Universidad Nacional de Trujillo: Publicaciones Científicas
Not a member yet
3750 research outputs found
Sort by
Dinámica estacional y concentración intraanual de la carga hidráulica en el emisario submarino industrial pesquero APROFERROL S.A., bahía El Ferrol, Perú (2015–2024)
No full textLa bahía El Ferrol (Chimbote, Perú) ha soportado presiones históricas por la actividad pesquera-industrial y el crecimiento urbano. Para reducir la descarga directa, desde 2015 opera el emisario submarino industrial pesquero de APROFERROL S.A. Este estudio analizó la estacionalidad de la carga hidráulica en 2015–2024 usando registros mensuales y anuales de recepción y evacuación (m³). Se estimaron indicadores de concentración intraanual (mes pico y tres meses de mayor aporte), variabilidad interanual y consistencia del cierre volumétrico. La recepción anual alcanzó su máximo en 2024 (4,972,976.35 m³) y evidenció intensificación desde 2018. En ocho de diez años, los tres meses de mayor recepción superaron 50% del total anual, con recurrencia de mayo, noviembre y diciembre; 2024 concentró 62.04%. Aun con picos marcados, la evacuación acompañó la recepción con cierres cercanos a 100%, evidenciando operación estable ante demanda fluctuante. Estos patrones aportan criterios operativos para priorizar monitoreo y control en meses críticos.
DOI: http://dx.doi.org/10.17268/rebiol.2025.45.02.0
Aislamiento e identificación de bacterias acido-lácticas del tracto digestivo de camarones silvestres con potencial probióticos para uso en acuicultura
No full textLas bacterias ácido-lácticas (BAL) son microorganismos de interés en acuicultura por su capacidad para modular la microbiota intestinal y mejorar la resistencia frente a patógenos. Este estudio tuvo como objetivo aislar e identificar BAL del tracto digestivo de camarones silvestres (Penaeus vannamei y Penaeus stylirostris) recolectados en Puerto Pizarro (Tumbes, Perú), evaluando su potencial probiótico preliminar. Se emplearon medios selectivos MRS y TSA, tinción de Gram y amplificación del gen 16S rRNA mediante PCR. Se obtuvieron 23 aislamientos, predominando bacilos (56.25%), seguidos de cocobacilos (30.43%) y cocos (13.04%), con mayoría de reacción Gram positiva. El 100% de los bacilos amplificó el gen 16S rRNA. La identificación molecular evidenció afinidad con Lactobacillus plantarum y otros taxones con potencial aplicación probiótica. Los resultados sugieren que el tracto digestivo de camarones silvestres constituye una fuente promisoria de BAL aplicables en estrategias sostenibles de producción acuícola.
DOI: http://dx.doi.org/10.17268/rebiol.2025.45.02.0
Desarrollo de baterías verdes para el almacenamiento de energía en proyectos de gestión hídrica
No full textEl cambio hacia sistemas energéticos sostenibles, que incluyen mecanismos eficientes de almacenamiento, resulta fundamental para hacer frente a los retos del cambio climático y fomentar un desarrollo en armonía con el entorno natural. Este trabajo revisa el estado actual de las investigaciones sobre nuevas tecnologías en baterías ecológicas, especialmente las de flujo redox, las reciclables de litio y las que usan hidrógeno verde. También se destacan las soluciones innovadoras que ofrecen y su capacidad para reducir los impactos ambientales. Para desarrollar este estudio, se realizó un análisis sistemático de artículos científicos en la base de datos Scopus, usando métodos bibliométricos y seleccionando solo la información más relevante. Los resultados muestran que estas baterías tienen un gran potencial para mejorar el uso de las energías renovables y para apoyar el almacenamiento de energía en proyectos hídricos. La incorporación de baterías verdes podría transformar la gestión del agua, generando beneficios económicos y ambientales a largo plazo. Aun así, es necesario seguir investigando para superar los desafíos técnicos y financieros, y así avanzar hacia un futuro energético más sostenible y resiliente.
