Monitoreo satelital de cultivos: cómo detectar problemas ocultos en el campo
El monitoreo satelital permite a los agrónomos detectar la variabilidad de los cultivos, identificar zonas que requieren inspección y realizar un seguimiento de su desarrollo a lo largo de la campaña agrícola. Mediante índices de vegetación como el NDVI, es posible evaluar el vigor vegetativo e identificar diferencias espaciales que requieren una evaluación más detallada. Su valor agronómico depende de la selección de los datos satelitales adecuados, la correcta interpretación de los diferentes índices y la integración de las anomalías detectadas con mediciones de campo y decisiones oportunas.
En explotaciones agrícolas de gran escala y organizaciones que gestionan redes de productores, el desafío va más allá de generar mapas de vegetación. Un sistema de monitoreo debe identificar cambios relevantes, establecer prioridades y facilitar un seguimiento agronómico sistemático.
Esta guía práctica compara tecnologías satelitales e índices de vegetación, explica las limitaciones de la teledetección y presenta ejemplos reales de campo que demuestran por qué la combinación de diferentes índices proporciona información más completa que el uso exclusivo del NDVI.
Qué aspectos comparar en el monitoreo satelital de cultivos
La comparación más útil debe partir de la decisión agronómica que se pretende respaldar mediante las imágenes. Un servicio que ofrece mapas de mayor resolución espacial no necesariamente es superior si las imágenes se obtienen con poca frecuencia, llegan demasiado tarde o no pueden interpretarse en función del estado de desarrollo del cultivo.
| Criterio | Importancia para la toma de decisiones en campo |
|---|---|
| Resolución espacial | Determina la escala de la variabilidad que potencialmente puede identificarse, dependiendo de la cobertura vegetal y la calidad de las imágenes. |
| Información espectral | Determina qué características de la vegetación, relacionadas con el contenido de agua y la estructura del dosel vegetal, pueden analizarse. |
| Cobertura temporal | Determina la frecuencia con la que se dispone de imágenes utilizables, considerando también el efecto de la nubosidad. |
| Comparación histórica | Permite diferenciar zonas de manejo con patrones persistentes de anomalías de aparición reciente. |
| Contexto fenológico | Ayuda a distinguir el desarrollo normal del cultivo o la senescencia de cambios inesperados. |
| Detección automática de anomalías | Identifica cambios inusuales y facilita la priorización de las inspecciones de campo. |
| Verificación y seguimiento en campo | Relaciona las observaciones satelitales con mediciones, diagnóstico, acciones correctivas y evaluación de resultados. |
Comparación de fuentes de datos satelitales y resolución
Los sensores satelitales difieren en su resolución espacial, bandas espectrales, frecuencia de adquisición y sensibilidad a las condiciones meteorológicas. La combinación de distintas fuentes puede mejorar la continuidad del monitoreo y proporcionar información complementaria.
| Fuente | Características habituales | Aplicaciones prácticas y limitaciones |
|---|---|---|
| Imágenes ópticas de Sentinel-2 | Bandas de 10, 20 y 60 m de resolución; intervalo nominal de revisita de cinco días para la configuración estándar de dos satélites. | Evaluación del vigor del cultivo, índices relacionados con la clorofila, índices asociados al contenido de agua del dosel vegetal y comparaciones históricas. La nubosidad reduce la disponibilidad de observaciones utilizables. |
| Imágenes ópticas y térmicas de Landsat 8/9 | Imágenes multiespectrales de 30 m; datos térmicos con menor resolución espacial nativa; intervalo nominal combinado de revisita de ocho días. | Análisis de tendencias de vegetación a largo plazo e información sobre temperatura superficial. Las anomalías pequeñas pueden quedar mezcladas con otras coberturas dentro de un mismo píxel. |
| Imágenes ópticas comerciales de alta resolución | Resolución espacial del orden de metros, dependiendo del proveedor y del producto. | Monitoreo de parcelas pequeñas y patrones localizados de manejo. Es necesario evaluar los costos, la disponibilidad de adquisiciones y las limitaciones por nubosidad. |
| Radar satelital de apertura sintética (SAR) | Observaciones mediante microondas, incluso a través de las nubes y durante la noche. | Información complementaria sobre la estructura del cultivo y las condiciones superficiales. La respuesta del radar depende de la geometría del dosel vegetal, la humedad del suelo, la geometría de observación y los métodos de procesamiento. |
La resolución espacial representa las dimensiones del terreno correspondientes a un píxel, pero no garantiza que todos los objetos de ese tamaño puedan detectarse. Con una resolución de 10 m, cada píxel representa aproximadamente 100 m². Una falla localizada del sistema de riego que afecte a unas pocas plantas puede quedar enmascarada por la vegetación sana circundante, mientras que un problema que afecte a todo un sector de riego puede resultar claramente visible.
