ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO FACULTAD DE RECURSOS

NATURALES

CARRERA DE AGRONOMÍA

Nombres y apellidos:
Lennin Robinson Granizo Garces

Consulta:
Investigación sobre modelos
matemáticos en la agricultura

Código:
7178

Fecha:
07 de Junio del 2023

Profesor:
Ing. Carmen Mantilla

PERIODO ACADÉMICO:
PERIODO ACADEMICO 03 ABRIL 2023-16 AGOSTO 2023
 Modelos matemáticos aplicados a la

agricultura

Los modelos matemáticos son herramientas utilizadas en la agricultura para comprender

y predecir fenómenos relacionados con el crecimiento de cultivos, la gestión de plagas,
el riego, la calidad del suelo y otros aspectos relevantes para la producción agrícola.
Estos modelos permiten a los agricultores y científicos simular diferentes escenarios y
tomar decisiones informadas basadas en datos.

A continuación, se presentan algunos ejemplos de modelos matemáticos aplicados a la

agricultura:

1. Modelos de crecimiento de cultivos: Estos modelos se utilizan para predecir el

crecimiento y desarrollo de los cultivos a lo largo del tiempo. Toman en cuenta factores
como la temperatura, la luz solar, la disponibilidad de agua y nutrientes, y la interacción
entre estos factores. Estos modelos pueden ayudar a los agricultores a determinar el
momento adecuado para sembrar, aplicar fertilizantes y realizar cosechas.

2. Modelos de balance hídrico: Estos modelos se centran en la gestión del agua en la

agricultura. Permiten estimar las necesidades de riego de los cultivos en función de
factores como la evapotranspiración, la capacidad de retención de agua del suelo y las
condiciones climáticas. Estos modelos ayudan a los agricultores a optimizar el uso del
agua y evitar el riego excesivo o insuficiente.

3. Modelos de gestión de plagas: Estos modelos se utilizan para predecir la aparición y

propagación de plagas y enfermedades en los cultivos. Toman en cuenta factores como
las condiciones climáticas, la dinámica poblacional de las plagas y los ciclos de vida de
los insectos. Estos modelos ayudan a los agricultores a tomar decisiones sobre el
momento y el tipo de tratamiento necesario para controlar las plagas de manera
eficiente.

4. Modelos de calidad del suelo: Estos modelos evalúan la fertilidad y las

características físicas y químicas del suelo. Permiten predecir el efecto de diferentes
prácticas agrícolas, como la aplicación de fertilizantes o el uso de enmiendas orgánicas,
en la calidad del suelo a largo plazo. Estos modelos ayudan a los agricultores a tomar
decisiones informadas sobre el manejo y la conservación del suelo.

5. Modelos de toma de decisiones: Estos modelos integran diferentes aspectos de la

agricultura, como la economía, la gestión de riesgos y las condiciones climáticas, para
ayudar a los agricultores a tomar decisiones estratégicas. Por ejemplo, pueden ayudar a
determinar qué cultivo plantar en función de la rentabilidad esperada, el acceso al
mercado y las condiciones climáticas previstas.
Es importante destacar que los modelos matemáticos en la agricultura se basan en datos
históricos y en supuestos simplificados sobre los sistemas agrícolas. Por lo tanto, es
fundamental validar y ajustar estos modelos con datos locales y condiciones específicas
de cada región para obtener resultados más precisos y aplicables.
En la agricultura como en la vida real muchos de los sucesos o situaciones que ocurren
se ajustan a una serie de modelos matemáticos. Estos modelos matemáticos resultan de
mucha utilidad a la hora de predecir situaciones futuras.

Existen varios modelos muy útiles para la predicción en la agricultura, entre ellos
destacamos:

 Modelo de Integral Térmica.

 Modelo de regresión lineal para determinar el rendimiento agrícola.

Modelo de integral térmica

Este modelo nos permite determinar la tasa de crecimiento de las plantas a partir de la

temperatura. El crecimiento comienza a partir de una temperatura mínima y su tasa se
incrementa conforme lo hace la temperatura hasta que alcanza una temperatura óptima.
Si la temperatura óptima continúa subiendo, la tasa de crecimiento disminuye. Este tipo
de comportamiento es similar en muchos cultivos, sin embargo, las temperaturas
mínimas, óptima y máxima pueden variar entre ellos.
Cuando la tasa de crecimiento de un cultivo está controlada principalmente por la
temperatura, su desarrollo puede caracterizarse y predecirse utilizando el modelo de
integral térmica. El concepto de Integral Térmica se refiere a las unidades de calor que
un organismo requiere para completar una parte o la totalidad de su crecimiento o
desarrollo.
La Integral Térmica es un índice muy utilizado para estimar la fase de crecimiento
vegetativo. (Fernández, Riego, 2015)

Modelo de regresión lineal para determinar el rendimiento agrícola

El rendimiento agrícola experimenta importantes cambios de un año para otro. El clima

es un recurso natural que influye en dichos cambios de forma distinta según el cultivo y
su situación geográfica. Para ellos se usan modelos de regresión lineal que describen la
respuesta de distintos cultivos al clima y se analiza el impacto del cambio climático en
la producción agrícola.

Este modelo pretende determinar en qué medida un cambio en las variables

meteorológicas, son un elemento de riesgo que puede afectar a la producción agrícola y
la varianza en la explotación de cultivos, así como una variación en el rendimiento
agrario que puede provocar también importantes variaciones en los precios de mercado.

Con todo esto, los agricultores se enfrentan cada año a una alta incertidumbre en lo que
se refiere al nivel de producto y también a su valor en el mercado. Al mismo tiempo, el
sistema de seguros agrarios se enfrenta a la incertidumbre de cuanto deberán pagar por
compensaciones y si las tarifas fijadas son adecuadas.
El cambio que está teniendo lugar en las variables climáticas podría incrementar la
presente incertidumbre en la producción de cultivos, además de amenazar la
disponibilidad de agua.
En este sentido, las variables climáticas pueden explicar parte de la varianza del
rendimiento agrícola, la evaluación desde el punto de vista económico del impacto del
cambio climático en los cultivos puede contribuir a una mejor previsión de las
expectativas del sector agrario y ayudar a evaluar estrategias de adaptación a dicho
cambio.
Con este modelo de regresión lineal se pretende determinar las variables climáticas que
explican parte de la varianza de la productividad en las diferentes regiones agrícolas a
través del análisis estadístico y utilizar dichas variables para analizar el impacto que un
posible cambio climático tendría en el rendimiento de los cultivos.
(Fernández, Riego, 2015)

REFERENCIAS
Aceves, N. E. (1979). El ensalitramiento de los suelos bajo riego (identificación,
control, combate y adaptación). 1ª. Edición. Colegio de Postgraduados. Chapingo,
México. 150 pp.
Aceves, N. E. (2011). El ensalitramiento de los suelos bajo riego. 2ª. Edición.
Biblioteca Básica de Agricultura. Colegio de Postgraduados, Mundi-Prensa. México,
D.F

Jones, J. W., Hoogenboom, G., Porter, C. H., Boote, K. J., Batchelor, W. D., Hunt, L.
A., ... & Wilkens, P. W. (2003). The DSSAT cropping system model. European
Journal of Agronomy, 18(3-4), 235-265.

Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration-
Guidelines for computing crop water requirements-FAO Irrigation and drainage
paper 56. FAO, Rome, 300(9), D05109.

Wilson, L. T., & Greenberg, S. M. (2006). PEST-Cotton: A simulation model for

predicting bollworm dynamics in cotton. Environmental Entomology, 35(4), 944-
956.