La investigaci\u00f3n combin\u00f3 im\u00e1genes del sat\u00e9lite\u00a0Sentinel-2<\/strong>\u00a0con t\u00e9cnicas de\u00a0visi\u00f3n por computadora y aprendizaje autom\u00e1tico<\/strong>, lo que permiti\u00f3 automatizar una tarea que hasta ahora requer\u00eda un alto nivel de interpretaci\u00f3n manual. El sistema fue entrenado para reconocer patrones circulares caracter\u00edsticos de los equipos de riego por pivote central, incluso en paisajes complejos donde la cobertura vegetal es alta y los contrastes visuales son sutiles.<\/p>\n \u201cLogramos automatizar una tarea que antes llevaba horas de trabajo y que ahora puede resolverse con un algoritmo capaz de identificar patrones circulares en escenarios muy desafiantes\u201d, explic\u00f3\u00a0N\u00e9stor Barrionuevo<\/strong>, investigador del\u00a0Instituto de Clima y Agua del INTA<\/strong>, en declaraciones reproducidas por Agrofy News. El especialista destac\u00f3 que, a diferencia de otros desarrollos pensados para zonas \u00e1ridas, esta metodolog\u00eda fue adaptada para funcionar con eficiencia en\u00a0ambientes agr\u00edcolas h\u00famedos<\/strong>, como los de la pampa bonaerense.<\/p>\n El estudio mostr\u00f3 resultados concretos sobre la expansi\u00f3n del riego presurizado. En los partidos analizados, la cantidad de c\u00edrculos de riego detectados pas\u00f3 de\u00a0110 en 2016 a 285 en 2023<\/strong>, lo que refleja una adopci\u00f3n sostenida de esta tecnolog\u00eda. Desde el punto de vista t\u00e9cnico, el modelo alcanz\u00f3 un\u00a0F1-Score del 73,2 %<\/strong>, una m\u00e9trica considerada s\u00f3lida para un paisaje agr\u00edcola homog\u00e9neo y de alta cobertura vegetal.<\/p>\n El desarrollo se apoy\u00f3 en el modelo\u00a0Grounding DINO<\/strong>, una t\u00e9cnica que combina modelos de lenguaje previamente entrenados con visi\u00f3n por computadora. Esta integraci\u00f3n permiti\u00f3 mejorar la capacidad del sistema para detectar los c\u00edrculos de riego a partir de descriptores textuales y patrones visuales. Adem\u00e1s, el an\u00e1lisis incorpor\u00f3 distintos\u00a0\u00edndices espectrales<\/strong>, como\u00a0NDVI, EVI2 y WRI<\/strong>, que ayudaron a resaltar las se\u00f1ales asociadas a los cultivos bajo riego.<\/p>\n Seg\u00fan detall\u00f3\u00a0Sof\u00eda Havrylenko<\/strong>, especialista en teledetecci\u00f3n aplicada del INTA, \u201cel uso integrado de im\u00e1genes satelitales e inteligencia artificial permiti\u00f3 obtener una cartograf\u00eda mucho m\u00e1s precisa y din\u00e1mica\u201d. En ese sentido, agreg\u00f3 que esta combinaci\u00f3n tecnol\u00f3gica \u201cabre nuevas oportunidades para dise\u00f1ar herramientas de monitoreo que los productores puedan utilizar de manera sencilla y con informaci\u00f3n actualizada\u201d, de acuerdo con lo publicado por Agrofy News.<\/p>\n Uno de los aportes centrales del trabajo fue demostrar que el desempe\u00f1o del modelo var\u00eda seg\u00fan el \u00edndice espectral utilizado y el territorio analizado, lo que habilita ajustes espec\u00edficos para cada zona. En el partido de\u00a0Salto<\/strong>, por ejemplo, el \u00edndice\u00a0EVI2<\/strong>\u00a0mostr\u00f3 la mayor eficiencia en la detecci\u00f3n, mientras que en\u00a0Pergamino<\/strong>\u00a0y\u00a0Bartolom\u00e9 Mitre<\/strong>\u00a0los mejores resultados se obtuvieron con\u00a0WRI<\/strong>. Esta flexibilidad metodol\u00f3gica resulta clave para escalar el sistema a otras regiones productivas del pa\u00eds.<\/p>\n El an\u00e1lisis temporal tambi\u00e9n permiti\u00f3 observar c\u00f3mo evolucion\u00f3 la incorporaci\u00f3n de equipos de riego a lo largo de los a\u00f1os. En\u00a0Rojas<\/strong>, las detecciones pasaron de\u00a025 en 2016 a 102 en 2023<\/strong>, mientras que en\u00a0Bartolom\u00e9 Mitre<\/strong>\u00a0el mayor crecimiento se registr\u00f3 entre\u00a02022 y 2023<\/strong>, con la identificaci\u00f3n de\u00a026 equipos nuevos<\/strong>. Estos datos refuerzan la idea de una tendencia sostenida hacia la intensificaci\u00f3n tecnol\u00f3gica en la gesti\u00f3n del agua.<\/p>\n Desde el INTA remarcaron que contar con informaci\u00f3n precisa sobre la localizaci\u00f3n y evoluci\u00f3n de los sistemas de riego es clave para mejorar la\u00a0planificaci\u00f3n productiva<\/strong>, el\u00a0ordenamiento territorial<\/strong>\u00a0y la\u00a0toma de decisiones p\u00fablicas y privadas<\/strong>. \u201cTener datos confiables sobre d\u00f3nde est\u00e1n los equipos y c\u00f3mo crecen permite planificar mejor y reducir la incertidumbre\u201d, se\u00f1al\u00f3 Barrionuevo, en el marco del programa\u00a0AgTech<\/strong>\u00a0del organismo.<\/p>\n La validaci\u00f3n estad\u00edstica del modelo tambi\u00e9n arroj\u00f3 indicadores relevantes. El algoritmo alcanz\u00f3 una\u00a0exactitud del 98,31 %<\/strong>\u00a0y una\u00a0precisi\u00f3n del 98,39 %<\/strong>, valores considerados muy altos para una primera implementaci\u00f3n en una regi\u00f3n h\u00fameda. Si bien los investigadores reconocen que a\u00fan hay margen para mejorar la sensibilidad del sistema, el desempe\u00f1o general fue calificado como altamente satisfactorio.<\/p>\n De cara a los pr\u00f3ximos pasos, el equipo trabaja en la profundizaci\u00f3n del enfoque de\u00a0Deep Learning<\/strong>\u00a0para avanzar hacia una detecci\u00f3n m\u00e1s fina y la\u00a0caracterizaci\u00f3n completa de cada equipo de riego<\/strong>, incluyendo dimensiones y estado de uso. \u201cEstamos convencidos de que esta tecnolog\u00eda puede transformarse en un servicio operativo y accesible para quienes toman decisiones en el territorio\u201d, afirm\u00f3 Havrylenko.<\/p>\n El desarrollo confirma el potencial de la\u00a0inteligencia artificial aplicada al agro<\/strong>\u00a0como una herramienta estrat\u00e9gica para acompa\u00f1ar a productores, t\u00e9cnicos y gobiernos locales, en un contexto donde la eficiencia en el uso del agua y la informaci\u00f3n precisa se vuelven cada vez m\u00e1s determinantes para la sustentabilidad del sistema productivo.<\/p>\n![\"La](\"https:\/\/news.agrofystatic.com\/riego-215263.jpeg?d=600x401\")
<\/p>\n![\"La](\"https:\/\/news.agrofystatic.com\/riego_2.jpeg?d=600x646\")
<\/p>\n