La resolución efectiva también depende de las bandas utilizadas para calcular cada índice. Por ejemplo, el NDVI de Sentinel-2 puede calcularse con las bandas roja e infrarroja cercana de 10 m, mientras que una formulación habitual del NDMI utiliza una banda del infrarrojo de onda corta de 20 m. Por tanto, un mapa de NDMI representado sobre una cuadrícula de 10 m no necesariamente contiene información espacial independiente a esa resolución.
También es importante diferenciar la frecuencia de adquisición de imágenes de la frecuencia con la que se dispone de imágenes realmente utilizables. Los satélites ópticos pueden sobrevolar una parcela según lo previsto, pero generar imágenes afectadas por nubes o sombras. La combinación de fuentes satelitales adecuadas puede mejorar la cobertura, aunque las mediciones procedentes de distintos sensores no deben considerarse automáticamente equivalentes.
Comparación de los índices de vegetación
Los diferentes índices responden a distintas características del dosel vegetal. Cada uno resulta útil para determinadas evaluaciones agronómicas, pero ninguno permite establecer por sí solo la causa de un problema sin información complementaria.
| Índice | Qué representa | Aplicaciones | Limitaciones importantes |
|---|---|---|---|
| NDVI – Índice de Vegetación de Diferencia Normalizada | Cobertura de vegetación verde y vigor vegetativo. | Evaluación del establecimiento, desarrollo del cultivo y diferencias generales de vigor. | Puede presentar saturación en doseles densos y mantener valores elevados ante determinados tipos de estrés o encamado del cultivo. |
| EVI – Índice de Vegetación Mejorado | Señal espectral de la vegetación con ajustes relacionados con el fondo del dosel y determinadas influencias atmosféricas. | Seguimiento de vegetación vigorosa y evolución del cultivo durante la campaña. | Requiere condiciones de adquisición comparables e interpretación según el estado fenológico. |
| NDRE – Índice de Diferencia Normalizada del Borde Rojo | Variabilidad espectral relacionada con el contenido de clorofila. | Identificación de diferencias en el dosel vegetal que pueden justificar una evaluación del estado nutricional. | No permite confirmar por sí solo una deficiencia de nitrógeno. |
| NDMI – Índice de Humedad de Diferencia Normalizada | Respuesta espectral en el infrarrojo cercano y el infrarrojo de onda corta, relacionada con el contenido de agua del dosel vegetal. | Identificación de diferencias asociadas al contenido de agua de la vegetación y seguimiento de su evolución. | No mide directamente el contenido de agua del suelo, el potencial hídrico de la planta ni las necesidades de riego. |
| SAVI – Índice de Vegetación Ajustado al Suelo | Señal de vegetación ajustada para reducir la influencia del fondo del suelo. | Seguimiento de etapas iniciales del cultivo y superficies con cobertura vegetal parcial. | Su interpretación depende de la validez de los supuestos utilizados para ajustar la influencia del suelo. |
| RVI – Índice de Vegetación Radar | Propiedades de retrodispersión del radar influenciadas por la estructura de la vegetación y los mecanismos de dispersión. | Observación complementaria de la estructura del cultivo, incluidas anomalías asociadas al encamado. | No permite diagnosticar el encamado de manera inequívoca. La respuesta varía según la configuración del radar, la humedad y la estructura del dosel vegetal. |
NDVI = (NIR – Rojo) / (NIR + Rojo)
NDMI = (NIR – SWIR) / (NIR + SWIR)
En estas ecuaciones, NIR representa la reflectancia en el infrarrojo cercano y SWIR la reflectancia en el infrarrojo de onda corta. Los valores obtenidos y su interpretación dependen de las bandas espectrales del sensor y del método de procesamiento. Los cálculos del RVI también dependen de los datos de polarización del radar y del algoritmo utilizado, por lo que los umbrales definidos para un producto no deben trasladarse a otro sin validación previa.
