Evaluación de especies de palmeras para la conservación y restauración efectiva del ecosistema en cantón Portoviejo, Manabí
Barra lateral del artículo
Publicado:
Feb 17, 2025
Palabras clave:
análisis de escenario, conservación y restauración, ecosistema, palmeras, inteligencia artificial, predicción de enfermedades
Contenido principal del artículo
Resumen
La presente investigación denominada evaluación de especies de palmeras para la conservación y restauración efectiva del ecosistema en cantón Portoviejo, Manabí, tuvo como objetivo evaluar las especies de palmeras para la conservación y restauración efectiva del ecosistema en dicho cantón. Los métodos empleados fueron de nivel teórico, empírico y estadístico – descriptivo, los que favorecieron la evaluación de especies de palmeras. Se obtuvo un inventario de 11 tipos de palmeras pertenecientes a 50 áreas verdes del cantón con este inventario se realizó el análisis de la a la conservación y restauración efectiva del ecosistema en cantón Portoviejo, empleándose el software Excel para la construcción y análisis de la base de datos y para la clasificación de escenarios el software Weka. Se constataron escenarios fundamentales relativos al número máximo esperado de palmeras resistentes a un medio ambiente lluviosos, donde proliferan hongos y por ende se desequilibra el ecosistema, así mismo se tuvo en cuenta el número de días máximo en espera que haya diagnósticos positivos de hongos que afectan las palmeras y el número máximo de casos de hongos en las palmeras diagnosticados en un día, después de dichas evaluaciones se llevó a cabo una búsqueda heurística para optimizar la evaluación de las especies casos de estudio, lo cual es útil para el apoyo a la toma de decisiones en función de lograr una adecuada conservación y restauración del ecosistema en cantón Portoviejo, Manabí.
Detalles del artículo
Cómo citar
Pinargote MarcilloS. R., & Cabrera VerdezotoR. P. (2025). Evaluación de especies de palmeras para la conservación y restauración efectiva del ecosistema en cantón Portoviejo, Manabí. Cub@: Medio Ambiente Y Desarrollo, 25, https://cu-id.com/1961/v25e05. Recuperado a partir de https://cmad.ama.cu/index.php/cmad/article/view/392
Sección
Artículos
Citas
Aguirre, Z. 2012. Especies forestales de los bosques secos del Ecuador. Guía dendrológica para su identificación y caracterización. Proyecto Manejo forestal Sostenible ante el Cambio Climático. MAE/FAO – Finlandia. Quito. Ecuador. Pag 140 p.
Alistair G. (2007). Sutcliffe y Andreas Gregoriades. Automating Scenario Analysis of Human and System Reliability, IEEE transactions on systems, man, and cybernetics-part A: systems and humans, 37(2): 249-261.
Catagua-Durán & Cabrera-Verdezoto (2023). Parcelas permanentes de monitoreo para la conservación de Bursera graveolens (Kunth) en las comunas Joa y Agua Blanca, Manabi. MQRInvestigar 7(1), 1757-1776. https://doi.org/10.56048/MQR20225.7.1.2023.1757-1776
Chowell G, Luo GR, Sun K, Roosa K, Tariq A, Viboud C. (2019). Real-time forecasting of epidemic trajectories using computational dynamic ensembles. Epidemics. 30:100379. https://doi.org/10.1016/j.epidem.2019.100379. [Epub ahead of print]
Chowell G. (2017). Fitting dynamic models to epidemic outbreaks with quantified uncertainty: A primer for parameter uncertainty, identifiability, and forecasts, Infectious Disease Modelling, https://doi.org/10.1016/j.idm.2017.08.001.
Guoping Zhang, Huanji Pang, Yifei Xue, Yu Zhou, Ruliang Wang(2020). Forecasting and Analysis of Time Variation of Parameters of COVID-19 Infection in China Using An Improved SEIR Model. Public meteorological service center of China Meteorological Administration. 2020. https://www.researchsquare.com/article/rs-16159/v1
Hayden C. Metsky, CA Freije, TSF Kosoko-Thoroddsen, PC Sabeti, C Myhrvold. (2020). CRISPR-based COVID-19 surveillance using a genomically-comprehensive machine learning desing. BioRxiv preprint doi: https://doi.org/10.1101/2020.02.26.967026
Hilgert, N., Pochettino, M. & Hernández Bermejo, E., 2020. PALMERAS NUS AL SUR DE LA AMÉRICA AUSTRAL. 1ª de. Madrid. Programa Iberoamericano de Ciencia y Tecnología para el Desarrollo.
IPCC (2007). Fourth Assessment Report (AR4). Intergovernmental Panel on Climate Change. Disponible en: URL: http://ipcc-wg1.ucar.edu/index.html.
Kennedy J, Eberhart RC. (1995). Particle swarm optimization. In IEEE International Conference on Neural Networks, pp. 1942-1948.
Kosow H, Gaßner R. (2008). Methods of future and scenario analysis. Overview, assessment, and selection criteria. DIE Research Project “Development Policy: Questions for the Future”, p. 133. Studies/Deutsches Institut für Entwicklungspolitik. ISSN 1860-0468. p. 133.
