Ir al contenido
1. Nivel Región

Motor de Ciencia de Datos — Nivel Región

Documentación técnica continua de todos los indicadores agrometeorológicos, climáticos y de cobertura regional del sistema OKARATech.

Total Tutoriales: 25
Módulo: 1. Nivel Región
Actualización: Noviembre 2026
1. Nivel Región

01 — Altimetría

Presentación general

Ilustración de Altimetría
Ilustración de Altimetría

Muestra la distribución espacial de alturas sobre el nivel del mar, distinguiendo zonas de mayor elevación en ROJO, respecto de zonas con menor elevación en AZUL. El índice es un modelo de elevación digital del terreno de 90 m de resolución espacial, en el cual se identifican distintos niveles de altura respecto a la referencia de un geoide geocéntrico.

Se utiliza para determinar zonas de manejo y características del terreno que correlacionan con diferentes potenciales de rendimiento dentro del lote, como por ejemplo zonas de acumulación de nutrientes, de erosión superficial o escurrimiento, lomas, bajos, pendientes y factor LS de riesgo de pérdida de suelo.

¿Qué es?

Un Modelo Digital de Elevaciones (MDE) representa el relieve a través de puntos distribuidos de forma homogénea sobre la superficie terrestre y cuya altura está referida al nivel medio del mar. A partir de este, es posible obtener un Mapa de relieve que nos permita identificar y delimitar las zonas altas y bajas dentro de un lote.

Se utiliza para complementar la información de imágenes multiespectrales y monitores de rendimiento y, al ser la topografía el principal factor formador del suelo, se utiliza para el cálculo de índices geomorfométricos.

¿Cómo funciona?

La misión SRTM (Shuttle Radar Topography Mission) fue un proyecto internacional llevado a cabo en cooperación entre la U.S. National Aeronautics and Space Administration (NASA), el German Aerospace Center (DLR), la Agencia Espacial Italiana (ASI) y la U.S. National Geospatial Intelligence Agency (NGA). El objetivo principal de la misión SRTM fue obtener un modelo digital de elevaciones global de alta resolución y calidad uniforme, a partir de datos recolectados con la técnica de interferometría radar de apertura sintética. Los datos InSAR (Interferometric Synthetic Aperture Radar), fueron obtenidos en once días (11 al 22 de febrero de 2000) por dos sistemas de radar, banda-C (SIR-C) y banda-X (X-SAR), montados en el transbordador espacial Endeavor.

Durante estos días, recolectaron datos sobre el 80 % de la superficie terrestre de la Tierra entre 60° norte y 56° de latitud sur, con dos reflectores de antenas de radar separados por 60 metros cada 1 segundo de arco. El DEM, de toda la Tierra, de 30 metros de resolución espacial, se obtuvo a partir de estos datos con técnicas de interferometría SAR (Radar de Apertura Sintética) (NASA, 2015).

¿Cómo interpretar el mapa?

Ilustración de Altimetría
Ilustración de Altimetría

Muestra la distribución espacial de alturas sobre el nivel del mar, distinguiendo zonas de mayor elevación en ROJO, respecto de zonas con menor elevación en AZUL.

¿Para qué sirve?

La topografía es el principal factor formador del suelo y se utiliza para el cálculo de índices geomorfométricos. A partir de estos, se puede caracterizar la distribución espacial de materia orgánica, textura del suelo y acumulación de nutrientes. Además, facilita la implementación de técnicas de cartografía digital de suelos a múltiples escalas.

Se utiliza para determinar zonas de manejo y características del terreno que correlacionan con diferentes potenciales de rendimiento dentro del lote, como por ejemplo zonas de acumulación de nutrientes, de erosión superficial o escurrimiento, lomas, bajos, pendientes y factor LS de riesgo de pérdida de suelo.

