Predicción del rendimiento de cultivos de café: un mapeo sistemático
-
Muñoz Ordoñez, Cristian Camilo [1] ; Cobos Lozada, Carlos Alberto [1] ; Muñoz Ordóñez, Julian Fernando [2]
-
[1] Universidad del Cauca
Universidad del Cauca
Colombia
-
[2] Corporación universitaria comfacauca - Unicomfacauca, Popayán, Colombia
-
- Localización: Ingeniería y competitividad: revista científica y tecnológica, ISSN 0123-3033, Vol. 25, Nº. 3, 2023 (Ejemplar dedicado a: Ingeniería y Competitividad)
- Idioma: español
- Títulos paralelos:
- Forecast yield prediction of coffee crops: a systematic mapping
- Enlaces
- Dialnet Métricas: 2 Citas
-
Resumen
- español
El café es uno de los productos agrícolas más comercializados internacionalmente y en Colombia, es el primer producto de exportación no minero-energético. En este contexto, la predicción del rendimiento de los cultivos de café es vital para el sector, ya que permite a los caficultores establecer estrategias de manejo del cultivo, maximizando sus ganancias o reduciendo posibles pérdidas. En este artículo, se abordan aspectos cruciales de la predicción del rendimiento de los cultivos de café mediante una revisión sistemática de literatura de documentos consultados en Scopus, ACM, Taylor & Francis y Nature. Estos documentos se sometieron a un proceso de filtrado y evaluación para responder cinco preguntas clave: variables predictoras, variable objetivo, técnicas y algoritmos empleados, métricas para evaluar la calidad de la predicción y tipos de café reportados. Los resultados revelan distintos grupos de variables predictoras que incluyen factores atmosféricos, químicos, obtenidos vía satélite, relacionados con fertilizantes, suelo, manejo del cultivo y sombras. La variable objetivo más recurrente es el rendimiento medido en peso de granos por hectárea u otras medidas, con un caso que considera el área foliar. Entre las técnicas predominantes para predecir el rendimiento se encuentran la regresión lineal, los bosques aleatorizados, el análisis de componentes principales, la regresión por conglomerados, las redes neuronales, los árboles de clasificación y regresión y las máquinas de aprendizaje extremo, entre otras. Las métricas más comunes para evaluar la calidad de los modelos predictivos incluyen R², RMSE, MAE, MAPE, MRE, error estándar, coeficiente de correlación de Pearson y desviación estándar. Por último, las variedades de café más estudiadas son robusta, arábica, racemosa y zanguebariae.
- English
Coffee is one of the most traded agricultural products internationally; in Colombia, it is the first non-mining-energy export product. In this context, the prediction of coffee crop yields is vital for the sector since it allows coffee growers to establish crop management strategies, maximizing their profits or reducing possible losses. This paper addresses crucial aspects of coffee crop yield prediction through a systematic literature review of documents consulted in Scopus, ACM, Taylor & Francis, and Nature. These documents were subjected to a filtering and evaluation process to answer five key questions: predictor variables used, target variable, techniques and algorithms employed, metrics to evaluate the quality of the prediction, and types of coffee reported. The results reveal different groups of predictor variables, including atmospheric, chemical, satellite-derived, fertilizer-related, soil, crop management, and shadow factors. The most recurrent target variable is yield, measured in bean weight per hectare or other measures, with one case considering leaf area. Predominant techniques for yield forecasting include linear regression, random forests, principal component analysis, cluster regression, neural networks, classification and regression trees, and extreme learning machines, among others. The most common metrics to evaluate the quality of predictive models include R², RMSE, MAE, MAPE, MRE, error deviation, Pearson's correlation coefficient, and standard deviation. Finally, robusta, arabica, racemosa, and zanguebariae are the most studied coffee varieties.
- español
