Jorge Leonardo Ramirez Perez

Leonardo Ramírez, Ingeniero Agrónomo, Especialista y Magíster en Sistemas de Información Geográfica, con experiencia profesional en análisis SIG, agricultura de precisión, machine learning, deep learning e inteligencia artificial, gestión ambiental y tecnologías geoespaciales aplicadas al sector agropecuario. Ha desarrollado actividades como analista SIG en entidades vinculadas al sector cafetero, entre ellas el Comité de Cafeteros, Fundación ASFAPAS y la Cooperativa de Caficultores del Norte del Valle, realizando procesos de georreferenciación, análisis de imágenes y gestión de información espacial. Cuenta con experiencia docente en la Universidad de Caldas y en la Universidad Nacional Abierta y a Distancia (UNAD), donde actualmente se desempeña como docente de maestría. Ha participado en la formulación e implementación de proyectos para la adquisición y aplicación de tecnologías como drones, sensores, estaciones RTK y equipos GNSS. Asimismo, ha desarrollado procesos de formación y gestión tecnológica en el SENA, articulados con líneas de innovación y modernización tecnológica.

Líneas de Investigación

• Inteligencia Artificial

Resumen de soluciones en investigación en las que ha participado

He participado en proyectos y soluciones de investigación, innovación y extensión orientados principalmente a la aplicación de los Sistemas de Información Geográfica (SIG), la agricultura de precisión, la teledetección y las tecnologías geoespaciales en el sector agropecuario y ambiental. En el sector cafetero he participado en procesos de análisis y gestión de información geográfica para la caracterización y seguimiento de sistemas productivos, desarrollando actividades de georreferenciación de predios, análisis espacial, procesamiento e interpretación de imágenes y generación de cartografía temática. Estas experiencias se han desarrollado en entidades como el Comité de Cafeteros, la Fundación ASFAPAS y la Cooperativa de Caficultores del Norte del Valle, contribuyendo al uso de información espacial como herramienta para la planificación y toma de decisiones. En el ámbito académico he participado en la formulación e implementación de iniciativas orientadas a fortalecer la investigación aplicada y la formación de estudiantes mediante tecnologías para agricultura de precisión. Entre ellas se encuentran proyectos relacionados con la adquisición, implementación y uso de drones, sensores para monitoreo de variables agrícolas y ambientales, equipos GNSS y estaciones RTK para levantamientos y georreferenciación de alta precisión. Asimismo, he trabajado en el procesamiento y análisis de imágenes obtenidas mediante drones y sensores remotos, integrando información de campo con herramientas SIG para la evaluación espacial de variables asociadas a los sistemas productivos. Estas soluciones buscan mejorar la caracterización de cultivos, el monitoreo de condiciones agrícolas y ambientales y la generación de información para apoyar procesos de manejo y planificación. Desde la docencia universitaria y la formación profesional, he promovido la incorporación de SIG, teledetección, drones y análisis de datos en ejercicios y proyectos de investigación aplicada. De igual manera, en el SENA he participado en procesos relacionados con la gestión y adquisición de tecnologías y equipos para fortalecer ambientes de formación, investigación e innovación aplicada al sector agropecuario. Actualmente, mi interés investigativo se orienta hacia la integración de SIG, drones, sensores, agricultura de precisión e inteligencia artificial, incluyendo técnicas de machine learning y deep learning, para desarrollar soluciones que permitan automatizar el análisis de información geoespacial y apoyar la toma de decisiones en sistemas de producción agropecuaria.

Publicaciones relevantes

He participado en diferentes procesos y soluciones de investigación aplicada relacionados con los Sistemas de Información Geográfica (SIG), análisis espacial, teledetección, agricultura de precisión y tecnologías geoespaciales aplicadas al sector agropecuario y ambiental. Durante mi formación como Especialista en Sistemas de Información Geográfica desarrollé un proyecto enfocado en **análisis espacial, teledetección y aplicación de los Sistemas de Información Geográfica a la valoración rural**, integrando información geográfica y herramientas de análisis espacial para apoyar procesos de caracterización y valoración del territorio rural. En la Maestría en Sistemas de Información Geográfica desarrollé la investigación denominada **“Implementación de un método estadístico para la predicción de Sigatoka negra en el departamento de Caldas”**, orientada a integrar información espacial y métodos estadísticos para analizar y predecir el comportamiento de esta enfermedad de importancia agrícola. Este trabajo permitió aplicar herramientas SIG y análisis de datos para generar información útil en el seguimiento y manejo fitosanitario. En mi experiencia profesional en el sector cafetero he participado en procesos de georreferenciación de predios, análisis espacial, procesamiento e interpretación de imágenes y generación de cartografía temática, vinculando estas herramientas con la caracterización y seguimiento de sistemas productivos. En el ámbito académico he participado en iniciativas para fortalecer la investigación aplicada mediante la adquisición, implementación y utilización de drones, sensores, equipos GNSS y estaciones RTK, orientados al levantamiento de información de alta precisión, monitoreo de variables agrícolas y ambientales y desarrollo de ejercicios de agricultura de precisión. Desde la docencia universitaria y la formación profesional también he promovido el uso de SIG, teledetección, drones y análisis de datos en proyectos y actividades académicas. Asimismo, he participado en procesos de gestión tecnológica en el SENA para fortalecer ambientes de formación e investigación mediante la incorporación de nuevas tecnologías. Actualmente, mi línea de interés se orienta hacia la integración de **SIG, teledetección, drones, sensores, agricultura de precisión e inteligencia artificial**, particularmente técnicas de machine learning y deep learning, para desarrollar soluciones de análisis geoespacial que contribuyan al monitoreo de cultivos y a la toma de decisiones en los sistemas de producción agropecuaria.