💻 computer science

Intercomparison of Machine Learning Algorithms for Remote Sensing-based In-season Crop Mapping

Este estudio evalúa diez algoritmos de aprendizaje automático utilizando imágenes armonizadas de Landsat-Sentinel y datos de rotación de cultivos para demostrar que las Máquinas de Vectores de Soporte pueden mapear con precisión el maíz en Iowa y la almendra en California a una resolución de 30 m para principios de junio, proporcionando una herramienta de tiempo casi real para el monitoreo de cultivos durante la temporada y la respuesta ante emergencias.

Autores originales: August Posch, Jitendra Kumar, Forrest M. Hoffman, Auroop R. Ganguly

Publicado 2026-06-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: August Posch, Jitendra Kumar, Forrest M. Hoffman, Auroop R. Ganguly

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un agricultor o un funcionario de seguridad alimentaria tratando de adivinar qué cultivos están creciendo en un campo en este momento, en pleno medio de la temporada de cultivo. Normalmente, el gobierno (USDA) solo te dice qué se plantó después de que termina la cosecha, meses después. Pero si ocurre una inundación o un brote de plagas ahora, necesitas saberlo de inmediato.

Este artículo es como una gran "competencia de cocina" donde diez diferentes chefs informáticos (algoritmos de aprendizaje automático) intentan averiguar qué se está cultivando en los campos simplemente mirando fotos tomadas desde el espacio. El objetivo es ver qué chef puede adivinar el tipo de cultivo con mayor precisión para principios de junio, antes de la cosecha.

Aquí hay un desglose sencillo de lo que hicieron y de lo que encontraron:

Los Ingredientes (Datos)

Los chefs recibieron dos ingredientes principales para trabajar:

Fotos Espaciales: Utilizaron una mezcla especial de fotos satelitales (de satélites de la NASA y de Europa) que toman fotos de la Tierra cada pocos días. Observaron cómo las plantas reflejan la luz (como cuando una camiseta roja se ve diferente de una verde) a lo largo del tiempo.
La Historia Familiar: También les dieron a las computadoras un "árbol genealógico" de la tierra. Observaron qué se plantó en ese mismo lugar durante los últimos cuatro años. Por ejemplo, si un lugar cultivó almendros durante cuatro años seguidos, es muy probable que vuelva a cultivar almendros otra vez.

Los Concursantes (Los Algoritmos)

Los investigadores probaron diez tipos diferentes de cerebros informáticos (algoritmos). Algunos eran como simples seguidores de reglas, mientras que otros eran complejos reconocedores de patrones. Los probaron en dos desafíos muy diferentes:

El Desafío del Maíz de Iowa: En Iowa, los campos son enormes y están llenos principalmente de maíz y soja. El problema aquí es que el maíz y la soja se ven muy similares entre sí, como intentar distinguir a dos gemelos idénticos.
El Desafío de las Almendras de California: En California, las granjas son más pequeñas y están mezcladas con muchos cultivos diferentes (nueces, uvas, tomates). El problema aquí es que las almendras son raras en la mezcla, como intentar encontrar una aguja específica en un pajar lleno de otras agujas.

Las Reglas del Juego

Para que la prueba fuera justa, no dejaron que las computadoras practicaran con los datos del año pasado y luego adivinaran los del año siguiente. En su lugar, utilizaron una "Prueba Cruzada Anual".

Entrenaron a las computadoras con datos de cuatro años (por ejemplo, 2018–2021).
Luego le pidieron a las computadoras que adivinaran el cultivo para el quinto año (2022), que no habían visto antes.
Repitieron esto cinco veces, intercambiando cuál era el año de "prueba". Esto es crucial porque el clima cambia cada año, y un modelo que funciona en un año húmedo puede fallar en uno seco.

Los Resultados: ¿Quién Ganó?

Después de ejecutar miles de configuraciones diferentes (como ajustar el sazón de un plato), encontraron:

Los Mejores Chefs: Los ganadores fueron las Máquinas de Vectores de Soporte (SVMs). Piensa en ellos como los chefs más precisos que pueden trazar líneas muy nítidas entre diferentes cultivos.
- Para las Almendras de California, el mejor modelo obtuvo una puntuación de 0.74 (de un máximo de 1.0). Esto significa que fue bastante bueno para detectar almendras temprano en la temporada.
- Para el Maíz de Iowa, el mejor modelo obtuvo una puntuación de 0.59. Esto fue más bajo porque el maíz y la soja son tan similares que incluso la mejor computadora tuvo dificultades para distinguirlos temprano en la temporada.
Temprano vs. Tarde: Sorprendentemente, los modelos que solo vieron fotos hasta principios de junio funcionaron tan bien como los modelos que vieron las fotos de todo el año. Resulta que la "historia familiar" (lo que creció allí antes) combinada con solo los primeros meses de fotos fue suficiente para hacer una buena suposición. No necesitas esperar hasta el final de la temporada.
La Sorpresa del "Tamaño de la Muestra": Los investigadores pensaron que necesitaban alimentar a las computadoras con cada píxel de datos (millones de puntos). Pero descubrieron que alimentar a las computadoras con solo el 0.1% de los datos (una muestra diminuta) funcionaba tan bien como alimentarlas con el 100%. Es como probar una cucharada de sopa para saber si le falta sal; no necesitas comerte toda la olla para conocer el sabor.

