Aplicaciones de la modelación matemática y la simulación de cultivos agrícolas en Cuba. Comentario HHC

Por Osmel Rodríguez-González,^I Dr.C. René Florido-Bacallao,^II Dr.C. Mario Varela-Nualles^II

^IDepartamento Informática. Universidad Agraria de la Habana.

^IIInstituto Nacional de Ciencias Agrícolas (INCA). Gaveta postal No.1, San José de las Lajas. Mayabeque, Cuba. CP 32700. 

---

RESUMEN

Se realizó una revisión bibliográfica sobre las aplicaciones de la modelación y simulación en cultivos agrícolas en Cuba con el objetivo de dar a conocer las características e importancia del uso de los mismos, como herramientas para la estimación de los rendimientos de los cultivos agrícolas. Se presenta un resumen de algunos conceptos relacionados con la modelación de cultivos y los tipos principales de modelos que se pueden utilizar desde el punto de vista de su uso en la agricultura.

INTRODUCCIÓN

En las décadas del siglo XX y con fuerza en el actual, las técnicas y tecnologías llamadas Sistemas de Información (SI) han tenido un desarrollo vertiginoso, empleándose en la industria, la administración de negocios y en muchos aspectos de la vida cotidiana. Este desarrollo ha estado vinculado de forma muy directa al perfeccionamiento de las computadoras y a las posibilidades de obtener, ordenar y procesar efectivamente las bases de datos (1).

Con la creciente capacidad de las computadoras y la inmensa investigación en el campo de las ciencias de la computación, se otorgan nuevas herramientas para apoyar el proceso de la toma de decisiones en diversas disciplinas y áreas de diseño y manejo de la industria. La modelación y la simulación son unas de las herramientas más importantes e interdisciplinarias (2).

El uso de los modelos de simulación se viene extendiendo en la agricultura y constituye una herramienta para la investigación, así como para productores y asesores técnicos, que ahora pueden definir, en el universo virtual de una computadora, cuál es la mejor práctica de manejo para un cultivo en determinada campaña y sitio productivo (3). La estimación precisa de los rendimientos agrícolas es de suma importancia teórica y práctica; pero es un tema no resuelto aún totalmente (4). Pues el rendimiento es el resultado final de un grupo de interacciones, donde intervienen el genotipo, el clima, el suelo y el manejo del cultivo. Dentro del contexto de la agricultura cubana, la modelación de cultivos es una disciplina nueva y la literatura sobre este tema es considerada escasa (5).

Es por ello que el objetivo de este trabajo es dar a conocer las características e importancia del uso de la modelación y simulación de cultivos, como herramienta principal en los procesos de toma de decisiones, para lograr aplicar estos en la estimación de la capacidad productiva en distintas condiciones climáticas y de manejo en Cuba.

Definición de modelo

Se puede decir que un modelo es la representación ideal de un sistema y la forma en que este opera, en los cuales se destacan características relevantes del objeto en estudio, cuyo objetivo es analizar o predecir el comportamiento futuro (6,7).

Es por excelencia la herramienta principal que utiliza la estadística para simbolizar problemas o situaciones de la vida. Un caso particular lo constituyen los modelos matemáticos.

Tipos de modelos

Existen diferentes clasificaciones de los modelos. Una de las más generales es la presentada por Torres (8); según la cual un modelo puede ser una réplica del objeto que representa. Cambiando la escala o el material con el que se construye se denomina isomórfico y cuando tiene algún grado de abstracción del objeto que representa, teniendo en cuenta solamente las variables más relevantes, se denomina homomórfico.

Es importante señalar que a mayor nivel de abstracción hay menor grado de similitud y uniformidad entre modelo y objeto representado y viceversa (9). De acuerdo con el nivel de abstracción, se pueden agrupar los modelos físicos y de escala como isomórficos y los análogos, matemáticos y de simulación como homomórficos.

Los modelos matemáticos son la representación de un sistema por medio de ecuaciones matemáticas o distribuciones estadísticas de valores aleatorios (10), permitiendo obtener conocimientos científicos cuya veracidad se comprueba en el curso de la práctica social (11). Los modelos matemáticos que más se utilizan en la agronomía se pueden categorizar en dos clases: los modelos solamente predictivos o empíricos y los modelos causales o mecanísticos (12).

Los primeros son descriptivos, se derivan de datos observados sin involucrar procesos fisiológicos y tienen escasa capacidad explicativa (13). Se expresan generalmente como ecuaciones de regresión (con uno o varios factores) y se utilizan para estimar la producción final. Ejemplos de tales modelos incluyen la respuesta de la producción a la aplicación de fertilizantes, la relación entre el área de la hoja y la cantidad de hojas de una planta dada, la relación entre la altura del tallo y el número de tallos, su diámetro y la producción final.

Por el contrario, los modelos mecanicistas poseen capacidad explicativa de la fisiología del cultivo, porque consideran aspectos como la temperatura, la radiación fotosínteticamente activa, el índice de área foliar, la fotosíntesis, la respiración y la eficiencia en el uso de la radiación (13). Estos modelos tienen la habilidad de imitar importantes procesos físicos, químicos o biológicos y describir cómo y por qué resulta una respuesta particular. El analista comienza usualmente con algún empirismo y en la medida que se gana en conocimiento se introducen variables y parámetros adicionales para explicar la producción de la cosecha. Así, el analista adopta un enfoque reduccionista. La mayoría de los modelos de crecimiento de cultivos caen dentro de esta categoría.

Los modelos matemáticos de crecimiento de cultivos han sido desarrollados para evaluar el impacto del cambio climático en la producción de alimentos y para desarrollar estrategias tales como la gestión de riesgos de la aplicación de pesticidas y fertilizantes en el marco agrícola (14); de forma que se logren racionalizar los recursos disponibles.

Para el procesamiento y análisis de la problemática, utilizando análisis de regresión, es necesario considerar (15):

• Ploteo de puntos para analizar tendencia de datos.

• Selección del tipo de modelo a ajustar.

• Ajuste del modelo, con el apoyo de un software apropiado.

• Descripción del proceso a partir del modelo obtenido.

En estos estudios se requiere de una labor eficiente en la organización y desarrollo de la investigación científica y el conocimiento que esta genera, lo que puede contribuir en gran medida la aplicación consecuente de estos modelos, con el apoyo de las nuevas tecnologías de la información y la comunicación. Igualmente, con mucha frecuencia, no se valoran los supuestos teóricos de los modelos estadísticos y no se establecen conclusiones válidas a partir de la información analizada (16).

