prototipo ontolÓgico para - francisco josé de caldas...

PROTOTIPO ONTOLÓGICO PARA

CARACTERIZACIÓN DE ZONAS Y OPCIONES DE

CULTIVO MEDIANTE LA APLICACIÓN DE LÓGICA DE

PREDICADOS

TESIS PARA OPTAR POR EL TÍTULO DE:

INGENIERO(A) DE SISTEMAS

PRESENTA:

MADDYZETH ARIZA RIAÑO

HEINER SANTIAGO ALFONSO CASALLAS

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

BOGOTÁ D.C., 2019

PROTOTIPO ONTOLÓGICO PARA

CARACTERIZACIÓN DE ZONAS Y OPCIONES DE

CULTIVO MEDIANTE LA APLICACIÓN DE LÓGICA DE

PREDICADOS

TESIS PARA OPTAR POR EL TÍTULO DE:

INGENIERO(A) DE SISTEMAS

PRESENTA:

MADDYZETH ARIZA RIAÑO

HEINER SANTIAGO ALFONSO CASALLAS

DIRECTOR: JULIO BARÓN VELANDIA, PHD

REVISOR: SANDRO JAVIER BOLAÑOS, PHD

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS BOGOTÁ D.C., 2019

Dedicatoria

A nuestra familia, amigos, compañeros y maestros, que nos han acompañado, motivado e impulsado a dar lo mejor de nosotros y siempre seguir estudiando.

Agradecimientos:

• Agradecimiento especial a la Universidad Distrital Francisco José de Caldas por darnos la oportunidad de formarnos profesionalmente como ingenieros de sistemas.

• A todos nuestros profesores que nos brindaron sus conocimientos, ayuda y carisma. A nuestros compañeros y verdaderos amigos, que nos ofrecieron su compañía, su apoyo y amistad cuando así lo requerimos.

• Al doctor Sandro Bolaños por sus aportes como revisor durante la realización del proyecto.

• Al doctor Paulo Gaona por sus recomendaciones, ayuda e interés en nuestro proyecto.

• Agradecimiento especial al doctor Julio Barón quien nos ha apoyado durante nuestra carrera con sus conocimientos, su buen humor y motivación. Damos gracias por habernos apoyado con la idea de esta investigación y su guía durante todo el proyecto.

Índice general Capítulo 1 ..................................................................................................................................... 1

Proyecto ............................................................................................................................................ 1

1.1 Introducción ....................................................................................................................... 1

1.2 Problema de investigación ........................................................................................... 3

1.3 Objetivos .............................................................................................................................. 4

1.4 Justificación ........................................................................................................................ 5

1.5 Alcances y Limitaciones ................................................................................................ 6

..................................................................................................................................... 8

Marco Referencial .......................................................................................................................... 8

2.1 Antecedentes ..................................................................................................................... 8

2.2 Marco Teórico.................................................................................................................. 12

2.3 Marco Conceptual .......................................................................................................... 14

................................................................................................................................... 20

Técnica Metodológica ................................................................................................................. 20

3.1 Especificación .................................................................................................................. 21

3.2 Conceptualización .......................................................................................................... 22

3.3 Implementación .............................................................................................................. 25

................................................................................................................................... 27

Especificación ............................................................................................................................... 27

................................................................................................................................... 28

Conceptualización ........................................................................................................................ 28

5.1 Construcción del glosario de términos ................................................................. 28

5.2 Construcción de la taxonomía de conceptos ...................................................... 30

5.3 Construcción de diagrama de relaciones binarias ........................................... 31

5.4 Construcción de diccionario de conceptos .......................................................... 32

5.5 Descripción de las relaciones binarias en detalle ............................................. 34

5.6 Descripción de los atributos de instancia en detalle ....................................... 35

5.7 Descripción de los atributos de clases en detalle ............................................. 37

5.8 Descripción de las constantes en detalle .............................................................. 38

5.9 Descripción de los axiomas formales .................................................................... 39

5.10 Definición de las reglas ................................................................................................ 41

5.11 Descripción de las instancias .................................................................................... 50

................................................................................................................................... 53

Implementación de la ontología .............................................................................................. 53

6.1 Conceptos (Clases) ........................................................................................................ 55

6.2 Relaciones binarias (Propiedades de objetos) .................................................. 55

6.3 Atributos (Propiedades de datos) .......................................................................... 56

6.4 Instancias (Individuos) ............................................................................................... 57

6.5 Reglas (Semantic Web Rules Language) .............................................................. 57

6.6 Inferencias ........................................................................................................................ 59

................................................................................................................................... 74

Prototipo de visualización ......................................................................................................... 74

................................................................................................................................... 77

Conclusiones.................................................................................................................................. 77

8.1 Conclusiones .................................................................................................................... 77

8.2 Trabajos futuros ............................................................................................................. 78

Referencias .................................................................................................................................... 80

Índice de Ilustraciones Ilustración 1. Ciclo de vida de METHONTOLOGY ...................................................................... 20

Ilustración 2. Actividades para la etapa de Especificación .................................................... 21

Ilustración 3. Actividades para la etapa de Conceptualización ........................................... 22

Ilustración 4. Actividades para la etapa de Conceptualización ........................................... 25

Ilustración 5. Herramienta utilizada para la construcción del modelo ............................ 26

Ilustración 6. Taxonomía de conceptos ......................................................................................... 30

Ilustración 7. Diagrama de relaciones binarias.......................................................................... 31

Ilustración 8. Diagrama del modelo ontológico en visualizador VOWL .......................... 54

Ilustración 9. Jerarquía de clases y visualización de acrónimos y sinónimos ............... 55

Ilustración 10. Creación de propiedades de objeto de la ontología................................... 56

Ilustración 11. Creación de las propiedades de datos de la ontología ............................. 56

Ilustración 12. Creación de los individuos de la ontología .................................................... 57

Ilustración 13. Adición de las reglas creadas para la ontología en SWRL ....................... 58

Ilustración 14. Prueba de ejecución de la regla CultivoRelacionadoPorTipo................ 58

Ilustración 15. Resultados de inferencia utilizando un razonador .................................... 59

Ilustración 16. Visualización de consulta para inferencia “esAfectadoPor” .................. 60

Ilustración 17. Resultado de consulta para inferencia “esAfectadoPor“ ......................... 61

Ilustración 18. Visualización de consulta para inferencia “proximoCultivo” ................ 62

Ilustración 19. Resultado de consulta para inferencia “proximoCultivo“ ....................... 62

Ilustración 20. Visualización de consulta para inferencia “esOptimoPor” ..................... 64

Ilustración 21. Resultado de consulta para inferencia “esOptimoPor“ ............................ 64

Ilustración 22. Visualización de consulta para inferencia “esOptimoPor” y “proximoCultivo” .................................................................................................................................... 66

Ilustración 23. Resultado de consulta para inferencia “esOptimoPor” y “proximoCultivo” .................................................................................................................................... 66

Ilustración 24. Consulta SPARQL: zonas óptimas para la papa ........................................... 67

Ilustración 25. Resultado consulta zonas óptimas para la papa ......................................... 67

Ilustración 26. Gráfico relación cultivo papa con zona VEPFLEn ....................................... 68

Ilustración 27. Gráfico relación humedad máxima óptima con humedad promedio de zona VEFLEn ............................................................................................................................................. 69

Ilustración 28. Gráfico relación luminosidad mínima óptima con luminosidad promedio zona VEPFLEn ..................................................................................................................... 69

Ilustración 29. Consulta SPARQL: cultivos óptimos para la vereda Bradamonte ........ 70

Ilustración 30. Resultado consulta cultivos óptimos para la vereda Bradamonte ...... 70

Ilustración 31. Gráfico relación zona VBFEMa con cultivo papa ........................................ 71

Ilustración 32. Gráfico relación humedad máxima óptima con humedad promedio de zona VBFEMa ........................................................................................................................................... 72

Ilustración 33. Gráfico relación luminosidad mínima óptima con luminosidad promedio zona VBFEMa ...................................................................................................................... 72

Ilustración 34. Gráfico relación temperatura máxima y mínima óptima con temperatura promedio zona VBFEMa ........................................................................................... 73

Ilustración 35. Arquitectura de la aplicación interactiva web ............................................. 74

Ilustración 36. Página principal de Onto-Agri ............................................................................ 75

Ilustración 37. Ejemplo de vista de consultas por zona ......................................................... 76

Ilustración 38. Ejemplo de vista de información ....................................................................... 76

Índice de Tablas Tabla 1.Especificación de requerimientos de la Ontología ................................................... 27

Tabla 2. Glosario de términos............................................................................................................ 29

Tabla 3. Diccionario de conceptos ................................................................................................... 34

Tabla 4. Relaciones binarias en detalle ......................................................................................... 35

Tabla 5. Atributos de instancia ......................................................................................................... 37

Tabla 6. Atributos de clase.................................................................................................................. 37

Tabla 7. Constantes en detalle........................................................................................................... 38

Tabla 8. Axiomas formales .................................................................................................................. 40

Tabla 9. Reglas generales .................................................................................................................... 43

Tabla 10. Reglas de relación de cultivos ....................................................................................... 44

Tabla 11. Reglas para clasificación de cultivos .......................................................................... 46

Tabla 12. Reglas para cultivos óptimos ......................................................................................... 48

Tabla 13. Consultas SPARQL .............................................................................................................. 49

Tabla 14. Instancias en detalle .......................................................................................................... 52

Capítulo 1

Proyecto

1.1 Introducción

La agricultura en Colombia representa un papel muy importante en los aspectos económicos y sociales del país: el desarrollo agrícola ha sido una fuente de ingresos para los campesinos, así como para la región y la nación; de igual forma, los alimentos producidos en los cultivos cumplen un papel esencial en la seguridad alimentaria, para garantizar su disponibilidad, consumo y accesibilidad. Es por ello que el desarrollo efectivo de la producción agrícola es primordial para el pueblo colombiano.

Existen diferentes documentos orientados a las prácticas agrícolas, donde se determinan las variables, técnicas, influencias, procedimientos y demás elementos clave en la producción de cultivos; sin embargo, teniendo en cuenta el lenguaje técnico en el que están expresados, es necesario tomar la información más relevante, y agruparla de tal forma que se incluya de manera clara y fácil de apropiar, aquellos términos relacionados con el desarrollo adecuado de un cultivo. En este documento se describe un prototipo software que permite determinar las opciones de cultivos, dadas unas características asociadas a una zona, y las opciones de zonas para cultivar, teniendo unos elementos clave en un cultivo específico. A continuación, se plantea el contenido de este documento.

En primer lugar, se describen las prácticas actuales que se llevan a cabo para la producción de cultivos, así como sus motivaciones, falencias y problemas que han venido presentando; adicionalmente, se identifican otros fenómenos que pueden influir en la producción; posteriormente se establecen las causas del problema, y el alcance de las posibles soluciones que permiten proponer una pregunta cuyo principal propósito es el de guiar la investigación.

El proyecto tiene como propósito el desarrollo de un prototipo que proporcione una fácil identificación de los términos necesarios para determinar las opciones de zonas cultivables y cultivos, con la aplicación de inferencias lógicas sobre el conocimiento que se representa

Capítulo 1 - Proyecto

2

en una ontología, facilitando el análisis y la utilización de la información por parte de los campesinos para un buen desarrollo agrícola. De igual manera, los objetivos específicos están orientados a determinar los aspectos básicos requeridos en la producción agrícola, haciendo una transición entre un lenguaje informal a uno semiformal, para luego representar esta información en un modelo conceptual usando ontologías y lógica de predicados, estableciendo posteriormente, diferentes escenarios de evaluación de las funcionalidades del prototipo.

Entre los alcances se encuentran: la especificación del modelo ontológico definido en RDF, OWL DL y SWRL, para conservar su integridad computacional; la abstracción sistemática de conceptos ordenados con base en las relaciones establecidas en la taxonomía, y representados mediante un lenguaje procesable computacionalmente ofreciendo flexibilidad en cuanto a la capacidad de extenderse, reutilización en diferentes tipos de escenarios e interoperabilidad que permite su uso en diferentes plataformas. A nivel de limitaciones se tienen: la determinación y descripción de los aspectos básicos agrícolas están sujetos a la variación de información encontrada; la implementación del prototipo, se verifica en un entorno de desarrollo web; los datos para suministrar en la ontología, tienen restricciones de accesibilidad; por último, la determinación de cultivos y zonas cultivables solo se da a manera de posibles opciones, sin que llegue a ser una decisión definitiva.

La técnica metodológica aplicada se basa en la propuesta de METHONTOLOGY (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005), que por medio de la ejecución de un conjunto de actividades propone un ciclo de vida para la construcción de ontologías desde cero. Las actividades corresponden a la gestión, el soporte y el desarrollo el cual recibe apoyo de las anteriores. En relación al análisis, diseño e implementación de la ontología, se realizan mediante la especificación, conceptualización, formalización, implementación y mantenimiento. La parte de mantenimiento no se lleva a cabo debido a que es un prototipo, por consiguiente, no se ha realizado su despliegue en producción.

En los capítulos 4 y 5 se muestra el diseño del modelo ontológico, a partir de los requerimientos, y se desarrollan las diferentes tareas que permiten establecer los conceptos, relaciones y su jerarquía, así como atributos, constantes y finalmente, los axiomas y reglas mediante la aplicación de lógica de predicados. En el capítulo 6 se lleva a cabo la implementación del modelo, en la herramienta Protégé, especificando cada una de sus partes y haciendo énfasis en la utilización del lenguaje SWRL para definir las reglas, y SPARQL para las pruebas y búsquedas. En el capítulo 7 se presenta un prototipo de visualización mediante una aplicación en entorno web, que permite verificar las diferentes funcionalidades del modelo, teniendo como actores la comunidad agrícola. Finalmente, se presentan las conclusiones de este trabajo y algunas perspectivas de trabajo futuro.


3

1.2 Problema de investigación

Planteamiento del problema

El agro colombiano está muy ligado a las prácticas tradicionales que se han llevado a cabo de generación en generación, por lo cual el conocimiento que adquieren los agricultores se deriva principalmente de la tradición oral, sin tener en cuenta aspectos propios de la producción de cultivos; por ejemplo, un suelo cultivable requiere un nivel de acidez y un porcentaje de nutrientes determinado, que los campesinos realmente desconocen y pasan por alto, haciendo que siempre se produzcan los mismos cultivos, lo que puede ocasionar el cansancio de los terrenos, erosión, mayor exposición a plagas y enfermedades, entre otros problemas en el proceso de cultivación.

La falta de conocimientos de las necesidades de los consumidores hace que los agricultores, cuando producen únicamente lo que están acostumbrados a cultivar, generen sobreproducción en ciertos tipos de productos y tengan que ofrecerlos a un precio que puede ser menor que los costos de producción. Esta situación se presenta por la carencia de información sobre el comportamiento de la oferta y la demanda de productos; aunque existen informes que indican la cantidad de productos requeridos y producidos en periodos anteriores, esta información carece de visibilidad, por lo que es difícil de acceder y de asimilar para la población campesina.

Existen técnicas que permiten mejorar el desempeño de un determinado cultivo; éstas están definidas en documentos tales como (Gobernación de Antioquia , 2015; Cámara de Comercio de Bogotá., 2015; Corporación PBA, 2012), donde se describen las temperaturas promedio para un óptimo desarrollo, los periodos de siembra por meses, los tipos de terrenos que deberían ser utilizados junto con los nutrientes requeridos, las plagas, enfermedades y tratamientos asociados, el rendimiento de un cultivo de acuerdo a la altura sobre el nivel del mar, y demás elementos característicos en un cultivo. En el caso del maíz, por ejemplo, se realiza la técnica del descope que busca mejorar la entrada de la luz a los cultivos, lo cual ayuda a reducir el volcamiento y la humedad del grano, y a bajar la incidencia de enfermedades (Gobernación de Antioquia , 2015); aunque esta práctica está formalizada y disponible, así como muchas otras, los campesinos no las aplican porque hay falta de difusión, y están expresadas en un lenguaje técnico de difícil comprensión.

Otro aspecto relevante a considerar, son los cambios climáticos y fenómenos como el niño y la niña, que producen eventos inevitables o comportamientos inesperados en los cultivos; por ejemplo, la exposición a altas temperaturas puede hacer que algunos cultivos sufran de estrés térmico e hídrico, presencia de plagas y enfermedades, y detención de la fotosíntesis


4

por la deshidratación. Así mismo, cuando hay exposición a temperaturas bajas y lluvias, se pueden ocasionar inundaciones y deslizamientos de terrenos cultivados, propagación de plagas y enfermedades, y cambios en los ciclos vegetativos y de las plagas (Fernández, 2013). Instituciones gubernamentales como el IDEAM se han encargado de generar reportes y documentos sobre el comportamiento climático, pero éstos son poco accesibles para los cultivadores por su formato y lenguaje utilizado.

Formulación del problema

¿Cómo facilitar a los campesinos el acceso a la información permitiendo determinar, dada una zona geográfica o elementos de ella, qué cultivos muestran un mayor desempeño, y dado un cultivo particular, cuál zona presenta un mayor rendimiento?

1.3 Objetivos

Objetivo General

Desarrollar un prototipo software que proporcione la información requerida en la determinación de opciones de tipos de cultivo, así como las zonas cultivables que generan un mayor desempeño, aplicando inferencias sobre el conocimiento representado de manera ontológica, para facilitar la integración de la información que presentan diferentes entidades, de manera que pueda ser analizada y utilizada por los campesinos en la elección de las mejores opciones de cultivo o zonas cultivables.

Objetivos Específicos

• Determinar los aspectos básicos de la información requerida en la producción agrícola mediante la organización de datos adquiridos de manera informal que incluye entre otros: términos, conceptos, características y asociaciones, extraídos de documentos, manuales, fichas técnicas y artículos, que permitan establecer un modelo conceptual descrito en un lenguaje semiformal.

