1.56 1.51 1.46 1.38 1.31 0.85 0.69 0.53 0.53 0.50 0 • • • Pasamos de explicar con clima 26.3 % a 44.3 % con etapas fenológicas Siembras orientadas a aprovechar al máximo Eneraccu_llen. Mitigar influencia del clima Bases de mejoramiento para el futuro
  • 16. Arroz BOOT VEGETATIVA 8 % Varianza explicada % Varianza explicada 10 7.93 6.38 6 4 2.11 2 4 3.53 3 2 1.26 0.73 1 0 Tmax_BOOT 0 Eneraccu_VEG Tmin_VEG Tmin_BOOT GDaccu11_BOOT TEMPavg_VEG % Varianza explicada 25.7 25.0 20.0 N = 329 16.5 15.0 10.0 6.1 7.9 5.0 0.0 VEGETATIVA FLOR 6 5 4 3 2 1 0 30.0 BOOT FLOR Etapa del cultivo 4.81 2.88 Tmin_FLOR Tmax_FLOR Axis Title LLEN LLEN % Varianza explicada R2 por el modelo de regresión Análisis por ventana 25 21.79 20 15 10 5 0 1.52 1.06 0.88
  • 17. Resultados preliminares con manejo agronómico Clima (%) + Suelo + siembra canhec cultant1 nitroge fosfate potash numfer numher numins numfun duracin_ciclo sistecose humedad impure semestre vartip variedad cozona sistema rend Manejo agronómico = Rdto/Lote Fecha de siembra evaluada en día calendario, cuantos días tiene el cultivo tomando como referencia el 1 de enero Cantidad de semilla por hectárea (Kg/HA) Cual fue el cultivo anterior Cantidad de nitrógeno por hectárea utilizado sobre el cultivo (kg/HA) Cantidad de fosforo por hectárea utilizado sobre el cultivo (kg/HA) Cantidad de potasio por hectárea utilizado sobre el cultivo (kg/HA) Número de veces que el cultivo fue fertilizado Número de veces que el cultivo fue tratado con herbicidas Número de veces que el cultivo fue tratado con insecticidas Número de veces que el cultivo fue tratado con funguicidas Duración en días del ciclo productivo Sistema de cosecha implementado en el cultivo Humedad del grano en % Impureza del grano en % Semestre en el que el cultivo es establecido Tipo de variedad (certificado/No Certificado) Variedad utilizada en el cultivo Zona en la que fue sembrada el cultivo Sistema en el que fue sembrado el cultivo Rendimiento del cultivo (kg/HA)
  • 18. Resultados preliminares con manejo agronómico Fedearroz 733 ZONA 1 Sistema de riego 1 N= 32 eventos de producción (Centro) (Riego Integral) Coefficients: 30.00 Estimate Std. Error t value Pr(>|t|) fosfate potash numins numfun duracin_ciclo semestre2011A semestre2012A vartipN 13448.43 1667.654 -18.774 5.819 13.748 3.354 -347.542 94.22 262.812 98.161 -41.153 13.212 -688.294 372.795 -1543.34 353.488 -488.663 286.116 8.064 -3.226 4.099 -3.689 2.677 -3.115 -1.846 -4.366 -1.708 1.03E-07 *** 0.004236 ** 0.000559 *** 0.001455 ** 0.014476 * 0.005457 ** 0.079701 . 0.000299 *** 0.103128 25.00 Varianza explicada (Intercept) 27.37 20.00 15.00 14.14 10.09 10.00 5.00 0.00 --Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 427.2 on 20 degrees of freedom Multiple R-squared: 0.7863, Adjusted R-squared: 0.7009 78 % de variación en el rendimiento 8.76 7.40 5.49 5.37
  • 19. Resultados preliminares con manejo agronómico Fedearroz 733 ZONA 3 Sistema de riego 1 (Nororiental) (Riego Integral) N=26 eventos de producción 30.00 Coefficients: nitroge fosfate potash numfer vartipN Estimate Std. Error t value Pr(>|t|) 7180.568 996.539 7.206 5.64E-07 *** 12.308 5.193 2.37 0.028 * 6.473 4.671 1.386 0.181 -10.59 6.169 -1.717 0.1015 -541.692 195.855 -2.766 0.0119 * -960.314 350.047 -2.743 0.0125 * 25.00 Varianza explicada (Intercept) 28.08 20.00 15.00 10.37 10.00 9.01 5.63 --Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 0.5558, Adjusted R-squared: F-statistic: 5.005 on 5 and 20 DF, 2.48 0.00 Residual standard error: 779.7 on 20 degrees of freedom Multiple R-squared: 5.00 0.4447 vartip numfer nitroge fosfate potash p-value: 0.003912 55 % de variación en el rendimiento Vartip: Tipo de variedad (certificado/No Certificado)