El Problema: El Clima es Impredecible

El hallazgo más importante no fue solo qué algoritmo ganó, sino cuánto cambiaron los resultados de un año a otro.

En algunos años, los modelos fueron excelentes. En otros, tuvieron dificultades.
¿Por qué? Porque la agricultura cambia. En 2020, por ejemplo, la cantidad de tierras de almendros en California aumentó repentinamente al triple. La computadora, entrenada con patrones antiguos, se confundió porque la "historia familiar" no coincidía con la nueva realidad.
Esto significa que no existe una única configuración "perfecta" que funcione para todos los años. Los mejores ajustes para un año húmedo podrían ser incorrectos para un año seco.

La Conclusión Final

Este estudio demuestra que podemos construir modelos informáticos para mapear cultivos mientras aún están creciendo, lo cual es vital para reaccionar ante desastres como inundaciones o plagas. La mejor herramienta para el trabajo es una Máquina de Vectores de Soporte, pero debemos aceptar que la precisión subirá y bajará dependiendo del clima y las decisiones agrícolas de ese año específico.

Los autores sugieren que, en el futuro, podríamos necesitar combinar estos modelos con información adicional (como pronósticos del clima o noticias económicas) para ayudar a las computadoras a manejar mejor esos años sorpresa.

Resumen Técnico: Intercomparación de Algoritmos de Aprendizaje Automático para el Mapeo de Cultivos en Temporada Basado en Sensores Remotos

Planteamiento del Problema
El mapeo de cultivos en temporada es esencial para la seguridad alimentaria, particularmente a medida que el cambio climático aumenta la frecuencia de eventos climáticos extremos que amenazan los rendimientos agrícolas. Si bien la Capa de Datos de Cultivos (CDL) del USDA proporciona mapas de tipos de cultivos de alta resolución (30 m), solo está disponible después de la cosecha (típicamente el siguiente febrero), lo que la hace inútil para la gestión de emergencias en tiempo casi real o para el pronóstico de rendimientos durante la temporada de crecimiento. Los estudios de mapeo en temporada existentes a menudo carecen de una evaluación rigurosa a través de múltiples años no observados o no comparan sistemáticamente una amplia gama de algoritmos bajo condiciones estandarizadas. En consecuencia, existe una brecha en la comprensión de qué algoritmos de aprendizaje automático (ML) se generalizan mejor a años no observados, considerando la variabilidad interanual en el clima, la fenología y las decisiones de cultivo.

Metodología
El estudio llevó a cabo una intercomparación sistemática de diez algoritmos de aprendizaje automático para mapear dos tipos específicos de cultivos: maíz en Iowa y almendros en California. La investigación utilizó los siguientes datos y flujo de procesamiento:

Fuentes de Datos: Series temporales de reflectancia de superficie de Harmonized Landsat-Sentinel (HLS) (resolución de 30 m) e historial de rotación de cultivos de los datos históricos de la CDL.
Áreas de Estudio: Dos regiones de 100 km x 100 km: Sacramento, CA (almendros) y Ames, IA (maíz).
Ingeniería de Características: Los datos de HLS fueron filtrados para eliminar nubes, sombras y nieve, y luego compuestos temporalmente en dos esquemas: periodos de 5 días y 14 días. Las características incluyeron reflectancia espectral (Azul, Verde, Rojo, NIR, SWIR1, SWIR2) e historial de rotación de cultivos booleano (presencia del cultivo objetivo en los cuatro años anteriores).
Algoritmos: Se evaluaron diez algoritmos: Random Forest (RF), Extra Trees (ET), Regresión Logística (LR), Máquina de Vectores de Soporte Lineal (LS), Máquina de Vectores de Soporte No Lineal (SV), Naïve Bayes Gaussiano (NB), K Vecinos Más Cercanos (KN), Perceptrón Multicapa de Redes Neuronales (NP), K Vecinos Más Cercanos de Componentes Principales (PK) y Regresión de Componentes Principales Logística (PL).
Optimización de Hiperparámetros: Se realizó una búsqueda de cuadrícula (grid search) para cada algoritmo, lo que resultó en 7,91 configuraciones de hiperparámetros únicas.
Esquema de Validación: Se empleó una validación cruzada de 5 pliegues (5-fold) año tras año robusta utilizando datos de 2018–2022. En cada pliegue, los modelos se entrenaron en cuatro años y se validaron en el año restante no observado. Este enfoque cuantificó la incertidumbre debida a la variabilidad interanual.
Métricas: El rendimiento se evaluó mediante Precisión, Exhaustividad (Recall) y la métrica principal, la puntuación F1.
Escala: Se ejecutaron aproximadamente 9,492 configuraciones de modelos. El cribado inicial utilizó muestras aleatorias del 0.1% de los datos; las mejores configuraciones se reevaluaron utilizando el 100% de los datos mediante un enfoque de bagging para confirmar los resultados.