Ejemplo de campo: cebada con NDVI elevado, indicios de estrés hídrico y encamado
Una parcela de cebada monitoreada con yieldsApp ilustra las ventajas de comparar varios índices. En las imágenes obtenidas entre finales de febrero y principios de marzo de 2024, el NDVI presentaba valores generalmente elevados en gran parte del cultivo, lo que indicaba un dosel vegetal verde y desarrollado. Si se analizara únicamente este índice, podría interpretarse que el vigor del cultivo era relativamente uniforme.
Sin embargo, el mapa de NDMI del 4 de marzo mostraba valores considerablemente más bajos en determinadas zonas de la parcela, a pesar de que el NDVI registrado ese mismo día seguía siendo elevado. Estas zonas planteaban una posible situación de estrés hídrico que no resultaba igualmente evidente en el mapa de NDVI. Un NDMI bajo es compatible con cambios en las propiedades del dosel relacionadas con su contenido de agua, pero no basta para confirmar una disponibilidad insuficiente de agua en la zona radicular. Para verificarlo sería necesario evaluar la humedad del suelo, el estado hídrico de las plantas y las condiciones de riego y meteorológicas.
El mapa del índice de vegetación radar (RVI) del 6 de marzo mostró otras anomalías espaciales, incluida una zona roja destacada dentro de la parcela. Las fotografías tomadas en campo mostraron un encamado visible de la cebada, proporcionando evidencia directa de un problema estructural del cultivo. En este caso, los datos de radar ayudaron a identificar una zona asociada a plantas encamadas, mientras que el NDVI seguía indicando una cobertura importante de vegetación verde.
Por qué el NDVI puede no detectar el encamado del cultivo
El encamado ocurre cuando los tallos o el sistema radicular de los cereales no consiguen mantener las plantas en posición vertical. La cebada encamada puede permanecer verde durante cierto tiempo, por lo que un índice que responde principalmente a la presencia de vegetación verde puede no reflejar adecuadamente el grado de desplazamiento del dosel ni las posibles dificultades durante la cosecha.
Las mediciones de radar responden a la dispersión de la señal por la vegetación y la superficie subyacente. Los cambios en la orientación de los tallos y en la geometría del dosel pueden modificar la retrodispersión del radar y los índices derivados. Sin embargo, las anomalías detectadas mediante radar no son exclusivas del encamado: la humedad del suelo o del dosel vegetal, el ángulo de incidencia y los artefactos de procesamiento también pueden producir variaciones.
Por tanto, la combinación de los índices satelitales y las fotografías de campo respalda la interpretación de encamado en este caso. Esto no implica que exista un umbral universal de RVI para detectar dicho fenómeno.
Ejemplo de campo: el NDMI revela variabilidad relacionada con el estado hídrico mientras el NDVI permanece relativamente alto
Otra parcela monitoreada el 27 de marzo de 2024 muestra una diferencia similar entre el vigor vegetativo y las características del dosel relacionadas con su contenido de agua. La imagen de NDVI presenta valores generalmente moderados a elevados en la parcela circular, mientras que el mapa de NDMI muestra valores considerablemente más bajos, incluidas extensas zonas de color naranja y rojo.
NDVI (izquierda) y NDMI (derecha), 27 de marzo de 2024. Las diferencias muestran por qué un vigor vegetativo elevado no garantiza un estado hídrico adecuado del cultivo. El patrón de NDMI bajo requiere verificación agronómica en campo.
