Revisión sistemática sobre la aplicación de NDVI y otros índices espectrales en la agricultura de precisión para optimizar el uso del agua

Andres Israel Medina Robayo, Nuvia Aracelly Beltrán Robayo, Byron Alexander Tobar Cuesta, Leonela Del Rocio De La A Salinas

Resumen


Este estudio tiene como objetivo realizar una revisión sistemática sobre la aplicación de NDVI y otros índices espectrales en la agricultura de precisión para optimizar el uso del agua. Por lo tanto, se examinan diversas bases de datos donde se accede a más de 32 documentos relacionados con la temática publicados entre 2019- 2025. Tras la aplicación de los criterios de inclusión y exclusión establecidos se seleccionaron 15 registros de varios países. Los resultados obtenidos arrojan que en la agricultura de precisión el NDVI (índice diferencial de vegetación normalizado) es importante para estimar a través de imágenes satelitales la salud vegetal y optimizar el uso del agua, también el NDWI (Índice Diferencial de Agua Normalizado) es útil para determinar el estado hídrico de los cultivos y planificar el riego inteligente. El empleo de tecnología como imágenes de banda multiespectral del satélite Landsat-8; satélite Synthetic Aperture Radar (SAR); drones, sensores y GPS, entre otros, son de gran apoyo para el avance de la agricultura de precisión en el Ecuador, diversos países de América Latina y del Caribe (ALC) y de otras regiones del mundo donde se emplean de manera más frecuente. Cabe concluir que de cara al futuro y debido a los efectos del cambio climático, principalmente evidenciados en fenómenos como la sequía que limita el acceso de agua para el riego efectivo de los cultivos, la agricultura de precisión debe posicionarse como una práctica sostenible debidamente apoyada en tecnologías avanzadas creadas para tal fin como se resalta en las investigaciones revisadas, en sinergia con el mandato de garantizar el derecho a la alimentación, la seguridad alimentaria y la sostenibilidad ambiental mundial.


Palabras clave


Agricultura sostenible, índices de vegetación, riego inteligente.

Texto completo:

PDF HTML

Referencias


Angella, G., López, J., García, C., Urbina, L., Frías, C., Acevedo, C., y otros. (2023). Sistema de Asesoramiento al Regante (SAR). ¿Cuándo Regar y Cuánto Regar? Las Tecnologías de Información y Comunicación (TICs) Como Herramientas Para Fortalecer la Capacidad de la Toma de Decisiones de la Agricultura Familiar. FONTAGRO (Fondo Regional de Tecnología Agropecuaria). https://www.fontagro.org/new/uploads/productos/19037_-_Producto_4_.pdf, pp.36.

Arnau, L., & Sala, J. (2020). La revisión de la literatura científica: Pautas, procedimientos y criterios de calidad. Universitat Autònoma de Barcelona-España. https://ddd.uab.cat/pub/recdoc/2020/222109/revliltcie_a2020.pdf, pp.22.

Ávila, E., & Royero, B. (2021). Utilización de Series Temporales de Índices Espectrales Basados en Teledetección Para el Monitoreo de Cultivos de Tomate Solanum Lycopersicum. CIGeo. Tercer Congreso en Ingeniería Geomática Valencia. España. DOI: https://dx.doi.org/10.4995/CiGeo2021.2021.12696. https://riunet.upv.es/server/api/core/bitstreams/0356eacd-db7e-4f2d-a5c8-e46cc986bfda/content, pp.224-230.

Balbontín, C., Bavestrello, C., & Wallberg, B. (2022). Proyecto Plataforma de gestión del agua en la agricultura 2030, ATN_RF17950-RG. FONTAGRO (Fondo Regional de Tecnología Agropecuaria). https://www.fontagro.org/new/uploads/productos/17950_-_Producto_13_(Apr)1.pdf, pp.65.

Banco Mundial. (2022). Riego resiliente frente al clima. https://www.bancomundial.org/es/topic/climate-resilient-irrigation.

Bermeo, O., Dávila, W., & Guevara, V. (2025). Aplicación de SIG en análisis de NDVI para cultivos de cacao con precisión geográfica. ALFA. Revista de Investigación en Ciencias Agronómicas y Veterinarias; Volumen 9, Número 26. https://doi.org/10.33996/revistaalfa.v9i26.350, pp. 331 - 349.

Cortez Núñez, J., Zepeda Mondragón, F., García Reyna, M., & Mendoza González, D. (2023). Propuesta para el monitoreo del cultivo de maíz basado en sensores remotos. Ecosistemas y Recursos Agropecuarios 10(3): e3810. https://doi.org/10.19136/era.a10n3.3810, pp.1-11.

