Escenarios de idoneidad agrícola para cultivos peruanos Musa paradisiaca L. y Coffea arabica L. con modelamiento EcoCrop-FAO-SIG, 2021-2040 y 2041-2060
DOI:
https://doi.org/10.57063/ricay.v3i1.78Palabras clave:
Productividad, rendimiento, agroclimático, prospectiva productiva, análisis espacio-temporalResumen
El análisis de idoneidad agrícola-ambiental contribuye a una adecuada planificación del uso y distribución de tierras y agricultura sostenible. Mediante escenarios futuros de idoneidad agrícola 2021-2040 y 2041-2060 para cultivos peruanos Musa paradisiaca L. y Coffea arabica L., se evaluó si las condiciones agroclimáticas entre 1970-2000, rangos marginales y óptimos de temperatura, precipitación, periodo de crecimiento a partir de días de germinación Gmin y Gmax, son adecuados en una dinámica espacio-temporal. El modelo EcoCrop-FAO e información SIG extraída de WorldClim y procesada con QGIS, generó mapas de distribución espacial a partir de datos agroclimáticos-ambientales; obteniendo tres índices de salida, idoneidad del cultivo respecto a la temperatura (Tsuit), idoneidad del cultivo respecto a la precipitación (Rsuit) y el Índice de idoneidad futura del cultivo (SUIT). El cultivo del Coffea arabica L. (café) en Amazonas, San Martín y Junín conservarían su idoneidad agrícola al 2040 con un grado de idoneidad óptima mayor al 83%; mientras que, Piura con un SUIT menor al 17% dejaría de tener condiciones climáticas óptimas para el desarrollo de dicho cultivo. La idoneidad de la Musa paradisiaca L. (banano) en Amazonas, Loreto, Cerro de Pasco, San Martin, Pucallpa y Madre de Dios, presentaría condiciones favorables para su desarrollo, siendo Loreto quien mayor presencia de áreas con cambios positivos posea respecto a la idoneidad climática para el periodo 2041-2060, con tendencia variable hasta el 60%. En Ucayali, Cuzco, Junín, Madre de Dios y Puno sucede todo lo contrario, regiones con mayor presencia de áreas que sufrirían cambios negativos respecto a la idoneidad climática para el periodo 2041-2060, con cambios de hasta -72%. Finalmente, la idoneidad climática se moverá en zonas no menores a 121 m y no mayores a 1980 m respecto al nivel del mar (ms.n.m).
Citas
Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007 DOI: https://doi.org/10.1016/j.joi.2017.08.007
Coelli, T. J., Rao, D. S. P., O’Donnell, C. J., & Battese, G. E. (2005). An introduction to efficiency and productivity analysis (Vol. 1, pp. 1-349). Springer. https://doi.org/10.1007/b136381 DOI: https://doi.org/10.1007/b136381
Dağtekin, M., Uysal, O., Candemir, S., & Genç, Y. (2021). Productive efficiency of the pelagic trawl fisheries in the Southern Black Sea. Regional Studies in Marine Science, 45, 101853. https://doi.org/10.1016/j.rsma.2021.101853 DOI: https://doi.org/10.1016/j.rsma.2021.101853
Daraio, C., Kerstens, K., Nepomuceno, T., & Sickles, R. C. (2020). Empirical surveys of frontier applications: A meta‐review. International Transactions in Operational Research, 27(2), 709-738. https://doi.org/10.1111/itor.12649 DOI: https://doi.org/10.1111/itor.12649
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296. https://doi.org/10.1016/j.jbusres.2021.04.070 DOI: https://doi.org/10.1016/j.jbusres.2021.04.070
Gao, J., Zhu, S., Li, D., Jiang, H., Deng, G., Wen, Y., He, C., & Cao, Y. (2023). Bibliometric analysis of climate change and water quality. Hydrobiologia, 850(16), 3441-3459. https://doi.org/10.1007/s10750-023-05270-y DOI: https://doi.org/10.1007/s10750-023-05270-y
