CALIBRACIÓN DE MODELOS PREDICTIVOS PARA FLORACIÓN DE CEREZO (Prunus avium L.) EN CHIHUAHUA, MÉXICO

Resumen

La demanda de cereza dulce (Prunus avium L.) y su elevado valor comercial en mercados fuera de temporada requieren de predecir con precisión la floración, lo que podría ser con el uso de modelos fenológicos, aunque sus capacidades predictivas dependen de una calibración local. El objetivo de este estudio fue calibrar y evaluar los modelos fenológicos de tiempo térmico Horas frío, Utah, y Dinámico para predecir la fecha de floración en cerezo dulce en Carichí y Cuauhtémoc, Chihuahua, México. La calibración de los parámetros se hizo con algoritmos genéticos de las librerías PyGAD y Pymoo. La función objetivo por modelo fue minimizar el error cuadrático entre la fecha observada y la fecha simulada de floración. En la calibración, se emplearon 15 registros históricos de floración de los cultivares Rainier, Skeena y Santina obtenidos localmente y de experimentos publicados. La evaluación fue con registros de floración de 2025. Los datos de temperatura se obtuvieron de la plataforma NASA Power y de estaciones meteorológicas de UNIFRUT. El modelo Utah, calibrado con Pymoo, presentó el mejor desempeño con un error absoluto medio (MAE) de 12 d en la calibración y de 6 d en la evaluación, frente a valores de 37 d y 17 d, respectivamente, en el modelo sin calibrar. El Modelo Dinámico obtuvo un MAE de 8.3 d en la calibración, aunque este aumentó a 31.7 d en la evaluación. Con el modelo Utah calibrado se obtuvo un error de 0 d en la evaluación en el cultivar Rainier y de 15 d en Santina. Los resultados demuestran que la calibración mediante algoritmos genéticos con un enfoque local y cultivar-específico mejora la estimación de la floración de cerezo en regiones con inviernos marginales.