  • 20. Resultados preliminares con manejo agronómico Fedearroz 60 ZONA 1 Sistema de riego 1 N= 27 eventos de producción (Centro) (Riego Integral) 25.00 siembra canhec potash numfer numher numins semestre2011A semestre2012A --Signif. codes: 20.47 20.00 Varianza explicada (Intercept) Estimate Std. Error t value Pr(>|t|) 3690.987 861.08 4.286 0.000444 *** 5.633 2.637 2.136 0.046704 * 14.776 3.703 3.991 0.000857 *** 3.886 2.52 1.542 0.140414 302.712 86.07 3.517 0.002462 ** -451.635 109.235 -4.135 0.000623 *** -213.417 105.87 -2.016 0.058995 . -371.702 373.825 -0.994 0.333247 1376.037 765.684 1.797 0.089113 . 15.00 12.40 11.39 9.14 10.00 8.64 5.37 5.00 2.76 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 0.00 Residual standard error: 508.1 on 18 degrees of freedom Multiple R-squared: 0.7016, Adjusted R-squared: F-statistic: 5.291 on 8 and 18 DF, numher semestre canhec 0.569 p-value: 0.00162 70 % de variación en el rendimiento numfer siembra potash numins
  • 21. Resultados preliminares con manejo agronómico (Noroccidental) (Riego Integral) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 16194.3 5881.317 2.754 0.0249 * canhec 10.56 6.08 1.737 0.1206 cultant1 -279.315 263.478 -1.06 0.32 nitroge 19.214 5.982 3.212 0.0124 * numher 206.886 171.314 1.208 0.2617 duracin_ciclo -107.901 47.52 -2.271 0.0528 . semestre2012A -2028.42 764.114 -2.655 0.029 * vartipN 667.718 432.321 1.544 0.161 vartipP -264.846 599.059 -0.442 0.6701 --Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 510 on 8 degrees of freedom Multiple R-squared: 0.893, Adjusted R-squared: 0.786 F-statistic: 8.347 on 8 and 8 DF, p-value: 0.00351 N= 17 eventos de producción 35.00 30.00 Varianza explicada Fedearroz 473 ZONA 4 Sistema de riego 1 29.92 25.00 20.00 15.00 17.18 12.99 10.00 9.17 8.68 6.12 5.00 0.00 89.3 % de variación en el rendimiento 5.25
  • 22. Resultados preliminares con manejo agronómico Improarroz 1550 ZONA 2 Sistema de riego 3 (Llanos) (Secano Mecanizado) N=15 eventos de producción Coefficients: 45.00 35.00 30.00 25.00 19.90 20.00 15.00 10.00 --Signif. codes: 41.59 40.00 Varianza explicada Estimate Std. Error t value Pr(>|t|) (Intercept) 6346.356 1070.254 5.93 0.00103 ** siembra -12.365 5.164 -2.395 0.05369 . cultant1 -111.82 61.405 -1.821 0.11845 numfer -247.794 123.417 -2.008 0.09144 . numher -623.946 201.154 -3.102 0.02107 * numins 591.289 205.221 2.881 0.02801 * numfun 1026.2 314.061 3.268 0.01709 * semestre2011A -1169.03 309.927 -3.772 0.00927 ** semestre2012A -2506.37 643.193 -3.897 0.00801 ** 7.31 6.55 6.04 5.80 5.00 2.38 0.00 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 semestre numfun Residual standard error: 475.2 on 6 degrees of freedom Multiple R-squared: 0.8956, Adjusted R-squared: F-statistic: 6.436 on 8 and 6 DF, 0.7565 p-value: 0.01783 89 % de variación en el rendimiento numins cultant1 siembra numher numfer
  • 23. Conclusiones • Las herramientas de análisis han arrojado resultados preliminares que tienen sentido • Trabajo multidisciplinario mucho más poderoso que el individual (fisiólogos, agrónomos, estadísticos, fitomejoradores, acompañamiento de expertos) • Por ahora clima y manejo… a probar suelos… otros factores • A mayor cantidad de información mayor confiabilidad y robustez de los resultados
  • 24. Perspectivas • Acercamiento que responde a los propósitos de donantes y clientes (product- outcome- impact) • Explotación de información que ha sido obtenida con múltiples fuentes y diferentes propósitos para generar nuevo conocimiento para acelerar el desarrollo en la agricultura • En la medida que hayan datos disponibles se puede hacer en cualquier lugar • Mas importante….
  • 25. • Hoy arroz en Colombia pero las herramientas, recurso humano, tecnológico , voluntad y pasión están al servicio de toda la región ! Muchas gracias por su atención ! Agricultura Específica por Sitio (AEPS) y uso de grandes datos (Big Data) en la Agricultura Información primaria: capturada a través de diferentes fuentes : http://www.youtube.com/watch?v=qju9Y-X1mN8 Contacto : Daniel Jiménez R d.jimenez@cgiar.org

×