Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Citado por Google 
Similares en
SciELO 
Similares en Google 
Permalink
Introducción
Según el Observatorio de Complejidad Económica (The Observatory of Economic Complexity, OEC) del MIT Media Lab, el café en 2021 fue el producto número 124 más comercializado del mundo, con transacciones totales de USD $36 billones. Las exportaciones de este producto crecieron 16,3%, representando el 0,17% del comercio mundial total 1. La mayor parte del consumo se da en países del “Norte Global” 2, de los cuales Estados Unidos destaca entre las primeras posiciones registrando en el total de su población un consumo diario del 74% 3. Además, según una encuesta de 2022 realizada por Drive Research, tres de cada cuatro estadounidenses beben café todos los días y 49% de esta población toma de tres a cinco tazas diarias 4) (5. Por otro lado, la Federación Europea del Café afirma que los consumidores de ese continente tienen la demanda per cápita más alta del mundo, con el 30% del total generado 6.
Para satisfacer esta demanda global de café se cuenta con aproximadamente 60 millones de agricultores de pequeña escala ubicados principalmente en América del Sur y el Caribe, Sudeste Asiático, Noreste Africano, India y China 2. En consecuencia, el café se convierte en uno de los productos agrícolas más comercializados a nivel internacional 7, constituyendo una parte importante de la economía general y una fuente considerable de ingresos de divisas para muchos países, la mayoría en desarrollo 8.
Colombia no es ajena a esta tendencia global, su posición como tercer productor de café en el mundo hace evidente su estrecha relación con este cultivo 1) (9, siendo el primer producto de exportación no minero-energético del país 10, en donde su comercialización genera aproximadamente 730 mil empleos directos los cuales sustentan a 555.692 familias en 22 departamentos, además que el 25% de la población rural del país es cafetera 11, hechos que destacan la importancia de plantear y ejecutar continuamente mejoras para optimizar su producción y superar los continuos y diversos retos socioeconómicos y ambientales que enfrenta este cultivo.
El cultivo del café enfrentó desafíos socioeconómicos y ambientales, como la abolición de cláusulas económicas del Acuerdo Internacional del Café en 1989 12) (13, causando volatilidad en el mercado y contribuyendo a la denominada “crisis del café” 14. Actualmente la inseguridad alimentaria, envejecimiento comunitario, migración juvenil y condiciones precarias de los recolectores son problemas que afectan la cadena productiva de este cultivo 11. El cambio climático, con un aumento de 1.1°C desde 1850 a 1900 15, ha intensificado fenómenos extremos, erosionando suelos y causando déficits de agua para el cultivo 16. A causa de lo anterior se estima que las áreas adecuadas para la producción de café disminuirán entre un 73 y un 88% para América Latina en 2050 17) (18.
En Colombia, observando la fuerte relación de sus habitantes con la producción de café y los inconvenientes por los que atraviesa este cultivo, se ha venido incursionando en la agricultura de precisión (en adelante AP) a través del desarrollo de técnicas y tecnologías para asistir en el monitoreo de los cultivos, controlar el uso apropiado de pesticidas y fertilizantes, y mejorar la producción, a la vez que se reduce el impacto en el medio ambiente 19) (20. Se espera que la AP implique cada vez más la recopilación automatizada de datos y la toma de decisiones a nivel finca/granja, aumentando la eficiencia de los recursos de la industria agrícola, reduciendo el uso de agua y químicos nocivos, y aminorando así las repercusiones negativas sobre el ecosistema 21) (22.
En este contexto, contar con algoritmos precisos que puedan predecir el rendimiento de la producción de café, cobra un valor significativo, esta labor parte del aprovechamiento del registro y monitoreo de las actividades agrícolas, lo que permite tomar decisiones basadas en datos reales 23) (24 y a partir de una predicción precisa del rendimiento calculada de diferentes variables, se podrán hacer recomendaciones en el manejo del cultivo para obtener una mayor producción 25) (26.
En el presente artículo, se muestran los resultados de un mapeo sistemático que busca determinar cuáles métodos, técnicas o algoritmos se han usado a la fecha para predecir el rendimiento de la productividad en los cultivos de café.
Metodología
Este estudio fue realizado como un mapeo sistemático siguiendo las guías propuestas en 27. En esta sección se detalla la manera como se estructuró el mapeo para identificar, evaluar y resumir las investigaciones previas más relevantes relacionadas con la predicción y determinación del rendimiento de la productividad en los cultivos de café. A continuación, se detallan los pasos seguidos.
Preguntas de investigación
Las preguntas de investigación que direccionaron este estudio y su motivación se presentan en la Tabla 1.
Proceso de búsqueda y fuentes de documentos
Para definir la cadena de búsqueda se siguió un proceso iterativo de mejora y refinamiento que luego de seis versiones permitió obtener el siguiente resultado:
Componente 1: (yield OR productiv*) AND
Componente 2: (“coffee”) AND
Componente 3: (“soil fertility” OR “soil survey” OR “crop* practice” OR “crop* management” OR “clim*” OR “weather” OR “shad*” OR “pests” OR “diseases”).
Tabla 1 Preguntas de investigación.