El modelo de elevación es un insumo de gran utilidad para:

  • Apoyo en análisis estadísticos: Las variables incluidas en un MDE son factores de gran importancia en numerosos procesos ambientales (precipitación, insolación, temperatura, flujos hídricos, erosión, distribución de hábitats, etc.), por lo que resultan clave al estimar otras variables mediante procedimientos de interpolación global por regresión.
  • Modelos climáticos: La topografía es el principal factor local que regula la energía solar incidente sobre la superficie terrestre. La variedad de altitudes, pendientes y orientaciones genera contrastes locales que afectan directa e indirectamente a los procesos biológicos y físicos modelizables con los MDE.
  • Modelos hidrológicos: Las características topográficas de una ladera determinan las pautas por las cuales el agua circula sobre ella. El modelo digital de elevaciones contiene información suficiente para definir las propiedades de la red de drenaje superficial y de la cuenca hidrológica.
1. Nivel Región

02 — Humedad superficial del suelo

Presentación general

Ilustración de Humedad superficial del suelo
Ilustración de Humedad superficial del suelo

Estima la humedad volumétrica en porcentaje de la superficie del suelo hasta 10 cm. Este índice se genera mediante un modelo empírico de estimación de humedad volumétrica superficial del suelo, a partir de datos de retrodispersión de imágenes de Radar de Apertura Sintética (SAR).

Permite determinar ambientes con diferente contenido de humedad, determinar zonas con problemas de sequía, definir áreas para realizar o no operaciones de campo (siembra, pulverización, aplicación de fertilizante, etc.).

¿Qué es?

La humedad del suelo es una variable del ciclo hidrológico que es un factor determinante en el clima, los procesos de escorrentía, evapotranspiración, infiltración, por lo que es de suma importancia su estimación de manera precisa, pero por su variabilidad tanto espacial como temporal hacen muy difícil su determinación.

También es un factor determinante en el crecimiento y desarrollo de los cultivos, y de las plantas en general, puesto que determina el contenido de agua disponible en la parte superior del suelo donde se desarrollan las raíces de la mayoría de los cultivos en sus estados iniciales. Debido a la gran variabilidad se han buscado métodos para determinar la humedad en el suelo utilizando técnicas de teledetección con satélites tanto ópticos como de radar.

¿Cómo funciona?

Las tecnologías de sensoramiento remoto en el rango de las microondas han demostrado tener el potencial de detectar y monitorear cambios relativos al contenido de humedad de una superficie a tiempos regulares y en condiciones independientes del clima y la luz solar.
La estimación de humedad del suelo con sensores Radar de Apertura Sintética (SAR) es compleja, ya que hay diversos factores que contribuyen a la señal de retorno al sensor. La emisión y retrodispersión de microondas del suelo depende en gran medida del contenido de humedad, directamente relacionado a la constante dieléctrica del suelo (e). Sin embargo, hay otros factores que influyen en este coeficiente como la rugosidad superficial, la textura del suelo, la topografía, y la presencia de vegetación, lo que hace compleja la estimación de esta variable. Debido a esto, distintas metodologías han sido propuestas para la estimación de la humedad superficial.

El producto se estima a partir de una ecuación empírica, la cual relaciona de manera lineal la respuesta de la humedad volumétrica superficial del suelo (~10 cm de profundidad) con el cociente de las polarizaciones de la retrodispersión SAR (Constelación Sentinel 1 -ESA-) en VH (Vertical-Horizontal) y VV (Vertical-Vertical). Esta ecuación empírica contiene dos parámetros para la estimación, el a y el ß, los cuales fueron determinados en condiciones reales, a partir de múltiples mediciones de humedad volumétrica superficial del suelo, en condiciones de lotes agrícolas de la pampa argentina.
HVS_10cm (%) = 13.35*(VH/VV) + 4.72
Este modelo se aplica siempre y cuando el valor de VH sea > -25 dB. La precisión de predicción para valores absolutos puede ser de ~60% para cultivos de invierno y verano.

¿Cómo interpretar el mapa?

Ilustración de Humedad superficial del suelo
Ilustración de Humedad superficial del suelo
La escala representa el % de humedad volumétrica superficial del suelo, siendo las zonas rojas de menor contenido de agua, y las azules de mayor disponibilidad hídrica.

¿Para qué sirve?

El mapa nos brinda información de la distribución espacial de la humedad del suelo.

