TomatoABM-Random Variable Value Generation
From hpcwiki
TODO
- Describir la forma en la que se recolectaron los datos empíricos (Survey Data)
- Describir las variables en campo que fueron contempladas
- Describir la manera en la que se modela la relación de los agentes con el dominio (ubicación espacial, cantidad de agentes
- Describir el tipo de variables que tienen que ser modeladadas como variables aleatorias generadas por el entorno de simulación
- Mencionar las funciones de distribución y su formulación matemática -> parámetros
- Normal (procesos naturales)
- Gamma (procesos humanos)
- Describir los métodos de ajuste de parámetros de modelos estadísticos basados en funciones de distribución unimodal
- Detallar la elección de las funciones de distribución en este caso de estudio y los métodos empleados para el ajuste (sobre los datos) y la generación (en Netlogo-R)
El Centro de Biosistemas de la universidad Jorge Tadeo Lozano con el apoyo con la universidad de Lovaina de Bélgica, han venido realizando durante los últimos cuatro años un estudio en la región Boyaca-Santander con el fin de analizar y comprender el sistema de producción de tomate bajo invernadero en Colombia. En una primera etapa del estudio concentrada en los municipios: Santa Sofía, Sutamarchan, Tinjacá, Sáchica y Villa de Leyva del departamento de Boyacá, se realizó 139 encuestas a igual número de granjeros productores de tomate bajo invernadero, ubicados en zonas cercanas a las vías principales.
Las encuestas cuyo objetivo principal fue realizar una caracterización completa del sistema de producción de tomate bajo invernadero, se dividieron en 14 secciones que abarcaron aspectos sociales, económicos, técnicos y ambientales, de la cuales la primera sección buscaba obtener aspectos generales del agricultor y su familia, las demás secciones abordaban prácticas agrícolas y aspectos técnicos como características de los invernaderos, el uso de fuentes hídricas, sistemas de fertirrigación, densidad de plantas, nivel de producción (kg/m2), incidencia y manejo plagas, aplicación de fertilizantes, etc. Además de la información obtenida por medio de las encuestas también se cuenta con datos de los procesos de fertilización realizados en el laboratorio o zona de experimentación ubicado en Chia , que son invernaderos con los que cuenta la Universidad Jorge Tadeo Lozano para investigación.
En el campo de la estadística se han desarrollado diferentes modelos para representar la probabilidad de ocurrencia de un determinado suceso a partir de la observación en el mundo real.De esta manera existen dos tipos de distribuciones de probabilidad: discreta y continua. La primera solo toma valores enteros mayores a cero mientras la segunda a parte de tomar valores enteros toma valores fraccionarios, lo que quiere decir que puede tomar infinitos valores dentro de un intervalo.
Dentro de las distribuciones de probabilidad discretas más conocidas se encuentran: Uniforme discreta, Binomial, Geométrica, Poisson. Para el caso de la distribuciones de probabilidad continua están: uniforme, normal. exponencial, gamma, t student, ji-cuadrado. Para este proyecto se utilizaron la normal y gamma, por este motivo se profundiza en estas dos.
La distribución normal es quizás la más importante en el cálculo de probabilidades y la estadística. Esta presente en todos los campos: economía, psicologia, biologia, física, etc....
Para modelar la toma de decisiones del agente en torno al nitrógeno en la simulación,
En el proceso de abstracción del sistema de tomate bajo invernadero se identificaron diferentes ept
Para simular la toma de decisiones por parte del agente se tomo
Para la generación de los parametros de las distribuciones se utilizó las funciones ..., que facilita el lenguaje R
La generación de números aleatorios es muy importante en la simulación, para esto en probabilidad y estadística existen distribuciones de probabilidad que son funciones que determinan la probabilidad de ocurrencia de un suceso dentro de un conjunto.
