SAT4FOOD AI

SAT4FOOD AI 

Sistema de Alerta Temprana Agrícola impulsado por Copernicus. 

El hambre no avisa. Pero los satélites, sí. 

Cada temporada, millones de pequeños productores en América Latina y el Caribe enfrentan la misma tragedia: cuando el daño en sus cultivos es visible, ya es demasiado tarde para actuar. 

No hay seguro que alcance, no hay intervención que recupere lo perdido, no hay política pública que llegue a tiempo. SAT4FOOD AI existe para cambiar eso hoy, con tecnología que ya existe, gratuita, que orbita sobre nuestras cabezas cada día: Copernicus. 

El problema que nadie está resolviendo correctamente

La región cuenta con sistemas de monitoreo agrícola. Casi todos hacen lo mismo: observan, registran y reportan después del daño. Son termómetros que miden la fiebre cuando el paciente ya está en cama. 

SAT4FOOD AI no es un sistema de monitoreo. Es un sistema de anticipación. ¿Cómo funciona Copernicus como columna vertebral? SAT4FOOD AI está construido íntegramente sobre imágenes Sentinel-2 del programa Copernicus de la ESA, procesadas en tiempo real mediante Google Earth Engine.

No usamos Copernicus como fuente de datos adicional, es la razón por la que el sistema existe y funciona. Cada alerta que genera SAT4FOOD AI nace de tres análisis simultáneos sobre datos satelitales oficiales de la ESA:

NDVI en tiempo real: El Índice de Vegetación de Diferencia Normalizada calculado directamente desde las bandas espectrales de Sentinel-2 detecta deterioro en la salud vegetal con semanas de anticipación antes de que sea visible en campo. Un agricultor no necesita saber qué es el NDVI. Solo necesita saber que sus cultivos están en riesgo antes de perderlos. 

Detección de estrés hídrico: Las bandas infrarrojas de Sentinel-2 revelan déficit o exceso hídrico en zonas agrícolas con una precisión imposible de lograr desde tierra. El sistema identifica qué parcelas están bajo amenaza y con qué nivel de urgencia. 

Análisis de cambios temporales: SAT4FOOD AI compara series históricas de imágenes Copernicus para detectar patrones anómalos de degradación agrícola. No reacciona a un dato aislado, reconoce tendencias que predicen pérdida antes de que se produzca. 

El resultado: alertas geolocalizadas, mapas de riesgo por zona agrícola y predicciones de pérdida disponibles en segundos, respaldadas por el programa satelital más robusto del mundo.

SAT4FOOD AI no es una propuesta. Es una plataforma operativa con demo funcional disponible hoy. El flujo completo opera en tres capas integradas: 

1. La interfaz web traduce datos satelitales complejos en información accionable para productores sin conocimientos técnicos. 
2. La API en Node.js procesa coordenadas geográficas, coordina el análisis y estructura los resultados en tiempo real. 
3. El motor geoespacial sobre Copernicus/Sentinel-2 ejecuta el procesamiento de imágenes satelitales, calcula indicadores agrícolas y genera las predicciones de riesgo. 

Un usuario ingresa una zona agrícola. En segundos recibe el estado real de sus cultivos desde el espacio. 

¿Para quién lo construimos y por qué importa a escala regional? 

SAT4FOOD AI está diseñado para los tres actores que determinan la seguridad alimentaria de un país:

1. Los productores/as agrícolas: especialmente los pequeños y medianos, los más vulnerables y los menos protegidos, reciben alertas tempranas accionables antes de que la pérdida sea inevitable. Para ellos, una semana de anticipación puede ser la diferencia entre salvar o perder una cosecha entera. 
2. Las instituciones públicas: obtienen por primera vez una herramienta de gestión de seguridad alimentaria basada en datos satelitales Copernicus verificados y en tiempo real, no en reportes que llegan tarde. 
3. Los investigadores y tomadores de decisiones: acceden a tendencias agrícolas y climáticas con respaldo científico directo de la fuente satelital más confiable disponible de forma gratuita en la región. 

La plataforma está diseñada para escalar desde un productor individual hasta un sistema nacional de gestión de riesgos agrícolas. El modelo de negocio contempla desde acceso gratuito para pequeños productores hasta licencias institucionales para gobiernos y organismos regionales.

El equipo: construido exactamente para este problema SAT4FOOD AI no fue construido por tecnólogas que aprendieron sobre agricultura.

Fue construido por expertas en el problema que aprendieron a usar los datos del espacio para resolverlo.

Fina Escalante es Ingeniera Agrónoma con Máster en Gestión Medioambiental y formación especializada en Machine Learning y Ciencia de Datos adquirida en Francia. Entiende los cultivos desde la raíz, los ecosistemas desde la ciencia y los datos desde el satélite. Cada decisión de diseño en SAT4FOOD AI refleja décadas de conocimiento agronómico real, no suposiciones. 

Eliliana Lantigua es Ingeniera en Tecnología de Alimentos y asesora de calidad con dominio profundo del sistema agroalimentario completo: certificaciones internacionales, normativas, cadena de valor y estándares de seguridad alimentaria. Garantiza que SAT4FOOD AI no sea una herramienta tecnológica desconectada de la realidad, sino una solución que funciona dentro del ecosistema real de producción, distribución y consumo de alimentos.

Juntas cubren exactamente los tres vectores que este reto exige: ciencia agronómica, inteligencia de datos espaciales y expertise en seguridad alimentaria. 

Es la intersección perfecta y es difícil de replicar.  

El espacio lleva décadas mirando nuestros campos. SAT4FOOD AI es la primera vez que esa mirada llega a tiempo.