Predicción del rendimiento de cosecha de palta Hass en Fundo Los Paltos
Publicado: 28 Dic 2025, 23:45
Resumen
Este trabajo predice el rendimiento (Tn/Ha) de palta Hass en Perú combinando el Framework DAY (Data–AI–Yield) y Random Forest. Se limpió y normalizó el CSV (2013–2025), se imputaron nulos por mediana y se mitigó data leakage (excluyendo 'Frutos' y 'Peso'). Con partición 70/30, el modelo alcanzó R²=0.66, MAE=4.41 Tn/Ha y RMSE=5.70 Tn/Ha. Se incluyen visualizaciones de desempeño y explicabilidad. El enfoque es reproducible y alineado con la literatura reciente sobre ML en agricultura.
Palabras clave
Precision Agriculture, Crop Yield Prediction, Random Forest, DAY Framework, XAI, Hass Avocado Peru, NASA POWER, Sentinel-2, Small Data ML.
Abstract
This study applies the DAY Framework (Data-AI-Yield) and Random Forest to predict Hass avocado yield (Tn/Ha) at Fundo Los Paltos, Peru, using a historical dataset of 245 records (2013-2025) with 38 climatic (NASA POWER), edaphic, and management variables.
Robust preprocessing was performed: median imputation for missing values (50% in nutrients), data
leakage mitigation (excluding "Frutos" and "Peso"), and 70/30 train-test split. Random Forest achieved R²=0.66, MAE=4.41 Tn/Ha, and RMSE=5.70 Tn/Ha, outperforming Decision Tree (R²=0.64), Ridge (R²=0.53), and MLP (R²=0.48).
Key variables include AoCos (16.1%), EdadCamp (14.1%), and Potasio (7.9%). The approach validates ML in low digital maturity Peruvian contexts, proposing XAI (SHAP) and future Sentinel-2 integration for scalability
Introducción
La estimación de rendimiento agrícola (yield prediction) guía decisiones de siembra, riego y logística, y es crítica para la seguridad alimentaria. La integración de datos climáticos, de suelo, manejo e imágenes remotas mediante aprendizaje automático (ML) ha mostrado
avances sustantivos. Revisiones sistemáticas reportan aplicaciones de ML en manejo de cultivos, agua y suelo, y su capacidad para capturar relaciones no lineales y de alta dimensionalidad (Liakos et al., 2018; Araújo et al., 2023). A nivel de modelos, los ensembles como Random Forest han superado a regresiones lineales y otros baselines en predicciones de rendimiento para trigo, maíz y papa, con RMSE entre 6–14% del promedio observado (Jeong et al., 2016). Por su parte, marcos modernos con redes profundas (CNN/RNN) demuestran mejoras en contextos de grandes volúmenes y series temporales, generalizando a ambientes no vistos (Khaki & Wang, 2019; 2020). En el agro peruano, la disponibilidad de datos etiquetados y sensores aún es limitada; por ello, un enfoque reproducible de small data como DAY, que combine preparación rigurosa de datos, modelos robustos y explicabilidad, es pertinente y escalable.
https://www.troomes.com/download/file.p ... ew&id=7191
https://www.troomes.com/download/file.p ... ew&id=7192
Este trabajo predice el rendimiento (Tn/Ha) de palta Hass en Perú combinando el Framework DAY (Data–AI–Yield) y Random Forest. Se limpió y normalizó el CSV (2013–2025), se imputaron nulos por mediana y se mitigó data leakage (excluyendo 'Frutos' y 'Peso'). Con partición 70/30, el modelo alcanzó R²=0.66, MAE=4.41 Tn/Ha y RMSE=5.70 Tn/Ha. Se incluyen visualizaciones de desempeño y explicabilidad. El enfoque es reproducible y alineado con la literatura reciente sobre ML en agricultura.
Palabras clave
Precision Agriculture, Crop Yield Prediction, Random Forest, DAY Framework, XAI, Hass Avocado Peru, NASA POWER, Sentinel-2, Small Data ML.
Abstract
This study applies the DAY Framework (Data-AI-Yield) and Random Forest to predict Hass avocado yield (Tn/Ha) at Fundo Los Paltos, Peru, using a historical dataset of 245 records (2013-2025) with 38 climatic (NASA POWER), edaphic, and management variables.
Robust preprocessing was performed: median imputation for missing values (50% in nutrients), data
leakage mitigation (excluding "Frutos" and "Peso"), and 70/30 train-test split. Random Forest achieved R²=0.66, MAE=4.41 Tn/Ha, and RMSE=5.70 Tn/Ha, outperforming Decision Tree (R²=0.64), Ridge (R²=0.53), and MLP (R²=0.48).
Key variables include AoCos (16.1%), EdadCamp (14.1%), and Potasio (7.9%). The approach validates ML in low digital maturity Peruvian contexts, proposing XAI (SHAP) and future Sentinel-2 integration for scalability
Introducción
La estimación de rendimiento agrícola (yield prediction) guía decisiones de siembra, riego y logística, y es crítica para la seguridad alimentaria. La integración de datos climáticos, de suelo, manejo e imágenes remotas mediante aprendizaje automático (ML) ha mostrado
avances sustantivos. Revisiones sistemáticas reportan aplicaciones de ML en manejo de cultivos, agua y suelo, y su capacidad para capturar relaciones no lineales y de alta dimensionalidad (Liakos et al., 2018; Araújo et al., 2023). A nivel de modelos, los ensembles como Random Forest han superado a regresiones lineales y otros baselines en predicciones de rendimiento para trigo, maíz y papa, con RMSE entre 6–14% del promedio observado (Jeong et al., 2016). Por su parte, marcos modernos con redes profundas (CNN/RNN) demuestran mejoras en contextos de grandes volúmenes y series temporales, generalizando a ambientes no vistos (Khaki & Wang, 2019; 2020). En el agro peruano, la disponibilidad de datos etiquetados y sensores aún es limitada; por ello, un enfoque reproducible de small data como DAY, que combine preparación rigurosa de datos, modelos robustos y explicabilidad, es pertinente y escalable.
https://www.troomes.com/download/file.p ... ew&id=7191
https://www.troomes.com/download/file.p ... ew&id=7192