Necesidad de una segunda independencia

En este ensayo se presenta un diagnóstico de la expansión geopolítica de la hegemonía capitalista y sus desafíos. Frente a la nueva forma del Imperio capitalista, tan falsamente comprendida por las corrientes de la posmodernidad, es imprescindible replantear el rescate de símbolos tan importantes, como el de "patria", dentro de la tradición "independentista" de América Latina; también, la recategorización histórica de la "emancipación", "dependencia" y "universalidad", de una racionalidad en la que sea superada cualquier conflictividad entre los medios y los fines que se desea cumplir. Promover esta conciencia crítica desde la situación de neo-colonialidad que se vive en nuestros países, compromete toda praxis social con la necesidad de una "segunda independencia", en lo político y en lo mental.

Análisis de componentes principales con datos georreferenciados : una aplicación en agricultura de precisión

La utilización de nuevas tecnologías asociadas a la agricultura de precisión permite capturar información de múltiples variables en gran cantidad de sitios georreferenciados dentro de lotes en producción. Las covariaciones espaciales de las propiedades del suelo y el rendimiento del cultivo pueden evaluarse a través del análisis de componentes principales clásico (PCA). No obstante, como otros métodos multivariados descriptivos, el PCA no ha sido desarrollado explícitamente para datos espaciales. Nuevas versiones de análisis multivariado permiten contemplar la autocorrelación espacial entre datos de sitios vecinos. En este trabajo se aplican y comparan los resultados de dos técnicas multivariadas, el PCA y MULTISPATI-PCA. Este último incorpora la información espacial a través del cálculo del índice de Moran entre los datos de un sitio y el dato promedio de sus vecinos. Los resultados mostraron que utilizando MULTISPATI-PCA se detectaron correlaciones entre variables que no fueron detectadas con el PCA. Los mapas de variabilidad espacial construidos a partir de la primera componente de ambas técnicas fueron similares; no así los de la segunda componente debido a cambios en la estructura de co-variación identificada, al corregir la variabilidad por la autocorrelación espacial de los datos. El método MULTISPATI-PCA constituye una herramienta importante para el mapeo de la variabilidad espacial y la identificación de zonas homogéneas dentro de lotes.