| ID | Pregunta de investigación | Motivación |
|---|---|---|
| 1 | ¿Cuáles son las variables, factores o atributos (plagas, enfermedades, sombra, clima, suelo, prácticas de cultivo, tipo de cultivo, u otras) más utilizadas, sus características (tipo de datos, unidad de medida, en qué periodo de cultivo se mide, entre otras) usadas en la predicción del rendimiento de los cultivos de café? | Identificar las variables, su manera de acoplarse con otras de distinta naturaleza (por ejemplo: variables físicas con químicas y con aquellas relacionadas con el suelo) y encontrar conjuntos de datos útiles para la predicción del rendimiento de los cultivos de café. |
| 2 | ¿Cuáles son los principales métodos, técnicas o algoritmos utilizados en la predicción del rendimiento de los cultivos de café? | Identificar los diferentes métodos, técnicas o algoritmos utilizados para la predicción del rendimiento de los cultivos de café, que puedan ser usados para comparar sus resultados contra nuevos desarrollos. |
| 3 | ¿Cuál es la variable objetivo, sus características y procesamiento en cada uno de los estudios del estado del arte? | Entender la naturaleza y dinámica de la variable objetivo (grano seco, grano recién recolectado, u otros) del dataset con el que se van a implementar los diferentes métodos, técnicas o algoritmos. |
| 4 | ¿Cuáles son las métricas de comparación más utilizadas para evaluar la calidad de la predicción en cada una de las investigaciones realizadas? | Comprender las métricas de calidad más utilizadas para evaluar los resultados obtenidos en las investigaciones previas. |
| 5 | ¿Cuáles son las especies de café y sus características más relevantes, sobre las cuales se han generado más investigaciones enfocadas en la predicción de su rendimiento? | Determinar en la actualidad las especies de café más estudiadas y sus respectivas características. |
Esta cadena de búsqueda definitiva contiene 3 componentes principales que deben estar presentes en los resultados (en la cadena están unidos por operadores lógicos AND) y cada componente corresponde a uno o más elementos definidos en la estrategia PICO (Población, Intervención, Comparación y Resultado) 27. Los operadores booleanos OR dentro de un mismo componente incorporan palabras alternativas y sinónimos en cada uno de los componentes. El primer componente se relaciona con el resultado, es decir, predecir o definir la productividad, el segundo se relaciona con la población objetivo, en este caso los cultivos de café y el tercero se relaciona con la intervención o la comparación a través de una lista amplia de términos enfocados en el manejo agronómico de la tierra, que permite buscar documentación relacionada con suelos, prácticas de cultivo, clima, sombras, pestes y enfermedades. El símbolo de asterisco (*) se usó como caractér comodín para la raíz de la palabra que la precede, por ejemplo, el termino crop* puede hacer referencia a los términos crop, crops o cropping. Es preciso comentar que el tercer componente no incluye aspectos sociales y económicos que pueden afectar la productividad de los cafetales, esto se establece como trabajo para una futura versión ampliada del presente mapeo.
La Tabla 2, muestra las fuentes de los documentos (índices o bases de datos científicas) utilizadas para realizar la búsqueda de los artículos publicados. En cada una de ellas se usó la opción de búsqueda avanzada.
Tabla 2 Bibliotecas digitales utilizadas para realizar la búsqueda de información.
| Base de datos | URL |
|---|---|
| Scopus | https://www.scopus.com/ |
| ACM | https://dl.acm.org/search/advanced |
| Taylor & Francis | https://www-tandfonline-com.acceso.unicauca.edu.co/search/advanced |
| Nature | https://www-nature-com.acceso.unicauca.edu.co/search/advanced |
Criterios de inclusión y exclusión
Una vez elaboradas las cadenas de búsqueda e identificadas las fuentes de los documentos, se procedió a establecer los criterios de inclusión y exclusión con la finalidad de seleccionar los artículos afines con los objetivos de investigación. Estos criterios se muestran en la Tabla 3.
Evaluación de la calidad
Cada uno de los documentos distintos (únicos) que resultaron de la búsqueda y aprobaron los criterios de inclusión y exclusión pasaron por un proceso de evaluación de su calidad teniendo en cuenta los criterios que se presentan en la Tabla 4. Esta tabla también presenta los valores asignados (-1, 0 o 1) a cada criterio dependiente de su nivel de cumplimiento.
El criterio de calidad 1 (C1) relacionado con la “Pertinencia temática” busca establecer el nivel en el que el artículo aborda aspectos relevantes o proporcionan información valiosa sobre métodos, técnicas, algoritmos, factores o características de los cultivos y datos que influyen en el rendimiento de los cultivos de café. La evaluación de este criterio implica analizar la relación directa de los documentos con los cultivos de café, la exhaustividad y profundidad de los datos presentados, la validez y relevancia de la información proporcionada, la originalidad en términos de avances en el conocimiento y la utilidad práctica de los conceptos expuestos. La integración de estos factores permite establecer el grado de relevancia temática del artículo en el ámbito de la predicción del rendimiento de los cultivos de café. El criterio de calidad 2 (C2) relacionado con “Metodología rigurosa” busca establecer el grado en que el artículo utiliza métodos científicos rigurosos, confiables y repetibles, describiendo claramente el diseño del estudio, la muestra de datos utilizada, las variables medidas y el apropiado análisis y comparación (si aplica) de los resultados obtenidos. El criterio de calidad 3 (C3) relacionado con “Resultados significativos” busca establecer el nivel en que el artículo presenta resultados significativos y relevantes para el objetivo del estudio del mapeo sistemático. El artículo debe proporcionar información útil sobre los efectos de los diferentes factores en la producción de café y ayudar a identificar los elementos principales que afectan la precisión en la predicción de su rendimiento. La cuantificación de este criterio considera la importancia de los resultados en el contexto del estudio, destacando su contribución a la comprensión y mejora de la producción cafetera. El criterio de calidad 4 (C4) relacionado con “Evaluación del dataset” busca determinar la calidad del conjunto de datos usado en el artículo, describiendo sus variables, factores o atributos y la amplitud de estos en relación con el contexto de la aplicación, es decir, que incluya variables relacionadas con la dinámica ambiental, la topográfica y/o las prácticas de cultivo, datos sobre el suelo, entre otros. Un valor de 1 representa datos exhaustivos y altamente relevantes, enriqueciendo la investigación. Un valor de 0 indica datos adecuados, pero con espacio para mejoras en la completitud. Un valor de -1 denota datos insuficientes y poco relevantes para el estudio. Esta escala cuantifica la calidad del conjunto de datos, siendo mayor cuanto más completo y pertinente es para la investigación. El criterio de calidad 5 (C5) relacionado con “Ranking de la revista en JCR” busca evaluar la calidad de la revista donde el artículo fue publicado, en este sentido se presume que entre mejor sea el cuartil reportado en el JCR más exigente ha sido el proceso de revisión previa a su publicación.
Tabla 3 Criterios de inclusión y exclusion.
| Criterios de inclusión | Criterios de exclusión |
|---|---|
| Artículos dentro de una ventana de tiempo de 10 años (2014 a 2024), cuando en dicho artículo se evidencia el uso de una base de datos relacionado con la predicción del rendimiento de los cultivos de café. | Artículos que no estén escritos en inglés, español, portugués o francés. |
| Artículos dentro de una ventana de tiempo de 5 años (2018 a 2024) donde se muestren métodos, técnicas o algoritmos de predicción del rendimiento de los cultivos de café. | Artículos duplicados que sean reportados por diferentes fuentes de documentos; sólo se preserva el reportado por la primera fuente. |
| Que el texto completo esté disponible para el equipo de investigación. | |
| Que el documento permita dar respuesta a por lo menos una de las preguntas de investigación definidas anteriormente. |
Tabla 4 Criterios de calidad.
| Criterio | Descripción | Calificación | ||
|---|---|---|---|---|
| -1 | 0 | 1 | ||
| C1 | Pertinencia temática | No | Parcialmente | Si |
| C2 | Metodología rigurosa | No | Parcialmente | Si |
| C3 | Resultados significativos | No | Parcialmente | Si |
| C4 | Evaluación del dataset | No relacionadas | Involucra rendimiento | Aspectos y variables relevantes |
| C5 | Ranking de la revista en JCR | No | Q4, Q3 | Q2, Q1 |
La Figura 1 resume el flujo de proceso realizado para la obtención del mapeo sistemático.
