Más allá del NDVI: ver lo que otros índices muestran

Durante años, el NDVI (Índice de Vegetación de Diferencia Normalizada) ha sido la métrica más utilizada en la agricultura de precisión. Es simple, ampliamente conocido y disponible en plataformas satelitales y de drones. Sin embargo, aunque el NDVI es útil para monitorear el vigor del cultivo, su valor para la toma de decisiones tiene límites claros. El NDVI se satura en coberturas densas, no distingue entre las causas del estrés y, con frecuencia, reacciona solo cuando el problema ya es visible.

Hoy en día, nuevas capas de teledetección, como la termografía infrarroja, los índices de clorofila y el radar de apertura sintética (SAR), están ayudando a agrónomos y productores a ir más allá del NDVI. Estas capas permiten obtener información más temprana y precisa sobre estrés hídrico, desequilibrios nutricionales y desarrollo de enfermedades.

 

Los límites del NDVI

El NDVI mide la diferencia entre la reflectancia del infrarrojo cercano (NIR) y la del rojo. Las hojas sanas reflejan más NIR y absorben más luz roja gracias a la clorofila, por lo que el NDVI aumenta con el vigor vegetal. Sin embargo, el NDVI tiene tres limitaciones principales:

1. Saturación: En cultivos densos (por ejemplo, maíz después de V8, trigo en encañado o frutales adultos), los valores de NDVI alcanzan un límite, incluso si el estado del cultivo sigue cambiando.

2. Ambigüedad: Un valor bajo de NDVI puede deberse a deficiencia nutricional, falta de agua o enfermedad, pero el NDVI no permite saber cuál es la causa.

3. Respuesta tardía: El NDVI disminuye solo después de que la clorofila y la fotosíntesis ya se han reducido. En ese punto, el daño suele ser irreversible.

Para hacer que los datos satelitales sean realmente útiles, debemos combinar el NDVI con otros índices que respondan antes y de forma específica a los cambios fisiológicos de las plantas.

 

Imágenes térmicas: detectar el estrés hídrico antes del marchitamiento

Cuando las plantas sufren estrés hídrico, su primera reacción es cerrar los estomas, reduciendo la transpiración para conservar agua. Como la transpiración enfría las hojas, cualquier restricción provoca rápidamente un aumento en la temperatura del dosel. Las cámaras térmicas, tanto en drones como en satélites, pueden detectar ese incremento varios días antes de que aparezcan síntomas visibles o caiga el NDVI.

Monitoreo del riego mediante imágenes térmicas

Los datos térmicos obtenidos por sensores como Landsat 8/9 o ECOSTRESS permiten monitorear la temperatura del dosel vegetal a escala regional o de campo. Aunque su resolución espacial es más baja (30–100 m), resultan muy útiles para planificar el riego y calibrar índices de mayor resolución como el NDWI o el MSI.

Cuando no se dispone de datos térmicos, los índices espectrales que utilizan las bandas del infrarrojo cercano (NIR) y del infrarrojo de onda corta (SWIR), como el Índice de Agua (NDWI) o el Índice de Estrés por Humedad (MSI), pueden actuar como sustitutos prácticos. Estos índices captan variaciones en el contenido de agua de las hojas y permiten detectar estrés hídrico en etapas tempranas, con resolución de 10 a 20 metros.

Los índices térmicos y de humedad ofrecen información valiosa sobre el estado hídrico del cultivo que el NDVI no puede mostrar. Mientras el NDVI refleja principalmente la densidad y el verdor del follaje, el NDMI (Índice de Humedad Normalizado) responde directamente al contenido de agua en hojas y dosel. Valores altos de NDMI indican buena hidratación interna, mientras que una disminución del índice puede advertir un inicio de estrés hídrico.

En el siguiente ejemplo, los valores de NDVI son altos y uniformes (0.9-1.0), lo que sugiere una cobertura densa y saludable. Sin embargo, el NDMI es significativamente menor y muestra un patrón no uniforme, indicando menor contenido de agua en las hojas a pesar de una biomasa vigorosa. El cultivo parece saludable a simple vista, pero la diferencia entre NDVI y NDMI revela un estrés hídrico leve.

El borde rojo: donde aparece primero el estrés nutricional

Mientras que el NDVI se satura en cultivos densos, los índices del borde rojo y de clorofila mantienen su sensibilidad. A medida que aumenta la clorofila, el borde rojo se desplaza ligeramente hacia longitudes de onda mayores, y vuelve al acortarse cuando la clorofila disminuye.

Los índices más comunes son:

• NDRE (Índice de Diferencia Normalizada del Borde Rojo): detecta variaciones sutiles en el contenido de clorofila.
• MTCI (Índice Terrestre de Clorofila MERIS): estima el contenido total de clorofila para el monitoreo nutricional.
• CIred-edge (Índice de Clorofila del Borde Rojo): fuertemente correlacionado con la concentración de nitrógeno foliar.

Detección de desequilibrios nutricionales

Los ensayos han demostrado que los mapas de NDRE pueden revelar variabilidad en el contenido de clorofila dentro del campo entre 10 y 15 días después de la fertilización de cobertura, mientras que el NDVI permanece uniforme. Los análisis foliares en esas zonas suelen confirmar niveles más bajos de nitrógeno en las áreas de bajo NDRE, lo que respalda su uso para el diagnóstico temprano de variabilidad de N y para definir estrategias de fertilización variable que reducen el uso total de nitrógeno en un 10–15% sin afectar el rendimiento.