Esta comparación permite priorizar la investigación de un posible estrés hídrico. Una evaluación adecuada en campo debería incluir:
- Mediciones de humedad del suelo a profundidades representativas de la zona radicular activa, interpretadas en función de la capacidad de campo, el agotamiento del agua disponible y la textura del suelo.
- Volúmenes y fechas de los últimos riegos, uniformidad de distribución y posibles fallas del sistema.
- Condiciones meteorológicas y estimación de la evapotranspiración del cultivo (ETc).
- Estado fenológico del cultivo, condiciones de desarrollo radicular y síntomas visibles.
- Cuando corresponda, mediciones directas del estado hídrico de las plantas u otras observaciones independientes.
El NDMI no debe convertirse directamente en una dosis de riego ni utilizarse para asignar categorías universales de estrés hídrico. La interpretación resulta más fiable cuando los cambios se comparan con imágenes históricas, estados fenológicos equivalentes y las condiciones reales de la parcela.
Cómo identificar anomalías agronómicamente relevantes
Un píxel aislado con un valor bajo puede deberse a la influencia del suelo descubierto, los límites de la parcela, sombras, coberturas heterogéneas o ruido de procesamiento. Otras diferencias pueden reflejar variaciones persistentes del suelo o procesos normales de desarrollo del cultivo, en lugar de un problema de manejo reciente.
Existen tres tipos de comparación especialmente útiles:
- Comparación dentro de la parcela: Comparar las zonas anómalas con otras áreas de la misma parcela, teniendo en cuenta los diferentes sectores de manejo y las características del suelo.
- Comparación de series temporales: Determinar si un cambio es reciente, permanece estable, se está extendiendo o muestra signos de recuperación a lo largo de una secuencia de imágenes válidas.
- Comparación histórica: Evaluar si una misma zona presenta problemas recurrentes en cultivos y estados fenológicos comparables.
La detección automática de anomalías puede reducir la necesidad de revisar manualmente los mapas de forma continua. En yieldsApp, se utilizan datos satelitales procedentes de diferentes fuentes para monitorear las parcelas e identificar anomalías automáticamente. Estos resultados permiten a los equipos agronómicos concentrar sus esfuerzos en los campos que requieren una evaluación más detallada.
No existe un umbral universal fiable de NDVI, NDMI o RVI que permita generar alertas válidas para todos los cultivos. Las reglas de alerta deben considerar el comportamiento específico de cada índice, la calidad de las imágenes, la extensión de la anomalía, su persistencia temporal, el estado fenológico y las posibles consecuencias de retrasar la intervención. Una sola observación puede justificar una inspección inmediata cuando el problema sospechado es grave y requiere una respuesta rápida.
Verificación en campo: de una anomalía a una decisión agronómica
Las observaciones satelitales deben dar lugar a un protocolo de inspección dirigido a comprobar las posibles causas de la anomalía. Los técnicos de campo deben examinar tanto la zona afectada como una zona de referencia representativa, utilizando métodos comparables.
| Problema sospechado | Qué verificar en campo |
|---|---|
| Posible estrés hídrico | Perfil de humedad del suelo, fechas y volúmenes de riego, uniformidad de distribución, profundidad radicular, estado hídrico de las plantas y ETc. |
| Posible encamado | Porcentaje de superficie encamada, inclinación de los tallos y gravedad del encamado, estado fenológico, antecedentes de viento y lluvia, densidad de plantas y consecuencias para la cosecha. |
| Reducción del vigor vegetativo | Densidad de plantas, limitaciones al desarrollo radicular, disponibilidad de nutrientes, síntomas de plagas y enfermedades, compactación, encharcamiento y antecedentes de manejo. |
| Posible deficiencia nutricional | Historial de fertilización, análisis de suelo y tejido vegetal cuando estén justificados, estado fenológico, condiciones del sistema radicular y posibles limitaciones hídricas. |
| Posible salinidad | Conductividad eléctrica del suelo mediante un método de extracción documentado, calidad del agua de riego, condiciones de drenaje y distribución de sales en la zona radicular. |
El diseño del muestreo debe adaptarse al patrón espacial de la anomalía. Una zona extensa y heterogénea puede requerir varios puntos de muestreo en lugar de una única medición. Es importante registrar las ubicaciones, fechas, métodos utilizados, fotografías y resultados de las inspecciones. Cuando la evidencia no sea concluyente, puede ser preferible realizar pruebas diagnósticas adicionales antes de recomendar una intervención.