Para la selección del modelo que mejor ajuste los datos del experimento, fundamentalmente en los modelos explicativos y dinámicos, se deben tener en cuenta los siguientes criterios (16):

• Métodos de ajuste de los modelos.

• Error estándar de los estimadores de los parámetros (Test t de Student).

• Coeficiente de variación de los estimadores.

• Límites de confianza de los parámetros.

• Test de redundancia de los parámetros.

• Análisis de varianza relacionado con el modelo en cuestión.

• Coeficiente de determinación R² y R² ajustado por los grados de libertad, para modelos con diferentes números de parámetros.

• Suma de cuadrados o Cuadrado Medio Residual.

• Error estándar de estimación.

• Test de falta de ajuste del modelo.

• Análisis del efecto del uso de transformaciones en el modelo.

• Diagnóstico y tratamiento de la multicolinealidad, en modelos de regresión lineal múltiple.

• Validación de las predicciones del modelo.

• Estadístico PRESS (Suma de Cuadrados del Error de Predicción).

• Estadístico CMEP (Cuadrado Medio del Error de Predicción).

• Estadístico Cp de Mallows.

• Coeficientes de correlación entre los resultados predichos y los reales.

• Análisis de la precisión de las estimaciones.

• Análisis de los residuos.

• Normalidad (Test de Shapiro-Wilks, Kolmogorov-Smirnov).

• Autocorrelación (Test de Rachas, Signos, Durbin-Watson, X² de independencia, Ljung y Box).

• Homocedasticidad (Gráficos de los residuos, Test de Cochran, Bartlett y Hartley).

Varios autores plantean que un modelo de cultivo es la simulación dinámica del crecimiento del cultivo por el uso de la integración numérica de los procesos constituyentes con ayuda de las computadoras (17,18). Pero aunque en muchos trabajos suele verse la modelación y la simulación como un único proceso, estos deben diferenciarse (9), pues la modelación puede realizarse sin necesidad de la simulación, no siendo así para este último, el cual no se puede efectuar sino existe el proceso de modelación.

Modelos de simulación de cultivos

La simulación puede ser definida como una técnica numérica para la realización de experimentos con determinados tipos de modelos matemáticos, los cuales describen el comportamiento de un sistema complejo dinámico, mediante el empleo de la computación (19). Es el proceso de poner a funcionar el modelo para ver si es correcto o no.

El concepto de simulación debe ser dinámico principalmente por dos razones: que es la mejor comprensión de los procesos involucrados en la producción de cultivos así como la resolución de problemas. Los modelos que sirven como herramienta para resolver modelos suelen ser modelos multidisciplinarios (20).

Los modelos de simulación de crecimiento de cultivos y el análisis del sistema suelo-planta-atmósfera son herramientas importantes para la investigación agrícola moderna (21). Un modelo de cultivos representa de manera sencilla y sintética los procesos fisiológicos y ecológicos más importantes que gobiernan el crecimiento, utilizando ecuaciones matemáticas (20). La comprensión del funcionamiento y evolución de los principales factores responsables de estas condiciones es adquirida comparando resultados de la simulación con observaciones experimentales. Estas observaciones se pueden diseñar para validar el modelo, teniendo en cuenta las condiciones meteorológicas, edáficas y de manejo del cultivo, según el lugar de implantación (22). Una vez realizada esta primera etapa de validación del modelo, este puede ser utilizado para ayudar a analizar e interpretar distintos escenarios futuros debido a modificaciones que deseen proponerse en el manejo del cultivo, cambios en las condiciones climáticas o para el pronóstico de rendimiento, entre otros indicadores.

Estos modelos pueden aumentar la comprensión y la gestión del sistema agrícola de una manera holística. Los modelos de simulación de cultivos han sido utilizados para investigar el comportamiento de diferentes cultivares en un rango de fechas de siembra en relación con diferentes escenarios suelo-clima.

Los modelos de simulación se presentan como una alternativa para ser empleados en los escenarios futuros (23). Aunque la técnica de simulación generalmente se ve como un método de último recurso, los avances en las metodologías de simulación y la disponibilidad de software que actualmente existe en el mercado han hecho posible que la técnica de simulación sea una de las herramientas más usadas en el análisis de sistemas, porque presenta ventajas tales como (24):

• Permite estudiar sistemas reales que no se pueden evaluar analíticamente.

• Hace posible estimar el comportamiento de un sistema existente, si se modifican algunas de las condiciones de funcionamiento actuales.

• Se pueden comparar distintas alternativas de diseño (o de formas de operar de un sistema), antes de construirlo, para ver cuál se comporta mejor.

• Permite estudiar en poco tiempo la evolución de un sistema en un período largo de tiempo (se pueden evaluar años de experiencia en el sistema real en unos pocos minutos de simulación).

Numerosos modelos han sido desarrollados por diferentes grupos de trabajo y cada uno de ellos tiene fortalezas y debilidades para predecir las variables de respuesta (25). Por lo que es muy importante, antes de adoptar uno u otro modelo para aplicaciones agrícolas y medioambientales que se realice un trabajo de evaluación y validación exhaustivo de estos (26).

Aplicaciones de modelos matemáticos y la simulación de cultivos agrícolas

en Cuba

Desde la década de los 80 se ha venido utilizando la modelación por algunos investigadores cubanos con el objetivo de describir el crecimiento de cultivares. En el Instituto Nacional de Ciencias Agrícolas (INCA) se realizaron comparaciones entre varias funciones matemáticas para describir el crecimiento de algunos órganos en posturas de café crecidas en vivero (27). Se determinó, además, la influencia del uso o no de la sombra durante el período de aviveramiento, la altura sobre el nivel del mar y dos fechas de siembra, en la dinámica de crecimiento de plántulas de cafeto (28).

También se han comparado modelos para medir la respuesta a dosis de nitrógeno en maíz y cafeto. Lo cual demostró que un modelo discontinuo rectilíneo resulta más adecuado en el sistema de recomendación de dosis óptimas de fertilizantes nitrogenados para estos cultivos, en comparación al modelo curvilíneo, que brinda dosis óptimas superiores, que implican un menor factor parcial de productividad de la dosis recomendada (29).

