Land AI 360

Fuentes de datos

De la heterogeneidad bruta a la señal estructurada

Cada dominio exige sus propias fuentes, cadenas de procesamiento y conocimiento experto. Land AI 360 integra ocho familias de datos georreferenciados que cubren la totalidad del territorio continental de Estados Unidos (CONUS), armonizadas sobre una única malla espacial.

Los ocho dominios de datos de la plataforma: satelital, geológico, climático, hídrico, agrícola, regulatorio, precios del suelo y económico.

NASA/SRTM · Landsat 8-9 · Sentinel-2 · MODIS · GLDAS

Datos satelitales

Topografía, temperatura superficial y cobertura del suelo, con series temporales de 17 a 23 años que capturan la dinámica del territorio a largo plazo.

GLHYMPS · sNATSGO

Datos geológicos

Propiedades del subsuelo: conductividad hidráulica, transmisividad, porosidad y profundidad del nivel freático.

PRISM · TerraClimate

Datos climáticos

Temperatura, precipitación y déficit hídrico anual y estacional, modelados a partir de estaciones meteorológicas combinadas con datos satelitales.

GRACE · LANID · USGWD

Datos hídricos

Agua subterránea y riego, incluidos los registros estatales de pozos: cerca de 900.000 pozos activos documentados con profundidad y caudal.

CDL USDA · sNATSGO

Datos agrícolas

Doce cultivos principales con pH del suelo, carbono orgánico, índice NCCPI, rendimientos potenciales y clase de capacidad de uso del suelo.

PAD-US · BIA · NLCD

Datos regulatorios y derechos de agua

Cincuenta estados con normativas diferentes: áreas protegidas, tierras indígenas y zonas urbanas, consolidadas manualmente en una sola capa.

26.000 propiedades × 160 variables

Precios del suelo

Evidencia de mercado por propiedad: tamaño, infraestructura, riego, activos y distancias a servicios clave.

CAPEX · OPEX · Mercado agrícola

Datos económicos

Costes de perforación, tarifas eléctricas, logística y precios de venta de cultivos — variables económicas georreferenciadas para cada punto del territorio.

Metodología

Un solo stack. Ocho disciplinas.

Cada problema exige el enfoque adecuado: no existe una técnica única que lo resuelva todo. La plataforma combina ocho disciplinas analíticas sobre una malla espacial común.

El stack analítico: machine learning, teledetección, estadística bayesiana, modelación ecológica, series temporales, LLM, econometría y SIG.

Machine learning

Modelos predictivos que capturan patrones complejos entre cientos de variables.

Teledetección

Extracción de información cuantitativa a partir de imágenes satelitales.

Estadística bayesiana

Inferencia con estructura espacial e intervalos de credibilidad explícitos.

Modelación ecológica

Modelos de nicho que estiman la viabilidad de los cultivos en cada punto del territorio.

Análisis de series temporales

Detección de tendencias, aceleraciones y anomalías en señales históricas largas.

Modelos de lenguaje (LLM)

Procesamiento de información textual no estructurada para convertirla en datos analizables.

Econometría clásica

Modelos estadísticos interpretables que identifican el peso causal de cada variable.

SIG (análisis geoespacial)

Operaciones espaciales que armonizan capas heterogéneas sobre una malla común.