Modelado de la emergencia de malezas de la región semiárida pampeana central mediante redes neuronales artificiales

Abstract

La predicción de la emergencia de malezas a campo se presenta como una necesidad para la correcta planificación de los controles a fin de optimizar el uso de herbicidas en los estados iniciales de crecimiento. El conocimiento de las ventanas críticas de control y las tácticas de intervención planificadas permiten lograr mejores eficiencias, reduciendo el uso de herbicidas y el impacto ambiental derivado de su uso. En el presente trabajo se propone el uso de modelos de redes neuronales artificiales (RNA) que utilizan como insumo de entrada datos meteorológicos diarios (Temperatura mínima, máxima y precipitación) obtenidos de las estaciones meteorológicas de la red SIGA del INTA. Es de destacar el libre acceso a los datos de la red SIGA lo que facilita en gran medida su uso como fuente de información en tiempo real. El objetivo de este trabajo fue ajustar modelos RNA que permitan predecir de manera confiable los patrones de emergencia a campo para cuatro malezas problema de la región semiárida pampeana central. Las cuatro especies utilizadas en este trabajo fueron Conyza bonariensis (rama negra), Amaranthus hybridus (yuyo colorado), Amaranthus palmeri (yuyo colorado gigante) y Cenchrus incertus (roseta). Se utilizaron perfiles de emergencia generados en estudios previos desarrollados en la zona de influencia de la EEA Anguil, INTA. Como resultado del testeo con datos independientes se observó un buen ajuste en los distintos casos con valores de 0.12, 0.07, 0.06 y 0.01 RCME para Conyza bonariensis, Amaranthus hybridus, Amaranthus palmeri y Cenchrus incertus, respectivamente. Estos resultados sugieren que a partir de datos meteorológicos diarios se pueden realizar buenas predicciones de los patrones de emergencia a campo, para la región y las malezas estudiadas.

Predicting field weed emergence is a necessity for the correct planning of controls in order to optimize the use of herbicides in the early stages of growth. Knowledge of the critical windows of control and planned intervention tactics allow achieving better efficiencies, reducing the use of herbicides and the environmental impact derived from their use. This work proposes the use of Artificial Neural Networks (ANN) models using daily meteorological data (minimum and maximum temperature and precipitation) obtained from weather stations of the INTA SIGA network as input. The free access to data from the SIGA network greatly facilitates its use as a source of information in real time. The objective of this work was to adjust ANN models that allow reliable prediction of field emergence patterns for four problem weeds in the semiarid central Pampean region. The four species used in this work were Conyza bonariensis (L.) Cronquist (hairy fleabane), Amaranthus hybridus L. (slim amaranth), Amaranthus palmeri S. Wats. (Palmer amaranth) and Cenchrus incertus M. A. Curtis (field sandbur). Emergence profiles generated in previous studies developed in the area of influence of the INTA EEA Anguil were used. As a result of testing with independent data, a good fit was observed in the different cases with values of 0.12, 0.07, 0.06 and 0.01 RMSE for C. bonariensis, A. hybridus, A. palmeri and C. insertus, respectively. These results suggest that good predictions of field emergence patterns for the region and the weeds studied can be made from daily meteorological data.