Anthurium aff salgarense. Una nueva especie a germinar

Orlando Rodríguez

 

De semillas colectadas en el Alto de Ventanas, entre Yarumal y Valdivia, Antioquia, Colombia,  a 2,400-2,500 MSNM, esta especie parece ser  afín a A. salgarense, aunque con diferencias significativas:

  • Frutos rojo intenso, contra rojo y negro de A. salgarense
  • Hojas mucho mas obscuras que en A. salgarense
  • Piso altitudinal mucho mas elevado (2,400 vs 2,000)
  • Lámina foliar mucho mas pequeña, menor a 1 mt de longitud
  • Escotaduras mas pronunciadas
  • Forma general de la hoja mucho mas elongada que en A. salgarense
  • Localidad Cordillera Central, vs Cordillera Ocidental de Anthurium salgarense

 

image1 4

Fotografía 1. Habito general de la planta madre

 

Para el ensayo de germinación se contó con un total de   24 frutos,  0.8 cmt de diámetro promedio, forma esférica a ligeramente elongada  (fotografía 2), tiñe de rojo el papel húmedo en que se conservaron previa la siembra.

image1 3

Fotografía 2. Frutos de Anthurium aff salgarense. Cada cuadrícula de fondo tiene 0.5 cmt  de largo.

 

En total  se obtuvieron 43 semillas, lo que equivale a  1.8 semillas promedio por fruto,

El mucílago protector de la semilla es  cristalino  ,  muy consistente, con algo de pigmento rojo procedente de la drupa, ver fotografía 3.

image1

Fotografía 3. Semillas de Anthurium aff salgarense.

La siembra se realizó en cámara húmeda, exposición de semillas en superficie, sustrato de escoria de carbón. Fotografía 4.

image1 2

Fotografía 4. Cámara húmeda para germinación

 

Agradecimientos a N.L, quien generosamente me suministró el valiosísimo material.

Anturios alto-Andinos. Avances del proyecto de propagación.

Orlando Rodríguez

 

Poco a poco se ha venido consolidando exitosamente  el  proyecto de reproducción sexual y  desarrollo de Anturios de alta montaña ( por encima de  Cota  2,000 MSNM) del cual he subido previamente algunos posts.

A continuación  algunos registros del vivero  a Octubre 2018:

DSCN4266

DSCN4264

DSCN4259

4,000 ejemplares en materas de endurecimiento, mas unos 15,000 en cámara húmeda en diferentes estadíos de desarrollo.

In Memoria de mis hermanos mayores, Los Árboles caídos de Bogotá

Orlando Rodríguez

En Bogotá, infames  gobernantes   han decidido por decreto  asesinar sin contemplación los poco árboles que quedan en pié en nuestra triste selva de cemento.

Cuatro argumentos principales respaldan su sabia decisión:

  • Amenazan con caerse
  • Están enfermos
  • Están viejos
  • No cuadran con el plan paisajístico de la ciudad !!!!!.

En lo que a mí respecta, confieso que a mi edad ya me he caído un par de veces, no soy exactamente el ejemplo de la salud perfecta, estoy envejeciendo mas rápido de lo que quisiera,  y como si fuera poco,  solo mi esposa me encuentra guapo.

Le pregunto entonces a nuestros Honorables: Cuándo van a llegar a mi puerta con las herramientas de eutanasia?

A manera de reflexión, quiero compartir unas pocas fotos que he tomado en Japón:

DSC_2299.JPG

Este pino tiene mas de doscientos años, sus cuidadores han debido ingeniar complicadas estructuras para preservar  sus ramas laterales, que por algún motivo decidieron no crecer erectas.

 

OLYMPUS DIGITAL CAMERA

Cualquier medio es válido para conservar sus ramas torcidas

 

OLYMPUS DIGITAL CAMERA

Después de 108 años de vida, en Tokio un ciprés falleció de muerte natural. Aún se conserva en la memoria colectiva su sembrador, y con esta placa se honra su memoria, se siembra su sucesor y se designa su sembrador de turno. 

 

OLYMPUS DIGITAL CAMERA

Este bello cerezo es solo uno entre los miles  que habitan todas las ciudades de Japón. Su floración es recibida con júbilo cada año y seguida por los medios de comunicación como debe ser, como un acontecimiento memorable, único, espiritual.

 

OLYMPUS DIGITAL CAMERA

Bajo sus frondas, cada año se celebran miles de matrimonios.

 

OLYMPUS DIGITAL CAMERA

Naturaleza y ciudad conviven en armonía.  Cada árbol es cuidadosamente acicalado. En invierno cobijan sus troncos con esparto para preservarlos del frío.

