📄 agriculture

Sector-Specific Machine Learning Models for Short-Term Sugarcane Yield Forecasting Using NDVI at Plot Level

Este estudio demuestra que los modelos de aprendizaje automático específicos por sector que utilizan series temporales de NDVI de Sentinel-2 segmentadas por edad superan a los modelos globales y a las estimaciones de expertos tradicionales al proporcionar pronósticos de rendimiento de caña de azúcar precisos y tempranos a nivel de parcela, permitiendo así una gestión agrícola y una planificación operativa más efectivas.

Autores originales: JOEL MORALES, David Mera, Juan Francisco Pec, José Luis Quemé

Publicado 2026-07-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: JOEL MORALES, David Mera, Juan Francisco Pec, José Luis Quemé

Artículo original bajo licencia CC BY 4.0 (https://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 de caña de azúcar en Guatemala. Tienes miles de diminutos parcelas de oro verde extendiéndose por el paisaje. Tu trabajo es adivinar cuánta azúcar cosecharás de cada parche específico antes de que lleguen los camiones. Tradicionalmente, enviarías a un gerente con una tabla de anotaciones y un par de ojos para hacer una suposición. Pero el artículo de Joel Morales y su equipo dice: "Espera, intentemos algo más genial".

Construyeron una bola de cristal digital usando Aprendizaje Automático (programas de computadora inteligentes) y fotos satelitales para predecir la cosecha, llamada "toneladas de caña por hectárea" (TCH), mucho antes de que se corte el cultivo.

La Gran Idea: Un Tamaño No se Ajusta a Todos

Los investigadores probaron dos formas de construir su bola de cristal.

Primero, intentaron un "Modelo Global". Imagina intentar enseñar a un solo estudiante a predecir el clima para cada ciudad del mundo al mismo tiempo. Le das a la computadora todos los datos de todas las granjas, los mezclas en un batido gigante y le pides que adivine el rendimiento para todos. Es un enfoque de generalista.

Segundo, intentaron un "Modelo Específico por Sector". Esto es como contratar a un pequeño equipo de expertos especializados, donde un equipo conoce solo la Granja A, otro conoce solo la Granja B, y así sucesivamente. Cada equipo aprende las peculiaridades, el suelo y la historia de su propio vecindario.

El Veredicto: El artículo descarta explícitamente la idea de que el modelo global de "un tamaño para todos" sea la mejor opción. El enfoque Específico por Sector fue el claro ganador. Mientras que el modelo global tropezó con una tasa de error (RMSE) de 16.75 TCH, los equipos especializados lo lograron con precisión con un error de solo 12.48 TCH. Los modelos especializados también fueron mucho más seguros, alcanzando una puntuación (R²) de 0.7840 en comparación con el 0.5724 del modelo global.

La Salsa Secreta: El "Pulso Verde" del Satélite

¿Cómo saben tanto estos equipos de computación? No miran el suelo; miran el NDVI. Piensa en el NDVI como una "puntuación de verdor" que los satélites miden. Las plantas sanas y felices reflejan la luz de una manera que las hace brillar de color verde en la pantalla del satélite.

El artículo argumenta en contra de simplemente tomar una instantánea única. En su lugar, observaron los cultivos crecer como una película en cámara rápida. Dividieron el ciclo de crecimiento de 12 meses en segmentos de 45 días (como capítulos de un libro) y rastrearon cómo cambiaba el "verdor" en cada capítulo.

Encontraron que la etapa de Elongación I (una fase de crecimiento específica donde los tallos se estiran) era el capítulo más crítico. Es como el "estirón de la adolescencia" de la planta. Si sabes cómo está la planta durante este estiramiento específico, puedes predecir la cosecha final mucho mejor que si solo miras la planta cuando es un bebé o cuando ya está completamente crecida.

La Pregunta del "Cuándo": ¿Qué tan pronto podemos adivinar?

Una pregunta común es: "¿Podemos saber el tamaño de la cosecha justo al principio?". El artículo sugiere que no, no puedes obtener una respuesta confiable inmediatamente.

A los 3 meses: La computadora todavía está adivinando locamente. El error es enorme (24.75 TCH). Es como intentar adivinar la altura final de un bebé solo mirando sus primeras semanas.
A los 5 meses: Este es el punto de inflexión mágico. El artículo muestra que para el quinto mes, las predicciones se vuelven lo suficientemente confiables como para superar a los expertos humanos. El error cae a 14.13 TCH.
A los 12 meses: A medida que el cultivo envejece, la predicción se vuelve aún más aguda, bajando el error a 12.48 TCH.

