Análisis y Evaluación Económica de la Producción Agrícola en el Estado de Sinaloa para el Año 2022 utilizando Ciencia de Datos
DOI:
https://doi.org/10.63728/riisds.v9i1.97Palabras clave:
Producción Agrícola en Sinaloa, Ciencia de Datos, ClusteringResumen
La agricultura en Sinaloa desempeña un papel crucial, contribuyendo significativamente a la economía agrícola de México. En este estudio, basado en datos del SIAP para 2022, se emplearon técnicas de ciencia de datos para analizar y evaluar la producción agrícola y su impacto económico en Sinaloa. A través de un análisis exploratorio, se descubrió que cultivos como el maíz (Zea mays), sorgo (Sorghum bicolor) y frijol (Phaseolus vulgaris) dominan en términos de área sembrada. Por otro lado, en cuanto a volumen de producción, el maíz (Zea mays) y la alfalfa (Medicago sativa) resaltan como los más producidos. Es importante mencionar que, aunque el tomate (Solanum lycopersicum) no lidera en extensión o volumen, demostró ser económicamente valioso, subrayando su importancia en el mercado agrícola. Un análisis de correlación reveló una fuerte relación entre el área sembrada y el volumen de producción, indicando que las grandes áreas generalmente producen volúmenes mayores. Adicionalmente, usando la técnica de clustering, se segmentaron los cultivos en tres grupos distintos, que evidencian la diversidad de la agricultura en Sinaloa. Estos grupos abarcan desde cultivos en pequeñas parcelas hasta cultivos comerciales a gran escala. Este estudio desentraña las complejidades de la agricultura sinaloense, subraya la importancia de ciertos cultivos y brinda información clave para futuros análisis y políticas agrarias.
Citas
Araujo, L. M. V., & Ponce, E. L. (2023). Estrategias de seguridad alimentaria: Contribuciones al desarrollo sostenible de jornaleras agrícolas de Navolato y El Fuerte, Sinaloa, México. Contextualizaciones Latinoamericanas, 2(29)
Araujo, L. M. V., Ramírez, L. T., & Bautista, J. C. C. (2022). Participación de mujeres de campos agrícolas en la seguridad alimentaria de sus familias y comunidades: estudio de una localidad en Navolato, Sinaloa, México. Margen: revista de trabajo social y ciencias sociales, (105), 9.
Bojorquez Camacho, O., y Bruno Fiscal, C. (2016). La paradoja de la economía Sinaloense en la globalización: Inseguridad alimentaria en el granero de México, 1994-2014. CONACYT.
Cota-Montes, D., Valenzuela-Losoya, F., & Adaid García-López, P. (2023). Identificación y caracterización de indicadores para evaluar la sustentabilidad ambiental en sistemas de producción agrícola en la zona del valle del municipio de Sinaloa. Ra Ximhai, 19.
Cuadras-Berrelleza, A. A., Peinado-Guevara, V. M., Peinado-Guevara, H. J., López-López, J. D. J., & Herrera-Barrientos, J. (2021). Agricultura intensiva y calidad de suelos: retos para el desarrollo sustentable en Sinaloa. Revista mexicana de ciencias agrícolas, 12(8), 1401-1414.
Cuadras-Berrelleza, A. A., Peinado-Guevara, V. M., Portillo-Molina, R., Ahumada-Cervantes, R., Belisario Leyva-Morales, J., José Peinado-Guevara, H., & Cervantes-Rosas, M. D. L. Á. (2021). Prácticas agrícolas y sustentabilidad en cultivos de maíz en Guasave, Sinaloa. Ra Ximhai, 17.
Giménez-Gallego, J., González-Teruel, J. D., Honorio Navarro-Hellín, A. B., Toledo-Moreo, F. S. V., & Torres-Sánchez, R. (2020). Segmentación de imagen de múltiples hojas de árboles con fondos naturales usando Deep Learning para aplicaciones en agricultura basadas en imagen. En II Simpósio Ibérico de Engenharia Hortícola 2020 (p. 64).
Hernández Santoyo, A., & Alcaraz Vera, J. V. (2021). Tendencia de cambio climático para la región Cuitzeo de Michoacán y su asociación con la producción de maíz de temporal.
Hinojosa Benavides, R. A., De la Cruz Marcos, R. N., & Espinoza Quispe, C. E. (2020). Revistas de ciencias agrícolas de Suramérica indexadas en SciELO: relación con indicadores de desarrollo de la agricultura. Información, Cultura y Sociedad, (43), 53-68
Hunter, J. D. (2023). Matplotlib: A 2D Graphics Environment, versión 3.8. Disponible en https://matplotlib.org/
McKinney, W. (2023). Pandas: Python Data Analysis Library, versión 2.1.4. Disponible en https://pandas.pydata.org/
Shahrin, F., Zahin, L., Rahman, R., Hossain, A. J., Kaf, A. H., & Azad, A. A. M. (2020, December). Agricultural analysis and crop yield prediction of habiganj using multispectral bands of satellite imagery with machine learning. In 2020 11th International Conference on Electrical and Computer Engineering (ICECE) (pp. 21-24). IEEE.
Ibarra, G. E. R. (2022). Agricultura de Precisión: La integración de las TIC en la producción Agrícola. Computer and Electronic Sciences: Theory and Applications, 3(1), 34-38.
Monsalve Solis, S. (2021). Agricultura de precisión en la predicción de la merma de defectos en cultivos de banano.
Python Software Foundation. (2023). Python Language Reference, versión 3.10. Disponible en https://www.python.org
Represa, N. S. (2020). Elaboración e implementación de una propuesta metodológica para la evaluación y gestión de la calidad del aire mediante el enfoque de la ciencia de datos (Doctoral dissertation, Universitat Politècnica de València).
Serra, S. (2021). Data Science for Agriculture. Revista del Grupo de Investigacion-ITDATA, 1(1), 19-20.
Servicio de Información Agroalimentaria y Pesquera (SIAP). (2022). Cierre agrícola por municipio 2022 (Versión 1.0) [Conjunto de datos]. Gobierno de México. http://infosiap.siap.gob.mx/gobmx/datosAbiertos.php
Waskom, M. (2023). Seaborn: Statistical Data Visualization, versión 0.13. Disponible en https://seaborn.pydata.org/
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
