Gilberto Bojórquez Delgado
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Gilberto Bojórquez Delgado has a total of 35 co-authors. Here are the top co-authors by number of shared publications:
Instituto Tecnológico Superior de Guasave
8 shared publications- Jesús Bojorquez-Delgado
Tecnológico Nacional de México - Instituto Tecnológico Superior de Guasave, Sinaloa, México
8 shared publications Jesús Bojorquez-Delgado
Tecnológico Nacional de México - Instituto Tecnológico Superior de Guasave
7 shared publications- Adalid Graciano-Obeso
Instituto Tecnológico Superior de Guasave
6 shared publications Manuel Alfredo Flores-Rosales
Tecnológico Nacional de México / Instituto Tecnológico Superior de Guasave
6 shared publicationsColegio Nacional de Educación Profesional Técnica
4 shared publications
Latest Publications
- Open Access
- 16 February 2026
- Published by Editorial Académica Dragón Azteca in International Journal of Combinatorial Optimization Problems and Informatics
- Vol. 17 (2) , 481-494
Evaluation of Machine Learning Algorithms for Estimating NDVI in Time Series of Multispectral Images for Precision Agriculture
Accurate estimation of the Normalized Difference Vegetation Index (NDVI) is crucial for precision agriculture and environmental monitoring. This study compares five machine learning algorithms LSTM, CNN-LSTM, XGBoost, Random Forest, and Gradient Boosting to predict NDVI using time series of multispectral Sentinel-2 data in a maize crop in Guasave, Sinaloa, Mexico. After data preprocessing, the models were evaluated using cross-validation and metrics such as MSE, MAE, RMSE, MAPE, and R2. The results showed that the LSTM model achieved the best performance in accuracy, while tree-based models struggled to predict extreme values. Recurrent neural networks demonstrated a greater capacity to capture complex temporal dependencies, although they still require improvements to optimize their robustness and precision. Smart citations: https://scite.ai/reports/10.61467/2007.1558.2026.v17i2.597Dimensions.Open Alex.
- 16 February 2026
- Published by Editorial Académica Dragón Azteca in International Journal of Combinatorial Optimization Problems and Informatics
- Vol. 17 (2) , 481-494
Open AccessEvaluation of Machine Learning Algorithms for Estimating NDVI in Time Series of Multispectral Images for Precision Agriculture
Accurate estimation of the Normalized Difference Vegetation Index (NDVI) is crucial for precision agriculture and environmental monitoring. This study compares five machine learning algorithms LSTM, CNN-LSTM, XGBoost, Random Forest, and Gradient Boosting to predict NDVI using time series of multispectral Sentinel-2 data in a maize crop in Guasave, Sinaloa, Mexico. After data preprocessing, the models were evaluated using cross-validation and metrics such as MSE, MAE, RMSE, MAPE, and R2. The results showed that the LSTM model achieved the best performance in accuracy, while tree-based models struggled to predict extreme values. Recurrent neural networks demonstrated a greater capacity to capture complex temporal dependencies, although they still require improvements to optimize their robustness and precision. Smart citations: https://scite.ai/reports/10.61467/2007.1558.2026.v17i2.597Dimensions.Open Alex.
- Open Access
- 2 January 2026
- Published by Instituto Tecnológico Superior de Tantoyuca in Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
- Vol. 12 (1) , 67-89
Compensación contextual multivariable en sensores capacitivos de bajo costo para humedad del suelo
La humedad del suelo suele estimarse con sensores capacitivos de bajo costo, aunque su señal puede verse afectada por variables físicas del suelo y del entorno además del contenido de agua. El objetivo de este estudio fue cuantificar el efecto de la textura, la temperatura, la conductividad eléctrica y la compactación sobre la señal de un sensor comercial DFRobot SEN0193 y evaluar si la incorporación explícita de estas variables mejora la estimación del contenido volumétrico de agua. Se implementó un diseño experimental factorial multifactorial en bloques con mediciones repetidas, utilizando recipientes de suelo acondicionado como unidad experimental primaria identificada mediante sample_id. El conjunto maestro incluyó 2916 registros; tras aplicar criterios de calidad predefinidos se conservaron 2700 observaciones válidas, organizadas en 900 condiciones experimentales y tres bloques. Los factores incluyeron cuatro sensores físicos, tres texturas, tres niveles de compactación operacionalizados mediante densidad aparente, temperaturas objetivo de 15, 25 y 35 °C, conductividades eléctricas de 0.5, 1.5 y 3.0 dS m⁻¹ y seis niveles de humedad objetivo estimados por referencia gravimétrica. Se compararon cinco modelos jerárquicos mediante validación agrupada, ANOVA y pruebas leave-one-sensor-out y leave-one-block-out. El modelo lineal múltiple presentó el mejor equilibrio entre exactitud e interpretabilidad, con RMSE = 0.0025, MAE = 0.0020, R² = 0.9998 y una reducción del error de 84.95 % respecto al modelo base. Se concluye que la señal no depende solo de la humedad de referencia y que una compensación contextual multivariable parsimoniosa captura casi toda la ganancia útil bajo condiciones controladas.
