Granados Olivas, AlfredoMuñoz Ávila, Carol Lilliam2024-09-032024-09-032024-04https://hdl.handle.net/20.500.11961/6958La agroclimatología permite establecer una relación entre el clima y la agricultura, prediciendo el comportamiento de variables climatológicas y sus efectos en la producción agrícola, así como facilitando el proceso de toma de decisiones en el sector y la resolución de problemas como el desarrollo y crecimiento de los cultivos, el manejo de los planes y calendarios de riego, y las condiciones de estrés hídrico en los cultivos. Este proyecto hace uso de la Inteligencia Artificial (IA) para mejorar las prácticas sobre la optimización del agua en la agricultura. Para este fin se evaluaron datos agroclimáticos de la estación Rancho Reforma # 1 ubicada en el Centro de Transferencia de Tecnología (CeTraTec) en Ascensión, Chih., para calcular la evapotranspiración del cultivo y desarrollar calendarios de riego en tiempo real, empleando la ecuación de Hargreaves y Samani (1983). Estos datos se transformaron en algoritmos para producir visualizaciones en PowerBi, permitiendo monitorear el comportamiento del agua en el cultivo y de esta manera producir calendarios de riego. Como resultados sobresalientes se encontró que con estos datos precisos mediados por tecnología de transferencia de datos digitales a través de un sistema LoRaWan se ha determinado una optimización en el agua de consumo para el cultivo de Nogal hasta en un 36%. Finalmente se diseñó la interfaz de usuario para uso agrícola empleando el programa FIGMA para el diseño de prototipos computacionales. Este proyecto se desarrolló como una propuesta innovadora que apunta hacia la industria 4.0 y que permitirá a los agricultores de la región cargar y recibir información en tiempo real sobre las necesidades hídricas de sus cultivos, mejorando el proceso de toma de decisiones, además se han promovido con este proyecto las prácticas de agricultura regenerativa y de cuidado del agua como principal recurso para la sostenibilidad hídrica en la cuenca de estudio.La agroclimatología permite establecer una relación entre el clima y la agricultura, prediciendo el comportamiento de variables climatológicas y sus efectos en la producción agrícola, así como facilitando el proceso de toma de decisiones en el sector y la resolución de problemas como el desarrollo y crecimiento de los cultivos, el manejo de los planes y calendarios de riego, y las condiciones de estrés hídrico en los cultivos. Este proyecto hace uso de la Inteligencia Artificial (IA) para mejorar las prácticas sobre la optimización del agua en la agricultura. Para este fin se evaluaron datos agroclimáticos de la estación Rancho Reforma # 1 ubicada en el Centro de Transferencia de Tecnología (CeTraTec) en Ascensión, Chih., para calcular la evapotranspiración del cultivo y desarrollar calendarios de riego en tiempo real, empleando la ecuación de Hargreaves y Samani (1983). Estos datos se transformaron en algoritmos para producir visualizaciones en PowerBi, permitiendo monitorear el comportamiento del agua en el cultivo y de esta manera producir calendarios de riego. Como resultados sobresalientes se encontró que con estos datos precisos mediados por tecnología de transferencia de datos digitales a través de un sistema LoRaWan se ha determinado una optimización en el agua de consumo para el cultivo de Nogal hasta en un 36%. Finalmente se diseñó la interfaz de usuario para uso agrícola empleando el programa FIGMA para el diseño de prototipos computacionales. Este proyecto se desarrolló como una propuesta innovadora que apunta hacia la industria 4.0 y que permitirá a los agricultores de la región cargar y recibir información en tiempo real sobre las necesidades hídricas de sus cultivos, mejorando el proceso de toma de decisiones, además se han promovido con este proyecto las prácticas de agricultura regenerativa y de cuidado del agua como principal recurso para la sostenibilidad hídrica en la cuenca de estudio.spaAttribution-NonCommercial-NoDerivs 2.5 MexicoAgroclimatología, Fenologia del Nogal, Gestión del agua, Ciencia de datos, Interfaz computacionalinfo:eu-repo/classification/cti/7Tesis maestría