Modelos de Machine Learning para estimar la Demanda Hídrica en Cultivos Tropicales: Revisión y Arquitectura Conceptual IoT

Resumen

La gestión del riego agrícola tiene que ser eficiente por la presión creciente que se ejerce sobre los recursos hídricos en las distintas regiones tropicales, y como es de suponer el marco de soluciones debe recoger soluciones óptimas soportadas por tecnología de vanguardia. El objetivo de este estudio es analizar los modelos de Machine Learning más importantes para el cálculo de la demanda en el riego agrícola en cultivos tropicales y poder así realizar la combinación de los resultados con la propuesta del modelo arquitectónico conceptual utilizando tecnologías del Internet of Things. La metodología empleada se apoya en un enfoque cualitativo con un tipo bibliográfico y documental. Se soporta en una revisión progresiva de la literatura científica publicada entre los años 2018 y 2024, que se lleva a cabo en bases de datos como Scopus, Google Scholar y Web of Science. Los resultados ponen de manifiesto que algoritmos como Random Forest, LSTM, SVM y XGBoost presentan coeficientes de determinación (R² superiores a 0.87) al pronosticar las variables húmedas clave no solo de la evapotranspiración y la humedad del suelo, sino que son en particular efectivos en combinación con datos en tiempo real de la sensorística IoT.

Finalizando la etapa investigativa el equipo de especialistas plantea estructurar un patrón arquitectónico distribuido mediante cuatro niveles operativos abarcando desde la adquisición física de variables pasando por su respectivo enrutamiento de red y el procesamiento computacional de datos hasta desplegar una interfaz resolutiva configurada para acoplar rutinas algorítmicas predictivas sobre ecosistemas de hardware económico facilitando enormemente su integración masiva entre productores de latitudes cálidas comprobando empíricamente las enormes capacidades sinérgicas surgidas al fusionar estas ramas informáticas cuya implementación práctica consolida un vector tecnológico crucial destinado a optimizar la administración del recurso hídrico impulsando colateralmente la preservación ecológica integral junto a un repunte cuantitativo del rendimiento agrícola.