Otros trabajos aplicaron herramientas de modelación para el análisis de las respuestas de las interacciones planta-ambiente-manejo en distintos escenarios de la producción de arroz, maíz, sorgo y trigo en Cuba (30); demostrando que estas permiten establecer estrategias para el desarrollo de los cultivos estudiados en escenarios futuros y en otras condiciones de cultivo. Por primera vez en el país, se cuenta con información para poder predecir el comportamiento y rendimiento de estos cereales. Demuestran además que el modelo DSSAT puede ser utilizado para las condiciones de Cuba en los indicadores de rendimiento y sus componentes.

Por los beneficios que aportan los modelos determinísticos, especialistas de la Universidad Agraria de La Habana y del Instituto Nacional de Riego y Drenaje, elaboran los primeros trabajos para utilizar, en las condiciones geográficas de Cuba, cinco de los modelos agrohidrológicos de alcance internacional. Por primera vez en Cuba se brindan los parámetros que describen las propiedades hidráulicas para los principales grupos de suelos cubanos. Esta investigación le confiere validez al modelo SWACROP para ser utilizado en el cultivo de la papa en condiciones tropicales (31).

Algunos trabajos se han realizado, durante varios años, en la evaluación y validación de diferentes modelos de simulación de transferencias hídricas para las condiciones edafoclimáticas de la región sur de La Habana (actualmente Mayabeque y Artemisa). Estas investigaciones pretenden resumir y discutir las principales características de los modelos de simulación STIC y MACRO y sus posibilidades para la predicción del comportamiento de los cultivos agrícolas ante diferentes manejos de agua, fertilización y ambientes climáticos (32-35).

También se ha utilizado la modelación matemática con el fin de estudiar el crecimiento del diámetro medio, la altura media y el volumen por hectárea de pinus caribaea morelet var. Caribaea barret y golfari en la Unidad Silvícola "Los Jazmines" de Viñales y en la Empresa Forestal Integral "La Palma" (36-38). Donde se determinaron los modelos que mejor describen el comportamiento de las variables estudiadas en cada uno de los escenarios.

La aplicación a la producción de pastos y forrajes, tuvo sus inicios en pasto estrella (C. nlemfuensis) (39-41), donde se encontraron relaciones polinómicas entre las variables; pero en estos modelos los parámetros no tienen interpretación biológica. Posteriormente se modeló y simuló el comportamiento productivo del pasto estrella (C. nlemfuensis) bajo diferentes frecuencias de corte, niveles de fertilización y condiciones climatológicas adversas para el desarrollo de este cultivo (42). El modelo Gompertz utilizado ajustó los datos con coeficientes de determinación que estuvieron alrededor del 99 % para los períodos lluvioso y poco lluvioso. Además pronostica que un incremento de la temperatura media del planeta en 2 y 4 ºC afectará el rendimiento de materia seca acumulada de este cultivo principalmente en el período poco lluvioso.

Otros autores estudiaron la dinámica de acumulación de biomasa del king grass (P. purpureum) o de algunos de sus clones con el empleo de modelos no lineales (43-47). Además, en cultivares de Brachiaria, Panicum y Pennisetum y en variedades de Tithonia diversifolia, se evaluaron diferentes modelos y encontraron ajustes lineales para las variables en estudio (48,49).

 

CONCLUSIONES

El avance de los sistemas de información en la agricultura, unido al desarrollo de la computación ha permitido un desarrollo acelerado de la modelación de cultivos agrícolas. Estos constituyen una herramienta útil para poder predecir el comportamiento de los cultivos en condiciones específicas; integrando conocimientos de fisiología, ciencias del suelo y datos meteorológicos. Además permiten el desarrollo de una agricultura eficiente. 

BIBLIOGRAFÍA

1. Gálvez G, López T. La Bioinformática y la agricultura. La situación de Cuba. ¿Dónde estamos? En Congreso Informática , La Habana, Cuba; 2007.

2. Meira S, Guevara E. Uso de modelos de simulación de cultivos como herramienta para la toma de decisiones en el cultivo de soja. Potash & Phosphate Institute [Internet]. 2000; Disponible en: http://www. ppi-ppic. org

3. FAUBA. Los simuladores (del agro) | Sobre La Tierra [Internet]. [citado 14 de febrero de 2018]. Disponible en: http://sobrelatierra.agro.uba.ar/los-simuladores-del-agro/

4. Wallach D. Evaluating crop models. En: Wallach D, Makowski D, Jones JW, editores. Working with Dynamic Crop Models Evaluation, Analysis, Parameterization, and Applications. Amsterdam: Elsevier; 2006. p. 11-54.

5. Soto O, Galvéz G, Sigarroa A. Estudio y modelación de algunas variables que influyen en el rendimiento agrícola de la caña de azúcar. En: Evento ATAC. Cuba; 2004. p. 50-5.

6. Jay O. Metodología para la comparación de tratamientos en modelos de regresión no lineal aplicados a procesos biológicos [Tesis de Doctorado]. Instituto de Ciencia Animal; 2012. 100 p.

7. Cuevas RJ. Matemáticas para la toma de decisiones [Internet]. 2014. Disponible en: http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r76474

8. Torres V. Contribución a la modelación de un área de pastoreo. En: Seminario Científico Internacional XXX Aniversario del Instituto de Ciencia Animal. La Habana, Cuba: Instituto de Ciencia Animal; 1995.

9. Torres V, Ortiz J. Aplicaciones de la modelación y simulación a la producción y alimentación de animales de granjas. Revista Cubana de Ciencia Agrícola [Internet]. 2005 [citado 14 de febrero de 2018];39. Disponible en: http://www.redalyc.org/resumen.oa?id=193017842002

10. Kofman H. Modelos y simulaciones computacionales en la enseñanza de la Física. 2000;13-22.

11. Del Pozo PP, Fernández L. El Papel de la modelación y la simulación en la investigación de las ciencias agropecuarias. Revista de la Facultad de Ciencias Naturales y Matemáticas. 2001;101-20.

12. Castro I, Hétier J-M. Modelización y experimentación agronómica. En: Tierras Llaneras de Venezuela… tierras de buena esperanza. 1ra ed. Venezuela: Consejo de Publicaciones de la Universidad de Los Andes; 2015.

