Examinando por Autor "Ganoza Roncal, Jorge Juan"

Mostrando 1 - 8 de 8

Agricultural research and extension: trends and challenges in Peru and around the world (2015–2025)
(Frontiers Media S.A., 2025-12-17) Olano Camán, Yadhira Milagros; Cruz Luis, Juancarlos Alejandro; Alvarez Robledo, Yeltsin Abel; Chuquibala Checan, Beimer; Arce Inga, Marielita; Tafur Culqui, Josué; Fernandez Zárate, Franklin Hitler; García Frias, Larry Dustin; Taboada Mitma, Víctor Hugo; Ganoza Roncal, Jorge Juan; Tineo Flores, Daniel; Goñas Goñas, Malluri
Agricultural extension, understood as producer-oriented guidance, is vital for driving technology adoption and sector development. This systematic review (2015–2025) examines global and national trends in agricultural research and extension, witha particular focus on Peru's policy landscape. Internationally, the U.S.A., China, and Europe are identified as leaders in scientific innovation, while Brazil excels regionally through its integrated approach to research, innovation, and extension. Agricultural research is still centralized in Lima on a national level, but expanding capability in areas like Amazonas, Junín, and Puno emphasizes how urgently decentralization is needed. By comparing national research output with MIDAGRI’s Agrarian Development Plan 2021–2030 and relevant Sustainable Development Goals (SDGs), the study reveals strong thematic alignment in innovation, food security, and climate adaptation. Crucially, however, significant shortcomings are identified in governance and the effective inclusion of small-scale producers. Based on these findings, this study recommends strengthening decentralized R&D investment, fostering interregional research networks, and promoting strategic collaboration among universities, local governments, and rural communities. Ensuring the active participation of producers in the innovation cycle is essential for building a more inclusive, resilient, and effective agricultural extension system aligned with sustainable development goals.
Atlas de las Estaciones Experimentales Agrarias del INIA
(Instituto Nacional de Innovación Agraria, 2025-04-29) Cruz Luis, Juancarlos Alejandro; Ortiz Morera, Narda Cecilia; Quispe Torres, Diego Rafael; Atalaya Lopez, José S.; Marcavilca Villar, Pedro Miguel; Ramírez Aparicio , Jorge A.; Salinas Rivera, Juan L.; Escobar Cuadros, Francisco; Carbajal Llosa, Carlos Miguel; Olivarez Rivera, Evelyn L.; Casaretto Castagnino, Duilio; Ganoza Roncal, Jorge Juan
El Instituto Nacional de Innovación Agraria (INIA) es un organismo técnico especializado adscrito al Ministerio de Desarrollo Agrario y Riego (MIDAGRI) que cumple funciones y desarrolla actividades de investigación, transferencia tecnológica y extensión en materia agraria. Es responsable de la generación de conocimientos y tecnologías, de la conservación y puesta en valor de los recursos genéticos de la agrobiodiversidad, así como de la producción de semillas, plantones y reproductores de alto valor genético. Asimismo, brinda servicios tecnológicos a través de una red de laboratorios a nivel nacional. Como ente rector del Sistema Nacional de Innovación Agraria (SNIA), articula y regula la investigación, desarrollo e innovación (I+D+i) con los actores del SNIA, orientadas a la competitividad, seguridad alimentaria y adaptación al cambio climático, a través de la política y el Plan Nacional de Innovación Agraria. Las funciones del INIA son desarrolladas de manera articulada y descentralizada desde sus veinticinco (25) Estaciones Experimentales Agrarias (EEA) a nivel nacional, las que están conformadas por Centros Experimentales (CE) ubicados a nivel regional. El presente atlas contiene información de los aspectos relevantes de las Estaciones Experimentales Agrarias, tales como: creación, Centros Experimentales, ubicación y ámbito de intervención. Asimismo, presenta una colección de mapas que contribuye al conocimiento geográfico de éstas, así como de las actividades de conservación y puesta en valor de recursos genéticos, investigación, desarrollo tecnológico, producción de material genético de calidad, transferencia de tecnología, extensión agropecuaria y servicios tecnológicos agrarios que se desarrollan a nivel nacional. Este documento es una colección cartográfica y un material de consulta que contribuye al conocimiento geográfico de las Estaciones Experimentales Agrarias y sus Centros Experimentales, el cual está dirigido no solo a los actores del SNIA, sino también a la sociedad civil en su conjunto; con el objeto de informar sobre el rol que desempeñan estos centros del INIA y su esencial aporte para enfrentar los desafíos del agro en condiciones de cambio climático.
