Modelación de la fotosíntesis y transpiración en tomate en invernadero para definir estrategias de control del clima, y suministro adecuado de fertilizante y agua.

Abstract

En la producción de cultivos protegidos es importante optimizar y controlar el manejo del ambiente usando modelos dinámicos. Dentro de la teoría de identificación de sistemas, los modelos de redes neuronales artificiales (ANN), han mostrado una elevada capacidad para encontrar patrones de relación entre variables de procesos altamente no lineales, así como resolver la limitante de la regresión múltiple no lineal, en la que no es posible usar variables correlacionadas (Vargas-Sállago et al., 2010). La simulación en sistemas agrícolas ha surgido como una herramienta que en base a la integración de sus componentes permite hacer una representación real de los mismos (Odum y Odum, 2000) por medio de operaciones lógicas y aritméticas que representan la estructura (estado) y comportamiento (cambio de estado) del sistema de interés (Grant et al., 1997). Los cultivos experimentan procesos fisiológicos tales como la transpiración, fotosíntesis y respiración, que cambian en el tiempo y que afectan la producción de biomasa aprovechable, índice de área foliar, etc, por lo cual se trata de sistemas no lineales. Las variables ambientales que afectan los procesos fisiológicos de los cultivos son la temperatura, humedad, radiación solar, y concentración de CO2.