Resultados y discusión
La Tabla 5, muestra los resultados de la búsqueda ejecutada. La búsqueda primero se realizó en Scopus y luego en las otras fuentes en el mismo orden en el que aparecen en la tabla. Para cada uno de los artículos encontrados en cada fuente se leyó su título, resumen y palabras clave; con esta información y la aplicación de los criterios de inclusión y exclusión se seleccionaron los artículos relevantes para el mapeo o se descartaron. En la medida que se revisaban nuevas fuentes también se descartaron los documentos duplicados. Al final se contó con 36 artículos relevantes para el mapeo los cuales pasaron a la fase de evaluación de la calidad. De esos 36 se descartaron 9 por su baja calidad.
Tabla 5 Cantidad de artículos encontrados y seleccionados por fuente.
| Buscador | Número de artículos encontrados | Número de artículos seleccionados |
|---|---|---|
| Scopus | 110 | 31 |
| ACM | 11 | 1 |
| Taylor & Francis | 65 | 1 |
| Nature | 15 | 3 |
| Total | 201 | 36 |
El Anexo 1 lista los 27 documentos que finalmente se incluyeron en el análisis, los 25 seleccionados previamente y 2 adicionales (los identificados como 26 y 27) que se seleccionaron usando la técnica de “bola de nieve” (snowballing) luego de haber leído el texto completo de cada uno de los documentos previamente seleccionados y revisar detenidamente sus referencias. A continuación, se presentan las respuestas obtenidas a cada una de las cinco 5 preguntas de investigación planteadas.
Variables utilizadas para predecir el rendimiento en los cultivos de café
Sombras: en la predicción del rendimiento de los cultivos de café las investigaciones reportan distintas variables, factores o atributos, algunos de estos trabajos tienen como objetivo examinar los efectos que ocasiona la interacción de las sombras de los árboles y la textura del suelo con estados reproductivos en el rendimiento del café 28) (29, la comparación del rendimiento de los cafetales con y sin la presencia de árboles leguminosos 30) y el control y efecto de los factores bióticos y abióticos de distintas plantas que dan sombra 31. La sombra habitualmente se mide en un porcentaje (%) presente sobre las plantas de café, lo que conlleva a una intensificación del tipo de suelo bajo esta (arcilloso, arenoso, limoso), afectando directamente la productividad del café medido en kg/ha, sacos/ha o litros/planta; frecuentemente la unión de estos factores se evalúa o registra en periodos reproductivos jóvenes y estados avanzados de edad, en períodos de cosecha, lo que a su vez permite seleccionar el mejor tipo de genotipo acorde a la condición predominante en el cultivo 32. La Tabla 6 resume las variables encontradas en relación con la sombra en los cultivos de café.
Atmosféricas (ver Tabla 7)
Un conjunto de variables recurrentemente presentadas en las investigaciones son las relacionadas con la atmósfera e incluyen la temperatura, el déficit de presión de vapor, las precipitaciones, los requerimientos potenciales del agua (relacionada con el estrés hídrico), el déficit de agua mensual (mm/mes), la humedad relativa y la radiación solar. En 33 se muestra cómo el rendimiento de los cafetales está ligado a una prolongada temporada de lluvias que favorece el crecimiento vegetativo, aumentando así el potencial de producción (incremento el número de nudos fructíferos), mientras que la baja precipitación durante la formación de los granos causa el efecto contrario.
De manera similar se ha estudiado la interacción que tiene el rendimiento del cultivo con los valores de estrés hídrico, el cual afecta el crecimiento del café dependiendo de la etapa fenológica en la que se encuentre y los requerimientos de agua del cultivo (litros), al no permear suficiente agua a la profundidad necesaria para cubrir la pérdida ocasionada por la evapotranspiración 34. Esto último está muy relacionado con lo propuesto en 35) donde se desarrollaron modelos agrometeorológicos para la predicción de los rendimientos anuales de café arábica (Coffea arabica), utilizando los déficits de agua mensuales (mm/mes) en las etapas reproductivas (alto rendimiento) y en la etapa vegetativa (bajo rendimiento), donde se ven más afectados por esta variable.
Otras variables climáticas relacionadas con la productividad del café incluyen la humedad relativa (%RH) 36 y la presión de vapor (VPD en KPa) 37) (38) (39; en esta última investigación se logró identificar un umbral de rápida disminución del rendimiento que se presenta cuando esta variable está por encima de 0,82 kPa y a su vez, se definió un intervalo de temperatura de 2°C a 2.9°C sobre el cual si el calentamiento global llega a superar, lo más probable es que los países que representan el 90% del suministro mundial de café perciban una drástica disminución en la producción. De esta forma se introduce la variable trasversal a la mayoría de las investigaciones relacionadas con productividad y clima, por ejemplo, en 37; 40 se percibe la influencia de la temperatura (°C) en el rendimiento del café Robusta, determinando que cada aumento de 1°C en las temperaturas medias, mínimas o máximas por encima de 16,2/24,1 °C corresponde a una disminución del rendimiento de aproximadamente 14% o 350-460 kg/ha. En 33) (40) (35) (38) (39) (36, la temperatura se agrega generalmente como atributo al conjunto de datos de entrenamiento para los diferentes modelos, se mide con temporalidad trimestral y se incluye con valores promedio, mínimo y máximo.