13. Villegas JR, Hernández VA, Salazar, JA, Muñoz ML, del Castillo FS, Enciso TO. Modelos empíricos del crecimiento y rendimiento de tomate podado a tres racimos. Revista Fitotecnia Mexicana. 2004;27(1):63–67.

14. Tatsumi K. Effects of automatic multi-objective optimization of crop models on corn yield reproducibility in the U.S.A. Ecological Modelling. 2016;322:124-37. doi:10.1016/j.ecolmodel.2015.11.006

15. Fernández L, Walkiria C, Sabín Y. Los biomodelos y su impacto en la educación superior agropecuaria. Acta Latinoamericana de Matemática Educativa. 2003;16(1):184-90.

16. Guerra CW, Cabrera A, Fernández L. Criterios para la selección de modelos estadísticos en la investigación científica. Revista Cubana de Ciencia Agrícola. 2003;37(1):3-10.

17. Gálvez G, Sigarroa A, López T, Fernández J. Modelacion de cultivos agricolas. algunos ejemplos. Cultivos Tropicales. 2010;31(3):60-6.

18. Sinclair TR, Seligman NG. Crop modeling: from infancy to maturity. Agronomy Journal. 1996;88(5):698-704. doi:10.2134/agronj1996.00021962008800050004x

19. Cárdenas VT, Rojas JO, Crespo G, Rodríguez I, Medero R. Simulación del balance anual en Sistemas de Pastoreo Bovino. Revista Ingeniería Industrial. 2002;1(1).

20. Guevara E. La simulación del desarrollo, crecimiento y rendimiento en maíz [Internet]. INTA EEA Pergamino. 2007. Disponible en: http://agrolluvia.com/wp-content/uploads/2010/06/Simulacion-Desarrollo-Crecimiento-y-Rendimiento-En-Maiz

21. Damour G, Simonneau T, Cochard H, Urban L. An overview of models of stomatal conductance at the leaf level. Plant, Cell & Environment. 2010;33(9):1419-38. doi:10.1111/j.1365-3040.2010.02181.x

22. Toscano P, Ranieri R, Matese A, Vaccari FP, Gioli B, Zaldei A, et al. Durum wheat modeling: The Delphi system, 11 years of observations in Italy. European Journal of Agronomy. 2012;43:108-18. doi:10.1016/j.eja.2012.06.003

23. Forjan O. Modelos de simulación de crecimiento y desarrollo de los cultivos. AgroBarrow Digital. 2002;(27):15-7.

24. Dorado C. Simulación de sistemas [Internet]. Monografias.com. 2007. Disponible en: http://www.monografias.com/trabajos20/simulacion-sistemas/simulacion-sistemas

25. Salvagiotti F, Castellarin J, Pedrol H. Análisis de la respuesta a la fertilización nitrogenada utilizando el modelo CERES Wheat en diferentes condiciones ambientales de la región pampeana norte. Para mejorar la producción.Trigo Campaña 2002-2003. 2003;(26):56-9.

26. López Seijas T, Herrera Puebla J, González Robaina F, Cid Lazo G, Chaterlán Durruty Y. Eficiencia de un modelo de simulación de cultivo para la predicción del rendimiento del maíz en la región del sur de la Habana. Revista Ciencias Técnicas Agropecuarias [Internet]. 2009 [citado 15 de febrero de 2018];18(3). Disponible en: http://www.redalyc.org/resumen.oa?id=93215944001

27. Soto F. Crecimiento de posturas de cafetos en viveros móviles bajo sombra controlada. Ajuste a diferentes funciones matemáticas. Cultivos Tropicales. 1986;8(4):83-90.

28. Soto F, Morales D, Dell"Amico J, Jerez E. Dinámica del crecimiento de plántulas de cafeto bajo diferentes condiciones de aviveramiento. Cultivos Tropicales. 1991;12(1):77-85.

29. Alonso M, M G, Pérez Díaz A, Rivera Espinosa R, Bustamante González C, Viñals Núñez R, et al. Comparación de dos modelos de respuesta a dosis de nitrógeno en maíz y cafeto. Cultivos Tropicales. 2016;37(2):155-64.

30. Hernández Córdova N, Soto Carreño F, Florido Bacallao R, Plana Llerena R, Caballero Núñez A, López M, et al. Utilización de un modelo de simulación para la predicción del comportamiento de algunos cereales en las condiciones de Cuba. Cultivos Tropicales. 2016;37(1):78-84.

31. Ruiz ME. Utilización del modelo SWACROP en la simulación del uso del agua y el rendimiento de la papa (Solanum tuberosum Lcv Desiree) en suelos Ferralíticos Rojos. Tesis doctoral, UNAH, Cuba; 1997.

32. Seijas TL, González F, Chaterlan Y, Cid G, Dueñas G, Casanova A. Posibilidades de los modelos de simulación como herramienta eficaz en los estudios del manejo óptimo del agua y la fertilización en diferentes sistemas de cultivos agrícolas. En: Congreso de Riego; 2006.

33. Rodríguez JA, López T. Validación y análisis de sensibilidad del modelo macro en un suelo orthic ferrasol del sur de la Habana.[Validation and sensitivity analysis of the MACRO model in a Orthic Ferrasol of the South of Habana]. Investigación agraria. Producción y protección vegetales-INIA (España). 2000;15(1-2):47-55.

34. López T, Dueña G, Sierra J, Ozier H, González F, Giralt E, et al. Simulación del manejo de riego y la fertilización nitrogenada del maíz sobre el suelo ferralítico del sur de la habana. Revista Ciencias Técnicas Agropecuarias. 2001;10(3):59-65.

35. González Robaina F, Herrera Puebla J, López Seijas T, Cid Lazo G. Funciones agua rendimiento para 14 cultivos agrícolas en condiciones del sur de La Habana. Revista Ciencias Técnicas Agropecuarias. 2013;22(3):5-11.

36. Suárez JT, Bravo JA, Montalvo JM, Valle M, Valdés R. Modelación matemática del diámetro medio y la altura media de Pinus caribaea Morelet var. caribaea Barret y Golfari en la Empresa Forestal Integral La Palma. Revista Forestal Baracoa. 2011;30(1):13-9.

