Anteriormente hemos tratado la utilidad de DendroFruit como herramienta para controlar si hay problemas e incluso llegar a poner un objetivo de gestión, y saber qué necesitas para alcanzar dicho objetivo. La herramienta se puede emplear como previsión de calibre y paralelamente a los datos climáticos, lo que nos permite estar alerta de las condiciones que afectan a la calidad del fruto.
En esta ocasión, llevamos los datos recopilados un paso más allá para crear una herramienta de trabajo semanal: el modelo ARIMA para la previsión de calibres.
No es una previsión convencional, en la que se usan únicamente datos de calibres pasados para predecir los calibres en cosecha. En esta ocasión, se tienen en cuenta las variables climáticas. Los datos climáticos se presentan desde el inicio de floración (día 1) hasta la fecha actual. Entre los días 1 y 16 desde floración, los datos almacenados se emplean en la elaboración de un modelo ARIMA. Este modelo permite predecir el crecimiento del fruto esperado a partir de los datos previos de calibre y clima. A partir del día 16, el modelo se actualiza hasta que finaliza la campaña y se realizan predicciones diarias. De esta forma, el modelo ajusta el calibre final, según los datos observados tanto en clima como en el diámetro del fruto.
Antes de introducir las variables en el modelo, se reduce su dimensionalidad mediante un análisis de componentes principales (PCA), para quedarnos con las variables más explicativas. En la gráfica se observa que las flechas (variables) apuntan en diferentes direcciones. Cuanto más cerca esté una flecha de un eje, mayor será su contribución sobre ese componente principal. Vemos que la importancia de las variables en el análisis (longitud de la flecha) no varía mucho, y muchas de ellas están muy cerca unas de otras. Eso significa que muchas de las variables están altamente relacionadas entre ellas, y aportarán poca información a la predicción. Así pues, como muestra la gráfica de varianza explicada, dos componentes principales, que agrupan un número determinado de variables, explican más de un 50 % de la varianza total observada en la predicción.
Así, al incorporar los componentes principales al análisis, el modelo ARIMA toma la información aportada por DendroFruit y por el conjunto de variables climáticas, y cada día actualiza la previsión para los 7 días siguientes. Poder contrastar esa información junto con la información aportada por las distintas variables climáticas (temperatura, precipitación, humedad relativa, evapotranspiración, radiación y velocidad del viento) nos permitirá tener una visión más precisa del trabajo de semana en semana. Por ejemplo, si regamos haciendo uso del dato de evapotranspiración para tomar decisiones, y vemos que la previsión semanal no es favorable para el crecimiento en calibre, podremos corregir los riegos establecidos y dar una solución antes de que sea tarde. De este modo planificamos a corto plazo el trabajo en función del desarrollo que vamos observando.
De la misma forma, si viéramos que la humedad relativa se dispara, y el crecimiento del fruto se detiene, podemos actuar rápidamente y tomar medidas, como airear la parcela. Podríamos adelantarnos y tomar una decisión informada.
En resumen, la combinación de datos obtenidos por DendroFruit y datos climáticos, nos permite estar informados del desarrollo del fruto y las condiciones climáticas a tiempo real, y gestionar anomalías rápidamente.
