Aplicación de modelos de aprendizaje supervisado para el estudio del impacto de las heladas en los cultivos de Boyacá

Abstract

Las heladas representan una amenaza significativa para la agricultura a nivel global, causando pérdidas económicas sustanciales. En este contexto, la aplicación de técnicas avanzadas de detección temprana, predicción precisa y evaluación integral del riesgo se vuelve crucial para la protección de cultivos vulnerables. Esta monografía presenta una revisión exhaustiva de investigaciones recientes que exploran el uso innovador de imágenes termográficas infrarrojas (IRT), datos multiespectrales y meteorológicos, combinados con modelos de aprendizaje automático (Machine Learning), para abordar el problema de las heladas en la agricultura. Se analizan diversos estudios que demuestran la eficacia de algoritmos como Random Forest, XGBoost, Redes Neuronales Convolucionales (CNN), Redes Recurrentes (GRU) y Máquinas de Vectores de Soporte (SVM) en la clasificación de eventos de heladas, la predicción de temperaturas críticas, la estimación del daño foliar y la evaluación del riesgo a nivel regional y de cultivo. Se destaca la importancia de la integración de datos multimodales provenientes de sensores terrestres y aéreos (UAV) para obtener una comprensión más completa de las condiciones que preceden y acompañan a las heladas. La monografía también explora el potencial de estas tecnologías para la agricultura en Boyacá, Colombia, una región con alta vulnerabilidad a eventos de heladas que afectan cultivos clave como la papa, la fresa y diversas hortalizas. Se discuten los beneficios de implementar sistemas de alerta temprana, mapas de riesgo y herramientas de monitoreo basadas en aprendizaje automático para optimizar la toma de decisiones agronómicas y mitigar las pérdidas económicas. Finalmente, se identifican los desafíos clave para la adopción de estas tecnologías en el contexto de Boyacá, incluyendo los costos de inversión en infraestructura y tecnología, la necesidad de generar datos locales específicos y la formación de capacidades técnicas. Se proponen recomendaciones estratégicas para una implementación gradual y colaborativa, que involucre a instituciones de investigación, entidades gubernamentales y la comunidad agrícola, con el objetivo de fortalecer la agricultura de precisión y la resiliencia climática en el departamento.