El dato es útil para programar labores en el establecimiento, como por ejemplo la siembra (adelantar o retrasar una fecha de siembra (FS) por exceso o por falta de agua), definir una aplicación de herbicidas o de fertilizantes (ya que la mayoría responde mejor cuando el perfil de suelo se encuentra en buenas condiciones de humedad).

Permite monitorear ambientes o lotes y determinar zonas con diferente predisposición a secarse, con lo cual podemos variar fechas de siembra, variedades, densidades de siembra, planificar rotaciones de cultivos adaptados, etc.

1. Nivel Región

03 — Variabilidad de humedad superficial

1. Presentación general

Mapa de variabilidad de suelo sin cobertura mediante el índice BSI (Bare Soil Index), utilizado para analizar las diferencias de suelo expuesto dentro de un lote agrícola.
Variabilidad de suelo sin cobertura. El índice BSI permite analizar diferencias en la superficie del suelo a partir de imágenes satelitales.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Humedad superficial del suelo (Coeficiente de Variación)
Mapa regional de Variabilidad de Humedad superficial del suelo (Coeficiente de Variación)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

04 — Severidad de sequía (DSI)

Presentación general

Ilustración de Severidad de sequía (DSI)
Ilustración de Severidad de sequía (DSI)

El Índice de Severidad de Sequía (Drought Severity Index - DSI) es un índice que permite determinar condiciones críticas de deficiencia de humedad sobre una región.

¿Qué es?

El DSI es un índice estandarizado que emplea diferentes variables para estimar la sequía relativa de una región. Debido a que utiliza datos de temperatura y un modelo físico de equilibrio hídrico, puede capturar el efecto básico del calentamiento global sobre la sequía a través de cambios en la evapotranspiración potencial.

¿Cómo funciona?

Este índice se genera a partir de datos de vegetación (NDVI), evapotranspiración (ET) y evapotranspiración potencial (ETP), con los cuales se estiman categorías de sequía. Para el cálculo de NDVI se usan colecciones de Sentinel-2, mientras que para los datos de ET y ETP se acude al set de datos MOD16A2.

Ilustración de Severidad de sequía (DSI)
Ilustración de Severidad de sequía (DSI)
Ilustración de Severidad de sequía (DSI)
Ilustración de Severidad de sequía (DSI)

¿Cómo interpretar los valores?

Los valores del índice de severidad de sequía generalmente pueden variar en un rango de -10 (seco) a +10 (húmedo). En la elaboración del mapa, los cuerpos de agua y las zonas urbanas extensas se excluyen de los cálculos.

Ilustración de Severidad de sequía (DSI)
Ilustración de Severidad de sequía (DSI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de 4 colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «amarillo-naranja», lo que significa que las tonalidades de amarillo indican valores bajos en el índice de severidad de sequía lo que puede atribuirse a cubierta de vegetación normal y suelos húmedos. Por el contrario, los tonos de naranja son un signo de suelos áridos, vegetación muerta o escasa.

¿Para qué sirve?

El DSI permite identificar la presencia de condiciones extremas de sequía. Además, es eficaz para determinar sequías a largo plazo, especialmente en latitudes bajas y medias.

1. Nivel Región

05 — Suelo sin cobertura (BSI)

Presentación general

Ilustración de Suelo sin cobertura (BSI)
Ilustración de Suelo sin cobertura (BSI)


El Índice de Suelo Desnudo (Bare Soil Index - BSI) es una herramienta valiosa para identificar y monitorear áreas de suelo desnudo, proporcionando información crítica para la gestión agrícola, la conservación del suelo y estudios ambientales.

¿Qué es?

Este índice está diseñado para identificar y hacer seguimiento de áreas con suelo desnudo, es decir, regiones donde la vegetación es escasa o inexistente y el suelo está expuesto.

Este índice es particularmente útil en estudios de uso del suelo, gestión agrícola, monitoreo de la erosión, y análisis ambiental.

¿Cómo funciona?

El BSI se calcula utilizando las bandas del azul (B2), rojo (B4), infrarrojo cercano (NIR, B8) e infrarrojo de onda corta (SWIR, B11) del espectro electromagnético, capturadas por los satélites Sentinel-2.

