La agricultura es una actividad esencial para los humanos, es altamente dependiente de las condiciones meteorológicas y foco de investigación e innovación con el objetivo de enfrentar diversos desafíos. El cambio climático, calentamiento global y la degradación de los ecosistemas agrícolas son sólo algunos de los problemas que los humanos enfrentamos para continuar con la esencial producción de alimentos. Buscando la innovación en el sector agrícola, se consideraron tres tópicos principales de investigación para esta tesis; la producción de microalgas, el color del suelo y la fertilidad, y la adquisición de datos meteorológicos. Estos temas tienen roles cada vez más importantes en la agricultura, especialmente bajo la incertidumbre del futuro de la producción de alimentos. Las microalgas son una interesante alternativa para la fertilización de cultivos y la sostenibilidad del suelo; mientras que los parámetros de fertilidad del suelo necesitan ser más estudiados para desarrollar métodos de análisis de menor costo y más rápidos para ayudar al manejo. La agricultura, como actividad altamente dependiente del clima, necesita de datos meteorológicos para anticipar eventos, planificar y manejar los cultivos eficientemente. Estos temas se seleccionaron con el propósito de mejorar el estado actual de la técnica, proponer nuevas alternativas basadas, principalmente, en la aplicación de redes neuronales artificiales (ANN) como una manera novedosa de resolver los problemas y generar conocimiento de aplicación directa en sistemas de cultivos. El objetivo principal de esta tesis fue generar modelos de ANNs capaces de abordar problemas relacionados con la agricultura, como una alternativa a los métodos tradicionales y más costosos empleados en el manejo, análisis y adquisición de datos en los sistemas agrarios.
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional