Cómo usar imágenes Sentinel-2 para detectar problemas en una parcela: NDVI, NDMI y visita de campo

Respuesta corta: sí, las imágenes gratuitas de Sentinel-2 pueden ayudarte a localizar zonas de una parcela que merecen una visita, pero no sustituyen la inspección de campo. El método más fiable es comparar la evolución del NDVI y el NDMI con el cultivo, la fecha y el historial de la propia finca; después se confirma la causa antes de regar, abonar o tratar.

Actualizado el 6 de septiembre de 2026.

Qué vas a aprender

En esta guía verás cómo pasar de un mapa satelital a una decisión práctica: elegir una imagen limpia, leer NDVI y NDMI, separar una anomalía puntual de un patrón repetido y preparar una visita de campo con puntos concretos. El objetivo no es buscar un número perfecto, sino detectar dónde conviene mirar primero.

1. Qué aporta Sentinel-2 a una explotación

Copernicus ofrece productos Sentinel-2 de forma gratuita. Las bandas roja e infrarroja cercana permiten calcular el NDVI, mientras que las bandas del infrarrojo de onda corta sirven para índices sensibles al contenido de agua, como el NDMI. La resolución de 10 metros en las bandas principales es útil para dividir una parcela en zonas, aunque no para diagnosticar cada planta.

La constelación revisa una misma zona aproximadamente cada cinco días en condiciones favorables. En la práctica habrá imágenes descartables por nubes, sombras, bruma o por una fecha poco representativa del ciclo del cultivo. Por eso una imagen aislada solo debe servir como señal inicial.

La ventaja real está en la serie temporal: comparar la parcela consigo misma en semanas equivalentes y observar si una mancha aparece, se desplaza, se repite o desaparece.

2. NDVI y NDMI: qué significa cada mapa

NDVI se calcula como (NIR – rojo) / (NIR + rojo). En Sentinel-2 se suele usar B08 para el infrarrojo cercano y B04 para el rojo. Un valor alto suele asociarse a vegetación verde y activa; un valor bajo puede corresponder a suelo desnudo, vegetación escasa, cosecha, estrés o una mezcla de coberturas.

No uses rangos universales como si fueran un diagnóstico. Un olivar, un cereal recién nacido y una parcela de suelo desnudo tendrán escalas distintas. Compara siempre la misma parcela, el mismo cultivo o un cultivo equivalente, una fase fenológica parecida y una máscara de nubes coherente.

NDMI compara una banda del infrarrojo cercano con otra del infrarrojo de onda corta. Puede ayudar a localizar cambios relativos en la humedad de la vegetación, pero no es una medición directa de la humedad del suelo ni de las necesidades exactas de riego. Úsalo como una capa complementaria al NDVI, a la textura del suelo, a los sensores y a la observación agronómica.

Lectura práctica:

• NDVI bajo y NDMI bajo: zona que merece una revisión prioritaria, pero puede ser sequía, suelo, cosecha, plaga, enfermedad o error de imagen.
• NDVI estable y NDMI algo menor: posible cambio hídrico que conviene confirmar con riego, lluvia y observación de hojas.
• NDVI bajo solo en una fecha nublada: probable artefacto; busca otra escena limpia.
• Mancha que se repite en el mismo lugar cada campaña: sospecha de drenaje, compactación, suelo, fallo de riego o problema estructural.
• Banda lineal siguiendo una tubería o un sector: revisa presión, filtros, goteros y programación antes de culpar al cultivo.

3. Flujo gratuito en cuatro pasos

Paso 1: delimita la parcela y define la pregunta

Antes de abrir un visor, anota qué quieres comprobar: ¿hay una zona que ha perdido vigor?, ¿el riego está repartiendo de forma desigual?, ¿la diferencia aparece después de una tormenta?, ¿quieres preparar una visita? Dibuja el contorno de la parcela y separa caminos, edificaciones, lindes y zonas de sombra.

Paso 2: selecciona escenas comparables

Busca productos Sentinel-2 de nivel 2A o una visualización equivalente de reflectancia de superficie. Descarta escenas con nubes sobre la parcela y revisa sus sombras. Compara varias fechas próximas y, si existe, la misma semana de campañas anteriores. No mezcles una imagen de mitad de ciclo con otra tomada justo después de una siega.