• Representar a nivel computacional el modelo conceptual de producción agrícola por medio de la aplicación de ontologías y lógica de predicados, para garantizar su almacenamiento, de acuerdo a las necesidades de los cultivadores en una determinada región.

• Establecer escenarios característicos que permitan evaluar las funcionalidades del prototipo, seleccionando cultivos y zonas que cumplan con un conjunto de condiciones específicas, para verificar si los resultados obtenidos respecto a la información establecida, corresponden a datos históricos de cultivos ya realizados.


5

1.4 Justificación

Tanto la comunidad científica como el gobierno nacional se han preocupado por brindar documentos sobre comportamiento climático y fichas técnicas para los cultivos que se llevan a cabo en el país, sin embargo, éstos pueden estar dispersos, llegar a ser demasiado extensos, densos, y por lo general de difícil comprensión, para las comunidades que basan su sustento en la producción agrícola (Fernández, 2013). Al proporcionar herramientas que le permitan ubicar de manera pertinente la información requerida en relación a los tipos de cultivo y de suelo, se puede mejorar su uso y realizar una mejor elección de los productos que se pueden cultivar.

El modelo ontológico descrito en este documento presenta la información agrícola correspondiente a la producción de cultivos como una forma de limitar la excesiva cantidad de documentos, además de brindar opciones de acceso jerárquico. Este modelo puede ser usado como una guía que facilite la comprensión de los conceptos en el ámbito agrícola en un lenguaje natural, eliminando posibles confusiones terminológicas. Las inferencias lógicas utilizadas, facilitan la realización de deducciones de los diferentes aspectos involucrados en la producción de cultivos agrícolas permitiendo realizar proyecciones como los tipos de cultivos que pueden plantarse en una determinada zona, según la época del año y el comportamiento histórico de los factores climáticos.

Tanto en el Plan Nacional de Desarrollo, como la Agenda 2030 de la ONU se encuentran como objetivos de desarrollo sostenible: la eliminación del hambre, la generación de una producción y consumo sostenible, la generación de empleo y el buen uso de los ecosistemas terrestres (Ocampo, 2018; Naciones Unidas, 2016); estos aspectos pueden ser apoyados mediante una herramienta que brinda información en relación al clima, nutrientes del suelo, altura sobre el nivel del mar, entre otros, con lo cual se puede elegir los tipos de cultivos más adecuados y hacer un mejor uso de las zonas cultivables.

Al conocer las variables involucradas y el comportamiento de los cultivos en una determinada región, es posible establecer la forma correcta de tratar el suelo, disminuyendo las posibilidades de su desgaste, enfermedades asociadas, pérdida de cosechas, propagación de plagas y suspensión de la producción. De esta forma, los agricultores no trabajarían a pérdidas, lo que beneficiaría además la economía regional y nacional, permitiendo que uno de los sectores importantes en la economía del país, pueda aumentar su porcentaje de PIB.


6

1.5 Alcances y Limitaciones

Alcances

La especificación del modelo ontológico se define en RDF (Resource Description Framework) y el lenguaje OWL DL (Web Ontology Language – Description Logic) que permiten entre otros aspectos garantizar la integridad de los datos. Adicionalmente, las expresiones en lógica de predicados se incluyen en lenguaje SWRL y las consultas en SPARQL.

La abstracción sistemática de conceptos como temperatura, tipos de cultivos, composición del suelo, plagas, enfermedades, entre otros, ordenados con base en las relaciones establecidas en la taxonomía, y representados mediante un lenguaje procesable computacionalmente, permite aplicar inferencias mediante lógica de predicados de primer orden para obtener información que no está explícitamente descrita en el esquema ontológico.

La creación del modelo computacional diseñado como ontología ofrece: flexibilidad en cuanto a la capacidad de extenderse para abarcar nuevos aspectos en el ámbito agrícola, como la inclusión de costos y técnicas de cultivo; reutilización en diferentes tipos de escenarios realizando ajustes, por ejemplo, la evaluación de los tratamientos a las plagas y enfermedades en los cultivos; y por último la interoperabilidad que permite su uso en diferentes plataformas (web, aplicación de escritorio, aplicación móvil, etc.), de este modo el acceso al uso del prototipo no se limita a un dispositivo en específico, aportando mayores posibilidades de uso a los agricultores.

El prototipo software proporciona un conjunto de opciones posibles de cultivo a partir de la caracterización de un terreno y áreas cultivables para un tipo de cultivo a partir de las especificaciones que este posee. Teniendo en cuenta las características topográficas y de composición mineral de una zona cultivable, es posible sugerir además del cultivo realizado por prácticas tradicionales, qué otros productos son viables para cultivar.

Limitaciones

Para la determinación y descripción de los aspectos básicos, es necesario obviar algunos parámetros como, la radiación UV y el requerimiento hídrico, debido a la variedad de información encontrada con respecto a un grupo de cultivos seleccionados y que de acuerdo a consideraciones propuestas en la documentación no son aspectos determinantes.


7

El prototipo está sujeto a dos consideraciones: 1) la disponibilidad y precisión de la información dispuesta por entidades gubernamentales, y 2) la implementación del prototipo, el cual se verifica en un entorno de desarrollo utilizando los protocolos de Internet, bajo un esquema de direccionamiento privado considerando que la configuración de entorno computacional es costosa y necesita autorización legal.

Los datos históricos de cultivos ya realizados que permiten evaluar parte del modelo, son bastante restringidos ya que esta información no está disponible para todo el público, y algunos de los documentos se encuentran encriptados, por lo que se utiliza un número mínimo de registros.

El modelo proporciona: por una parte, posibles opciones de cultivo que se pueden desarrollar en una zona específica en un periodo determinado, y, por otra parte, dadas las características de un cultivo, cuáles son las opciones de zona que presentan similitud. Estas opciones son presentadas gracias a las inferencias generadas de la ontología, en la cual no se incluyen otros componentes o factores como los costos de producción, la oferta y la demanda, o las técnicas de cultivo.

Marco Referencial

2.1 Antecedentes

En uno de los primeros documentos donde se toma la temática de construir una ontología agrícola, se tiene como eje central (Haverkort, Top, & Verdenius, 2007) especificando la gestión u organización de los datos, donde, en primer lugar se debe obtener la información de entidades especializadas en diferentes sectores como lo son el clima, la agricultura y la economía para que posteriormente dicha información pueda ser procesada y utilizada en la toma de decisiones de los agricultores; adicionalmente contribuye de forma positiva a los organismos gubernamentales gracias a “los beneficios de tener ontologías adecuadamente definidas se puede atribuir a la mejora de la interpretación humana y soporte de procesamiento de la máquina. Un estándar ampliamente aceptado para modelar el dominio de la agricultura ayuda a mejorar la comunicación entre consultores, investigadores, agricultores y agentes del gobierno porque proporciona un vocabulario compartido”. Esto a partir de “una colección bastante completa de elementos de información de diversas fuentes para construir una conceptualización u ontología compartida”, que se enfoca principalmente en el cultivo de la papa en una ontología web OWL que se construye en la plataforma web Crop Ontology.

En el año 2014, como parte del proyecto Ontología de Cultivos, se presenta una ontología para papas mejoradas, donde se tienen en cuenta factores tales como la morfología, agronomía, resistencia, bioquímica, fenología, entre otros. Adicionalmente, se considera el uso de técnicas de minera de datos debido al incremento de terminología en la actualidad, generando así la creación de vocabularios y ontologías que facilitan el intercambio de información. Asimismo, se realiza una comparación con otros cultivos que también hacen parte de la comunidad web Ontologías de Cultivos. Esta publicación se fundamenta en el hecho de que “en la agricultura se ha notado un incremento en las terminologías relacionadas con el fenotipo, germoplasma, pedigrí entre otros, generando una demanda de

Capítulo 2 - Marco Referencial

9

crear vocabularios controlados y ontologías que permitan el fácil intercambio de información entre diferentes entidades” (Hualla, y otros, 2014).

Los autores de (Kawtrakul, y otros, 2014) proponen un enfoque para desarrollar un sistema de asesoramiento espacial y temporal, mediante el uso de ontologías agregando datos de bases de datos heterogéneas y de dispositivos como sensores climáticos y teléfonos móviles. Esto se logra con un análisis superficial para extraer los conceptos específicos de dominio y sus atributos de texto semiestructurado, y el uso de reglas de producción para activar el conocimiento funcional formalizado a partir de documentos en lenguaje natural encontrados en la Web. El objetivo de este trabajo es apoyar a los agricultores de escasos recursos para que aumenten la productividad a la vez que minimizan los costos, a través de asistencia personal, teniendo en cuenta el uso óptimo de pesticidas y nutrientes en situaciones de campo heterogéneas que afectan la calidad de los cultivos y reducen el riesgo.

En el documento (Pokharel, Sherif, & Lehmann, 2014) se explican los obstáculos que tiene los agricultores frente al desarrollo de cultivos donde no cuentan con información accesible o fácil de procesar, lo que motiva a una conversión de diferentes conjuntos de datos disponibles (en la región de Nepal) a RDF Resource Description Framework (a partir del modelo Linked Open Data soportado en el conjunto de tesauros de AGROVOC), permitiendo beneficios como la planificación y la toma de decisiones en la agricultura local. Entre los aspectos principales para conformar dicho sistema de bases de datos es necesario, “información relacionada con la agricultura, como mediciones del clima, características del suelo, nuevos resultados y hallazgos de investigación, políticas gubernamentales, información del mercado e inventario”, además se menciona en el documento que el resultado AgriNepalData está adaptado con el ciclo de vida de Linked Open Data (LOD), finalmente la ontología cuenta con 38 clases que cubren tanto aspectos agrícolas como climáticos y económicos, que a partir del enlace establecido se muestra el resultado mediante pruebas por consultas SPARQL para tres casos de estudio particulares.

En el trabajo de (Yu, y otros, 2015) se lleva a cabo un sistema de información móvil basado en ontologías, para personalización de agro información. Este trabajo se hace mediante la importación de información a partir de los recursos digitales existentes del Centro de Recursos de Información Digital Agrícola de Beijing, en bases de datos, para luego realizar una reorganización de la información a través de la asociación semántica de una ontología, agregando las relaciones semánticas del conocimiento. La ontología organizada abarca las categorías principales de información, tales como vegetales, árboles frutales, cultivos, flores y variedades; finalmente, con el uso de minería de datos, se desarrollan funciones de personalización y servicios de recomendación, con base en la información que haya proporcionado el usuario al registrarse en la aplicación. La motivación para este trabajo se


10

relaciona con el esfuerzo del gobierno chino en la informatización agrícola y su construcción, complementándolo con el aumento en la utilización de teléfonos inteligentes en los últimos años; de esta manera, los autores buscan brindar a los agricultores la obtención de información requerida de producción agrícola desde sus teléfonos móviles.

El documento de (Kaushik & Chatterjee, 2016) presenta un enfoque de extracción de términos, el descubrimiento de relaciones entre los términos identificados y la declaración de conceptos, de diferentes textos de agricultura disponibles en sitios web, a través de la utilización de patrones específicos con el uso de métodos estadísticos, de distribución, contextuales y lingüísticos, para posteriormente construir una ontología que permita una efectiva diseminación de información agrícola. De forma similar a (Yu, y otros, 2015), la motivación de los autores para este trabajo, es el esfuerzo del Gobierno – el Gobierno indio, en este caso – para proporcionar información agrícola a los agricultores; sin embargo, aunque exista una gran cantidad de información en diferentes sitios web, son datos no procesados, lo que no permite una efectiva utilización y satisfacción de necesidades de posibles usuarios. Por ello, a través de una ontología hecha en Protégé, los autores proporcionan información centrada en el usuario, y la dejan como base para un trabajo futuro.

Muy similarmente al anterior, en (Malik, Sharan, & Hijam, 2015) se lleva a cabo la realización de una ontología con el fin de organizar la información de los diferentes repositorios de agricultura existentes en la Web. La motivación para este trabajo es el gran desafío actual en la recuperación y procesamiento de la información, para los usuarios interesados. Es por ello que los autores se centran en el manejo del desarrollo de ontologías para el dominio agrícola a fin de representar el conocimiento disponible en el dominio de una manera organizada; además, se tiene en cuenta el hecho de que existen trabajos previos con la temática, pero éstos se centran en ontologías para cultivos específicos, y los autores buscan sugerir un marco para una representación genérica de conocimientos, entidades y conceptos.

Los autores de (Ahsan, Motla, & Asim, 2015) se especializan en la gestión de una base de conocimiento de agricultura expresada por la metodología de Design Science Research Methodology (DSRM), dividida en las etapas de “Adquisición de conocimiento, formalización de conocimiento, almacenamiento de conocimiento, distribución e integración de conocimiento”, donde los resultados son presentados basados en la implementación de prototipos y su evaluación (efectividad), que brinda un soporte a todas las partes interesadas que comparten y comprenden el dominio de información, además eliminando ambigüedades gracias a la integración “con otras fuentes de conocimiento” cumpliendo así con el enfoque de gestión del conocimiento. La “investigación se basa en un


11

caso de desarrollo de ontología de producción de trigo. La técnica seleccionada fue la mezcla de una semiautomática y manual construcción. Los conceptos iniciales se recopilaron utilizando las herramientas en la literatura” (diccionarios disponibles) que permiten construir la jerarquía de conceptos básicos (clases definidas en la Ontología Web) y posteriormente contribuir al mejoramiento de la ontología (las relaciones, propiedades, etc.) con la ayuda de expertos de dominio (estos representan tanto entidades gubernamentales como agricultores expertos). Las herramientas que se utilizan para modelar el conocimiento son Protégé, apoyándose en otras herramientas como Onto Edit. Finalmente, en el documento se describe un proceso en detalle de la información que contiene la ontología, cómo se construye y su posible evaluación, determinando la importancia del conocimiento de expertos, así como la gestión llevada a cabo en el desarrollo del trabajo.

En el trabajo presentado por (Ginige, y otros, 2016) se presenta una base de conocimiento ontológica de agricultura que busca suplir las necesidades que presentan generalmente los agricultores. Este trabajo afirma que estas corresponden, por ejemplo, a la poca información encontrada para desarrollar un cultivo por parte de las entidades públicas que determinan información de rentabilidad, optimización de suelos, entre otros aspectos. Debido a esto proponen un modelo de flujo de información donde sea posible manejar la de forma dinámica (constante actualización). Esta tiene que ver en general al desarrollo de diferentes tipos de cultivos que busca contrarrestar uno de los principales problemas que es la sobreproducción de un único cultivo de la región en particular (Sri Lanka). Se brinda entonces un artefacto (aplicación móvil, debido a que la gran parte de los agricultores cuentan con un teléfono inteligente) que permite al agricultor conocer tanto información puntual de algún cultivo (proveniente de entidades como el Departamento de Agricultura), así como del terreno (condiciones climáticas, precios, etc.) para que pueda mejorar la toma de decisiones al desarrollar la producción en un terreno específico.

Finalmente, en el año 2017, el documento de (Abrahão & Hirakawa, 2017) describe “un modelo que representa los conocimientos técnicos para las operaciones de campo de agricultura como una ontología de tareas que puede ser usada junto con una ontología de dominio para construir una ontología de aplicación para fines de dominio agrícola”. Debido a que el resultado final del trabajo presentado es una ontología de tareas es crucial en primer lugar determinar quiénes son “los agentes de tareas, roles de agentes, recursos de entrada, descomposición de tareas y subtareas, flujo de control, conceptos de tareas, atributos y relaciones” para la construcción de un modelo solido donde se logra verificar dicha consistencia mediante un estudio de caso del proceso (tarea principal de la ontología) de cosecha de caña de azúcar, para una empresa azucarera llamada S/A Usina Coruripe


12

Açúcar e Álcool, ubicada en Iturama, Minas Gerais, Brasil. La metodología descrita en el documento para el desarrollo del modelo cuenta con la agrupación de una ontología de dominio (de las cuales si existen diferentes puntos de vista), de una ontología de tareas (de las cuales no existe mucha información) que describe un proceso en tareas, los responsables de estas y los recursos para realizarlas, y además por un modelo de comportamiento de tareas y un modelo de estructura de tareas. Gracias al resultado obtenido es posible “ayudar a los investigadores en el desarrollo de ontologías de tareas que describan las características específicas de las operaciones agrícolas de campo de forma adecuada”.

2.2 Marco Teórico

Algunos de los términos establecidos dentro del marco teórico, utilizados en este documento, son de difícil obtención ya que no han sido formalizados, como por ejemplo agricultura intensiva y representación ontológica.

Agricultura

En el portal terminológico de la FAO, se menciona que la agricultura “se refiere al conjunto de técnicas, trabajos y actividades que se dirigen a transformar y utilizar el suelo y el medio natural en la producción vegetal y animal que es útil para la alimentación y sustento de los seres humanos. El término se utiliza con más frecuencia para referirse a la actividad productiva que hace uso de la tierra con cultivos, más que con la actividad pecuaria” (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).

2.2.1.1 Agricultura intensiva

“Se refiere a las prácticas agrícolas que producen un alto rendimiento por unidad de área, generalmente mediante el uso intensivo de estiércol, agroquímicos, mecanización, etc.” (United Nations Statistics Division, 1997)

2.2.1.2 Zona agrícola

También conocida como tierra arable, superficie agrícola/agraria utilizada, se define como: “todas las superficies de tierra arable, las praderas y pastizales permanentes, y las dedicadas a cultivos permanentes y huertos domésticos” (Food And Agriculture Organization Of The United Nations, 2009).