37. Suárez JT, Bravo JA, Montalvo JM, Peña Y, Valle M, Valdés R. Modelación matemática del diámetro medio y la altura media de Pinus caribaea  morelet var. caribaea Barret y Golfari en la Unidad Silvícola Los Jazmines, Viñales. Revista Forestal Baracoa. 2012;31(2):41-8.

38. Súarez JT, Bravo JA, Peña Y, Montalvo JM, Valle M, Valdés R. Modelación matemática del volumen por hectárea de Pinus Caribaea Morelet var. Caribaea Barret y Golfari en la unidad silvícola "Los Jazmines", Viñales. Revista Cubana de Ciencias Forestales. 2013;1(2):166-72.

39. Pozo P d, Herrera RS. Análisis del crecimiento del pasto estrella (C. nlemfuensis) bajo condiciones de corte y pastoreo. [Tesis de Doctorado]. Universidad Agraria de La Habana; 1998.

40. Del Pozo PP, Herrera RS. Modelado del crecimiento del pasto estrella (Cynodon nlemfuensis). 1. Modelo multiplicativo con control de la curva de crecimiento y los efectos ambientales. Pastos y Forrajes. 1995;18(2):171-7.

41. Torres V, Lazo J, Ruíz TE, Noda A. Empleo de la modelación matemática en el estudio del pasto C. nlemfuensis. Rev. Cubana de Cienc. Agríc. 1999;33(4):363-70.

42. López JL. Modelación y simulación del rendimiento del pasto estrella (C. nlemfuensis) bajo diferentes condiciones de manejo y escenarios climáticos [Tesis de Maestría]. [Mayabeque]: Universidad Agraria de La Habana; 2016.

43. Díaz D. Evaluación agronómica de nuevas variedades Pennisetum purpureum en condiciones de sequía el Valle del Cauto [Tesis de Maestría]. Universidad de Matanzas; 2007.

44. Fortes D. Comportamiento morfofisiológico de Pennisetum purpureum cv. Cuba CT-115 empleado como banco de biomasa. PhD Thesis. Instituto de Ciencia Animal, Mayabeque, Cuba; 2012.

45. Martínez RO, Tuero R, Torres V, Herrera RS. Modelos de acumulación de biomasa y calidad en las variedades de hierba elefante, Cuba CT-169, OM-22 y king grass durante la estación lluviosa en el occidente de Cuba. Revista Cubana de Ciencia Agrícola. 2010;44(2):189–193.

46. Rodríguez L, Torres V, Martínez, Jay O, Noda AC, Herrera M. Modelos para estimar la dinámica de crecimiento de Pennisetum purpureum vc. Cuba CT-169. Revista cubana de ciencia agrícola. 2011;45(4):349-54.

47. Rodríguez L, Larduet R, Martínez RO, Torres V, Herrera M, Medina Y, et al. Modelación de la dinámica de acumulación de biomasa en Pennisetum purpureum vc. king grass en el occidente de Cuba. Revista Cubana de Ciencia Agrícola. 2013;47(2):119-24.

48. Ramírez, JL. Rendimiento y calidad de cinco gramíneas en el Valle del Cauto [Tesis de Doctorado]. [La Habana]: Instituto de Ciencia Animal; 2010. 121 p.

49. Ruiz TE, Torres V, Febles G, Díaz H, Sarduy L, González J. Utilización de la modelación para estudiar el crecimiento de Tithonia diversifolia colecta 10. Revista Cubana de Ciencia Agrícola [Internet]. 2012 [citado 15 de febrero de 2018];46(3). Disponible en: http://www.redalyc.org/resumen.oa?id=193025294002

 Comentario HHC: Si de ciencia se trata, tenemos que utilizar las asignaturas destinadas a ello. Nuestros dirigentes agricolas debieran aporyarse en las mismas, como la modelacion económica matemática,  solo debemos aprender a interpretar los resulatdos que nos proporcionan, para tomar las mejores decisiones. 

COSTOS FIJOS, COSTOS VARIABLES Y PUNTO DE EQUILIBRIO (VIDEO)

https://www.youtube.com/watch?v=9lXj6CWKJb0

Chequea Tapia Fonseca concreción de estrategia económico-social en Isla de la Juventud (+Fotos), Comentario HHC

ANA ESTHER ZULUETA | FOTOS:JESSICA PADRÓN 

12 MARZO 2022

FacebookTwitteryoutubeCompartir

 

Nueva Gerona, 12 mar (ACN) El vice primer ministro Jorge Luis Tapia Fonseca chequeó este viernes en Isla de la Juventud la articulación del programa de desarrollo local con la estrategia económico-social de Cuba, propósito que aún continúa distante de los resultados esperados.

En tal sentido, quedó claro para las autoridades del territorio, administrativos, directivos, empresarios y presidentes de Consejos Populares que al municipio especial le apremia sobreponerse al déficit de insumos y encontrar soluciones de cara al autoabastecimiento territorial a partir del encadenamiento y la aplicación de la ciencia y la innovación.

La visita gubernamental, en la cual se da seguimiento al programa de desarrollo integral, identificó subjetividades en el atraso en las obras civiles para el suministro de agua al programa arrocero, en la construcción de estanques para la siembra de alevines de cara al fomento acuícola y en la calidad de la elaboración del pan normado a la población.

Insistió en la necesidad de hacer un mejor uso de las máquinas de riego con el propósito de incrementar los volúmenes productivos, agilizar la entrega de tierra en usufructo y aprovechar las tierras ociosas y/o deficientemente explotadas para la producción de alimento animal, así como para la siembra de cultivos estratégicos, que a la postre sustituyan importaciones.

Lograr la soberanía alimentaria del municipio especial debe sustentarse en el mejoramiento genético de la masa del ganado mayor y menor, la organización de los procesos, la correcta contratación, el encadenamiento productivo, la comunicación, la competencia de los cuadros de dirección, la capacitación y la concreción de proyectos de desarrollo local, dijo.

Reconoció que aunque el territorio avanza en algunos indicadores, urge redoblar esfuerzos para cumplir el plan de siembra de cultivos varios que tribute al empeño del país de aportar a la dieta de los cubanos 30 libras per cápita cada mes de viandas, granos, frutas y hortalizas, el cual deviene propósito inaplazable en la estrategia de Cuba.

Asimismo, llamó a ampliar las capacidades en el cultivo del café, tabaco tapado de cara a la exportación, introducir la siembra del cacao, cumplir el plan de producción de miel de abeja y seleccionar a una decena de productores para el fomento a pequeña escala de cítricos.

