Simulación de fotosintesis foliar en tomate bajo invernadero mediante modelos teóricos y mediciones de fitomonitoreo /por José Manuel Vargas Sállago; director de tesis Irineo Lorenzo López Cruz.
Material type:
TextPublisher: Chapingo, Méx. : El autor, 2011Description: 1 recurso en línea (174 páginas) : cuadros, figurasContent type: - texto
- computadora
- recursos en línea
| Cover image | Item type | Current library | Home library | Collection | Shelving location | Call number | Materials specified | Vol info | URL | Copy number | Status | Notes | Date due | Barcode | Item holds | Item hold queue priority | Course reserves | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tesis digital | Biblioteca Digital En línea | Tesis digitales de Maestría | Tesis digital (Browse shelf(Opens below)) | Available (Préstamo interno) |
Maestría en Ingeniería Agrícola y Uso Integral del Agua Departamento de Ingeniería Mecánica Agrícola, Departamento de Irrigación, 2011. Maestría
Se simuló la tasa de fotosíntesis foliar de plantas de tomate, cultivadas bajo invernadero, empleando el modelo mecanicista de Goudriaan y dos modelos de caja negra: Modelos Auto-regresivos de Variables Exógenas (ARX) y Redes Neuronales Artificiales (ANN). Las mediciones de las tasas de fotosíntesis foliar, se realizaron en tres diferentes invernaderos experimentales, uno localizado en la Universidad Autónoma de Querétaro, México y dos en la Universidad Humboldt de Berlín, Alemania. Se usó el Fitomonitor PTM-48M (Daletown Company Ltd.) para el registro del intercambio de dióxido de carbono (CO2 ) de las hojas. Además, se midieron también la temperatura del aire, humedad relativa, radiación fotosintéticamente activa (PAR), concentración de CO2 y déficit de presión de vapor (VPD). Estas variables meteorológicas fueron usadas como entradas de los modelos ARX y de los modelos de redes neuronales de retropropagación. El modelo mecanicista reportó errores de 6.7%, 12.6% y 13.7% entre los valores resultantes de las simulaciones contra los valores medidos, para los tres invernaderos respectivamente. Las Redes Neuronales tuvieron errores de 4.6%, 4.7% y 5.6%. Por el contrario, el mejor modelo ARX presentó una R2 apenas superior al 50%. Tomando los resultados de los mejores modelos (ANN) se realizó una optimización estática, relacionando dos variables climáticas con la tasa de fotosíntesis (mediante gráficas 3D) a fin de encontrar estrategias para maximizar esta última variable.
ALEPH 10 20130110
BATCH-UPD 10 20130110
BATCH-UPD 10 20130410
BATCH-UPD 10 20130914
BATCH-UPD 10 20140324
BATCH-UPD 10 20141002
CONVERSION 10 20130109
There are no comments on this title.