13

2.2.1.3 Cultivo

El cultivo está definido como: “planta que se cultiva para ser recolectada y usada por el agricultor o vendida” (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).

La distinción del suelo se establece en función de características tales como gradiente, complejidad de la pendiente, microtopografía, pedregrosidad y rocosidad de la superficie. El suelo se considera un atributo de la tierra que contiene material vivo, aire, agua y puede albergar vegetación (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).

Representación ontológica

“La integración de datos basada en ontologías involucra el uso de una base de conocimiento para combinar datos y/o información proveniente de fuentes heterogéneas. Para establecer una representación ontológica se debe declarar un conjunto de conceptos, propiedades y axiomas que se relacionan entre sí” (Wache, y otros, 2001).

Ontología

La Real Academia de la Lengua Española, define ontología en el área de ciencias de comunicación e inteligencia artificial, como: “red o sistema de datos que define las relaciones existentes entre los conceptos de un dominio o área del conocimiento” (Real Academia Española, 2018).

Cronológicamente, se ha definido Ontología para referirse a la comprensión compartida de algún dominio de interés, una visión del mundo respecto a ese dominio, que se concibe como un conjunto de conceptos y puede usarse como un marco unificador para resolver problemas (Uschold & Gruninger, 1996). Más adelante, se menciona que una ontología es un vocabulario de representación, a menudo especializado en algún dominio o tema, donde, no es precisamente el vocabulario lo que califica como una ontología, sino las conceptualizaciones que los términos en el vocabulario pretenden capturar (Chandrasekaran, Josephson, & Richard Benjamins, 1999).

La definición que mejor describe el tipo de estudio en el contexto de las ciencias informáticas y de la información, plantea que una ontología define un conjunto de representaciones primitivas con las que modelar un dominio de conocimiento o discurso, que incluyen información sobre su significado y restricciones sobre su aplicación lógica


14

consistente. Éstas son típicamente clases (o conjuntos), atributos (o propiedades) y relaciones (o relaciones entre los miembros de la clase) (Liu & Tamer Özsu, 2008).

Taxonomía

Una taxonomía se define como “ciencia que trata de los principios, métodos y fines de la clasificación, y procura la organización jerarquizada y sistemática, dando nombres a grupos de elementos y a los elementos mismos” (Díaz Piraquive, Joyanes Aguilar, & Medina García, 2009).

Lógica de predicados de primer orden

La lógica de predicados de primer orden se define como un lenguaje formal que permite realizar deducciones al obtener conclusiones que son resultado de premisas lógicas evaluadas. Utiliza elementos tales como variables, constantes, funciones y cuantificadores, y conectores como negación y disyunción (Mylopoulos & Levesque, 1980; Onot, Kawanott, & Fukazawat, 1992).

2.3 Marco Conceptual

Tipo de cultivo

En este documento se hace referencia al tipo de cultivo como una clasificación por la especie de producto que se siembra. A continuación, se ejemplifican algunos de ellos.

2.3.1.1 Cereal

“Planta gramínea cultivada principalmente por su grano, muy utilizado en la alimentación humana y animal, y de la que existen numerosas especies” (Real Academia Española, 2018). Dentro de sus especies se encuentra el maíz, sorgo, mijo, trigo, arroz, cebada, avena, teff y quinoa (Latham, Capítulo 26, 2002).

2.3.1.2 Hortaliza

Los alimentos denominados hortalizas o verduras, se refiere a aquellos que incluyen algunas frutas (por ejemplo, tomates y calabazas), hojas (amaranto y repollo), raíces (zanahorias y nabo) e inclusive tallos (apio) y flores (coliflor) (Latham, Capítulo 28, 2002).


15

2.3.1.3 Fruta

“Fruto comestible de ciertas plantas cultivadas” (Real Academia Española, 2018). Existen diferentes variedades de frutas de las que se disponen en cualquier momento, y en determinada área, las cuales dependen del clima, las especies cultivadas y la época del año (Latham, Capítulo 28, 2002).

2.3.1.4 Tubérculo o Raíz Feculenta

Alimento compuesto por un gran número de tubérculos comestibles, raíces y bulbos que hace parte de la alimentación en diversas partes del mundo. “En países tropicales la yuca, batatas, taro (cocoyam), ñame y maranta son los alimentos más importantes de esta clase. En las partes más frías del mundo, se cultiva ampliamente la papa común” (Latham, Capítulo 26, 2002).

Suelo

El suelo está definido como: “cuerpo tridimensional que ocupa la parte superior de la corteza terrestre y que tiene propiedades diferentes de las del material rocoso subyacente debido a las interacciones del clima, los organismos vivos (incluido el ser humano), el material de roca madre y el relieve a lo largo de períodos de tiempo” (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).

Fenología

La fenología se define como “estudio de las etapas del desarrollo y de los fenómenos biológicos periódicos, que son determinados por los factores atmosféricos y meteorológicos como por ejemplo: la floración de las plantas, el apareamiento, la latencia y su relación con cambios estacionales como las variaciones de temperatura y la duración del día” (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).

Topografía

La topografía hace referencia a un conjunto de características que representan un terreno en su configuración superficial (Real Academia Española, 2018). “Abarca el relieve y los contornos de la superficie de la tierra” (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018).


16

Concepto

Desde el punto de vista de una Ontología, un concepto es una idea básica que se pretende formalizar, que puede ser una clase de objeto, métodos, planes, estrategias, procesos de razonamiento, entre otros (Díaz Piraquive, Joyanes Aguilar, & Medina García, 2009). Teniendo el mismo punto de vista, se establece que los conceptos “son objetos o entidades, considerados desde un punto de vista amplio. Los conceptos de una ontología están normalmente organizados en taxonomías en las cuales se pueden aplicar mecanismos de herencia” (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Relación

Las relaciones representan un tipo de asociación, interacción y enlace entre los conceptos del dominio, y suelen formar la taxonomía del dominio (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005; Díaz Piraquive, Joyanes Aguilar, & Medina García, 2009).

Axioma

Un axioma es una expresión lógica que suele utilizarse para definir restricciones en la ontología (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005). El autor (Lozano, 2001) citado en (Díaz Piraquive, Joyanes Aguilar, & Medina García, 2009) define que “los axiomas permiten, junto con la herencia de conceptos, inferir conocimiento que no esté indicado explícitamente en la taxonomía de conceptos”.

Instancia

Una instancia es utilizada de manera general, para representar objetos o individuos determinados de un concepto, en la ontología (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005; Díaz Piraquive, Joyanes Aguilar, & Medina García, 2009).

Atributo

Un atributo describe y hace parte de las características de las propiedades (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005). Existen dos tipos de atributos, que se describen a continuación.

2.3.9.1 Atributo de instancia

Este tipo de atributos “describen propiedades de las instancias de los conceptos, en las cuales toman su(s) valor(es). Estos atributos se definen en un concepto y se heredan a


17

sus subconceptos e instancias” (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

2.3.9.2 Atributo de clase

Los atributos de clase “describen conceptos y toman su(s) valor(es) en el concepto en el cual se definen. Estos atributos no se heredan ni a los subconceptos ni a las instancias” (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Regla

Una regla es utilizada para deducir conocimientos en la ontología construida, que pueden ser atributos, propiedades, instancias, entre otros (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Objeto

Se define objeto como una abstracción de una realidad en un problema determinado de un dominio. Los objetos comprenden atributos y métodos definidos para una clase, siendo éstos instancias de esa clase (Giraldo, Zapata, Arias, Cadavid, & Hoyos, 2008).

Clase

Las clases son conceptos en un dominio, que pueden contener subclases para representar conceptos más específicos de la superclase. Aquellos objetos que presentan características similares se agrupan en una clase. Las clases pueden ser de dos tipos: abstracta, que hace referencia a una clase sin instancias, construida para derivar otras clases; y concreta, que tiene una o más instancias asociadas (Giraldo, Zapata, Arias, Cadavid, & Hoyos, 2008).

Herencia

La herencia es un concepto que permite crear nuevas clases partiendo de otras ya existentes, donde una subclase hereda todas las definiciones de atributos y métodos que se especifican en la superclase, y también definir sus propios atributos y métodos (Giraldo, Zapata, Arias, Cadavid, & Hoyos, 2008).


18

Propiedad

En el contexto de las Ontologías, las propiedades son: “descripciones de características o atributos de una clase y de las instancias que tiene la clase” (Giraldo, Zapata, Arias, Cadavid, & Hoyos, 2008).

2.3.14.1 Restricciones sobre las propiedades

Las restricciones son: “conjuntos de valores que puede o no tomar una propiedad de una clase” (Giraldo, Zapata, Arias, Cadavid, & Hoyos, 2008).

2.3.14.2 Dominio de propiedad

“Un dominio de propiedad reduce los individuos a los que puede aplicarse la propiedad. Si una propiedad relaciona un individuo con otro individuo, y la propiedad tiene una clase como uno de sus dominios, entonces el individuo debe pertenecer a esa clase” (World Wide Web Consortium, 2004).

2.3.14.3 Rango de propiedad

“El rango reduce los individuos que una propiedad puede tener como su valor. Si una propiedad relaciona a un individuo con otro individuo, y ésta como rango a una clase, entonces el otro individuo debe pertenecer a dicha clase” (World Wide Web Consortium, 2004).

OWL

Web Ontology Language (OWL) está definido por el World Wide Web Consortium como: “lenguaje de Web Semántica diseñado para representar un conocimiento rico y complejo sobre cosas, grupos de cosas y relaciones entre cosas. OWL es un lenguaje basado en lógica computacional tal que el conocimiento expresado en OWL puede ser explotado por programas de computadora, por ejemplo, para verificar la consistencia de ese conocimiento o para hacer explícito el conocimiento implícito. Los documentos OWL, conocidos como ontologías, pueden publicarse en la World Wide Web y pueden referirse o ser referidos desde otras ontologías OWL” (World Wide Web Consortium, 2013).

2.3.15.1 OWL DL

OWL DL se llama así debido a su correspondencia con la lógica de descripción (Description Logic). Incluye todas las construcciones de lenguaje OWL con restricciones como la separación de tipos (una clase no puede ser un individuo o una propiedad, una propiedad no puede ser un individuo o una clase). OWL DL fue diseñado para soportar el


19

segmento de negocio existente de Description Logic y tiene propiedades computacionales deseables para los sistemas de razonamiento (World Wide Web Consortium, 2004).

RDF

Resource Description Framework (RDF) se define como: “RDF es un modelo estándar para el intercambio de datos en la Web. RDF tiene características que facilitan la fusión de datos incluso si los esquemas subyacentes son diferentes, y admite específicamente la evolución de los esquemas a lo largo del tiempo sin necesidad de cambiar todos los consumidores de datos” (World Wide Web Consortium, 2014).

SWRL

SWRL acrónimo de Semantic Web Rule Language, es un lenguaje de reglas de Web Semántica, que incluye una sintaxis abstracta de alto nivel para expresiones lógicas, expresadas en términos OWL, tales como clases, propiedades, individuos, etc. (O’Connor, 2009).

Técnica Metodológica La técnica metodológica que se aplica en este proyecto está basada en la propuesta

METHONTOLOGY, que establece el conjunto de actividades para la construcción de ontologías desde cero como se presenta en la Ilustración 1, reflejando semejanza con los ciclos de vida de modelos de proceso como: cascada (waterfall), incremental y evolutivo (Fernández-López, Gómez-Pérez, & Juristo, 1997). Uno de los primeros casos prácticos donde se implementa METHONTOLOGY expande las actividades de gestión y las actividades de soporte (Gómez-Pérez, Pazos Sierra, & Fernández-López, 1999).

Ilustración 1. Ciclo de vida de METHONTOLOGY

Basado en: (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005)

Capítulo 3 - Técnica Metodológica

21

En el ciclo de vida de esta metodología se agrupan tres clases de actividades que trabajan de forma conjunta; primero, las actividades de gestión: planificación, control y aseguramiento de calidad; segundo, las actividades de desarrollo: especificación, conceptualización, formalización, implementación y mantenimiento, y por último, las actividades de soporte: adquisición de conocimientos, integración, evaluación, documentación y gestión de la configuración (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

En las siguientes subsecciones se describen las actividades de desarrollo que ayudan en el análisis, diseño e implementación de la construcción de la ontología, correspondiente al proyecto.

3.1 Especificación

La especificación se apoya, mayoritariamente, de la actividad de integración y adquisición de conocimientos, para definir cómo se va a orientar la ontología, de dónde se va a obtener la información y si se va a reutilizar ontologías ya hechas (Ilustración 2).

Ilustración 2. Actividades para la etapa de Especificación


Se plantea en primer lugar el dominio, que corresponde al conjunto de conceptos y relaciones, como: el tipo de suelo, nivel de acidez, humedad del ambiente, composición de nutrientes, entre otros términos que se presentan en el proceso de producción de cultivos; el objetivo es proporcionar información pertinente para facilitar la elección del tipo de cultivo apropiado para una zona determinada, según la época del año y los factores climáticos de acuerdo a su comportamiento histórico, mediante inferencias lógicas


22

soportadas en una estructura ordenada de variables que representan el dominio; el alcance de la ontología, es la representación de conceptos como temperatura, tipos de cultivos, composición del suelo, plagas, enfermedades, entre otros, a través de un lenguaje procesable computacionalmente que permita aplicar inferencias mediante lógica de predicado de primer orden; entre los tipos de interrogantes que permite resolver están: ¿qué zonas son adecuadas para una variedad o tipo de cultivo?, dado un tipo de cultivo ¿qué zonas presentan condiciones adecuadas para este cultivo?; la población a quien va dirigida, corresponde en este caso, a las comunidades de agricultores, que en general no cuentan con acceso a este tipo de información que les ayude en la toma de decisiones, antes, durante y después de cada ciclo de cultivo; cómo se va a sistematizar el conocimiento, implica la definición de términos y relaciones, para posteriormente de manera formal definir la taxonomía en donde se fije la jerarquía de conceptos como: región, zona y área cultivable; qué herramientas se van a usar, para la representación computacional está por ejemplo, Protégé, y lenguajes ontológicos como OWL y RDF; finalmente, las fuentes de conocimiento de donde se obtiene la información de diferentes aspectos que se quieren abordar como: las características del suelo, del cultivo y de la zona cultivable, se obtienen entidades territoriales, bases de datos de información científica como IEEE y SPRINGER, así como de entidades gubernamentales tales como el Ministerio de Agricultura y otras entidades como la Cámara de Comercio de Bogotá (CCB).

3.2 Conceptualización

Las actividades que destacan en esta etapa son las de adquisición de conocimientos y evaluación, como se puede ver en la Ilustración 3.

Ilustración 3. Actividades para la etapa de Conceptualización



23

Esta etapa hace referencia al diseño de la ontología, donde se identifican, reúnen, organizan, describen y modelan, todos los conceptos como cultivo, plaga, enfermedad, región, zona, área cultivable, temperatura, altura sobre el nivel del mar, entre otros. Además, para la construcción de la ontología se requieren diversas relaciones entre conceptos correspondientes a, seUbicaEn, esAfectadoPor, esControladoPor, estaCompuestoDe, seRepresentaPor, entre otras. Lo anterior se desarrolla a partir de la ejecución de once tareas que se describen en las subsecciones siguientes.

Construcción del glosario de términos

Mediante el apoyo de la documentación provista de entidades gubernamentales, tales como (IDEAM, 2018) (Ministerio de Agricultura, 2018), se lleva a cabo una investigación documental y un análisis amplio, que permite determinar el escenario agrícola donde se agrupan las variables que se deben tener en cuenta para la producción de un cultivo, tales como, humedad, temperatura, altura sobre el nivel del mar, etapa fenológica, ciclo del cultivo, suelo, luminosidad, composición mineral, enfermedades, plagas, entre otras, que componen el conjunto de términos necesarios para la construcción de la ontología.

Construcción de la taxonomía de conceptos

Para formalizar la taxonomía que defina la jerarquía de los conceptos, se realizan tres pasos; primero se definen los conceptos del prototipo, por ejemplo, región, Cultivo, CicloCultivo; segundo, se indican cuáles son las clases padre como CicloCultivo es padre de CicloAnual y también de CicloPerenne, y las clases hijas o subclases como CicloTemporal es subclase de CicloCultivo; por último, se construye un diagrama donde se representa gráficamente la jerarquía establecida.

Construcción de los diagramas de relaciones binarias

Similar al paso anterior: primero, se definen cuáles son las relaciones existentes, por ejemplo, seUbicaEn, esAfectadoPor, esControladoPor; segundo, se indican las relaciones entre conceptos, es decir, cuál concepto está relacionado a través de una relación específica con otro, por ejemplo, Cultivo (concepto origen) esAfectadoPor (relación) Enfermedad (concepto destino); finalmente, se muestran las relaciones entre conceptos a través de, por ejemplo, un diagrama de relaciones binarias. Adicionalmente, se hace una verificación de errores, y la validez de las relaciones entre conceptos.


24

Construcción del diccionario de conceptos

Se formalizan los conceptos mediante la construcción de un diccionario representado a través de una tabla donde se define el nombre del concepto como Cultivo, las instancias como papa, maíz, los atributos de clase como Tipo, los atributos de instancia como nombre y las relaciones como esAfectadoPor, creceEn, tieneUnCiclo, tieneEtapa (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Descripción de las relaciones binarias en detalle

Teniendo en cuenta las relaciones binarias identificadas en las dos tareas anteriores, se realiza una definición detallada, estas relaciones se componen de: nombre de la relación, concepto origen, cardinalidad máxima, concepto destino y relación inversa. Esta información se puede expresar tanto en una tabla como en un gráfico.

Descripción de los atributos de instancia en detalle

A partir de los atributos de instancia que se especifican en el diccionario de conceptos, se realiza una descripción detallada a través de una tabla donde se encuentra los campos nombre del atributo, concepto, tipo de valor, rango de valores y cardinalidad.