DOI: http://dx.doi.org/10.17268/rebiol.2025.45.02.1
Cuantificación del stock de carbono en la biomasa aérea del Parque Suchiche, Tarapoto, Perú
No full textEl estudio cuantificó el stock de carbono en la biomasa aérea del Parque Suchiche (Tarapoto, Perú), un espacio urbano de 0,265 ha. Mediante muestreo sistemático, se evaluaron 88 individuos arbóreos (DAP ≥ 10 cm) de 10 especies, aplicando metodologías no destructivas y ecuaciones alométricas validadas. Los resultados revelaron que Elaeis guineensis (Palmera Africana) es la especie más eficiente, almacenando 10,76 t de carbono (65,19% del total), pese a representar solo el 26% de los individuos. Su superioridad se atribuyó a su gran tamaño (DAP promedio: 51,71 cm; altura: 13,35 m) y alta densidad de la estructura, capturando 0,47 t/árbol (17 veces más que la segunda especie en eficiencia). La Palmera Tarapotus (nativa), aunque la más abundante (25 individuos), mostró menor captura individual (0,15 t/árbol), aportando el 22,2% del carbono total. Especies como Ficus benjamina (17 individuos) registraron baja eficiencia (0,03 t/árbol) debido a podas frecuentes y altura reducida (4,51 m). Se identificaron correlaciones significativas entre variables dasométricas y carbono, DAP vs. carbono (r = 0,93) y altura vs. carbono (r = 0,88), confirmando que cada cm adicional de DAP incrementa 0,02 t de carbono/árbol. El parque almacena 16,51 t C (equivalente a 60,57 t CO₂), con una densidad de 62,2 t C/ha, superando a zonas urbanas como Lima Norte, pero aún por debajo de bosques amazónicos primarios
Selección de modelo hidrológico incluyendo la temperatura ambiental para infraestructuras de siembra y cosecha de agua
No full textEl propósito de este estudio es investigar acerca de modelos hidrológicos, que permita seleccionar el modelo más adecuado que incluya la temperatura ambiental para obtener un caudal de diseño para el predimensionamiento correcto de infraestructuras de siembra y cosecha de agua. Es fundamental que los modelos reflejen con precisión las condiciones locales; aunque la falta de recursos y datos específicos puede dificultar el desarrollo de modelos propios, estos suelen ser más útiles y efectivos que aquellos creados en contextos distintos. Muchos modelos hidrológicos actuales se desarrollaron en otros países y para condiciones hidrológicas que no siempre coinciden con el área de aplicación. Por ejemplo, algunos modelos simulan la escorrentía superficial a partir del exceso de infiltración, apropiados para suelos de alta infiltración y lluvias de baja intensidad. En otras zonas, sería más adecuado un modelo basado en el exceso de saturación. Esta revisión de literatura, centrada principalmente en estudios publicados entre 2019 y 2023, cubre temas como la modelación de cuencas, sistemas hidrológicos, objetivos de la modelación y criterios de selección del modelo más adecuado. Se presentan fuentes actualizadas y recursos que sirven de base para seleccionar el modelo ideal para infraestructuras de siembra y cosecha de agua.
DOI: http://dx.doi.org/10.17268/rebiol.2024.44.02.0
Actividad antifúngica de extractos y compuestos bioactivos de la familia Fabaceae sobre dermatofitos: una revisión
No full textLas dermatofitosis son micosis superficiales de alta prevalencia cuya creciente resistencia a antifúngicos convencionales ha incentivado la exploración de alternativas terapéuticas basadas en productos naturales. Esta revisión sintetiza la evidencia publicada entre 2019 y 2025 sobre la actividad antifúngica de extractos y compuestos bioactivos de la familia Fabaceae frente a dermatofitos clínicamente relevantes. Se realizó una búsqueda sistemática en bases de datos internacionales, considerando exclusivamente artículos de acceso abierto en inglés o español. Se incluyeron veinte estudios, de los cuales diez abordaron especies de Fabaceae, destacando Prosopis farcta, Daniellia oliveri, Cassia spp., Lupinus spp. y Calpurnia aurea, con inhibición significativa incluso frente a cepas resistentes a terbinafina. Esta actividad se atribuyó principalmente a alcaloides quinolizidínicos, flavonoides y antraquinonas. Los estudios comparativos evidenciaron sinergias con antifúngicos convencionales y el desarrollo de formulaciones innovadoras. En conjunto, los resultados posicionan a Fabaceae como una fuente promisoria de agentes antifúngicos, aunque se requieren estudios traslacionales y ensayos clínicos para validar su potencial terapéutico.