Paso 3: calcula o visualiza NDVI y NDMI

En EO Browser o en una herramienta SIG puedes visualizar índices ya preparados. Si trabajas con datos, usa las fórmulas del proveedor y documenta las bandas, el producto, la fecha y el filtro de nubes. Guarda una captura o exporta el mapa con la fecha visible: así sabrás qué estabas interpretando cuando vuelvas a la parcela.

Paso 4: convierte el mapa en una visita

Marca entre tres y cinco puntos: una zona aparentemente sana, una zona anómala y, si existe, una zona de transición. En campo comprueba plantas, suelo, humedad, goteros, presión, rodadas, compactación, drenaje, daños de fauna y síntomas de plaga o enfermedad. Toma fotografías orientadas y anota el estado del cultivo. El satélite te dice dónde mirar; la visita ayuda a saber por qué.

4. Cómo evitar falsos positivos

El NDVI no identifica por sí solo una plaga, una carencia o una avería. La misma caída puede tener causas muy distintas. Las nubes finas y sus sombras, el suelo visible entre líneas, el ángulo solar, la pendiente, los bordes de parcela y una cosecha reciente pueden cambiar la lectura.

En cultivos con cobertura baja, el suelo pesa más en el índice. En vegetación muy densa, el NDVI puede saturarse y dejar de distinguir diferencias. En esos casos conviene combinarlo con NDMI, NDRE, información de riego y una inspección. Tampoco conviertas un mapa de colores en una orden automática de tratamiento: primero confirma la causa y respeta la etiqueta del producto y las instrucciones de tu técnico.

Una regla sencilla: no tomes una decisión costosa por una sola mancha y una sola fecha. Exige al menos dos señales independientes, por ejemplo una anomalía que se repite y un síntoma visible, o un mapa que coincide con un sector de riego con presión anómala.

5. Ejemplo de decisión

Imagina una parcela de hortícolas con un corredor de NDVI inferior al resto durante dos escenas consecutivas. El NDMI también cae, y la forma de la anomalía sigue dos líneas de riego. La primera visita debe revisar filtros, presión al final de línea y obstrucciones. Si el riego funciona, se comprueba compactación y raíces. Si el patrón no sigue la instalación y aparece también en campañas anteriores, la hipótesis cambia hacia suelo o drenaje.

El resultado útil no es afirmar “la IA ha detectado falta de agua”, sino registrar: fecha, zona, evidencias, comprobación realizada y próxima revisión. Así el mapa entra en el cuaderno de campo como una pista verificable.

6. Dónde encaja la inteligencia artificial

La IA puede ayudar a ordenar series temporales, priorizar anomalías, comparar zonas y redactar un parte de visita. También puede combinar índices con clima, sensores y labores registradas. Su límite es el mismo que el de los datos: una imagen nublada, una parcela mal dibujada o una fecha mal elegida producen una conclusión frágil.

Si utilizas un modelo, pídele que devuelva incertidumbre, fecha de las escenas, datos usados y comprobaciones recomendadas. No le pidas una causa cerrada cuando solo tiene un mapa. La decisión agronómica sigue siendo responsabilidad del agricultor y del asesor que conoce la explotación.

Limitaciones que conviene recordar

• Sentinel-2 no ve cada planta y puede mezclar suelo, cultivo y caminos en un píxel.
• Las nubes, sombras y aerosoles pueden falsear los índices.
• NDVI y NDMI son indicadores relativos, no una analítica de suelo ni un caudalímetro.
• El momento del ciclo del cultivo cambia por completo la interpretación.
• La resolución y la frecuencia no siempre bastan para una incidencia rápida; un sensor, una visita o un dron pueden ser más adecuados.
• Los mapas no sustituyen la normativa, la etiqueta fitosanitaria ni el criterio técnico.

7. Cómo elegir una escena Sentinel-2 que realmente sirva

La calidad del análisis empieza antes de calcular ningún índice. Una escena espectacular en pantalla puede ser poco útil si la parcela está cubierta por una nube fina, si la sombra de esa nube cruza justo la zona de interés o si la fecha no encaja con el momento del cultivo. El primer filtro debe ser agronómico: identifica la fase fenológica, las labores recientes y el fenómeno que quieres comprobar. Una caída del vigor después de la cosecha es normal; la misma caída durante una fase de crecimiento activo merece atención.