Contribuciones Clave

Intercomparación Sistemática: El estudio proporciona una comparación justa y estandarizada de diez algoritmos de ML diversos a través de conjuntos de datos, pasos de preprocesamiento y protocolos de validación idénticos, abordando la falta de comparabilidad en la literatura previa.
Cuantificación Robusta de la Incertidumbre: Al validar a través de cinco años no observados, el estudio cuantifica el rango de rendimiento esperado en entornos operativos, yendo más allá de las evaluaciones de un solo año que pueden no capturar la variabilidad interanual.
Vínculo Hiperparámetro-Fenología: La investigación investiga cómo configuraciones específicas de hiperparámetros interactúan con las variaciones interanuales en la fenología y distribución de los cultivos, ofreciendo ideas sobre por qué ciertos modelos tienen éxito en años específicos.

Resultos

Rendimiento de los Algoritmos: Las Máquinas de Vectores de Soporte (tanto lineales como no lineales) emergieron como los algoritmos más exitosos en general.
- Almendros de California (principios de junio): La Regresión Logística y la SVM Lineal lograron las puntuaciones F1 medias más altas de 0.74 (error estándar ~0.15). La SVM No Lineal, K Vecinos Más Cercanos y Random Forest también funcionaron bien (F1 > 0.71).
- Maíz de Iowa (principios de junio): Las SVM lineales y no lineales empataron con el mejor rendimiento con una puntuación F1 media de 0.59. El rendimiento fue generalmente menor que para los almendros, atribuido a la similitud fenotípica entre el maíz y la soja y a la frecuente rotación de cultivos entre ambos.
Inicio de Temporada vs. Final de Temporada: Los modelos restringidos a los datos disponibles solo para principios de junio alcanzaron un rendimiento dentro de 0.01 de los modelos entrenados con datos de todo el año. Esto sugiere que la reflectancia de principios de temporada combinada con el historial de rotación de cultivos es suficiente para un mapeo preciso.
Tamaño de los Datos de Entrenamiento: Entrenar con el 0.1% de los datos disponibles produjo un rendimiento estadísticamente indistinguible de entrenar con el 100% de los datos, lo que indica que un muestreo espacialmente representativo es suficiente para estas tareas.
Variabilidad Interanual: Se observó una variación significativa en el rendimiento a través de los años de validación. Por ejemplo, el mejor modelo de almendros tuvo una puntuación F1 que osciló entre 0.47 y 0.88 a través de los cinco años. En 2020, un año con una triplicación de la superficie de almendros, los modelos tuvieron dificultades debido a la falta de continuidad histórica en los patrones de rotación de cultivos.
Sensibilidad de los Hiperparámetros: Los hiperparámetros óptimos variaron significamente por año. Por ejemplo, en K Vecinos Más Cercanos, la mejor métrica de distancia (Manhattan vs. Chebyshev) y el número de vecinos ( $K$ ) dependieron fuertemente del perfil específico de rotación de cultivos de ese año.

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en proporcionar a los profesionales (agricultores, gestores de emergencias, responsables políticos) una expectativa robusta y cuantificada de la incertidumbre del rendimiento del mapeo de cultivos en temporada. Al demostrar que las Máquinas de Vectores de Soporte son el algoritmo más fiable en diversas condiciones, el estudio ofrece una recomendación concreta para futuros sistemas operativos. Los autores enfatizan que, si bien ninguna configuración de modelo es perfecta para cada año debido a los cambios fenológicos y distributivos, las mejores prácticas identificadas (por ejemplo, usar SVM, aprovechar la rotación de cultivos y aceptar datos de principios de temporada) proporcionan una base sólida para la toma de decisiones en tiempo casi real. El estudio concluye que las mejoras futuras pueden lograrse mediante enfoques de ensamble y la integración de datos auxiliares (por ejemplo, clima, impulsores económicos) para anticipar años con distribuciones de cultivos inusuales.