El perfeccionamiento del comercio minorista de subordinación local no avanza, subrayó al tiempo que señaló a la cadena de impago generada desde ese sector como una de las causas que ralentizan el saneamiento de las finanzas internas e inciden en el incumplimiento de la circulación mercantil, mecanismo eficaz para garantizar el equilibrio financiero en el país a fin de evitar efectos negativos sobre la moneda.

La agenda incluyó, además, el análisis del cumplimiento de las inversiones de carácter social, la producción de materiales de la construcción, el programa de la vivienda, el estado de la transportación marítima de pasajeros y de carga, así como terrestre y área, el turismo para nacionales y el sistema de Salud Pública.

Comentario HHC:  "Robinson Crusoe" estaría de pláceme en una isla que puede tenerlo todo.

Me imagino que los directivos del Municipio Especial y los visitantes tengan suficiente información del territorio. Por ejemplo. ¿ Cuánto  se necesita de alimentos y de ellos cuales se pueden obtener en el territorio con lo disponible?. Solo el articulo se habla de las 30 libras de viandas, hortalizas, etc. De la proteína  de 5 kg mensual por habitantes que se hablo en el acto publico,  el pasado 28 de diciembre en el territorio , ni se menciona. 

Es fácil calcular que para los 83 000 habitantes de la Isla de la Juventud se necesitan producir para cumplir lo anunciado de 30 libras y 5 kg  de proteina (11.02 lb) per cápita mensuales.

-  2 490 000 libras mensuales de frutas, granos y hortalizas en toda la Isla de la Juventud para consumo, que serían al año 29 880 000 lb. Si se pretende exportar y crear una reserva que debería ser así, es algo más. 

-  415 000 kg mensuales de proteína animal y 4 980 000 kg al año como mínimo. 

 Isla de la juventud ONEI 2020

- Un dato curioso en el 2016 se dieron 11 incendios y en el 2020 57, todos por causas humanas. ¿?.

- En el 2020 habían 83 625 habitantes. El 49.6 % del sexo femenino y  63.9 %  del total entre 15 a 60 años.

- Hay 82 empresas, de ellas 28 cooperativas y 24 presupuestadas.

¿ Con lo anterior se pueden satisfacer las necesidades de alimentos, seguridad, empleo, salud, educación, etc del Municipio ?

En una de las fotos hay cerdos, observar la diferencia entre el 2015 y 2020. Todo se vino abajo ¿?.

Otro tanto ocurre con el sector de la pesca.

Aquí lo dejo, es solo un esbozo,  son 196 páginas de información de todo tipo que brinda la ONEI  ¿ Cuál es el plan de acción desde la ciencia, para hacer sustentable y sostenible este Municipio especial ? ¿ Es suficiente con lo planteado en la visita?

P.D Me quede sorprendido , algo que desconocía, que exista  en las Cuevas de Punta del Este, lo que se considera (ba) la Capilla Sixtina del arte rupestre caribeño, contiene gran cantidad de pictografías aborígenes. Sin embargo el periodico Trabajadores daba cuenta en el 2014 de la destrucción a que habia sido sometida, por nosotros los humanos.  

" De los 261 dibujos hallados por Núñez Jiménez, el 81 por ciento eran de la primera de las cuevas, la mayoría se han perdido y todas peligran de no ser disfrutadas por las futuras generaciones." 

http://www.trabajadores.cu/20140619/socorrer-templo-aborigen-cuevas-punta-del-este-isla-de-la-juventud/

¿ Qué clase de educación tienen algunos? . Los " exploradores" dejando su huella. al punto de que está cerrado todo hoy para preservar algo de lo que queda. 

Áreas cañeras del sur avileño se benefician de las aguas del canal

  Lubia Ulloa Trujillo (ACN). 

ECONOMÍA

 12 Marzo 2022

Foto: Ortelio González Martínez

Áreas cañeras del sur del municipio avileño de Venezuela son las primeras en recibir los beneficios de las aguas del canal trasvase Zaza-Ciego de Ávila, el cual dispondrá este año de siete millones de metros cúbicos de ese recurso, proveniente de tres presas de la provincia de Sancti Spíritus.

Rolando Madrigal Moreno, presidente de la Cooperativa de Producción Agropecuaria (CPA) Ramón Domínguez de la Peña, precisó a la Agencia Cubana de Noticias (ACN) que actualmente se favorecen con ese río artificial 16 hectáreas (ha) de la gramínea que estaban en secano.

En un futuro no lejano también la recibirán otras 21 ha, cuyo sistema actual de alimentación de agua es por gravedad, dijo Madrigal Moreno.

Contar con ese canal da la posibilidad de llegar a favorecer entre 180 y 200 ha plantadas de caña en la CPA, agregó el directivo.

Pedro Rodríguez Mora, director técnico de la Empresa de Aprovechamiento Hidráulico en Ciego de Ávila, recordó a la ACN que el Zaza-Ciego de Ávila nace en la derivadora del Sur del Jíbaro, en la provincia espirituana, y llega hasta la cercanía de la comunidad rural El Amparo, en el municipio avileño de Venezuela.

Las aguas que lo llenan provienen de las presas Lebrije, Dignorah y Felicidad, y serán utilizadas a través de los 15 puntos de entrega diseñados a lo largo de su trayecto, puntualizó Rodríguez Mora.

Del balance provincial de agua, unos siete millones de metros cúbicos proceden de esta fuente, que abastecerá, también, a partir del actual mes de marzo a 12 ha de la Unidad Empresarial de Base Alevinaje La Teresa, perteneciente a la Empresa de la Pesca; y a 21 ha que se emplearán para cultivos varios en la Empresa Agropecuaria Militar, apuntó Rodríguez Mora.

Diseñado por los especialistas de la Empresa de Investigaciones y Proyectos Hidráulicos de Villa Clara, el canal magistral Zaza-Ciego de Ávila nace del Trasvase Centro-Este y se ideó para trasladar 300 millones de metros cúbicos de agua al año desde la derivadora del Sur del Jíbaro, en Sancti Spíritus, hasta los límites con Camagüey.

