Un conjunto de datos integral de rendimientos de cultivos del Reino Unido que incorpora información satelital, meteorológica y del tipo de suelo

Por qué esto importa para nuestro futuro alimentario

La cantidad de alimento que un país puede producir depende no solo del tiempo, sino de la interacción sutil entre el clima, el suelo y las condiciones cotidianas en los campos de los agricultores. Hasta ahora, los investigadores del Reino Unido no disponían de un gran conjunto de datos abierto que vinculase lo que realmente salió de la cosechadora con mediciones detalladas procedentes de satélites y estaciones meteorológicas. Este artículo presenta ese recurso, llamado conjunto de datos CYCleSS, que reúne rendimientos de cultivos, clima, suelos y observaciones satelitales para cientos de parcelas en Inglaterra. Ofrece a científicos, responsables de políticas e incluso empresas agrotecnológicas una nueva forma de entender y predecir las cosechas en un mundo que se calienta y es más incierto.

Reuniendo muchas piezas del rompecabezas agrícola

Los autores crearon CYCleSS partiendo de datos de rendimiento «de campo» recogidos por cosechadoras modernas en 934 parcelas de Inglaterra entre 2015 y 2017. Estas máquinas registran de forma rutinaria cuánto grano se recoge con una resolución espacial fina, pero esos datos normalmente permanecen en la explotación porque son comercialmente sensibles. El equipo trabajó con el Centre for Ecology and Hydrology del Reino Unido y otros socios para anonimizar esta información de modo que no se pudiera identificar a ninguna explotación individual, conservando al mismo tiempo la precisión necesaria para su uso científico. Junto con el rendimiento, registraron qué cultivo se sembró en cada parcela, principalmente trigo de invierno, colza y cebada, así como leguminosas.

Clima, suelo y satélites en el mismo mapa

Para entender por qué varían los rendimientos, el conjunto de datos combina varias fuentes de información, todas alineadas en una rejilla de cuadrados de un kilómetro. Los registros meteorológicos diarios, como temperatura, precipitación, insolación, viento, presión atmosférica y evaporación, se extrajeron de archivos climáticos nacionales que cubren toda Gran Bretaña. Las propiedades del suelo, incluida la capacidad de retención de agua, la velocidad de drenaje y la proporción de arena, limo y arcilla, se añadieron a partir de mapas de suelos a escala europea. Los investigadores filtraron luego esta rejilla para conservar solo las áreas realmente dedicadas a cultivo arable, usando un mapa de cobertura terrestre detallado que distingue distintos tipos de cultivo a una resolución de 10 metros.

Viendo crecer los cultivos desde el espacio

Una fortaleza clave de CYCleSS es la integración de datos satelitales con los rendimientos de campo. Usando una plataforma de computación en la nube, el equipo extrajo series temporales de medidas de radar de la misión europea Sentinel‑1 para cada cuadrado de la rejilla seleccionado. El radar tiene la ventaja de funcionar a través de las nubes y durante la noche, y sus señales cambian a medida que los cultivos desarrollan más hojas y biomasa. Para cada píxel satelital de 10 metros dentro de las áreas elegidas, los investigadores reunieron lecturas de radar cada cinco días en dos polarizaciones diferentes y su razón, las cuales son sensibles al tipo de cultivo y a la etapa de crecimiento. Estas señales a nivel de píxel se promediaron a escala de parcela y se vincularon con la información de rendimiento y manejo correspondiente.

Mantener a los agricultores en el anonimato sin perder utilidad de los datos

Dado que los mapas de rendimiento están directamente vinculados a los medios de vida de los agricultores, la privacidad fue una preocupación central. Para proteger a los colaboradores, los autores introdujeron un proceso de dos equipos. Un equipo manejó la alineación de satélites, suelos y clima en una rejilla fina; un equipo separado en UKCEH cruzó esas rejillas con las parcelas reales y los rendimientos, y luego eliminó las ubicaciones precisas. Las parcelas finalmente se identificaron solo mediante códigos aleatorios y por los cuadrados de la rejilla más gruesos de 10 kilómetros en los que se sitúan. Esto significa que cualquier cuadrado contiene muchas explotaciones, lo que hace prácticamente imposible vincular un registro de rendimiento concreto con un negocio específico, a la vez que se preserva el vínculo científico entre el entorno y el rendimiento.

Qué posibilita esto para la agricultura y la resiliencia climática

El conjunto de datos CYCleSS abre la puerta a modelos mucho más potentes del rendimiento de cultivos en el Reino Unido. Al unir resultados reales de cosechas con ricas series de medidas de clima, suelo y satélite, es ideal para entrenar y evaluar herramientas de aprendizaje automático, como redes neuronales profundas, que necesitan conjuntos de datos grandes y bien estructurados. También puede usarse para verificar y mejorar los modelos tradicionales de crecimiento de cultivos y para explorar maneras de combinar esos modelos con observaciones satelitales casi en tiempo real. Aunque los datos proceden principalmente de explotaciones mejor equipadas del sur de Inglaterra y aún contienen algunas incertidumbres de medida, ofrecen una ventana rara y de acceso abierto sobre cómo responden los cultivos del Reino Unido a su entorno, ayudando a los investigadores a diseñar predicciones de rendimiento más fiables e informar esfuerzos para que la agricultura sea a la vez productiva y sostenible.

Cita: Corcoran, E., Bebber, D.P., Curceac, S. et al. A comprehensive UK crop yield dataset incorporating satellite, weather, and soil type information. Sci Data 13, 491 (2026). https://doi.org/10.1038/s41597-025-06528-x

Palabras clave: predicción del rendimiento de cultivos, teledetección satelital, datos agrícolas, agricultura en Reino Unido, aprendizaje automático