Distribución de horas frío acumuladas dentro de campos de cerezos usando procesos Gaussianos.

Abstract

La plantación de árboles de cerezos para la producción y exportación de su fruto se ha convertido en una importante parte de la agricultura en la región de O’Higgins, dejando así en segundo plano a otros tipos de cultivos. Este fenómeno se explica en parte debido al feroz crecimiento de la demanda por este fruto rojo que ha estado ocurriendo en el mercado asiático durante los últimos años. Generalmente los datos reportados por los sistemas de monitoreo existentes corresponden a métricas que en la mayoría de los casos por sí solas no tienen ninguna utilidad para los agricultores, así, la toma de decisiones sobre el proceso productivo dentro del campo se basa principalmente en la experiencia que se ha ganado en años anteriores y no en la predicción o análisis de algún modelo matemático-probabilístico basado en los datos recolectados. Una métrica muy importante para los encargados de los campos es la cantidad de horas frío acumuladas por los árboles, esta información les llega comúnmente de datos recolectados por estaciones meteorológicas cercanas, lo cual tiene múltiples desventajas. Para entregar información valiosa con respecto a cómo se distribuyen las horas frío acumuladas dentro de los campos se propone el uso de procesos Gaussianos los cuales corresponden a una técnica de Machine Learning especialmente diseñada para resolver problemas de regresión, en palabras simples esto se traduce en la posibilidad de predecir horas frío acumuladas en lugares donde no existen sensores. Los datos usados para entrenar al modelo provienen de sensores dispuestos en posiciones fijas dentro de los campos. La técnica de procesos Gaussianos muestra un buen despeño en la predicción de temperatura y más importante aún en la predicción de horas frío acumuladas para distintas locaciones en el campo, además de alertar de zonas con alta varianza/incertidumbre las cuales serían ideales para la colocación de nuevos sensores. Como resultado de este método es posible darle información significativa a los agricultores, como por ejemplo qué porcentaje de árboles han alcanzado las horas frío requeridas, esto para distintos umbrales de horas y en distintos momentos del proceso productivo.