Kent Baker, H., Pandey, N., Kumar, S., & Haldar, A. (2020). A bibliometric analysis of board diversity: Current status, development, and future research directions. Journal of Business Research, 108, 232-246. https://doi.org/10.1016/j.jbusres.2019.11.025 DOI: https://doi.org/10.1016/j.jbusres.2019.11.025
Li, J., Goerlandt, F., & Reniers, G. (2020). Mapping process safety: A retrospective scientometric analysis of three process safety related journals (1999–2018). Journal of Loss Prevention in the Process Industries, 65, 104141. https://doi.org/10.1016/j.jlp.2020.104141 DOI: https://doi.org/10.1016/j.jlp.2020.104141
Magadán-Díaz, M., & Rivas-García, J. I. (2022). Publishing Industry: A Bibliometric Analysis of the Scientific Production Indexed in Scopus. Publishing Research Quarterly, 38(4), 665-683. https://doi.org/10.1007/s12109-022-09911-3 DOI: https://doi.org/10.1007/s12109-022-09911-3
Nobanee, H., Al Hamadi, F. Y., Abdulaziz, F. A., Abukarsh, L. S., Alqahtani, A. F., AlSubaey, S. K., Alqahtani, S. M., & Almansoori, H. A. (2021). A Bibliometric Analysis of Sustainability and Risk Management. Sustainability, 13(6), 3277. https://doi.org/10.3390/su13063277 DOI: https://doi.org/10.3390/su13063277
Pascoe, S. (2001). Physical versus harvest-based measures of capacity: The case of the United Kingdom vessel capacity unit system. ICES Journal of Marine Science, 58(6), 1243-1252. https://doi.org/10.1006/jmsc.2001.1093 DOI: https://doi.org/10.1006/jmsc.2001.1093
Predragovic, M., Cvitanovic, Christopher, Karcher, Denis B., Tietbohl,Matthew D., Sumaila, U. Rashid, & Costa,Bárbara Horta e. (2023). A systematic literature review of climate change research on Europe’s threatened commercial fish species. Ocean and Coastal Management. https://doi.org/10.1016/j.ocecoaman.2023.106719 DOI: https://doi.org/10.1016/j.ocecoaman.2023.106719
Sekhar, R., Shah, P., & Iswanto, I. (2022). Robotics in Industry 4.0: A Bibliometric Analysis (2011-2022). Journal of Robotics and Control (JRC), 3(5), Article 5. https://doi.org/10.18196/jrc.v3i5.15453 DOI: https://doi.org/10.18196/jrc.v3i5.15453
Sharma, K. R., & Leung, P. (1998). Technical Efficiency of the Longline Fishery in Hawaii: An Application of a Stochastic Production Frontier. Marine Resource Economics, 13(4), 259-274. DOI: https://doi.org/10.1086/mre.13.4.42629241
Squires, D., & Kirkley, J. (1999). Skipper skill and panel data in fishing industries. Canadian Journal of Fisheries and Aquatic Sciences, 56(11), 2011-2018. https://doi.org/10.1139/f99-135 DOI: https://doi.org/10.1139/f99-135
Thelwall, M. (2008). Bibliometrics to webometrics. Journal of Information Science, 34(4), 605-621. https://doi.org/10.1177/0165551507087238 DOI: https://doi.org/10.1177/0165551507087238
van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3 DOI: https://doi.org/10.1007/s11192-009-0146-3
Weir, P., & Dahlhaus, P. (2023). In search of pragmatic soil moisture mapping at the field scale: A review. Smart Agricultural Technology, 6, 100330. https://doi.org/10.1016/j.atech.2023.100330 DOI: https://doi.org/10.1016/j.atech.2023.100330
Zayat, W., Kilic, H. S., Yalcin, A. S., Zaim, S., & Delen, D. (2023). Application of MADM methods in Industry 4.0: A literature review. Computers & Industrial Engineering, 177, 109075. https://doi.org/10.1016/j.cie.2023.109075 DOI: https://doi.org/10.1016/j.cie.2023.109075