Descripción de los atributos de clases en detalle

Esta tarea se desarrolla igual que la tarea anterior, pero especificando a detalle los atributos de clases, incluyendo los mismos campos.

Descripción de las constantes en detalle

Para aquellos términos que se identifican como constantes en el glosario de términos, se hace una descripción detallada a través de una estructura compuesta por nombre, tipo de valor, valor y unidad de medida.

Descripción de los axiomas formales

En esta tarea se identifican y describen aquellas expresiones lógicas que se deben considerar en el dominio de la ontología que evitan relaciones o deducciones sin sentido.

Definición de las reglas

Se identifican y describen las reglas, especificando nombre, descripción, expresión, conceptos, atributos, relaciones y variables. Las expresiones de las reglas pueden darse


25

utilizando el formato si <condiciones> entonces <consecuente>, donde en la parte izquierda se hace referencia a una conjunción de condiciones simples y en la parte derecha una expresión de un valor de la ontología (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Descripción de las instancias

En esta, se definen las instancias que se establecieron en el diccionario de conceptos mediante una tabla que contiene nombre de la instancia, nombre del concepto, atributo y valores.

3.3 Implementación

Para llevar a cabo esta actividad primero se realiza la transformación de la información expresada en un modelo conceptual (tablas) a un modelo formal que pueda ser representada posteriormente en un modelo computacional en un lenguaje de ontología (RDF Schema, OWL, OBO, etc.) (Corcho, Fernández-López, Gómez-Pérez, & López-Cima, 2005).

Ilustración 4. Actividades para la etapa de Conceptualización


A partir de esto, se codifica en un modelo de OWL en la herramienta Protégé la estructura de información conformada en las tareas anteriores. La implementación tiene como resultado un prototipo de software que se puede utilizar como una librería que permite el acceso y la visualización de una base de conocimiento agrícola.


26

La herramienta seleccionada para el modelo ontológico que se desarrolla proporciona elementos como, clases, instancias de clase, propiedades de objeto y propiedades de datos, que definen la ontología (Ilustración 5).

Ilustración 5. Herramienta utilizada para la construcción del modelo

Fuente: autores

Especificación En la Tabla 1 se muestra la especificación de requerimientos de la Ontología, donde

se detallan los criterios base para su realización.

Documento de Especificación de Requerimientos Dominio Agricultura

Fecha 17/01/19

Ingenieros de requerimientos

Maddyzeth Ariza R.; Santiago Alfonso C.

Propósito Proporcionar información pertinente para facilitar la elección del tipo de cultivo apropiado para una zona determinada, según la época del año y los factores climáticos de acuerdo a su comportamiento histórico, mediante inferencias lógicas soportadas en una estructura ordenada de variables que representan el dominio.

Nivel de Formalidad

Formal.

Alcance ¿Qué zonas son adecuadas para una variedad o tipo de cultivo?, dado un tipo de cultivo ¿qué zonas presentan condiciones adecuadas para este cultivo?

Población objetivo

Comunidad agricultora.

Fuentes de conocimiento

Bases de datos de información científica: IEEE y SPRINGER. Entidades gubernamentales tales como el Ministerio de Agricultura y otras entidades como la Cámara de Comercio de Bogotá (CCB).

Sistematización del conocimiento

Tablas con los términos y sus elementos asociados, clasificadas según su tipo y utilización.

Herramientas y lenguajes

Protégé, OWL, SWRL

Tabla 1.Especificación de requerimientos de la Ontología Fuente: autores

Conceptualización

5.1 Construcción del glosario de términos

El glosario de términos contiene cada uno de los conceptos que se tienen en cuenta en la construcción de la Ontología, especificando su nombre, sinónimos y acrónimos (si existen o son necesarios), una descripción y el tipo de término, como se muestra en la Tabla 2. Estos conceptos están relacionados con el dominio especificado anteriormente, y se han identificado en la investigación de las fuentes de conocimiento como (Cámara de Comercio de Bogotá., 2015), además de ser el punto de partida para las actividades siguientes.

Nombre Sinónimos Acrónimos Descripción

Acidez Ph Nivel de Ph

ACID Indica el grado de acidez de la tierra, en un rango de 1 a 14.

Altura Altitud ALT Distancia en metros entre el nivel del mar y la superficie a considerar de una zona.

AreaCultivable Área arable Tierra arable

ACUL Terreno específico donde se desarrolla un cultivo.

CicloAnual Cultivo anual CAN Cultivo cuyo ciclo productivo es menor a 12 meses.

CicloBianual Cultivo bianual CBIAN Cultivo cuyo ciclo productivo se extiende por dos años.

CicloCultivo Duración de cultivo Ciclo productivo

CCUL Clasificación de los cultivos por la duración de su ciclo productivo.

CicloPerenne Cultivo perenne CPER Cultivo cuyo ciclo productivo es mayor a 12 meses, y del que se obtienen varias cosechas.

CicloTemporal Cultivo temporal CTEMP Cultivo cuyo ciclo productivo depende del comportamiento de la lluvia y la capacidad del suelo para contener el agua.

ComposicionMineral

Composición de nutrientes Valores nutricionales

CMIN Conjunto de elementos químicos que componen el suelo.

Cultivo Alimento, producto CU, CUL Producto agrícola que se produce en un tiempo y espacio determinado.

Capítulo 5 - Conceptualización

29

Departamento DEPTO Unidades territoriales características de Colombia.

Enfermedad Afección ENF Factor que afecta a un cultivo en su superficie o raíz, puede ser infeccioso o no infeccioso.

EtapaFenologica Fenología EFEN Etapas o estados de desarrollo de un cultivo.

EtapaProductiva - EPRO Etapa donde se produce el órgano floral y la floración.

EtapaReproductiva - EREP Etapa inicial de un cultivo; en ella se da la brotación y desarrollo de las primeras hojas.

EtapaVegetativa - EVEG Etapa en la que se forma el fruto y madura. Humedad Humedad relativa HUM Cantidad de humedad en el aire.

Luminosidad Luz solar Luz

LUM Cantidad de horas de luz solar al día, que llega a una zona específica.

Mineral Nutriente MIN Unidad química, (medida en porcentaje) que hace parte de la composición mineral del suelo; por ejemplo, Magnesio (Mg).

Plaga Epidemia Infección

PLAG Organismos que atacan y destruyen los cultivos; pueden generar enfermedades.

Plaguicida Pesticida PLAGU Sustancia que sirve para destruir, atacar, repeler o prevenir una plaga o una enfermedad.

Region Municipio REG Hace referencia a una unidad territorial específica dentro de un departamento, por ejemplo, un municipio.

Suelo Tierra SUEL Características biológicas y químicas de la tierra en la que se cultiva.

Temperatura Clima TEMP Nivel de calor de una zona específica, medido en °C.

TipoCultivo Clasificación de cultivo

TCUL Tipo alimento agrícola que se produce (fruta, por ejemplo).

Topografía Superficie Terreno

TOP, TOPO Características que se presentan en la superficie de un terreno, por ejemplo, la pendiente.

Zona Barrio Caserío Vereda

ZON, ZONA Subdivisión territorial que cuenta con unas mismas características topológicas, climatológicas, etc., dentro de una región

Tabla 2. Glosario de términos Fuente: autores


30

5.2 Construcción de la taxonomía de conceptos

La taxonomía de conceptos presenta la organización jerárquica de los conceptos previamente identificados (Ilustración 6). Éstos están organizados desde la composición demográfica con sus diferentes características asociadas, hasta el cultivo y sus elementos propios.

Ilustración 6. Taxonomía de conceptos

Fuente: autores


31

5.3 Construcción de diagrama de relaciones binarias

El diagrama presentado en la Ilustración 7, muestra las relaciones que conectan a los conceptos vistos en la Ilustración 6; estas relaciones representan la forma en la que dos conceptos se corresponden. Cada pareja de conceptos asociados presenta dos relaciones que los liga en ambos sentidos. El concepto Cultivo cuenta con la relación cultivoRelacionado que se une a sí mismo, queriendo decir que un cultivo se relaciona con otro cultivo, por lo cual es la única relación que no tiene una inversa.

Ilustración 7. Diagrama de relaciones binarias

Fuente: autores


32

5.4 Construcción de diccionario de conceptos

El diccionario de conceptos lista cada uno de los conceptos de la ontología, especificando sus instancias, sus atributos de clase (toman valor en el concepto), los atributos de instancia (toman su valor en la instancia) y las relaciones asociadas, vistas en la sección anterior. Se especifica que, en cuanto a los conceptos, su convención de escritura es: inicio de palabra en mayúscula, sin espacios y sin caracteres especiales (como tildes); esta misma convención se aplica para las instancias, con la característica de que pueden llevar números. Tanto los atributos como las relaciones cuentan con la misma convención: inicio en minúscula y luego, inicio en mayúscula con las siguientes palabras, sin espacios. Esto ayuda a identificar unos términos de otros y se puede visualizar en la Tabla 3.

Nombre Instancias Atributos de

clase Atributos de

instancia Relaciones

Departamento Cundinamarca, Antioquia, Huila, Tolima, Meta

nombre tieneRegion conformaDpto

Region Sibate nombre municipio

estaConformadaPor formaParteDe tieneRegion conformaDpto

Zona ZonaVBFEMa

unidad descripcion extension identificador tipoEspacio

representaA seRepresentaPor tieneTemperatura estaAsociadaA seUbicaEn correspondeA tieneSuelo compone tieneArea conformaZona presenta sePresentaEn estaConformadaPor formaParteDe tieneHumedad seEncuentraEn

Topografia FresaTop unidad descripcion

anguloMax anguloMin textura

representaA seRepresentaPor

Temperatura FresaTem unidad descripcion

escalaTermicaMax escalaTermicaMin tipo

tieneTemperatura estaAsociadaA


33

Altura FresaAltura unidad descripcion

distanciaMax distanciaMin

seUbicaEn correspondeA

Luminosidad FresaLum unidad descripcion

intensidadMax intensidadMin

presenta sePresentaEn

Suelo FresaSuelo identificador

tieneSuelo compone tieneComposicion tieneNivel haceParteDe

Acidez FresaPh nivelMax nivelMin tipo

tieneNivel haceParteDe

Humedad FresaHum unidad descripcion

nivelMax nivelMin

tieneHumedad seEncuentraEn

ComposicionMineral FresaCMin descripcion identificador

tieneComposicion haceParteDe estaConstituidaPor constituyeA

Mineral FresaMSulfato, FresaMFosfato, FresaMNitrogeno

unidad nombre cantidadMax cantidadMin

constituyeA estaConstituidaPor

AreaCultivable ZonaVBFEMaArea

unidad descripción extension identificador

conformaZona tieneArea crece creceEn

Cultivo Fresa nombre nombreRotacion descripcion

afecta esAfectadoPor creceEn crece tieneCiclo esCicloDe define tieneTipo estadoDe tieneFenologia cultivoRelacionado

TipoCultivo Frutal nombre descripcion

define tieneTipo

Enfermedad Viruela nombre descripcion

afecta esAfectadoPor causa esCausadoPor

Plaga

HongoDeSuelo Chiza AcaroBlanco Trips

nombre descripcion

afecta esAfectadoPor causa esCausadaPor


34

Plaguicida Fungicida Citroemulsion

nombre tipoControl

controla esControladaPor

CicloCultivo FresaCiclo descripcion unidad cantidad numeroCosechas

tieneCiclo esCicloDe

EtapaFenologica FresaEFen descripcion

tieneFenologia estadoDe tieneEtapa componeA

EtapaProductiva FresaEPro unidad cantidad tieneEtapa componeA

EtapaReproductiva FresaERep unidad cantidad tieneEtapa componeA

EtapaVegetativa FresaEVeg unidad cantidad tieneEtapa componeA

Tabla 3. Diccionario de conceptos Fuente: autores

5.5 Descripción de las relaciones binarias en detalle

En la Tabla 4 se muestra la descripción de las relaciones binarias, identificando su origen y su destino, y la cardinalidad máxima, es decir, el número de relaciones totales que puede tener con el concepto de destino. En los casos donde se indica que la cardinalidad es N, hace referencia a que son varias, sin necesidad de limitar la cantidad. Cada relación tiene una inversa, con una única excepción (cultivoRelacionado); cabe aclarar que la cardinalidad no siempre es la misma en ambos sentidos, y en este caso, solo se especifica uno. Algunos conceptos de origen o de destino usan su acrónimo asignado en la Tabla 2.

Nombre Origen Cardinalidad Destino Relación inversa haceParteDe Acidez N Suelo tieneNivel correspondeA Altura N Zona seUbicaEn conformaZona AreaCultivable 1 Zona tieneArea crece AreaCultivable N Cultivo creceEn esCicloDe CicloCultivo N Cultivo tieneCiclo estaConstituidoPor CMIN N Mineral constituyeA haceParteDe CMIN N Suelo tieneComposicion creceEn Cultivo N AreaCultivable crece esAfectadoPor Cultivo N Enfermedad afecta esAfectadoPor Cultivo N Plaga afecta tieneCiclo Cultivo 1 CicloCultivo esCicloDe tieneFenologia Cultivo 1 EFEN estadoDe tieneTipo Cultivo 1 TipoCultivo define cultivoRelacionado Cultivo N Cultivo - proximoCultivo Cultivo N Cultivo -


35

tieneRegion Departamento N Region conformaDpto estadoDe EFEN N Cultivo tieneFenologia tieneEtapa EFEN 1 EREP componeA tieneEtapa EFEN 1 EPRO componeA tieneEtapa EFEN 1 EVEG componeA afecta Enfermedad N Cultivo esAfectadoPor esCausadaPor Enfermedad N Plaga causa componeA EPRO N EFEN tieneEtapa componeA EREP N EFEN tieneEtapa componeA EVEG N EFEN tieneEtapa seEncuentraEnn Humedad N Suelo tieneHumedad sePresentaEn Luminosidad N Zona presenta constituyeA Mineral N CMIN estaConstituidoPor afecta Plaga N Cultivo esAfectadoPor causa Plaga N Enfermedad esCausadaPor esControladaPor Plaga N Plaguicida controla controla Plaguicida N Plaga esControladaPor conformaDpto Region 1 Departamento tieneRegion estaConformadaPor Region N Zona formaParteDe compone Suelo 1 Zona tieneSuelo tieneComposicion Suelo 1 CMIN haceParteDe tieneNivel Suelo 1 Acidez haceParteDe tieneHumedad Zona 1 Humedad seEncuentraEn estaAsociadaA Temperatura N Zona tieneTemperatura define TipoCultivo N Cultivo tieneTipo representaA Topografia N Zona seRepresentaPor formaParteDe Zona 1 Region estaConformadaPor presenta Zona 1 Luminosidad sePresentaEn seRepresentaPor Zona N Topografia representaA seUbicaEn Zona 1 Altura correspondeA tieneArea Zona N AreaCultivable conformaZona tieneSuelo Zona 1 Suelo compone tieneTemperatura Zona 1 Temperatura estaAsociadaA

Tabla 4. Relaciones binarias en detalle Fuente: autores

5.6 Descripción de los atributos de instancia en detalle

Los atributos de instancia están asociados a cada instancia de un concepto específico. El tipo de valor de estos atributos, se asigna de acuerdo a aquellos admitidos en la herramienta a utilizar (Protégé) y el rango de valores solo aplica para aquellos atributos que tienen un tipo de valor numérico. También se asigna una cardinalidad para especificar la cantidad que un atributo puede presentarse en una instancia.


36

Nombre del atributo Concepto Tipo de valor Rango Card.

nivelMax Acidez Float 1 – 14 1 nivelMin Acidez Float 1 – 14 1 tipo Acidez String - 1 distanciaMax Altura Int 0 – 4000 1 distanciaMin Altura Int 0 – 4000 1 extension AreaCultivable Float 1…N 1 identificador AreaCultivable String - 1 unidad AreaCultivable String - 1 descripcion AreaCultivable String - 1 cantidad CicloCultivo Int 1…N 1 numeroCosechas CicloCultivo Int 0 – 20 1 unidad CicloCultivo String - 1 identificador ComposicionMineral String - 1 nombre Cultivo String - 1 nombreRotacion Cultivo String - 1 descripcion Cultivo String - 1 nombre Departamento String - 1 nombre Enfermedad String - 1 descripción Enfermedad String - 1 cantidad EtapaProductiva Int 0 – N 1 cantidad EtapaReproductiva Int 0 – N 1 cantidad EtapaVegetativa Int 0 – N 1 nivelMax Humedad Float 0 – 100 1…N nivelMin Humedad Float 0 – 100 1…N intensidadMax Luminosidad Int 0 – 15 1 intensidadMin Luminosidad Int 0 – 15 1 cantidadMax Mineral Float 0 – N 1 cantidadMin Mineral Float 0 – N 1 nombre Mineral String - 1 unidad Mineral String - 1 nombre Plaga String - 1 descripcion Plaga String - 1 nombre Plaguicida String - 1 tipoDeControl Plaguicida String - 1…N nombre Region String - 1 identificador Suelo String - 1 escalaTermicaMax Temperatura Float 0 – 40 1 escalaTermicaMin Temperatura Float 0 – 40 1 tipo Temperatura String - 1…N nombre TipoCultivo String - 1 descripcion TipoCultivo String - 1 anguloMax Topografia Float 0 – 80 1 anguloMin Topografia Float 0 – 80 1 textura Topografia String - 1…N


37

extension Zona Float 1…N 1 identificador Zona String - 1 unidad Zona String - 1 descripcion Zona String - 1 tipoEspacio Zona String - 1

Tabla 5. Atributos de instancia Fuente: autores

5.7 Descripción de los atributos de clases en detalle

Los atributos de clase se asocian al concepto donde se definen. El tipo de valor, al igual que el caso anterior, se asigna de acuerdo a la herramienta Protégé, y el rango de valores solo aplica para algunos conceptos, ejemplificados (pero no limitados) en la Tabla 6. La cardinalidad especifica la cantidad de un atributo que puede presentarse en su concepto definido.