Krueger, R.R., 2021. Biología y utilización de la palmera datilera (Phoenix dactylifera L.). En: El genoma de la palmera datilera, vol. 1: Filogenia, Biodiversidad y Cartografía (3-28). Cham: Springer International Publishing.
León et al (editores). 2011. Libro Rojo de las Plantas Endémicas del Ecuador. Segunda edición. Publicaciones del Herbario QCA. Pontificia Universidad Católica del Ecuador. ISBN: 978-9942-03-393-2.
Malik Magdon-Ismail. (2003). Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics. arXiv: 2003.07602v2
Montúfar, R, Louise, C, Tranbarger, T (2018). Elaeis oleífera: A neglected palm from the Ecuadorian Amazonia. Rev. Ecuat. de Med. y Cienc. Biol. 39,11-18,
Muhammad A, Jetter, A, Daim, T. (2011). Development of fuzzy cognitive map (FCM)-based scenarios for wind energy. International Journal of Energy Sector Management. 5(4), 564-584, 1750-6220. 2011. DOI 10.1108/17506221111186378.
Rivera, D., Obón, C., Alcaraz, F., Carreño, E., Laguna, E., Amoros, A., Johnson, D., Díaz, G. & Morte, A.,2015. Date Palm Status and Perspective in Spain. En: Al-Khayri, J.M. et al. (Eds.). Recursos genéticos y utilización de la palma datilera, Springer, Dordrecht.
Sares-Reyes, J. G. (2024). Eficiencia del uso de feromona sintética y cebos vegetales en la captura del rhynchophorus palmarum l. en el cultivo de dátil (phoenix dactylifera). Trabajo de titulación previo a la obtención del título de Ingeniero Agropecuario. Universidad Católica de Santiago de Guayaquil. Facultad de Educación Técnica para el Desarrollo, Carrera de Ingeniería Agropecuaria.
Sorousha M. y Parisa A. Bahri. (2009). Hybrid intelligent scenario generator for business strategic planning by using ANFIS. Expert Systems with Applications, 36:7729-7737.
Tian-Mu Chen, Rui, J., Wang, QP, Zhao, ZY, Cui, Jin-An, Ying, Ling. (2020). A mathematical model for simulating the phase-based transmissibility of a novel coronavirus. Infectious Diseases of Poverty, 9 (01), 18-25. https://doi.org/10.1186/s40249-020-00640-3
Trenel P, Gustafsson H, Baker W, Asmussen C, Dransfield J, Borchsenius F. 2007. Mid-Tertiary dispersal, not Gondwanan vicariance explains distribution patterns in the wax palm subfamily (Ceroxyloideae: Arecaceae). Molecular Phylogenetics ande volution 45(1): 272-288.
Viboud C, Simonsen L, Chowell G. (2016). A generalized-growth model to characterize the early ascending phase of infectious disease outbreaks. Epidemics, 15: 27-37.
Vives, S.G., 1999. Plagas y enfermedades de la palmera datilera (Phoenix dactylifera L.) en España. Phytoma España: La revista profesional de sanidad vegetal, 114: 188-191.
Wu JT, Leung K, Leung GM. (2020). Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. TheLancet. January 31, 2020. https://doi.org/10.1016/S0140-6736(20)30260-9
Zhao, Y., Williams, R., Prakash, C.S. & He, G., 2012. Identification and characterization of gene-based SSR markers in date palm (Phoenix dactylifera L.). BMC plant biology, 12(1): 1-8.
Zixin Hu, Qiyang Ge, Shudi Li, Li Jin, Momiao Xiong. (2020b). Artificial Intelligence Forecasting of COVID-19 in China. 2020. arXiv preprint arXiv:2002.07112.
Alistair G. (2007). Sutcliffe y Andreas Gregoriades. Automating Scenario Analysis of Human and System Reliability, IEEE transactions on systems, man, and cybernetics-part A: systems and humans, 37(2): 249-261.
Catagua-Durán & Cabrera-Verdezoto (2023). Parcelas permanentes de monitoreo para la conservación de Bursera graveolens (Kunth) en las comunas Joa y Agua Blanca, Manabi. MQRInvestigar 7(1), 1757-1776. https://doi.org/10.56048/MQR20225.7.1.2023.1757-1776
Chowell G, Luo GR, Sun K, Roosa K, Tariq A, Viboud C. (2019). Real-time forecasting of epidemic trajectories using computational dynamic ensembles. Epidemics. 30:100379. https://doi.org/10.1016/j.epidem.2019.100379. [Epub ahead of print]
Chowell G. (2017). Fitting dynamic models to epidemic outbreaks with quantified uncertainty: A primer for parameter uncertainty, identifiability, and forecasts, Infectious Disease Modelling, https://doi.org/10.1016/j.idm.2017.08.001.