Del monitoreo satelital a la ejecución agronómica coordinada
Para las organizaciones que gestionan numerosas parcelas o redes de productores, el valor del monitoreo depende del seguimiento operativo de las anomalías detectadas. Un proceso sistemático comprende cinco etapas:
- Detectar: Identificar patrones espaciales o temporales anómalos, automáticamente cuando el sistema lo permita, y registrar la fecha de observación y la zona afectada.
- Priorizar: Evaluar el estado fenológico, la evolución de la anomalía, las condiciones meteorológicas, los antecedentes de manejo y las consecuencias de una intervención tardía.
- Verificar: Asignar una inspección de campo, recopilar las mediciones necesarias y determinar la causa más probable.
- Actuar: Documentar la recomendación agronómica, el responsable de su ejecución y la intervención requerida.
- Realizar seguimiento: Confirmar la ejecución de las acciones y evaluar la respuesta del cultivo mediante mediciones directas e imágenes satelitales posteriores.
Este enfoque también facilita la estandarización de los procedimientos entre diferentes regiones. Cuando los agrónomos y técnicos de campo utilizan protocolos de inspección comunes y registran sus actividades, los responsables de la gestión pueden supervisar los problemas pendientes, comparar resultados y mejorar la calidad de la ejecución agronómica en sistemas agrícolas distribuidos.
yieldsApp respalda este enfoque operativo mediante la integración del monitoreo satelital y la detección automática de anomalías con el contexto agronómico necesario para tomar decisiones a nivel de parcela. La vinculación de las observaciones con flujos de trabajo agronómicos permite a las organizaciones coordinar, estandarizar, supervisar y ampliar la ejecución de las prácticas agrícolas en sus redes de productores.
Cómo seleccionar un sistema de monitoreo satelital
Los diferentes sistemas productivos requieren prioridades distintas. Las explotaciones extensivas de cereales pueden beneficiarse de una cobertura frecuente de grandes superficies y de comparaciones fiables de series temporales. Los huertos frutales y los sistemas de cultivos de alto valor distribuidos en parcelas pequeñas pueden necesitar una mayor resolución espacial y prestar especial atención a los píxeles mixtos. Las organizaciones que gestionan miles de productores necesitan procedimientos de revisión de alertas y verificación en campo que puedan aplicarse de manera consistente por numerosos equipos.
Antes de contratar un servicio de monitoreo, conviene evaluar su funcionamiento frente a eventos de campo documentados. Por ejemplo, comprobar si el sistema permitió identificar problemas conocidos de falta de uniformidad del riego, encamado, zonas con salinidad persistente o establecimiento irregular del cultivo, y si esas observaciones estuvieron disponibles con suficiente anticipación para influir en las decisiones de manejo.
Para interpretar problemas recurrentes, el manejo del riego adaptado a cada cultivo, los análisis de suelo y tejido vegetal, la fisiología de los cultivos y la capacitación agronómica práctica constituyen complementos importantes de la información satelital. Los recursos de formación en agronomía de Cropaia contribuyen a mejorar la interpretación de los datos y su aplicación a las condiciones específicas de cada parcela.
Conclusiones
El monitoreo satelital ofrece mayor utilidad cuando se interpretan conjuntamente distintas fuentes de información e índices, considerando la fisiología del cultivo y las condiciones de manejo. Los ejemplos de cebada demuestran que un NDVI elevado no permite descartar problemas relacionados con el estado hídrico ni el encamado. El NDMI y las mediciones de radar pueden revelar características diferentes de un mismo cultivo.
Las decisiones agronómicas fiables requieren verificación. La combinación de detección automática de anomalías, mediciones de campo pertinentes, asignación clara de responsabilidades y seguimiento documentado permite a las explotaciones agrícolas y redes de productores transformar las observaciones satelitales en acciones agronómicas oportunas y trazables.








