La inteligencia artificial revoluciona el control del riego agrícola en la Argentina
La aplicación de inteligencia artificial al agro argentino dio un nuevo paso con un desarrollo del INTA que permite detectar de manera automática los sistemas de riego por pivote central mediante imágenes satelitales de alta resolución. El avance representa un cambio sustancial en la forma de monitorear la expansión del riego presurizado y abre la puerta a herramientas más precisas para la planificación productiva.
El trabajo fue realizado por un equipo de investigación que combinó imágenes del satélite Sentinel-2 con modelos avanzados de visión por computadora. El resultado es una metodología capaz de identificar patrones circulares de riego en regiones agrícolas intensivas, un desafío técnico considerable en zonas como la Pampa Húmeda, donde la vegetación continua dificulta la diferenciación visual.
Automatización de una tarea clave para el agro
Hasta ahora, el relevamiento de sistemas de riego por pivote central requería largas horas de interpretación manual, con un alto costo en tiempo y recursos humanos. La nueva metodología desarrollada por el INTA permite automatizar ese proceso mediante un algoritmo entrenado para reconocer círculos de riego incluso en escenarios complejos.
“Logramos reemplazar un trabajo artesanal por un sistema automático, mucho más ágil y reproducible”, explicó Néstor Barrionuevo, investigador del Instituto de Clima y Agua del INTA. Según detalló, el modelo puede identificar patrones circulares en imágenes donde los contrastes visuales son mínimos, algo poco habitual en desarrollos previos.
El especialista subrayó que la innovación no radica solo en el uso de inteligencia artificial, sino en su adaptación a ambientes con alta cobertura vegetal, a diferencia de otros modelos pensados para zonas áridas o semiáridas. Esto permitió demostrar que la IA también puede funcionar con eficiencia en regiones agrícolas intensivas.
Crecimiento sostenido del riego presurizado
Uno de los resultados más relevantes del estudio es la confirmación de una expansión constante del riego por pivote central en el norte de la provincia de Buenos Aires. Según los datos obtenidos, la cantidad de sistemas detectados pasó de 110 en 2016 a 285 en 2023, lo que refleja una adopción tecnológica sostenida por parte de los productores.
La precisión del método fue otro punto destacado. El modelo alcanzó un F1-Score del 73,2%, una métrica considerada sólida para paisajes agrícolas homogéneos como los de la región pampeana. Además, la exactitud general superó el 98%, un valor elevado para una primera implementación en ambientes húmedos.
El análisis se apoyó en el modelo Grounding DINO, que combina visión por computadora con descriptores textuales. A esto se sumó el uso de índices espectrales como NDVI, EVI2 y WRI, fundamentales para resaltar los patrones asociados a cultivos irrigados y mejorar la detección automática.
Resultados ajustados a cada territorio
La investigación también demostró que el desempeño del modelo varía según el índice espectral y la zona analizada, lo que permitió optimizar la metodología en función de cada partido. En Salto, por ejemplo, el índice EVI2 mostró el mejor rendimiento, mientras que en Pergamino y Bartolomé Mitre el WRI fue más efectivo.
Para Sofía Havrylenko, especialista en teledetección aplicada del INTA, esta flexibilidad es uno de los grandes aportes del trabajo. “La integración de imágenes satelitales con inteligencia artificial nos dio una cartografía más dinámica y precisa, adaptable a distintas realidades productivas”, afirmó.
El seguimiento temporal permitió además analizar la evolución del riego en cada distrito. En Rojas, las detecciones pasaron de 25 equipos en 2016 a 102 en 2023, mientras que en Bartolomé Mitre el mayor crecimiento se concentró entre 2022 y 2023, con 26 nuevos sistemas identificados.
Hacia herramientas operativas para la toma de decisiones
Contar con información precisa sobre la ubicación y evolución de los sistemas de riego es clave para mejorar la planificación hídrica y productiva. Según Barrionuevo, este tipo de datos permite tomar decisiones más informadas tanto a nivel predial como territorial, y resulta estratégico para productores, técnicos y gobiernos locales.
Desde el programa AgTech del INTA destacaron que esta línea de trabajo es prioritaria por su aporte a la incorporación de la inteligencia artificial como recurso estratégico en la investigación agropecuaria. La meta es transformar este desarrollo en un servicio operativo y accesible para quienes toman decisiones en el territorio.
El próximo paso será profundizar el uso de técnicas de Deep Learning para mejorar la sensibilidad del modelo y avanzar hacia la caracterización completa de cada equipo de riego. “Estamos convencidos de que esta tecnología puede convertirse en una herramienta clave para el futuro del monitoreo agrícola en la Argentina”, concluyó Havrylenko.
