Optimización de sistemas de soporte de decisiones en agricultura mediante IA: un enfoque integrado

Optimization of decision support systems in agriculture using AI: an integrated approach

Autores/as

  • Luis Tonatiuh Castellanos Serrano Universidad Autónoma Chapingo. Departamento de Ingeniería Mecánica Agrícola.
  • María Victoria Gómez Aguila Universidad Autónoma Chapingo. Departamento de Ingeniería Mecánica Agrícola.
  • José Alfredo Castellanos Suárez Universidad Autónoma Chapingo. Departamento de Sociología Rural.
  • Marcelino Aurelio Pérez Vivar Universidad Autónoma Chapingo. Departamento de Fitotecnia.

DOI:

https://doi.org/10.32870/e-cucba.vi21.333

Palabras clave:

Inteligencia Artificial, agricultura sostenible, sistemas de soporte de decisiones, modelos predictivos, gestión de cultivos

Resumen

La agricultura contemporánea enfrenta desafíos críticos en términos de sostenibilidad y eficiencia, en el contexto de un crecimiento poblacional constante y la necesidad de prácticas agrícolas ambientales responsables. Este estudio aborda la aplicación de la Inteligencia Artificial (IA) en la optimización de los Sistemas de Soporte de Decisiones (SSD) para la agricultura, con el objetivo de mejorar la gestión de cultivos y la utilización de recursos. Mediante la integración de métodos de aprendizaje automático y la implementación de modelos predictivos, se analizó la productividad de cultivos bajo diversas condiciones ambientales. Los resultados demuestran una precisión mejorada en la predicción de rendimientos, con un incremento del 15% en la eficiencia del uso de agua y fertilizantes en comparación con las técnicas convencionales. La investigación también revela un aumento significativo en la colaboración y publicación científica en este campo desde 2018, destacando la importancia de la IA en el futuro de la agricultura sostenible. Las conclusiones del estudio subrayan el potencial de los SSD basados ​​en IA para transformar la agricultura, promoviendo prácticas más eficientes y sustentables que pueden adaptarse a los desafíos globales.

Citas

Aria, M. y Cuccurullo, C. (2017). Bibliometrix: una herramienta R para un análisis exhaustivo de mapeo científico. Revista de Informetricia, 11(4), 959-975.

Bhagat, PR., Naz., F. y Magda, R. (2022). Soluciones de inteligencia artificial que permiten la agricultura sostenible: un análisis bibliométrico. Más Uno, 17(6), e0268989. DOI: 10.1371/journal.pone.0268989.

Bhatt, R. y Kaur, A. (2019). Agricultura inteligente: sensores agrícolas inteligentes basados en IoT para monitorear la temperatura y la humedad en vivo utilizando Arduino, computación en la nube y tecnología solar. La Revista Internacional de Ingeniería y Ciencia (IJES), 8(7), 49-55.

Fernández-Alduenda, M., Pérez-Rodríguez, P. y Jiménez-Jiménez, F. (2022). IoT e IA en la agricultura: una revisión sistemática. Computación y Electrónica en Agricultura. 184 , 106065.

Ganeshkumar, C., Jena, SK., Sivakumar, A. y Nambirajan, T. (2023). Inteligencia artificial en la cadena de valor agrícola: revisión y direcciones futuras. Revista de agronegocios en economías emergentes y en desarrollo, 13 (3), 379-398. DOI: 10.1108/JADEE-07-2020-0140.

Jain, AK. y Gupta, M.M. (Eds.). (2021). Aprendizaje profundo para la toma de decisiones en agricultura. Naturaleza Springer.

Khosla, R. y Fischer, M. (2020). Agricultura de precisión para la sostenibilidad. John Wiley e hijos.

Liakos, KG., Busato, P., Moshou, D., Pearson, S. y Bochtis, D. (2018). Machine Learning in Agriculture: A Review. Sensores, 18(8), 2674.

Lobell, DB., Cassman, KG. y Field., CB (2013). Brechas en el rendimiento de los cultivos: su importancia, magnitudes y causas. Revisión anual de medio ambiente y recursos, 38, 179-204.

Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). (2017). Tecnología de la información y la comunicación (TIC) en la agricultura: informe para los diputados agrícolas del G20. Recuperado de http://www.fao.org/3/a- i7961e.pdf.

Perry, C. (2017). Riego eficiente; comunicación ineficiente; recomendaciones erróneas. Riego y Drenaje, 66(1), 175-182.

Schimmelpfennig, D. (2016). Beneficios agrícolas y adopción de la agricultura de precisión. Informe de Investigación Económica. 1-27.

Van Eck, N. y Waltman, L. (2010). Software de encuesta: VOSviewer, un programa informático de cartografía bibliométrica. Cienciometría, 84 (2), 523-538.

Descargas

Publicado

2024-01-05

Cómo citar

Castellanos Serrano, L. T., Gómez Aguila, M. V., Castellanos Suárez, J. A., & Pérez Vivar, M. A. (2024). Optimización de sistemas de soporte de decisiones en agricultura mediante IA: un enfoque integrado: Optimization of decision support systems in agriculture using AI: an integrated approach. E-CUCBA, (21), 150–155. https://doi.org/10.32870/e-cucba.vi21.333

Artículos más leídos del mismo autor/a