Desarrollo de un sistema de alerta temprana de heladas utilizando un modelo matemático predictivo, en cultivo de papa (Solanum tuberosum) en el municipio de Oicatá, Boyacá
Cargando...
Fecha
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
https://www.youtube.com/shorts/DCYb3j0Jiv8
https://www.youtube.com/shorts/whfv3B4rL-c
https://www.youtube.com/watch?v=x8BBX1lHA7k
https://www.youtube.com/watch?v=1VZyWrerU9c
https://www.youtube.com/watch?v=XyzHdKI5cDs
https://www.youtube.com/watch?v=ec_G6hO1LcA
https://www.youtube.com/watch?v=iK_-QRAwISQ
https://www.youtube.com/watch?v=G1hjJrPPvMk
https://www.youtube.com/shorts/whfv3B4rL-c
https://www.youtube.com/watch?v=x8BBX1lHA7k
https://www.youtube.com/watch?v=1VZyWrerU9c
https://www.youtube.com/watch?v=XyzHdKI5cDs
https://www.youtube.com/watch?v=ec_G6hO1LcA
https://www.youtube.com/watch?v=iK_-QRAwISQ
https://www.youtube.com/watch?v=G1hjJrPPvMk
ISSN de la revista
Título del volumen
Resumen
Las heladas representan uno de los fenómenos climáticos más devastadores para los agricultores dedicados al cultivo de papa en el altiplano Cundiboyacense, particularmente en el municipio de Oicatá, Boyacá, donde este cultivo desempeña un papel fundamental en la economía y la seguridad alimentaria de la región. La ocurrencia repentina de estos eventos climáticos provoca pérdidas significativas que comprometen tanto el rendimiento de los cultivos como la estabilidad económica de los productores y la sostenibilidad de los sistemas agrícolas. En respuesta a esta problemática, se desarrolló un sistema de alerta temprana basado en tecnologías IoT y aprendizaje automático, orientado a proporcionar información oportuna que permita al agricultor tomar medidas preventivas ante la ocurrencia de heladas. El sistema integra una estación meteorológica que registra variables agroclimáticas como temperatura, humedad relativa, velocidad del viento y radiación solar, cuyos datos son enviados a la nube y procesados mediante un modelo predictivo de Máquinas de Soporte Vectorial (SVM) con núcleo radial (RBF). Este modelo identifica patrones asociados a condiciones de riesgo y ejecuta predicciones cada cinco minutos, generando alertas automáticas vía SMS cuando se detectan escenarios propensos a helada. Con una precisión del 98 %, el sistema demuestra la eficacia de combinar IoT y aprendizaje automático como herramientas tecnológicas que fortalecen la toma de decisiones preventivas y la resiliencia de los sistemas agrícolas ante riesgos climáticos.
Descripción
Abstract
Frost is one of the most devastating climatic phenomena for potato farmers in the Cundiboyacense highlands, particularly in the municipality of Oicatá, Boyacá, where this crop plays a fundamental role in the region's economy and food security. The sudden occurrence of these climatic events causes significant losses that compromise both crop yields and the economic stability of producers and the sustainability of agricultural systems. In response to this problem, an early warning system based on IoT technologies and machine learning was developed, aimed at providing timely information that allows farmers to take preventive measures in the event of frost. The system integrates a weather station that records agroclimatic variables such as temperature, relative humidity, wind speed, and solar radiation, whose data is sent to the cloud and processed using a radial basis function (RBF) support vector machine (SVM) predictive model. This model identifies patterns associated with risk conditions and executes predictions every five minutes, generating automatic alerts via SMS when scenarios prone to frost are detected. With 98% accuracy, the system demonstrates the effectiveness of combining IoT and machine learning as technological tools that strengthen preventive decision-making and the resilience of agricultural systems to climate risks.
Palabras clave
Agricultura, Automatización, Helada, IoT, Predicción, Validación