La fórmula utilizada es la siguiente:
BSI = ((B11 + B4) - (B8 + B2))/((B11 + B4) + (B8 + B2))

Ilustración de Suelo sin cobertura (BSI)
Ilustración de Suelo sin cobertura (BSI)
Ilustración de Suelo sin cobertura (BSI)
Ilustración de Suelo sin cobertura (BSI)

¿Cómo interpretar los valores?

Valores positivos indican la presencia de suelo desnudo o con escasa vegetación. Estos valores positivos se obtienen cuando la combinación de la reflectancia en las bandas rojo e infrarrojo de onda media (SWIR) es mayor a la combinación de la reflectancia de las bandas azul e infrarrojo cercano (NIR).

Valores cercanos a cero estarán relacionados a áreas de suelo desnudo combinado con poca vegetación. Finalmente, valores negativos pueden significar áreas con cobertura vegetal.

Ilustración de Suelo sin cobertura (BSI)
Ilustración de Suelo sin cobertura (BSI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «rojo-verde», lo que significa que los tintes rojo-naranja-amarillo indican suelo desnudo, vegetación muerta o escasa, y los tonos de verde son un signo de cubierta de vegetación.

¿Para qué sirve?

Puede aplicarse para el monitoreo de suelos agrícolas ya que ayuda a identificar áreas de campos agrícolas que están sin cultivar o que tienen poca cobertura vegetal, permitiendo a los agricultores planificar mejor el uso de la tierra. Este índice puede emplearse para el monitoreo del cambio de cobertura ya que facilita el análisis de zonas con y sin vegetación.

1. Nivel Región

06 — Variabilidad de suelo sin cobertura

1. Presentación general

Mapa de variabilidad de suelo sin cobertura mediante el índice BSI (Bare Soil Index), utilizado para analizar las diferencias de suelo expuesto dentro de un lote agrícola.
Variabilidad de suelo sin cobertura. El índice BSI permite analizar diferencias en la superficie del suelo a partir de imágenes satelitales.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Suelo sin cobertura (BSI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Suelo sin cobertura (BSI) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Suelo sin cobertura (BSI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Suelo sin cobertura (BSI) (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

07 — Crecimiento de biomasa (EVI)

Presentación general

Ilustración de Crecimiento de biomasa (EVI)
Ilustración de Crecimiento de biomasa (EVI)
Es un indicador simple de biomasa fotosintéticamente activa o, en términos simples, un cálculo de la salud de la vegetación. Funciona comparando matemáticamente la cantidad de luz roja visible absorbida y la luz infrarroja cercana reflejada.

El CB ayuda a diferenciar la vegetación de otros tipos de cobertura del suelo (artificial) y determinar su estado general. También permite definir y visualizar áreas con vegetación en el mapa, así como detectar cambios “anormales” en el proceso de crecimiento de los cultivos y relacionarlo con condiciones de suelo o climáticas (temperaturas, lluvias, ETP, etc.).

¿Qué es?

El crecimiento de biomasa, se obtiene a partir del Índice de Vegetación Mejorado o EVI. Este índice, a diferencia del NDVI, corrige algunas condiciones atmosféricas, el ruido de fondo del dosel y es más sensible a áreas con vegetación densa. El rango de valores del Evi para vegetación varía entre 0,1 y 0,98. Fórmula: EVI = 2.5 * ((NIR – Red) / (NIR + C1 * Red – C2 * Blue + L) Donde los valores C son coeficientes que permiten corregir la dispersión de las partículas presentes en la atmósfera y, L, ajustar el fondo y la cubierta.

¿Cómo funciona?

Funciona comparando matemáticamente la cantidad de luz roja visible absorbida y la luz infrarroja cercana reflejada. Esto sucede ya que el pigmento de clorofila en una planta sana absorbe la mayor parte de la luz roja visible, mientras que la estructura celular de una planta refleja la mayor parte de la luz infrarroja cercana.