Pero la llegada de los tiempos difíciles de los años 90 de la pasada centuria y otros tropiezos constructivos impidieron hasta ahora ese objetivo, que de concretarse en algún momento podrá extenderse a más de 100 000 ha, todas con potencialidades para el fomento de los cultivos varios, el arroz, la pesca, el desarrollo de la ganadería y la caña.

Las sanciones a Rusia amenazan al dólar

12 marzo, 2022, Observatorio Crisis

El bloqueo de Estados Unidos a las reservas de divisas de Rusia podría hacer que China, Arabia Saudita y muchos otros países se deshagan de sus tenencias en Bonos del Tesoro norteamericano.

WILLIAM PESEK, COLUMNISTA DE «ASIA TIMES » y GANADOR DEL PREMIO DE LA «SOCIEDAD DE ESCRITORES ESPECIALISTAS EN FINANZAS DE ESTADOS UNIDOS»

Japón y China tienden a estar de acuerdo en muy pocas cosas cuando se trata de estrategia económica, geopolítica o manejo de las idiosincrasias occidentales. Sin embargo, Joe Biden está logrando juntar a Tokio y Beijing en un tema: su tenencia de deuda del Tesoro de EEUU por valor de 2,4 billones de dólares estadounidenses, que ahora están repentinamente en duda.

Lo que está en juego es la decisión del presidente Biden de congelar una porción considerable de las reservas de divisas de Rusia como castigo por la ocupación de Ucrania. En palabras de Biden: Washington está “evitando que el Banco Central de Rusia defienda el Rublo, lo que hará que el fondo de guerra de $ 630 mil millones de Putin no tenga valor”.

Según algunos cálculos, más de la mitad de ese dinero está ahora fuera del alcance de Putin.

Lo que preocupa a los funcionarios en Tokio es que la acción podría hacer que la deuda que mantiene del gobierno de EEUU con Japón (en bonos del tesoro) de $ 1.3 billones valga mucho menos. En conversaciones recientes con altos funcionarios del Banco de Japón, me han dicho que es probable que la decisión de castigar a Rusia incautando miles de millones de su riqueza estatal haga que China, Arabia Saudita y otros gobiernos, que están en la mira de Biden, reduzcan sus participaciones en el dólar como reserva estratégica.

“Entonces, pregunto a mis interlocutores, si los administradores estatales de riqueza están pensando racionalmente, ¿no les correspondería a Gran Bretaña, Irlanda, Luxemburgo, Suiza, Corea del Sur y Taiwán liderar las ventas de bonos estadounidenses?” Me responde un alto funcionario del Banco Central de Japón (BOJ): “Vender solo conduciría a más ventas. Esto se convertirá en una locura en Asia durante lo que queda del 2022”.

Los funcionarios insisten que Japón resistiría la tentación de deshacerse de los dólares, al menos por ahora. Pero la seguridad de la montaña de bonos del Tesoro de EEUU que tiene Tokio está complicando la vida al gobernador del BOJ, Haruhiko Kuroda, y al primer ministro, Fumio Kishida.

Para Japón, la preocupación inmediata es un aumento en los rendimientos de los bonos estadounidenses que golpee los mercados globales y la confianza empresarial. Las posibles consecuencias del ataque de Putin a Ucrania ya están cambiando todo lo que los gobiernos asiáticos creían saber sobre 2022. Las implicaciones de una inflación creciente y cadenas de suministro estresadas tienen a los mercados de valores al límite.

Las bolsas de Shanghái y Shenzhen son un foco particular de los inversores globales. El índice de referencia CSI 300 ha caído un 27% desde un máximo de hace 12 meses, lo que genera comparaciones con el colapso bursátil de 2018.

Ese año, el índice compuesto perdió más del 25% en una liquidación en medio de la desaceleración del crecimiento en Asia y la profundización de la guerra comercial de EEUU. La crisis de los últimos 12 meses está siendo impulsada por la caída de los mercados inmobiliarios y la preocupación de que la política «cero covid» del presidente Xi Jinping frene el crecimiento.

Los riesgos relacionados con Ucrania también abundan. El Banco Popular de China (PBOC) teme que sus recientes movimientos de relajación choquen con el aumento de los precios de las materias primas, en particular del petróleo y el gas. Los informes que China está considerando comprar o aumentar las participaciones en las empresas rusas de productos básicos y energía podrían enfurecer a los funcionarios en Washington.

Esta semana, el New York Times citó a la Secretaria de Comercio, Gina Raimondo, advirtiendo que Washington podría tomar medidas “devastadoras” contra las empresas chinas que ayudan a Rusia a evadir las sanciones. El espectro de un conflicto entre China y EEUU podría llevar al índice CSI aún más al rojo.

El jueves, las acciones chinas que cotizan en las bolsas estadounidenses experimentaron la peor liquidación desde la crisis financiera de 2008. El índice Nasdaq del “Golden Dragon Chino” cayó un 10% debido a la caída de los depósitos estadounidenses en Alibaba Group, Baidu Inc, Nio Inc y XPeng Inc.

Al mismo tiempo, Rusia necesitaría la ayuda de China para convertir en efectivo sus $24 mil millones en reservas del Fondo Monetario Internacional. Esos activos solo se pueden cambiar por cinco monedas que el FMI considera «de libre uso». Y Estados Unidos, la Unión Europea, el Reino Unido y Japón no van a ayudar a Putin. Si Xi lo hace, también enfrenta sanciones contra China.

Sin embargo, en el fondo lo que se avecinan es una creciente preocupacióm sobre la estabilidad de los bonos del Tesoro de EEUU. Los funcionarios del BOJ dicen que desde que Donald Trump, cambio sobre su política económica hacia China, Tokio no ha necesitado proteger sus activos estatales. Esto porque durante un tiempo el círculo íntimo de Trump consideró no pagar parte de la deuda que Estados Unidos tiene con Beijing.

Ante esta idea el economista de Moody’s Analytics, Mark Zandi, escribió: «es una completa locura contemplar la idea de no pagar nuestra deuda a tiempo». Zandi afirma que “sería un Armagedón financiero”.

No obstante, el gobierno de Xi no es el primero en preocuparse por la seguridad de sus enormes tenencias en Bonos del Tesoro estadounidense. En 2009, por ejemplo, el entonces primer ministro Wen Jiabao hizo un llamamiento público a los funcionarios estadounidenses para que fueran mejores administradores de la considerable riqueza estatal china que se encuentra en los Bonos del Tesoro.

