Los usuarios ante los alimentos genéticamente modificados y su información en el etiquetado

OBJETIVO: Analizar la opinión que los usuarios tienen sobre alimentos genéticamente modificados y su información en el etiquetado. MÉTODOS: Realizada revisión sistemática de la literatura científica sobre los alimentos transgénicos y el etiquetado a partir de la consulta de las bases de datos bibliográficas: Medline (vía PubMed), EMBASE, ISIWeb of Knowledge, Cochrane Library Plus, FSTA, LILACS, CINAHL y AGRICOLA. Los descriptores seleccionados fueron: «organisms, genetically modified» y «food labeling». La búsqueda se realizó desde la primera fecha disponible hasta junio de 2012, seleccionando los artículos pertinentes escritos en inglés, portugués y castellano. RESULTADOS: Se seleccionaron 40 artículos. En todos ellos, se debía haber realizado una intervención poblacional enfocada al conocimiento de los consumidores sobre los alimentos genéticamente modificados y su necesidad, o no, de incluir información en el etiquetado. El consumidor expresa su preferencia por el producto no-genéticamente modificado, y apunta que está dispuesto a pagar algo más por él, pero, en definitiva compra el artículo que está a mejor precio en un mercado que acoge las nuevas tecnologías. En 18 artículos la población se mostraba favorable a su etiquetado obligatorio y seis al etiquetado voluntario; siete trabajos demostraban el poco conocimiento de la población sobre los transgénicos y, en tres, la población subestimó la cantidad que consumía. En todo caso, se observó la influencia del precio del producto genéticamente modificado. CONCLUSIONES: La etiqueta debe ser homogénea y aclarar el grado de tolerancia en humanos de alimentos genéticamente modificados en comparación con los no modificados. Asimismo, debe dejar claro su composición, o no, de alimento genéticamente modificado y la forma de producción de estos artículos de consumo. La etiqueta también debe ir acompañada de un sello de certificación de una agencia del estado y datos para contacto. El consumidor expresa su preferencia por el producto no-genéticamente modificado pero señaló que acaba comprando el artículo que está a mejor precio en un mercado que acoge las nuevas tecnologías.

Estimation of Key Dates and Stages in Rice Crops Using Dual-Polarization SAR Time Series and a Particle Filtering Approach

Information of crop phenology is essential for evaluating crop productivity. In a previous work, we determined phenological stages with remote sensing data using a dynamic system framework and an extended Kalman filter (EKF) approach. In this paper, we demonstrate that the particle filter is a more reliable method to infer any phenological stage compared to the EKF. The improvements achieved with this approach are discussed. In addition, this methodology enables the estimation of key cultivation dates, thus providing a practical product for many applications. The dates of some important stages, as the sowing date and the day when the crop reaches the panicle initiation stage, have been chosen to show the potential of this technique.

Dynamical Approach for Real-Time Monitoring of Agricultural Crops

In this paper, a novel approach for exploiting multitemporal remote sensing data focused on real-time monitoring of agricultural crops is presented. The methodology is defined in a dynamical system context using state-space techniques, which enables the possibility of merging past temporal information with an update for each new acquisition. The dynamic system context allows us to exploit classical tools in this domain to perform the estimation of relevant variables. A general methodology is proposed, and a particular instance is defined in this study based on polarimetric radar data to track the phenological stages of a set of crops. A model generation from empirical data through principal component analysis is presented, and an extended Kalman filter is adapted to perform phenological stage estimation. Results employing quad-pol Radarsat-2 data over three different cereals are analyzed. The potential of this methodology to retrieve vegetation variables in real time is shown.