Herramienta para la estimación del potencial bioenergético en municipios vulnerables de Colombia mediante imágenes satelitales y machine learning

Abstract

Este trabajo propone una metodología de identificación de cultivos y estimación del potencial energético mediante el uso de técnicas de machine learning. Específicamente, se desarrolló un modelo de clasificación de terreno y detección de cultivos utilizando imágenes satelitales provenientes de Sentinel-2, empleando algoritmos como regresión logística, Random Forest, máquinas de vectores de soporte y XGBoost, llegando a un 96% de exactitud. Adicionalmente, se entrenó un modelo de regresión para la estimación de producción de cultivos con base en el área sembrada, llegando a un valor de R2 de 0.87. Estos modelos se integraron en una aplicación web desarrollada con React y Django, permitiendo al usuario final interactuar con un mapa y obtener estimaciones del potencial energético para zonas dentro de municipios PDET seleccionados.