Aplicación de machine learning para la orientación en la toma de decisiones frente al uso agrícola apropiado del suelo para zonas con cultivos ilícitos en Colombia
No hay miniatura disponible
Fecha
Fecha
2023-11-29
Autores
Director
Título de la revista
ISSN de la revista
Título del volumen
Editor
Descripción
La erradicación de los cultivos de uso ilícito en Colombia es lo más parecido a una quimera: de acuerdo con las cifras del Observatorio de Drogas, la fuente que ofrece números oficiales sobre esta materia, en 2018 se erradicaron 59.977 hectáreas de coca de forma manual, un esfuerzo loable pero que, sin duda, se queda corto frente a las 169.018 hectáreas de coca registradas ese mismo año en el país. La agricultura en Colombia desempeña un papel importante en la economía y el empleo, aunque existe una dificultad común entre los agricultores colombianos, la cual es que no optan por el cultivo adecuado en función de la productividad, condiciones climáticas, biota y propiedades del suelo, por ello la productividad y la calidad se ven afectadas.
El objetivo principal de la investigación fue orientar la toma de decisiones en la determinación del mejor uso agrícola del suelo donde existen cultivos ilícitos en Colombia, mediante la aplicación de aprendizaje automático, donde como producto principal se obtuvo un instrumento de orientación a los cultivadores que quieren sustituir cultivos ilícitos en función de las propiedades del suelo, condiciones climáticas, bióticas y productividad. Para el desarrollo de esta se aplicó el proceso de Descubrimiento de Conocimiento en Base de Datos KDD por sus siglas en inglés (Knowledge Discovery in Databases).
El estudio evidencio que los mejores métodos para predecir el cultivo sustituible son aquellos basados en Random Forest además que la aplicación de aprendizaje automático es una importante herramienta de apoyo a la toma de decisiones para la predicción de cultivos.
Resumen
The eradication of crops for illicit use in Colombia is the closest thing to a chimera: according to figures from the Drug Observatory, the source that offers official numbers on this matter, in 2018, 59,977 hectares of coca were eradicated manually, a laudable effort but that, without a doubt, falls short compared to the 169,018 hectares of coca registered that same year in the country. Agriculture in Colombia plays an important role in the economy and employment, although there is a common difficulty among Colombian farmers, which is that they do not choose the right crop based on productivity, climatic conditions, biota and soil properties, therefore productivity and quality are affected.
The main objective of the research was to guide decision-making in determining the best agricultural use of the land where there are illicit crops in Colombia, through the application of machine learning, where as the main product an orientation instrument was obtained for growers who want replace illicit crops based on soil properties, climatic and biotic conditions, and productivity. For the development of this, the Knowledge Discovery in Databases KDD process was applied.
The study evidenced that the best automatic methods to predict the substitutable crop are those based on Random Forest and that the learning application is an important decision support tool for crop prediction.
Palabras clave
Aprendizaje automático, Agricultura, Cultivos ilícitos
Materias
Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas, Machine Learning en agricultura, Orientación en la toma de decisiones agrícolas, Uso agrícola apropiado del suelo, Cultivos ilícitos en Colombia, Erradicación de cultivos de coca, Productividad agrícola y condiciones climáticas, Métodos de predicción con Random Forest, Sustitución de cultivos ilícitos, Aplicaciones de aprendizaje automático en agricultura