Nombre del atributo Concepto Tipo de valor Rango Card.

unidad Altura String ‘metros’ 1

descripcion Altura String - 1

descripcion CicloCultivo String - 1

descripcion ComposicionMineral String - 1

descripcion EtapaFenologica String - 1 unidad EtapaProductiva String ‘dias’ 1 unidad EtapaReproductiva String ‘dias’ 1 unidad EtapaVegetativa String ‘dias’ 1 unidad Humedad String ‘porcentaje’ 1

descripcion Humedad String - 1

unidad Luminosidad String ‘horas_luz_por_dia’ 1

descripcion Luminosidad String - 1

unidad Temperatura String ‘centigrados’ 1…N

descripcion Temperatura String - 1

unidad Topografia String ‘grados’ 1

descripcion Topografia String - 1 Tabla 6. Atributos de clase

Fuente: autores


38

5.8 Descripción de las constantes en detalle

Las constantes son aquellos atributos que tienen un valor que no cambia. En este caso, las constantes hacen referencia a unidades, o a valores que clasifican la temperatura o el nivel de acidez, como se visualiza en la Tabla 7. Por ejemplo, la altura se mide únicamente en msnm (metros sobre el nivel del mar).

Nombre del atributo Concepto Tipo de valor Valor Card. unidad Altura String ‘msnm’ 1 unidad Luminosidad String ‘horas_luz_por_dia’ 1 unidad Topografia String ‘grados’ 1 muyAcido Acidez String ‘muy_acido’ 1 acidoModerado Acidez String ‘moderadamente_acido’ 1 acidoLigero Acidez String ‘ligeramente_acido’ 1 acidoNeutro Acidez String ‘neutro’ 1 alcalinoLigero Acidez String ‘ligeramente_alcalino’ 1 alcalinoModerado Acidez String ‘moderadamente_alcalino’ 1 muyAlcalino Acidez String ‘muy_alcalino’ 1 tempCalida Temperatura String ‘temperatura_calida’ 1 tempTemplada Temperatura String ‘temperatura_templada’ 1 tempFria Temperatura String ‘temperatura_fria’ 1 tempParamo Temperatura String ‘temperatura_paramo’ 1

Tabla 7. Constantes en detalle Fuente: autores


39

5.9 Descripción de los axiomas formales

Los axiomas presentados en la Tabla 8, muestran condiciones que deben cumplirse para delimitar la ontología y evitar deducciones o inferencias sin sentido, a través de expresiones lógicas, que, aunque parezcan obvias, para el razonador de la ontología no; por ejemplo, tomando el axioma de inconsistencia del tipo de cultivo, es claro que un cultivo como la fresa no puede ser del tipo frutal y del tipo tubérculo, lo que nos indica que la relación tieneTipo, solo puede relacionar a un Cultivo con un TipoCultivo. Las expresiones se escriben en términos de relaciones y conceptos. Estos axiomas se determinaron a través de la guía profesional de la Secretaría de Agricultura del municipio de Sibaté y la información encontrada en los documentos de investigación, tales como (Cámara de Comercio de Bogotá., 2015; Gobernación de Antioquia , 2015).

Nombre del axioma Descripción Expresión Conceptos Relación Var.

Inconsistencia ciclo de cultivo

Un cultivo no puede tener más de un ciclo de cultivo

no(existe(X, Y, Z) (Cultivo(X) y CicloCultivo(Y) y CicloCultivo(Z) y tieneCiclo(X,Y) y tieneCiclo(X, Z)))

Cultivo CicloCultivo

tieneCiclo X Y Z

Inconsistencia tipo de cultivo

Un cultivo no puede ser de dos tipos diferentes

no(existe(X, Y, Z) (Cultivo(X) y TipoCultivo(Y) y TipoCultivo(Z) y tieneTipo(X,Y) y tieneTipo(X, Z) ) )

Cultivo TipoCultivo tieneTipo

X Y Z

Inconsistencia cultivo y etapa fenológica

Un cultivo no puede tener más de una etapa fenológica

no(existe(X, Y, Z) (Cultivo(X) y EtapaFenologica(Y) y EtapaFenologica(Z) y tieneFenologia(X,Y) y

tieneFenologia(X, Z)))

Cultivo EtapaFenologica

tieneFenologia X Y Z

Inconsistencia de área cultivable de la zona

Un área cultivable no puede conformar a más de una zona

no(existe(X, Y, Z) (AreaCultivable(X) y Zona(Y) y Zona(Z) y conformaZona(X,Y) y conformaZona(X, Z) ) )

AreaCultivable Zona

conformaZona X Y Z

Inconsistencia de región y departamento

Una región puede conformar a un solo departamento

no(existe(X, Y, Z) (Region(X) y Departamento(Y) y Departamento(Z) y conformaDpto(X,Y) y

conformaDpto(X, Z) ) )

Region Departamento

conformaDpto X Y Z


40

Inconsistencia de zona y región

Una zona no puede formar parte de dos regiones

no(existe(X, Y, Z) (Zona(X) y Region(Y) y Region(Z) y formaParteDe(X,Y) y formaParteDe(X, Z) ) )

Zona Region

formaParteDe X Y Z

Inconsistencia de zona y luminosidad

Una zona no puede presentar más de una luminosidad

no(existe(X, Y, Z) (Zona(X) y Luminosidad(Y) y Luminosidad(Z) y presenta(X, Y) y presenta(X, Z)))

Zona Luminosidad

presenta X Y Z

Inconsistencia de zona y altura

Una zona no puede ubicarse en más de una altura

no(existe(X, Y, Z) (Zona(X) y Altura(Y) y Altura(Z) y seUbicaEn(X, Y) y seUbicaEn(X, Z)))

Zona Altura seUbicaEn

X Y Z

Inconsistencia de zona y temperatura

Una zona no puede tener más de una temperatura asociada

no(existe(X, Y, Z) (Zona(X) y Temperatura(Y) y Temperatura(Z) y tieneTemperatura(X, Y) y

tieneTemperatura(X, Z) ) )

Zona Temperatura tieneTemperatura

X Y Z

Inconsistencia suelo de la zona

Una zona no puede tener más de un suelo

no(existe(X, Y, Z) (Zona(X) y Suelo(Y) y Suelo(Z) y tieneSuelo(X,Y) y tieneSuelo(X, Z)))

Zona Suelo tieneSuelo

X Y Z

Inconsistencia humedad de la zona

Una zona no puede tener dos niveles de humedad

no(existe(X,Y,Z) (Zona(X) y Humedad(Y) y Humedad(Z) y tieneHumedad(X,Y) y tieneHumedad(X,

Z)))

Zona Humedad tieneHumedad

X Y Z

Inconsistencia de acidez del suelo

Un suelo no puede tener más de un nivel de acidez

no(existe(X, Y, Z) (Suelo(X) y Acidez(Y) y Acidez(Z) y tieneNivel(X,Y) y tieneNivel(X, Z) ) )

Suelo Acidez tieneNivel

X Y Z

Inconsistencia de la composición mineral del suelo

Un suelo no puede tener más de una composición mineral

no(existe(X, Y, Z) (Suelo(X) y ComposicionMineral(Y) y ComposicionMineral(Z) y tieneComposicion(X,Y) y

tieneComposicion(X, Z)))

Suelo Acidez

tieneNivel X Y Z

Tabla 8. Axiomas formales Fuente: autores


41

5.10 Definición de las reglas

Las reglas representan características y comportamiento de los cultivos, desde diferentes perspectivas, utilizando inferencias lógicas de primer orden. Todas las reglas constan de un nombre, una descripción, la expresión en términos de conceptos, relaciones y en algunos casos atributos, y variables. Al igual que los axiomas, fueron determinadas con la guía profesional por parte de la Secretaría de Agricultura del municipio de Sibaté, y la información encontrada en los documentos de investigación (Cámara de Comercio de Bogotá., 2015; Gobernación de Antioquia , 2015).

Para este caso las reglas se clasifican en:

1. Reglas generales: representa cuáles son los conceptos que deben estar presentes, para definir a otro (véase Tabla 9). Por ejemplo, se declara que una Zona solo puede considerarse como tal, si tiene un área cultivable, se representa por una topografía, tiene una temperatura, se ubica en una altura, tiene un tipo de suelo, tiene una humedad y presenta una luminosidad.

2. Reglas de instancias semejantes: establece la relación de dos cultivos por ciclo o por tipo, y por los cultivos de rotación, es decir, el próximo cultivo que debería llevarse a cabo, teniendo un cultivo actual ( Tabla 10).

3. Reglas de clasificación: muestran la clasificación del Ph de acuerdo a su nivel, así como de la temperatura, de acuerdo a su escala térmica (Tabla 11).

4. Reglas para zonas óptimas: las reglas presentadas (véase Tabla 12) tienen como objetivo establecer si un lugar o cultivo es óptimo a partir de su zona asociada. Por ejemplo, un cultivo es óptimo en una zona específica, si ésta cumple con los parámetros de zona óptima ya establecidos.

5. Sentencias de búsqueda SQWRL: presenta búsquedas y consultas en formato SPARQL (Tabla 13).


42

Reglas generales

Nombre de la regla Descripción Expresión Conceptos Relaciones Var.

Composición de la

zona

Toda zona tiene un área cultivable,

se representa por una topografía,

tiene una temperatura, se ubica en

una altura, tiene un tipo de suelo,

tiene una humedad, y presenta una

luminosidad.

∃t / (AreaCultivable(t) ∧ tieneArea(z, t)) ∧ ∃u

/ (Topografia(u) ∧ seRepresentaPor(z, u)) ∧

∃!v / (Temperatura(v) ∧ tieneTemperatura(z,

v)) ∧ ∃!w / (Altura(w) ∧ seUbicaEn(z, w)) ∧

∃s / (Suelo(s) ∧ tieneSuelo(z, s)) ∧ ∃!x /

(Humedad(x) ∧ tieneHumedad(z, x)) ∧ ∃!y /

(Luminosidad(y) ∧ presenta(z, y)) →

∀z(Zona(z))

Zona

AreaCultivable

Topografia

Temperatura

Altura

Suelo

Luminosidad

Humedad

tieneArea

seRepresentaPor

tieneTemperatura

seUbicaEn

tieneSuelo

presenta

tieneHumedad

S

T

U

V

W

X

Y

Z

Conformación de la

región

Para toda zona que forma parte de

una región existe un departamento,

donde dicha región lo conforma.

∃w,y / (Zona (w) ∧ formaParteDe(x, w) ∧

Region(y)) ∧ conformaDpto(y, x)) →

∀x(Departamento(x))

Zona

Region

Departamento

formaParteDe

conformaDpto

W

X

Y

Composición del

suelo

Todo suelo tiene un nivel de acidez y

una composición mineral

∃!w / (Acidez(w) ∧ tieneNivel(x, w)) ∧ ∃!y /

(ComposicionMineral(y) ∧

tieneComposicion(x, y)) → ∀x(Suelo(x))

Acidez

ComposicionMineral

Suelo

tieneNivel

tieneComposicion

W

X

Y

Etapas de la

fenología de un

cultivo

Toda etapa fenológica tiene un único

periodo reproductivo, productivo y

vegetativo.

∃!y / (EtapaReproductiva(y) ∧ tieneEtapa(x,

y)) ∧ ∃!w / (EtapaProductiva(w) ∧

tieneEtapa(x, w)) ∧ ∃!z / (EtapaVegetativa(z)

∧ tieneEtapa(x, z)) → ∀x(EtapaFenologica(x))

EtapaFenologica

EtapaReproductiva

EtapaProductiva

EtapaVegetativa

tieneEtapa

X

Y

W

Z

Composición

mineral del suelo

Toda composición mineral está

constituida por al menos un mineral.

∃y / (Mineral(y) ∧ estaConstituidaPor(x, y))

→ ∀x(ComposicionMineral(x))

ComposicionMineral

Mineral estaConstituidaPor

X

Y


43

Composición del

cultivo

Todo cultivo crece en al menos un

área cultivable, es afectado por

mínimo una plaga y una enfermedad,

tiene un único tipo de cultivo, tiene

un solo ciclo de cultivo y tiene una

sola etapa fenológica.

∃t / (AreaCultivable(t) ∧ creceEn(x, t)) ∧ ∃u /

(Plaga(u) ∧ esAfectadoPor(x, u)) ∧ ∃v /

(Enfermedad(v) ∧ esAfectadoPor(x, v)) ∧ ∃!w

/ (TipoCultivo(w) ∧ tieneTipo(x, w)) ∧ ∃!y /

(CicloCultivo(y) ∧ tieneCiclo(x, y)) ∧ ∃!z /

(EtapaFenologica(z) ∧ tieneFenologia(x, z)) →

∀x(Cultivo(x))

Cultivo

AreaCultivable

Plaga

Enfermedad

TipoCultivo

CicloCultivo

EtapaFenologica

creceEn

esAfectadoPor

tieneTipo

tieneCiclo

tieneFenologia

X

T

U

V

W

Y

Z

Composición de la

plaga

Toda plaga es causada por mínimo

una enfermedad y es controlada por

al menos un plaguicida.

∃y / (Enfermedad(y) ∧ esCausadaPor(x, y)) ∧

∃z / (Plaguicida(z) ∧ esControladaPor(x, z))

→ ∀x(Plaga(x))

Plaga

Enfermedad

Plaguicida

esCausadaPor

esControladaPor

X

Y

Z

Tabla 9. Reglas generales Fuente: autores


44

Reglas de relación de cultivos

Nombre de la regla

Descripción Expresión Concepto Atributos Relaciones Var.

Cultivos

relacionados

por tipo

Para todo cultivo, que tiene un

tipo de cultivo igual que otro,

estos cultivos están relacionados.

∀x (Cultivo(x) ∧ Cultivo(y) ∧ TipoCultivo(z) ∧

tieneTipo(x, z) ∧ tieneTipo(y, z)) →

cultivoRelacionado(x, y)

Cultivo

TipoCultivo -

tieneTipo

cultivoRelacionado

X

Y

Z

Cultivos

relacionados

por ciclo

Para todo cultivo, que tiene un

tipo de cultivo igual que otro,

estos cultivos están relacionados.

∀x (Cultivo(x) ∧ Cultivo(y) ∧ CicloCultivo(z) ∧

tieneCiclo(x, z) ∧ tieneCiclo (y, z)) →

cultivoRelacionado(x, y)

Cultivo

CicloCultivo -

tieneCiclo

cultivoRelacionado

X

Y

Z

Rotación de

cultivo por

fruto

Para todo cultivo fruto, existe una

recomendación de cultivo

próximo.

∀x (Cultivo(x) ∧ nombreRotacion(x, "fruto”) ∧

Cultivo(y) ∧ nombreRotacion(y, "raíz”) →

proximoCultivo(x, y)

Cultivo nombreRotacion proximoCultivo X

Y

Rotación de

cultivo por

raíz

Para todo cultivo raíz, existe una


próximo.

∀x (Cultivo(x) ∧ nombreRotacion(x, "raíz”) ∧

Cultivo(y) ∧ nombreRotacion(y, "hoja”) →



Y

Rotación de

cultivo por

hoja

Para todo cultivo hoja, existe una


próximo.

∀x (Cultivo(x) ∧ nombreRotacion(x, "hoja”) ∧

Cultivo(y) ∧ nombreRotacion(y, "flor”) →



Y

Rotación de

cultivo por

flor

Para todo cultivo flor, existe una


próximo.

∀x (Cultivo(x) ∧ nombreRotacion(x, "flor”) ∧

Cultivo(y) ∧ nombreRotacion(y, "fruto”) →



Y

Tabla 10. Reglas de relación de cultivos Fuente: autores


45

Reglas de clasificación

Nombre de la regla Descripción Expresión Conceptos Atributos Var.

Acidez para Ph muy

ácido

Todo nivel de acidez máximo y mínimo que

sea menor a 3.5, es de tipo “muy ácido”.

∀x (Acidez(x) ∧ (nivelMin(x) < 3.5) ∧

(nivelMax(x) < 3.5)) → tipo(x, "muy_acido") Acidez

nivelMin

nivelMax

tipo

X

Acidez para Ph

moderado

Todo nivel de acidez entre 3.5 y 5.5, es de

tipo “moderadamente ácido”.

∀x (Acidez(x) ∧ (nivelMin(x) ≥ 3.5) ∧

(nivelMax(x) < 5.5)) → tipo(x,

"moderadamente_acido")

Acidez

nivelMin

nivelMax

tipo

X

Acidez para Ph ligero Todo nivel de acidez entre 5.5 y 7, es de tipo

“moderadamente ácido”.


nivelMax(x) < 7.0)) → tipo(x,

"ligeramente_acido")

Acidez

nivelMin

nivelMax

tipo

X

Acidez para Ph neutro Todo nivel de acidez 7.0 se considera de tipo

“neutro”.

∀x (Acidez(x) ∧ (nivelMin(x) = 7.0) ∧

(nivelMax(x) = 7.0)) → tipo(x, "neutro") Acidez

nivelMin

nivelMax

tipo

X

Acidez para Ph alcalino

ligero

Todo nivel de acidez que está entre 7.0 y 8.5,

se considera de tipo “ligeramente alcalino”.