“Hemos otorgado una gran cantidad de préstamos a Estados Unidos”, dijo Wen. “Por supuesto, nos preocupa la seguridad de nuestros activos. Para ser honesto, estoy un poco preocupado”. A continuación, instó a Washington a “honrar sus palabras, seguir siendo una nación creíble garantizando la seguridad de los activos chinos”.

Dos años más tarde, S&P Global Ratings le dio toda la razón a Wen cuando le quitó el estatus AAA a Washington. Ahora, una década después, el sucesor de Wen, Li Keqiang tiene, entre manos, preocupaciones aún mayores.

Ahora, el gobierno estadounidense ha superado la increíble cifra de $ 30 billones en deuda emitida por su Tesoro, esto es aproximadamente el doble del tamaño del producto interno bruto (PIB) anual de China. La polarización política en Washington también pone en peligro la calificación crediticia de Estados Unidos.

Desde 2011 los republicanos jugaran a la política para elevar el techo de la deuda. Ahora, si los republicanos ganan la mayoría en la Cámara de Representantes en las elecciones de noviembre, esa riqueza estatal combinada de 2,4 billones de dólares que so de propiedad de Japón y China podría estar en peligro.

Según el CEO de Eurasia Group, Ian Bremmer, los republicanos se castigarán a los demócratas por sus imputaciones contra Trump. “Una acusación a Biden encabezará la agenda del Partido Republicano y la confianza en las instituciones políticas estadounidenses recibirá un golpe aún mayor”, advierte Bremmer.

A la economista de S&P Beth, Ann Bovino, le preocupa que el límite de la deuda: » podría ser más catastrófica para la economía que la quiebra de Lehman Brothers en 2008″ y desperdiciaría la mayor parte de las ganancias económicas en los años transcurridos desde ese oscuro período”.

Esta crisis, dice Bovino, “haría perder $ 6.5 mil millones de producción económica por semana, desencadenando un efecto mariposa que sacudiría la economía mundial”.

En medio de esta incertidumbre, el único claro ganador es la moneda de China. Su atractivo como refugio seguro en las últimas semanas no ha pasado desapercibido en los círculos de negociación de divisas. El hecho de que el Banco Central de China esté superando a la Reserva Federal de EEUU, al Banco Central Europeo y al BOJ en los mercados, con una moneda digital solo aumenta el atractivo del yuan como elemento diversificador.

Si Biden congela las reservas chinas será una victoria para el Bitcoin, argumenta Lewis McLellan en el Instituto Monetario Digital: “Sin duda, este desarrollo esta siendo observado por los administradores de reservas del banco central. Se supone que los valores y las monedas extranjeras, mantenidos en el extranjero, proporcionan seguridad a una moneda en tiempos de estrés. En consecuencia, las reservas se seleccionan por su estabilidad y liquidez, pero estas son cualidades que no se asocian con Bitcoin”, explica McLellan.

Sin embargo, agrega McLellan, el Bitcoin tiene algunas cualidades muy importantes. Un banco central, dice McLellan, puede configurar su propia «billetera», que es un dispositivo que almacena cripto-monedas fuera de línea y libre de la amenaza de sanciones. La otro muy importante: Es que es digital.

“Rusia lo sabe”, dice McLellan, “el oro en sus bóvedas es un activo difícil de congelar por una potencia extranjera, pero también es muy difícil de liquidar. El Bitcoin se puede enviar a todo el mundo en cosa de unos minutos”.

Mientras tanto, el mundo está obsesionado con un cambio en la Reservas en Dólares que tiene China, las más grandes del mundo. En enero, cayeron $ 7.8 mil millones a $ 3.214 billones. Es decir, China ya ha vendido más de la mitad de sus reservas en dólares. La vecina Tokio, tiene 1,3 billones de razones propias para preocuparse. Japón está atento porque la tensión entre Estados Unidos y Rusia podría acabar con el dólar. “Digamos que los altos funcionarios del Banco Central de Japón están cancelando sus planes de vacaciones”, bromea un miembro del personal.

Proyectan aprobación en abril de la Ley de Soberanía Alimentaria y Seguridad Alimentaria y Nutricional

La propuesta de Ley regula la organización de los sistemas alimentarios locales soberanos y sostenibles que articulan de forma intersectorial e interinstitucional la producción, transformación, comercialización y el consumo de alimentos

Autor: Daniela Leyva Fernández | internet@granma.cu

12 de marzo de 2022 09:03:35

La Ley prevée el cumplimiento de las estrategias para la prevención y reducción de pérdidas y desperdicios de alimentos Foto: Ismael Batista Ramírez

La Asamblea Nacional del Poder Popular de Cuba, como parte de las regulaciones generales para alcanzar la soberanía alimentaria, así como fortalecer la seguridad alimentaria y nutricional en función de la protección del derecho de toda persona a una alimentación sana y adecuada, debe aprobar en abril de 2022 la Ley de Soberanía Alimentaria y Seguridad Alimentaria y Nutricional (Ley SSAN).

Según la web del Ministerio de la Agricultura (Minag), la Ley SSAN es la instrumentación jurídica del Plan SAN, y para su elaboración fue constituido un Grupo Temporal de Trabajo, coordinado por el organismo.

La propuesta de Ley regula la organización de los sistemas alimentarios locales soberanos y sostenibles que articulan de forma intersectorial e interinstitucional la producción, transformación, comercialización y consumo de alimentos, y a su vez pauta un sistema de educación nacional relativo a las buenas prácticas alimentarias, en aras de prevenir enfermedades asociadas a la nociva y deficiente alimentación.

Entre otros aspectos, establece las responsabilidades de los sistemas de Salud, educación, cultura y comunicación social, así como la insertación de los aspectos auditables a las entidades del sector agroalimentario por la Contraloría General de la República, el cumplimiento de las estrategias para la prevención y reducción de pérdidas y desperdicios de alimentos en las cadenas alimentarias.

Dichos elementos, entre otros, conforman los fundamentos para la necesidad de su aprobación, así como las estrategias en el ordenamiento jurídico cubano.

Participaron en su redacción representantes de 22 Organismos de la Administración Central del Estado, 12 Organizaciones Superiores de Dirección Empresarial, 27 entidades, 11 organizaciones de la sociedad civil de Cuba, académica e investigadora de instituciones científicas y universidades, así como productores agropecuarios.