Trabaja preferentemente con productos de reflectancia de superficie, como Sentinel-2 nivel 2A, porque incorporan una corrección atmosférica pensada para comparar mejor las observaciones. Aun así, la etiqueta del producto no garantiza que cada píxel esté limpio. Acerca la imagen a la parcela, revisa la composición en color natural y busca nubes pequeñas, neblina, sombras azuladas, bordes brillantes o franjas anómalas. Una máscara automática ayuda, pero la inspección visual sigue siendo una comprobación sencilla y valiosa.

Lista de control antes de aceptar una imagen

• La parcela y un margen alrededor se ven sin nubes, bruma ni sombras evidentes.
• La fecha corresponde a una fase comparable con las imágenes anteriores.
• No hubo siega, laboreo, riego excepcional, incendio, inundación u otra operación que explique por sí sola el cambio.
• El contorno excluye caminos, balsas, naves, setos y parcelas vecinas.
• La escena anterior y la posterior, si están disponibles, muestran una evolución coherente.
• Se ha guardado la fecha, el identificador del producto y la cobertura nubosa declarada para poder repetir el análisis.

La cobertura nubosa del producto completo puede engañar. Una escena puede indicar muchas nubes fuera de la explotación y estar limpia sobre la finca, o declarar pocas nubes y tener una pequeña justo encima. Por eso el porcentaje global solo sirve para preseleccionar. La decisión final debe tomarse mirando el área de interés. Si trabajas con muchas parcelas, aplica primero una máscara automática y después revisa manualmente las alertas que puedan desencadenar una actuación costosa.

También conviene mantener una ventana temporal flexible. Si esperabas analizar cada cinco días pero varias escenas están cubiertas, no fuerces una conclusión con datos malos. Amplía la ventana, incorpora una visita o utiliza sensores locales. La ausencia de una imagen útil no significa ausencia de problema. Significa, simplemente, que ese día el satélite no ofrece evidencia suficiente.

8. Bandas, resoluciones y fórmulas sin errores frecuentes

Sentinel-2 registra la superficie en varias bandas espectrales. Para el NDVI se combinan normalmente la banda roja B04 y la banda del infrarrojo cercano B08. Ambas tienen una resolución espacial de 10 metros, de modo que cada valor resume la señal de una superficie aproximada de cien metros cuadrados. Esto permite encontrar sectores y patrones dentro de muchas fincas, pero no atribuir el resultado a una planta concreta. En cultivos leñosos con calles amplias, un mismo píxel puede mezclar copa, sombra y suelo.

La fórmula del NDVI es (B08 – B04) / (B08 + B04). El cociente normaliza la diferencia entre ambas bandas y facilita la comparación, pero no elimina todos los efectos del suelo, la atmósfera o la geometría de observación. Un resultado próximo a uno suele asociarse con vegetación verde densa; valores alrededor de cero pueden corresponder a suelo desnudo o cobertura escasa; valores negativos suelen aparecer en agua, nieve o algunas superficies no vegetadas. Estos rangos son orientativos, no umbrales de diagnóstico.

Para el NDMI se usa habitualmente (B08 – B11) / (B08 + B11). B11 pertenece al infrarrojo de onda corta y se distribuye a 20 metros, mientras B08 está a 10 metros. Una plataforma puede remuestrear una de las bandas para que ambas encajen en la misma cuadrícula. Ese remuestreo no crea detalle nuevo: solo hace compatibles los píxeles. Por eso no debes interpretar una salida de NDMI mostrada a 10 metros como si B11 hubiera medido realmente todos esos detalles.

La elección del método de remuestreo debe permanecer constante en una serie temporal. Para un seguimiento ordinario resulta más importante la coherencia que buscar una supuesta precisión extrema. Documenta la herramienta, la fórmula, el producto y el método aplicado. Si cambias de plataforma, compara primero unas fechas conocidas; diferencias de paleta, máscara o procesamiento pueden parecer cambios agronómicos cuando solo son cambios del flujo de trabajo.

Cuándo considerar NDRE u otro índice

El NDVI puede perder sensibilidad cuando la cubierta vegetal es muy densa. En esos casos se puede explorar un índice que utilice bandas del borde rojo, como NDRE, siempre que exista una razón agronómica y se conozcan sus limitaciones. No conviene acumular mapas porque sí. Empieza con una pregunta, utiliza el índice que mejor represente la señal buscada y contrástalo con datos independientes. Dos índices construidos con bandas parecidas no equivalen necesariamente a dos pruebas independientes.

