Detección remota, drones y aplicación variable¶
Contenido generado por inteligencia artificial — verifique antes de aplicar
Este artículo ha sido compilado automáticamente a partir de una colección de literatura sobre el avellano utilizando inteligencia artificial y puede contener errores o datos desactualizados. Sirve como punto de partida para investigaciones adicionales, no como asesoramiento técnico. Las dosis, productos y plazos son informativos y dependen de la variedad, la ubicación y la normativa vigente; consulte obligatoriamente con el servicio de asesoramiento y en las fuentes oficiales antes de aplicar cualquier tratamiento.
La detección remota (remote sensing) y la agricultura de precisión han pasado en los últimos diez años de ser temas de investigación académica a convertirse en la práctica cotidiana de las explotaciones frutícolas avanzadas. Para los productores de avellana, esto significa la posibilidad de "ver" desde arriba una plantación de varias decenas de hectáreas — mediante satélites o drones — y, en función de ello, no tratar toda la superficie por igual, sino aplicar exactamente la cantidad de insumos que cada parte de la plantación realmente necesita. Este artículo explica cómo funcionan las imágenes satelitales y dron, qué son los índices de vegetación como el NDVI, cómo se detecta tempranamente el estrés en las plantas y cómo el guiado por GPS y la aplicación variable de insumos (VRT) aportan ahorros con menor impacto ambiental.
Por qué utilizar la detección remota en una plantación de avellano¶
El control tradicional de la plantación se basa en el recorrido visual y la evaluación subjetiva, lo cual es lento, subjetivo y, a medida que la plantación crece, cada vez más difícil de realizar. El examen de cada árbol individual en grandes plantaciones se vuelve poco práctico debido al coste y al tiempo invertido, mientras que los análisis de laboratorio ofrecen respuestas con retraso. La detección remota ofrece tres ventajas clave:
- Cobertura — toda la plantación se captura en un solo vuelo o paso satelital.
- Objetividad — se mide la luz reflejada, no la impresión subjetiva, por lo que los resultados son comparables año tras año.
- Oportunidad — las plantas bajo estrés cambian su reflectancia antes de que los síntomas sean visibles a simple vista, lo que reduce el tiempo de reacción.
Las fuentes croatas lo confirman directamente: con el uso de sistemas multiespectrales "se reduce el tiempo de detección de plantas sometidas a estrés, permitiendo a los productores agrícolas reaccionar a tiempo y prevenir posibles daños mayores" (Boletín de Protección Vegetal 3/2023).
Cómo "habla" la planta con el sensor: reflectancia espectral¶
La base de todo es la física de la hoja. La clorofila en una planta sana absorbe la mayor parte (más del 90 %) de la radiación roja visible que utiliza para la fotosíntesis, mientras que, debido a la estructura del tejido foliar, refleja fuertemente la radiación infrarroja cercana (NIR) (alrededor del 50 %). Una planta con la salud debilitada — debido a sequía, oidio, plagas o deficiencia de nutrientes — absorbe menos luz roja y refleja menos radiación infrarroja que una planta sana. Los sensores transforman precisamente esta diferencia en números y mapas.
Por eso, una cámara RGB estándar no es suficiente: para un análisis serio de la salud se requiere una cámara multiespectral (o térmica/hiperespectral) que registre también las partes invisibles del espectro.
Imágenes satelitales: una base económica y periódica¶
La plataforma satelital que se menciona con mayor frecuencia en la literatura sobre el avellano es el Sentinel-2 europeo (programa Copernicus, ESA). Sus ventajas son la gratuidad de los datos y la repetición periódica de las capturas.
| Característica | Sentinel-2 | Dron (UAV) |
|---|---|---|
| Resolución espacial | ~10 m por píxel (visible/NIR) | varios cm/píxel |
| Frecuencia | cada pocos días (dependiendo de la nubosidad) | a voluntad, bajo demanda |
| Coste de datos | gratuito | coste de equipo/servicio |
| Nivel de análisis | plantación / zonas | árbol individual |
| Limitación | nubes, resolución gruesa | batería, tiempo de vuelo, permisos |
En la práctica, el satélite y el dron se complementan: el satélite proporciona un control económico y periódico de toda la plantación, alertando sobre dónde "algo no va bien", y el dron se envía luego de forma dirigida a esa zona para realizar una captura detallada por árbol individual. Las investigaciones indican explícitamente que los sensores de bajo coste y terrestres sirven para construir calibraciones más fiables para los modelos de drones y satélites (Sensors, 2024).