Estimation of aboveground biomass and carbon sequestration in a cocoa agroforestry system using UAV-LiDAR in northwestern Peru
(Elsevier B.V., 2025-10-08) Atalaya Marin, Nilton; Sanchez Fuentes, Teiser; Goñas Goñas, Malluri; Tineo Flores, Daniel; Taboada Mitma, Víctor Hugo; Cabrera Hoyos, Héctor Antonio; Cruz Luis, Juancarlos Alejandro; Ganoza Roncal, Jorge Juan; Gómez Fernández, Darwin
Accurate estimation of biomass and carbon in agroforestry systems is essential to assess their contribution to climate change mitigation and to improve their management. In this context, UAV-mounted LiDAR technology emerges as a fast, accurate, and non-destructive alternative for the structural characterization of cocoa agroforestry systems. This study aimed to estimate and analyze structural parameters, mainly tree height and diameter at breast height (DBH), as well as to calculate aboveground biomass and carbon sequestration in a cocoa agroforestry system, using LiDAR data obtained with a DJI Matrice 350 RTK UAV equipped with a Zenmuse L2 sensor, complemented by automatic tree segmentation in LiDAR360 and the application of species-specific allometric equations. The results showed a 93 % segmentation efficiency, with accuracies of 0.93 and 0.99 for DBH and height estimations, respectively. The evaluated plot, located at the Yanayacu Experimental Center (Jaén, Peru) and covering an area of 0.58 ha, had stored 15,492.5 kg of aboveground biomass and 7746.25 kg of aboveground carbon, with Mangifera indica and Cocos nucifera contributing more than 80 %. Consequently, this approach demonstrates the potential of UAV-based LiDAR to generate accurate and detailed information on system structure, enabling optimized management of high-biomass species and the development of more efficient and sustainable management strategies.
Guía técnica de manejo agronómico del cultivo de frambuesa en la costa del Perú
(Instituto Nacional de Innovación Agraria (INIA), 2025-11-21) Angulo Cueva, Geysen Everson; Lobato Gálvez, Roiser Honorio; Ocas Saavedra, Manuel; Acuña Leiva, Alex Yony; Ganoza Roncal, Jorge Juan
El Instituto Nacional de Innovación Agraria (INIA), adscrito al Ministerio de Desarrollo Agrario y Riego (MIDAGRI) y ente rector del Sistema Nacional de Innovación Agraria (SNIA), lidera actividades de investigación, transferencia tecnológica, conservación de recursos genéticos y producción de material genético de calidad. Asimismo, articula y regula la I+D+i en coordinación con los actores del SNIA, promoviendo la competitividad, la seguridad alimentaria y la adaptación al cambio climático. Actualmente, el INIA a través de la Dirección de Investigación y Desarrollo Tecnológico (DIDET) viene desarrollando ensayos en parcelas demostrativas de frambuesa (Rubus idaeus L.) en diferentes regiones de la costa peruana, con el objetivo de evaluar su capacidad productiva y adaptabilidad. Esta iniciativa busca responder a la creciente demanda comercial del cultivo, y simultáneamente atiende los desafíos técnicos y productivos que enfrentan los agricultores locales, promoviendo alternativas sostenibles y de alto valor para el sector agrario. En este contexto, se presenta la "Guía técnica de manejo agronómico del cultivo de frambuesa en la costa del Perú" elaborada con el propósito de brindar información técnica relevante sobre el cultivo y su manejo agronómico orientado a la producción comercial. Este documento se basa en las experiencias obtenidas en condiciones de costa, y busca contribuir a la adopción de prácticas agrícolas sostenibles que promuevan un manejo agrícola eficiente y sustentable.
Rice phenotyping using unmanned aerial vehicles: Analyzing morphological characteristics and yield
(2025-09-26) Goigochea Pinchi, Diego; Vega Herrera, Sergio Sebastian; Torres Chavez, Edson Esmith; Archentti Reategui, Fernando; Barrera Torres, Ciceron; Dominguez Yap, Percy Luis; Ysuiza Perez, Alfredo; Perez Tello, Monica; Rios Rios, Raúl; Santillan Gonzáles, Manuel Dante; Ganoza Roncal, Jorge Juan; Ruiz Reyes, Jose Guillermo; Agurto Piñarreta, Alex Ivan
Rice is a globally important crop and a staple in the diet of a large part of the world's population. This underscores the need for hybridization and improvement of rice genotypes to meet food demand in an environmentally sustainable manner. Geographic Information Systems (GIS) have proven to be valuable tools for the morphometric phenotyping of different genotypes. In this study, seven different rice genotypes were evaluated with the objective of selecting those with high yield. Multispectral imagery was used to develop prediction models based on supervised learning algorithms, including Linear Regression (LR), Support Vector Machine (SVM), Random Forest (RF), Elastic Net (EN), and Neural Networks (NN). The variables studied were plant height, number of panicles, number of tillers, and yield. The results showed the following performances: R² = 0.44 for plant height using Random Forest, R² = 0.92 for number of panicles with Neural Networks, R² = 0.44 for number of tillers with SVM, and R² = 0.31 for yield with SVM. This technology significantly supports traditional selection methodologies for hybridization and improvement by providing a spatial approach that enhances and facilitates selection criteria.