DOI: http://dx.doi.org/10.17268/rebiol.2025.45.01.1
Predicción de la resistencia a la compresión del hormigón mediante regresión lineal múltiple (OLS) y preprocesamiento de datos
No full textLa seguridad y estabilidad de los sistemas de soporte y revestimiento constituyen un aspecto crítico en los proyectos de ingeniería minera, debido a las altas exigencias estructurales impuestas por las condiciones operativas, especialmente en minería subterránea. El objetivo principal de este estudio fue evaluar la capacidad de modelos de regresión lineal múltiple (OLS) para predecir la resistencia a la compresión del hormigón, analizando el efecto de diferentes técnicas de preprocesamiento de datos sobre su desempeño predictivo. La metodología adoptó un enfoque cuantitativo y se basó en el análisis de un conjunto de datos experimentales compuesto por más de 1000 mezclas de hormigón, considerando variables asociadas a la dosificación de los materiales y a la edad de curado. Se desarrollaron y compararon tres configuraciones de modelado: predictores sin transformación, predictores estandarizados y predictores transformados mediante la función log(x+1). El desempeño de los modelos se evaluó utilizando el Error Cuadrático Medio (MSE) y el coeficiente de determinación R². Los resultados obtenidos muestran que los modelos construidos con datos originales y estandarizados presentaron un comportamiento similar, con valores de R² cercanos a 0.351 en el conjunto de prueba. En contraste, la transformación logarítmica permitió reducir el MSE de prueba a aproximadamente 55 MPa² e incrementar el R² hasta valores próximos a 0.750, evidenciando una mejora sustancial en la precisión y capacidad de generalización del modelo. El alcance de estos resultados se orienta al uso del modelo como una herramienta predictiva de apoyo de control de calidad del hormigón en aplicaciones mineras. En conclusión, la regresión lineal múltiple combinada con un preprocesamiento adecuado mediante transformación logarítmica constituye una alternativa eficiente y confiable para la estimación de la resistencia a la compresión del hormigón, manteniendo una interpretación clara de los resultados y aportando soporte practico para la toma de decisiones técnicas en minería.
Referencias
[1]. Yeh, I.C. (1998). Modeling of strength of high-performance concrete using artificial neural networks. Cement and Concrete Research, 28(12), 1797–1808.
DOI: https://doi.org/10.1016/S0008-8846(98)00165-3
[2]. Yeh, I.C. (2007). Modeling concrete strength with augment-neuron networks. Cement and Concrete Research, 37(7), 1063–1070.
DOI: https://doi.org/10.1016/j.cemconres.2007.03.013
[3]. Asteris, P.G.; Mokos, V.G. (2020). Concrete compressive strength prediction using machine learning techniques. Neural Computing and Applications, 32, 15807–15828.
DOI: https://doi.org/10.1007/s00521-019-04663-2
[4]. Chou, J.S.; Pham, A.D. (2013). Enhanced artificial intelligence for predicting high-performance concrete compressive strength. Construction and Building Materials, 49, 554–563.
DOI: https://doi.org/10.1016/j.conbuildmat.2013.08.078
[5]. Neville, A.M. (2011). Properties of Concrete (5th ed.). Pearson Education Limited.
[6]. Ahmad, A.; Farooq, F.; Ostrowski, K.A. (2021). Prediction of concrete compressive strength using machine learning algorithms. Materials, 14(15), 4141.
DOI: https://doi.org/10.3390/ma14154141
[7]. Asteris, P.G.; Argyropoulos, I.; Cavaleri, L. (2021). Predicting concrete strength using hybrid machine learning models. Applied Sciences, 11(7), 3036.
DOI: https://doi.org/10.3390/app11073036
[8]. Behnood, A.; Golafshani, E.M. (2018). Predicting the compressive strength of silica fume concrete using hybrid models. Construction and Building Materials, 170, 726–736.
DOI: https://doi.org/10.1016/j.conbuildmat.2018.03.086
[9]. Ashrafian, A.; Nikoo, M.; Kadivar, A. (2020). Prediction of concrete strength using statistical learning methods. Structures, 28, 288–299.
DOI: https://doi.org/10.1016/j.istruc.2020.08.021
[10]. Mansouri, I.; Hu, J.W. (2021). Application of machine learning techniques for predicting concrete strength. Journal of Building Engineering, 43, 102494.
DOI: https://doi.org/10.1016/j.jobe.2021.102494
[11]. UCI Machine Learning Repository. (2019). Concrete Compressive Strength Dataset. University of California, Irvine.
DOI: https://doi.org/10.7717/peerj-cs.154/table-6
[12]. Cortes, C.; Vapnik, V. (1995). Support-vector networks. Machine Learning, 20, 273–297.