Vale la pena mencionar que la detección remota también se utiliza para el inventario y el control de superficies: en la provincia turca de Sakarya, mediante la clasificación NDVI de imágenes satelitales, se determinaron aproximadamente 87.374 ha de avellano, de las cuales solo 47.263 ha estaban legalmente autorizadas (Planificación y Control de Áreas de Producción de Avellana, 2013).
Índices de vegetación: NDVI y sus "parientes"¶
Los datos espectrales brutos se transforman en índices de vegetación — simples relaciones de la luz reflejada que proporcionan un mapa de "verde", es decir, de actividad fotosintética.
NDVI — Índice de Vegetación de Diferencia Normalizada¶
Es el índice más conocido y utilizado. Se calcula como:
NDVI = (NIR − Rojo) / (NIR + Rojo)
En el Sentinel-2, esto corresponde a las bandas B08 (NIR, ~842 nm) y B04 (rojo, ~665 nm). El valor oscila entre -1 y +1:
| Valor NDVI | Significado típico |
|---|---|
| < 0 | agua, superficie desnuda/muerta |
| 0 – 0,2 | suelo desnudo, vegetación muy escasa |
| 0,2 – 0,5 | vegetación moderada / estrés |
| 0,5 – 0,8+ | vegetación densa y vital |
En el mapa NDVI, las zonas verdes indican un crecimiento vital, mientras que las amarillas y rojas señalan zonas de estrés o crecimiento débil. Los valores son indicativos — dependen fuertemente del cultivo, la fenofase y la época del año, por lo que deben interpretarse en el contexto de su propia plantación, no como umbrales absolutos.
Índices adicionales para mayor precisión¶
Debido a las limitaciones del NDVI (saturación en copas densas, influencia del suelo), también se utilizan otros índices:
- SAVI (Soil-Adjusted VI) — introduce un factor de corrección para el brillo del suelo; muy útil en plantaciones jóvenes de avellano donde la cobertura vegetal es baja y se ve mucho suelo desnudo entre las hileras.
- NDRE (Red-Edge) — más sensible al nivel de nitrógeno y clorofila en la copa desarrollada; se ha utilizado con éxito para detectar riego desigual en olivares y puede alertar de problemas antes que el NDVI.
- GNDVI, NDWI, EVI — alternativas que las fuentes croatas mencionan como complemento al NDVI para mayor fiabilidad.
Consejo práctico: en una plantación con mucha superficie desnuda entre las hileras, opte por SAVI, y para una evaluación más fina de la nutrición de la copa desarrollada, considere NDRE.
Detección de estrés: agua, nutrientes, enfermedades y plagas¶
La captura multiespectral y térmica permite la detección temprana de múltiples tipos de estrés simultáneamente:
- Estrés hídrico — las cámaras térmicas miden la temperatura de la copa; una planta que cierra sus estomas debido a la sequía se vuelve más cálida. A partir de ello se calcula el índice de estrés hídrico del cultivo (CWSI). En las investigaciones se mencionan como valores de referencia el potencial hídrico del tallo alrededor de -6 bar, la conductancia foliar ~0,2 mol m⁻² s⁻¹ y un CWSI ~0,2 (Sensors, 2024) — todo informativo y dependiente de la variedad, ubicación y calibración.
- Deficiencia de nutrientes — la captura hiperespectral y multiespectral revela microzonas con déficit nutricional, lo que permite la dosificación puntual y reduce las pérdidas (Compendio de Silvicultura Forestal, 2023).
- Enfermedades y plagas — las cámaras pueden detectar manchas de óxido en las hojas y enfermedades fúngicas antes de su propagación; con drones se ha detectado con éxito el estrés causado por insectos. El NDVI está vinculado en la literatura croata al seguimiento de la vitalidad de la plantación durante sequías prolongadas, oidio y otros factores.
Mensaje clave: el índice no indica la causa, sino que muestra dónde está el problema. El mapa dirige una inspección dirigida en campo (engl. ground-truthing), y solo el diagnóstico in situ o el análisis de laboratorio confirman de qué se trata.