Tabla 7 Variables atmosféricas.
| Nombre | Medida | Número de veces reportada |
|---|---|---|
| Precipitación | mm | 13 |
| Temperatura | °C | 12 |
| Humedad relativa | % | 6 |
| Presión de vapor de aire | kPa | 4 |
| Evapotranspiración | mm/día | 3 |
| Radiación solar | w/m2 | 3 |
| Estrés hídrico (medida de la transpiración que ocurre en una planta en el tiempo de medición, mediante el registro de la temperatura de la planta y el déficit de presión de vapor del agua (Tomado de 43)) | Adimensional | 1 |
Suelo y manejo del cultivo (verTabla 8)
En 41 se aprecia como los autores determinan la clasificación, manejo y cálculo del rendimiento de parcelas de café basado en la pedología (estudio del suelo) y características del manejo del cultivo en distintos cafetales de Brasil. Las variables consideradas incluyen propiedades del suelo como la caracterización morfológica y muestreo a profundidades de 0-0,2 m, 0,4-0,7 m y 1,0-1,5 m, lo que permite posteriormente delimitar su distribución terrestre con ayuda de la pendiente del terreno (información proveniente de satélites), encontrando la relación suelo-paisaje. También se destaca dentro de los atributos algunas variables relacionadas con el manejo del cultivo, como: densidad de las plantas, edad del cultivo, áreas de riego y no riego, métodos de encalado (aplicación de un material alcalinizante al suelo, por lo general calcio y magnesio), manejo de los pastizales (limpieza, deshierbe y poda), periodos de fertilización y compost 41) (42, además de tener en cuenta las buenas prácticas de intervención de cultivos propuestas por entes directores en el país como CENICAFE en Colombia 38. El procesamiento de estos conjuntos de datos implica el análisis de la relación entre las características del suelo y el rendimiento del café para establecer clases de manejo específicas.
Tabla 8 Variables relacionadas con el suelo y el manejo del cultivo.
| Nombre | Variable relacionada con el suelo | Variable relacionada con el manejo del cultivo | Medida | Número de veces reportada |
|---|---|---|---|---|
| Edad del cultivo | x | meses - años | 14 | |
| Tipos - textura del suelo | x | Tipo | 8 | |
| pH del suelo | x | Adimensional | 6 | |
| Capacidad de intercambio catiónico | x | cmol(+)/dm³ - cmol/litro | 4 | |
| Contenido de limo | x | % | 4 | |
| Elevación - pendiente | x | m - grados | 4 | |
| Régimen de poda, corte, deshierbe | x | cantidad/mes - horas/ha año | 3 | |
| Densidad del cultivo | x | plantas/m2 | 3 | |
| Número de tratamientos fitosanitarios (plaguicidas) | x | cantidad/mes - g/ha año | 2 | |
| Cantidad de riego | x | cantidad/mes | 1 |
Obtenidas satelitalmente (ver Tabla 9)
El uso de imágenes satelitales, generalmente ópticas, también supone un enfoque innovador y práctico en la predicción del rendimiento, la evaluación nutricional, la detección de plagas y enfermedades, el pronóstico del clima y la evaluación de las necesidades de agua en áreas de cultivo. Las siguientes investigaciones 44) (45) (46 se enfocaron en complementar información medida en campo 45 con la obtenida desde el espacio, determinando parámetros como índice de área foliar, evolución del estado fenológico de los cultivos en períodos productivos, estrés hídrico y evapotranspiración real derivada de satélite 45, utilizando técnicas de teledetección, corregistros e implementación de índices de vegetación como NDVI y EVI 46. El procesamiento de datos de este tipo, obtenidos de manera indirecta, implica evaluar constantemente su relación con el entorno en tierra, a través de indicadores, observaciones directas y mediciones de variables específicas in situ, como la altura de la planta, la cantidad de nutrientes aplicados y la incidencia de plagas y enfermedades 45. Este tipo de enfoques tienen uso potencial como herramienta para el monitoreo y la evaluación de las condiciones de salud y estado fenológico de diferentes cultivos de forma rápida y precisa, asistiendo en la aplicación de estrategias más adecuadas para la toma de decisiones en áreas de cultivos de gran escala.
Químicas (ver Tabla 10)
Otro de los componentes más relevantes en la productividad de los cultivos de café es su mantenimiento químico; la variación de la cantidad de nutrientes que recibe la tierra es crucial para las cosechas futuras 44, algunos de los elementos más utilizados, medidos comúnmente en mol/l, son: magnesio, hierro, calcio, boro, nitrógeno, fosforo y potasio, junto con los niveles de pH en el suelo y los nutrientes del suelo evaluados por los niveles de carbono orgánico presentes en la muestra . Se observa como en la mayoría de los artículos evaluados, el rendimiento del café Robusta está principalmente limitado por la disponibilidad de nitrógeno , también algunas combinaciones optimizan la producción , así como la implementación de insumos de nutrientes orgánicos como la hojarasca y sintéticos: acido húmico (kg / acre) y urea . Otros análisis más detallados se presentan en donde a algunas de las variables descritas antes se le suman: Ca2+, Mg2+ y Al3+ intercambiables, extraído en una solución de 1 mol/litro KCl; acidez potencial (H⁺ + Al3+); materia orgánica del suelo (MOS) y capacidad de intercambio catiónico (CIC).
Tabla 10 Variables químicas.
| Nombre | Medida | Número de veces reportada |
|---|---|---|
| Potasio | kg/ha | 7 |
| Materia orgánica en el suelo | % | 7 |
| Fósforo | mg/kg - kg/ha | 6 |
| Calcio | meq/kg - kg/ha (mil equivalentes por kilogramo) | 5 |
| Nitrógeno | mg/kg | 4 |
| Magnesio | meq/kg - kg/ha | 4 |
| Azufre | mg/kg - kg/ha | 2 |
| Zinc | mg/kg - kg/ha | 2 |
| Sodio | mg/kg | 1 |
| Boro | mg/kg | 1 |
Fertilizantes (ver Tabla 11)
Relacionado con los aditivos químicos utilizados para el mantenimiento e incremento de la productividad, también se tiene en cuenta el uso de fertilizantes para la tierra, materia orgánica del suelo 49) (47) (35; 50, el compost y los abonos verdes (GM) como alternativas para suministrar nutrientes a los cultivos agrícolas con mínimos riesgos ambientales 50. Otro enfoque sugiere agregar fertilizantes orgánicos en cantidades de 10 kg/planta/año, y fertilizantes inorgánicos en forma de Fosfato de Roca 240, Urea 400 y KCl 320 g/planta/año 47, en ambos casos se registra un incremento en la altura de la planta, el diámetro de la copa (CD), el número de ramas plagiotrópicas (tallo que crece de manera horizontal o inclinada) (PBN) y el rendimiento (sacos de 60 kg/ha) 47) (50. Otra clase de fertilizantes naturales fueron los probados en 49 donde se utilizaron cuatro abonos: cáscara de café, yeso agrícola, polímero retenedor de agua y compuesto orgánico y se comparó con suelos sin estos abonos, encontrando que con el uso de Urochloa decumbens + cáscara de café/compuesto orgánico + fertilizantes de liberación controlada se obtiene un mayor crecimiento y rendimiento de las plantas de café.
