Identificación de patrones de desempeño agronómico en el cultivo de arroz mediante un enfoque multivariante de aprendizaje automático no supervisado

El arroz (Oryza sativa L.) constituye un cultivo esencial para la seguridad alimentaria mundial, al aportar alrededor del 21 % de la ingesta calórica diaria y sostener la dieta de más de dos tercios de la población global. No obstante, su productividad se ve amenazada por factores bióticos como enfermedades fúngicas (Rhizoctonia solani), plagas, y abióticos asociados al cambio climático, tales como sequías, inundaciones y salinidad de los suelos. Estas limitaciones, sumadas a la dependencia de agroquímicos, evidencian la necesidad de innovar en la evaluación del desempeño agronómico. Los métodos tradicionales, basados en análisis univariantes, muestran restricciones para capturar la complejidad de las interacciones genéticas, ambientales y de manejo. Frente a ello, las técnicas multivariantes y el aprendizaje automático no supervisado representan herramientas robustas para identificar patrones ocultos y clasificar genotipos en función de rendimiento, resistencia y eficiencia. En este estudio, se aplicaron análisis de componentes principales (PCA), biplots y clusterización en datos de germinación y desarrollo inicial de arroz en la provincia del Guayas, Ecuador. Los resultados mostraron correlaciones significativas entre variables fisiológicas y tres clústeres diferenciados de desempeño. Se confirma así que el uso de enfoques no supervisados constituye una estrategia eficaz para la selección y mejoramiento del arroz en escenarios de sostenibilidad y seguridad alimentaria.

• Publication year

  2025

• Venue

  Arandu-UTIC

• Publication date

  2025-10-15

• Fields of study

  Not labeled

• Identifiers
  DOI 10.69639/arandu.v12i3.1591
• External record

  Open on Semantic Scholar

• Source metadata

  Semantic Scholar

• No claims are published for this paper.

• No concepts are published for this paper.

• Detection of seed borne pathogens in local rice varieties in West Sumatra Province

  2025cited by this paper
• Whole genome sequence data of Trichoderma yunnanense strain TM10, a plant growth-promoting fungus and biocontrol agent

  2025cited by this paper
• Efficacy of Organic‐Based Substrate Formulation of Bacillus Strains and Trichoderma asperellum Against Fusarium Wilt of Cashew

  2025cited by this paper
• Optimized bioethanol production from diverse lignocellulosic biomass sources through integrative approach of plant cell wall degrading enzyme pretreatment

  2025cited by this paper
• Chitosan-Silver Nanoparticles and Bacillus tequilensis Modulate Antioxidant Pathways and Microbiome Dynamics for Sheath Blight Resistance in Rice

  2025cited by this paper
• Entomopathogenicity of endophytic fungi isolated from Payo rice variety in Kerinci, Indonesia

  2025cited by this paper
• Cooperative Interplay Between PGPR and Trichoderma longibrachiatum Reprograms the Rhizosphere Microecology for Improved Saline Alkaline Stress Resilience in Rice Seedlings

  2025cited by this paper
• Biopriming with Endophytes improves plant resilience to develop climate-smart, futuristic agricultural crops

  2025cited by this paper
• Effect of Various Rice Residue Decomposer on Nutrient Release Pattern from Treated Rice Residue in Light Textured Soil

  2024cited by this paper

• No citing papers are available for this paper.