Escribano Velasco, P. (2009). Integracion de Técnicas Espectrales para la Detección y Cuantificacion de Tipos de Cubierta en Ecosistemas Áridos. Universidad de Almería - España. https://dialnet.unirioja.es/servlet/tesis?codigo=222658.

Guzmán, J., Matuz, M., Arana, J., & López, E. (2024 ). Avances y perspectivas de la agricultura de precisión para la sostenibilidad agrícola. XIKUA Boletín Científico de la Escuela Superior de Tlahuelilpan; 12(24). DOI:10.29057/xikua.v12i24.12790. https://www.researchgate.net/publication/382045723_Avances_y_perspectivas_de_la_agricultura_de_precision_para_la_sostenibilidad_agricola, pp.1-6.

GWP & FAO. (2013). Tecnologías Para el Uso Sostenible del Agua: Una contribución a la seguridad alimentaria y la adaptación al cambio climático. Global Water Partnership Cetral América/Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). Tegucigalpa, Honduras, https://www.fao.org/fileadmin/user_upload/AGRO_Noticias/docs/Tecnologias_para_el_uso_sostenible_del_agua.pdf, pp.70.

INIA. (2021). Monitoreo satelital de la agricultura para la optimización el uso del agua de riego. INIA (Instituto de Investigaciones Agropecuarias. Chile. https://digital.fontagro.org/wp-content/uploads/2021/05/17950-poster2021ES.pdf, pp.1-1.

Judith, J., Tamilselvi, R., Parisa Beham, M., Sathiya Pandiya, S., Panthakkan, A., Al Mansoori, S., y otros. (2025). Remote Sensing Based Crop Health Classification Using NDVI and Fully Connected Neural Networks. arXiv:2504.10522 [eess.IV]. https://doi.org/10.48550/arXiv.2504.10522.

Kumar Kumawat, R., Tiwari, G., Shiv Ramakrishnan, R., & Bhayal, D. (2023). Remote sensing tools and their spectral indices: applications for crop management in precision agriculture. International Journal of Environment and Climate Change; Volumen 13 , Número 1, DOI: 10.9734/IJECC/2023/v13i11665. https://www.sdiarticle5.com/historia-de-revision/ 96488, pp.171-188.

Laveglia, S., Altieri, G., Genovese, F., Matera, A., & Di Renzo, G. (2024). Advances in Sustainable Crop Management: Integrating Precision Agriculture and Proximal Sensing. AgriEngineering; (6). https://doi.org/10.3390/agriengineering6030177. https://iris.unibas.it/retrieve/7905696f-be1e-43ee-a82f-1b9ed1478792/agriengineering-06-00177.pdf, pp.3084–3120.

Luque Romero, J. (2021). Teledetección y agricultura de precisión, herramientas para mejorar la sostenibilidad. Vida Rural Solutions. https://www.agronegocios.es/vida-rural-solutions/teledeteccion-y-agricultura-de-precision-para-mejorar-la-sostenibilidad/.

Mora, A. (2025). Implementación de drones con cámaras multiespectrales para optimizar el monitoreo y manejo de cultivos. Universidad Técnica de Babahoyo. Los Ríos – Ecuador. Trabajo de Titulación. https://dspace.utb.edu.ec/bitstream/handle/49000/18044/E-UTB-FACIAG-AGRON-000212.pdf?sequence=1&isAllowed=y, pp.41.

Parra López, C., Ben Abdallah, S., Garcia Garcia, G., Hassoun, A., Trollman, H., Jagtap, S., y otros. (2025). Digital technologies for water use and management in agriculture: Recent applications and future outlook. Agricultural Water Management; Volume 309, 109347. https://doi.org/10.1016/j.agwat.2025.109347. https://www.sciencedirect.com/science/article/pii/S0378377425000617.

Piedad Rubio, A., Hernández López, D., Lárraga Altamirano, H., & Zacarías González, E. (2020). Teledetección en la Agricultura de Precisión: Estado del Arte de los Índices de Vegetación. TECTZAPIC. Revista de divulgación científica y tecnológica/ Vol. 6 No. 2/ Ciudad Valles, S.L.P. México/, pp.46-58.

Radočaj, D., Šiljeg, A., Marinović, R., & Jurišić, M. (2023). Status of major vegetation indices in precision agriculture studies indexed in Web of Science: a review. Agriculture; 13 (3), 707; https://doi.org/10.3390/agriculture13030707. https://www.mdpi.com/2077-0472/13/3/707.