∀x (Acidez(x) ∧ (nivelMin(x) > 7.0) ∧

(nivelMax(x) < 8.5) → tipo(x,

"ligeramente_alcalino")

Acidez

nivelMin

nivelMax

tipo

X

Acidez para Ph alcalino

moderado

Todo nivel de acidez que está entre 8.5 y

10.5, se considera de tipo “moderadamente

alcalino”.


(nivelMax(x) < 10.5) → tipo(x,

"moderadamente_alcalino")

Acidez

nivelMin

nivelMax

tipo

X


46

Acidez para Ph muy

alcalino

Todo nivel de acidez que es mayor a 10.5, se

considera de tipo “muy alcalino”.


(nivelMax(x) ≥ 10.5) → tipo(x,

"muy_alcalino")

Acidez

nivelMin

nivelMax

tipo

X

Temperatura tipo cálida Toda temperatura mayor a 24.0° se

considera “cálida”

∀x (Temperatura(x) ∧ (escalaTermicaMin(x)

> 24.0) ∧ (escalaTermicaMax(x) > 24.0) →

tipo(x, "temperatura_calida")

Temperatura

escalaTermicaMin

escalaTerminaMax

tipo

X

Temperatura tipo

templada

Toda temperatura entre 17.0° y 24.0° se

considera “templada”


≥ 17.0) ∧ (escalaTermicaMax(x) ≤ 24.0) →

tipo(x, "temperatura_templada")

Temperatura

escalaTermicaMin

escalaTerminaMax

tipo

X

Temperatura tipo fría Toda temperatura entre 12.0° y 17.0° se

considera “fría”


≥ 12.0) ∧ (escalaTermicaMax(x) < 17.0) →

tipo(x, "temperatura_fria")

Temperatura

escalaTermicaMin

escalaTerminaMax

tipo

X

Temperatura tipo

páramo Toda temperatura menor a 12 es páramo”


< 12.0) ∧ (escalaTermicaMax(x) < 12.0) →

tipo(x, "temperatura_paramo")

Temperatura

escalaTermicaMin

escalaTerminaMax

tipo

X

Tabla 11. Reglas para clasificación de cultivos Fuente: autores


47

Reglas para zonas óptimas

Nombre de la regla

Descripción Expresión Conceptos Atributos Relaciones Var.

Óptima por

Acidez del

suelo

Si una zona X tiene un suelo con un nivel de acidez dentro del rango de acidez de un suelo de una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por acidez.

∀z (Zona(z) ∧ tieneSuelo(z, s) ∧

tieneNivel(s, ph) ∧ Zona(x) ∧ tipo(x,

"optimo") ∧ tieneSuelo(x, st) ∧

tieneNivel(st, pht) ∧

nivelMin(ph)≥nivelMin(pht) ∧

nivelMax(ph)≤nivelMax(pht)) →

esOptimoPor( Cultivo(c) ,”acidez”)

Zona

Suelo

Acidez

Cultivo

tipo

esOptimoPor

nivelMin

nivelMax

tieneSuelo

tieneNivel

Z

S

PH

X

ST

PHT

C

Óptima Por

Altura

Si una zona X se ubica en una altura dentro del rango de la altura que corresponde a una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por altura.

∀z (Zona(z) ∧ seUbicaEn(z, a) ∧ Zona(x)

∧ tipo(x, "optimo") ∧ seUbicaEn(x, at) ∧

distanciaMin(a) ≥distanciaMin(at) ∧

distanciaMax(a)≤distanciaMax(at)) →

esOptimoPor( Cultivo(c) ,”altura”)

Zona

Altura

Cultivo

tipo

esOptimoPor

distanciaMin

distanciaMax

seUbicaEn

Z

A

X

AT

C

Óptima Por

Humedad

Si una zona X tiene una humedad dentro del rango de la humedad que se encuentra en una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por humedad.

∀z (Zona(z) ∧ tieneHumedad(z, h) ∧

Zona(x) ∧ tipo(x, "optimo") ∧

tieneHumedad(x, ht) ∧

nivelMin(h)≥nivelMin(ht) ∧

nivelMax(h)≤nivelMax(ht)) →

esOptimoPor( Cultivo(c) ,”humedad”)

Zona

Humedad

Cultivo

tipo

esOptimoPor

nivelMin

nivelMax

tieneHumedad

Z

H

X

HT

C


48

Óptima Por

Luminosidad

Si una zona X presenta una luminosidad dentro del rango de la luminosidad que se presenta en una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por luminosidad.

∀z (Zona(z) ∧ presenta(z, l) ∧ Zona(x) ∧

tipo(x, "optimo") ∧ presenta(x, lt) ∧

intensidadMin(l) ≥ intensidadMin(lt) ∧

intensidadMax(l) ≤ intensidadMax(lt)) →

esOptimoPor( Cultivo(c) ,”luminosidad”)

Zona

Luminosidad

Cultivo

tipo

esOptimoPor

intensidadMin

intensidadMax

presenta

Z

L

X

LT

C

Óptima Por

Temperatura

Si una zona X tiene una temperatura dentro del rango de la temperatura que está asociada a una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por temperatura.

∀z (Zona(z) ∧ tieneTemperatura(z, t) ∧


tieneTemperatura(x, tt) ∧

escalaTermicaMin(t)≥

escalaTermicaMin(tt) ∧

escalaTermicaMax(t)≤

escalaTermicaMax(tt)) → esOptimoPor(

Cultivo(c) ,”temperatura”)

Zona

Temperatura

Cultivo

tipo

esOptimoPor

escalaTermicaMin

escalaTermicaMax

tieneTemperatura

Z

T

X

TT

C

Óptima Por

Topografía

Si una zona X se representa por una topografía dentro del rango de la topografía que representa a una zona óptima de algún cultivo, entonces la zona X es óptima para ese cultivo por topografía.

∀z (Zona(z) ∧ seRepresentaPor(z, t) ∧


tieneTemperatura(x, tt) ∧

anguloMin(t)≥anguloMin(tt) ∧

anguloMax(t)≤anguloMax(tt)) →

esOptimoPor( Cultivo(c) ,”topografia”)

Zona

Topografia

Cultivo

tipo

esOptimoPor

anguloMin

anguloMax

seRepresentaPor

Z

T

X

TT

C

Tabla 12. Reglas para cultivos óptimos Fuente: autores


49

Sentencias de búsqueda (Consultas SPARQL)

Nombre de la búsqueda

Descripción Expresión Atributos Relaciones Var.

Región por altura

Selecciona todas las regiones conformadas por zonas cuya altura es mayor a 3000 m.s.n.m.

SELECT ?region { ?region crop:estaConformadaPor ?zona.

?zona crop:seUbicaEn ?alt. ?alt crop:distanciaMin ?dato FILTER (?dato > 3000) }

distanciaMin estaConformadaPor seUbicaEn

region zona

alt dato

Departamento y región por cultivo

Selecciona todos los departamentos y regiones conformadas por zonas que tienen áreas donde crece el cultivo de papa.

SELECT ?depto ?region { {?depto crop:tieneRegion ?region} {?region

crop:estaConformadaPor ?zona} {?zona crop:tieneArea ?area} {?area crop:crece crop:Papa} }

tieneRegion estaConformadaPor tieneArea crece

depto region zona area

Región por temperatura

Selecciona todas las regiones conformadas por zonas cuya temperatura se clasifica como temperatura fría.

SELECT ?region { ?region crop:estaConformadaPor ?zona.

?zona crop:tieneTemperatura ?temp. ?temp crop:tipo ?dato.

FILTER (?dato = "temperatura_fria"^^xsd:string) }

tipo estaConformadaPor tieneTemperatura

region zona temp dato

Cultivos por tipo

Selecciona todos los cultivos cuyo tipo es Frutal.

SELECT * {?cultivo crop:tieneTipo crop:TipoFrutal} tieneTipo cultivo

Cultivos por ciclo

Selecciona todos los cultivos cuyo ciclo es Perenne.

SELECT * {?cultivo crop:tieneCiclo crop:CicloPerenne} tieneCiclo cultivo

Cultivos por región

Selecciona todos los cultivos que crecen en un área la cual conforma una zona que forma parte de Sibaté.

SELECT ?cultivo { {?cultivo crop:creceEn ?area} {?area

crop:conformaZona ?zona} {?zona crop:formaParteDe crop:Sibate} }

creceEn conformaZona formaParteDe

cultivo area zona

Tabla 13. Consultas SPARQL Fuente: autores


50

5.11 Descripción de las instancias

En la Tabla 14 se presentan las instancias asociadas a los conceptos, que representan objetos de su dominio. Para este caso, se incluyen solamente aquellas relacionadas con el cultivo de la fresa, y sus valores óptimos. Se hace referencia a valores óptimos aquellos que permiten una producción adecuada y fue obtenido de (Cámara de Comercio de Bogotá., 2015). Es importante recordar que únicamente se incluyen los atributos de instancia, y sus valores asociados dependen del tipo de valor que se ha asignado previamente.

Nombre de la instancia

Concepto Atributo Valores

Fresa Cultivo

nombre fresa nombreRotacion fruto

descripcion Fruto casi redondo, algo apuntado, de un centímetro de largo, rojo, suculento y fragante.

FresaTop Topografia

anguloMax 10.0 anguloMin 0.0 textura arenoso textura franco_arenoso

FresaLum Luminosidad intensidadMax 12 intensidadMin 8

FresaSuelo Suelo identificador sueloFresa

FresaZona Zona identificador zonaFresa descripcion Zona óptima para la fresa.

FresaTem Temperatura

escalaTermicaMax 24.0 escalaTermicaMin 8.0 tipo tempTemplada tipo tempFria tipo tempCalida

FresaAltura Altura distanciaMax 3000 distanciaMin 0

FresaPh Acidez nivelMax 6.5 nivelMin 5.3

FresaHum Humedad nivelMax 75.0 nivelMin 60.0

FresaCMin CMIN identificador CMinFresa

FresaCloro Mineral

cantidadMax 20.0 cantidadMin 1.0 nombre Cl unidad ppm

FresaSulfato Mineral

cantidadMax 200.0 cantidadMin 100.0 nombre SO4 unidad ppm

FresaFosfato Mineral cantidadMax 1.0


51

cantidadMin 0.1 nombre PO4 unidad mg/L

FresaNitrato Mineral

cantidadMax 50.0 cantidadMin 1.0 nombre NO3 unidad mg/L

FresaCalcio Mineral

cantidadMax 1500.0 cantidadMin 1000.0 nombre Ca unidad ppm

FresaPotasio Mineral

cantidadMax 180.0 cantidadMin 120.0 nombre K unidad ppm

FresaManganeso Mineral

cantidadMax 4.0 cantidadMin 4.0 nombre Mn unidad ppm

FresaSodio Mineral

cantidadMax 100 cantidadMin 50.0 nombre Na unidad ppm

FresaAmonio Mineral

cantidadMax 42.0 cantidadMin 1.0 nombre NH4 unidad mg/L

FresaBoro Mineral

cantidadMax 2.0 cantidadMin 2.0 nombre B unidad ppm

FresaNitrogeno Mineral

cantidadMax 200.0 cantidadMin 100.0 nombre N unidad ppm

FresaMagnesio Mineral

cantidadMax 200.0 cantidadMin 150.0 nombre Mg unidad ppm

FresaZinc Mineral

cantidadMax 3.0 cantidadMin 3.0 nombre Zn unidad ppm

FresaCobre Mineral

cantidadMax 1.0 cantidadMin 1.0 nombre Cu unidad ppm

FresaHierro Mineral cantidadMax 10.0 cantidadMin 10.0


52

nombre Fe unidad ppm

FresaCiclo CicloPerenne cantidad 2 numeroCosechas 7 unidad anos

FresaEFen EtapaFenologica - - FresaEPro EtapaProductiva cantidad 10 FresaERep EtapaReproductiva cantidad 20 FresaEVeg EtapaVegetativa cantidad 120

TipoFrutal TipoCultivo nombre frutal

descripcion Fruto comestible de ciertas plantas cultivadas.

Cundinamarca Departamento nombre cundinamarca

FresaArea AreaCultivable identificador FresaArea descripcion Área óptima para la fresa

HongoDeSuelo Plaga nombre hongo_de_suelo descripcion Plaga de la raíz

Chiza Plaga nombre chiza descripcion Plaga de la raíz

AcaroBlanco Plaga nombre acaro_blanco descripcion Plaga de follaje y/o frutos

Trips Plaga nombre trips descripcion Plaga de follaje y/o frutos

Viruela Enfermedad nombre viruela

descripcion Tiene como agente causal mycosphaerella fragariae

Antracnosis Enfermedad nombre antracnosis

descripcion Enfermedad en ramas y tallos.

Tabla 14. Instancias en detalle Fuente: autores

Implementación de la ontología Para llevar a cabo la implementación del modelo obtenido en la sección anterior se

utiliza el software Protégé, siguiendo la secuencia manejada en la metodología: primero, la creación de conceptos teniendo en cuenta que se expresan como Clases en la herramienta, segundo, las relaciones binarias entre dichos conceptos definidos como Propiedades de Objeto o Clase, tercero, los atributos de instancias y clases que se denominan como Propiedades de datos, cuarto, las instancias que se manejan como Individuos, y por último, las reglas que se construyen en (Semantic Web Rules Language (SWRL)) .

En la Ilustración 8 se muestra el resultado de la Ontología implementada, generada por Protégé, utilizando el visualizador VOWL. Cada uno de los nodos principales, representan los Conceptos, que se relacionan entre ellos, por las relaciones binarias establecidas (véase Ilustración 7). Algunas de las relaciones binarias cuentan con la característica funcional o inversa funcional la cual establece que dicha relación solo puede ser usada una vez por cada instancia (por ejemplo, la relación tieneMadre es funcional). El concepto Cultivo presenta dos relaciones hacia sí mismo: proximoCultivo, quiere decir que un cultivo es próximo cultivo de otro, y cultivoRelacionado, donde un cultivo está relacionado con otro.

El modelo presenta dos nodos principales: Cultivo y Zona, que se conectan a través del nodo AreaCultivable, donde una Zona tiene un AreaCultivable, y un Cultivo crece en un AreaCultivable. A su vez, tanto Zona como Cultivo se relacionan con diferentes nodos que los describen; por ejemplo, la zona se representa por características geográficas y de terreno, tales como suelo, humedad, topografía, etc., mientras que un cultivo tiene asociado un tipo, un ciclo, una etapa fenológica, entre otros. Cada uno de los nodos cuenta con diferentes atributos que lo constituyen, que no son visibles en el diagrama, pero se utilizan en las reglas establecidas para generar las inferencias. En las secciones siguientes se muestra el proceso de implementación en Protégé, que permite el resultado de la Ilustración 8.

Capítulo 6 - Implementación de la ontología

54

Ilustración 8. Diagrama del modelo ontológico en visualizador VOWL

Fuente: autores

6.1 Conceptos (Clases)

En el proceso de creación de la ontología se deben agregar los conceptos definidos en una taxonomía (ver Ilustración 6) como Clases en la herramienta. Allí se muestra la súper clase o la clase base llamada Thing, y a partir de ella se agregan todas las clases (conceptos).

En la Ilustración 9 se puede ver la jerarquía de clases que se obtiene, adicionalmente, los conceptos cuentan con su correspondiente acrónimo y sinónimo (demarcado en rojo en la imagen).

Ilustración 9. Jerarquía de clases y visualización de acrónimos y sinónimos

Fuente: autores

6.2 Relaciones binarias (Propiedades de objetos)

Una vez se tienen las clases, se crean las propiedades de objetos que van a relacionar dichas clases entre sí. Allí se muestra la súper propiedad o la propiedad máxima llamada topObjectProperty, y a partir de ella se agregan todas las propiedades necesarias (relaciones binarias). Adicionalmente, estas propiedades cuentan con características propias como, por ejemplo, Transitiva, Reflexiva, Inversa, Funcional, Simétrica, entre otras, y elementos como rango y dominio tal como se evidencia en la Ilustración 10.


56

Ilustración 10. Creación de propiedades de objeto de la ontología

Fuente: autores

6.3 Atributos (Propiedades de datos)

En la Ilustración 11 se visualiza la adición de nuevas propiedades, así como los elementos que la describen como dominio y rango.

Ilustración 11. Creación de las propiedades de datos de la ontología

Fuente: autores


57

Para describir las clases es necesario adicionar los atributos correspondientes que definen los tipos de datos utilizados. Allí se muestra la súper propiedad o la propiedad máxima llamada topDataProperty, y a partir de ella se agregan todas las propiedades a utilizar (atributos de instancia y de clase).

6.4 Instancias (Individuos)

Antes de agregar las reglas y hacer pruebas, es necesario agregar datos en forma de instancias a la ontología que permiten verificar el modelo. En la Ilustración 12 se puede ver la interfaz para agregar una instancia nueva. Estas instancias hacen uso de los elementos anteriores, clases, propiedades de objeto y propiedades de datos. Adicionalmente, estas instancias cuentan con características definidas como afirmaciones de propiedad (Property Assertions) donde por ejemplo se relacionan, la instancia Fresa con la propiedad de dato nombre que tiene como tipo de dato String.

Ilustración 12. Creación de los individuos de la ontología

Fuente: autores

6.5 Reglas (Semantic Web Rules Language)

Para la adición de reglas a la ontología se empleó el lenguaje Semantic Web Rule Language (SWRL), teniendo en cuenta la notación de este, se adaptan las reglas y se agregan como se visualiza en la Ilustración 13. La interfaz de creación de reglas indica si la regla se encuentra bien descrita o presenta errores de sintaxis.


58

Ilustración 13. Adición de las reglas creadas para la ontología en SWRL

Fuente: autores

Pruebas

En esta sección se ven las pruebas de las reglas ya establecidas, a partir de un ejemplo presentado en la Ilustración 14.

