Validación agronómica de la aplicación variable de nitrógeno y semilla en trigo mediante zonificación por Clustering
DOI:
https://doi.org/10.17398/3101-7177.2.153Palabras clave:
Agricultura de precisión, VRT, K-Means, Sentinel-2, Triticum aestivumResumen
La agricultura de precisión busca optimizar el uso de insumos ajustando las dosis a la variabilidad intra-parcelaria. Sin embargo, la adopción de tecnologías de dosis variable (VRT, Variable Rate Technology) a menudo carece de una validación agronómica posterior que cuantifique su éxito real. Este trabajo evalúa la eficacia de una prescripción VRT de semilla y nitrógeno en una parcela comercial de trigo (Triticum aestivum) en Espinosa de Cerrato (Palencia). Se integraron datos masivos de mapas de aplicación (As-Applied), monitor de rendimiento y series temporales de satélite (Sentinel-2). Mediante el uso de algoritmos de aprendizaje no supervisado (K-Means Clustering), se segmentó la parcela en tres zonas de manejo homogéneas para reducir el ruido espacial. Los resultados demuestran una correlación positiva significativa entre las zonas de alto potencial (identificadas mediante NDVI) y el rendimiento final, alcanzando el valor de 0,50 en el momento de mayor desarrollo vegetativo, validando la estrategia de intensificación en dichas áreas. Por el contrario, las zonas de bajo potencial mostraron una respuesta limitada a los insumos, sugiriendo restricciones edáficas estructurales donde la estrategia de ahorro de insumos resulta la más eficiente económica y ambientalmente.
Descargas
Referencias
Arizo-García, P., Castiñeira-Ibáñez, S., Cruzado-Campos, E., Ricarte, B., Rubio, C., & San Bautista, A. (2026). A Standardized Framework for Cleaning Non-Normal Yield Data from Wheat and Barley Crops, and Validation Using Machine Learning Models for Satellite Imagery. Agronomy, 16(3), 386.
https://doi.org/10.3390/agronomy16030386
Diacono, M., Rubino, P., & Montemurro, F. (2013). Precision nitrogen management of wheat. A review. Agronomy for Sustainable Development, 33(1), 219-241.
https://doi.org/10.1007/s13593-012-0111-z
European Commission. (2020). A Farm to Fork Strategy for a fair, healthy and environmentally-friendly food system. COM(2020) 381 final. Brussels. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52020DC0381
Hamada, M. A., Kanat, Y., & Abiche, A. E. (2019). Multi-spectral image segmentation based on the K-means clustering. Int. J. Innov. Technol. Explor. Eng, 9(2), 1016-1019. https://doi.org/10.35940/ijitee.K1596.129219
Hunt, M. L., Blackburn, G. A., Carrasco, L., Redhead, J. W., & Rowland, C. S. (2019). High resolution wheat yield mapping using Sentinel-2. Remote Sensing of Environment, 233, 111410. https://doi.org/10.1016/j.rse.2019.111410
Mulla, D. J. (2013). Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, 114(4), 358-371. https://doi.org/10.1016/j.biosystemseng.2012.08.009
Real Decreto 1051/2022, de 27 de diciembre, por el que se establecen normas para la nutrición sostenible en los suelos agrarios. Boletín Oficial del Estado, 312, 18961-19004.
https://www.boe.es/eli/es/rd/2022/12/27/1051/con
Segarra, J., Buchaillot, M. L., Araus, J. L., & Kefauver, S. C. (2020). Remote sensing for precision agriculture: Sentinel-2 improved features and applications. Agronomy, 10(5), 641.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Enric Cruzado-Campos, Javier Coronado-Campos, Patricia Arizo-García, Sergio Castiñeira-Ibáñez, Daniel Tarrazó-Serrano, Beatriz Ricarte, Pablo de la Rubia, Marcos Caballero-Molada, Constanza Rubio, Alberto San Bautista (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Todo el contenido disponible en el Portal de Revistas-UEx se distribuye bajo una licencia Creative Commons: Atribución 4.0 Internacional (CC BY 4.0)
