Los Modelos Gráficos Probabilísticos (MGP) utilizan una representación basada en grafos para codificar de manera compacta distribuciones complejas en espacios de alta dimensionalidad. Un tipo de MGP son las Redes Bayesianas Dinámicas (RBDs) que se caracterizan por ser un sistema estacionario homogéneo, lo que permite que con ellas se pueden representar, de una manera compacta, grandes cantidades de información de muchas variables.En este trabajo se estudia la capacidad de predicción de las RBDs en cuanto al avance de la Sigatoka negra y la productividad del cultivo, utilizando los datos proporcionados por CORBANA. Estos datos tienen información histórica del clima y de dos fenómenos: el avance de la enfermedad denominada Sigatoka negra y la productividad del cultivo del banano. Para esto se comparó la capacidad de predicción de la RBDs con la de las Redes Bayesianas (RBs).Se diseñaron e implementaron una RBD y una RB que representan las relaciones encontradas en los datos, y con ellas se llevaron a cabo experimentos para identificar cómo los distintos factores inciden en la capacidad de predicción de las mismas. Los resultados obtenidos en los experimentos mostraron que la capacidad de predicción de las RBDs no supera la de las RBs utilizando los datos de la Corporación Nacional Bananera. De hecho, no se observó una diferencia significativa entre ambos tipos de red. Además, se observó gran diferencia en las ventajas teóricas del modelo de las RBDs frente a otros MGPs. Ya que en la práctica las limitaciones de las implementaciones disponibles hacen que no sea atractivo su uso.

Introducción. Los sensores remotos ofrecen la capacidad de observar un objeto sin estar en contacto con el mismo, son utilizados en aplicaciones para la agricultura y tienen un gran potencial de desarrollo para el cultivo del banano (Musa AAA). Durante las últimas décadas las investigaciones en sensores remotos y agricultura se han incrementado gracias a la disponibilidad de imágenes satelitales de alta resolución y al uso de vehículos aéreos no tripulados que generan información base para las investigaciones. Objetivo. Realizar una revisión general sobre las aplicaciones del uso de sensores remotos para el cultivo del banano en tres aspectos específicos: determinación del área de cultivo, estimación de su productividad y en el diagnóstico de enfermedades. Desarrollo. Las áreas de plantaciones comerciales de banano son de fácil detección visual o por medio clasificaciones de imágenes, como con las imágenes del radar de abertura sintética (SAR), que pueden alcanzar presiones superiores al 95 %. Esto debido a la alta retrodispersión de las hojas grandes de la planta. No obstante, los estudios realizados en cuanto a productividad son escasos para el cultivo de banano y se han limitado al uso de índices de vegetación, con resultados bajos en sus correlaciones. En cuanto la identificación de enfermedades, se ha trabajado en las principales que afectan la producción con niveles de correlación superiores al 90 % para algunas enfermedades. Conclusión. La presente revisión evidencia que las plantaciones bananeras pueden ser delimitadas mediante el uso de sensores remotos y, de igual forma, estos permiten la identificación de las principales enfermedades en el cultivo. Sin embargo, los resultados obtenidos para determinar productividad son escasos y con poca precisión.