Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ZT 2007 Métodos Matemáticos para Ingeniería en Ciencia Animal Javier Ñaupari, PhD Semestre 2021-II Derivadas Parciales Sistema de Alertas Tempranas en Ganadería Podemos aproximar g’(96) usando valor de la Tabla y h=2 y h=-2 Podemos aproximar G’(70) usando valor de la Tabla y h=5 y h=-5 Regla para encontrar derivadas parciales de z = f(x,y) • Para encontrar fx, mantener y como constante y diferenciar f(x,y) con respecto a x • Para encontrar fy, mantener x como constante y diferenciar f(x,y) con respecto a y 1. Si 𝑓 𝑥, 𝑦 = 𝑥3 + 𝑥2𝑦3 − 2𝑦2 Encontrar 𝑓𝑥(2,1) y 𝑓𝑦(2,1) 2. Si 𝑓 𝑥, 𝑦 = 4 − 𝑥2 − 2𝑦2 Encontrar 𝑓𝑥(1,1) y 𝑓𝑦(1,1) Si 𝑓 𝑥, 𝑦 = 3𝑥2 − 5𝑦3 Si 𝑓 𝑥, 𝑦 = 5𝑥2𝑦3 − 5𝑥3𝑦5 Hallar 𝜕 𝜕𝑥 y 𝜕 𝜕𝑦 Considerando h como una constante, encontrar la derivada parcial con respecto a m Índice de masa corporal • 𝐵 𝑚, ℎ = 𝑚 ℎ2 Considerando m como una constante, encontrar la derivada parcial con respecto a h Ro número promedio de nuevas infecciones v = fracción de población vacunada d = número promedio que un individuo infectado permanece en población Supongamos que ocurre un brote y no hay vacunas (v=0) y que no hay cuarentena, por lo que individuos infectados circulan en la población por un promedio de 4 días Evaluar R0, ∂R0/∂d, y ∂R0/∂v donde d= 4 y v=0 y provea una interpretación biológica de los resultados R0 = 5 x 4/5 = 4 • Significa que cada individuo infectado esta causando en promedio 4 nuevos infectados ∂R0/∂d = 1/5 • Si introducimos una pequeña cuarentena (que haría que d se reduce ligeramente y entonces reduce la infección de SARS), el valor de R0 declina a una tasa de 1/5 nuevas infecciones por día que decrece d ∂R0/∂v = -4 • Este valor significa que si introducimos una pequeña cantidad de vacuna (q puede incrementar v ligeramente y reduce el brote de SARS), el valor de Ro podría declinar a un ratio de 4 nuevos infecciones por unidad q incrementa en v. Por lo que el brote de SARS es más efectivo a la vacuna que a cuarentena Gráfico 9. Relación entre la demanda y oferta de forraje (Pieper y Heitschmidt, 1988). ¿Qué características tiene el comportamiento temporal de una variable? ¿Cómo están asociados los datos en el tiempo? ¿Lo que sucedió ayer tiene algo que ver con lo que vemos hoy o veremos mañana? Modelo Autorregresivo (AR) La variable de interés depende linealmente de sus observaciones o valores pasados Sirve para realizar pronósticos Productividad de pastizales Medías Móviles (MA): El promedio puede cambiar a lo largo del tiempo. Calcular promedio por ventanas que se mueven En pastizales, las alertas están relacionada a caracterización de producción de biomasa a nivel del paisaje para mejorar manejo del riesgo del ganado y tierra Caracterización de biomasa por métodos convencionales puede ser caro y demanda tiempo Modelos de simulación, impulsado por productos de precipitación de alta resolución, permitiría estimar biomasa en tiempo real Métodos geo estadísticos proveen oportunidad para combinar modelos de simulación con imágenes satelitales para producir mapas de biomasa forrajera a nivel de paisaje Mapas regionales de forraje Análisis de sitios individuales Servidor de modelo PHYGROW Análisis Geo estadístico y predicción Imágenes NDVI Temperatura Min Temperatura Max Precipitación Evaluación de campo Modelo PHYGROW es usado para simular crecimiento diario de forraje y consumo • Capacidad de simular crecimiento de forraje en combinación con pastoreo de ganado • Permite pastoreo preferencial por tipo / clase animal Cada sitio es simulado usando datos de área basal de plantas, datos de suelos, información de manejo de pastoreo y datos en tiempo real del clima Corridas de los modelos se usan para mapeo y se reportan en la website (http://glews.tamu.edu/) 5. Desarrollo de un piloto de sistema de alerta temprana Caso Alpacas – Tomas, Lima Comunidad Campesina de Tomas, Yauyos, Lima Run #: 21480 Site Name: Tomas_T01_2015 Latitude: -12.1547° Longitude: -75.6340° Stop Date: 20/10/2018 Last Rain: 2 days ago Mean Forage: 1350.57 Kg/Ha 1301.0 Kg/Ha -3.70% 1451.0 Kg/Ha -14.20% 1834.2 Kg/Ha -21.60% 2113.9 Kg/Ha -27.40% 30 Day: 60 Day: 90 Day: Forage: Tomas ➔ Tipo de vegetación pajonal Tomas ➔ Pajonal – biomasa disponible Tomas ➔ Pajonal – pronóstico de biomasa disponible Ejemplo. Dinámica de la biomasa – efecto de la carga animal Ejemplo. Efecto de la carga animal en un momento determinado (t) ¿Qué debemos hacer? ➔Cambiar área de pastoreo Estrategias: ➔descanso ➔diferimiento ➔Disminución del número animales Estrategia: ➔Saca A B Lluvia LluviaSeca Seca ➔Degradación del pastizal ➔disminución de la biomasa ➔Animales mal alimentados ➔bajo peso por animal ➔Baja calidad de fibra ➔bajo peso ➔fibra quebradiza ¿Qué pasaría….??? ➔Bajos ingresos (S/.) Lluvia LluviaSeca Seca Run #: 21480 Site Name: Tomas_T01_2015 Latitude: -12.1547° Longitude: -75.6340° Stop Date: 20/10/2018 Last Rain: 2 days ago Mean Forage: 1350.57 Kg/Ha 1301.0 Kg/Ha -3.70% 1451.0 Kg/Ha -14.20% 1834.2 Kg/Ha -21.60% 2113.9 Kg/Ha -27.40% 30 Day: 60 Day: 90 Day: Forage: 1 Ha ¿Cuantos animales...??? 1301.0 Kg/ha 650.50 Kg/ha (50%) 650.50 Kg/ha (50%) = 1.8% PV = 1.0 Kg/día Tiempo = 30 días 30 Kg/alpaca 22 alpacas
Compartir