El Dr. Santos Gracia Villar, presidente de la Fundación Universitaria Iberoamericana (FUNIBER), en conjunto con el Dr. Luis Dzul López, rector de la Universidad Internacional Iberoamericana de México (UNINI México), institución que forma parte de la red universitaria de la Fundación, participan en un estudio innovador que combina datos sobre las características del suelo con técnicas de aprendizaje automático para optimizar la selección de cultivos y mejorar la producción agrícola.
La agricultura es un pilar fundamental en la economía y el sustento de numerosas regiones. La elección adecuada de cultivos es esencial para maximizar la productividad y rentabilidad de las explotaciones agrícolas. Sin embargo, los agricultores enfrentan desafíos significativos al seleccionar los cultivos más apropiados para sus tierras, ya que una elección inadecuada puede reducir los rendimientos y provocar escasez de alimentos.
Tradicionalmente, la selección de cultivos se ha basado en la experiencia empírica de los agricultores y en asesoramiento de expertos. No obstante, este enfoque puede ser subjetivo y no siempre considera todas las variables ambientales y del suelo que influyen en el crecimiento de los cultivos.
El estudio en cuestión introduce un enfoque innovador que integra información detallada del suelo con modelos de aprendizaje automático para recomendar los cultivos más adecuados. Se desarrolló un modelo de aprendizaje automático denominado RFXG, que combina los algoritmos Random Forest y Extreme Gradient Boosting, para analizar parámetros como la humedad, niveles de nitrógeno, potasio, fósforo, pH, precipitaciones y temperatura del suelo.
Para validar la eficacia del modelo RFXG, se recopilaron y preprocesaron datos relevantes, y se comparó su rendimiento con otros modelos de aprendizaje automático, incluyendo clasificadores como Extra Trees, Perceptrón Multicapa, Random Forest, Árboles de Decisión, Regresión Logística y Extreme Gradient Boosting. Se aplicaron técnicas de optimización de hiperparámetros y validación cruzada K-fold para garantizar la robustez del modelo.
Los resultados del estudio son prometedores. El modelo RFXG logró una precisión del 98% en la recomendación de cultivos, superando a los modelos comparativos. Este alto nivel de precisión indica que el modelo puede proporcionar recomendaciones inmediatas y precisas, facilitando a los agricultores la toma de decisiones informadas sobre qué cultivos plantar en función de las características específicas de su suelo y condiciones ambientales.
La implementación de este enfoque tiene implicaciones significativas para la agricultura. Al utilizar modelos de aprendizaje automático que consideran múltiples variables del suelo y ambientales, los agricultores pueden optimizar la selección de cultivos, aumentar los rendimientos y mejorar la sostenibilidad de sus prácticas agrícolas. Además, este método puede contribuir a la seguridad alimentaria al reducir la probabilidad de escasez de alimentos derivada de elecciones de cultivos inadecuadas.
Si quieres conocer más sobre este estudio, haz clic aquí.
Para leer más investigaciones, consulta el repositorio de UNEATLANTICO.
La Fundación Universitaria Iberoamericana (FUNIBER) promueve diversos programas de estudio de maestría en el área de medio ambiente, como la Maestría en Ingeniería y Tecnología Ambiental. Este programa es ideal para aquellos que desean contribuir activamente a la protección del medio ambiente y al desarrollo sostenible, adquiriendo habilidades prácticas y conocimientos actualizados en el campo de la gestión ambiental.
No pierda la oportunidad de avanzar en su carrera profesional y marcar la diferencia en el ámbito ambiental. Inscríbase ahora en esta maestría y conviértase en un líder en sostenibilidad.