Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation

Autores
Menendez-Coccoz, Martin; Rotili, Diego Hernán; Otegui, María Elena; Martini, Gustavo; Paolini, María; Di Bella, Carlos Marcelo; Piñeiro, Gervasio; Oesterheld, Martín
Año de publicación
2025
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Most crop yield forecast models operate at coarse scales (e.g., county or region) or need extensive input data for finer resolutions. Here, we present maize (Zea mays L.) yield forecast models that require minimal user data and operate at field and regional scales throughout the growing season. Using 1853 maize field-years in Argentina, with known location, sowing date, and yield, our models leveraged absorbed radiation (from satellite imagery), temperature-based phenology, regional site-year properties, El Niño-Southern Oscillation (ENSO) phase predictions, and sowing period. At the field scale, our models achieved high accuracy at physiological maturity, with a mean error of 1 t ha−1 (16%). Yield forecasts were mainly driven by absorbed radiation during the reproductive phase and a regional factor. Early-season forecasts incorporated ENSO and sowing period, but with reduced accuracy. When scaled to regional forecasts, the models performed even better, with a mean error of 0.3 t ha−1 (4%). These results combine a novel case of yield forecast because of the low data requirements from users, high anticipation (30–90 days before harvest), and good levels of accuracy at both field and regional scales. Additionally, the models’ interpretability makes them valuable diagnostic tools for post-season analysis.
EEA Pergamino
Fil: Menendez-Coccoz, Martin. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; Argentina
Fil: Otegui, María Elena. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino; Argentina
Fil: Otegui, María E. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Otegui, María E. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; Argentina
Fil: Martini, Gustavo. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; Argentina
Fil: Paolini, María. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; Argentina
Fil: Di Bella, Carlos. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Piñeiro, Gervasio. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Oesterheld, Martín. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fuente
Agronomy Journal 117 (3) : e70089. (May/June 2025)
Materia
Maíz
Maize
Rendimiento de Cultivos
Crop Yield
Manejo del Cultivo
Crop Management
Radiación Fotosintéticamente Activa
Photosynthetically Active Radiation
El Niño
Índice de Cosecha
Harvest Index
Nivel de accesibilidad
acceso restringido
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/22797
Acceder
id INTADig_df7e0b2292cd79ae6e7d1239b830ad22
oai_identifier_str oai:localhost:20.500.12123/22797
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiationMenendez-Coccoz, MartinRotili, Diego HernánOtegui, María ElenaMartini, GustavoPaolini, MaríaDi Bella, Carlos MarceloPiñeiro, GervasioOesterheld, MartínMaízMaizeRendimiento de CultivosCrop YieldManejo del CultivoCrop ManagementRadiación Fotosintéticamente ActivaPhotosynthetically Active RadiationEl NiñoÍndice de CosechaHarvest IndexMost crop yield forecast models operate at coarse scales (e.g., county or region) or need extensive input data for finer resolutions. Here, we present maize (Zea mays L.) yield forecast models that require minimal user data and operate at field and regional scales throughout the growing season. Using 1853 maize field-years in Argentina, with known location, sowing date, and yield, our models leveraged absorbed radiation (from satellite imagery), temperature-based phenology, regional site-year properties, El Niño-Southern Oscillation (ENSO) phase predictions, and sowing period. At the field scale, our models achieved high accuracy at physiological maturity, with a mean error of 1 t ha−1 (16%). Yield forecasts were mainly driven by absorbed radiation during the reproductive phase and a regional factor. Early-season forecasts incorporated ENSO and sowing period, but with reduced accuracy. When scaled to regional forecasts, the models performed even better, with a mean error of 0.3 t ha−1 (4%). These results combine a novel case of yield forecast because of the low data requirements from users, high anticipation (30–90 days before harvest), and good levels of accuracy at both field and regional scales. Additionally, the models’ interpretability makes them valuable diagnostic tools for post-season analysis.EEA PergaminoFil: Menendez-Coccoz, Martin. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; ArgentinaFil: Otegui, María Elena. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino; ArgentinaFil: Otegui, María E. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Otegui, María E. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; ArgentinaFil: Martini, Gustavo. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; ArgentinaFil: Paolini, María. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; ArgentinaFil: Di Bella, Carlos. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Piñeiro, Gervasio. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaFil: Oesterheld, Martín. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; ArgentinaWiley2025-06-26T11:38:11Z2025-06-26T11:38:11Z2025-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/22797https://acsess.onlinelibrary.wiley.com/doi/10.1002/agj2.700890002-19621435-0645 (online)https://doi.org/10.1002/agj2.70089Agronomy Journal 117 (3) : e70089. (May/June 2025)reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaenginfo:eu-repo/semantics/restrictedAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-09-24T11:41:45Zoai:localhost:20.500.12123/22797instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-09-24 11:41:46.148INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
title Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
spellingShingle Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
Menendez-Coccoz, Martin
Maíz
Maize
Rendimiento de Cultivos
Crop Yield