- 2 January 2026
- Published by Instituto Tecnológico Superior de Tantoyuca in Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
- Vol. 12 (1) , 67-89
Open AccessCompensación contextual multivariable en sensores capacitivos de bajo costo para humedad del suelo
La humedad del suelo suele estimarse con sensores capacitivos de bajo costo, aunque su señal puede verse afectada por variables físicas del suelo y del entorno además del contenido de agua. El objetivo de este estudio fue cuantificar el efecto de la textura, la temperatura, la conductividad eléctrica y la compactación sobre la señal de un sensor comercial DFRobot SEN0193 y evaluar si la incorporación explícita de estas variables mejora la estimación del contenido volumétrico de agua. Se implementó un diseño experimental factorial multifactorial en bloques con mediciones repetidas, utilizando recipientes de suelo acondicionado como unidad experimental primaria identificada mediante sample_id. El conjunto maestro incluyó 2916 registros; tras aplicar criterios de calidad predefinidos se conservaron 2700 observaciones válidas, organizadas en 900 condiciones experimentales y tres bloques. Los factores incluyeron cuatro sensores físicos, tres texturas, tres niveles de compactación operacionalizados mediante densidad aparente, temperaturas objetivo de 15, 25 y 35 °C, conductividades eléctricas de 0.5, 1.5 y 3.0 dS m⁻¹ y seis niveles de humedad objetivo estimados por referencia gravimétrica. Se compararon cinco modelos jerárquicos mediante validación agrupada, ANOVA y pruebas leave-one-sensor-out y leave-one-block-out. El modelo lineal múltiple presentó el mejor equilibrio entre exactitud e interpretabilidad, con RMSE = 0.0025, MAE = 0.0020, R² = 0.9998 y una reducción del error de 84.95 % respecto al modelo base. Se concluye que la señal no depende solo de la humedad de referencia y que una compensación contextual multivariable parsimoniosa captura casi toda la ganancia útil bajo condiciones controladas.
- Open Access
- 1 December 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (30) , 71-83
Diagnóstico predictivo de motores eléctricos basado en TinyML y análisis de firma de corriente
The operational continuity of electric motors is essential for industrial productivity, as unexpected failures result in economic losses and safety risks. This study proposes a predictive diagnostic system based exclusively on Motor Current Signature Analysis (MCSA) with on-device inference using TinyML, targeting resource-constrained environments. The design includes current signal acquisition through a non-invasive transducer, analog conditioning, preprocessing via root mean square calculation in overlapping windows and normalization, and the training of a lightweight one-dimensional convolutional neural network optimized for microcontroller execution. The prototype was evaluated using a class-balanced dataset, applying standard classification metrics and resource usage profiling. The results show perfect discrimination between normal and abnormal conditions associated with power electronics disturbances, with inference times compatible with real-time monitoring and low memory consumption. It is concluded that MCSA, combined with edge inference, is a viable and low-cost alternative for predictive maintenance, particularly in facilities with infrastructure limitations, and that its integration into multivariable systems could expand coverage to mechanical failure modes.
