Un equipo de investigación del Instituto Nacional de Tecnología Agropecuaria (INTA) logró adaptar una metodología que permite identificar automáticamente sistemas de riego por pivote central mediante la utilización de imágenes satelitales de alta resolución. Este desarrollo técnico constituye un avance en la precisión y agilidad del registro de la expansión de los sistemas de riego presurizado, una tarea que anteriormente insumía horas de interpretación manual.

Satélite Sentinel-2 generador de las imágenes empleadas por el INTA. Fuente: Agencia Espacial Europea

El sistema empleado combina el uso de imágenes del satélite Sentinel-2 con modelos avanzados de inteligencia artificial, específicamente el modelo Grounding DINO. Esta técnica integra visión por computadora con descriptores textuales, aprovechando modelos de lenguaje previamente entrenados para reconocer patrones circulares en el terreno.

A diferencia de otros modelos diseñados específicamente para regiones áridas, los investigadores del INTA, Néstor Barrionuevo y Sofia Havrylenko, adaptaron la metodología para entornos con alta cobertura vegetal y actividad agrícola intensiva, como la Pampa Húmeda. Aquí, los contrastes visuales son más sutiles y la vegetación es continua, lo que representa un desafío mayor para los algoritmos convencionales.

Indicadores e imágenes satelitales empleadas por investigadores en el relevamiento. Fuente: INTA

Con el propósito de optimizar la identificación, el análisis incorporó diversos índices espectrales, entre ellos los índices de vegetación NDVI y EVI2 que ayudan a diferenciar el vigor del cultivo bajo riego, y el índice de respuesta al agua WRI, utilizado para resaltar la presencia de humedad y patrones hídricos.

El estudio del INTA se centró en los partidos de Rojas, Salto, Pergamino y Bartolomé Mitre, donde se constató una tendencia sostenida de incorporación tecnológica. La detección automática de círculos de riego en el área analizada pasó de 110 unidades en 2016 a 285 en 2023, reflejando una tasa de crecimiento del 159%.

El municipio de Rojas registró uno de los incrementos más significativos, pasando de 25 equipos detectados a 102 en el mismo periodo, mientras que Bartolomé Mitre evidenció la incorporación de 26 nuevos equipos. La efectividad de los índices empleados en el estudio también varió según el distrito. En el caso de Salto, el índice EVI2 resultó ser más eficiente, mientras que en Pergamino y Bartolomé Mitre se obtuvo un mejor desempeño con el índice WRI.

Sistema de riego por pivote central

La precisión del modelo fue evaluada mediante métricas de rendimiento en función del paisaje pampeano. El algoritmo utilizado en la investigación del INTA alcanzó una exactitud del 98,31% y una precisión del 98,39%. Asimismo, registró un F1-Score, un puntaje que combina precisión y sensibilidad, del 73,2%, considerado por los investigadores como sólido para entornos agrícolas homogéneos.

Néstor Barrionuevo señaló que “el siguiente paso es seguir ajustando el modelo a uno de Deep Learning para mejorar la detección fina y avanzar hacia la caracterización completa de cada equipo de riego”, mientras que Sofia Havrylenko concluyó: “estamos convencidos de que esta tecnología tiene un enorme potencial para transformarse en un servicio operativo y accesible para quienes toman decisiones en el territorio”.

Redacción por dataPORTUARIA