Estimación de masa de forraje en una pradera mixta por aprendizaje automatizado, datos del manejo de la pradera y meteorológicos satelitales

IF 0.7 4区 农林科学 Q3 AGRICULTURE, DAIRY & ANIMAL SCIENCE Revista Mexicana de Ciencias Pecuarias Pub Date : 2022-12-27 DOI:10.22319/rmcp.v14i1.6162
Aurelio Guevara-Escobar, Mónica Cervantes-Jiménez, Vicente Lemus-Ramírez, Adolfo Kunio Yabuta-Osorio, J. G. García-Muñiz
{"title":"Estimación de masa de forraje en una pradera mixta por aprendizaje automatizado, datos del manejo de la pradera y meteorológicos satelitales","authors":"Aurelio Guevara-Escobar, Mónica Cervantes-Jiménez, Vicente Lemus-Ramírez, Adolfo Kunio Yabuta-Osorio, J. G. García-Muñiz","doi":"10.22319/rmcp.v14i1.6162","DOIUrl":null,"url":null,"abstract":"Medir la masa de forraje (MF) en la pradera, antes del pastoreo, es fundamental para determinar la asignación diaria de forraje en sistemas pastoriles de producción animal. La MF se estima por corte de forraje en áreas conocidas, utilizando ecuaciones alométricas, o con el uso de sensores de percepción remota (PR); sin embargo, la exactitud y practicidad de los distintos métodos para estimar la MF, es variable. El objetivo fue obtener modelos predictivos usando variables ambientales y del manejo de la pradera para predecir la MF. Se ajustaron modelos de regresión para estimar la MF con base en variables del manejo de la pradera (MP) o mediciones obtenidas por PR, como reflectancia, temperatura del aire y lluvia. Por tres años se estudió una pradera mixta pastoreada con bovinos productores de carne. Con 80 % de datos se modeló por mínimos cuadrados  ordinarios  (OLS)  o por algoritmos de aprendizaje  automatizado  (ML). El 20 % restante de los datos se utilizó para validar los modelos usando el coeficiente de determinación y el sesgo promedio entre valores estimados y observados. El modelo base de estudio fue la relación entre la altura de la pradera antes del pastoreo y la MF de este modelo se ajustó usando OLS; la r2 fue 0.43. Cuando se ajustaron modelos que incluyeron variables del MP, la r2 fue 0.45 para OLS y 0.63 para ML. Al ajustar modelos con variables de MP y PR, la r2 fue 0.71 para OLS y 0.96 para ML. Los ensambles de modelos ajustados con ML redujeron el sesgo de estimados de MF de la pradera examinada. En general, los modelos de ML representaron mejor la relación entre altura de la pradera antes del pastoreo y MF que los de modelos de OLS, al ajustarlos con variables de manejo de la pradera y con información de PR. Los modelos de ML pueden usarse como herramienta para la toma de decisiones diaria en sistemas productivos pastoriles.","PeriodicalId":21443,"journal":{"name":"Revista Mexicana de Ciencias Pecuarias","volume":null,"pages":null},"PeriodicalIF":0.7000,"publicationDate":"2022-12-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Mexicana de Ciencias Pecuarias","FirstCategoryId":"97","ListUrlMain":"https://doi.org/10.22319/rmcp.v14i1.6162","RegionNum":4,"RegionCategory":"农林科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"AGRICULTURE, DAIRY & ANIMAL SCIENCE","Score":null,"Total":0}
引用次数: 0