- 1 December 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (30) , 71-83
Open AccessDiagnóstico predictivo de motores eléctricos basado en TinyML y análisis de firma de corriente
The operational continuity of electric motors is essential for industrial productivity, as unexpected failures result in economic losses and safety risks. This study proposes a predictive diagnostic system based exclusively on Motor Current Signature Analysis (MCSA) with on-device inference using TinyML, targeting resource-constrained environments. The design includes current signal acquisition through a non-invasive transducer, analog conditioning, preprocessing via root mean square calculation in overlapping windows and normalization, and the training of a lightweight one-dimensional convolutional neural network optimized for microcontroller execution. The prototype was evaluated using a class-balanced dataset, applying standard classification metrics and resource usage profiling. The results show perfect discrimination between normal and abnormal conditions associated with power electronics disturbances, with inference times compatible with real-time monitoring and low memory consumption. It is concluded that MCSA, combined with edge inference, is a viable and low-cost alternative for predictive maintenance, particularly in facilities with infrastructure limitations, and that its integration into multivariable systems could expand coverage to mechanical failure modes.
- Open Access
- 1 November 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (32) , 30-44
Red neuronal convolucional para estimar humedad gravimétrica del suelo con bandas multiespectrales UAV
Accurate estimation of soil gravimetric moisture is essential for the efficient management of water resources in precision agriculture, particularly in semi-arid regions. This study proposes a convolutional neural network (CNN) to estimate soil gravimetric moisture using multispectral data acquired by unmanned aerial vehicles (UAVs). The research was conducted on a clay-loam soil plot in Guasave, Sinaloa, Mexico, during different post-irrigation drying phases. A DJI Mavic 3 Multispectral drone equipped with sensors in the Green (560 nm), Red (650 nm), Red-Edge (730 nm), and NIR (860 nm) bands was employed, capturing imagery with a spatial resolution of approximately 4 cm/pixel. In situ gravimetric measurements were collected to validate the performance of the developed CNN model. The proposed CNN architecture consisted of three Conv1D layers with 32 filters, one MaxPooling layer, a flattening layer, and a fully connected dense layer, specifically designed to capture complex nonlinear relationships between spectral bands and soil moisture. The model achieved outstanding performance, with a mean squared error (MSE) of 0.0058, a coefficient of determination (R²) of 0.91, and a mean absolute error (MAE) of 0.046 on the test dataset. Predictions were highly correlated with actual measurements (r = 0.92, p < 0.001). Statistical analyses confirmed homoscedasticity and residual normality, indicating model robustness. Furthermore, the CNN-based approach outperformed traditional empirical indices, demonstrating high sensitivity to within-field microvariability.
- 1 November 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (32) , 30-44
Open AccessRed neuronal convolucional para estimar humedad gravimétrica del suelo con bandas multiespectrales UAV
Accurate estimation of soil gravimetric moisture is essential for the efficient management of water resources in precision agriculture, particularly in semi-arid regions. This study proposes a convolutional neural network (CNN) to estimate soil gravimetric moisture using multispectral data acquired by unmanned aerial vehicles (UAVs). The research was conducted on a clay-loam soil plot in Guasave, Sinaloa, Mexico, during different post-irrigation drying phases. A DJI Mavic 3 Multispectral drone equipped with sensors in the Green (560 nm), Red (650 nm), Red-Edge (730 nm), and NIR (860 nm) bands was employed, capturing imagery with a spatial resolution of approximately 4 cm/pixel. In situ gravimetric measurements were collected to validate the performance of the developed CNN model. The proposed CNN architecture consisted of three Conv1D layers with 32 filters, one MaxPooling layer, a flattening layer, and a fully connected dense layer, specifically designed to capture complex nonlinear relationships between spectral bands and soil moisture. The model achieved outstanding performance, with a mean squared error (MSE) of 0.0058, a coefficient of determination (R²) of 0.91, and a mean absolute error (MAE) of 0.046 on the test dataset. Predictions were highly correlated with actual measurements (r = 0.92, p < 0.001). Statistical analyses confirmed homoscedasticity and residual normality, indicating model robustness. Furthermore, the CNN-based approach outperformed traditional empirical indices, demonstrating high sensitivity to within-field microvariability.
