Gestión de macrodatos para el programa de mejora genética de la caña de azúcar
Barra lateral del artículo
Contenido principal del artículo
Resumen
El objetivo de este trabajo fue diseñar y establecer un modelo de gestión de macrodatos para facilitar la toma de decisiones en el Programa de Mejoramiento de la caña de azúcar en Cuba e incrementar su eficiencia. Para esto se utilizaron las fuentes de información disponibles del proceso de selección del período 2000 al 2017 y las procedentes de la respuesta agroproductiva de los cultivares en áreas de producción. Se diseñó y aplicó un modelo que incluye los componentes: infraestructura, colección, validación, almacenamiento, procesamiento, análisis y visualización. Se realizó un estudio de caso del cruce C86-12 x CP70-1133 para caracterizar sus antecedentes de selección. Como resultado, el enfoque big data permitió obtener una compilación de datos primarios y resultados de selección, estimar el valor genético de progenitores y cruces, clasificar los cruzamientos y facilitar la toma de decisiones en el programa de mejoramiento de la caña de azúcar en Cuba para la obtención de nuevos cultivares comerciales. Su aplicación en el caso de estudio garantizó acceder a toda la información disponible al respecto y recomendar su mejor manejo.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes de la Licencia CC Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC 4.0):
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia.
Bajo las condiciones siguientes:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. Son aceptados para publicar trabajos científico originales, resultados de investigaciones de interés que no hayan sido publicados ni enviados a otra revista para ese mismo fin.
La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Citas
Sun J, Zhou Z, Bu Y, Zhuo J, Chen Y, Li D. Research and development for potted flowers automated grading system based on internet of things. Journal of Shenyang Agricultural University [Internet]. 2013;44(5):687-91. Available from: https://www.cabdirect.org/cabdirect/abstract/20133406244
Yang C. Big Data and its potential applications on agricultural production. Crop, Environment & Bioinformatics [Internet]. 2014;11(1):51-6. Available from: https://www.cabdirect.org/cabdirect/abstract/20143190953
Chen M, Mao S, Liu Y. Big data: A survey. Mobile networks and applications [Internet]. 2014;19(2):171-209. Available from: https://dl.acm.org/doi/10.1007/s11036-013-0489-0
Mazzocchi F, Lapointe FJ. Sobre el ‘big data’:¿ Cómo podríamos dar sentido a los macrodatos? Mètode: Revista de difusión de la Investigación [Internet]. 2020;1(104):34-41. Available from: https://dialnet.unirioja.es/servlet/articulo?codigo=7391781
Wolfert S, Ge L, Verdouw C, Bogaardt M-J. Big data in smart farming-a review. Agricultural systems [Internet]. 2017;153:69-80. Available from: https://www.sciencedirect.com/science/article/pii/S0308521X16303754
Park S, Jackson P, Berding N, Inman-Bamber G. Conventional breeding practices within the Australian sugarcane breeding program. In: Proceedings of the Australian Society of Sugar Cane Technologists [Internet]. 2007. p. 113-21. Available from: https://www.researchgate.net/profile/Nils-Berding/publication/305390103_Conventional_breeding_practices_within_the_Australian_sugarcane_breeding_program/links/578c603608ae5c86c9a14e99/Conventional-breeding-practices-within-the-Australian-sugarcane-breeding-program.pdf
Yadav S, Jackson P, Wei X, Ross EM, Aitken K, Deomano E, et al. Accelerating genetic gain in sugarcane breeding using genomic selection. Agronomy [Internet]. 2020;10(4):585. Available from: https://www.mdpi.com/2073-4395/10/4/585
González R. Variedades de caña de azúcar cultivadas en Cuba. Cronología, legislación, metodologías y conceptos relacionados. Instituto Cubano de Investigaciones de Derivados de La Caña de Azúcar; 2019.
Rodríguez R, Puchades Y, Abiche W, Rill S, García H. SASEL: software for data management generated in the Cuban sugarcane-breeding program. In: Proceedings of the International Society of Sugar Cane Technologists. 2016. p. 63-6.
Jorge H, González R, Casas M, Jorge I. Normas y procedimientos del programa de mejoramiento genético de la caña de azúcar en Cuba. PUBLINICA, La Habana. 2011;
Rodríguez-Gross R, Puchades-Isaguirre Y, Aiche-Maceo W, Cornide-Hernández MT. Modelo matemático para estimar el valor genético de progenitores y cruces en caña de azúcar. Cultivos Tropicales [Internet]. 2018;39(2):81-8. Available from: http://scielo.sld.cu/scielo.php?pid=S0258-59362018000200011&script=sci_arttext&tlng=en
Rodríguez-Gross R, Puchades-Isaguirre Y, Aiche-Maceo W. Metodología de validación y manejo de cruces en la mejora genética en caña de azúcar. Cultivos Tropicales [Internet]. 2020;41(1). Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0258-59362020000100002
Kumar H, Menakadevi T. A review on big data analytics in the field of agriculture. International Journal of Latest Transactions in Engineering and Science [Internet]. 2017;1(4):1-10. Available from: http://www.ijltes.com/wp-content/uploads/2017/02/1.pdf
Everingham Y, Sexton J, Skocaj D, Inman-Bamber G. Accurate prediction of sugarcane yield using a random forest algorithm. Agronomy for sustainable development [Internet]. 2016;36(2):27. Available from: https://link.springer.com/content/pdf/10.1007/s13593-016-0364-z.pdf
Everingham Y, Sexton J, Robson A. A statistical approach for identifying important climatic influences on sugarcane yields. In: Proceedings of the 37th Conference of the Australian Society of Sugar Cane Technologists, 28-30 April 2015, Bundaberg, Queensland, Australia [Internet]. Australian Society of Sugar Cane Technologists; 2015. Available from: https://www.researchgate.net/publication/287208302_A_Statisical_Approach_for_identifying_Important_Climatic_Influences_on_Sugarcane_Yields
Biqing L, Yongfa L, Miao T, Shiyong Z. Design and Implementation of Sugarcane Growth Monitoring System based on RFID and ZigBee. International Journal of Online Engineering [Internet]. 2018;14(3). Available from: https://www.researchgate.net/publication/324114641_Design_and_Implementation_of_Sugarcane_Growth_Monitoring_System_based_on_RFID_and_ZigBee