No abstract

<p style="margin: 0cm 0cm 8pt; text-align: justify;"><span style="font-family: Calibri; font-size: medium;">Se prevé que el cambio del clima modifique el actual patrón espacial del cultivo del café en las laderas montañosas de Colombia. No obstante, las aproximaciones utilizadas para llegar a estos resultados se basan en el uso de modelos climáticos (globales y regionales) así como modelos de distribución de especies que, en gran medida, se soportan en el concepto de nicho. Con el fin de evaluar la certidumbre de los resultados obtenidos con dichos modelos, se plantea una metodología en la que se utilizan datos de estaciones meteorológicas y un índice de tipo agroclimático (tiempo térmico) cuya unidad son los grados día. Se determinó la mejor aproximación para el cálculo del tiempo térmico y se generaron los acumulados mensuales multianuales de grados día cafeto y grados día broca (utilizando el método del triángulo sencillo) usando los datos diarios de temperaturas extremas de estaciones meteorológicas con información histórica superior a 20 años. Se empleó el análisis de tendencias no paramétrico (prueba de Mann-Kendall) y el análisis de correlación para determinar efectos de la variabilidad climática, asociada a la ocurrencia de los fenómenos de El Niño y La Niña, sobre el tiempo térmico de las dos especies mencionadas. Se encontraron tendencias positivas significativas de los grados día broca y los grados día cafeto en las alturas sobre el nivel del mar óptimas, reportadas por diferentes autores para estas especies; es decir, los óptimos actuales se hacen cada vez más aptos para las dos especies analizadas.</span></p>

Colombian coffee producers have had to face the severe consequences of the coffee rust disease since it was first reported in the country in 1983. Recently, machine learning researchers have tried to predict infection through classifiers such as decision trees, regression Support Vector Machines (SVM), non-deterministic classifiers and Bayesian Networks, but it has been theoretically and empirically demonstrated that combining multiple classifiers can substantially improve the classification performance of the constituent members. An Early Warning System (EWS) for coffee rust disease was therefore proposed based on Error Correcting Output Codes (ECOC) and SVM to compute the binary functions of Plant Density, Shadow Level, Soil Acidity, Last Nighttime Rainfall Intensity and Last Days Relative Humidity. Sistema de alerta temprana para la roya en el café basado en códigos de salida de corrección de error: una propuesta Resumen Los productores de café colombianos han sufrido severas consecuencias por la Roya desde que fue reportada por primera vez en el país en el año 1983. Recientemente, investigadores de aprendizaje automático han intentado predecir la roya a través de clasificadores como: arboles de decisión, máquinas de vector de soporte, clasificadores no determinísticos y redes bayesianas, pero se ha demostrado teórica y empíricamente que la combinación de múltiples clasificadores puede mejorar sustancialmente el rendimiento en la clasificación. En este sentido es propuesto un sistema de alerta temprana para la roya en el café, basado en códigos de salida de corrección de error y máquinas de vector de soporte para calcular las funciones binarias de la densidad de planta, el nivel de sombra, la acidez del suelo, la intensidad de lluvia en la última noche, y en últimos días, con humedad relativa.Palabras clave: roya, sistema de alerta temprana, ECOC, SVM, Codeword.

Varios autores han establecido que diferentes índices, que caracterizan fenómenos oceánicos y atmosféricos en ultramar, tienen relación con el comportamiento del tiempo y el clima en la región andina colombiana. No obstante, la aplicación de este conocimiento es casi nulo y está asociado básicamente a dos situaciones. La primera es la incertidumbre representada por la escasa cantidad de información meteorológica existente para explicar eventos o anomalías climáticas de baja periodicidad. La segunda es la concepción establecida de que el Índice Oceánico El Niño (ONI) es el único índice capaz de describir la variación de los valores de los elementos del clima a escala mensual. Este trabajo trata de reducir las incertidumbres antes mencionadas a través de un estudio comparativo que permite determinar la idoneidad espacio-temporal de diferentes índices y moduladores del clima en una región agrícola del norte de los Andes. Los resultados muestran una mejor correspondencia entre la precipitación de la región y los índices que caracterizan El Niño-Oscilación Sur (ENOS) hasta con tres meses de rezago. No obstante, ONI no es siempre el mejor predictor de la precipitación mensual. Por lo tanto, se podría pensar que algunos índices se podrían utilizar con éxito para pronosticar las lluvias de la mayoría de los meses en las zonas agrícolas de los Andes del norte.