- Open Access
- 1 November 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (32) , 74-83
Diseño y evaluación experimental de un controlador pid-difuso para el dron dji tello edu
This study proposes a PID-Difuso controller to enhance stabilization of the DJI Tello Edu drone, addressing limitations of conventional PID controllers in dynamic environments. Traditional PID controllers exhibit rigidity when confronted with external disturbances (wind, mass variations) and the inherent nonlinearity of UAVs, resulting in residual oscillations and tracking errors. The proposed solution integrates a two-layer hybrid architecture: • Fuzzy layer: dynamically adjusts PID gains (K_p, K_i, K_d) through heuristic rules based on angular error (e) and its derivative (ė), employing Mamdani inference with triangular membership functions. • PID layer: executes the control law with real-time adaptive parameters. Autonomous flight experiments—including straight trajectories and 180° turns—demonstrated significant improvements over the conventional PID: • RMS yaw error reduced by 23.1%. • MAE yaw error reduced by 25.9%. • Settling time decreased by 28.6%. • Energy consumption decreased by up to 13.1%, extending flight autonomy. • Maximum yaw error during critical maneuvers reduced by 44.4%. The hybrid controller optimizes the trade-off between precision and adaptability. Validation under controlled conditions utilized 20 Hz WiFi telemetry and standardized metrics (RMSE, MAE, control energy). Implementation on a low-cost platform such as the DJI Tello Edu democratizes access to advanced control systems for education and research.
- 1 November 2025
- Published by Revista de Investigacion en Tecnologias de la Informacion in Revista de Investigación en Tecnologías de la Información
- Vol. 13 (32) , 74-83
Open AccessDiseño y evaluación experimental de un controlador pid-difuso para el dron dji tello edu
This study proposes a PID-Difuso controller to enhance stabilization of the DJI Tello Edu drone, addressing limitations of conventional PID controllers in dynamic environments. Traditional PID controllers exhibit rigidity when confronted with external disturbances (wind, mass variations) and the inherent nonlinearity of UAVs, resulting in residual oscillations and tracking errors. The proposed solution integrates a two-layer hybrid architecture: • Fuzzy layer: dynamically adjusts PID gains (K_p, K_i, K_d) through heuristic rules based on angular error (e) and its derivative (ė), employing Mamdani inference with triangular membership functions. • PID layer: executes the control law with real-time adaptive parameters. Autonomous flight experiments—including straight trajectories and 180° turns—demonstrated significant improvements over the conventional PID: • RMS yaw error reduced by 23.1%. • MAE yaw error reduced by 25.9%. • Settling time decreased by 28.6%. • Energy consumption decreased by up to 13.1%, extending flight autonomy. • Maximum yaw error during critical maneuvers reduced by 44.4%. The hybrid controller optimizes the trade-off between precision and adaptability. Validation under controlled conditions utilized 20 Hz WiFi telemetry and standardized metrics (RMSE, MAE, control energy). Implementation on a low-cost platform such as the DJI Tello Edu democratizes access to advanced control systems for education and research.
- Open Access
- 19 September 2025
- Published by Instituto Tecnológico de Chetumal in AvaCient
- Vol. 5 (2) , 48-59
Evaluación de la factibilidad de un servicio de agricultura de precisión en Guasave, Sinaloa, México
La agricultura de precisión (AP) permite optimizar recursos y aumentar la productividad mediante tecnologías de monitoreo, análisis y control. Este estudio examinó la factibilidad técnica, económica y social de un servicio de AP en Guasave, Sinaloa (México), considerando la perspectiva de 300 productores encuestados. Se aplicaron el análisis jerárquico de procesos (AHP), segmentación k-means, pruebas de usabilidad y un modelo financiero a diez años. El maíz (0.346) y el sorgo (0.291) fueron identificados como cultivos prioritarios. Las variables más valoradas fueron la humedad del suelo (34 %) y el estado nutricional (27 %). La segmentación mostró tres perfiles: pequeños (50 ha; 5.2 USD). En la evaluación de usabilidad, las aplicaciones móviles (SUS = 78.4) superaron a las webs progresivas (74.1). El análisis financiero indicó valores actuales netos positivos en todos los escenarios, con 12, 500 USD en el caso base y tasas internas de retorno superiores al 10 %. Los resultados confirman la viabilidad del servicio y su mayor potencial de adopción en explotaciones medianas y grandes. Para incluir a productores de menor escala se requieren esquemas de financiamiento, alianzas institucionales y capacitación focalizada.