Una práctica robusta consiste en conservar tres vistas de cada fecha: color natural para reconocer nubes y labores, NDVI para observar vigor relativo y NDMI para explorar cambios asociados al agua en la vegetación. Si una anomalía solo aparece en una capa, baja su prioridad hasta revisar la causa. Si aparece en varias fechas, coincide con un patrón físico y se confirma en campo, la evidencia aumenta.

9. Construye una línea base de la propia parcela

El error más común es comparar el mapa con una tabla universal. Una línea base útil se construye con la propia parcela. Reúne escenas limpias de la campaña actual y, si existen, de campañas anteriores. Añade la fecha de siembra o brotación, variedades, sectores de riego, lluvias, fertilización, tratamientos, siega y cualquier incidencia conocida. El objetivo es aprender qué aspecto tiene la finca cuando funciona con normalidad en cada fase.

Divide el recinto en unidades que tengan sentido: sectores de riego, ambientes de suelo, variedades, orientaciones o bloques de manejo. Calcula estadísticas resistentes a valores extremos, como la mediana y percentiles, además de la media. La mediana evita que unos pocos píxeles de camino o borde dominen el resultado. Guarda también la dispersión: dos sectores con la misma media pueden ser distintos si uno es uniforme y el otro contiene una mancha muy deprimida.

Para seguir el cambio, compara cada zona con su historial y con zonas equivalentes de la misma fecha. Una diferencia persistente del sector respecto a sí mismo suele ser más informativa que un color concreto. Puedes expresar la anomalía como diferencia absoluta, porcentaje respecto a la mediana o posición dentro de los percentiles históricos. Evita declarar un umbral fijo sin validarlo; la sensibilidad adecuada depende del cultivo, el tamaño de parcela, la etapa y el coste de una visita.

Una línea base no es eterna. Debe revisarse cuando cambia la variedad, el sistema de riego, la densidad de plantación, el marco, el manejo del suelo o la fuente de datos. Etiqueta cada cambio para no confundir una mejora deliberada con una anomalía. En una explotación nueva, comienza con una base provisional y deja claro que la confianza aumentará conforme se acumulen campañas y verificaciones de campo.

10. La forma de la anomalía orienta la inspección

Antes de buscar una causa, observa la geometría. Una anomalía lineal que sigue una tubería, un lateral de riego o una pasada de maquinaria sugiere una comprobación diferente a una mancha circular, un borde irregular o una caída uniforme. La forma no diagnostica, pero ayuda a ordenar hipótesis y a decidir dónde medir primero. Superpón, cuando sea posible, el plano de riego, las curvas de nivel, los límites de suelo y las labores realizadas.

• Línea o franja recta: revisa goteros, presión, boquillas, solapes de aplicación, rodadas y pasadas de maquinaria.
• Mancha en una zona baja: comprueba encharcamiento, drenaje, salinidad, textura y acumulación tras lluvias.
• Borde de parcela: descarta mezcla de píxeles, sombra, deriva, competencia de setos, acceso de fauna o diferencias de manejo.
• Isla pequeña y nueva: valida primero que abarque suficientes píxeles y se repita; después inspecciona plantas y suelo.
• Caída uniforme: revisa fase fenológica, cosecha, temperatura, falta general de agua, cambio de producto o problema de escena.
• Patrón que coincide con un tipo de suelo: investiga profundidad efectiva, compactación, capacidad de retención y nutrición.

Comprueba también la dirección del avance. Si una mancha crece desde un punto concreto durante varias fechas, puede justificar una visita rápida. Si aparece y desaparece sin relación con el campo, sospecha de nubes, sombras o procesamiento. Si se desplaza de acuerdo con los turnos de riego, revisa el funcionamiento hidráulico y el calendario. El análisis temporal convierte una fotografía dudosa en una secuencia que puede confirmarse o descartarse.

No confundas coincidencia con causa. Que una mancha siga un sector de riego no demuestra que el riego sea responsable; quizá ese sector también contiene otra variedad o un suelo diferente. Formula las hipótesis por escrito y anota qué observación las apoyaría o refutaría. Este pequeño hábito reduce el sesgo de buscar únicamente la explicación que esperabas encontrar.

11. Protocolo de visita de campo guiada por satélite

Una visita eficaz incluye puntos contrastados. Selecciona al menos una zona sin anomalía, una zona afectada y una transición entre ambas. Si solo inspeccionas el punto peor, no tendrás referencia para saber qué cambia. Lleva el mapa sin ocultar la fecha, las coordenadas y la orientación. Cuando la señal abarque varios píxeles, coloca el punto en el interior para reducir el efecto de borde.

