Estimación de la fotosíntesis foliar en jitomate bajo invernadero mediante redes neuronales artificiales

Dentro de la teoria de identificacion de sistemas, los modelos de redes neuronales artificiales (ANN) artificial neural networks por sus siglas en ingles, han mostrado gran capacidad para encontrar patrones de relacion entre variables de procesos altamente no lineales, asi como resolver la limitante de la regresion no lineal, donde no es posible usar variables correlacionadas como entradas. El objetivo de la presente investigacion fue modelar la tasa de fotosintesis foliar de plantas de jitomate, cultivadas bajo invernadero, mediante redes neuronales artificiales, empleando como variables de entrada: temperatura, humedad relativa, deficit de presion de vapor y concentracion de dioxido de carbono (CO2) del aire, asi como radiacion fotosinteticamente activa. El experimento se desarrollo durante 2009 en un invernadero experimental de la Universidad Autonoma de Queretaro, Mexico. Se uso el equipo de fitomonitoreo PTM-48M (Daletown Company, Ltd), para registrar el intercambio de CO2 de las hojas, asi como las variables meteorologicas. Para eliminar ruidos de los sensores en las mediciones se aplico el filtro Savitzky-Golay. Se evaluaron diferentes configuraciones para redes de retropropagacion, siendo la de 4 capas con 10 neuronas en la primera capa oculta, 15 en la segunda y 10 mas en la tercera, la que genero los mejores indices estadisticos sobre datos de prueba: coeficiente de determinacion, R2= 0.9756 y cuadrado medio del error, CME= 0.8532. Tomando las predicciones de la mejor ANN, se realizo una optimizacion estatica, relacionando dos variables climaticas con la tasa de fotosintesis, mediante graficas en tercera dimension, a fin de mostrar estrategias para maximizar la tasa de fotosintesis.