EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Predicción del crecimiento de plantas de Coffea mediante machine learning basado en variables climáticas y agronómicas

Ricardo Augusto Luna Murillo, Bryan Alexander Alvarez Real, Joshua Emanuel Vinces Manrique, Johnny Xavier Bajaña Zajia

Ciencia y Tecnología · 03.07.2026 · 19 (2) · 1-10

DOI: 10.18779/cyt.v19i2.1149 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Ciencia y Tecnología, online erschienen am 03.07.2026. Verfasst von Ricardo Augusto Luna Murillo und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

El cultivo de café en zonas subtropicales enfrenta desafíos crecientes debido a la variabilidad climática y a la necesidad de toma de decisiones agronómicas más precisas, considerando este punto, las técnicas de aprendizaje automático se posicionan como una herramienta crucial para apoyar la gestión agrícola, este estudio expone el desarrollo e integración de un modelo de refuerzo de gradiente para predecir el crecimiento en altura y diámetro del tallo de plantas de café de las variedades Manabí 01 y Sarchimor, utilizando variables climáticas y agronómicas recolectadas mediante sensores instalados en el sector de Sacha Wiwa, La Maná. El modelo con coeficiente de determinación de R²=0,554 para altura y R²=0,535 para diámetro, mostró un desempeño adecuado para predecir el crecimiento de las plantas de café utilizando variables climáticas y agronómicas. Estos resultados, si bien pueden mejorar mediante la optimización del algoritmo y la inclusión de mayores cantidades de datos, evidencian el potencial del machine learning como herramienta para la toma de decisiones agronómicas. Como aplicación práctica, el modelo fue posteriormente integrado en una aplicación móvil para permitir la realización de predicciones en tiempo real y facilitar el monitoreo del desarrollo de las plantas en campo. Aunque se observaron márgenes de error propios de complejidad del entorno agrícola, los resultados mostraron un alto potencial de mejora mediante el uso de conjuntos de datos, más robustos y la optimización del algoritmo, y con ello, esta investigación busca acercar el machine learning al campo, fortaleciendo la toma de decisiones agronómicas basadas en datos concretos.

Zitieren

APA

Murillo, R. A. L., Real, B. A. A., Manrique, J. E. V., & Zajia, J. X. B. (2026). Predicción del crecimiento de plantas de Coffea mediante machine learning basado en variables climáticas y agronómicas. Ciencia y Tecnología, 19(2), 1-10. https://doi.org/10.18779/cyt.v19i2.1149

Vancouver

Murillo RAL, Real BAA, Manrique JEV, Zajia JXB. Predicción del crecimiento de plantas de Coffea mediante machine learning basado en variables climáticas y agronómicas. Ciencia y Tecnología. 2026;19(2):1-10. doi:10.18779/cyt.v19i2.1149

BibTeX
@article{Murillo2026,
  author = {Murillo, Ricardo Augusto Luna and Real, Bryan Alexander Alvarez and Manrique, Joshua Emanuel Vinces and Zajia, Johnny Xavier Bajaña},
  title = {Predicción del crecimiento de plantas de Coffea mediante machine learning basado en variables climáticas y agronómicas},
  journal = {Ciencia y Tecnología},
  year = {2026},
  volume = {19},
  number = {2},
  pages = {1--10},
  doi = {10.18779/cyt.v19i2.1149}
}
Kostenlos starten →