Aprovechando la Agricultura Regenerativa, los Sistemas Aéreos No Tripulados y la IA para la Agricultura Sostenible de Cacao en África Occidental
Autores: Manu, Andrew; Osei, Jeff Dacosta; Avornyo, Vincent Kodjo; Lawler, Thomas; Frimpong, Kwame Agyei
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Aprovechando la Agricultura Regenerativa, los Sistemas Aéreos No Tripulados y la IA para la Agricultura Sostenible de Cacao en África Occidental
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Producción de cacao
Agricultura regenerativa
Sistemas aéreos no tripulados
Inteligencia artificial
Salud del suelo
Estabilización del rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La producción de cacao en África Occidental abastece la mayor parte de la demanda global, pero está cada vez más restringida por la estancación de los rendimientos, la degradación del suelo, la presión de enfermedades y la variabilidad climática. Esta revisión examina cómo la integración de la agricultura regenerativa (AR) con sistemas aéreos no tripulados (UAS) e inteligencia artificial (IA) puede apoyar una gestión del cacao más precisa y resiliente en paisajes heterogéneos de pequeños agricultores. Se llevó a cabo una revisión sistemática guiada por PRISMA de la literatura revisada por pares publicada entre 2000 y 2024, que arrojó 49 estudios centrales analizados junto con evidencia de apoyo. La síntesis evalúa los resultados agronómicos regenerativos, los diagnósticos multiespectrales, térmicos y estructurales derivados de UAV, y los enfoques analíticos basados en IA para la detección de estrés, la estimación de rendimientos y la zonificación de gestión. Los resultados indican que las prácticas regenerativas mejoran consistentemente la salud del suelo y la estabilidad de los rendimientos, mientras que los datos de UAS mejoran la focalización espacial de la rehabilitación, la gestión de sombra y las intervenciones de estrés. Los modelos de IA mejoran aún más la capacidad predictiva y la relevancia de las decisiones cuando se alinean con la disponibilidad de datos y el contexto institucional, aunque el rendimiento varía entre sistemas. La estabilización o mejora de los rendimientos reportados típicamente oscila entre el 12% y el 30% bajo enfoques integrados, con reducciones concurrentes en insumos de fertilizantes y agua donde se aplica la focalización espacial. La revisión concluye que la escalabilidad efectiva de los sistemas AR-UAS-IA depende menos de la sofisticación técnica que de los arreglos de gobernanza, la integración de la extensión y los modelos de servicio cooperativo, posicionando estas herramientas como componentes habilitadores en lugar de soluciones independientes para la intensificación sostenible del cacao.
Descripción
La producción de cacao en África Occidental abastece la mayor parte de la demanda global, pero está cada vez más restringida por la estancación de los rendimientos, la degradación del suelo, la presión de enfermedades y la variabilidad climática. Esta revisión examina cómo la integración de la agricultura regenerativa (AR) con sistemas aéreos no tripulados (UAS) e inteligencia artificial (IA) puede apoyar una gestión del cacao más precisa y resiliente en paisajes heterogéneos de pequeños agricultores. Se llevó a cabo una revisión sistemática guiada por PRISMA de la literatura revisada por pares publicada entre 2000 y 2024, que arrojó 49 estudios centrales analizados junto con evidencia de apoyo. La síntesis evalúa los resultados agronómicos regenerativos, los diagnósticos multiespectrales, térmicos y estructurales derivados de UAV, y los enfoques analíticos basados en IA para la detección de estrés, la estimación de rendimientos y la zonificación de gestión. Los resultados indican que las prácticas regenerativas mejoran consistentemente la salud del suelo y la estabilidad de los rendimientos, mientras que los datos de UAS mejoran la focalización espacial de la rehabilitación, la gestión de sombra y las intervenciones de estrés. Los modelos de IA mejoran aún más la capacidad predictiva y la relevancia de las decisiones cuando se alinean con la disponibilidad de datos y el contexto institucional, aunque el rendimiento varía entre sistemas. La estabilización o mejora de los rendimientos reportados típicamente oscila entre el 12% y el 30% bajo enfoques integrados, con reducciones concurrentes en insumos de fertilizantes y agua donde se aplica la focalización espacial. La revisión concluye que la escalabilidad efectiva de los sistemas AR-UAS-IA depende menos de la sofisticación técnica que de los arreglos de gobernanza, la integración de la extensión y los modelos de servicio cooperativo, posicionando estas herramientas como componentes habilitadores en lugar de soluciones independientes para la intensificación sostenible del cacao.