- 19 September 2025
- Published by Instituto Tecnológico de Chetumal in AvaCient
- Vol. 5 (2) , 48-59
Open AccessEvaluación de la factibilidad de un servicio de agricultura de precisión en Guasave, Sinaloa, México
La agricultura de precisión (AP) permite optimizar recursos y aumentar la productividad mediante tecnologías de monitoreo, análisis y control. Este estudio examinó la factibilidad técnica, económica y social de un servicio de AP en Guasave, Sinaloa (México), considerando la perspectiva de 300 productores encuestados. Se aplicaron el análisis jerárquico de procesos (AHP), segmentación k-means, pruebas de usabilidad y un modelo financiero a diez años. El maíz (0.346) y el sorgo (0.291) fueron identificados como cultivos prioritarios. Las variables más valoradas fueron la humedad del suelo (34 %) y el estado nutricional (27 %). La segmentación mostró tres perfiles: pequeños (50 ha; 5.2 USD). En la evaluación de usabilidad, las aplicaciones móviles (SUS = 78.4) superaron a las webs progresivas (74.1). El análisis financiero indicó valores actuales netos positivos en todos los escenarios, con 12, 500 USD en el caso base y tasas internas de retorno superiores al 10 %. Los resultados confirman la viabilidad del servicio y su mayor potencial de adopción en explotaciones medianas y grandes. Para incluir a productores de menor escala se requieren esquemas de financiamiento, alianzas institucionales y capacitación focalizada.
- 1 July 2025
- Published by Astra Ediciones
- p. 13-28
Bioinsecticidas: técnica de agricultura sostenible para la seguridad alimentaria y objetivo de desarrollo sostenible #2
La Agenda 2030, adoptada por la Asamblea General de las Naciones Unidas en 2015, tiene como objetivo “transformar el mundo” y “no dejar a nadie atrás” mediante 17 Objetivos de Desarrollo Sostenible (ODS); estos buscan abordar tres grandes desafíos: erradicar la pobreza, proteger el medioambiente y asegurar que todas las personas vivan en paz y prosperidad (ONU, 2015). Así mismo, los ODS son universales y disponen de 169 metas que se aplican por igual a países desarrollados y en vías de desarrollo, esto implica un reto a cada país a establecer la búsqueda de recursos y la fijación de sus propias propuestas para abordar los problemas de la pobreza, la desigualdad y la degradación del planeta, específicamente, el ODS 2 plantea las acciones centrales de la alimentación y la agricultura de la Agenda 2030: “Poner fin al hambre, lograr la seguridad alimentaria y la mejora de la nutrición, y promover la agricultura sostenible”, este sistema de producción se basa en prácticas que evitan el uso de agroquímicos sintéticos, fomentando la biodiversidad y la salud del suelo, lo que contribuye significativamente a la seguridad alimentaria y a la sostenibilidad ambiental (ONU, 2022).
- 1 July 2025
- Published by Astra Ediciones
- p. 13-28
Bioinsecticidas: técnica de agricultura sostenible para la seguridad alimentaria y objetivo de desarrollo sostenible #2
La Agenda 2030, adoptada por la Asamblea General de las Naciones Unidas en 2015, tiene como objetivo “transformar el mundo” y “no dejar a nadie atrás” mediante 17 Objetivos de Desarrollo Sostenible (ODS); estos buscan abordar tres grandes desafíos: erradicar la pobreza, proteger el medioambiente y asegurar que todas las personas vivan en paz y prosperidad (ONU, 2015). Así mismo, los ODS son universales y disponen de 169 metas que se aplican por igual a países desarrollados y en vías de desarrollo, esto implica un reto a cada país a establecer la búsqueda de recursos y la fijación de sus propias propuestas para abordar los problemas de la pobreza, la desigualdad y la degradación del planeta, específicamente, el ODS 2 plantea las acciones centrales de la alimentación y la agricultura de la Agenda 2030: “Poner fin al hambre, lograr la seguridad alimentaria y la mejora de la nutrición, y promover la agricultura sostenible”, este sistema de producción se basa en prácticas que evitan el uso de agroquímicos sintéticos, fomentando la biodiversidad y la salud del suelo, lo que contribuye significativamente a la seguridad alimentaria y a la sostenibilidad ambiental (ONU, 2022).