Superando al Experto Humano

Aquí está la parte divertida: el artículo compara su computadora con los verdaderos administradores de la granja que han estado haciendo esto durante años. Los gerentes suelen hacer sus estimaciones solo un mes antes de la cosecha.

Error del Gerente Humano: 15.47 TCH.
Error de la Computadora (a los 5 meses): 14.13 TCH.

El artículo demuestra que la computadora puede superar al experto humano siete meses antes de que el humano suela hacer su estimación. Y la computadora es más precisa, también. Las suposiciones humanas tienden a estar influenciadas por lo que sucedió el año pasado o simplemente por un "sentimiento visceral", lo cual puede ser erróneo si el clima fue extraño. La computadora, sin embargo, observa el "pulso verde" real de las plantas, captando cosas como el estrés hídrico que un ojo humano podría pasar por alto.

El Problema (y el Futuro)

El artículo es muy honesto sobre una limitación. Los equipos "Específicos por Sector" son tan buenos, pero necesitan una película perfecta del crecimiento del cultivo. Si las nubes bloquean la vista satelital con demasiada frecuencia, la computadora no puede ver el "pulso verde" y no puede construir su equipo especializado. Actualmente, este método funciona para aproximadamente el 52% de las parcelas debido a los cielos nublados.

Para el resto, el "Modelo Global" (el generalista) sigue siendo útil como un plan de respaldo. Pero el artículo sugiere que en el futuro, podrían combinar las fotos verdes con el radar (que puede ver a través de las nubes) para que el sistema funcione en todas partes, todo el tiempo.

La Conclusión

El artículo demuestra que si quieres saber cuánta caña de azúcar obtendrás, no debes usar una regla genérica para toda la granja. Necesitas construir un modelo personalizado, específico de cada vecindario, que observe el "latido verde" de tu cultivo a través de la lente satelital. Para el quinto mes de crecimiento, este método ya es más preciso que los expertos experimentados, brindando a los agricultores una herramienta poderosa para planificar su cosecha, ahorrar dinero y gestionar sus campos como profesionales.

Resumen Técnico: Modelos de Aprendizaje Automático Específicos por Sector para el Pronóstico de Rendimiento de Caña de Azúcar a Corto Plazo

Planteamiento del Problema
El pronóstico preciso del rendimiento de la caña de azúcar (medido en toneladas de caña por hectárea, TCH) a nivel de parcela es crítico para optimizar la gestión agrícola, la asignación de recursos y la planificación operativa en la industria azucarera de Guatemala. Los métodos de estimación tradicionales dependen de datos históricos o biometría de campo, los cuales son logísticamente complejos y no logran capturar la variabilidad espacial y temporal inherente a las extensas áreas de cultivo con ciclos de cultivo escalonados. Además, los modelos macroscópicos existentes suelen pasar por alto los cambios tecnológicos de mediados de temporada y las condiciones biofísicas localizadas, mientras que el muestreo basado en campo es laborioso y difícil de escalar. Los enfoques actuales de Aprendizaje Automático (ML) frecuentemente operan en escalas espaciales agregadas o dependen de observaciones estáticas, lo que limita su utilidad para la toma de decisiones en tiempo real a nivel de parcela. El desafío central abordado es la incapacidad de los marcos existentes para integrar simultáneamente la estimación a nivel de parcela, el modelado temporal de los índices de vegetación a través de las etapas fenológicas y las actualizaciones continuas de las predicciones a medida que se dispone de nuevos datos satelitales.

Metodología
El estudio desarrolló un marco basado en ML para pronosticar rendimientos de caña de azúcar a corto plazo utilizando el Índice de Vegetación de Diferencia Normalizada (NDVI) segmentado por edad, derivado de imágenes satelitales Sentinel-2 (S2).

