Validación de modelos de predicción trimestrales del stock de pasturas consociadas utilizando imágenes satelitales

Abstract

on el objetivo de culminar mi formación profesional realicé una Práctica Profesional Supervisada (PPS), la cual me brindó la oportunidad de aplicar los conocimientos adquiridos a lo largo de mi carrera universitaria y, al mismo tiempo, de adquirir nuevas herramientas y experiencias. Esta práctica tuvo lugar en el establecimiento "La Carola", situado en las cercanías del partido de General Lamadrid, en la provincia de Buenos Aires, Argentina. Dicho establecimiento pertenece a “Administración de Campos La Colina”. El trabajo se organizó en trimestres, los cuales fueron agrupados conforme a las estaciones del año: septiembre-octubre-noviembre (SON), diciembre-enero-febrero (DEF), marzo-abril-mayo (MAM) y junio-julio-agosto (JJA). De estos trimestres, los dos últimos fueron realizados por mí. La práctica se desarrolló entre el 28 de marzo y el 24 de agosto de 2024. El trabajo consistió en asistir al establecimiento una vez al mes, portando un mapa que indicaba el stock de pasto, obtenido a partir de imágenes satelitales. En primer lugar, se tomaron los datos de los modelos de predicción del stock de pasto desarrollados y validados para la zona de General Belgrano. Posteriormente, se midió el stock de pasto disponible en las pasturas en ese momento, utilizando un pasturómetro de disco. Esto nos permitió contrastar las predicciones teóricas con las mediciones reales obtenidas en el campo. Luego, con el apoyo de inteligencia artificial, se corrigieron los modelos de predicción del stock de pasto desarrollados para la zona de General Belgrano, utilizando los datos obtenidos del sudoeste de la provincia de Buenos Aires. Este proceso garantizó la fiabilidad y la efectividad de los modelos en condiciones reales, lo que resulta esencial para ajustar y mejorar su precisión, incrementando así su capacidad predictiva a través de un enfoque basado en datos concretos y análisis continuos. A través de esta Práctica Profesional Supervisada (PPS), logré avances significativos tanto en el ámbito técnico como en la aplicación práctica de modelos predictivos para la gestión de recursos naturales. A lo largo de esta experiencia, adquirí valiosas competencias que previamente no había tenido la oportunidad de desarrollar. Comprendí la importancia de integrar tecnologías emergentes, como imágenes satelitales e inteligencia artificial, en la gestión de recursos naturales. Estas herramientas no solo optimizan la precisión de las predicciones, sino que también mejoran y facilitan los procesos de recolección y análisis de datos. Además, la práctica me permitió enfrentar los desafíos y las dificultades asociadas con el ajuste de modelos predictivos, tomando en cuenta las características del terreno y las variaciones climáticas de la zona. Este proceso resaltó la necesidad de basar las decisiones en datos reales y ajustados a las particularidades del entorno, reforzando así la importancia de una gestión precisa y adaptada a las condiciones locales.