Agricultura de Precisión: Modelo de Recomendación de Cultivos con XGBoost y Datos Agroclimáticos

Abstract

La agricultura de precisión busca optimizar la selección de cultivos utilizando información precisa del suelo y clima. En este estudio desarrollo un modelo basado en XGBoost que utiliza parámetros agroclimáticos (N, P, K, pH, temperatura, humedad, lluvia) obtenidos de 2,200 muestras. El objetivo es recomendar cultivos óptimos para regiones tropicales y subtropicales. El dataset fue dividido en 80/20 y balanceado con SMOTE; los datos se escalaron mediante MinMaxScaler. En el conjunto de prueba, XGBoost alcanzó un Accuracy de 99.09 % y Macro-F1 de 99.08 %, con curvas ROC (AUC=0.995) y PR (AUC=0.994) mostrando excelente generalización. Variables como lluvia, temperatura y humedad resultaron ser las más influyentes. Este modelo ofrece recomendaciones sólidas y puede contribuir significativamente a mejorar la productividad agrícola en zonas vulnerables, potenciando la equidad en la agricultura.