Sex-induced changes in microbial eukaryotes and prokaryotes in gastrointestinal tract of simmental cattle
(MDPI, 2024-11-15) Rojas Cruz, Diorman; Estrada Cañari, Richard; Romero Avila, Yolanda Madelein; Figueroa Venegas, Deyanira Antonella; Quilcate Pairazamán, Carlos Enrique; Ganoza Roncal, Jorge Juan; Maicelo Quintana, Jorge Luis; Coila Añasco, Pedro Ubaldo; Alvarado Chuqui, Wigoberto; Cayo Colca, Ilse Silvia
This study investigates gender-based differences in the gut microbiota of Simmental cattle, focusing on bacterial, archaeal, and fungal communities. Fecal samples were collected and analyzed using high-throughput sequencing, with taxonomic classification performed through the SILVA and UNITE databases. Alpha and beta diversity metrics were assessed, revealing significant differences in the diversity and composition of archaeal communities between males and females. Notably, females exhibited higher alpha diversity in archaea, while beta diversity analyses indicated distinct clustering of bacterial and archaeal communities by gender. The study also identified correlations between specific microbial taxa and hematological parameters, with Treponema and Methanosphaera showing gender-specific associations that may influence cattle health and productivity. These findings highlight the importance of considering gender in microbiota-related research and suggest that gender-specific management strategies could optimize livestock performance. Future research should explore the role of sex hormones in shaping these microbial differences.
Tecnologías de precisión y su relación con la gestión de insumos agrícolas en el contexto de la sostenibilidad en regiones vulnerables
(Universidad Nacional de Trujillo, 2025-08-18) Santillán Gonzáles, Manuel Dante; Ganoza Roncal, Jorge Juan; Lobato Galvez, Roiser Honorio; Oliva Cruz, Carlos Alberto; Arratea Pillco, David
Esta investigación examina la relación entre el uso de tecnologías de precisión con la gestión de insumos agrícolas dentro de un contexto de sostenibilidad. Se aplicaron encuestas estructuradas a 120 productores que describieron su acceso a tecnología, capacitación, integración tecnológica, productividad y barreras; se procesó la información mediante regresión lineal múltiple, correlación de Spearman y análisis de clúster para descubrir los factores que propician una gestión eficiente responsable con el ambiente y viable en lo socioeconómico de los insumos agrícolas. Se evidencia que la dimensión productividad y sostenibilidad impacta de manera positiva mientras que las barreras y desafíos lo hacen negativamente; además el modelo enfocado en la salud del suelo (R² ajustado = 0,304) demuestra que dichas tecnologías pueden elevar el rendimiento y disminuir los impactos ambientales. Sin embargo, los altos costos, la falta de infraestructura y la escasa capacitación, frenan su adopción; por lo que se propone impulsar políticas públicas, formación técnica y acompañamiento, para alcanzar sistemas agrícolas más sostenibles resilientes e inclusivos en línea con los Objetivos de Desarrollo Sostenible.
Yield prediction models for rice varieties using UAV multispectral imagery in the Amazon lowlands of Peru
(MDPI, 2024-08-20) Goigochea Pinchi, Diego; Justino Pinedo, Maikol; Vega Herrera, Sergio Sebastian; Sanchez Ojanasta, Martín; Lobato Galvez, Roiser Honorio; Santillan Gonzales, Manuel Dante; Ganoza Roncal, Jorge Juan; Ore Aquino, Zoila Luz; Agurto Piñarreta, Alex Iván
Rice is cataloged as one of the most widely cultivated crops globally, providing food for a large proportion of the global population. Integrating Geographic Information Systems (GISs), such as unmanned aerial vehicles (UAVs), into agricultural practices offers numerous benefits. UAVs, equipped with imaging sensors and geolocation technology, enable precise crop monitoring and management, enhancing yield and efficiency. However, Peru lacks sufficient experience with the application of these technologies, making them somewhat unfamiliar in the context of modern agriculture. In this study, we conducted experiments involving four distinct rice varieties (n = 24) at various stages of growth to predict yield using vegetation indices (VIs). A total of nine VIs (NDVI, GNDVI, ReCL, CIgreen, MCARI, SAVI, CVI, LCI, and EVI) were assessed across four dates: 88, 103, 116, and 130 days after sowing (DAS). Pearson correlation analysis, principal component analysis (PCA), and multiple linear regression were used to build prediction models. The results showed a general prediction model (including all the varieties) with the best performance at 130 days after sowing (DAS) using NDVI, EVI, and SAVI, with a coefficient of determination (adjusted-R2 = 0.43). The prediction models by variety showed the best performance for Esperanza at 88 DAS (adjusted-R2 = 0.94) using EVI as the vegetation index. The other varieties showed their best performance using different indices at different times: Capirona (LCI and CIgreen, 130 DAS, adjusted-R2 = 0.62); Conquista Certificada (MCARI, 116 DAS, R2 = 0.52); and Conquista Registrada (CVI and LCI, 116 DAS, adjusted-R2 = 0.79). These results provide critical information for optimizing rice crop management and support the use of unmanned aerial vehicles (UAVs) to inform timely decision making and mitigate yield losses in Peruvian agriculture.