Integración de Datos: Los investigadores construyeron un conjunto de datos integrado que vincula registros de productividad de 2,132 parcelas de caña de azúcar a través de seis temporadas de cosecha (2016–17 a 2021–22) con series temporales de NDVI derivadas de S2. El área de estudio cubrió 46,754 hectáreas gestionadas por Ingenio Magdalena.
Ingeniería de Características: Las observaciones de NDVI se agregaron en contenedores temporales de 45 días alineados con las etapas fenológicas clave (Macollaje, Elongación I, Elongación II y Maduración). Para cada contenedor, se extrajeron cinco características estadísticas: Media, Mediana, Cuartil 1 (Q1), Cuartil 3 (Q3) y Área Bajo la Curva (AUC). Para asegurar la consistencia temporal, solo se retuvieron las parcelas con trayectorias de NDVI completas en todos los contenedores.
Estrategias de Modelado: Se evaluaron dos esquemas de modelado espacial distintos:
1. Esquema Global: Un único modelo universal entrenado en todas las observaciones disponibles, independientemente de la ubicación.
2. Esquema Específico por Sector: Modelos independientes desarrollados para sectores agrícolas individuales (el 47% del total de los sectores cumplió con el umbral mínimo de datos de cinco observaciones) para capturar la variabilidad biofísica local.
Evaluación de Algoritmos: Se probaron diez algoritmos de regresión, incluyendo BstLm (Modelo Lineal Potenciado), svmPoly (Máquina de Vectores de Soporte con Núcleo Polinómico), rf (Bosque Aleatorio), spls (Mínimos Cuadrados Parciales Dispersos) y gaussprPoly (Regresión de Proceso Gaussiano con Núcleo Polinómico). Los hiperparámetros se optimizaron mediante validación cruzada de 5 pliegues (5-fold cross-validation).
Validación: Los modelos fueron evaluados en un conjunto de prueba independiente (Zafra 2021–22) utilizando el Error Cuadrático Medio (RMSE) y el coeficiente de determinación ( $R^2$ ). El rendimiento también se comparó con las estimaciones expertas pre-cosecha proporcionadas por los administradores de las fincas. Se aplicó el análisis de Explicación de la Importancia de las Características mediante valores SHAP (SHapley Additive exPlanation) para interpretar la importancia de las variables.

Resultos Clave

Desempeño del Modelo: El enfoque específico por sector superó significativamente al modelo global. En el conjunto de prueba independiente, el esquema específico por sector logró un RMSE de 12.48 TCH y un $R^2$ de 0.7840, comparado con el RMSE de 16.75 TCH y un $R^2$ de 0.5724 del modelo global.
Selección de Algoritmos: Los algoritmos seleccionados con mayor frecuencia fueron Mínimos Cuadrados Parciales Dispersos (spls) y Máquina de Vectores de Soporte con Núcleo Polinómico (svmPoly). El esquema global favoreció la Regresión de Proceso Gaussiano con Núcleo Polinómico (gaussprPoly), pero este fue menos efectivo que los modelos sectoriales personalizados.
Importancia de las Características: El análisis SHAP identificó la Mediana de NDVI como la característica predictiva dominante (seleccionada en el 51% de los modelos). La etapa fenológica de Elongación I (EI) fue determinada como el periodo más influyente para la estimación del rendimiento, alineándose con la fase de máxima actividad metabólica y demanda hídrica.
Fiabilidad Temporal: Se pudieron lograr pronósticos fiables a partir del quinto mes de crecimiento del cultivo (RMSE = 14.13 TCH). La precisión de la predicción mejoró progresivamente a medida que el cultivo maduraba, con un margen de error que se redujo significativamente hacia el noveno y duodécimo mes.
Comparación con Expertos: El marco específico por sector superó las estimaciones expertas tradicionales (RMSE = 15.47 TCH). Notablemente, el sistema de ML proporcionó una mayor precisión de forma más temprana en la temporada (para el quinto mes) en comparación con las estimaciones de los expertos, que se realizan típicamente solo un mes antes de la cosecha.

Significancia y Reivindicaciones
El artículo sostiene que los modelos de ML localizados y específicos por sector, combinados con la dinámica temporal del NDVI, proporcionan una metodología escalable para la agricultura de precisión que supera tanto a los modelos globales como a las estimaciones expertas tradicionales. El marco permite:

Gestión Proactiva: Al generar pronósticos fiables desde el quinto mes de crecimiento, el sistema permite realizar ajustes tempranos en el riego, la fertilización y los planes de cosecha, en lugar de esperar al análisis de fin de ciclo.
Cuantificación de la Variabilidad: El enfoque captura las complejas interacciones entre las condiciones ambientales y las prácticas de manejo, reduciendo la incertidumbre asociada con las evaluaciones visuales subjetivas, particularmente durante los periodos de estrés hídrico.
Utilidad Operativa: El sistema apoya la presupuestación y la planificación operativa al proporcionar objetivos de rendimiento a nivel de parcela que son más precisos que los promedios históricos o las estimaciones subjetivas de los administradores.

Los autores señalan una limitación actual: la dependencia de los datos satelitales ópticos significa que la cobertura nubosa persistente limita el despliegue del enfoque específico por sector a aproximadamente el 52% de las parcelas. Proponen que el trabajo futuro abordará esto integrando datos de Radar de Apertura Sintética (SAR) de Sentinel-1 para asegurar un monitoreo continuo independientemente de las condiciones atmosféricas. El estudio concluye que este cambio de paradigma transforma el pronóstico de rendimiento de una estimación estática de fin de ciclo en una herramienta dinámica de apoyo a la decisión.