Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Ingeniería y competitividad
versión impresa ISSN 0123-3033versión On-line ISSN 2027-8284
Resumen
MUNOZ ORDONEZ, Cristian Camilo; COBOS LOZADA, Carlos Alberto y MUNOZ ORDONEZ, Julián Fernando. Predicción del rendimiento de cultivos de café: un mapeo sistemático. Ing. compet. [online]. 2023, vol.25, n.3, e-30513171. Epub 30-Sep-2023. ISSN 0123-3033. https://doi.org/10.25100/iyc.v25i3.13171.
El café es uno de los productos agrícolas más comercializados internacionalmente y en Colombia, es el primer producto de exportación no minero-energético. En este contexto, la predicción del rendimiento de los cultivos de café es vital para el sector, ya que permite a los caficultores establecer estrategias de manejo del cultivo, maximizando sus ganancias o reduciendo posibles pérdidas. En este artículo, se abordan aspectos cruciales de la predicción del rendimiento de los cultivos de café mediante una revisión sistemática de literatura de documentos consultados en Scopus, ACM, Taylor & Francis y Nature. Estos documentos se sometieron a un proceso de filtrado y evaluación para responder cinco preguntas clave: variables predictoras, variable objetivo, técnicas y algoritmos empleados, métricas para evaluar la calidad de la predicción y especies de café reportados. Los resultados revelan distintos grupos de variables predictoras que incluyen factores atmosféricos, químicos, obtenidos vía satélite, relacionados con fertilizantes, suelo, manejo del cultivo y sombras. La variable objetivo más recurrente es el rendimiento medido en peso de granos por hectárea u otras medidas, con un caso que considera el área foliar. Entre las técnicas predominantes en la predicción del rendimiento se encuentran la regresión lineal, los bosques aleatorizados, el análisis de componentes principales, la regresión por conglomerados, las redes neuronales, los árboles de clasificación y regresión y las máquinas de aprendizaje extremo. Las métricas más comunes para evaluar la calidad de los modelos predictivos incluyen la raíz del error cuadrático medio, coeficiente de determinación (R²), error absoluto medio, error estándar, coeficiente de correlación de Pearson y desviación estándar. Por último, las variedades de café más estudiadas son robusta, arábica, racemosa y zanguebariae.
Palabras clave : Aprendizaje de máquina; métricas de calidad; predicción; rendimiento del café; variables predictivas.