Usando Big Data en la comprensión de factores limitantes en el rendimiento de Arroz

Por Hugo Dorado, investigador CIAT.

Foto tomada de Internet

Foto tomada de Internet

La oferta de alternativas tecnológicas tal como aplicaciones en Smart Phones, redes sociales y desarrollos web, nos han convertido en grandes generadores de datos. Normalmente utilizamos el GPS para saber nuestra posición en Google Maps o para conducir con Waze, damos click en “me gusta” a contenidos y fotografías que nos agradan, compramos por Internet y realizamos diariamente búsquedas en Google, por tanto estamos generando una extensa cantidad de información que está siendo almacenada y que es útil para la toma decisiones. Con esta información las empresas que trabajan en el mundo Online han podido definir estrategias de mercadeo segmentando las audiencias, implementar medidas para disminuir problemas de tráfico en la ciudad y generar aplicativos para denuncia de robos, entre muchos otros. Es así como surgen nuevas disciplinas como el Big Data que reúne temas de procesamiento, análisis y transferencia de conocimiento a partir de grandes volúmenes de información.

El pasado miércoles 29 de octubre se realizó una charla titulada “Usando Big Data en la comprensión de factores limitantes en el rendimiento de Arroz” presentada por el grupo de Agricultura Especifica por Sitio (AEPS) de CIAT, quienes fueron invitados por la escuela de estadística de la Universidad del Valle en la celebración de los 35 años de la escuela.

Esta charla tuvo 2 momentos claves:

  1. La definición de conceptos sobre Big Data, donde se mencionaron las fuentes que recopilan y almacenan información, el formato de los datos y las 4 V del Big Data (Volumen, Variedad, Velocidad y Veracidad).
  2. La exposición de un caso aplicado en arroz donde se ha logró reunir con ayuda del gremio FEDEARROZ alrededor de 793 eventos de producción que fueron posteriormente vinculados a estaciones meteorológicas del IDEAM. Después de unir la información con ayuda de los expertos se definieron los indicadores climáticos que más tarde fueron utilizados como variables en un modelo de red neuronal como método de análisis, con esto se logra identificar características climáticas relevantes en la variación del rendimiento. También se presentó un caso de dos municipios de Córdoba donde se realizaron pronósticos agroclimáticos lo cual contribuyó a obtener información de fechas de siembra apropiadas y selección de variedades a sembrar buscando mejorar los rendimientos.

La presentación despertó interés de los participantes en temas relacionados con el Big Data en general: procesamiento y obtención de información climática, y la participación de métodos de estadísticos en futuros análisis bajo el mismo enfoque.