PROCESAMIENTO Y LIMPIEZA DE DATOS DE PRODUCTIVIDAD AGRÍCOLA: APLICACIÓN DE UN SCRIPT DE PYTHON

Resumen

Se desarrolló un script en Python para procesar y depurar datos de productividad agrícola de las cosechadoras en una finca ubicada en Brasnorte (MT), con el objetivo de mejorar la confiabilidad en la agricultura de precisión. El código, utilizando la biblioteca Pandas, aplicó tres pasos: 1) filtrado por estado operativo (solo registros "Efectivos"); 2) eliminación de valores atípicos (valores <500 kg/ha o >2 veces el promedio); y 3) ajuste iterativo de promedios por equipo. Los datos procesados ​​se interpolaron en QGIS mediante el método IDW. Los resultados mostraron que el 58,8% de los datos brutos se descartaron en la Parcela 1 y el 66,9% en la Parcela 2, principalmente debido a fallas o sensores puestos a cero. Los promedios de productividad aumentaron de 2,67 t/ha a 3,67 t/ha (Parcela 1) y de 2,52 t/ha a 3,82 t/ha (Parcela 2), con la eliminación de valores extremos. Los mapas generados revelaron áreas críticas en los bordes y regiones con fallas. Se concluye que la herramienta es eficaz para automatizar la limpieza de datos de productividad; sin embargo, estudios futuros deberían considerar la inclusión de validación cruzada para reforzar la fiabilidad de los resultados.