Estos índices basados en clorofila son especialmente útiles para ajustar el nitrógeno durante el crecimiento vegetativo rápido. A diferencia del NDVI, que refleja principalmente la estructura del dosel, el NDRE y el MTCI responden directamente a la concentración de pigmentos, un excelente indicador del estado nitrogenado de la planta. Ambos también pueden ayudar a detectar deficiencia de azufre, ya que el bajo contenido de S reduce la clorofila incluso con niveles adecuados de N.

Señales tempranas de enfermedades

El NDRE también puede servir como alerta temprana frente a enfermedades, ya que muchas de ellas reducen la clorofila antes de que los síntomas sean visibles. En trigo afectado por roya amarilla, por ejemplo, el NDRE cayó 5–7 días antes de que el daño pudiera observarse o el NDVI cambiara. Integrar estos índices con datos meteorológicos y fenológicos permite generar alertas predictivas y aplicar fungicidas justo antes de que el ciclo de infección se acelere.

 

SAR (Radar de Apertura Sintética): ver más allá de las nubes y la estructura

A diferencia de los sensores ópticos, el SAR utiliza microondas para medir la retrodispersión, la cual depende de la humedad, la estructura y la rugosidad del dosel. Su principal ventaja es que funciona día y noche, incluso con nubosidad, lo que lo hace ideal en zonas tropicales o de alta frecuencia de lluvias.

Detección de anegamiento y compactación del suelo

En campos de soya del sur de Brasil, la retrodispersión del SAR de Sentinel-1 aumentó notablemente después de lluvias intensas. La señal se mantuvo elevada en ciertas zonas incluso tras varios días secos, indicando humedad persistente en el suelo. Estas áreas luego mostraron reducciones de rendimiento del 18–25%.

Estructura y biomasa

El SAR también es útil para estimar la estructura y biomasa del cultivo, especialmente en maíz, sorgo o caña de azúcar, donde el NDVI se satura. A medida que los tallos crecen y el dosel se vuelve más denso, la retrodispersión del radar aumenta casi de forma lineal con la biomasa, lo que permite un mejor seguimiento del crecimiento en pleno desarrollo, cuando el NDVI deja de diferenciar.

En cambio, cuando la estructura del dosel colapsa, el SAR lo detecta de inmediato. Por ejemplo, en campos de cebada en México afectados por encamado por viento, el NDVI permaneció alto porque las hojas seguían verdes y activas, pero los mapas de RVI mostraron claramente zonas rojas con valores bajos. El dosel aplanado refleja la energía del radar en otra dirección, reduciendo la señal recibida. Este contraste hace del SAR un complemento muy valioso de los índices ópticos para monitorear tanto el crecimiento como los daños estructurales.

El NDVI permanece alto en la cebada encamada, mientras que el RVI (arriba a la izquierda) resalta las zonas afectadas en rojo debido a la menor retrodispersión. La foto del campo confirma el patrón de encamado, con el cultivo caído a la izquierda y el de pie a la derecha.

 

Integrar múltiples capas para una visión agronómica real

No toda variación espectral indica estrés. Un solo índice cuenta una historia parcial. El verdadero valor está en combinar las capas espectrales, térmicas y de radar dentro de un modelo coherente del cultivo.

Por ejemplo, una zona con NDVI, NDMI y SAR bajos puede simplemente tener plantas más pequeñas o un dosel más delgado, sin estrés fisiológico. El estrés real suele manifestarse cuando los índices divergen: por ejemplo, el NDVI se mantiene estable mientras el NDRE o NDMI caen, o el NDVI es alto pero la retrodispersión del radar aumenta por exceso de humedad en el suelo. Distinguir diferencias estructurales (tamaño de planta, densidad de siembra) de estrés funcional (pérdida de agua o clorofila) requiere interpretar varios índices en conjunto, no de forma aislada.

En plataformas avanzadas como yieldsApp, estas capas multiespectrales no solo se muestran como mapas, sino que alimentan modelos dinámicos del cultivo capaces de interpretar si el cambio en la señal corresponde a estrés hídrico, nutricional o sanitario. Esta integración une la teledetección con la agronomía práctica y accionable.

La verificación en campo sigue siendo clave

Ni las mejores imágenes satelitales o de drones reemplazan la observación en terreno. La teledetección muestra dónde ocurre algo inusual, pero no siempre explica por qué.

El flujo de trabajo más eficaz siempre incluye:

1. Detectar: Identificar anomalías en las imágenes multicapas.
2. Verificar: Revisar en campo algunos puntos representativos mediante sensores, observación o análisis foliar.
3. Decidir: Ajustar riego, fertilización o protección fitosanitaria según el diagnóstico confirmado.

Los productores que combinan imágenes con sondas de humedad, datos meteorológicos y análisis de tejido construyen correlaciones más sólidas entre los índices espectrales y el estado real del cultivo, lo que permite decisiones más precisas cada temporada.

El NDVI fue el punto de partida de la agronomía digital, pero ya no es suficiente. Las imágenes térmicas brindan una visión física del dosel, los índices de clorofila y del borde rojo revelan problemas nutricionales o sanitarios antes de que sean visibles, y los datos SAR permiten detectar estructuras y patrones de humedad ocultos bajo las nubes.

Interpretar múltiples sensores ayuda a identificar no solo cuándo ocurre el estrés, sino también si la variabilidad representa un problema fisiológico real o simplemente diferencias en el tamaño o densidad del cultivo. Esta comprensión permite decisiones más tempranas, focalizadas y confiables —la esencia de la inteligencia agronómica.