 

OLYMPUS DIGITAL CAMERA

Cada árbol, incluyendo el andamiaje requerido para proteger sus ramas, es entendido por los Japoneses como una obra de arte.

 

_DSC2356

Para los Japoneses, un árbol de ramas retorcidas  es un regalo de sus dioses,   es apreciado, es cuidado con esmero, es  respetado. Es ayudado con “muletas”.

 

DSC_2606

Árboles enfermos son cuidados con amor y esmero. Puede un Japonés contemplar acaso la idea de eutanasia?

 

OLYMPUS DIGITAL CAMERA

En retribución , cada árbol honra al hombre con su mas preciada obra: Una flor

 

OLYMPUS DIGITAL CAMERA

Cuando puede, el árbol se excede en su regalo.

.

OLYMPUS DIGITAL CAMERA

Elevemos nuestras plegarias para que  algún día tengamos gobernantes que piensen más en el entorno que le legan  a sus   hijos que en su bolsillo del presente.

 

Cerebro y Máquina

Como Biólogo  siempre me he preguntado : Podrá el cerebro, desde  su función cerebral, comprender su propia función cerebral ?

Y si la máquina  es diseño del cerebro, no estará  copiando en ella,  de manera inconsciente,  sus propios planos?

Andeantrees es una mesa de reunión con mi cerebro. me dará  algún día respuestas?

Por ahora guarda silencio,  me observa, se sonríe.

 

 

Inteligencia Artificial y Matemáticas. Parte I: Anatomía de una Red Neuronal

Orlando Rodríguez

“Al afirmar verbalmente que las Matemáticas son difíciles, estamos diciéndolo con  un lenguaje  cuya sintaxis es tan compleja, no mas, no menos, que aquella que gobierna las matemáticas” 

Las redes neuronales (DNN) son uno de los modelos de aprendizaje de máquina mas utilizados hoy en día. DNN  se puede visualizar como  un conjunto de nodos  y  líneas  conformando una red, ver figura 1. Su similitud con la organización de las neuronas en el cerebro es evidente, pero este tema lo abordaré mas adelante.

Neural1

Figura 1. Esquema  simplificado de Red Neuronal Profunda (DNN)

En una red neuronal, dos nodos y una línea corresponden a una unidad básica del modelo, y son una representación gráfica de una función matemática del tipo:

f(x) = k.x

Para la figura 2, la variable de entrada (x) corresponde al nodo verde, la variable de salida  f(x) al nodo azul,  y la línea  que las une  corresponde a la constante  k:

Nodo

Figura 2. Unidad fundamental de una DNN

Toda función matemática  puede visualizarse como una caja que recibe uno o varios elementos de entrada y entrega un único elemento de salida:

TANQUE

Figura 3. Representación gráfica de una función matemática

La función  “”  es una relación matemática entre una o mas variables de entrada y una variable de salida.

Así,  la función

f(x) = 3.x

toma valores de entrada  x, los multiplica por 3 , y entrega  valores de salida f(x):

funcion3

Figura 4. Elementos de entrada (x) y salida  f(x)  definidos por la función f

El valor “3” sobre cada flecha corresponde al valor  de la constante  (parámetro de la función)  que caracteriza la misma en cada caso.

En  la red neuronal de la figura 1, cada elemento de salida corresponde a la suma de varias funciones, cada una con su propio parámetro que la define:

Sin título-2

Figura 5. Función con tres variables de entrada y una variable de salida

A modo ilustrativo, trabajemos sobre  algunos nodos y líneas de la Red Neuronal mencionada arriba, ver Figura 6.

 

neuro2

Figura 6. Detalle parcial de una red Neuronal

Para estos elementos de la red,  podemos definir  una función

f(Xi) = Sum(Ki.Xi)

Esto es, la salida f(Xi)  (nodo naranja) corresponde a la sumatoria  de  las variables de entrada multiplicadas cada una por su constante correspondiente (parámetro de la función) .

Lo que el ejemplo anterior nos evidencia  es que si pre-definimos valores para los 32 parámetros (valores del total de líneas de enlace de la Red Neuronal) y contamos con los valores de las tres variables de entrada (Input Layer) , podemos ir encadenando  de izquierda a derecha los resultados de las funciones, convirtiéndose  la salida de una función en la entrada de la siguiente,    hasta  obtener los valores de la última salida , o Output Layer.

Esta operación se conoce como “Forward Propagation” , que para modelos entrenados (parámetros con valores asignados), permite  que se puedan evaluar o clasificar entidades de  entrada, siendo esta evaluación la salida calculada del modelo.

El siguiente blog lo dedicaré a un ejemplo ilustrativo de la teoría expuesta.