Abstract

Medir la masa de forraje (MF) en la pradera, antes del pastoreo, es fundamental para determinar la asignación diaria de forraje en sistemas pastoriles de producción animal. La MF se estima por corte de forraje en áreas conocidas, utilizando ecuaciones alométricas, o con el uso de sensores de percepción remota (PR); sin embargo, la exactitud y practicidad de los distintos métodos para estimar la MF, es variable. El objetivo fue obtener modelos predictivos usando variables ambientales y del manejo de la pradera para predecir la MF. Se ajustaron modelos de regresión para estimar la MF con base en variables del manejo de la pradera (MP) o mediciones obtenidas por PR, como reflectancia, temperatura del aire y lluvia. Por tres años se estudió una pradera mixta pastoreada con bovinos productores de carne. Con 80 % de datos se modeló por mínimos cuadrados  ordinarios  (OLS)  o por algoritmos de aprendizaje  automatizado  (ML). El 20 % restante de los datos se utilizó para validar los modelos usando el coeficiente de determinación y el sesgo promedio entre valores estimados y observados. El modelo base de estudio fue la relación entre la altura de la pradera antes del pastoreo y la MF de este modelo se ajustó usando OLS; la r2 fue 0.43. Cuando se ajustaron modelos que incluyeron variables del MP, la r2 fue 0.45 para OLS y 0.63 para ML. Al ajustar modelos con variables de MP y PR, la r2 fue 0.71 para OLS y 0.96 para ML. Los ensambles de modelos ajustados con ML redujeron el sesgo de estimados de MF de la pradera examinada. En general, los modelos de ML representaron mejor la relación entre altura de la pradera antes del pastoreo y MF que los de modelos de OLS, al ajustarlos con variables de manejo de la pradera y con información de PR. Los modelos de ML pueden usarse como herramienta para la toma de decisiones diaria en sistemas productivos pastoriles.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
利用机器学习、草地管理数据和卫星气象数据估计混合草地的饲料质量
在牧草生产系统中,在放牧前测量牧草质量(MF)是确定牧草日分配的关键。MF是通过在已知地区割草、使用异速生长方程或使用遥感传感器(rs)来估计的;然而,不同的MF估计方法的准确性和可行性是可变的。本研究的目的是利用环境和草地管理变量建立预测MF的模型。本研究的目的是评估草原管理变量(MP)和PR测量值(如反反率、气温和降雨量)对MF的影响。本研究的目的是评估在墨西哥恰帕斯(chiapan)和墨西哥恰帕斯(chiapan)的一个牧场上放牧的牛。80%的数据采用普通最小二乘(OLS)或自动学习算法(ML)建模。在本研究中,我们使用方差分析(方差分析)、方差分析(方差分析)、方差分析(方差分析)和方差分析(方差分析)对模型进行了评估。本研究的基础模型是放牧前草地高度与该模型MF的关系,采用OLS进行调整;r2为0.43。当变量的模型包括议员、r2是0.45 OLS和0.63以毫升。调整模型与变量合用,PR, r2是0.71为OLS模型的部件和0.96毫升。减少调整与ML偏见草原财政部的估计。总体而言,ML模型之间的关系最好占草原放牧和财政部前高度OLS模型,与草原管理的变量和适应信息PR。ML模型可以作为工具生产系统日常决策pastoriles。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
Revista Mexicana de Ciencias Pecuarias
Revista Mexicana de Ciencias Pecuarias AGRICULTURE, DAIRY & ANIMAL SCIENCE-
CiteScore
1.20
自引率
0.00%
发文量
93
审稿时长
>12 weeks
期刊介绍: The MEXICAN MAGAZINE OF SCIENCES PECUARIAS is an organ of scientific and technical diffusion of the livestock sector. Its periodicity is quarterly and arbitrated by pairs in the double-blind mode. Its objective is to make known the results of the research carried out by any scientific institution, in Mexico and in any part of the world, related to the livestock sciences, particularly those that refer to the different disciplines of Veterinary Medicine and Animal Science. The Journal is bilingual, publishes the complete articles in Spanish or English and is included in various indexing services and international dissemination platforms, such as the Index of Mexican Journals of Scientific and Technological Research of the National Council of Science and Technology (CONACYT); In the EBSCO Host database; In the Network of Scientific Journals of Latin America and the Caribbean, Spain and Portugal (RedALyC); In the Ibero-American Network of Scientific Journals of Free Access Veterinary Medicine. Indexed in the ISI Journal Citation Report Science Edition; And Elsevier''s SCOPUS and EMBASE indices.
期刊最新文献
Conocimiento socio-ecológico de la actividad apícola en la Costa Chica de Guerrero, México Estudio de la Estructura y Diversidad genética de ganado Holstein del sistema familiar en México Influence of feedlot living space on production variables, carcass and meat quality traits in Holstein steers Prevalence and infection intensity of honey bee (Apis mellifera) viral diseases in six regions of the state of Jalisco, Mexico Un efecto novedoso del extracto acuoso de semillas de Pimpinella anisum sobre garrapatas de perros domésticos (Canis lupus familiaris)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1