Una plataforma basada en machine learning para identificar variedades de duraznero con mayores chances de adaptación a escenarios climáticos futuros

Abstract

El mejoramiento genético del duraznero (Prunus persica) enfrenta desafíos crecientes frente al cambio climático, nuevas exigencias del mercado y la necesidad de adaptar variedades a diversas regiones productivas. En donde caracteres claves como el requerimiento de horas de frío y el rendimiento, se encuentran influenciados por factores ambientales, lo cual dificulta su selección en etapas tempranas del mejoramiento. En este contexto, el uso de herramientas de inteligencia artificial, representa una oportunidad innovadora para integrar distintos tipos de datos y anticipar el comportamiento de los cultivos, acelerando así los procesos de selección. Entre este tipo de herramientas destacan los modelos de Random Forest, debido a su capacidad para manejar grandes volúmenes de datos con alta dimensionalidad, tolerar relaciones no lineales entre variables y reducir el riesgo de sobreajuste. Lo cual lo convierte en una herramienta robusta para aplicaciones en genética vegetal.