PREDICCIONES

CLIMÁTICAS CON IA

AGROFORECAST
GARANTIZANDO PREDICCIONES PRECISAS PARA CAMPESINOS
 CONTENT
01 OUR TEAM

02 ESTADO DEL ARTE

03 PROBLEMA

04 RELACION ENTRE ML Y METODOS ESTADISTICOS

05 OBJETIVOS

06 BIBLIOGRAFIA
 OUR TEAM

Nicolas Bello Mateo Melo Héctor

Alfonso
Ing Sistemas Ing Sistemas Ing Sistemas
ESTADO DEL
ARTE
Avances de ML para la predicción
del clima y el desarrollo de las de
las tomas de decisiones para la
agricultura.

Integracion de sistemas
geograficos, y data collection a
partir de sensores remotos, CUSTOMERS
satélites y drones
EVENTOS EXTERNOS Y
MONITOREO SATELITAL

Historial de eventos
climáticos extremos.
Uso de imagenes
satelitales para
monitorear cultivos.

B
 01 02 03 04

Temperaturas (máximas, Precipitación (cantidad Humedad relativa, Radiacion solar y

mínimas, medias) y frecuenci) velocidad y dirección presión atmosférica
del viento.

DATOS METEREOLOGICOS
HISTÓRICOS
PROBLEMA

Detección temprana de
enfermedades y plagas.
Predicción precisa del
rendimiento de cultivos.
Optimización de
80%
recursos.
RELACION ENTRE MACHINE LEARNING Y
METODOS ESTADISTICOS

Correlacion entre Modelos de análisis y su

complejidad de los auge en sistemas de ML
problemas, tamaño de los
conjuntos de datos

STRATEGY N°1 STRATEGY N°2

OBJETIVOS

Desarrollar modelos de IA que

proporcionen predicciones
avanzadas, precisas y utiles para
los campesinos

Realizar un análisis comparativo y

exhaustivo de los modelos de ML.
CUSTOMERS
Confeccionar un sistema intuitivo
para indicar el momento optimo
para comenzar la siembra.
 BIBLIOGRAFIA LARANA, INC.

[1] “Machine learning vs statistical methods for time series forecasting: Size matters”.
arXiv.org.3 Accedido el 12 de septiembre de 2023. [En l ́ınea]. Disponible:
https://arxiv.org/abs/1909.13316
[2] “Time series forecasting performance of the novel deep learning algorithms on stack
overflow website data”. MDPI. Accedido el 12 de septiembre de 2023. [En l ́ınea]. Disponible:
https://www.mdpi.com/2076-3417/13/8/4781
[3] “On the application of ARIMA and LSTM to predict order demand based on short lead time
and on-time delivery requirements”. MDPI. Accedido el 12 de septiembre de 2023. [En l ́ınea].
Disponible: https://www.mdpi.com/22279717/9/7/1157
[4] “The state of the art in deep learning applications, challenges, and future prospects: A
comprehensive review of flood forecasting and management”. MDPI. Accedido el 12 de
septiembre de 2023. [En l ́ınea]. Disponible: https://www.mdpi.com/20711050/15/13/10543
 BIBLIOGRAFIA LARANA, INC.

[5] (No date) International Journal of Agricultural Sustainability: Vol 21, no 1 ... Available at:
https://www.tandfonline.com/toc/tags20/current (Accessed: 12 September 2023).
[6] Agriculture (no date) Agriculture — Special Issue: Optimization of Resource Use for
Productivity, Efficiency, and Sustainability in Agriculture. Available at:
https://www.mdpi.com/journal/agriculture/special issues/ResourceU seAgriculture(Accessed :
12September2023)
[7] Li, Y. et al. (2022a) Adoption intensity of a standardized technical system: The higher the
better?-evidence from China, Frontiers. Available at:
https://www.frontiersin.org/articles/10.3389 /fenvs.2022.937287/full (Accessed: 12 September
2023).