- Open Access
- 8 May 2025
- Published by Instituto Tecnológico Superior de Tantoyuca in Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
- Vol. 11 (1) , 114-143
Evaluation of Artificial Intelligence Models for Reference Evapotranspiration Estimation in Precision Agriculture under Semi-Arid Climate Conditions
Accurate estimation of reference evapotranspiration (ET₀) is essential for irrigation scheduling in high-efficiency agricultural systems. This study compares the performance of two modeling approaches—specifically, the XGBoost algorithm and a long short-term memory (LSTM) neural network—for estimating daily ET₀ in a semi-arid region in northwestern Mexico, using meteorological data derived from the NASA POWER system between January 2020 and July 2024. Both models were trained on a homogeneous dataset of 1,827 days and evaluated using standard metrics, including MAE, RMSE, R², NSE, MAPE, and Willmott’s d coefficient, with separate analyses for dry and wet seasons. The XGBoost model achieved a MAE of 0.145 mm day⁻¹ and an R² of 0.983, outperforming the LSTM model across all metrics, which exhibited higher absolute error and greater seasonal variability. SHAP analysis identified shortwave solar radiation, vapor pressure deficit, and wind speed as the most influential variables, aligning with agrometeorological theory. Additionally, XGBoost demonstrated greater robustness to extreme events and lower systematic bias. These results position XGBoost as an accurate, interpretable, and computationally efficient tool for integration into automated decision-making systems and agricultural IoT platforms. Nonetheless, geographic and methodological limitations are acknowledged, suggesting the need for multi-regional validations and exploration of hybrid architectures in future research.
- 8 May 2025
- Published by Instituto Tecnológico Superior de Tantoyuca in Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
- Vol. 11 (1) , 114-143
Open AccessEvaluation of Artificial Intelligence Models for Reference Evapotranspiration Estimation in Precision Agriculture under Semi-Arid Climate Conditions
Accurate estimation of reference evapotranspiration (ET₀) is essential for irrigation scheduling in high-efficiency agricultural systems. This study compares the performance of two modeling approaches—specifically, the XGBoost algorithm and a long short-term memory (LSTM) neural network—for estimating daily ET₀ in a semi-arid region in northwestern Mexico, using meteorological data derived from the NASA POWER system between January 2020 and July 2024. Both models were trained on a homogeneous dataset of 1,827 days and evaluated using standard metrics, including MAE, RMSE, R², NSE, MAPE, and Willmott’s d coefficient, with separate analyses for dry and wet seasons. The XGBoost model achieved a MAE of 0.145 mm day⁻¹ and an R² of 0.983, outperforming the LSTM model across all metrics, which exhibited higher absolute error and greater seasonal variability. SHAP analysis identified shortwave solar radiation, vapor pressure deficit, and wind speed as the most influential variables, aligning with agrometeorological theory. Additionally, XGBoost demonstrated greater robustness to extreme events and lower systematic bias. These results position XGBoost as an accurate, interpretable, and computationally efficient tool for integration into automated decision-making systems and agricultural IoT platforms. Nonetheless, geographic and methodological limitations are acknowledged, suggesting the need for multi-regional validations and exploration of hybrid architectures in future research.
- 14 March 2025
- Published by Astra Ediciones
- p. 17-34
Beauveria bassiana y Metarhizium anisopliae como alternativa sostenible para el control de plagas de importancia agrícola
En 2023, Sinaloa se destacó como el principal productor a nivel nacional de ajonjolí, berenjena, pepino, chile verde, frijol, garbanzo, tomate y maíz, dicha producción le permitió a México ubicarse en el 11vo. lugar en producción mundial de cultivos agrícolas (Servicio de Información Agroalimentaria y Pesquera [SIAP], 2024). Lugar que podría ser más alto, sin embargo, la producción de cultivos agrícolas se ve afectada por plagas que impactan en el rendimiento del cultivo (García-Gutiérrez et al., 2020), dentro de las principales plagas que causan grandes pérdidas económicas se encuentran; el gusano del fruto (Chloridea virescens), ocasionando pérdidas considerables en el cultivo del tomate en Sinaloa (Manzanarez-Jiménez et al., 2021), el gusano cogollero (Spodoptera frugiperda), considerada la principal plaga del maíz, llegando a causar hasta el 60 % de las perdidas (Cruz-Herrera, 2018), así como la mosca blanca (Bemisia tabaci), una plaga que causa grandes pérdidas en la agricultura a nivel mundial, donde los cultivos más afectados son tomate, berenjena y chile (Chen et al., 2016).
