Monitoreo satelital del dosel de arroz mediante inteligencia artificial para la gestión sostenible de suelos en Venezuela

Resumen

La gestión eficiente de los insumos agrícolas y la preservación de las propiedades edáficas constituyen pilares fundamentales para la sostenibilidad de los sistemas agroalimentarios modernos. Esta investigación diseñó y validó una metodología basada en Inteligencia Artificial (IA) orientada a la estimación de la cobertura del dosel en cultivos de arroz dentro de la región centro-occidental de Venezuela, empleando para ello datos radiométricos de la misión satelital Sentinel-2. El objetivo fue desarrollar un sistema de monitoreo no invasivo que permita optimizar la dosificación de fertilizantes nitrogenados, mitigando así el impacto ambiental y promoviendo la salud del suelo agrícola. La metodología se fundamentó en el entrenamiento de un modelo de Perceptrón Multicapa (MLP), cuya arquitectura fue optimizada para procesar firmas espectrales multitemporales. El rigor estadístico del modelo se garantizó mediante una validación cruzada de cinco pliegues, la cual reportó métricas de desempeño adecuadas, incluyendo un Error Cuadrático Medio (RMSE) promedio de 0,0071 y un coeficiente de determinación (R²) de 0,9996. Adicionalmente, se ejecutó una fase de verificación externa que ratificó la capacidad de generalización del algoritmo en diversos escenarios fenológicos. Los resultados concluyen que la integración de redes neuronales artificiales y teledetección multiespectral permite una inferencia robusta de variables biofísicas, facilitando la toma de decisiones estratégicas en la agricultura de precisión. Esta aproximación técnica garantiza una mayor eficiencia productiva al tiempo que se posiciona como una herramienta para la monitorización de la salud edáfica y la reducción de la huella de carbono en la producción cerealera a gran escala.