Toma de decisiones de riego inteligente para cultivos de café con la utilización de sensores IoT

Autores/as

DOI:

https://doi.org/10.26820/recimundo/9.(esp).mayo.2025.378-394

Palabras clave:

Gestión del riego, Agricultura de precisión, Internet de las Cosas, IoT

Resumen

La correcta administración del riego agrario es de suma importancia dado el contexto de escasez de recursos hídricos y, por otro lado, el aumento en la demanda de productos agrícolas. El cultivo del café, para el que sí que se precisa de unas prácticas de riego que sean muy concretas y flexibles, tal y como los sistemas de cultivo, es decir, las condiciones medioambientales son determinantes. En este estudio se combinan tecnologías de agricultura de precisión con tecnologías del Internet de las Cosas (IoT) para optimizar la toma de decisiones sobre el riego en cultivos de café. Se emplean sensores del IoT para monitorizar la humedad del suelo, la temperatura, la radiación solar y en general para monitorizar las condiciones medioambientales del cultivo, por tanto, el sistema recoge datos en tiempo real que son procesados mediante algoritmos del machine learning y cuya aplicación es predecir los requerimientos de riego. Este enfoque y esta solución pueden llevar a una adecuada gestión de los recursos hídricos y ajustándose a las condiciones del cultivo, lo que lleva a mejoras tanto de la productividad y calidad del café como de las pérdidas de agua.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Johnatan Israel Corrales Bonilla, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi; Latacunga, Ecuador

Charles Fabián Barreno Flores, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi; Latacunga, Ecuador

Anderson Leonardo Salvatierra Tacle, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi; Latacunga, Ecuador

Nelly Mariuxi Pastuña Chusin, Universidad Técnica de Cotopaxi

Universidad Técnica de Cotopaxi; Latacunga, Ecuador

Citas

Bishnoi, S., & Hooda, B. K. (2022). Decision Tree Algorithms and their Applicability in Agriculture for Classification. Journal of Experimental Agriculture International. https://doi.org/10.9734/jeai/2022/v44i730833

Canete-Sifuentes, L., Monroy, R., & Medina-Perez, M. A. (2021). A Review and Experimental Comparison of Multivariate Decision Trees. IEEE Access, 9. https://doi.org/10.1109/ACCESS.2021.3102239

Charbuty, B., & Abdulazeez, A. (2021). Classification Based on Decision Tree Algorithm for Machine Learning. Journal of Applied Science and Technology Trends, 2(01). https://doi.org/10.38094/jastt20165

Edwards-Murphy, F., Magno, M., Whelan, P. M., O’Halloran, J., & Popovici, E. M. (2016). B+WSN: Smart beehive with preliminary decision tree analysis for agriculture and honey bee health monitoring. Computers and Electronics in Agriculture, 124. https://doi.org/10.1016/j.compag.2016.04.008

El Morr, C., Jammal, M., Ali-Hassan, H., & El-Hallak, W. (2022). Decision Trees. In International Series in Operations Research and Management Science (Vol. 334). https://doi.org/10.1007/978-3-031-16990-8_8

Ferrández-Pastor, F. J., García-Chamizo, J. M., Nieto-Hidalgo, M., & Mora-Martínez, J. (2018). Precision agriculture design method using a distributed computing architecture on internet of things context. Sensors (Switzerland), 18(6). https://doi.org/10.3390/s18061731

Friha, O., Ferrag, M. A., Shu, L., Maglaras, L., & Wang, X. (2021). Internet of Things for the Future of Smart Agriculture: A Comprehensive Survey of Emerging Technologies. In IEEE/CAA Journal of Automatica Sinica (Vol. 8, Issue 4). https://doi.org/10.1109/JAS.2021.1003925

Kalesanwo, O., Awodele, O., Eze, M., Kuyoro, ’S., & Ajaegbu, C. (2020). Evaluation of Decision Tree Algorithms in Precision Agriculture. International Journal of Computing and Technology (IJCAT), 7(3).

Kotsiantis, S. B. (2013). Decision trees: A recent overview. In Artificial Intelligence Review (Vol. 39, Issue 4). https://doi.org/10.1007/s10462-011-9272-4

Song, Y. Y., & Lu, Y. (2015). Decision tree methods: applications for classification and prediction. Shanghai Archives of Psychiatry, 27(2). https://doi.org/10.11919/j.issn.1002-0829.215044

Tao, W., Zhao, L., Wang, G., & Liang, R. (2021). Review of the internet of things communication technologies in smart agriculture and challenges. In Computers and Electronics in Agriculture (Vol. 189). https://doi.org/10.1016/j.compag.2021.106352

Vamshi, H., Vamshi, D., Dakshiraju, S., Chennauahgari, S., Saswati, B., & Loganayagi, B. (2023). SMART AGRICULTURE USING DECISION TREE IN IOT. International Research Journal of Modernization in Engineering Technology and Science, 5(03/March-2023). https://doi.org/10.56726/irjmets35152

Descargas

Publicado

2025-05-06

Cómo citar

Corrales Bonilla, J. I. ., Barreno Flores, C. F., Salvatierra Tacle, A. L., & Pastuña Chusin, N. M. (2025). Toma de decisiones de riego inteligente para cultivos de café con la utilización de sensores IoT. RECIMUNDO, 9(Especial), 378–394. https://doi.org/10.26820/recimundo/9.(esp).mayo.2025.378-394