Ilustración 14. Prueba de ejecución de la regla CultivoRelacionadoPorTipo

Fuente: autores


59

Al seleccionar alguna de ellas, como la regla CultivoRelacionadoPorTipo, se ejecuta, teniendo en cuenta que es necesario agregar sqwrl:select(?x), donde el término “?x” determina todos los elementos que cumplan con la regla. Para el ejemplo se desea obtener los elementos “?z” y “?y” de tipo Cultivo que cumplan con la regla, generando un resultado de individuos de este concepto.

Razonador

Una vez se tienen las reglas no es necesario probar cada una para ver su resultado, para ello se utiliza el razonador (debe ser activado en la herramienta) que, a partir de los axiomas encontrados y de reglas definidas, determina inferencias (). En la Ilustración 15 se pueden ver las inferencias dadas por el razonador, en dado caso, se dicta que para el individuo Cacao hay una relación cultivoRelacionado con los individuos Cacao y Fresa.

Ilustración 15. Resultados de inferencia utilizando un razonador

Fuente: autores

6.6 Inferencias

Las inferencias se obtienen a partir del razonamiento lógico de premisas que componen el modelo ontológico, el razonador es quién realiza esta tarea, presentando deducciones de características y del comportamiento de los cultivos, que determinan finalmente información clara y precisa. A continuación, se muestran 3 niveles de inferencias donde se presentan paso a paso algunas inferencias que componen el modelo ontológico.


60

INFERENCIA DE NIVEL BÁSICO

Para que surja una inferencia es necesario deducir reglas o axiomas del modelo ontológico, la siguiente premisa da lugar a una regla que genera la inferencia:

¿Qué cultivos son afectados por la plaga Colletotrichum?

A partir de esto se tiene la expresión escrita de la regla:

“Para toda plaga existe un cultivo x que es afectado por esa plaga”

Representada en un lenguaje informal de lógica de predicado así:

∀u / (Plaga(u) ∧ esAfectadoPor(x, u)) → ∃x / Cultivo(x)

Posteriormente, en un lenguaje de consulta, como, por ejemplo, SQWRL, la consulta sería de la siguiente manera:

Plaga(?u) ∧ esAfectadoPor(?cultivo, ?u) → sqwrl:select(?cultivo)

Teniendo en cuenta esto, es necesario reemplazar la variable correspondiente a la plaga por la correspondiente a Colletotrichum, representado así:

Plaga(Colletotrichum) ∧ esAfectadoPor(?cultivo, Colletotrichum) → sqwrl:select(?cultivo)

En la Ilustración 16 se evidencia la consulta ejecutada en la herramienta obteniendo como resultado los registros que se muestran en la Ilustración 17.

Ilustración 16. Visualización de consulta para inferencia “esAfectadoPor”

Fuente: autores


61

Ilustración 17. Resultado de consulta para inferencia “esAfectadoPor“

Fuente:autores También se puede expresar una consulta en lenguaje SPARQL así:

SELECT * {?cultivoA crop:esAfectadoPor crop:Colletotrichum}

INFERENCIA DE NIVEL INTERMEDIO

Para este apartado se tienen dos ejemplos donde la premisa que da inicio a la primera inferencia es:

¿Qué cultivo debería realizar después del actual de Cacao?

A partir de esto se tiene la expresión escrita de la regla de la siguiente forma:

“Para todo cultivo existe un cultivo x que corresponde a su próximo cultivo de acuerdo a su tipo”


∀x (Cultivo(x) ∧ nombreRotacion(x, "tipo”) ∧ Cultivo(y) ∧ nombreRotacion(y, "tipo”) → proximoCultivo(x, y)

Para el caso del Cacao, este corresponde a un fruto por lo tanto la regla de inferencia representada en lógica de predicado corresponde a:

∀x (Cultivo(x) ∧ nombreRotacion(x, "fruto”) ∧ Cultivo(y) ∧ nombreRotacion(y, "raiz”) → proximoCultivo(x, y)

Posteriormente, en un lenguaje de consulta, como, por ejemplo, SQWRL, la consulta sería de la siguiente manera:

Cultivo(?cultivox) ∧ proximoCultivo(?cultivox, ?cultivoy) → Cultivo(?cultivoy)


62

Teniendo en cuenta esto, es necesario reemplazar la variable correspondiente al cultivo por la correspondiente a Cacao, tal como se visualiza en la Ilustración 18, representado así:

Cultivo(Cacao) ∧ proximoCultivo(Cacao, ?cultivoy) → sqwrl:select(?cultivoy)

Ilustración 18. Visualización de consulta para inferencia “proximoCultivo”

Fuente: autores

En la Ilustración 19 se pueden visualizar los registros resultantes de la consulta generada en la Ilustración 18.

Ilustración 19. Resultado de consulta para inferencia “proximoCultivo“

Fuente: autores

Adicionalmente, la premisa que da lugar a la segunda inferencia corresponde a:

¿Cómo determinar que una zona es óptima para la fresa?

A partir de esto se tiene la expresión escrita de reglas donde se involucran siete criterios correspondientes a la zona (luminosidad, humedad, altura, temperatura, topografía, acidez del suelo y composición mineral del suelo) de forma individual en una regla cada uno, para este caso, la regla equivalente para establecer que una zona es óptima para la fresa por algún criterio, como, por ejemplo, la temperatura es:

“Si una Zona X presenta las características de temperatura acorde a las características de la zona definida para la fresa como óptima, entonces se afirma que

la Zona X es óptima por temperatura para la fresa”


63


∀z (Zona(x) ∧ tieneTemperatura(x, tem) ∧ Zona(zone) ∧ tipo(zone, "optimo") ∧ tieneTemperatura(zone, tem2) ∧ escalaTermicaMin(tem) ≥

escalaTermicaMin(tem2) ∧ escalaTermicaMax(tem) ≤ escalaTermicaMax(tem2) ∧ nombre(cult, nom) → esOptimoPor(x, ” temperatura para la ”, nom)

Para el caso de la zona de la fresa, la regla de inferencia representada en lógica de predicado corresponde a:

∀z (Zona(x) ∧ tieneTemperatura(x, tem) ∧ Zona(FresaZona) ∧ tipo(FresaZona, "optimo") ∧ tieneTemperatura(FresaZona, tem2) ∧ escalaTermicaMin(tem) ≥

escalaTermicaMin(tem2) ∧ escalaTermicaMax(tem) ≤ escalaTermicaMax(tem2) ∧ nombre(Fresa, nom) → esOptimoPor(x, ”temperatura para la fresa”)

Posteriormente, en un lenguaje de consulta (SQWRL), la consulta donde se evidencia claramente la inferencia anterior es:

Cultivo(?cultivo) ∧ nombre(?cultivo, ?nom) ∧ creceEn(?cultivo, ?area) ∧ conformaZona(?area, ?zonax) ∧ Zona(?zonax) ∧ esOptimoPor(?zonax, ?optimo) ∧ swrlb:startsWith(?optimo, "temperatura") ∧ swrlb:endsWith(?optimo, ?nom) →

sqwrl:select(?x)

Teniendo en cuenta esto, se reemplaza la variable correspondiente al cultivo por la correspondiente a Fresa, obteniendo el siguiente resultado:

Cultivo(Fresa) ∧ nombre(Fresa, ?nom) ∧ creceEn(Fresa, ?area) ∧ conformaZona(?area, ?zonax) ∧ Zona(?zonax) ∧ esOptimoPor(?zonax, ?optimo) ∧ swrlb:startsWith(?optimo, "temperatura") ∧ swrlb:endsWith(?optimo, ?nom) →

sqwrl:select(?zonax)

Tal como se observa en Ilustración 20 se encuentra la consulta anterior en la herramienta que genera como resultado una zona de prueba que se visualiza en la Ilustración 21.


64

Ilustración 20. Visualización de consulta para inferencia “esOptimoPor”

Fuente: autores

Ilustración 21. Resultado de consulta para inferencia “esOptimoPor“

Fuente: autores

INFERENCIA DE NIVEL ALTO

La premisa que da inicio a la inferencia es:

¿Qué cultivo se debería desarrollar después del actual de Fresa, teniendo en cuenta que la temperatura de la zona es óptima para la fresa?

La representación escrita de las reglas que dan respuesta a la pregunta anterior es:

“Para todo cultivoX existe un cultivoY que corresponde a su próximo cultivo de acuerdo a su tipo, además ese cultivoY crece en un área que conforma a una zona

que presenta una temperatura dentro del rango óptimo para el cultivoX”


∀z (Zona(x) ∧ tieneTemperatura(x, tem) ∧ Zona(zone) ∧ tipo(zone, "optimo") ∧ tieneTemperatura(zone, tem2) ∧ escalaTermicaMin(tem) ≥

escalaTermicaMin(tem2) ∧ escalaTermicaMax(tem) ≤ escalaTermicaMax(tem2) ∧ nombre(cult, nom) → esOptimoPor(x, ” temperatura para la ”, nom)


65

∀x (Cultivo(x) ∧ nombreRotacion(x, "tipo”) ∧ Cultivo(y) ∧ nombreRotacion(y, "tipo”) → proximoCultivo(x, y)

Para este caso, en primer lugar, se presenta la inferencia para el próximo cultivo siendo la fresa un fruto, y por el otro lado, que la fresa tiene unas características definidas para una zona óptima, de esta manera la regla de inferencia representada en lógica de predicado corresponde a:

∀x (Cultivo(Fresa) ∧ nombreRotacion(Fresa, "fruto”) ∧ Cultivo(y) ∧ nombreRotacion(y, "raiz”) → proximoCultivo(Fresa, y)

∀z (Zona(zonaX) ∧ tieneTemperatura(zonaX, tem) ∧ Zona(FresaZona) ∧ tipo(FresaZona, "optimo") ∧ tieneTemperatura(zone, tem2) ∧

escalaTermicaMin(tem) ≥ escalaTermicaMin(tem2) ∧ escalaTermicaMax(tem) ≤ escalaTermicaMax(tem2) ∧ nombre(Fresa, nom) → esOptimoPor(zonaX, ”

temperatura para la ”, nom)

La representación conjunta de las dos inferencias anteriores en un lenguaje de consulta (SQWRL) es:

Cultivo(?cultivo) ∧ Cultivo(?cultivoX) ∧ Zona(?zonaX) ∧ esOptimoPor(?zonaX, ?optimo) ∧ swrlb:startsWith(?optimo, "temperatura") ∧ swrlb:endsWith(?optimo,

"fresa") ∧ tieneArea(?zonaX, ?area) ∧ crece(?area, ?cultivoX) ∧ proximoCultivo(?cultivo, ?cultivoX) → sqwrl:select(?cultivoX)

Teniendo en cuenta esto, es necesario reemplazar la variable correspondiente al cultivo por la correspondiente a Fresa así como se muestra a continuación y en la Ilustración 22:

Cultivo(Fresa) ∧ Cultivo(?cultivoX) ∧ Zona(?zonaX) ∧ esOptimoPor(?zonaX, ?optimo) ∧ swrlb:startsWith(?optimo, "temperatura") ∧ swrlb:endsWith(?optimo,

"fresa") ∧ tieneArea(?zonaX, ?area) ∧ crece(?area, ?cultivoX) ∧ proximoCultivo(Fresa, ?cultivoX) → sqwrl:select(?cultivoX)


66

Ilustración 22. Visualización de consulta para inferencia “esOptimoPor” y “proximoCultivo”

Fuente: autores

En la Ilustración 23 se muestra el registro de cultivo obtenido en la consulta conforme a las dos inferencias utilizadas proximoCultivo y esOptimoPor.

Ilustración 23. Resultado de consulta para inferencia “esOptimoPor” y “proximoCultivo”

Fuente: autores

Consultas de inferencias con datos históricos

Debido a que las inferencias representan un papel muy importante en la ontología para determinar características y relaciones entre conceptos, en este apartado se presentan dos casos prácticos donde por medio de ellas es posible dar un conjunto de elementos como solución utilizando el lenguaje de consulta SPARQL en un servidor WEB.

Es importante aclarar que las inferencias se encuentran junto al modelo ontológico en un archivo OWL en formato RDF/XML, de esta manera permite acceder a la ontología y las características determinadas por las reglas definidas.

6.6.4.1 Consultando zonas óptimas para un cultivo

Para este caso se toma la premisa correspondiente a ¿qué zonas son óptimas para cultivar papa?, teniendo en cuenta que en las secciones anteriores se muestra cómo se determinan algunas de las inferencias que son necesarias para dar respuesta a dicha premisa. En la Ilustración 24 se puede evidenciar la estructura de consulta necesaria en lenguaje SPARQL para obtener un conjunto solución de las zonas que son aptas para el cultivo de papa en particular, además de un indicador como la cantidad de criterios que cumple satisfactoriamente, teniendo en cuenta que el número máximo corresponde a siete que son el número de características de la zona Altura, Acidez, ComposicionMineral, Humedad, Luminosidad, Temperatura y Topografía.


67

La estructura de consulta utilizada consta de varias triplas como se pueden visualizar en la Ilustración 24, en las líneas de código del número 8 al número 12, quitando los elementos que cumplan con la tripla de la línea 14 y filtrando los criterios óptimos para el cultivo de papa en la línea 16. Posteriormente, en la línea 19 se muestra los elementos agrupados con respecto a la función COUNT, utilizada para contar la cantidad de características cumplidas por las zonas.

Ilustración 24. Consulta SPARQL: zonas óptimas para la papa

fuente: autores En conclusión, el resultado es ordenado con respecto a la cantidad de criterios cumplidos de mayor a menor y tal como se muestra en Ilustración 25, el primer resultado con una cantidad de 5 representa la zona más apta en este caso en la vereda El Peñón la finca La Entrada (ZonaVEPFLEn).

Ilustración 25. Resultado consulta zonas óptimas para la papa

fuente: autores


68

Teniendo en cuenta que la mejor solución corresponde a la ZonaVEPFLEn y el resultado indica que solo cumple cinco criterios de los siete, en los siguientes gráficos se muestra la relación de los dos criterios que no satisface, demostrando la variación que se encuentra en los datos históricos con respecto a los datos óptimos.

En la Ilustración 26 se evidencia en un gráfico circular que los criterios cumplidos abarcan más de la mitad por lo que se puede considerar esta zona como óptima para cultivar papa.

Ilustración 26. Gráfico relación cultivo papa con zona VEPFLEn

fuente: autores

En la Ilustración 27 se muestra que el promedio de la humedad de la zona con respecto a la óptima tiene tan solo una variación de 2,50 por encima, por lo que puede decirse que no presenta características contradictorias u opuestas a las determinadas para el cultivo seleccionado.

Para la característica de luminosidad se evidencia que el promedio presenta una variación del 44% con respecto a la luminosidad mínima óptima tal como se muestra en la Ilustración 28.


69

Ilustración 27. Gráfico relación humedad máxima óptima con humedad promedio de zona VEFLEn

fuente: autores

Ilustración 28. Gráfico relación luminosidad mínima óptima con luminosidad promedio zona VEPFLEn

fuente: autores

6.6.4.2 Consultando cultivos óptimos para cultivar en zona seleccionada

Para este caso se toma la premisa correspondiente a ¿qué cultivos son óptimos para cultivar en la vereda Bradamonte? En la Ilustración 29 se visualiza la estructura de consulta necesaria en lenguaje SPARQL para obtener un conjunto solución de las zonas vinculadas a la vereda seleccionada junto a los cultivos que se desarrollan, además de un indicador de la cantidad de criterios que cumple satisfactoriamente para los cultivos encontrados.


70

La estructura de consulta utilizada consta de varias triplas, (véase Ilustración 29) donde en las líneas de código del número 8 al número 14, quitando los elementos que cumplan con la tripla de la línea 16 y filtrando en la línea 18 los criterios óptimos para el cultivo de papa y fresa, que son los que se encuentran registrados. Posteriormente, en la línea 20 se muestra los elementos agrupados con respecto a la función COUNT, utilizada para contar la cantidad de características cumplidas por los cultivos.

Ilustración 29. Consulta SPARQL: cultivos óptimos para la vereda Bradamonte

fuente: autores

En conclusión, el resultado es ordenado con respecto a la cantidad de criterios cumplidos de mayor a menor y tal como se muestra en Ilustración 30 el primer resultado con una cantidad de 4 representa el cultivo más apto correspondiente a la papa en una zona relacionada con la vereda Bradamonte que en este caso corresponde a la finca el Manantial (ZonaVBFEMa).

Ilustración 30. Resultado consulta cultivos óptimos para la vereda Bradamonte

fuente: autores


71

Teniendo en cuenta que la mejor solución corresponde a cultivar papa en la ZonaVBFEMa y el resultado indica que este cultivo en dicha zona solo cumple cuatro criterios de los siete, en los siguientes gráficos se muestra la relación de los criterios restantes que no se satisfacen, presentando la variación que se encuentra en los datos históricos con respecto a los datos óptimos.

En la Ilustración 31 se presenta en un gráfico circular los criterios cumplidos, que abarcan un poco más de la mitad, por lo que se puede considerar el cultivo de papa como óptimo para la zona seleccionada.

Ilustración 31. Gráfico relación zona VBFEMa con cultivo papa

fuente: autores

En la Ilustración 32 se muestra que, el promedio de la humedad de la zona con respecto a la óptima para la papa, tiene tan solo una variación de 2,50 por encima, es decir que no presenta características contradictorias u opuestas a las determinadas; por lo tanto, en este aspecto el cultivo es aceptable para las condiciones.


72

Ilustración 32. Gráfico relación humedad máxima óptima con humedad promedio de zona VBFEMa

fuente: autores

Para la característica de luminosidad de la zona, el promedio tiene una variación del 44% con respecto a la luminosidad mínima óptima para la papa, tal como se muestra en la Ilustración 33; este criterio se encuentra casi a la mitad del valor esperado, por lo cual se recomendarían acciones en el cultivo para ajustar esta característica.