Qué registrar en cada punto

• Fecha, hora, coordenadas, sector, variedad y fase del cultivo.
• Fotografía general y fotografías de hojas, tallos, frutos y suelo cuando proceda.
• Vigor aparente, densidad, color, marchitez, daños, malas hierbas y uniformidad.
• Estado superficial del suelo, humedad observada, costra, grietas, compactación y encharcamiento.
• Funcionamiento del riego: presión, caudal comprobado, filtros, emisores y tiempo desde el último riego.
• Hipótesis inicial, evidencia que falta, acción inmediata segura y fecha de revisión.

Mantén la observación separada de la interpretación. Escribe «hojas con pérdida de color en el tercio inferior» antes de escribir «carencia». Anota «emisor sin caudal» antes de concluir «estrés hídrico». Las descripciones concretas permiten que otra persona revise el caso y reducen el riesgo de convertir una sospecha en diagnóstico. Si la causa puede requerir una actuación fitosanitaria o nutricional, recurre a un profesional competente y a los análisis necesarios.

Después de la visita, clasifica el resultado en cuatro estados: artefacto de imagen, cambio normal de manejo, incidencia confirmada o causa todavía desconocida. Relaciona cada estado con una acción. Un artefacto se cierra y se documenta; un cambio normal se incorpora a la línea base; una incidencia confirmada pasa al plan de manejo; una causa desconocida se mantiene en seguimiento o se deriva a diagnóstico. Esta disciplina evita que las alertas se acumulen sin final.

Programa una comprobación posterior. Si se corrige un emisor, comprueba el caudal de inmediato y revisa la evolución del cultivo en campo y en las siguientes escenas útiles. La respuesta espectral puede tardar y depende del daño previo; no esperes que el mapa cambie al instante. Define antes qué resultado considerarás mejora, estabilidad o empeoramiento.

12. Cinco ejemplos de interpretación por tipo de cultivo

Olivar con calles visibles

En un olivar de marco amplio, el NDVI mezcla copa, sombra, cubierta y suelo. Una calle recién desbrozada puede reducir el índice aunque los árboles estén sanos. Compara fechas con un manejo de cubierta parecido y evita extraer conclusiones de píxeles de borde. Si aparece una franja persistente, revisa la topografía, el tipo de suelo, el sector de riego y el estado de los árboles dentro y fuera de la franja. La inspección por árbol seguirá siendo necesaria.

Cereal de secano

En cereal, la fecha de emergencia y la distribución de lluvias cambian rápidamente el aspecto. Una zona baja puede mostrar más vigor al principio y sufrir después por encharcamiento. Compara la curva completa, no solo el máximo. Las diferencias entre pasadas de abonado, nascencia irregular, compactación y suelos someros pueden generar patrones reconocibles. Una visita debe comparar densidad de plantas, desarrollo, raíces y humedad, además de revisar el historial de labores.

Hortícola con riego localizado

Las líneas largas y los sectores definidos facilitan relacionar una anomalía con la hidráulica, pero también pueden inducir conclusiones apresuradas. Si NDMI baja primero al final de varias líneas y luego cae NDVI, prioriza la medición de presión y caudal. Si la anomalía cruza los sectores y sigue una textura de suelo, investiga el suelo. Verifica también trasplante, variedad, fecha de plantación y tratamientos distintos.

Viñedo

En viñedo, las filas estrechas, la orientación y el suelo entre calles afectan la señal. Trabaja con series coherentes y evita tratar el valor de cada píxel como una cepa. Las zonas persistentes pueden servir para planificar muestreos de suelo, vigor o maduración. Antes de relacionar el mapa con calidad, valida esa relación con medidas de campo y mantén separadas las parcelas, variedades y sistemas de conducción.

Maíz u otro cultivo de cobertura densa

Cuando la cubierta se cierra, el NDVI puede saturarse. Observa la evolución anterior, añade NDMI o un índice de borde rojo si está justificado y compara sectores. Una franja paralela a las líneas puede señalar riego o implantación; una caída amplia tras una ola de calor requiere datos meteorológicos y observación. Si la incidencia avanza más rápido que la disponibilidad de escenas, no esperes al siguiente satélite para visitar.