Tabla 11 Variables relacionadas con los fertilizantes.
| Nombre | Medida | Número de veces reportada |
|---|---|---|
| fertilizantes de liberación controlada | % libras/acre kg/ha año | 5 |
| Acondicionadores de suelo - Tipo de fertilizante (cáscara de café, yeso agrícola, polímero retenedor de agua, compuesto orgánico (estiércol)) | Tipo kg/ha año | 2 |
Características físicas de la planta, su semilla y resistencia a plagas (ver Tabla 12)
El estudio de las características físicas de la planta de café como: parámetros de crecimiento, números de hojas, características de los granos, número de nodos fructíferos, diámetro de la copa, altura alcanzada desde su base 37) (51) (52, junto con el conocimiento de las propiedades y comportamientos de la semilla de la que proviene, usando por ejemplo el perfil climático para comprender los requisitos básicos requeridos por las especies Coffea racemosa y C. zanguebariae, en el caso de 53, se comparan con los del café arábica (C. arabica) y robusta (C. canephora), y ayudan a determinar que las dos primeras especies tienen una mayor tolerancia al calor, un bajo requerimiento de precipitaciones, mayor tolerancia a la estación seca y un desarrollo más rápido de los frutos (cada 4 meses de floración a frutos maduros). De manera trasversal a todos los procesos descritos en este párrafo y en los anteriores, es de vital importancia considerar como variable existente la presencia de enfermedades o plagas sobre los cafetales. En 52 evalúan veintitrés cultivares resistentes a la roya, y cuatro variedades y tres cultivares susceptibles como variable control, obteniendo que la presencia y control de la enfermedad afectan el futuro rendimiento del área de donde proceden las plantas seleccionadas. Lo anterior ha sido relacionado como indicador de productividad en los cultivos de café 51) (53) (47) (52.
En resumen, los artículos consultados revelan que las variables más utilizadas para determinar el rendimiento de la productividad en los cultivos de café incluyen aspectos como: el porcentaje de cobertura y los tipos de sombras sobre los cafetales, producidos por: solo árboles de leguminosas, árboles de leguminosas y plantas de banano, y otras plantas, o solo árboles frutales o forestales; de igual forma los índices de vegetación (NDVI, EVI) obtenidos de imágenes satelitales que se correlacionan con la productividad de los cultivos de café. Otro aspecto para tener en cuenta son los atributos relacionados con el clima o la atmosfera, dentro de las que cabe resaltar variables como temperatura (°C), precipitación (mm), humedad relativa (%RH), estrés hídrico (litros requeridos por litros renovables), presión de vapor (kPa) y déficit de agua mensuales (mm/mes).
Tabla 12 Variables relacionadas con las características físicas de la planta, su semilla y resistencia a plagas.
| Nombre | Medida | Número de veces reportada |
|---|---|---|
| Altura de la planta (coeficiente de crecimiento de la copa, profundidad mínima de raíces, profundidad máxima de raíces) | cm | 8 |
| Número de ramas | Adimensional | 7 |
| Número de nudos | Adimensional | 6 |
| Tipos de plagas - enfermedades (Incluye tratamientos fitosanitarios, aporte de plaguicidas) | Adimensional | 3 |
| Área foliar (incluye el tamaño del follaje) | m² | 2 |
| Diámetro del tallo | mm | 2 |
| Secuenciación de ADN - Genotipos | Adimensional | 2 |
| Distancia de los cafetos a los árboles de abrigo | m | 1 |
| Concentración de nutrientes en las hojas | nudos/rama, nudos/cultivo, frutos/rama | 1 |
A las anteriores características se suman las relacionadas con el suelo, dentro de las que destacan sus tipos: arenosos, arcillosos, de limo, también materia orgánica en el suelo (hasta el momento todas medidas en % de peso seco del suelo), y la pendiente del terreno (%); además el manejo del cultivo, con datos como: densidad de las plantas (# plantas/ha), edad del cultivo (años), áreas de riego y no riego (ha²), métodos de encalado, manejo de los pastizales (limpieza, deshierbe y poda), periodos y tipos de fertilizantes (Fosfato de Roca 240, Urea 400, KCl 320, cáscara de café, yeso agrícola, polímero retenedor de agua y compuesto orgánico medidos en g/planta/año) y compost.
Se agregan variables enfocadas en los componentes químicos, algunos de ellos son: pH, acidez (cmol/L), aluminio (cmol/L), potasio (meq/100ml), calcio (meq/100ml), magnesio (meq/100ml), fósforo (meq/L), zinc (meq/L), cobre (meq/L), manganeso (meq/L), hierro (meq/L) y finalmente, los atributos relacionados con las características físicas del cultivo como: números plantas por agujero, número de nodos fructíferos, diámetro de la copa (cm), altura del árbol (m), número de tallos ortotrópicos (aquellos tallos cuya dirección de crecimiento es perpendicular al suelo) por cafeto, distancia entre filas y plantas (m); los datos del tipo de semilla con sus respectivas características y los relacionados con plagas y/o enfermedades presentes en la zona cultivada.
Como se puede observar, estas variables se miden en diferentes unidades y períodos de cultivo, algunas obtenidas con mediciones directas, análisis estadísticos, observaciones en campo o también determinadas por procesos matemáticos procedentes de uno o más atributos. El procesamiento de estos datos implica análisis descriptivo, espacial, de correlación, evaluaciones de tendencias, entre otros, para determinar la influencia de cada atributo en el rendimiento de los cultivos de café.
A continuación, en la Tabla 13 se presenten los artículos que comparten directamente los data sets usados para el desarrollo de la investigación o cuentan con la posibilidad de solicitarlos a través de un correo electrónico.
Métodos, técnicas o algoritmos utilizados en la predicción del rendimiento
Dentro de los enfoques propuestos en la literatura para la predecir la productividad en los cultivos de café, se encuentran aquellos que evalúan la relación de los porcentajes de sombra, materia orgánica en el suelo, radiación solar, crecimiento de ramas, altura de la planta y/o contenido de P, entre otros, los cuales fueron sometidos a un análisis de varianza multivariado (MANOVA) analizando por conjuntos de experimentos en parcelas (por clon - tipo de semilla) fraccionadas en el tiempo (por temporada), utilizando bloques al azar. Los resultados obtenidos permiten comprender el impacto de la variación climática en la fotosíntesis y otros procesos fisiológicos relacionados con el desarrollo de las plantas y la productividad del café; los modelos autorregresivos de primer orden fueron ajustados a las series temporales de las ramas plagiotrópicas y ortotrópicas para estimar el crecimiento medio asociado con la productividad de diferentes semillas 56.