DOI: https://doi.org/10.1007/BF00994018
[13]. Montgomery, D.C.; Peck, E.A.; Vining, G.G. (2012). Introduction to Linear Regression Analysis (5th ed.). Wiley.
DOI: https://doi.org/10.1111/biom.12129
[14]. Kutner, M.H.; Nachtsheim, C.J.; Neter, J. (2005). Applied Linear Statistical Models. McGraw-Hill.
DOI: https://doi.org/10.2307/1271154
[15]. James, G.; Witten, D.; Hastie, T.; Tibshirani, R. (2021). An Introduction to Statistical Learning (2nd ed.). Springer.
DOI: https://doi.org/10.32614/cran.package.islr2
[16]. Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer.
DOI: https://doi.org/10.1007/978-0-387-45528-0_7
[17]. Kuhn, M.; Johnson, K. (2013). Applied Predictive Modeling. Springer.
DOI: https://doi.org/10.1007/978-1-4614-6849-3
[18]. Hyndman, R.J.; Koehler, A.B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688.
DOI: https://doi.org/10.1016/j.ijforecast.2006.03.001
[19]. Flores, R.; Valderrama, L. (2021). Evaluation of metallurgical process indicators using percentage-based error metrics. Minerals, 11(8), 864.
DOI: https://doi.org/10.3390/min11080864
[20]. Bendaña, D.; Combes, F. (2016). Performance assessment in flotation circuits using error metrics. Minerals Engineering, 95, 57–66.
DOI: https://doi.org/10.1016/j.mineng.2016.05.018
[21]. ASTM C39/C39M. (2021). Standard Test Method for Compressive Strength of Cylindrical Concrete Specimens. ASTM International.
[22]. Yeh, I.C. (2006). Analysis of strength of concrete using data mining techniques. Cement and Concrete Research, 36(5), 879–884.
DOI: https://doi.org/10.1016/j.cemconres.2005.11.005
[23]. Hoang, N.D. (2020). Predicting concrete strength using regression and machine learning. Engineering with Computers, 36, 225–235.
DOI: https://doi.org/10.1007/s00366-018-0660-5
[24]. Gandomi, A.H.; Alavi, A.H. (2012). A new multi-gene genetic programming approach to nonlinear system modeling. Engineering Applications of Artificial Intelligence, 25(3), 577–587.
DOI: https://doi.org/10.1016/j.engappai.2011.09.010
[25]. Topçu, I.B.; Sarıdemir, M. (2008). Prediction of compressive strength of concrete containing fly ash using artificial neural networks. Computers & Materials Science, 41(3), 305–311.
DOI: https://doi.org/10.1016/j.commatsci.2007.04.009
[26]. Erdem, H.; Gül, R. (2012). Prediction of the compressive strength of cement mortar. Construction and Building Materials, 30, 804–812.
DOI: https://doi.org/10.1016/j.conbuildmat.2011.12.011
[27]. Safari, M.; Faradonbeh, R.S. (2018). Reliability-based prediction of concrete strength. Structural Concrete, 19(5), 1425–1436.
DOI: https://doi.org/10.1002/suco.201700234
[28]. Khosravi, K.; Daggupati, P.; Pham, B.T. (2019). Machine learning approaches for predicting concrete strength. Applied Soft Computing, 75, 563–576.
DOI: https://doi.org/10.1016/j.asoc.2018.11.032
[29]. Lin, Y.; Chen, M.; Li, Y. (2020). Data-driven prediction of concrete properties for engineering applications. Automation in Construction, 119, 103325.
DOI: https://doi.org/10.1016/j.autcon.2020.103325
[30]. ACI Committee 211. (2002). Standard Practice for Selecting Proportions for Normal, Heavyweight, and Mass Concrete. American Concrete Institute.