13. Flujo paso a paso con un visor web

Para una primera exploración no necesitas programar. Abre un visor que ofrezca datos Sentinel-2, localiza la parcela y dibuja o carga su contorno. Selecciona un producto de reflectancia de superficie y una fecha con la menor interferencia posible. Observa primero el color natural. Después activa NDVI, ajusta una escala estable y guarda una captura. Repite con NDMI y con dos o tres fechas anteriores comparables.

No cambies la paleta en cada fecha para que todas «se vean bien». Si el visor recalcula automáticamente el mínimo y el máximo, dos mapas casi iguales pueden parecer muy distintos, o un cambio real puede quedar oculto. Mantén la misma escala cuando compares. Si no puedes fijarla, consulta los valores numéricos en puntos o exporta los datos para analizarlos con criterios constantes.

Crea una carpeta por parcela y campaña. Usa nombres previsibles, por ejemplo parcela-fecha-indice-producto. Guarda el contorno, las capturas, una tabla de fechas válidas y el parte de visita. Este orden parece administrativo, pero es lo que permite reproducir una decisión meses después. Si varias personas participan, añade quién revisó la escena y quién confirmó la incidencia.

Cuando detectes una zona sospechosa, no exportes solo una imagen coloreada. Exporta también el contorno, las coordenadas de los puntos de visita y, si la herramienta lo permite, los valores. El técnico de campo necesita saber dónde llegar y con qué comparar. Un mapa sin leyenda, fecha o referencia espacial tiene poco valor operativo.

14. Flujo reproducible con QGIS

QGIS permite combinar el raster satelital con parcelas, riego, suelo y observaciones. Empieza por comprobar que todas las capas utilicen un sistema de referencia adecuado. Recorta las bandas al contorno con un margen pequeño y aplica la máscara de nubes. Calcula los índices con la calculadora raster, evitando divisiones problemáticas y manteniendo la misma resolución y alineación para toda la serie.

Para NDVI, combina B08 y B04. Para NDMI, combina B08 y B11 después de decidir una resolución de trabajo y un método de remuestreo coherente. Guarda el resultado con fecha, fórmula y versión del producto. No sobrescribas los archivos originales. Si procesas muchas fechas, automatiza el modelo, pero valida manualmente varias salidas antes de confiar en el lote.

Calcula estadísticas zonales para cada sector y exporta una tabla. Incluye número de píxeles válidos, mediana, media, percentiles y proporción de superficie por debajo del umbral relativo definido para esa parcela. Un sector pequeño con pocos píxeles exige más cautela. La tabla ayuda a priorizar, mientras el mapa conserva la forma espacial de la anomalía; ambos son complementarios.

Para crear puntos de visita, dibuja una capa con un punto de referencia sano, uno en el centro de la anomalía y otro en la transición. Añade campos para estado, fotografía, hipótesis, comprobación y resultado. Exporta a un formato que el equipo pueda abrir en el móvil. Antes de salir, verifica las coordenadas sobre una ortofoto o mapa conocido para no enviar a nadie al camino equivocado.

15. Uso responsable de inteligencia artificial

La inteligencia artificial es útil para reducir trabajo repetitivo: filtrar escenas, resumir una serie, detectar desviaciones, agrupar formas parecidas o preparar un borrador de informe. No debe ocultar el origen de los datos. Cada alerta debería conservar fecha, producto, bandas, máscara, zona afectada y medida de confianza. Si un modelo no puede explicar qué datos utilizó, su resultado no es adecuado para una decisión agronómica importante.

Separa tres niveles. El primero es detección: «esta zona se comporta de forma diferente». El segundo es hipótesis: «el patrón es compatible con un problema de riego». El tercero es diagnóstico: «la causa confirmada es un emisor obstruido». El satélite y la IA suelen ser fuertes en el primer nivel, pueden ayudar en el segundo y rara vez completan el tercero sin comprobaciones. Mostrar estos niveles en la interfaz evita presentar una probabilidad como certeza.

Entrena o ajusta los umbrales con ejemplos confirmados de la propia explotación. Registra también los falsos positivos y los casos que el sistema no detectó. Si solo guardas aciertos, la evaluación será optimista. Revisa el rendimiento por cultivo, fase y tamaño de parcela. Una regla que funciona en maíz de regadío no debe trasladarse automáticamente a olivar de secano.

Protege los datos operativos. Define quién puede ver los contornos, rendimientos, incidencias y recomendaciones. Conserva una copia de los datos críticos en formatos exportables y no dependas de un único proveedor. Si utilizas un servicio externo de IA, revisa qué información se envía, dónde se almacena y durante cuánto tiempo. El valor histórico de la explotación aumenta con los años y merece una gestión responsable.