También se han implementado técnicas que analizan las variables nutricionales 44) (41, usando algoritmos de aprendizaje automático como árboles de clasificación y regresión (Classification and Regression Tree, CART) y bosques aleatorizados (Random Forest o RF) para predecir clases de rendimiento en los cafetales. Estos modelos permiten identificar umbrales de nutrientes cruciales para obtener un alto rendimiento y minimizar su variabilidad; además, seleccionan del conjunto de variables químicas las más importantes para maximizar el rendimiento (Mg, Fe y Ca) 47. Así mismo en 44) (45 se realiza un análisis de datos geoespaciales donde se referencia el uso de variables de teledetección (remote sensing), determinando parámetros como índice de área foliar, evolución del estado fenológico de los cultivos en períodos productivos, estrés hídrico y evapotranspiración real derivada de satélite, para estimar el rendimiento del café en el campo. Si bien se indica que las variables relacionadas con el estado nutricional del café fueron más importantes que las variables de teledetección, el enfoque de análisis de datos geoespaciales puede proporcionar información adicional para la determinación del rendimiento.
En 28 los datos medidos se analizan estadísticamente utilizando un análisis de varianza de tres vías (ANOVA) para un diseño completamente aleatorizado. Se aplicó un modelo estadístico completo para examinar la interacción triple de los árboles de sombra, el suelo y la etapa reproductiva. Se realizó un análisis de regresión lineal simple para examinar la relación entre el rendimiento del café y las variables individuales del suelo. También se llevó a cabo un análisis de regresión múltiple para cuantificar el porcentaje contributivo de las variables individuales del suelo y los efectos de los árboles de sombra en la varianza total del rendimiento del café, como en 56 donde se identificaron los patrones de correlación de grupos de variables fisiológicas con el rendimiento del café. El método paso a paso se implementó para eliminar cualquier variable no correlacionada con la variable objetivo y establecer un modelo final de regresión múltiple significativo.
Existe un gran número de modelos de regresión que podrían considerarse para medir el impacto de las anomalías climáticas y de otras variables en el rendimiento del café 44) (37; 35. Dado que los modelos de regresión se basan únicamente en datos, se requiere de un dataset de entrenamiento para describir empíricamente las relaciones entre las variables y el rendimiento de café 33. Según los datos disponibles, el modelado del rendimiento se ha basado en regresiones lineales y lineales múltiples 51, bosques aleatorizados 55, redes neuronales 36 o regresión por conglomerados (una mezcla de agrupamiento o clustering con modelos de regresión) 41. Se usan modelos de regresión complejos para modelar todos los procesos involucrados en el crecimiento y desarrollo de las plantas. En la práctica, a menudo los modelos más útiles son los estadísticos más simples debido al número limitado de muestras; como resultado, en 28) se propone un método de regresión lineal múltiple para modelar la relación entre las observaciones de las anomalías en el rendimiento del café y las anomalías climáticas. Este modelo ofrece la ventaja de tener un número limitado de parámetros, que a su vez pueden interpretarse fácilmente, porque representan la sensibilidad del rendimiento del café a la entrada de distintas variables como las expuesta en la sección 3.1.
En 41 se realiza un proceso de selección de atributos para hacer menos compleja la interpretación del modelo, reducir el error y el ruido en el análisis, lo anterior modelado con Bosques Aleatorizados con Eliminación de Características Recursivas (Recursive Feature Elimination, RFE). Los procesos descritos se evaluaron con validación cruzada de 10 folders. Para definir las clases homogéneas en función de las variables involucradas en la producción, cuidado y tratamiento de los cultivos de café, se realizó una agrupación jerárquica de componentes principales (Hierarchical Clustering on Principal Components, HCPC) siguiendo tres pasos estándar en el análisis multivariante: (i) realizar el Análisis por Componentes Principales (Principal Component Analysis, PCA); (ii) obtener un clúster jerárquico utilizando el método de Ward y; (iii) realizar la agrupación particional mediante k-means.
En resumen, los algoritmos de aprendizaje automático, como CART, RF, PCA, HCPC, K-means, redes neuronales, regresiones lineales sencillas y múltiples, se han empleado para modelar y predecir el rendimiento del café (ver Tabla 14).
Tabla 14 Métodos, técnicas o algoritmos usados en la predicción de los cultivos de café.
| Nombre | Número de veces reportada |
|---|---|
| Regresión lineal (múltiple, de lazo, neta elástica) | 11 |
| Bosques Aleatorizados | 6 |
| Análisis de componentes principales (PCA) | 4 |
| Regresión por conglomerados | 2 |
| Redes neuronales | 2 |
| Modelos lineales de efectos mixtos | 2 |
| Árbol de clasificación y regresión | 1 |
| Extreme Learning Machine | 1 |
| Modelos bayesianos jerárquicos | 1 |
Variable objetivo
El rendimiento del café (ver Tabla 15) se evalúa en relación con los frutos recolectados en plantas y suelos, medido en litros por planta 44. La productividad del cultivo a menudo implica eliminar tendencias a largo plazo que pueden distorsionar los atributos estudiados 33) (38. La medición del rendimiento considera interacciones con sombras de árboles y tipos de suelo 31) (51, destacando mejoras en rendimiento con sombras y cafetos en condiciones jóvenes 28.
La evaluación de la productividad no se limita únicamente a mediciones directas; se calcula una anomalía restando la media de una serie temporal de rendimientos (kg/ha) 53) (35, a las muestras temporales definidas para cada estudio, dependiendo de la escala temporal requerida. Otro método involucra cosechar frutos de diferentes plantas, evaluando peso y volumen del café cosechado, posteriormente 3 L (litros) de muestra se seca, se pesan y se le mide el rendimiento en kg/ha 23 y bolsas de 60 kg/ha 50.
En 49, se estudiaron correlaciones entre lluvia mensual de verano y componentes del rendimiento como hojas por rama, nodos por rama, bayas por rama y bayas por nodos de cultivo en café arábica y robusta 45) (38, permitiendo comprender efectos del cambio climático en la fenología y rendimiento del café.
La recolección de granos de café maduros en árboles centrales se usa como indicador de la productividad 51) (34. El rendimiento acumulado se calculó como la masa total de cerezas de café por árbol, recolectadas durante 2017-2019, así como por hectárea utilizando la densidad de plantación de cafetos de 1.333 plantas.