Guoping Zhang, Huanji Pang, Yifei Xue, Yu Zhou, Ruliang Wang(2020). Forecasting and Analysis of Time Variation of Parameters of COVID-19 Infection in China Using An Improved SEIR Model. Public meteorological service center of China Meteorological Administration. 2020. https://www.researchsquare.com/article/rs-16159/v1
Hayden C. Metsky, CA Freije, TSF Kosoko-Thoroddsen, PC Sabeti, C Myhrvold. (2020). CRISPR-based COVID-19 surveillance using a genomically-comprehensive machine learning desing. BioRxiv preprint doi: https://doi.org/10.1101/2020.02.26.967026
Hilgert, N., Pochettino, M. & Hernández Bermejo, E., 2020. PALMERAS NUS AL SUR DE LA AMÉRICA AUSTRAL. 1ª de. Madrid. Programa Iberoamericano de Ciencia y Tecnología para el Desarrollo.
IPCC (2007). Fourth Assessment Report (AR4). Intergovernmental Panel on Climate Change. Disponible en: URL: http://ipcc-wg1.ucar.edu/index.html.
Kennedy J, Eberhart RC. (1995). Particle swarm optimization. In IEEE International Conference on Neural Networks, pp. 1942-1948.
Kosow H, Gaßner R. (2008). Methods of future and scenario analysis. Overview, assessment, and selection criteria. DIE Research Project “Development Policy: Questions for the Future”, p. 133. Studies/Deutsches Institut für Entwicklungspolitik. ISSN 1860-0468. p. 133.
Krueger, R.R., 2021. Biología y utilización de la palmera datilera (Phoenix dactylifera L.). En: El genoma de la palmera datilera, vol. 1: Filogenia, Biodiversidad y Cartografía (3-28). Cham: Springer International Publishing.
León et al (editores). 2011. Libro Rojo de las Plantas Endémicas del Ecuador. Segunda edición. Publicaciones del Herbario QCA. Pontificia Universidad Católica del Ecuador. ISBN: 978-9942-03-393-2.
Malik Magdon-Ismail. (2003). Machine Learning the Phenomenology of COVID-19 From Early Infection Dynamics. arXiv: 2003.07602v2
Montúfar, R, Louise, C, Tranbarger, T (2018). Elaeis oleífera: A neglected palm from the Ecuadorian Amazonia. Rev. Ecuat. de Med. y Cienc. Biol. 39,11-18,
Muhammad A, Jetter, A, Daim, T. (2011). Development of fuzzy cognitive map (FCM)-based scenarios for wind energy. International Journal of Energy Sector Management. 5(4), 564-584, 1750-6220. 2011. DOI 10.1108/17506221111186378.
Rivera, D., Obón, C., Alcaraz, F., Carreño, E., Laguna, E., Amoros, A., Johnson, D., Díaz, G. & Morte, A.,2015. Date Palm Status and Perspective in Spain. En: Al-Khayri, J.M. et al. (Eds.). Recursos genéticos y utilización de la palma datilera, Springer, Dordrecht.
Sares-Reyes, J. G. (2024). Eficiencia del uso de feromona sintética y cebos vegetales en la captura del rhynchophorus palmarum l. en el cultivo de dátil (phoenix dactylifera). Trabajo de titulación previo a la obtención del título de Ingeniero Agropecuario. Universidad Católica de Santiago de Guayaquil. Facultad de Educación Técnica para el Desarrollo, Carrera de Ingeniería Agropecuaria.
Sorousha M. y Parisa A. Bahri. (2009). Hybrid intelligent scenario generator for business strategic planning by using ANFIS. Expert Systems with Applications, 36:7729-7737.
Tian-Mu Chen, Rui, J., Wang, QP, Zhao, ZY, Cui, Jin-An, Ying, Ling. (2020). A mathematical model for simulating the phase-based transmissibility of a novel coronavirus. Infectious Diseases of Poverty, 9 (01), 18-25. https://doi.org/10.1186/s40249-020-00640-3
Trenel P, Gustafsson H, Baker W, Asmussen C, Dransfield J, Borchsenius F. 2007. Mid-Tertiary dispersal, not Gondwanan vicariance explains distribution patterns in the wax palm subfamily (Ceroxyloideae: Arecaceae). Molecular Phylogenetics ande volution 45(1): 272-288.
Viboud C, Simonsen L, Chowell G. (2016). A generalized-growth model to characterize the early ascending phase of infectious disease outbreaks. Epidemics, 15: 27-37.
Vives, S.G., 1999. Plagas y enfermedades de la palmera datilera (Phoenix dactylifera L.) en España. Phytoma España: La revista profesional de sanidad vegetal, 114: 188-191.
Wu JT, Leung K, Leung GM. (2020). Nowcasting and forecasting the potential domestic and international spread of the 2019-nCoV outbreak originating in Wuhan, China: a modelling study. TheLancet. January 31, 2020. https://doi.org/10.1016/S0140-6736(20)30260-9
Zhao, Y., Williams, R., Prakash, C.S. & He, G., 2012. Identification and characterization of gene-based SSR markers in date palm (Phoenix dactylifera L.). BMC plant biology, 12(1): 1-8.
Zixin Hu, Qiyang Ge, Shudi Li, Li Jin, Momiao Xiong. (2020b). Artificial Intelligence Forecasting of COVID-19 in China. 2020. arXiv preprint arXiv:2002.07112.