La presente investigación desarrolla un modelo integral de vulnerabilidad y riesgo agropecuario, combinando agentes inteligentes, lógica difusa, procesamiento digital de imágenes satelitales y redes neuronales convolucionales. Con este enfoque se generan escenarios de impacto para estimar la probabilidad de enfermedades en caña de azúcar y el riesgo sanitario del sector pecuario. Los resultados evidencian que los cultivos son altamente sensibles a variaciones de temperatura, humedad y viento, mientras que la ganadería enfrenta riesgos asociados al estrés térmico e hídrico. Finalmente, se proponen esquemas de adaptación que fortalecen la resiliencia del sector agropecuario frente a los efectos del cambio climático, aportando una herramienta práctica para la toma de decisiones en políticas y gestión productiva