Acceso usuarios
[2]
;
Manuel Fortis-Hernández
[2]
;
Hugo Estrada-Esquivel
[1]
;
Alicia Martínez-Rebollar
[1]
;
Pablo Preciado-Rangel
[2]
México
La evapotranspiración de referencia (ETo) es un parámetro esencial para la gestión eficiente del riego, especialmente en sistemas de agricultura protegida ubicados en regiones de clima árido y semiárido. El presente estudio tuvo como objetivo desarrollar un modelo predictivo de ETo dentro de una malla sombra, empleando técnicas de cómputo evolutivo, en particular la programación genética (GP). Para la construcción del modelo, se recopilaron datos climáticos con frecuencia de un minuto, lo que permitió capturar con alta resolución las condiciones microclimáticas específicas del entorno protegido. El modelo fue entrenado utilizando como referencia los valores de ETo calculados mediante el método Penman–Monteith recomendado por la FAO, considerado el estándar internacional para la estimación de la evapotranspiración de referencia. El modelo generado mostró un desempeño sobresaliente, alcanzando un error cuadrático medio (RMSE) de 0.217 y un coeficiente de determinación (R2) de 0.99, lo que evidencia una alta precisión en las predicciones. Al compararlo con modelos empíricos ampliamente utilizados, como Hargreaves-Samani(RMSE = 4.82, R2= –0.98) y Priestley–Taylor (RMSE = 1.00, R2= 0.913), se observó que el modelo propuesto supera de forma significativa ambos enfoques tradicionales. Los resultados destacan el potencial de la programación genética como herramienta eficaz para el desarrollo de modelos predictivos robustos, adaptados a condiciones específicas como las presentes en sistemas agrícolas protegidos bajo climas áridos y semiáridos.
Reference evapotranspiration (ETo) is a key parameter for efficient irrigation management, especially in protected agriculture systems located in arid and semi-arid climates. This study aimed to develop a predictive ETo model within a shade net greenhouseusing evolutionary computing techniques, specifically genetic programming (GP). For model development, climatic data were collected at one-minute intervals, allowing for high-resolution capture of the specific microclimatic conditions within the protectedenvironment. The model was trained using ETo values calculated with the FAO-recommended Penman–Monteith method (FAO56-PM), considered the international standard for reference evapotranspiration estimation. The resulting model exhibited outstanding performance, achieving a root mean square error (RMSE) of 0.217 and a coefficient of determination (R2) of 0.99, indicating high predictive accuracy. When compared to widely used empirical models such as Hargreaves–Samani (RMSE = 4.82, R2= –0.98) and Priestley–Taylor (RMSE = 1.00, R2= 0.913), the proposed model significantly outperformed both traditional approaches. These results highlight the potential of genetic programming as an effective tool for developing robust predictive models tailored to specific conditions, such as those found in protected agricultural systems under arid and semi-arid climates.
