Resumen del desafío
Desarrollar modelos predictivos para pronosticar las combinaciones de rasgos ganadoras y las zonas de cultivo óptimas bajo diferentes escenarios de cambio climático, considerando varios escenarios de propagación de enfermedades y la evolución de las demandas de los consumidores de papa, en Perú, Kenia, India o China.
- Utilizar algoritmos de aprendizaje automático para analizar datos históricos sobre las características de los cultivos, el rendimiento y las preferencias de los consumidores para predecir combinaciones de características óptimas que se alineen con las demandas futuras del mercado.
- Incorporar rasgos preferidos por los usuarios de las bases de datos disponibles para dar forma a los modelos de predicción.
- Integrar datos climáticos y factores agroecológicos para identificar y mapear zonas de cultivo óptimas para variedades de cultivos específicas en diferentes escenarios de cambio climático.
- Desarrollar modelos geoespaciales para evaluar la idoneidad de diferentes regiones para la producción de cultivos, considerando factores como la temperatura, las precipitaciones, las características del suelo y la prevalencia de plagas y enfermedades.
- Tener en cuenta los impactos potenciales del cambio climático en los agroecosistemas, incluyendo cambios en los patrones de temperatura y precipitación, eventos climáticos extremos y cambios en la dinámica de plagas y enfermedades.
- Construir modelos predictivos para anticipar cómo el cambio climático puede alterar los escenarios de propagación de enfermedades e incorporar estas proyecciones en la optimización de combinaciones de rasgos y zonas de cultivo.
- Analizar las tendencias del mercado, los cambios demográficos y la evolución de las preferencias de los consumidores para pronosticar la demanda futura de variedades y rasgos de cultivos específicos.
- Desarrollar algoritmos para ajustar dinámicamente la priorización de rasgos basándose en los comentarios de los consumidores y la dinámica del mercado en tiempo real.
El mejoramiento de cultivos, comúnmente conocido como fitomejoramiento, es una práctica fundamental en la agricultura destinada a desarrollar nuevas variedades de cultivos con características deseables como mayores rendimientos, resiliencia al estrés ambiental, mayor contenido nutricional y resistencia a plagas y enfermedades. Mediante técnicas de reproducción selectiva, los fitomejoradores trabajan para combinar los rasgos deseados de diferentes variedades de cultivos o parientes silvestres para crear una descendencia superior. Estas nuevas variedades se prueban y evalúan rigurosamente para determinar su rendimiento en diversas condiciones antes de entregarlas a los agricultores para su cultivo. Los esfuerzos de mejoramiento de cultivos desempeñan un papel fundamental para aumentar la productividad agrícola, garantizar la seguridad alimentaria y abordar desafíos globales como el cambio climático, la pobreza, la desnutrición y la pérdida de biodiversidad. Los programas de mejoramiento pueden generar ganancias significativas en múltiples áreas de impacto, incluyendo la adaptabilidad y resiliencia climática, el alivio de la pobreza, la inclusión de género, la conservación de la biodiversidad y la mejora de la nutrición.
Los beneficiarios directos de esta solución incluyen los mejoradores del CIP y los institutos nacionales de investigación. Al aprovechar las herramientas avanzadas de modelado predictivo y las plataformas de análisis de datos, los obtentores pueden agilizar el proceso de mejoramiento, acelerar el desarrollo de variedades de cultivos resilientes al clima y nutricionalmente mejorados, y mejorar la colaboración y el intercambio de conocimientos, acelerando en última instancia la tasa de ganancias genéticas y mejorando el impacto de las Iniciativas de mejora de cultivos.
Israel Navarrete
Científico Asociado
Henry Juarez
Oficial de Sistemas y Gestión de Datos