Abstracto
- El uso de métodos tradicionales para la estimación de propiedades fisicoquímicas del suelo es costoso, lento y puede producir contaminación en el suelo. Más aún, existe una creciente demanda por parte del sector agrónomo de métodos que puedan proporcionar los resultados de manera inmediata a fin de mejorar las prácticas agrícolas. El objetivo de este trabajo de grado es evaluar la viabilidad del uso de imágenes satelitales multi-espectrales en la estima de propiedades del suelo. El estudio y creación de un estado del arte en la estimación de propiedades del suelo con modelos supervisados de aprendizaje máquina entrenados con la información de imágenes satelitales es llevado a cabo. Además, se realiza la simulación de las bandas espectrales de los satélites Sentinel-2a, Landsat 8 y Desis a partir del vis-NIR de unas muestras del suelo para producir caña de azúcar, tomadas en los departamentos de Santander y Boyacá de Colombia, con la finalidad de evaluar modelos de aprendizaje automático, como LR, SVR, RF, PLSR y LASSO, en la estima del pH, OM, Ca, Mg, K y Na y poder proponer una cota superior a los resultados que se pueden obtener. La evaluación se realizó usando una validación cruzada de 5-pliegues con las métricas del R^2 y MSE. Se obtuvo un R^2 ≥ 0.5 para pH, 0.4 ≤ R^2 < 0.5 para OM y R^2 ≤ 0.4 para Ca, Mg, K y Na. Asimismo, se obtuvo, procesó y analizó una imagen del satélite Sentinel-2a con la cual se efectuaron el entrenamiento y validación de los mismos modelos usados en las simulaciones. Se encuentra que la existencia de materiales, como la vegetación, sobre el suelo puede afectar considerablemente la estimación de las propiedades del suelo.