Bogotá - Ciencias - Maestría en Ciencias - Biología · 2025
Caracterización fisiológica, fisicoquímica y espectral de frutos de cacao establecidos en sistemas agroforestales en el departamento del Tolima
Los sistemas agroforestales (SAF) de cacao del sur del Tolima presentan una alta variabilidad estructural, productiva y fitosanitaria, impulsada por la diversidad genotípica local, las prácticas de manejo y el nivel de sombra. Este estudio caracterizó atributos fisiológicos, fisicoquímicos, bioquímicos y espectrales del cacao en distintos estados de madurez, con el fin de identificar parámetros predictivos de la calidad del grano. Se evaluaron seis parcelas SAF de 0,1 ha (580 árboles: 464 de árboles de cacao y 116 árboles de sombrío). Se midieron variables dasométricas, productivas y sanitarias, y se realizó monitoreo del dosel con índices derivados de Sentinel-2 (EVI, GNDVI, LAI, NDVI y NDWI). A nivel de fruto, las mazorcas se perfilaron en atributos morfométricos, colorimétricos, bioquímicos y espectrales. La altura del cacaotal, el DAP, los índices de vegetación (GNDVI, LAI, NDWI, EVI), la riqueza, la estructura y el estado sanitario fueron las variables clave para discriminar los SAF y sustentar una caracterización multidimensional del sistema productivo. En pulpa, los azúcares solubles totales promediaron 43,93 mg g⁻¹ (estado maduro), 49,14 mg g⁻¹ (estado pintón) y 59,38 mg g⁻¹ (estado verde). Los sólidos solubles totales promediaron 17,06° Brix (maduro), 13,92° Brix (pintón) y 17,59° Brix (verde). La acidez total titulable fue 1,02 % (maduro), 1,38 % (pintón) y 1,51 % (verde). En contraste, el ácido ascórbico y los fenoles totales no mostraron diferencias significativas entre los estados. Las métricas colorimétricas y espectrales permitieron discriminar objetivamente la madurez. Modelos de gradiente boosting (GBR) predijeron con precisión variables bioquímicas de la pulpa a partir de información espectral en especial VIS y NIR combinada con colorimetría, aportando una herramienta práctica para el seguimiento del desarrollo fisicoquímico en campo y poscosecha. Estos modelos orientan la cosecha cuando se prioriza el uso de pulpa en la cadena de valor y muestran potencial como predictores tempranos de calidad bajo SAF heterogéneos. (Texto tomado de la fuente)
Full text 96 pages with text out of 97
Read the full thesis Record in the repository
Contents
- Capítulo I: Fundamentos Generalesp. 11
- 1.1 Diversidad del cacaop. 11
- 1.2 Importancia socioeconómica del cultivo de cacao en Colombiap. 12
- 1.3 Condiciones ambientales del cultivop. 13
- 1.4 Sistemas de producciónp. 13
- 1.5 Factores que afectan la calidad del cacaop. 14
- 1.6 Maduración y composición del frutop. 15
- Caracterización fisiológica y fisicoquímica no destructiva en frutosp. 17
- Aplicaciones espectroscopía VIS-NIR en cacaop. 18
- 2. Planteamiento del problemap. 19
- 3. Justificaciónp. 22
- 4. Objetivosp. 23
- grados de madurez diferencial proveniente de sistemas agroforestalesp. 24
- Introducciónp. 25
- Materiales y Métodosp. 28
- Localizaciónp. 28
- mazorcap. 40
- agroforestales de cacao y parámetros de calidad de la mazorcap. 32
- Fase II: Caracterización colorimétrica y fisiológica de mazorcas de cacaop. 35
- fisiológica de mazorcas de cacaop. 37
- Fase III: Caracterización espectral de mazorcas de cacao y modelado predictivop. 38
- Resultadosp. 40
- mazorcap. 40
- de parcelas SAFp. 47
- Fase III: Caracterización espectral de mazorcas de cacao y modelado predictivop. 38
- Discusiónp. 62
- mazorcap. 40
- de parcelas SAFp. 47
- Fase III: Caracterización espectral de mazorcas de cacao y modelado predictivop. 38
- Conclusionesp. 72
- Agradecimientosp. 73
- Material suplementariop. 74
- Bibliografíap. 77
- Figura 1. Ubicación geográfica y variedad de cacaop. 29
- productividad y sanidadp. 46
- por parcelap. 46
- Figura 4. Patrón de variación de sistemas agroforestales de Cacaop. 47
- edáficas, de sanidad y parámetros fisicoquímicos de mazorcas de cacaop. 47
- por estado de madurezp. 50
- L*a*b* de mazorcas de cacao por estado de madurezp. 51
- madurezp. 52
- Golayp. 55
- reflectancia aplicando técnicas de suavizadop. 56
- Figura 12. Predicción de concentración de acidez total titulable (ATT)p. 58
- Figura 13. Predicción de concentración de °Brixp. 59
- Figura 14. Predicción de concentración de ácido ascórbicop. 59
- Figura 15. Predicción de concentración de azúcares solubles totalesp. 61
- Figura 16. Predicción de concentración de fenolesp. 61
- Tabla 1. Índices espectrales de vegetaciónp. 32
- variables estructurales, productivas y dasométricasp. 45