Downloads · 30 days
0
agroplan-rendimiento
SRBOTOM/agroplan-rendimiento
agroplan-rendimiento is a machine learning model from SRBOTOM. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as bigscience-openrail-m.
Modelos de regresión para estimar rendimiento de cultivos (t/ha) a partir de datos EVA 2019-2024. Proyecto participante en el Concurso Datos al Ecosistema 2026.
Access
Public
Updated Jul 13, 2026
Repo size
1.3 GB
Likes
0
Public
Repo makeup
Click a slice to open those files.
.pkl1.3 GB · 100%
At a glance
- License
- bigscience-openrail-m
- Access
- Public
- Created
- Jul 7, 2026
- Updated
- Jul 13, 2026
- SHA
- 3404482c
Model card
From the Hugging Face model README
AgroPlan Colombia — Modelo de Rendimiento de Cultivos
Modelos de regresión para estimar rendimiento de cultivos (t/ha) a partir de datos EVA 2019-2024. Proyecto participante en el Concurso Datos al Ecosistema 2026.
Modelos incluidos
| Modelo | Archivo | RMSE | MAE | R² | Best params |
|---|---|---|---|---|---|
| Random Forest cleaned | random_forest_top20_cleaned.pkl | 9.96 | 6.06 | 0.478 | n_estimators=200, max_depth=36, min_samples_leaf=1, max_features=0.8 |
| XGBoost cleaned | xgboost_top20_cleaned.pkl | 10.28 | 6.36 | 0.444 | n_estimators=700, max_depth=12, lr=0.035, subsample=0.94, colsample=0.66 |
| LightGBM cleaned | lightgbm_top20_cleaned.pkl | 10.45 | 6.55 | 0.425 | n_estimators=600, max_depth=12, num_leaves=227, lr=0.12, subsample=0.54 |
Todos los modelos fueron reentrenados conservando las top-20 features por permutation importance (Fase 4).
Uso previsto
Estos modelos estiman rendimiento para apoyar calendarios de siembra y cosecha y análisis agronómico. No deben usarse como predicción puntual exacta: la precisión relativa es baja (~23.5% dentro de ±20%) debido a la alta volatilidad del rendimiento agrícola ante factores externos (clima, suelo, manejo, eventos extremos).
Dataset
- Fuente: EVA 2019-2024 (Encuesta de Arroz y otros cultivos) complementado con datos climáticos (NASA POWER) y variables fenológicas (EcoCrop, FAO).
- Target:
rendimiento_t_ha(rendimiento en toneladas por hectárea). - Features: top-20 variables seleccionadas por permutation importance, incluyendo lags, medias móviles, variables climáticas y duración de ciclo.
Datasets auxiliares para el backend
El directorio data/ contiene datasets intermedios generados por el pipeline de AgroPlan Colombia para enriquecer el modelo con información fenológica y de calendario agrícola:
| Archivo | Registros | Descripción |
|---|---|---|
data/crop_features_integrated.csv | 94 cultivos | Mapeo EVA → EcoCrop + FAO con duración de ciclo, rangos óptimos de temperatura/lluvia/pH y altitud máxima. |
data/calendar_for_eva.csv | 89 cultivos | Calendario FAO resumido emparejado con cultivos EVA: meses de siembra y duración del ciclo. |
data/README.md | — | Documentación completa de los datasets. |
data/metadata.json | — | Metadatos estructurados (autor, fuente, uso, pipeline). |
Estos archivos se utilizan para:
- Calcular features auxiliares en el Modelo 2 (
gmin_dias,temp_optimal_range,fao_duration_mean_dias, etc.). - Construir calendarios de siembra/cosecha en el backend.
- Validar la compatibilidad entre cultivos del EVA y datos externos.
Ensemble recomendado para el backend
Para inferencia en producción se recomienda el ensemble XGBoost + LightGBM con los pesos:
| Modelo | Peso | Archivo |
|---|---|---|
| XGBoost top-20 cleaned | 0.65 | xgboost_top20_cleaned.pkl |
| LightGBM top-20 cleaned | 0.35 | lightgbm_top20_cleaned.pkl |
Artefactos de serving para el backend
Además de los modelos .pkl, este repositorio incluye los artefactos necesarios para hacer inferencia en producción:
| Ruta | Descripción |
|---|---|
yield/preprocessor.pkl | OrdinalEncoder para las 5 categorías del dataset EVA |
yield/feature_schema.json | Orden exacto de las 20 columnas de XGBoost y LightGBM |
yield/weights.json | Pesos del ensemble: 0.65 XGB / 0.35 LGBM |
yield/manifest.json | Hashes SHA-256 del dataset, modelos y artefactos |
models/yield_profiles.parquet | Históricos EVA por municipio-cultivo para cálculo de lags: 141,073 registros |
El notebook que genera estos artefactos se encuentra en el repo de modelos:
4_modeling/notebooks/modelo_2_rendimiento/06_serving_artifacts/01_generate_serving_artifacts.ipynb
Código y documentación del proyecto
El pipeline completo se encuentra en el repositorio principal:
https://github.com/TefaSalcedo/146-agroplan-colombia-ml
Licencia
Los modelos de este repositorio se distribuyen bajo la BigScience Open RAIL-M License v1.0.
Consulta el archivo LICENSE para el texto completo. El uso del modelo está sujeto a restricciones de uso responsable, incluyendo prohibiciones de uso para discriminación, vigilancia masiva, manipulación de información o fines militares.
El código fuente del proyecto (scripts, notebooks, documentación) se distribuye bajo Apache License 2.0.
Créditos
- Proyecto: AgroPlan-Colombia
- Concurso: Datos al Ecosistema 2026 — IA para Colombia
| Nombre | Rol | Contacto | GitHub |
|---|---|---|---|
| Estefania Salcedo | Líder del equipo 146 | [email protected] | @TefaSalcedo |
| Edwar Diaz | Miembro del equipo 146 | [email protected] | @BOTOOM |
- Modelos entrenados con: Random Forest, XGBoost, LightGBM, scikit-learn, Optuna
- License
- bigscience-openrail-m
- Created
- Jul 7, 2026
- Updated
- Jul 13, 2026