#RondaDePresentaciones: Dr. Juan Manuel Piñeiro
Juan Manuel es Licenciado en Ciencias Biológicas con orientación en Ecología y Doctor en Ciencias Agropecuarias por la Facultad de Agronomía. Actualmente es profesor adjunto (G3) del Departamento Modelización Estadística de Datos e Inteligencia Artificial del Centro Universitario Regional Este, donde ingresó en 2022. Además desde 2015 es investigador colaborador del Departamento de Sistemática y Ecología de la UFPB, Brasil.
Actualmente participa de manera activa en 4 proyectos de investigación. Su interés principal es comprender el cambio global y sus efectos sobre la biodiversidad y las funciones de los ecosistemas. Para esto estudia la relación correlativa y causal entre las emisiones de gases de efecto invernadero, la biodiversidad y las funciones de los ecosistemas a nivel de organización comunitario y ecosistémico. Esto incluye el análisis de redes tróficas, fitosociología, emisiones y captura de carbono, ciclos biogeoquímicos y el cambio de uso de la tierra, con énfasis en la producción agropecuaria, pastizales naturales y manejados y cuerpos de aguas continentales.
En el marco de nuestro proyecto, como investigador postdoctoral, Juan Manuel está enfocado en evaluar a campo ciertos indicadores en cultivos intensivos. Específicamente, explorando cuáles son las variables del contexto espacial y temporal que más impactan sobre el rendimiento agrícola y cuáles son las relaciones entre ellas para, luego, confeccionar y validar un modelo predictivo espacialmente explícito.
A su vez, está analizando los principales determinantes de la distribución geográfica y la intensidad de daño de adversidades como plagas y malezas que resulten de mayor relevancia. De esta forma, pretende avanzar en una ecología predictiva que optimice el análisis de grandes bases de datos para tomar decisiones operativas hacia transiciones rurales sostenibles.
Algunos de los indicadores seleccionados se utilizarán para explorar el rol del hábitat natural y la historia de uso del suelo sobre el rendimiento de cultivos agrícolas a escala de paisaje.
En este componente utilizaré herramientas de estadística y machine learning sobre decenas de miles de datos del Sistema Integrado de Monitoreo Agrícola, información satelital e información generada previamente en el proyecto cuencas virtuales.
En particular se focalizará en:
- Identificar y describir las variables del contexto espacial y temporal y las relaciones entre ellas que más impacto tienen sobre el rendimiento agrícola.
- Analizar los principales determinantes de la distribución geográfica de las plagas y malezas agrícolas identificadas en el punto 1 en cuanto a su presencia e intensidad.
- Confeccionar y validar un modelo predictivo del rendimiento agrícola espacialmente explícito a partir de las variables identificadas en los puntos 1 y 2.