Cómo redactar una alerta útil

Una alerta breve debe responder cinco preguntas: qué cambió, dónde, desde cuándo, con qué confianza y qué comprobación propone. Por ejemplo: «Sector norte, descenso relativo de NDMI repetido en dos escenas limpias; NDVI aún estable; revisar presión y humedad en tres puntos antes del próximo turno». Evita mensajes como «estrés detectado» sin contexto. La recomendación debe ser reversible y proporcional a la evidencia.

Si usas un asistente generativo para redactar informes, entrégale datos estructurados y pídele que distinga observaciones, hipótesis y acciones. Revisa nombres de parcelas, unidades, fechas y valores. Un texto fluido puede contener un error silencioso. La persona responsable debe aprobar cualquier recomendación que pueda afectar riego, fertilización, tratamientos, costes o cumplimiento normativo.

16. Qué medir para saber si el sistema compensa

El éxito no consiste en generar más mapas. Define indicadores relacionados con decisiones: tiempo desde la aparición de una anomalía hasta la visita, porcentaje de alertas confirmadas, kilómetros evitados, superficie inspeccionada con prioridad, incidencias cerradas y coste de falsas alarmas. Compara estos datos con el método anterior durante una campaña completa, procurando que la comparación sea justa.

Un indicador de precisión aislado tampoco basta. Una alerta muy sensible puede encontrar casi todos los problemas y provocar demasiadas visitas inútiles. Otra muy estricta puede parecer precisa y dejar escapar incidencias. Ajusta el sistema al coste de cada error. En una fase crítica o ante un problema con consecuencias graves, puede ser razonable aceptar más revisiones; en una vigilancia rutinaria, la prioridad es reducir ruido.

Calcula el ahorro neto: valor de decisiones adelantadas y desplazamientos evitados menos tiempo de revisión, licencias, almacenamiento, sensores y visitas provocadas por falsas alarmas. Incluye el coste de formación y mantenimiento. Un flujo gratuito puede tener coste de horas; una plataforma de pago puede ahorrar trabajo. La mejor opción es la que produce decisiones trazables con un esfuerzo sostenible para el equipo.

17. Plan de implantación en 30 días

Durante la primera semana, elige una sola parcela y una pregunta concreta. Reúne el contorno correcto, el plano de sectores, tres o más escenas limpias y las fechas de labores. Configura las tres vistas básicas y crea una ficha de visita. No intentes automatizar todavía. El objetivo es comprobar que el equipo entiende los mapas y que las coordenadas llevan a puntos útiles.

En la segunda semana, realiza dos recorridos guiados: uno con una anomalía y otro con una zona de referencia. Documenta qué señales fueron reales y cuáles procedían de suelo, borde o manejo. Ajusta la escala visual y el tamaño mínimo de una zona que merece visita. Si el procedimiento no puede repetirse por otra persona, mejora las instrucciones antes de añadir parcelas.

En la tercera semana, incorpora sectores adicionales y crea una tabla de seguimiento. Define responsables, tiempo máximo para revisar una alerta y estados de cierre. Empieza a medir falsos positivos, problemas confirmados y tiempo empleado. Prueba la exportación al teléfono y comprueba que las fotografías regresan asociadas al punto correcto.

En la cuarta semana, revisa resultados y decide qué automatizar. Puede ser suficiente un recordatorio para comprobar nuevas escenas; en una explotación grande, quizá convenga descargar datos, calcular índices y preparar alertas automáticamente. Automatiza únicamente pasos estables y deja un control humano antes de las decisiones con coste o riesgo. Documenta cómo volver al proceso manual si una integración falla.

18. Plantilla de registro para cada alerta

• Identificación: finca, parcela, recinto, sector, cultivo y variedad.
• Datos: fecha de escena, producto, porcentaje de píxeles válidos, índice y escala.
• Anomalía: superficie, forma, intensidad relativa, fechas en las que aparece y tendencia.
• Contexto: riego, lluvia, temperatura, labores, tratamientos y fase fenológica.
• Hipótesis: posibles causas ordenadas y evidencia necesaria para comprobarlas.
• Visita: puntos, fotografías, observaciones, mediciones y persona responsable.
• Cierre: causa confirmada o no confirmada, acción, coste, resultado y próxima revisión.

