Metodología para la identificación de manejos de suelo en olivar mediante técnicas de aprendizaje automático

[ES] Esta metodología surge de la necesidad creciente de la comunidad científica y técnica de disponer de herramientas robustas y reproducibles para identificar de forma automática los manejos de suelo en el olivar mediterráneo, un elemento clave para la sostenibilidad agronómica y ambiental de estos sistemas. El trabajo está orientado a diferenciar entre manejos basados en suelo desnudo (BS) y cultivos de cobertura (CC) mediante información espectral derivada de Sentinel‑2 y un conjunto amplio de algoritmos de aprendizaje automático. El objetivo principal es ofrecer un procedimiento estandarizado que permita evaluar, de manera consistente, la capacidad real de distintos modelos de clasificación para discriminar prácticas de manejo a partir de bandas espectrales e índices de vegetación. Con ello, se proporciona una herramienta abierta y replicable que pueda ser empleada tanto por analistas ambientales como por técnicos agrícolas que necesitan interpretar el manejo del suelo desde la teledetección. El enfoque metodológico se centra en la estabilidad, la trazabilidad y la evaluación repetida bajo múltiples particiones aleatorias, lo que garantiza una caracterización más fiel y realista del comportamiento de los modelos. La metodología se estructura en varias fases claramente definidas: (i) preparación del conjunto de datos mediante bandas e índices calculados a partir del contraste estacional entre invierno y verano; (ii) generación sistemática de particiones estratificadas controladas por semillas aleatorias; (iii) entrenamiento y calibración de un conjunto heterogéneo de algoritmos, que incluye modelos de aprendizaje automático, así como una red neuronal densa; y (iv) evaluación exhaustiva del desempeño a través de métricas como precisión, sensibilidad y especificidad, registradas de forma ordenada en archivos Excel para facilitar comparaciones y análisis posteriores. Este procedimiento adopta un enfoque eminentemente práctico, ofreciendo una base sólida para desarrollar sistemas automatizados de clasificación del manejo del suelo y, al mismo tiempo, proporcionando una guía conceptual sobre cómo interpretar la variabilidad espectral asociada a cada tipo de manejo. Su aplicación puede contribuir a mejorar la monitorización del olivar, apoyar la toma de decisiones y favorecer la transición hacia prácticas más sostenibles, sin perder de vista la reproducibilidad y la transparencia necesarias en entornos científicos y administrativos.