Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala
La limitada cobertura y pertinencia de la asistencia técnica agrícola en Mesoamérica ha restringido la adopción de prácticas de manejo adaptadas a la variabilidad climática y a las condiciones biofísicas locales. Esta presentación expone un enfoque de agricultura guiada por datos para el cultivo de...
| Main Authors: | , , , , , , , , , |
|---|---|
| Format: | Ponencia |
| Language: | Español |
| Published: |
2025
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/10568/180542 |
| _version_ | 1855528204631015424 |
|---|---|
| author | Navarro Racines, Carlos Jaimes, Diana Llanos, Lizeth Estrada, Oscar Barrios, Camilo Agudelo, Diego Jimenez, Daniel Gardeazabal, Andrea Dorado, Hugo Ramirez Villegas, Julian |
| author_browse | Agudelo, Diego Barrios, Camilo Dorado, Hugo Estrada, Oscar Gardeazabal, Andrea Jaimes, Diana Jimenez, Daniel Llanos, Lizeth Navarro Racines, Carlos Ramirez Villegas, Julian |
| author_facet | Navarro Racines, Carlos Jaimes, Diana Llanos, Lizeth Estrada, Oscar Barrios, Camilo Agudelo, Diego Jimenez, Daniel Gardeazabal, Andrea Dorado, Hugo Ramirez Villegas, Julian |
| author_sort | Navarro Racines, Carlos |
| collection | Repository of Agricultural Research Outputs (CGSpace) |
| description | La limitada cobertura y pertinencia de la asistencia técnica agrícola en Mesoamérica ha restringido la adopción de prácticas de manejo adaptadas a la variabilidad climática y a las condiciones biofísicas locales. Esta presentación expone un enfoque de agricultura guiada por datos para el cultivo de maíz, basado en el análisis integrado de información climática, edáfica y de manejo agronómico mediante técnicas de minería de datos y aprendizaje automático. A partir de más de 4,500 registros productivos en Chiapas, México, y 6,500 observaciones en parcelas de pequeños productores del altiplano occidental de Guatemala, se aplicaron modelos Random Forest para identificar factores determinantes del rendimiento y sus interacciones. Los resultados explican entre el 70 % y 74 % de la variabilidad del rendimiento, evidenciando la influencia de variables como densidad de siembra, fertilización nitrogenada, pendiente del terreno y patrones de precipitación. Asimismo, se integraron pronósticos climáticos estacionales para generar recomendaciones agronómicas sitio-específicas, orientadas a la adaptación y mitigación frente al cambio climático. El enfoque demuestra el potencial de los sistemas de información agroclimática para fortalecer y modernizar los servicios de extensión agrícola, mejorando la toma de decisiones en campo y la resiliencia de los sistemas productivos de maíz.
Limited coverage and relevance of agricultural extension services in Mesoamerica have constrained the adoption of management practices adapted to climate variability and local biophysical conditions. This presentation introduces a data-driven agriculture approach for maize production, integrating climatic, soil, and agronomic management data through data mining and machine learning techniques. Using more than 4,500 production records from Chiapas, Mexico, and 6,500 observations from smallholder maize plots in the western highlands of Guatemala, Random Forest models were applied to identify key yield-determining factors and their interactions. The models explained between 70% and 74% of yield variability, highlighting the influence of planting density, nitrogen fertilization, slope, and precipitation patterns. Seasonal climate forecasts were further incorporated to generate site-specific agronomic recommendations aimed at climate change adaptation and mitigation. The results demonstrate the potential of agroclimatic information services to strengthen and modernize agricultural extension systems, enhance on-farm decision-making, and improve the resilience of maize-based production systems. |
| format | Ponencia |
| id | CGSpace180542 |
| institution | CGIAR Consortium |
| language | Español |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| record_format | dspace |
| spelling | CGSpace1805422026-01-24T02:08:55Z Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala Navarro Racines, Carlos Jaimes, Diana Llanos, Lizeth Estrada, Oscar Barrios, Camilo Agudelo, Diego Jimenez, Daniel Gardeazabal, Andrea Dorado, Hugo Ramirez Villegas, Julian evaluation adaptation agriculture cambio climático climate change maize models modelo agricultura mitigación mitigation adaptación maíz La limitada cobertura y pertinencia de la asistencia técnica agrícola en Mesoamérica ha restringido la adopción de prácticas de manejo adaptadas a la variabilidad climática y a las condiciones biofísicas locales. Esta presentación expone un enfoque de agricultura guiada por datos para el cultivo de maíz, basado en el análisis integrado de información climática, edáfica y de manejo agronómico mediante técnicas de minería de datos y aprendizaje automático. A partir de más de 4,500 registros productivos en Chiapas, México, y 6,500 observaciones en parcelas de pequeños productores del altiplano occidental de Guatemala, se aplicaron modelos Random Forest para identificar factores determinantes del rendimiento y sus interacciones. Los resultados explican entre el 70 % y 74 % de la variabilidad del rendimiento, evidenciando la influencia de variables como densidad de siembra, fertilización nitrogenada, pendiente del terreno y patrones de precipitación. Asimismo, se integraron pronósticos climáticos estacionales para generar recomendaciones agronómicas sitio-específicas, orientadas a la adaptación y mitigación frente al cambio climático. El enfoque demuestra el potencial de los sistemas de información agroclimática para fortalecer y modernizar los servicios de extensión agrícola, mejorando la toma de decisiones en campo y la resiliencia de los sistemas productivos de maíz. Limited coverage and relevance of agricultural extension services in Mesoamerica have constrained the adoption of management practices adapted to climate variability and local biophysical conditions. This presentation introduces a data-driven agriculture approach for maize production, integrating climatic, soil, and agronomic management data through data mining and machine learning techniques. Using more than 4,500 production records from Chiapas, Mexico, and 6,500 observations from smallholder maize plots in the western highlands of Guatemala, Random Forest models were applied to identify key yield-determining factors and their interactions. The models explained between 70% and 74% of yield variability, highlighting the influence of planting density, nitrogen fertilization, slope, and precipitation patterns. Seasonal climate forecasts were further incorporated to generate site-specific agronomic recommendations aimed at climate change adaptation and mitigation. The results demonstrate the potential of agroclimatic information services to strengthen and modernize agricultural extension systems, enhance on-farm decision-making, and improve the resilience of maize-based production systems. 2025-05 2026-01-23T15:48:32Z 2026-01-23T15:48:32Z Presentation https://hdl.handle.net/10568/180542 es Open Access application/pdf Navarro-Racines, C.; Jaimes, D.; Llanos, L.; Estrada, O.; Barrios, C.; Agudelo, D.; Jimenez, D.; Gardeazabal, A.; Dorado, H.; Ramirez Villegas, J. (2025) Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala. Presented at LXVII Reunión Anual Programa Cooperativo Centroamericano para el Mejoramiento de Cultivos y Animales, Mayo 1, 2025 – San Salvador. 23 sl. |
| spellingShingle | evaluation adaptation agriculture cambio climático climate change maize models modelo agricultura mitigación mitigation adaptación maíz Navarro Racines, Carlos Jaimes, Diana Llanos, Lizeth Estrada, Oscar Barrios, Camilo Agudelo, Diego Jimenez, Daniel Gardeazabal, Andrea Dorado, Hugo Ramirez Villegas, Julian Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title | Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title_full | Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title_fullStr | Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title_full_unstemmed | Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title_short | Agricultura guiada por datos para maíz en Chiapas, México y altiplano occidental de Guatemala |
| title_sort | agricultura guiada por datos para maiz en chiapas mexico y altiplano occidental de guatemala |
| topic | evaluation adaptation agriculture cambio climático climate change maize models modelo agricultura mitigación mitigation adaptación maíz |
| url | https://hdl.handle.net/10568/180542 |
| work_keys_str_mv | AT navarroracinescarlos agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT jaimesdiana agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT llanoslizeth agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT estradaoscar agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT barrioscamilo agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT agudelodiego agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT jimenezdaniel agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT gardeazabalandrea agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT doradohugo agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala AT ramirezvillegasjulian agriculturaguiadapordatosparamaizenchiapasmexicoyaltiplanooccidentaldeguatemala |