Manejo del Cultivo
Crop Management
Radiación Fotosintéticamente Activa
Photosynthetically Active Radiation
El Niño
Índice de Cosecha
Harvest Index
title_short Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
title_full Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
title_fullStr Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
title_full_unstemmed Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
title_sort Low-input interpretable models to forecast maize yield at multiple scales based on absorbed radiation
dc.creator.none.fl_str_mv Menendez-Coccoz, Martin
Rotili, Diego Hernán
Otegui, María Elena
Martini, Gustavo
Paolini, María
Di Bella, Carlos Marcelo
Piñeiro, Gervasio
Oesterheld, Martín
author Menendez-Coccoz, Martin
author_facet Menendez-Coccoz, Martin
Rotili, Diego Hernán
Otegui, María Elena
Martini, Gustavo
Paolini, María
Di Bella, Carlos Marcelo
Piñeiro, Gervasio
Oesterheld, Martín
author_role author
author2 Rotili, Diego Hernán
Otegui, María Elena
Martini, Gustavo
Paolini, María
Di Bella, Carlos Marcelo
Piñeiro, Gervasio
Oesterheld, Martín
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Maíz
Maize
Rendimiento de Cultivos
Crop Yield
Manejo del Cultivo
Crop Management
Radiación Fotosintéticamente Activa
Photosynthetically Active Radiation
El Niño
Índice de Cosecha
Harvest Index
topic Maíz
Maize
Rendimiento de Cultivos
Crop Yield
Manejo del Cultivo
Crop Management
Radiación Fotosintéticamente Activa
Photosynthetically Active Radiation
El Niño
Índice de Cosecha
Harvest Index
dc.description.none.fl_txt_mv Most crop yield forecast models operate at coarse scales (e.g., county or region) or need extensive input data for finer resolutions. Here, we present maize (Zea mays L.) yield forecast models that require minimal user data and operate at field and regional scales throughout the growing season. Using 1853 maize field-years in Argentina, with known location, sowing date, and yield, our models leveraged absorbed radiation (from satellite imagery), temperature-based phenology, regional site-year properties, El Niño-Southern Oscillation (ENSO) phase predictions, and sowing period. At the field scale, our models achieved high accuracy at physiological maturity, with a mean error of 1 t ha−1 (16%). Yield forecasts were mainly driven by absorbed radiation during the reproductive phase and a regional factor. Early-season forecasts incorporated ENSO and sowing period, but with reduced accuracy. When scaled to regional forecasts, the models performed even better, with a mean error of 0.3 t ha−1 (4%). These results combine a novel case of yield forecast because of the low data requirements from users, high anticipation (30–90 days before harvest), and good levels of accuracy at both field and regional scales. Additionally, the models’ interpretability makes them valuable diagnostic tools for post-season analysis.
EEA Pergamino
Fil: Menendez-Coccoz, Martin. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Rotili, Diego H. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; Argentina
Fil: Otegui, María Elena. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Pergamino; Argentina
Fil: Otegui, María E. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Otegui, María E. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Producción Vegetal; Argentina
Fil: Martini, Gustavo. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; Argentina
Fil: Paolini, María. Asociación Argentina de Consorcios Regionales de Experimentación Agrícola. Unidad de Investigación y Desarrollo, Área de Agricultura; Argentina
Fil: Di Bella, Carlos. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Piñeiro, Gervasio. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
Fil: Oesterheld, Martín. Universidad de Buenos Aires. Facultad de Agronomía. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones Fisiológicas y Ecológicas Vinculadas a la Agricultura; Argentina
description Most crop yield forecast models operate at coarse scales (e.g., county or region) or need extensive input data for finer resolutions. Here, we present maize (Zea mays L.) yield forecast models that require minimal user data and operate at field and regional scales throughout the growing season. Using 1853 maize field-years in Argentina, with known location, sowing date, and yield, our models leveraged absorbed radiation (from satellite imagery), temperature-based phenology, regional site-year properties, El Niño-Southern Oscillation (ENSO) phase predictions, and sowing period. At the field scale, our models achieved high accuracy at physiological maturity, with a mean error of 1 t ha−1 (16%). Yield forecasts were mainly driven by absorbed radiation during the reproductive phase and a regional factor. Early-season forecasts incorporated ENSO and sowing period, but with reduced accuracy. When scaled to regional forecasts, the models performed even better, with a mean error of 0.3 t ha−1 (4%). These results combine a novel case of yield forecast because of the low data requirements from users, high anticipation (30–90 days before harvest), and good levels of accuracy at both field and regional scales. Additionally, the models’ interpretability makes them valuable diagnostic tools for post-season analysis.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-26T11:38:11Z
2025-06-26T11:38:11Z
2025-05
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/22797
https://acsess.onlinelibrary.wiley.com/doi/10.1002/agj2.70089
0002-1962
1435-0645 (online)
https://doi.org/10.1002/agj2.70089
url http://hdl.handle.net/20.500.12123/22797
https://acsess.onlinelibrary.wiley.com/doi/10.1002/agj2.70089
https://doi.org/10.1002/agj2.70089
identifier_str_mv 0002-1962
1435-0645 (online)
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/restrictedAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv restrictedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Wiley
publisher.none.fl_str_mv Wiley
dc.source.none.fl_str_mv Agronomy Journal 117 (3) : e70089. (May/June 2025)
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1877227305986686976
score 13.265058

Publicaciones similares