Ríos, R. (2021). La Agricultura de Precisión. Una necesidad actual. Revista Ingeniería Agrícola, vol. 11, núm. 1, e10. https://www.redalyc.org/journal/5862/586269368010/586269368010.pdf, pp.67-74.

Saha, G., Shahrin, F., Khan, F., Meshkat, M., & Azad, A. (2025). Smart IoT-driven precision agriculture: Land mapping, crop prediction, and irrigation system. PLoS ONE 20(3): e0319268. https://doi.org/10.1371/journal.pone.0319268. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0319268.

Sánchez, L., Torres, S., Terán, G., Martínez, F., & Lascano, A. (2024). Agricultura de Precisión en el Ecuador. Ciencia Latina Internacional; Vol.8, Núm. 1. DOI: https://doi.org/10.37811/cl_rcm.v8i1.9547. https://ciencialatina.org/index.php/cienciala/article/view/9547/14138.

SISSA. (2024). Descripción de Productos SISSA de Estimación del Estado de la Vegetación Derivados Con Datos Satelitales. Sistema de Información Sobre Sequías Para el Sur de Sudamérica (SISSA). https://sissa.crc-sas.org/wp-content/uploads/2024/05/RT-Indices-de-vegetacion-corregido.pdf, pp.41.

Soussi, A., Zero, E., Sacile, R., Trinchero, D., & Fossa, M. (2024). Smart Sensors and Smart Data for Precision Agriculture: A Review. Sensors (Basel);24(8):2647. doi: 10.3390/s24082647. https://pmc.ncbi.nlm.nih.gov/articles/PMC11053448/.

Terrón, J., & Domínguez, F. (2020). Capítulo II. Conceptos de Agricultura de Precisión. Fondo Europeo de Desarrollo Regional (FEDER)/Programa INTERREG V-A España-Portugal (POCTEP)/Proyecto INNOACE.https://www.researchgate.net/profile/Jose-Maria-Terron/publication/350754788_CONCEPTOS_DE_AGRICULTURA_DE_PRECISION_Separata_del_Capitulo_II_del_l , pp.20.

Velásquez, J. (2014). Una guía corta para escribir revisiones sistemáticas de literatura parte 2. DYNA, Universidad Nacional de Colombia, 81. http://orcid.org/0000-0003-3043-3037.

Velazquez Chavez, L., Deccache, A., Mohamed, A., & Centritto, M. (2024). Plant-based and remote sensing for water status monitoring of orchard crops: Systematic review and meta-analysis. Agricultural Water Management; Volume 303, 10905. https://doi.org/10.1016/j.agwat.2024.109051. https://www.sciencedirect.com/science/article/pii/S037837742400386X.

Vidican, R., Mălinaș, A., Ranta, O., Moldovan, C., Marian, O., Ghețe, A., y otros. (2023). Using Remote Sensing Vegetation Indices for the Discrimination and Monitoring of Agricultural Crops: A Critical Review. Preprints (www.preprints.org). doi:10.20944/preprints202311.0934.v1, pp.1-26.

Villalba, R., & Pineda, J. (2023). Calculo de índices de vegetación, NDVI, SAVI, EVI, NDWI con Landsat 8 de los Distritos Misiones e Itapuá, cercanas al Embalse de Yacyretá, Paraguay. https://rpubs.com/Paraguaya/1006360.

Vite Ceballos, H., Vargas Collaguazo, L., & Vargas Collaguazo, J. (2019). Uso de índices espectrales en la agricultura de precisión: caso de estudio campus de la Facultad Técnica de Machala. Alternativas; 19(1). DOI: 10.23878/alternativas.v19i1.195. https://www.researchgate.net/publication/333861379_Uso_de_indices_espectrales_en_la_agricultura_de_precision_caso_de_estudio_campus_de_la_Facultad_Tecnica_de_Machala.

Zúñiga López, J. (2018). Aplicación de Sensores Remotos Para Análisis del Estado Vegetativo del Cultivo de Palma de Aceite Por Medio del Índice de Vegetación de Diferencia Normalizada (NDVI) y Firmas Espectrales Mediante Fotografías Aéreas. Universidad Militar Nueva Granada. Bogota D.C. Trabajo de Especialización. https://repository.umng.edu.co/server/api/core/bitstreams/f70c9253-2408-4697-838d-b2e1c26ae15e/content, pp.1-16.




DOI: https://doi.org/10.23857/pc.v10i8.10164

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/