Resumen de Identification of yield-limiting factors on maize production from observational data

Ninibeth Gibelli Sarmiento Herrera, Andrés Aguilar Ariza, Jesús Hernán Camacho Tamayo

• español

  Siguiendo el enfoque de la Agricultura Específica de Sitio, este estudio identificó los factores limitantes de rendimiento del clima, el suelo y el manejo en la producción de maíz. La información se obtuvo de las observaciones de los agricultores sobre los eventos de cultivo, entre 2013 y 2016 en Tolima, una de las regiones con mayor producción de maíz en Colombia. Utilizando técnicas de Random Forest, análisis factorial y clúster, se determinaron los factores de clima, suelo y manejo, relacionados con la variación del rendimiento del cultivo. Mediante el análisis de regresión Random Forest, los factores de clima y suelo explicaron el 23% y el 32% de la variación del rendimiento, respectivamente. La humedad relativa, la temperatura media y la precipitación fueron los factores climáticos más importantes asociados a la variación del rendimiento, mientras que la pendiente y el moteado fueron los factores edáficos más importantes. El análisis factorial en combinación con técnicas de clúster, permitió establecer grupos con condiciones climáticas y edáficas similares. Entre esos grupos se diferenciaron las prácticas agrícolas que favorecen los rendimientos, como la mecanización, la fertilización y el manejo de la humedad del grano. Los resultados muestran un enfoque para caracterizar los sistemas productivos a partir de datos observacionales.

• English

  Following the approach of Site-Specific Agriculture, this study identified the yield-limiting factors of climate, soil, and management on maize production. The information was obtained from farmers’ observations on cropping events, between 2013 and 2016 in Tolima, one of the regions with the highest maize production in Colombia. Using Random Forest, factorial analysis and cluster techniques, the climate, soil and management factors related to crop yield variation were determined. Based on Random Forest regression, climate and soil factors explained 23% and 32% of yield variation, respectively. Relative humidity, average temperature, and precipitation were the most important climate factors associated with crop yield variation, while the slope and mottling were the most important soil factors. The factorial analysis in combination with cluster techniques allowed to establish groups with similar climate and soil conditions. Among those groups, the agricultural practices that favour yields, such as mechanization, fertilization, and management of grain moisture, were differentiated. The results showed an approach to characterizing productive systems by leveraging observational data.