La generación de variables aleatorias es muy importante para hacer que el comportamiento de un sistema se asemeje al comportamiento del sistema real. Para esto se hace uso de la teoría de la probabilidad que dice que "toda variable aleatoria posee una distribución de probabilidad que describe su comportamiento"[1]. Cuando se estudia un sucedo de la vida real, al aumentar las pruebas se observa, se observa que la frecuencia tiende a com
Con el objetivo de modelar diferentes fenómenos de la realidad, en el campo de la estadística se han construido modelos de distribución de probabilidad,
Las distribuciones de probabilidad se dividen en dos: distribuciones de probabilidad discreta y distribuciones de probabilidad continua, en donde la primera corresponde solo toma valores enteros mayores a cero. En el caso de la distribucion de probabilidad continua toma valores tanto enteros como fraccionarios, esta puede tomar infinitos valores dentro de un intervalo por eso se dice que la probabilidad de tomar x valor es cero
Para el ajuste de datos existen funciones que permiten calcular los parámetros de una distribución de probabilidad
El lenguaje de programación R provee un entorno para el análsis de ...
Visual inspection of histogram plots for nitrogen quantities (solid and fertirrigation apportations) from experimental data (polls) shows that Gamma distribution could describe the experimental data properly, so Gamma distributions were used to fit in situ polls in order to represent behaviors close to the real farmer decision making
library(MASS)
NMin_inv <- read.table("data/NMin_inv.csv", quote="\"")
x<- as.numeric(NMin_inv[,1])
fitted.gamma <- fitdistr(x, "gamma")
Contents |
FERTIGATION STRATEGY BASED ON A SINGLE FORMULA FOR THE ENTIRE CROP CYCLE
- Standard Formula:
N-NH_4 = 7 ppm (mg/l) N-NO_3 = 132 N = 139 P = 31 K = 195 Ca = 80 Mg = 36 S = 33.6 Fe = 0.84 Mn = 0.28 Cu = 0.03 Zn = 0.2 B = 0.11
- Conversion from ppm (mg/kg) to kg/ha:
Assuming:
Soil bulk density = 1200 kg/m3
Thickness layer = 0.3 m
Conclusion: Use a factor of 3.6 to convert from ppm to kg/ha
FERTIGATION STRATEGY BASED ON THE CROP STAGE
- Vegetative period:
N-NH_4 = 7 ppm (mg/l) N-NO_3 = 120 N = 127 P = 42 K = 246 Ca = 127 Mg = 53 S = 41 Fe = 4.54 Mn = 4.54 Cu = 0.68 Zn = 1.81 B = 1.81
- Reproductive period:
N-NH_4 = 7 ppm (mg/l) N-NO_3 = 138 N = 145 P = 47 K = 280 Ca = 145 Mg = 60 S = 47 Fe = 5.16 Mn = 5.16 Cu = 0.77 Zn = 2.06 B = 2.06
Dutch method: soil solution analysis:
Nitrogen correction based in the Dutch method:
- Deficient: +1.5 mmol/l = +21 ppm
- Low: +0.75 mmol/l = +10.5 ppm
- Optimum: 0 mmol/l = 0 ppm
- High: -0.75 mmol/l = -10.5 ppm
- Excess: -1.5 mmol/l = -21 ppm
TODO:
- Specify the quantity of nitrogen-based fertilizer according to the soil quality assessment
Computation of Production Volume
TODO
- Redactar la explicación correspondiente a esta fórmula y citar el trabajo adjunto
... according to production potential in each scenario vs. TomGro results
- TODO: state a formula according to fertilization practices...
- DSSAT (Tomato Module)
Solid fertilization index:
| N (kg/ha) lower limit | N (kg/ha) upper limit | N Factor |
|---|---|---|
| < 227 | 0.7 | |
| 227 | 338 | 0.85 |
| 338 | 562 | 1.0 |
| 562 | 677 | 0.85 |
| > 677 | 0.7 |
Tomato yield (kg/m2) vs N (ppm) in fertigation - Muñoz et al. (2008)
File:2008 Muñoz High decrease nitrogen tomato.pdf
Referencias
- [1] Distribuciones de Probabilidad
