Objetivo: En este estudio se presentan los resultados de un proyecto que utilizó datos de reflectancia superficial de Landsat Collection 2 y datos de reanálisis del European Centre for Medium-Range Weather Forecasts (ECMWF) ERA5 para desarrollar un modelo de aprendizaje automático destinado a estimar la profundidad de Secchi en el lago Yojoa, Honduras.

Métodos: Los datos de teledetección satelital obtenidos en una ventana de 7 días alrededor de una medición in situ se emparejaron con las mediciones de profundidad de Secchi in situ y se dividieron en conjuntos de entrenamiento, prueba y validación para el desarrollo del modelo.

Resultados: El modelo de aprendizaje automático mostró un buen acuerdo (R² = 0,57) y una incertidumbre razonable (MAE = 0,58 m) entre la profundidad de Secchi estimada de manera remota y la observada in situ. La aplicación del modelo permitió extender el registro de monitoreo del lago Yojoa de 6 años de datos medidos a un registro de 23 años.

Conclusiones: Este modelo demuestra la utilidad de coordinar los horarios de muestreo in situ de proyectos de investigación de corto plazo con los de adquisición de imágenes satelitales para aumentar la cobertura temporal de estimaciones de calidad del agua derivadas de teledetección en lagos poco estudiados.