Guiado por GPS y navegación de precisión¶
El segundo pilar de la agricultura de precisión es el GPS (Sistema de Posicionamiento Global). Las fuentes croatas mencionan tres sistemas interconectados: GPS para la navegación, GIS para el almacenamiento y análisis de datos espaciales, y VRT (Variable Rate Technology) para la aplicación variable (Boletín de Protección Vegetal 3/2023).
Qué aporta el GPS a la plantación:
- Guiado preciso de la máquina — el uso de piloto automático reduce las superposiciones de las pasadas. Los tractores guiados por GPS reducen la superposición de fertilizantes en aproximadamente un 10–15 %, lo que ahorra directamente insumos y combustible.
- Mapeo de problemas — las áreas de ataque de enfermedades, plagas o malas hierbas pueden localizarse con precisión y volver a encontrarse.
- Trazabilidad — con la localización GPS es posible una trazabilidad completa de la producción por cada parte de la plantación.
El GIS sirve como "memoria" de la explotación: en él se almacenan mapas del suelo, capturas NDVI a lo largo de las temporadas y registros de intervenciones, lo que permite la zonificación y las estimaciones económicas (ejemplos de uso de ArcGIS y geostatística de kriging en el análisis de la fertilidad del suelo del este de Croacia).
Aplicación variable de insumos (VRT): del mapa a la dosis prescripta¶
El punto culminante de todo el proceso es la aplicación variable: el insumo no se distribuye de manera uniforme, sino "cuánto, cuándo y dónde" se necesita. Las directrices nacionales italianas para la agricultura de precisión la definen precisamente como aplicación variable de insumos en términos de precisión: cuándo, cuánto y dónde, con el objetivo de reducir los insumos químicos y hídricos (SRA24, 2023).
El flujo de trabajo es el siguiente:
- Adquisición de datos — el satélite/dron recopila datos multiespectrales (y térmicos).
- Índices y zonificación — a partir de los mapas NDVI/SAVI/NDRE, la plantación se divide en zonas de distinta vitalidad.
- Mapa de prescripción (prescription map) — a cada zona se le asigna la dosis objetivo de fertilizante, agua o producto fitosanitario.
- Aplicación — la máquina guiada por GPS (esparcidor, pulverizador, sistema de riego o dron pulverizador) cambia automáticamente la dosis según el mapa y la posición.
Zonificación de la fertilización: donde la VRT más ayuda¶
La fertilización del avellano se basa, de por sí, en el análisis del suelo, el tipo de suelo, el sistema de cultivo, la edad y la fenofase de la plantación (Guía de cultivo del avellano, savjetodavna.gov.hr). La VRT añade la dimensión espacial: en lugar de una dosis "promedio" para toda la plantación, las zonas menos vigorosas reciben más, y las más vigorosas menos. Las dosis orientativas extraídas de la bibliografía que pueden servir como punto de partida para la zonificación (todo informativo, dependiendo de la variedad, el suelo y las normativas/etiquetas):
| Intervención / fase | Dosis orientativa de la literatura | Nota |
|---|---|---|
| Fertilización mejorativa (antes de la plantación) | 1.200–3.000 kg/ha NPK + 25–50 t/ha orgánico | ej. NPK 7-20-30 / 8-26-26 |
| Calización de suelos ácidos | 4–12 t/ha CaCO₃ | según el pH del análisis de suelo |
| Nitrógeno, plantación joven (por árbol) | 0,5 → 1,0 kg/árbol (1.–4. año) | KAN 27 %, a principios de primavera |
| Plena producción (superficial) | ~150 kg/ha K, ~20 kg/ha P, ~100 kg/ha N | según el análisis de suelo |
| Zinc foliar (Zn-EDTA) | 1,0–1,5 kg/ha (microgránulos) o 2,0–3,0 L/ha (líquido) | abonado de verano |
Justo en estas intervenciones es donde la aplicación variable tiene más sentido: la costosa fertilización mejorativa y la calización pueden zonificarse según los mapas de pH y fertilidad, mientras que los abonados foliares y nitrogenados se ajustan según las zonas de vitalidad NDVI/NDRE.