Ilustración 33. Gráfico relación luminosidad mínima óptima con luminosidad promedio zona VBFEMa

fuente: autores

Para la temperatura, el valor promedio de la zona respecto a la considerada óptima para la papa, se ajusta exactamente al valor mínimo como se evidencia en la Ilustración 34, por lo que puede ser un criterio aceptable del cultivo a llevar a cabo.


73

Ilustración 34. Gráfico relación temperatura máxima y mínima óptima con temperatura promedio zona VBFEMa

fuente: autores Finalmente, se puede afirmar que, aunque las características de los datos históricos no se ajustan totalmente, en la mayoría de los casos supera el porcentaje de precisión en un 50% tal como se refleja en el anterior caso práctico y alcanza más de un 70% como se muestra en el primer caso correspondiente a las zonas óptimas para el cultivo de papa.

Prototipo de visualización El prototipo de visualización consiste en una aplicación Web que presenta las funcionalidades del modelo ontológico para proporcionar opciones de cultivos y de zonas, de acuerdo a unas características y condiciones específicas. En la Ilustración 24 se presenta la arquitectura general de la aplicación; comienza desde la adquisición del conocimiento sobre el dominio al investigar en las fuentes de información. A continuación, siguiendo la metodología Methontology se obtiene un diseño conceptual que permite ser implementado en la herramienta Protégé, donde se generan tres principales archivos: la ontología en OWL, las reglas en SWRL y las consultas en SPARQL. Estos archivos son los utilizados para la aplicación Web en Javascript, donde se establece la lógica, incluyendo el API OWL.

Ilustración 35. Arquitectura de la aplicación interactiva web

Fuente: autores

La aplicación cuenta con un Gestor de Cultivos donde se tiene la información relacionada a los cultivos, y se definen las funciones de los mismos, como por ejemplo la identificación de

Capítulo 7 - Prototipo de visualización

75

los cultivos que se encuentran relacionados ya sea por tipo o por ciclo. El Gestor de Zonas lleva a cabo todos los procesos relacionados con los lugares físicos donde se desarrollan los cultivos, por ejemplo, la identificación de regiones y departamentos que cumplen con ciertas características de temperatura, topografía, altura, etc. El Core relaciona los dos gestores y se encarga de procesar las funciones que involucran tanto los cultivos como las zonas. Este componente principal se encarga de ejecutar las reglas que permiten generar las inferencias, para luego ejecutar las consultas que determinan, por ejemplo, cuáles cultivos se dan óptimamente en una determinada zona.

En la Ilustración 25 se muestra la página principal de la aplicación web, llamada Onto-Agri. Cuenta con seis pestañas: 1) la página principal o Home, donde se explica brevemente de qué trata la aplicación; 2) la página de Información muestra un listado de los datos existentes, es decir, de las zonas y cultivos que se encuentran registrados en la aplicación (véase Ilustración 27); 3) en Consultas se puede redirigir a dos páginas diferentes, la primera para consultas por zona, donde se presenta un mapa del municipio de caso de estudio, Sibaté, señalando cada una de sus veredas; allí se pueden seleccionar las características por las cuales se hará la consulta, y en caso de que exista, el cultivo que se tiene actualmente. Como resultado se obtiene una lista de cultivos óptimos para la zona seleccionada, por los criterios escogidos (Ilustración 26). El segundo tipo de consultas es por cultivos, donde se encuentra el mismo mapa y la lista de cultivos; el resultado de esta consulta es el mapa resaltando las zonas donde se da óptimamente el cultivo seleccionado; adicionalmente, se puede consultar cuál debe ser el cultivo siguiente teniendo un cultivo actual.

Ilustración 36. Página principal de Onto-Agri

Fuente: autores

Capítulo 7 - Prototipo de visualización

76

4) En Acerca de, se halla información respecto a los creadores de la aplicación; 5) en Ayuda se muestra una descripción de cómo realizar las consultas y qué esperar como resultado; 6) finalmente, en Demo se muestra un video donde se usa la aplicación, a partir de un ejemplo.

Ilustración 37. Ejemplo de vista de consultas por zona

Fuente: autores

Ilustración 38. Ejemplo de vista de información

Fuente: autores

Conclusiones

8.1 Conclusiones

El modelo conceptual planteado en este trabajo, permite la recopilación y clasificación de la información extraída de documentos gubernamentales oficiales, en relación a la producción agrícola, para facilitar su visualización, interacción y apropiación, al ser formalizada en términos de conceptos, atributos y relaciones, por lo que su interpretación queda desprovista de confusiones terminológicas como al utilizar un lenguaje natural y una organización jerárquica. La representación ontológica está diseñada para permitir la inclusión dinámica de nuevos conceptos asociados a la producción de cultivos, y sus atributos correspondientes.

La aplicación de lógica de predicados posibilita que el modelo genere deducciones que ayudan a caracterizar su comportamiento, respecto a los aspectos necesarios para llevar una producción de cultivos efectiva, favoreciendo la generación de conocimiento para establecer cuáles cultivos deben darse en una región específica, bajo unas condiciones proporcionadas, y cuáles regiones son óptimas para un cultivo definido, basados en ciertos escenarios, como por ejemplo, el hecho de considerar qué tipo de cultivo está actualmente, para poder recomendar el siguiente.

Los registros de datos históricos de cultivos que ya han sido realizados en los últimos años, permiten contrastar la información encontrada en los manuales, fichas técnicas y demás documentos donde se establecen los criterios óptimos para un cultivo; en este caso, la información histórica correspondiente al cultivo de papa, muestra diferentes zonas cultivables, donde a pesar de no cumplir completamente con todos los criterios, se han llevado a cabo producciones de este cultivo; sin embargo, varios de los criterios considerados se encuentran en los rangos establecidos como mejores opciones, por consiguiente hay una correspondencia entre la información real encontrada, y la información académica brindada por entidades gubernamentales.

Capítulo 8 - Conclusiones

78

La información utilizada para alimentar la ontología es de gran importancia ya que permite probar las reglas y verificar los resultados obtenidos por el modelo, respecto a escenarios característicos que corresponden a antecedentes históricos de cultivos ya realizados. Debido a que la mayoría de la información no es de acceso público y los registros encontrados no cuentan con todos los criterios considerados por el modelo ontológico, se presenta como gran desafío la obtención de conjuntos de datos característicos de zonas y cultivos, siendo necesario agrupar registros de diversas fuentes de investigaciones, estadísticas gubernamentales de diferentes años y adicionalmente, asignar rangos promedios para completar los criterios necesarios para el modelo.

8.2 Trabajos futuros

La estructura de información que alimenta el modelo ontológico puede ser ampliada en dos aspectos: el primero, corresponde a la incorporación de conceptos, criterios y otros componentes, tales como la radiación UV, el requerimiento hídrico, los costos de producción, la oferta y la demanda o las técnicas de cultivo, así como especificaciones más detalladas respecto a las áreas, zonas y regiones; en segundo lugar, la agregación de datos históricos de estudios de suelo y de cultivos en diferentes zonas y departamentos del país, mediante la agrupación de contenido estadístico de diferentes fuentes de información como por ejemplo, entidades nacionales o departamentales para brindar al modelo una mayor confiabilidad a la hora de determinar zonas de cultivo y tipos de cultivo a partir de escenarios explícitamente definidos.

Teniendo en cuenta que la adquisición y organización de los datos requeridos para alimentar el modelo ontológico representa un aspecto fundamental, se sugiere incluir el desarrollo de dos actividades: la primera concierne al uso de técnicas de análisis de datos para obtener registros completos y consistentes de información, y la segunda, corresponde a la implementación de técnicas de inteligencia artificial como sistemas multi-agentes, lógica difusa, redes neuronales artificiales, entre otras, que permitan optimizar los resultado del modelo.

El entorno de visualización web de ONTO-AGRI propuesto en este proyecto ha sido desarrollado de manera modular lo que permite extender a otras funcionalidades como: primero, la incorporación de un razonador externo para que no se requiera la inclusión de inferencias en la ontología; segundo, es importante que se pueda almacenar y mostrar documentos relacionados a la agricultura colombiana, como lo son los manuales técnicos para cultivos; por último, implementar diferentes filtros a las consultas para facilitar su uso.

Capítulo 8 - Conclusiones

79

Considerando que la definición de reglas para generar deducciones dentro del modelo parte de una premisa en lenguaje natural para luego llegar a una expresión en lógica de predicados, sería importante incorporar mecanismos que favorezcan a la agregación e integración de reglas en forma dinámica, para usuarios que no necesariamente deban estar especializados en un lenguaje formal y tampoco sea necesario hacer modificaciones desde la herramienta donde se ha generado el modelo, en este caso, Protégé.

Referencias Abrahão, E., & Hirakawa, A. R. (Diciembre de 2017). Task Ontology Modeling for Technical

Knowledge Representation in Agriculture Field Operations Domain. IEEE, 12-16. Obtenido de https://ieeexplore-ieee-org.bdigital.udistrital.edu.co/document/8241212/

Ahsan, M., Motla, Y. H., & Asim, M. (Febrero de 2015). Knowledge modeling fore-agriculture using ontology. IEEE, 112-121. Obtenido de https://ieeexplore-ieee-org.bdigital.udistrital.edu.co/document/7029330/

Cámara de Comercio de Bogotá. (2015). Manual del Cultivo de la Fresa. Bogotá D.C., Colombia: Núcleo Ambiental S.A.S.

Chandrasekaran, B., Josephson, J. R., & Richard Benjamins, V. (1999). What Are Ontologies, and Why Do We Need Them? IEEE INTELLIGENT SYSTEMS, 20-26.

Corcho, O., Fernández-López, M., Gómez-Pérez, A., & López-Cima, A. (2005). Construcción de ontologías legales con la metodología\ud METHONTOLOGY y la herramienta WebODE. Universidad Politécnica de Madrid, 1-17. Obtenido de https://core.ac.uk/display/11994341

Corporación PBA. (2012). Guía Técnica Para el Establecimiento y Manejo del Cultivo de Cacao. Bogotá, Colombia: José de Jesús Suárez Segura.

Díaz Piraquive, F. N., Joyanes Aguilar, L., & Medina García, V. H. (2009). Taxonomía, ontología y folksonomía, ¿qué son y qué benefi cios u oportunidades presentan para los usuarios de la web? Universidad y Empresa, 242-261.

Fernández, M. E. (2013). Efectos del cambio climático en la producción y rendimiento de cultivos por sectores. FONADE - IDEAM.

Fernández-López, M., Gómez-Pérez, A., & Juristo, N. (Marzo de 1997). METHONTOLOGY: From Ontological Art Towards Ontological Engineering. AAAI Spring Symposium Series, 33-40. Obtenido de http://oa.upm.es/5484/

Food And Agriculture Organization Of The United Nations. (2009). Glosario de agricultura orgánica. Roma.

Ginige, A., Walisadeera, A. I., Ginige, T., De Silva, L., Di Giovanni, P., Mathai, M., . . . Jain, R. (Diciembre de 2016). Digital Knowledge Ecosystem for achieving Sustainable

Referencias

81

Agriculture Production: A Case Study from Sri Lanka. IEEE, 602-611. Obtenido de https://ieeexplore-ieee-org.bdigital.udistrital.edu.co/document/7796947/

Giraldo, G., Zapata, C., Arias, F., Cadavid, L., & Hoyos, A. (2008). An ontological approach for modeling the object oriented paradigm. Revista Avances en Sistemas e Informática, 5(3).

Gobernación de Antioquia . (2015). Manual Técnico del Cultivo de Maíz Bajo Buenas Prácticas Agrícolas. Medellín, Colombia: Fotomontajes S.A.S.

Gómez-Pérez, A., Pazos Sierra, J., & Fernández-López, M. (Febrero de 1999). Building a chemical ontology using Methontology and the Ontology Design Environment. IEEE, 37-46. Obtenido de https://ieeexplore.ieee.org/document/747904/

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. d. (2014). Metodología de la Investigación (Sexta ed.). México D.F.: McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V.

Hualla, V., Gomez, R., Salas, A., Cordova, R., Haan, S. d., Bonierbale, M., & Simon, R. (2014). Desarrollo de ontologias para papas, mejoradas. In: Asociacion Latinoamericana de la Papa , 187.

IDEAM. (Agosto de 2018). METEOROLOGÍA AGRÍCOLA - BOLETÍN AGROCLIMÁTICO. Obtenido de IDEAM - Instituto de Hidrología, Meteorología y Estudios Ambientales: http://www.ideam.gov.co/web/tiempo-y-clima/boletin-agroclimatico/-/document_library_display/o7HBhnNMuqY0/view/66701198

Kaushik, N., & Chatterjee, N. (2016). A Practical Approach for Term and Relationship Extraction for Automatic Ontology Creation from Agricultural Text. 2016 International Conference on Information Technology (ICIT) (págs. 241-247). Bhubaneswar, India: IEEE.

Kawtrakul, A., Khunthong, V., Suktarachan, M., Lertsuchatavanich, U., Puusittikul, A., Tiendee, S., & Ujjin, S. (2014). Development of an Information Integration and Knowledge Fusion Platform for Spatial and Time Based Advisory Services: Precision Farming as a Case Study. 2014 Annual SRII Global Conference (págs. 241-248). San Jose, CA, USA: IEEE.

Referencias

82

Latham, M. C. (2002). Capítulo 26: Cereales, raíces feculentas y otros alimentos con alto contenido de carbohidratos. En M. C. Latham, NUTRICIÓN HUMANA EN EL MUNDO. Ithaca, Nueva York, Estados Unidos: Organización de las Naciones Unidas para la Agricultura y la Alimentación.

Latham, M. C. (2002). Capítulo 28: Hortalizas y frutas. En M. C. Latham, NUTRICIÓN HUMANA EN EL MUNDO. Ithaca, Nueva York, Estados Unidos: Organización de las Naciones Unidas para la Agricultura y la Alimentación.

Liu, L., & Tamer Özsu, M. (2008). Ontology. Encyclopedia of Database Systems.

Lozano, A. (2001). Ontologías en la web Semántica. Obtenido de www.informandote.com/jornadasIngWEB/articulos/jiw02.pdf

Malik, N., Sharan, A., & Hijam, D. (2015). Ontology development for agriculture domain. 2015 2nd International Conference on Computing for Sustainable Global Development (INDIACom) (págs. 738-742). New Delhi, India: IEEE.

Ministerio de Agricultura. (2018). AgroNet, Estadísticas, Mayo de 2016. Obtenido de Ministerio de Agricultura: http://www.agronet.gov.co/estadistica/Paginas/default.aspx

Mylopoulos, J., & Levesque, H. (1980). An overview of knowledge representation. ACM SIGMOD, 5-7.

Naciones Unidas. (2016). Agenda 2030 de la ONU y los Objetivos de Desarrollo Sostenible . Santiago: CEPAL.

O’Connor, M. (23 de Junio de 2009). protégé. Obtenido de https://protege.stanford.edu/conference/2009/slides/SWRL2009ProtegeConference.pdf

Ocampo, J. A. (22 de Septiembre de 2018). El Plan Nacional de Desarrollo y la Agenda 2030 de la ONU. El Tiempo.

Onot, K., Kawanott, S., & Fukazawat, Y. (1992). A resolution method from predicate logic specification into executable code. IEEE Conference Publications (págs. 481-483). Kauai: IEEE.

Organización de las Naciones Unidas para la Alimentación y la Agricultura. (2018). PORTAL TERMINOLÓGICO DE LA FAO. Obtenido de http://www.fao.org/faoterm/es/

Referencias

83

Pokharel, S., Sherif, M. A., & Lehmann, J. (Octubre de 2014). Ontology Based Data Access and Integration for Improving the Effectiveness of Farming in Nepal. IEEE, 319-326. Obtenido de https://ieeexplore-ieee-org.bdigital.udistrital.edu.co/document/6927641/

Real Academia Española. (2018). Diccionario de la lengua española. Obtenido de http://dle.rae.es/

United Nations Statistics Division. (1997). Glossary of environment statistics / Department for Economic and Social Information and Policy Analysis (Vol. Studies in methods. Series F ; no. 67.). New York: United Nations New York. Obtenido de https://stats.oecd.org/glossary/detail.asp?ID=1382

Uschold, M., & Gruninger, M. (1996). Ontologies: Principles Methods and Applications. Knowledge Engineering Review, 11(2).

Wache, H., Vögele, T. J., Visser, U., Stuckenschmidt, H., Schuster, G., Neumann, H., & Hübner, S. (2001). Ontology-Based Integration of Information - A Survey of Existing Approaches. IJCAI, 108-117.

World Wide Web Consortium. (10 de Febrero de 2004). Recomendaciones del W3C. Obtenido de https://www.w3.org/2007/09/OWL-Overview-es.html#s3.5

World Wide Web Consortium. (10 de Febrero de 2004). W3C Recommendation. Obtenido de https://www.w3.org/TR/2004/REC-owl-guide-20040210/#OwlVarieties

World Wide Web Consortium. (11 de Diciembre de 2013). World Wide Web Consortium. Obtenido de https://www.w3.org/OWL/

World Wide Web Consortium. (15 de Marzo de 2014). World Wide Web Consortium. Obtenido de https://www.w3.org/2001/sw/wiki/RDF

Yu, F., Tan, C.-P., Zhang, J.-F., Sun, S.-F., Zheng, H.-G., Liu, X., . . . Qin, X.-J. (2015). Design and Development of the Farmers' Personalized M-learning System. International Conference on Computer Science and Applications (CSA) (págs. 208-212). Wuhan, China: IEEE.

prototipo ontolÓgico para - francisco josé de caldas...

Documents