Esta plantilla permite aprender de cada campaña. Con el tiempo podrás saber qué patrones anticipan problemas y cuáles generan ruido. También facilita justificar por qué se visitó una zona y qué evidencia sostuvo una decisión. Si el equipo cambia, el conocimiento queda en un registro y no solo en la memoria de una persona.

19. Integración con AgroAsesor: IA Agrícola

La aplicación AgroAsesor: IA Agrícola puede encajar como apoyo para organizar observaciones, preparar preguntas y convertir la información disponible en un plan de revisión. Úsala como asistente, no como sustituto del diagnóstico profesional. Introduce contexto suficiente: cultivo, fase, ubicación aproximada, riego, síntomas, fechas y cualquier medición. Evita pedir una causa definitiva a partir de una captura aislada.

Un uso práctico consiste en llevar al campo la alerta con los puntos priorizados, registrar lo observado y solicitar una lista ordenada de comprobaciones. Después contrasta las sugerencias con el técnico, la normativa y las instrucciones de los productos utilizados. Busca «AgroAsesor: IA Agrícola» en Google Play para consultar la ficha, la disponibilidad y las funciones vigentes. No compartas credenciales, datos personales innecesarios ni información sensible de terceros. Para complementar este análisis, consulta nuestra guía de riego inteligente con IoT.

20. Lista final antes de actuar

• He comprobado la escena en color natural y no depende de una sola fecha.
• La comparación usa una fase, escala, máscara y procesamiento coherentes.
• La anomalía abarca suficientes píxeles y no es únicamente un borde.
• He revisado riego, clima, labores y diferencias de suelo o variedad.
• La visita incluye una referencia sana, una zona afectada y una transición.
• Distingo observación, hipótesis y diagnóstico confirmado.
• La acción propuesta es proporcional, reversible cuando sea posible y cumple las obligaciones aplicables.
• He definido una fecha y un criterio para comprobar el resultado.

Si alguna respuesta es negativa, conserva la alerta como pendiente y busca la evidencia que falta. Esperar una comprobación no es perder tiempo: evita una decisión costosa basada en un mapa incompleto. El valor de Sentinel-2 no está en sustituir la experiencia, sino en dirigirla hacia el lugar y el momento donde puede aportar más.

Preguntas frecuentes

¿Necesito pagar para empezar?
No necesariamente. Copernicus publica datos Sentinel-2 gratuitos, aunque algunas plataformas añaden límites, cuentas o funciones de pago.

¿Un NDVI bajo significa que falta agua?
No. Puede significar suelo visible, cosecha, mala implantación, plaga, enfermedad, compactación, sombra o una escena defectuosa. Confírmalo en campo.

¿Cada cuánto debo revisar la parcela?
Depende del cultivo y de la velocidad del problema. Como punto de partida, revisa la serie cuando haya una escena limpia y aumenta la frecuencia de la visita en fases sensibles o tras un cambio de riego.

¿Puedo usar el mapa para decidir un tratamiento?
Úsalo para priorizar la inspección, no como diagnóstico suficiente. La actuación debe basarse en la comprobación agronómica y en las obligaciones aplicables.

¿NDMI mide la humedad del suelo?
No directamente. Es un indicador espectral relacionado con la respuesta de la vegetación y debe interpretarse junto con suelo, clima, riego y observación.

Conclusión

Las imágenes Sentinel-2 son especialmente útiles cuando reducen visitas a ciegas y ayudan a comparar la parcela con su propio historial. El flujo recomendable es sencillo: escena limpia, índices complementarios, comparación temporal, puntos de control y registro de la decisión. La tecnología aporta valor cuando termina en una comprobación concreta y no cuando se queda en un mapa vistoso.

Fuentes consultadas

• Copernicus Data Space Ecosystem, misión Sentinel-2: Ficha oficial de la misión Sentinel-2
• Copernicus Sentinel Online, productos Sentinel-2: Productos Sentinel-2
• FAO, Earth Observation y Agricultural Stress Index System: Earth Observation y ASIS
• Sentinel Hub, FAQ sobre cómo visualizar NDVI: Guía para visualizar NDVI
• Sentinel Hub, ejemplo de NDVI con Sentinel-2: Ejemplo de NDVI con Sentinel-2

Imagen destacada: AgriculturaIA, imagen propia generada para esta guía.

Daniel Bellido

Creador y editor de AgriculturaIA. Divulgo sobre inteligencia artificial y tecnología aplicada a la agricultura en España, apoyándome siempre en fuentes oficiales.

See Full Bio