Metodología para evaluar gases de efecto invernadero en agroecosistemas ganaderos

Abstract

El análisis de los GEI se debe hacer desde el enfoque sistémico, considerando la emisión de gases de la finca ganadera, como un conjunto de elementos que interactúan para generar una serie de salidas. La propuesta metodológica, adapta da de la teoría del Conocimiento Profundo, se fundamenta en la agroecología como ciencia, e incorpora como elemento transversal , la técnica Eddy Covariance para la captura de información, que se analiza a la luz del agroecosistema ganadero a través de los métodos estadísticos de extracción de conocimiento KDD y CRISP - DM; modelo que sirve de marco referencial frente a problemas complejos, como lo son la dinámica, efectos e impactos de los GEI en términos de la estructura y función de los agroecosistemas. El trabajo se desarrolló en el CI La Libertad y tenía como objetivo general, proponer una metodología para evaluar GEI en agroecosistemas ganaderos, con los siguientes objetivos específicos: 1) Desarrollar un protocolo metodológico que permita estimar y evaluar mediante el uso de la técnica Eddy Covariance el efecto de gases efecto invernadero (CO 2 ) derivados de las interaccione s en un agroecosistema ganadero y 2) Identificar y seleccionar los métodos de análisis de datos derivados de la aplicación de la técnica Eddy Covariance a la extracción de conocimiento para la comprensión de los flujos de GEI y su aplicación en agroecosistemas ganaderos. Se utilizaron modelos gráficos Bayesianos, en particular, modelos gráficos de cópulas Gaussianas, así como análisis de conglomerados y redes neuronales artificiales. Para el periodo de tiempo analizado, se encontraron diferencias significativas entre las medias de los datos colectados durante el día y la noche. La calidad de los datos nocturnos se ven afectados por la velocidad del viento y la temperatura. A partir del resultado de la Prueba de Estacionareidad y Turbulencia, se estableció que el mejor periodo de medición comprende entre las 9:30 y las 14:30; y que es posible utilizar de forma indirecta los procesos de control de calidad para determinar el efecto de la presencia de bovinos sobre la medición de emisiones de gases cuando no se cumplen los requisitos de ubicación y distancia de la torre, usando el criterio de calidad Spikes. Además, para la carga animal propuesta de 2 UGG, se compararon los grupos de datos provenientes de lotes con y sin presencia de animales para la variable flujo de CO 2 entre las 7:00 y las 17:00, sin que existieran diferencias significativas. En el agroecosistema ganadero, el valor predictivo de la evaluación de los flujos y las concentraciones de CO 2 depende de las condiciones del ambiente circundante y en especial de la inclusión de la turbulencia en el modelo predictivo; los modelos deben incluir como factores predictivos la temperatura y la velocidad del viento. Se evidenció la importancia de los efectos combinados de estas variables sobre la concentración y el flujo de CO 2, y se encontraron diferencias importantes en el Gap filling de la serie de tiempo de estas dos variables. (Texto tomado de la fuente).

The analysis of GHG production has to be done from a systemic perspective, considering gas emission in livestock production systems as a set of elements whose interaction yields a series of outputs. The Deep Learning theory was implemented in agroecology, incorporating as transversal element the Eddy Covariance technique to capture information. This information was analyzed in the framework of the live stock production system through the KDD and CRISP - DM statistical methods. A methodological approach that constitutes a framework to study complex problems such as dynamics, effects and impacts of GHG or structure and function of agro - ecosystems, was develo ped. The study was carried out at “La Libertad” R esearch C enter and its general objective was to propose a methodology to evaluate GHG in livestock agroecosystems, with the following specific objectives: 1) to d evelop a methodological protocol that allows to estimate and evaluate by using the Eddy Covariance technique , the effect of GHG (CO 2 ) derived from the interactions in a livestock agroecosystem , and 2) to Identify and to evaluate methods of data analysis derived from the application of the Eddy Covari ance technique to the extraction of knowledge for the understanding of the fluxes of G HG and its application in livestock agroecosystems. Bayesian graphical models, in particular, copula Gaussian graphical models, as well as cluster analysis and artificial neural networks were used. For the analyzed time period, significant differences between the means of data collected at day and night. The quality of data collected over night is reduced by the effect of fiction speed. Based on the Stationarity and Turbulence tests, it was found that the best time window to collect data was between 9:30 and 4:30 , and that it is feasible to use in an indirect manner the quality control processes to determine the effect of bovine presence over gas emission measurement when the requisites of location and distance of the tower are not satisfied, using the Spikes quality measures. Moreover, for the proposed stocking rate of 2 AU, the CO 2 flux between 7:00 and 17:00 of plots with or without animals were compared, statistically s ignificant differences were not found. In the livestock agro - ecosystem, the predictive value of the assessment of CO 2 flux and concentration depends on the surrounding environmental conditions and, specially, on the inclusion of turbulence in the predictio n model. Predictive models should include temperatura and wind speed as explanatory variables. The relevance of the effects of these variables over CO 2 flux and concentration was supported by our results. In addition, remarkable differences between the Gap Filling quality measures of the time series of these variables were found.