Imagen Institucional

Departamento de Agronomía

jueves 23 de mayo de 2019

Noticias Departamentales

GENERAL | 09-04-2019

Curso de Postgrado "Introducción a la Modelización de Sistemas Aplicados a la Toma de Decisiones en Protección de Cultivos"

Curso de Postgrado

imagen asociada a la noticia

"INTRODUCCION A LA MODELIZACIÓN DE SISTEMAS APLICADOS A LA TOMA DE DECISIONES EN PROTECCION DE CULTIVOS"

Justificación – Marco de referencia

La protección de cultivos es un fenómeno complejo donde la toma de decisiones tiene una dimensión fundamental. Dentro de este contexto, la predicción es clave para que las decisiones de los productores y técnicos sean tomadas adecuadamente. Para realizar buenas predicciones ha emergido en el mundo científico la modelización matemática, una herramienta imprescindible en la agricultura moderna que nos permite proyectar en el futuro la evolución de los sistemas dinámicos, tal es el caso de las poblaciones de plagas, enfermedades y malezas, permitiendo así evaluar diversos escenarios de manejo.

El objetivo general de este curso es familiarizar a los participantes con las técnicas de modelización dinámica, sus aplicaciones en protección de cultivos y exponer su potencialidad como herramienta de ayuda práctica en la toma de decisiones en el manejo de plagas.

 

Docentes responsables:

Dr. Guillermo R. Chantre (Dpto. de Agronomía y CERZOS, UNS-CONICET, Bahía Blanca, Argentina)

Dr. José Luis González-Andújar (CSIC, Córdoba, España)

 

Modalidad: semi-presencial

 20 horas de dictado a distancia vía plataformas virtuales (Moodle)

 40 horas de dictado presencial (Departamento de Agronomía, UNS)

 

ARANCEL $2.000.-

 

Módulo a distancia: 28/10 al 01/11.

Módulo presencial: 04/11 al 08/11.

Carga horaria total: 60h

 

Destinatarios:

El presente curso está destinado a estudiantes de posgrado, docentes universitarios e investigadores de organismos estatales (Universidades, INTA, SENASA) así como a profesionales integrantes de entidades privadas (AACREA, AAPRESID) involucrados en distintas ramas de las ciencias básicas y aplicadas de la Agronomía, Biología y carreras

a fines. El espectro de destinatarios cubre a todos aquellos interesados en el desarrollo, aplicación y validación de modelos matemáticos de simulación y predicción orientados al desarrollo de herramientas de uso práctico en la toma de decisiones para la protección de cultivos, en el marco de un manejo sustentable y racional de los recursos naturales.

 

Requisitos del curso

 Lectura fluida de idioma inglés.

 Conocimientos básicos de álgebra y cálculo

 Manejo de PC (se aconseja asistir con computadora portátil)

 

CONTENIDOS

MODULO I: A partir del material bibliográfico provisto a través de la plataforma virtual los alumnos procederán a la selección de un caso de aplicación de modelos de toma de decisión para el control de plagas basado en estrategias de manejo integrado sobre bases bio-económicas sobre el cual trabajarán durante la etapa presencial. Para la elección del caso de estudio contarán con guía y asesoramiento docente a través de un foro habilitado a tal fin. Está previsto que se conformen grupos de trabajo que abordarán distintas temáticas sobre las cuales se pueden aplicar los modelos. Se espera que a partir del caso de estudio seleccionado el alumnado desarrolle inquietudes que le permitan identificar los puntos sensibles a abordar durante la etapa presencial del curso a fin de enriquecer las discusiones e introducir vías teórico-prácticas de resolución de los puntos críticos identificados.

MODULO II:

Día 1: Modelado de sistemas

  1. a) Sistemas y modelos.
  2. b) Clasificación de modelos y lenguajes informáticos.
  3. c) Componentes de un modelo.
  4. d) Desarrollo de modelos y su uso.

Día 2: Dinámica de poblaciones I

  1. a) Demografía. b) Modelos simples de dinámica de poblaciones. c) Modelos de ciclo de vida y matriciales. d) Denso-dependencia. e) ¿Cómo considerar escenarios de manejo? Ejercicios: Desarrollo y simulación de modelos de ciclo de vida y matricial. Simulación de escenarios de manejo.

Día 3: Dinámica de poblaciones II

  1. a) Variabilidad estocástica. b) Dinámica espacial. c) Validación. d) Análisis de sensibilidad.

Ejercicios: Ejercicios de validación y análisis de sensibilidad. Demostración de modelos espaciales simples.

Día 4: Herramientas de ayuda a la toma de decisiones

  1. a) Sistemas de Soporte a la Decisión (SSD). b) Su rol en la agricultura. c) SSD basados en modelos poblacionales.
  2. d) Presentación de casos de estudio regional:
  3. Modelado de la emergencia de malezas con fines predictivos;
  4. Planeamiento estratégico del manejo de malezas en base a criterios conjuntos de optimización económica y minimización del riesgo de impacto ambiental en sistemas agrícolas del sudeste bonaerense.

Ejercicios:

Demostración de SSD aplicados a la agricultura.

Día 5: Presentación pública del caso de estudio seleccionado.

 

REFERENCIAS:

Blanco, A.M.; Chantre, G.R.; Lodovichi, M.V.; Bandoni, J.A.; López, R.L.; Vigna, M.R.; Gigón, R. y Sabbatini, M.R. (2014) Modeling seed dormancy release and germination for predicting Avena fatua L. field emergence: A genetic algorithm approach. Ecological Modelling 272, 293-300.

Carey, JR (1993) Applied Demography for Biologists: with Special Emphasis on Insects. Cambridge University Press.

Caswell H. (2001) Matrix population models: Construction, analysis and interpretation, 2nd Edition. Sinauer Associates, Sunderland, Massachusetts

Chantre, G.R.; Blanco, A.M.; Forcella, F.; Van Acker, R.C.; Sabbatini, M.R. y González- Andújar, J.L. (2014) A comparative study between Nonlinear Regression and Artificial Neural Network approaches for modelling wild oat (Avena fatua) field emergence. Journal of Agricultural Science (Cambridge) 152 (2), 254-262.

Chantre, G.R.; Blanco, A.M.; Lodovichi, M.V.; Bandoni, J.A.; Sabbatini, M.R.; Vigna, M.R.; López, R.L. y Gigón, R. (2012) Modeling Avena fatua seedling emergence

dynamics: An artificial neural network approach. Computers and Electronics in Agriculture 88, 95-102.

Haefner, JV (2005) Modelling biological Systems: Principles and applications. Chapman & Hall

Leguizamón, E.S y Chantre, G.R. (2014) Modelización de sistemas agronómicos. En: Malezas e Invasoras de la Argentina: ecología y manejo. Fernández, O.; Leguizamón, E.S. y Acciaresi, H. (Eds.). Editorial Universidad Nacional del Sur. Pp. 873-888. ISBN 978-987-1907-70-0.

Lodovichi MV, Blanco AM, Chantre GR, et al. (2013) Operational planning of herbicide-based weed management. Agricultural Systems 121: 117-129.

Newman, K. et al. (2014) Modelling Population Dynamics. Springer.

Pannell D, et al. (2004) RIM: a bioeconomic model for integrated weed management of Lolium rigidum in Western Australia. Agricultural Systems 79: 305-325.