Examinando por Materia "San Martin"

Mostrando 1 - 2 de 2

Efecto de la altitud en la calidad del café (Coffea arabica L.): Comparación entre secado mecánico y tradicional
(Facultad de Ciencias Agropecuarias. Universidad Nacional de Trujillo, 2019-12-26) Guevara Sánchez, Maricely; Bernales del Águila, Carlos Iván; Saavedra Ramírez, Jorge; Owaki López, Johnny Jakson
El café es una de las bebidas de mayor consumo en el mundo entero. El proceso de secado para el almacenamiento de los granos café es determinante para las características físicas y sensoriales del producto final. El objetivo de este estudio fue evaluar el efecto de dos tipos de secado (mecánico y tradicional) en cinco altitudes sobre la calidad del café. La investigación se realizó en el valle del Alto Mayo, región San Martín, Perú. Se seleccionaron cinco fincas a diferentes altitudes (873, 1079, 1248, 1348, 1430 m.s.n.m.). El prototipo utilizado funciona mediante un sistema de túneles de calor térmico, construido con un micas solares y calaminas. Fueron extraídas 150 muestras de 1kg cada una. Las variables evaluadas fueron las características físicas y organolépticas del grano seco y el número de días de secado. Los resultados mostraron que no existieron diferencias significativas para ningún parámetro evaluado entre las altitudes seleccionadas. No obstante, existieron diferencias significativas para los parámetros de humedad y grano de primera categoría donde el secado mecánico fue superior. También, para el caso de la calidad organoléptica, el secado mecánico se presentó como mejor opción, indicando que su uso puede optimizar la calidad organoléptica del café.
Yield prediction models for rice varieties using UAV multispectral imagery in the Amazon lowlands of Peru
(MDPI, 2024-08-20) Goigochea Pinchi, Diego; Justino Pinedo, Maikol; Vega Herrera, Sergio Sebastian; Sanchez Ojanasta, Martín; Lobato Galvez, Roiser Honorio; Santillan Gonzales, Manuel Dante; Ganoza Roncal, Jorge Juan; Ore Aquino, Zoila Luz; Agurto Piñarreta, Alex Iván
Rice is cataloged as one of the most widely cultivated crops globally, providing food for a large proportion of the global population. Integrating Geographic Information Systems (GISs), such as unmanned aerial vehicles (UAVs), into agricultural practices offers numerous benefits. UAVs, equipped with imaging sensors and geolocation technology, enable precise crop monitoring and management, enhancing yield and efficiency. However, Peru lacks sufficient experience with the application of these technologies, making them somewhat unfamiliar in the context of modern agriculture. In this study, we conducted experiments involving four distinct rice varieties (n = 24) at various stages of growth to predict yield using vegetation indices (VIs). A total of nine VIs (NDVI, GNDVI, ReCL, CIgreen, MCARI, SAVI, CVI, LCI, and EVI) were assessed across four dates: 88, 103, 116, and 130 days after sowing (DAS). Pearson correlation analysis, principal component analysis (PCA), and multiple linear regression were used to build prediction models. The results showed a general prediction model (including all the varieties) with the best performance at 130 days after sowing (DAS) using NDVI, EVI, and SAVI, with a coefficient of determination (adjusted-R2 = 0.43). The prediction models by variety showed the best performance for Esperanza at 88 DAS (adjusted-R2 = 0.94) using EVI as the vegetation index. The other varieties showed their best performance using different indices at different times: Capirona (LCI and CIgreen, 130 DAS, adjusted-R2 = 0.62); Conquista Certificada (MCARI, 116 DAS, R2 = 0.52); and Conquista Registrada (CVI and LCI, 116 DAS, adjusted-R2 = 0.79). These results provide critical information for optimizing rice crop management and support the use of unmanned aerial vehicles (UAVs) to inform timely decision making and mitigate yield losses in Peruvian agriculture.