Pulverización con dron¶
Los drones se utilizan cada vez más para la propia aplicación, especialmente donde es difícil acceder con el tractor. Un estudio sobre los parámetros de pulverización con drones en plantaciones de avellano examinó normas de trabajo del orden de 1–3 L/da (litros por decaare) con alturas de vuelo de aproximadamente 1,5–2,0 m sobre la copa (Determination of the Application Parameters of Spraying Drones, 2022) — valores experimentales que dependen del producto, los boquillas y las condiciones.
Cuánto se puede ahorrar¶
Cifras de fuentes públicas (orientativas, dependen del cultivo, el equipo y el estado inicial):
- La agricultura de precisión puede aportar hasta ~25 % de ahorro en los costes de fertilizantes y productos fitosanitarios.
- La aplicación variable reduce típicamente el consumo de fertilizantes y pesticidas entre un 15–30 %, con un aumento del beneficio neto del orden del 8–12 % por hectárea.
- El guiado por GPS reduce la superposición de fertilizantes en un 10–15 %.
Además del ahorro financiero, se produce un beneficio ambiental: menos químicos y agua significan menor carga para el suelo y las aguas subterráneas, lo cual está en línea con los objetivos de las políticas de la UE y las directrices nacionales para la agricultura de precisión.
Recomendaciones prácticas y errores frecuentes¶
Recomendaciones
- Empiece barato: los mapas NDVI gratuitos de Sentinel-2 (p. ej., a través de plataformas abiertas) son suficientes para una primera zonificación de la plantación sin ninguna inversión.
- Realice varias capturas a lo largo de la temporada y siga los cambios, no solo una imagen: la tendencia es más informativa que un valor individual.
- Realice siempre una verificación en campo: el índice indica dónde, y el recorrido revela por qué.
- En plantaciones jóvenes, utilice SAVI para reducir la influencia del suelo desnudo.
- Guarde todos los mapas y registros de intervenciones en un SIG (GIS) — el valor de los datos aumenta año tras año.
Errores frecuentes
- Interpretación de umbrales absolutos de NDVI "por regla general" sin tener en cuenta la variedad, la fenofase y la ubicación.
- Captura con mala geometría solar o a través de nubes (satélite) — los datos se vuelven poco fiables.
- Confiar únicamente en la cámara RGB para evaluar la salud en lugar de la multiespectral.
- Mapas de prescripción no calibrados → dosis incorrecta; las dosis de la bibliografía son un punto de partida, no una receta.
- Ignorar la normativa: la pulverización con drones y la aplicación de productos están sujetas a la regulación legal y a la etiqueta del producto — verifique los permisos antes de la aplicación.
Galería¶
Copernicus y servicios satelitales gratuitos para fruticultores croatas¶
Gran parte del análisis descrito anteriormente puede realizarlo el cultivador croata sin invertir ni un solo euro. El programa Copernicus (UE/ESA) ofrece todo el archivo y las nuevas imágenes de los satélites Sentinel bajo el principio de disponibilidad total, gratuita y abierta de los datos. Para el fruticultor, esto significa que puede obtener una imagen NDVI de Sentinel-2 de su parcela desde el navegador web, sin instalación ni pago.
Qué plataformas gratuitas existen¶
| Servicio | Qué ofrece | Para quién es adecuado |
|---|---|---|
| Copernicus Browser (dataspace.copernicus.eu) | Navegador oficial del ecosistema Copernicus Data Space; Sentinel-1/2/3/5P, capas precalculadas (color verdadero/falso, NDVI, NDWI…), descarga de imágenes | Principiantes — todo "con un clic" |
| EO Browser (Sentinel Hub) | Navegador similar con control deslizante temporal, comparación de fechas y scripts personalizados para índices | Para quienes desean animaciones y series temporales |
| Google Earth Engine (GEE) | Procesamiento programable de petabytes de imágenes en la nube; composiciones medianas mensuales sin nubes | Usuarios avanzados y agrónomos |
| EDO — European Drought Observatory (JRC) | Mapas y series temporales de sequía (índice combinado de sequía ~5 km, cada 10 días) | Seguimiento del riesgo de sequía para el riego |
| EFFIS | Alerta temprana y seguimiento de incendios forestales | Plantaciones cerca de bosques/zonas de riesgo |
| Copernicus Land Monitoring Service | Capas de cobertura/uso del suelo y estado de la vegetación | Planificación y zonificación |
En los trabajos científicos sobre avellano, esta cadena gratuita se utiliza rutinariamente: Sentinel-2 proporciona una imagen con una resolución de 10 m cada aproximadamente 5 días, y el procesamiento (filtrado de nubes, composiciones medianas mensuales, cálculo de NDVI/SAVI/EVI) suele realizarse a través de Google Earth Engine (Lodato et al., 2024; Hunt AgTech, 2024). Autores eslovenos y croatas han utilizado imágenes Sentinel-2 L2A de 10 m para seguir la vitalidad de las plantaciones durante sequías prolongadas, oídio y ataques de plagas (Resumen de los seminarios 64./67. de protección vegetal).