- 14 March 2025
- Published by Astra Ediciones
- p. 17-34
Beauveria bassiana y Metarhizium anisopliae como alternativa sostenible para el control de plagas de importancia agrícola
En 2023, Sinaloa se destacó como el principal productor a nivel nacional de ajonjolí, berenjena, pepino, chile verde, frijol, garbanzo, tomate y maíz, dicha producción le permitió a México ubicarse en el 11vo. lugar en producción mundial de cultivos agrícolas (Servicio de Información Agroalimentaria y Pesquera [SIAP], 2024). Lugar que podría ser más alto, sin embargo, la producción de cultivos agrícolas se ve afectada por plagas que impactan en el rendimiento del cultivo (García-Gutiérrez et al., 2020), dentro de las principales plagas que causan grandes pérdidas económicas se encuentran; el gusano del fruto (Chloridea virescens), ocasionando pérdidas considerables en el cultivo del tomate en Sinaloa (Manzanarez-Jiménez et al., 2021), el gusano cogollero (Spodoptera frugiperda), considerada la principal plaga del maíz, llegando a causar hasta el 60 % de las perdidas (Cruz-Herrera, 2018), así como la mosca blanca (Bemisia tabaci), una plaga que causa grandes pérdidas en la agricultura a nivel mundial, donde los cultivos más afectados son tomate, berenjena y chile (Chen et al., 2016).
- 14 March 2025
- Published by Astra Ediciones
- p. 57-82
Análisis del impacto climático en la dinámica de plagas y enfermedades como estrategia para el manejo sostenible del cultivo de maíz
El maíz (Zea mays L.) es uno de los cultivos más importantes a nivel mundial y constituye un pilar en la alimentación y economía de numerosas regiones, especialmente en América Latina (Altieri y Toledo, 2011; Cairns et al., 2012; Li, 2024). En México, el maíz no solo es fundamental desde el punto de vista agrícola, sino que también posee una relevancia histórica y cultural profunda (Gautam et al., 2021). Sin embargo, este cultivo enfrenta desafíos constantes debido a la proliferación de plagas y enfermedades que afectan su rendimiento y calidad (Waqas et al., 2021). Entre las plagas más comunes se encuentran el gusano cogollero del maíz (Spodoptera frugiperda) y el barrenador del tallo (Diatraea spp.), mientras que enfermedades como la roya del maíz (Puccinia sorghi) y el huitlacoche (Ustilago maydis) impactan significativamente en la producción y calidad del grano (Altieri y Toledo, 2011; De Lange et al., 2014).
- 14 March 2025
- Published by Astra Ediciones
- p. 57-82
Análisis del impacto climático en la dinámica de plagas y enfermedades como estrategia para el manejo sostenible del cultivo de maíz
El maíz (Zea mays L.) es uno de los cultivos más importantes a nivel mundial y constituye un pilar en la alimentación y economía de numerosas regiones, especialmente en América Latina (Altieri y Toledo, 2011; Cairns et al., 2012; Li, 2024). En México, el maíz no solo es fundamental desde el punto de vista agrícola, sino que también posee una relevancia histórica y cultural profunda (Gautam et al., 2021). Sin embargo, este cultivo enfrenta desafíos constantes debido a la proliferación de plagas y enfermedades que afectan su rendimiento y calidad (Waqas et al., 2021). Entre las plagas más comunes se encuentran el gusano cogollero del maíz (Spodoptera frugiperda) y el barrenador del tallo (Diatraea spp.), mientras que enfermedades como la roya del maíz (Puccinia sorghi) y el huitlacoche (Ustilago maydis) impactan significativamente en la producción y calidad del grano (Altieri y Toledo, 2011; De Lange et al., 2014).