En 34 y 52, se mostró como el uso correcto de zanjas y fertilizantes incrementa la productividad del café robusta en un 333%, registrando como el rendimiento de los cultivos sin tratamiento decae en 210 kg/ha año granos de café, en comparación con los 700 kg/ha año granos de café (medida de rendimiento que también se maneja en 32) producidos con el uso de la técnica enunciada.
También se han usado datos oficiales por provincia del rendimiento del cultivo de café, para ajustar parámetros de modelos calculados que entregan como respuesta dicha variable objetivo, en kg/ha o ton/ha 39, es decir, en cada variación de un atributo, los rendimientos pronosticados se compararon con los observados hasta que se encontraron las mejores combinaciones 48, en otras palabras, el modelo cuyos resultados entregó menos errores. Además, se ejecutó una evaluación visual para verificar qué tan bien el modelo simula la variabilidad del rendimiento interanual observada.
En 31 se evaluó el manejo del campo y la productividad en café y pastos mediante la realización de entrevistas a agricultores y propietarios de terrenos. Se recopiló la siguiente información: edad del campo (años), intensidad de corte (horas/ha), intensidad de deshierbe (horas/ha), aporte de plaguicidas (g/ha año), aporte de nutrientes a través de fertilizantes químicos (kg/ha año; N, P, K y Ca), aporte de nutrientes a través de fertilizantes orgánicos (kg/ha año; N, P, K) y uso de estiércol (kg/ha año). La productividad del café (kg/ha) se evaluó con base en los rendimientos promedio de los dos años anteriores.
Tabla 15 Variables objetivo usados para la predicción de los cultivos de café.
| Nombre | Medida | Número de veces reportada |
|---|---|---|
| Rendimiento o Productividad | litros/planta - kg/ha - ton/ha - bolsas de 60 kg/ha | 24 |
| nodos/rama - bayas/rama - bayas/nodos - nudos fructíferos/rama | ||
| kg total de cerezas de café/árbol - plantas/ha | ||
| (kg/ha año granos de café - g/tallo | ||
| Área foliar | m² | 1 |
Finalmente, el rendimiento en los cultivos de café fue obtenido también a través de la correlación de imágenes satelitales con datos in situ de productividad 40, se usaron los índices de vegetación NDVI y EVI para identificar zona sensible al estrés hídrico. Se determinó que un alto índice foliar en épocas lluviosas, hacia más probable un incremento en la productividad, reflejado en una mayor cobertura de área foliar, en contraste a lo sucedido, en las épocas secas donde se redujo. Adicionalmente, se detectaron las zonas que históricamente presentan mayores problemas por estrés hídrico, que afecta el desarrollo y productividad del cultivo.
En general la variable objetivo de todos los estudios listados gira en torno al cálculo y/o análisis del rendimiento en los cultivos de café, medido en litros por planta, el peso y volumen de los granos cosechados, la productividad en kg/ha, sacos de 60 kg/ha, ton/ha, nodos/rama, bayas/rama, bayas/nodos de cultivo, nodos de cultivo/rama, entre otros.
Métricas para evaluar la calidad
En el estudio realizado para evaluar el rendimiento del café, se emplearon diferentes métricas estadísticas para analizar los resultados obtenidos. Se utilizó el coeficiente de determinación (R2) 56) (41) (37) (49) (42) (55) (39; en 41 obtienen un valor de 0,26 kg/ha, lo que indica que aproximadamente el 26% de la variabilidad en el rendimiento del café puede ser explicada por las variables consideradas en el modelo. Además, se calculó la raíz del error cuadrático medio (Root-Mean-Square Error, RMSE) y el error absoluto medio (Mean Absolute Error, MAE) 28) (56) (41) (53) (48) (35) (39, cuyos valores fueron de 136,95 kg/ha y 111,41 kg/ha, respectivamente 23. Estas métricas son ampliamente utilizadas para medir la precisión de los modelos obtenidos y, en este caso, reflejan que hay diferencias estadísticamente significativas en los modelos de predicción del rendimiento del café.
Para evaluar la capacidad predictiva del modelo, se utilizaron otras métricas como el error porcentual absoluto medio de predicción (Mean Absolute Percentage Error, MAPE) 28 y el índice de acuerdo de Willmott (WI) . El MAPE mide el promedio de los errores porcentuales entre los valores predichos y los observados; en se reporta que variaron entre el 8% y el 13%, lo cual indica una buena precisión en las predicciones. Además, se empleó el WI para evaluar la similitud entre los valores predichos y los observados, obteniendo resultados favorables.
Otras métricas como el coeficiente de eficiencia de Nash-Sutcliffe (Nash Sutcliffe Model Efficiency Coefficient, ENS) 35 se ejecutaron sobre un conjunto de datos de prueba independiente, permitiendo verificar la capacidad del modelo para generalizar los resultados. Además, se utilizó también el Índice de Legates y McCabe (Legate and McCabe’s Index, LMI) en dicha evaluación, proporcionando información adicional sobre la calidad de las predicciones obtenidas.
En resumen, las métricas utilizadas proporcionan una evaluación integral de los resultados de los diferentes modelos implementados (ver tabla 16), para determinar la diferencia estadística en la predicción del rendimiento del café. Estas métricas permitieron medir la precisión de las predicciones (similitud entre los valores predichos y observados), así como la capacidad de generalización del modelo en diferentes conjuntos de datos. Los resultados en general indicaron que los diferentes modelos fueron capaces de explicar y predecir parte de la variabilidad en el rendimiento del café, presentando un desempeño aceptable en términos de precisión y generalización.
Tabla 16 Métricas usadas para evaluar la calidad en la predicción de los cultivos de café.
| Nombre | Formula | Número de veces reportada |
|---|---|---|
| Coeficiente de determinación (R²) |
|
8 |
| Coeficiente de correlación de Pearson (r) |
|
8 |
| Error de raíz cuadrada media (RMSE) |
|
7 |
| Error estándar (σx) |
|
4 |
| Error porcentual absoluto medio (MAPE) |
|
4 |
| Error absoluto medio (MAE) |
|
3 |
| Error relativo medio (MRE) |
|
2 |
| Desviación estándar (σ) |
|
1 |
Nota: a continuación, se presentan las abreviaturas de la Tabla 16 y su significado: 𝑛 es el número de observaciones en el conjunto de datos, 𝑦𝑖 es el valor real del i-ésimo registro (observación) del rendimiento del café, 𝑓𝑖 es el valor predicho por el modelo para el i-ésimo registro, 𝑦 es el valor promedio de los valores reales del rendimiento y 𝑓 es el valor promedio de los valores predichos.