Paso a paso: NDVI para su parcela ARKOD¶
El objetivo es obtener una imagen NDVI de su parcela exacta. La ubicación de la parcela se determina más fácilmente a través del navegador ARKOD (arkod.apprrr.hr), donde son visibles los límites y las coordenadas de su parcela ARKOD; estos límites (o la partida catastral) se transfieren luego al navegador satelital.
- Abra Copernicus Browser en
dataspace.copernicus.euy cree una cuenta gratuita (el registro es obligatorio para visualizar y descargar). - Encuentre la parcela — escriba el lugar o las coordenadas de ARKOD en el buscador del mapa, o navegue manualmente hasta su plantación. Opcionalmente, cargue el límite de la parcela como polígono (p. ej., KML/GeoJSON exportado desde un SIG).
- Seleccione el satélite y la fecha — en el menú, elija Sentinel-2 L2A (nivel corregido atmosféricamente) y una fecha con baja nubosidad; establezca el filtro de nubosidad en, p. ej., < 10–30 %.
- Seleccione la capa NDVI — de la lista de visualizaciones precalculadas, elija NDVI. El navegador lo calcula a partir de las bandas B08 (NIR) y B04 (rojo) según la fórmula NDVI = (B08 − B04) / (B08 + B04). Las zonas verdes son vigorosas, las amarillo-rojas advierten de estrés.
- Siga la serie temporal — cambie la fecha a lo largo de la temporada y compare las imágenes; la tendencia a través de varias imágenes es más informativa que una sola foto. EO Browser tiene para ello un control deslizante y una comparación "antes/después".
- Descargue o exporte — guarde la imagen como foto o como GeoTIFF georreferenciado para un posterior procesamiento en un SIG (QGIS es gratuito) y para la elaboración de mapas de prescripción para la VRT.
Nota práctica: Sentinel-2 no ve con fiabilidad plantaciones muy jóvenes (menores de ~4 años) porque la copa es pequeña en relación con el píxel de 10 m (Lodato et al., 2024) — en tales casos, el satélite gratuito servirá para una orientación general, pero para un detalle por árbol sigue siendo necesario el dron. Además, para evaluar el riesgo de sequía durante la temporada, vale la pena revisar periódicamente el EDO índice combinado de sequía para su región y ajustar el riego en consecuencia.
En conclusión: la combinación de ARKOD (dónde está la parcela) + Copernicus Browser/EO Browser (imagen NDVI) + EDO (riesgo de sequía) proporciona al fruticultor croata una herramienta completamente gratuita y repetible para la primera zonificación de la plantación — sin equipo, suscripción ni software especial.
