Comparación de modelos predictivos usando sensores IoT y datos meteorológicos del IDEAM en un cafetal de la finca los laureles, vereda San Inés en San Vicente de Chucurí 2026

Abstract

El presente trabajo desarrolla un modelo predictivo de humedad del suelo para un cultivo de café ubicado en la vereda Santa Inés, en el municipio de San Vicente de Chucurí, mediante la integración de datos de sensores IoT con información meteorológica del IDEAM. El objetivo general consiste en anticipar el estado de humedad del suelo para apoyar decisiones de riego más oportunas, y se apoya en cuatro objetivos específicos: diseñar el sistema de monitoreo, integrar las fuentes de datos, desarrollar modelos predictivos y evaluar su desempeño. La metodología es de tipo aplicado y enfoque cuantitativo. El sistema se construye sobre un microcontrolador ESP32 con sensores de humedad y temperatura del suelo y del aire, que transmite sus lecturas por Wi-Fi a la plataforma ThingSpeak cada cinco minutos. Esa información se une con la precipitación diaria de la estación Albania del IDEAM, tomando la fecha como elemento común, y se depura mediante un proceso de extracción, transformación y carga. Sobre el conjunto resultante se construyen variables derivadas de la lluvia y se comparan varias técnicas de análisis de datos, evaluadas con métricas estadísticas como el error cuadrático medio y el coeficiente de determinación. Los resultados muestran que la humedad del suelo responde sobre todo a la lluvia acumulada de los días previos y no a las condiciones instantáneas del aire, lo que confirma el valor de integrar los datos del IDEAM. El trabajo concluye que un sistema de bajo costo, apoyado en herramientas de código abierto, ofrece una alternativa viable para el monitoreo ambiental en fincas cafeteras y sienta las bases para futuros desarrollos en agricultura de precisión.