Un conjunto de datos a gran escala, multitarea y multisensorial para el seguimiento de cultivos sensible al clima en EE. UU. de 2018 a 2022

Por qué importa observar los campos desde el espacio

Alimentar a una población en crecimiento en un mundo que se calienta depende de conocer el estado de los cultivos mucho antes de la cosecha. Las olas de calor, las sequías y el desplazamiento de las estaciones pueden hacer que los rendimientos varíen drásticamente de un año a otro, con enormes repercusiones en los precios de los alimentos y en los medios de vida de las y los agricultores. Sin embargo, investigadoras, investigadores y agrónomos han carecido de una única fuente integral de información que conecte a escala las imágenes satelitales, el clima, los suelos y los datos de cosecha en terreno. Este artículo presenta CropClimateX, una nueva base de datos abierta diseñada para cubrir ese vacío en Estados Unidos, ayudando a la comunidad científica a construir mejores herramientas para anticipar el estrés de los cultivos, mejorar la gestión agrícola y reforzar la seguridad alimentaria.

Reuniendo muchas miradas

CropClimateX se articula en torno a una idea sencilla: ninguna medición por sí sola cuenta toda la historia de cómo crecen los cultivos bajo un clima cambiante. Por eso los autores ensamblan muchas “lentes” sobre la tierra. Satélites ópticos de alta resolución como Sentinel-2 y Landsat-8 muestran cuán verdes y densas están las plantas en los campos. Los datos de radar de Sentinel-1 añaden información sobre la estructura del terreno y la humedad, incluso a través de las nubes. Sensores de resolución más gruesa como MODIS siguen patrones amplios de crecimiento, área foliar y temperatura de la superficie terrestre. Sobre esto, la base de datos superpone registros meteorológicos diarios, indicadores de sequía, propiedades del suelo como textura y carbono orgánico, rasgos del terreno como elevación y pendiente, y estadísticas a nivel de condado sobre cuánto de cada cultivo se sembró, cosechó y rindió cada año.

Dividir el país en mosaicos inteligentes

Un desafío clave es que Estados Unidos es vasto, y almacenar cada píxel de cada satélite para cada día sería inmanejable. En lugar de cubrir el país entero, el equipo divide las tierras de cultivo en muchos mosaicos más pequeños y cuidadosamente elegidos que denominan “minicubos”. Cada minicubo cubre un área de 12 por 12 kilómetros y contiene una serie temporal de todos los datos satelitales y meteorológicos relevantes. Entre 2018 y 2022, los autores crearon 15.500 minicubos en 1.527 condados, centrándose en los cultivos principales de alimentos y fibra: maíz, soja, trigo de invierno, algodón y avena. Este diseño mantiene los datos lo bastante compactos para manejarse en ordenadores modernos, pero lo bastante detallados para captar diferencias entre campos vecinos y zonas de manejo.

Usar algoritmos para centrarse en granjas reales

Para decidir dónde colocar estos minicubos, los investigadores no se limitaron a superponer una rejilla rígida sobre cada condado. Muchos condados incluyen ciudades, bosques o lagos que son irrelevantes para el seguimiento de cultivos. En su lugar, diseñaron dos estrategias de optimización que buscan posiciones de mosaico que capturen la mayor cantidad posible de tierra cultivable evitando áreas desperdiciadas. Un enfoque, el Algoritmo de Rejilla Deslizante, desplaza suavemente una rejilla regular hasta alinearla bien con los campos. El otro, un Algoritmo Genético, imita la evolución probando, mutando y recombinando disposiciones candidatas. Al combinar las mejores soluciones de ambos métodos, el equipo redujo el número de mosaicos en un 43% comparado con una rejilla ingenua, conservando aún así cerca del 93% del área cultivada: una gran reducción del almacenamiento necesario sin sacrificar información útil.

Capturar los extremos climáticos en la granja

CropClimateX no es solo un mapa de condiciones medias; también rastrea los extremos que más importan a las y los agricultores. Los autores enlazan cada minicubo con categorías semanales de sequía del U.S. Drought Monitor y con indicadores especiales de olas de calor y frío calculados a partir de la temperatura diaria. Entre 2018 y 2022, casi todos los minicubos experimentaron al menos sequía moderada en algún momento, y muchos vieron condiciones de sequía severa o incluso excepcional. La base de datos también incluye capas detalladas de suelo y relieve, lo que permite a las investigadoras y los investigadores plantear, por ejemplo, si los campos arenosos sufren antes durante la sequía que los suelos más pesados, o cómo la pendiente afecta el estrés hídrico. Juntas, estas capas ofrecen una imagen rica de cómo los choques climáticos se manifiestan en el mosaico de campos de Estados Unidos.

Qué significa esto para las cosechas futuras

Para el público no especializado, el resultado clave es que CropClimateX convierte un conjunto desordenado de datos satelitales, meteorológicos y estadísticos agrarios en un recurso único y bien organizado que cualquiera puede usar. Porque los minicubos alinean los rendimientos con cómo lucieron la tierra y el cielo durante la estación de crecimiento, proporcionan datos de entrenamiento ideales para modelos modernos de aprendizaje automático. Estos modelos pueden aprender a predecir rendimientos, detectar estrés emergente en los cultivos, evaluar qué sensores son más informativos o explorar cómo los futuros extremos climáticos podrían propagarse a través de la producción alimentaria. En términos prácticos, eso se traduce en mejores alertas tempranas, asesoramiento de manejo más inteligente y planificación más robusta para un clima más cálido y variable, todo sustentado en datos abiertos que cubren granjas reales en Estados Unidos.

Cita: Höhl, A., Ofori-Ampofo, S., Fernández-Torres, MÁ. et al. A large-scale, multitask, multisensory dataset for climate-aware crop monitoring in the US from 2018–2022. Sci Data 13, 72 (2026). https://doi.org/10.1038/s41597-026-06611-x

Palabras clave: seguimiento de cultivos, teledetección, extremos climáticos, aprendizaje automático, datos agrícolas