Los datos de rendimiento histórico de un campo se utilizan para la delimitación de zonas de manejo en la agricultura de precisión, pero incluir datos anormales conduce a zonas inapropiadas. Este documento presenta un marco que incorpora datos de rendimiento histórico y una nueva Métrica de Disimilitud de Zonificación () para detectar automáticamente datos de zonificación anormales. La metodología identifica datos de zonificación anormales entre los indicadores de rendimiento del campo extraídos de imágenes satelitales para mejorar la precisión de las zonas delimitadas. Experimentamos con nuestro marco utilizando imágenes del Sentinel-2 en 39 campos en Canadá. Nuestros resultados experimentales, que involucran tanto datos reales como sintéticos, demuestran claramente la importancia de excluir de manera efectiva los datos anormales durante el proceso de delimitación de zonas.