DOI: https://doi.org/10.14359/1098
Mechanisms and applications of rhizobacteria in phosphorus acquisition and biocontrol of phytopathogenic nematodes
No full textLos nematodos que parasitan cultivos son una seria amenaza en la producción agrícola del mundo. La preocupación por los riesgos ambientales y toxicológicos asociados al uso de sustancias químicas impulsa la búsqueda de alternativas más respetuosas con el medio ambiente para controlar los nematodos fitopatógenos. Se considera viable emplear agentes de control biológico, como las bacterias que además de tener mecanismos para controlar nematodos, también son promotoras del crecimiento de las plantas. El objetivo de esta revisión es ampliar la comprensión sobre los mecanismos de los agentes bacterianos para suprimir poblaciones de nematodos y solubilizar fósforo. Las bacterias tienen interacciones antagónicas capaces de producir metabolitos, aumentar la resistencia sistémica de las plantas y competir por espacios. Los compuestos químicos que producen las bacterias son capaces de mineralizar el fósforo orgánico que se encuentra en el suelo y facilitarlos para la adsorción de las plantas. Las bacterias de la rizosfera tienen una acción sinérgica para mejorar el crecimiento y la protección de las plantas. El enfoque de esta revisión busca aportar a una comprensión más amplia del potencial de las rizobacterias cuyo doble papel como promotoras del crecimiento vegetal y agentes nematófagos las convierte en herramientas clave para un manejo sostenible de nematodos fitoparásitos. Esta perspectiva abre la posibilidad de integrar dichos microorganismos y sus metabolitos en planes de manejo agrícola innovadores, capaces de responder tanto a las demandas productivas como a los desafíos impuestos por el cambio climático.Parasitic nematodes in crops are a serious threat in worldwide agricultural production. The concerns regarding the environmental and toxicological risks associated with the usage of chemical substances encourage the pursuit of more environmentally friendly alternatives to control phytopathogenic nematodes. It's been considered viable to employ biological control agents, like bacteria, which besides having mechanisms that can control nematodes are also growth promoters for plants. This review's goal is to broaden the comprehension over bacterial agent mechanisms to suppress nematodes population and its phosphorus solubilization capability. Bacteria have antagonist interactions capable of producing metabolites, increasing the systemic resistance to plants and space competition. Chemical compounds produced by bacteria can mineralize organic phosphorus from the soil and supply it for plant adsorption. Rhizospheric bacteria have synergic action to improve growth and plant protection. This review's approach aims to contribute to the understanding of rhizobacterial potential, which dual action in vegetative growth and as nematophagus agents, makes them key tools for a sustainable management of phytopathogenic nematodes. This perspective opens the possibility to include these microorganisms and their metabolites in innovative plans for agricultural management, which can respond to productivity demand and climate change challenges
Inteligencia Artificial aplicada a la eficiencia logística y exportación de la agroindustria: Revisión sistemática y análisis bibliométrico
No full textEl presente estudio analiza cómo la Inteligencia Artificial está transformando la eficiencia logística y las exportaciones en la agroindustria. Mediante una revisión sistemática de literatura científica (2020–2025) y un análisis bibliométrico con datos de Scopus, se identifican tecnologías como Machine Learning, Deep Learning, IoT y blockchain, las cuales están mejorando la trazabilidad, predicción de demanda y sostenibilidad en la cadena agroalimentaria. Los resultados muestran que países como China, India y Estados Unidos lideran la producción científica en este campo, mientras que regiones como Sudamérica enfrentan limitaciones por falta de infraestructura tecnológica. Las aplicaciones de inteligencia artificial abarcan desde monitoreo en tiempo real y control de calidad, hasta la predicción de cultivos y reducción de pérdidas. El estudio concluye que la inteligencia artificial fortalece la competitividad del sector agroindustrial en mercados internacionales. Se recomienda a los países en desarrollo invertir en infraestructura digital, promover la investigación local y capacitar al personal para cerrar brechas tecnológicas
Perspectivas actuales en la caracterización no destructiva de edulcorantes
No full textLa creciente preocupación por la calidad, autenticidad e inocuidad de los alimentos ha incentivado el desarrollo de métodos analíticos confiables para la detección y cuantificación de edulcorantes, tanto naturales como sintéticos. En este contexto, las técnicas espectroscópicas han cobrado relevancia por su rapidez, sensibilidad y carácter no destructivo, convirtiéndose en herramientas clave para el análisis de productos alimentarios. Esta revisión examina las principales tendencias científicas en el estudio de edulcorantes mediante un enfoque bibliométrico, describe los fundamentos y la evolución de tecnologías como FTIR, NIR, UV-Vis y espectroscopía Raman, y analiza sus aplicaciones específicas en la identificación y cuantificación de estos compuestos. Asimismo, se abordan las implicancias de dichas metodologías en los sistemas de control de calidad y en la seguridad alimentaria, destacando su papel estratégico en la prevención del fraude y en la protección del consumidor, así como en la mejora de la trazabilidad y transparencia de los alimentos industrializados