Fuentes¶
Este artículo es un resumen generado por IA, elaborado a partir de una colección interna de literatura sobre avellano (corpus RAG) y complementado con fuentes públicas de internet. Las principales fuentes utilizadas son:
- Boletín de Protección Vegetal 3/2023 — HDBZ (adquisición de imágenes multiespectrales, NDVI, GPS/GIS/VRT, detección temprana de estrés)
- Actas del 67º Seminario de Protección Vegetal, 2025 (NDVI, monitorización de la vitalidad con Sentinel-2)
- Guía de cultivo del avellano — Ministerio de Agricultura / savjetodavna.gov.hr (criterios y dosis de fertilización)
- Coupling Satellite-Derived Vegetation Indices… — https://doi.org/10.1080/15481603.2025.2578778 (NDVI derivado de Sentinel-2, fórmula y rango)
- Hunt AgTech / Remote Sensing in Hazelnut Orchards — https://doi.org/10.3390/s25010288 (SAVI, monitorización de plantaciones frente a bosques)
- Detection of Irrigation Inhomogeneities… (NDRE, UAV) — https://doi.org/10.3390/horticulturae10050516 (estrés hídrico, índices térmicos, CWSI)
- Low-cost crop stress monitoring (LOCOS/IRT) — https://doi.org/10.3390/s24237764 (calibración de modelos de drones y satélites, CWSI)
- Determination of the Application Parameters of Spraying Drones for Crop Protection in Hazelnut Orchards, 2022 (parámetros de pulverización con drones)
- Planning and Controlling of Hazelnut Production Areas with Remote Sensing, 2013 (clasificación de superficies mediante NDVI, Sakarya)
- Compendio di Vivaistica Forestale, 2023 (detección hiperespectral de deficiencias nutricionales, trazabilidad mediante GPS)
- SRA24 — Agricoltura di precisione, 2023 (definición de aplicación variable de insumos; directrices italianas/UE)
- Fertilización foliar del avellano (dosis de Zn-EDTA) y Guía de cultivo del avellano (fertilización mejoradora, calcificación)
- DroneDeploy — Identifying Crop Variability with Drones — https://www.dronedeploy.com/blog/identifying-crop-variability-with-drones
- Advexure — Aerial Multispectral Data: The Foundation of VRT — https://advexure.com/blogs/news/aerial-multispectral-data-the-foundation-of-variable-rate-technology-in-precision-agriculture
- K-State Agronomy eUpdate — Basics of remote sensing in precision agriculture — https://eupdate.agronomy.ksu.edu/article/the-basics-of-remote-sensing-in-precision-agriculture-664-7
- Farmonaut — GPS for Precision Farming — https://farmonaut.com/precision-farming/gps-for-precision-farming-7-powerful-ways-to-boost-yields
- AllyNav — Precision Agriculture GPS, Complete Guide — https://www.allynav.com/blog/precision-agriculture-gps/
- USDA ARS — Benefits and Evolution of Precision Agriculture — https://www.ars.usda.gov/oc/utm/benefits-and-evolution-of-precision-agriculture/
- Lodato et al. — In-Depth Analysis of a Hazelnut Agro-Industrial Context (Viterbo) — https://doi.org/10.3390/rs16071227 (procesamiento de Sentinel-2 en Google Earth Engine, composiciones de medianas mensuales, limitación en plantaciones jóvenes <4 años)
- Hunt AgTech / Hazelnut mapping detection system (optical + radar) — https://doi.org/10.1016/j.aiia.2024.05.001 (procesamiento de Sentinel-1/2 en GEE, umbral de nubosidad)
- Detection of Hazelnut Orchards with Sentinel-2 — https://doi.org/10.5194/isprs-archives-xlviii-4-w18-2025-301-2026 (resolución 10/20/60 m, frecuencia ~5 días, índices NDVI/SAVI/EVI)
- Actas del 64º y 67º Seminario de Protección Vegetal (Sentinel-2 L2A 10 m, NDVI, monitorización de la vitalidad de las plantaciones)
- Copernicus Data Space Ecosystem / Copernicus Browser — https://dataspace.copernicus.eu/ y documentación https://documentation.dataspace.copernicus.eu/Applications/Browser.html (acceso gratuito, NDVI derivado de las bandas B4/B8, registro necesario)
- Sentinel Hub — EO Browser — https://www.sentinel-hub.com/explore/eobrowser/
- Copernicus Sentinel-2 — Data Space Ecosystem — https://dataspace.copernicus.eu/data-collections/copernicus-sentinel-missions/sentinel-2
- European Drought Observatory (EDO) / JRC — https://www.copernicus.eu/en/european-drought-observatory y https://joint-research-centre.ec.europa.eu/european-and-global-drought-observatories_en (índice combinado de sequía ~5 km / 10 días)
- EFFIS — European Forest Fire Information System (Copernicus EMS) — https://effis.jrc.ec.europa.eu/
- Visor ARKOD — Agencia de Pagos en Agricultura, Pesca y Desarrollo Rural — https://arkod.apprrr.hr/ y https://www.apprrr.hr/arkod/ (identificación de límites y coordenadas de la parcela ARKOD)