Algoritmo de inteligencia artificial para la detección de cultivos de cacao (Teobroma cacao L.), banano (Musa paradisiaca L.) y palma africana (Elaeis guineensis J.).

Abstract

Se analiza la expansión e intensificación de la agricultura no regulada e insostenible, principalmente en América Latina, enfocándose en Ecuador, donde la degradación del suelo está estrechamente relacionada con prácticas agrícolas insostenibles. Destaca la importancia de una planificación territorial exhaustiva y el uso de teledetección para evaluar cambios en el uso del suelo y la cobertura vegetal​​. La investigación se centra en la zona norte de las provincias del Guayas y de Los Ríos en Ecuador, enfocándose en el procesamiento de imágenes satelitales para detectar cultivos de banano, cacao y palma. Utiliza una metodología experimental y cuantitativa para comparar la efectividad de distintas metodologías de clasificación, evaluando la precisión del método de inteligencia artificial Bosques Aleatorios usando imágenes del satélite Sentinel-2. Los resultados del estudio incluyen el preprocesamiento de imágenes satelitales, el cálculo de índices espectrales NDVI y RESI, y la clasificación supervisada de las imágenes de Sentinel-2 utilizando los métodos de Máxima Verosimilitud y Bosques Aleatorios. Se realizaron análisis estadísticos detallados, incluyendo la validación de resultados mediante matrices de confusión y el cálculo del coeficiente Kappa​​. En conclusión, el manuscrito ofrece una comprensión profunda de cómo la teledetección y la inteligencia artificial pueden ayudar en la detección y clasificación de cultivos en áreas específicas, contribuyendo a la gestión agrícola y la planificación territorial sostenible​​.