Pasar al contenido principal

GESTION RESILIENTE DE ENERGIA CASI CERO DE EDIFICIOS YA EXISTENTES CON ALMACENAMIENTO ELECTRICO Y TERMICO

PID2022-141159OB-I00

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal para Impulsar la Investigación Científico-Técnica y su Transferencia
Subprograma Subprograma Estatal de Generación de Conocimiento
Convocatoria Proyectos de I+D+i (Generación de Conocimiento y Retos Investigación)
Año convocatoria 2022
Plan Estatal 2021-2023 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario UNIVERSIDAD DE SEVILLA

Resultados relacionados

Resultados totales (Incluyendo duplicados): 2
Encontrada(s) 1 página(s)

DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Artículo científico (JournalArticle)

Estimación del estrés hídrico a partir de la presión de turgencia de la hoja en olivares de la variedad ‘Arbequina’ basada en análisis discriminante lineal, Water stress estimation from leaf turgor pressure in 'Arbequina' olive orchards based on linear discriminant analysis

  • Palomo Iranzo, Jaime
  • Romero Vicente, Rafael
  • Cuevas Sánchez; Mª Victoria
  • Álamo, Teodoro
  • Muñoz de la Peña, David
11 páginas.- 14 figuras.- 1 tabla.- referencias, [EN]: This work addresses the importance of optimizing water use in agriculture, given the increasing water scarcity and the needfor sustainable strategies such as regulated deficit irrigation (RDI). It proposes an automated system based on machine learningto estimate water stress levels in ’Arbequina’ olive orchards. This method utilizes leaf turgor pressure (LTP) measurements andmeteorological data collected between 2014 and 2019, employing techniques such as principal component analysis (PCA) andlinear discriminant analysis (LDA) to classify water stress levels. The system aims to facilitate the integration of these tools intocommercial irrigation strategies, overcoming the limitations of invasive methods or those dependent on expensive hardware., [ES]: Este trabajo aborda la importancia de optimizar el uso del agua en la agricultura, dado el aumento de la escasez hídrica y la necesidad de estrategias sostenibles como el riego deficitario controlado. Propone un sistema automatizado basado en aprendizaje automático para estimar los niveles de estrés hídrico en olivares de la variedad ’"Arbequina". Este método utiliza mediciones de presión de turgencia foliar y datos meteorollógicos recolectados entre 2014 y 2019, y emplea técnicas como el análisis de componentes principales y el análisis discriminante lineal para clasificar niveles de estrés hídrico. El sistema busca facilitar la integración de estas herramientas en estrategias comerciales de riego, superando las limitaciones de métodos invasivos o dependientes de hardwarecostoso., Los autores agradecen el apoyo de los proyectos PID2021-124651OB-I00 y PID2022-141159OB-I00 financiados por MCIN/AEI/10.13039/501100011033 y por el FEDER Una manera de hacer Europa., Peer reviewed
DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación Otros (Other)

Automatic water stress estimation from leaf turgor pressure based on machine learning,"

  • Palomo Iranzo, Jaime
  • Romero Vicente, Rafael CSIC
  • Cuevas Sánchez, Mª Victoria
  • Álamo, Teodoro
  • Muñoz de la Peña, David
6 páginas.- 5 figuras.- 8 tablas.- 27 referencias.- Comunicación presentada en el 2026 European Control Conference (ECC) July 7-10, 2026. Reykjavík, Iceland, In this work, we focus on estimating water stress based on leaf turgor pressure in Arbequina olive orchards. Currently, this analysis is time-consuming and primarily conducted by experts, making it impractical for integration into commercial deficit irrigation applications. We propose an innovative automated system based on machine learning techniques to classify trees into three distinct water stress levels by analyzing their daily trajectory. Our study leverages a dataset comprising leaf turgor pressure measurements and meteorological variables, collected from 2014 to 2019 at an orchard in Spain, using off-the-shelf classification algorithms, with satisfactory results. © 2026 EUCA., The authors acknowledge support from grants PID2021- 124651OB-I00 and PID2022-141159OB-I00 funded by MCIN/AEI/ 10.13039/501100011033 and by ERDF A way of making Europe., Peer reviewed