Especies de café más investigados
Se han estudiado principalmente cuatro especies de café (Tabla 17). El más investigado es el Robusta (Coffea canephora), con 15 menciones. Sus características clave incluyen grano redondo, cultivado entre 0-800 m.s.n.m para crecimiento rápido 53) (17, temperatura óptima 24-30°C 32 y lluvias 1500-2500 mm 30. Se reporta sobre variaciones estacionales en su fisiología 57) (47, especialmente en intercambio gaseoso. En épocas secas, se observa menor asimilación de carbono debido a baja conductancia estomática 55. Altos valores de déficit de presión de vapor de aire afectan negativamente el rendimiento 56.
La segunda especie de café más reportado es el Arábica, con 11 menciones, mostrando sus principales características, a saber: cultivado generalmente por encima de los 800 m.s.n.m hasta los 2000 m, es considerado un café de altura 38, su grano es más alargado con una fisura curvilínea, más susceptible a la roya del café 52; su crecimiento optimo se da entre los 15 a 24°C 39, con precipitaciones de 1500 a 2000mm 36, su rendimiento es favorecido por la alta concentración de magnesio en sus hojas 42, así como calcio intercambiable en su suelo 49) (50, mitigando así los impactos estacionales de la productividad en verano y otoño 25.
Finalmente, en 53) se observaron otras dos especies de café: racemosa y zanguebariae, los cuales poseen rasgos útiles para el desarrollo de las plantas de cultivo de café, particularmente la tolerancia al calor, el bajo requerimiento de precipitaciones, la tolerancia a la estación seca y el rápido desarrollo de frutos (aproximadamente 4 meses de floración a frutos maduros), además son más resistentes a las plagas y enfermedades particularmente al minador de la hoja del café, en comparación con las especies Arábica y Robusta.
Tabla 17 Especies de café investigados.
| Nombre | Características | Número de veces reportada |
|---|---|---|
| Robusta | Requerimiento de temperatura y precipitación 23.7°C/1596 mm, variaciones estacionales relacionadas con el intercambio gaseoso, perdida del rendimiento ocasionado por alteraciones del déficit de presión de vapor de aire | 15 |
| Arábica | Requerimiento de temperatura y precipitación 18.7°C/1614 mm, susceptible a la roya del café, rendimiento favorecido por concentración de mg en sus hojas y el calcio intercambiable en el suelo | 11 |
| Racemosa | Proporciona una bebida aromática de color ligeramente oscuro y bajo en cafeína, temperaturas medias mensuales de 18,9-26,4 °C, una precipitación anual de 1.600 mm y una estación seca de 4 a 5 meses, resistencia a plagas y enfermedades, resiliencia climática, acortamiento de tiempo de fructificación en comparación con Arábica y Robusta | 1 |
| Zanguebariae | Planta de bosques costeros, bosques ribereños, bosques caducifolios y matorrales a una altura de 0 a 500 m, planta más grande y robusta en comparación con Racemosa, siendo más alta (con un diámetro de tallo más grande), con hojas más grandes, más frutos por nudo y semillas más grandes | 1 |
Conclusiones
Los estudios seleccionados permitieron identificar las variables independientes más utilizadas para predecir el rendimiento en los cultivos de café, su interacción, la unidad de medida con las que son determinadas y su influencia en los procesos de cosecha acorde a las diferentes etapas que atraviesan los cafetales; las publicaciones escogidas conforme los criterios de búsqueda utilizados, permitieron encontrar una lista amplia de variables relacionadas con el suelo, el clima, químicas, satelitales, antropogénicas, físicas y relacionadas con enfermedades y plagas, como insumos efectivos para la predicción del rendimiento en los cultivos de café. Dichas variables incluyen las relacionadas con las sombras presentes en los cafetales, como el porcentaje de cobertura y los tipos de sombras y árboles que las producen. Además, se utilizan índices de vegetación obtenidos de imágenes satelitales para evaluar la productividad. Las variables atmosféricas incluyeron la temperatura, precipitación, humedad relativa y estrés hídrico. El suelo, el manejo del cultivo y sus prácticas habituales (densidad de las plantas, edad del cultivo, áreas de riego y no riego, métodos de encalado, manejo de los pastizales (limpieza, deshierbe y poda), periodos de fertilización y compost), son factores clave. El mantenimiento químico del suelo (magnesio, hierro, calcio, boro, nitrógeno, fosforo y potasio, junto con los niveles de pH en tierra y nutrientes del suelo), incluyendo el uso de fertilizantes, también son considerados para predecir la productividad. Finalmente, las características físicas de la planta y su resistencia a enfermedades y plagas también influyen en la producción final del café. En conjunto, todos estos factores contribuyen a determinar el rendimiento de los cultivos de café.
Los modelos/algoritmos/técnicas más usadas para la predicción del rendimiento en los cultivos de café incluyen a la regresión lineal múltiple (lasso o neta elástica), bosques aleatorizados, regresión por conglomerados, redes neuronales, arboles de clasificación y regresión, máquinas de aprendizaje extremo, modelos lineales de efectos mixtos, modelos bayesianos jerárquicos, ANOVA y MANOVA. Adicionalmente, PCA (análisis de componentes principales) fue utilizado en la fase de procesamiento de los datos en algunos de los artículos revisados.
La variable objetivo para medir el rendimiento mayormente reportada es aquella que gira en torno al cálculo y/o análisis del rendimiento en los cultivos de café, medida en litros/planta, kg/ha, ton/ha, bolsas de 60 kg/ha, nodos/rama, bayas/rama, bayas/nodos, nudos fructíferos/rama, kg total de cerezas de café/árbol, plantas/ha, kg/ha año granos de café y g/tallo. También con un enfoque satelital se relaciona el incremento del área foliar en m² con el aumento del rendimiento de los cultivos de café.
Las métricas más comúnmente usadas para medir la calidad de los modelos de predicción de rendimiento de los cultivos de café, partiendo de que es una tarea de estimar un valor real continuo son R2, RMSE, MAE, Coeficiente de correlación de Pearson, Error estándar, MAPE, MRE y Desviación estándar.
Finalmente, las especies de café más estudiados en los artículos seleccionados fueron el robusta (coffea canephora), arábica (coffea arabica), racemosa (coffea racemosa) y zanguebariae (coffea zanguebariae).
Este mapeo sistemático está orientado a investigadores interesados en el desarrollo de nuevas propuestas en la predicción del rendimiento de los cultivos de café, así como, a quienes estén interesados en investigar en cómo hacer recomendaciones a los caficultores sobre las técnicas de cultivo que deben utilizar para incrementar la productividad de sus cultivos.
