La presente investigación se realizó una evaluación de modelos para el pronóstico de series temporales del Índice Normalizado de Vegetación (NDVI) por medio de una Red Neuronal Recurrente (RNR) de corto y largo plazo, y el algoritmo Prophet de Facebook.

Los datos se obtuvieron del sensor espacial Moderate Resolution Imaging Spectroradiometer (MODIS) que emite información con una periodicidad de 16 días, se obtuvieron valores desde enero de 2013 hasta diciembre del 2021 por medio de la plataforma Google Earth Engine (GEE). Utilizando el lenguaje de programación Python en un entorno Jupyter se construyó la red neuronal Long-Short Term Memory (LSTM), y el algoritmo Prophet, tomando como datos de entrenamiento 172 valores y 36 para prueba en ambos casos. Como métrica de evaluación se consideró Root Mean Square Error RMSE (RMSE) y Mean Square Error (MSE), obteniéndose valores de 0.509, 0.259 para LSTM y 0.5311, 02820 para Prophet, demostrando que la red LSTM tiene mejor rendimiento para la predicción de NDVI.