Esto significa que una alta actividad fotosintética, comúnmente asociada con vegetación densa, tendrá menos reflectancia en la banda roja y mayor reflectancia en el infrarrojo cercano. Al observar cómo estos valores se comparan entre sí, puede detectar y analizar de manera confiable la cubierta vegetal por separado de otros tipos de cobertura natural del suelo.

Ilustración de Crecimiento de biomasa (EVI)
Ilustración de Crecimiento de biomasa (EVI)

¿Cómo interpretar los valores?

Los resultados del cálculo del EVI varían de -1 a 1. Los valores negativos corresponden a áreas con superficies de agua, estructuras artificiales, rocas, nubes, nieve; el suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2; y las plantas siempre tendrán valores positivos entre 0.2 y 1.

El dosel de vegetación sano y denso debería estar por encima de 0.5, y la vegetación dispersa probablemente caerá dentro de 0.2 a 0.5. Sin embargo, es solo una regla general y siempre debe tener en cuenta la temporada, el tipo de planta y las peculiaridades regionales para saber exactamente qué significan los valores de EVI.

Ilustración de Crecimiento de biomasa (EVI)
Ilustración de Crecimiento de biomasa (EVI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa el «rojo verde», lo que significa que los tintes rojo-naranja-amarillo indican suelo desnudo o vegetación muerta / escasa, y todos los tonos de verde son un signo de cubierta de vegetación normal a densa.

Nuestra paleta de colores distingue zonas con mayor biomasa acumulada en VERDE y zonas con menor biomasa acumulada en ROJO.

Ilustración de Crecimiento de biomasa (EVI)
Ilustración de Crecimiento de biomasa (EVI)

¿Para qué sirve?

Permite identificar las dinámicas espaciales de crecimiento vegetal y caracterizar la evolución de su estado a lo largo del tiempo mediante un monitoreo continuo. Asimismo, se deben tener en cuenta la fecha de siembra y el tipo de ciclo fenológico del cultivo, para distinguir los cambios causados por factores externos.

No siempre mayor biomasa acumulada es sinónimo de mayor rendimiento. Una vez detectadas las anomalías, podemos dirigir los muestreos hacia las zonas problemas dentro de un lote (OKT Recorridas), y verificar in situ la causa de la variabilidad, y así organizar prácticas de manejo que permitan mejorar en el corto y mediano plazo la productividad de esas zonas o ambientes.

1. Nivel Región

08 — Variabilidad de biomasa

1. Presentación general

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

09 — Vigor de vegetación emergente (OSAVI)

Presentación general

Ilustración de Vigor de vegetación emergente (OSAVI)
Ilustración de Vigor de vegetación emergente (OSAVI)

El Índice de Vegetación Optimizado Ajustado al Suelo (Optimized Soil-Adjusted Vegetation Index - OSAVI) fue desarrollado por Rondeaux en 1996 empleando la reflectancia en el infrarrojo cercano y el rojo. Es una variación del Soil Adjusted Vegetation Index (SAVI).

¿Qué es?

El OSAVI es un indicador de la salud de la vegetación. Está diseñado para reducir el impacto del brillo del suelo y considera el valor estándar del factor de ajuste del fondo del dosel, lo que lo hace ideal para el monitoreo de cultivos en edades de emergencia.

¿Cómo funciona?

El índice OSAVI mapea la variabilidad en la densidad del dosel. Es robusto a la variabilidad en el brillo del suelo y tiene sensibilidad mejorada a la cubierta vegetal superior al 50%. Este índice se emplea cuando la vegetación es escasa o cuando el suelo es visible a través del dosel y donde el Índice de Vegetación de Diferencia Normalizada (NDVI) se satura. La ecuación para calcular el índice OSAVI es la siguiente:
OSAVI = (B8 - B4)/(B8 + B4)

Donde:

  • B8 corresponde a la banda de Near-Infrared (835.1 nm) de Sentinel-2.

  • B4 corresponde a la banda Red (664.5 nm) de Sentinel-2.

Ilustración de Vigor de vegetación emergente (OSAVI)
Ilustración de Vigor de vegetación emergente (OSAVI)
Ilustración de Vigor de vegetación emergente (OSAVI)
Ilustración de Vigor de vegetación emergente (OSAVI)

¿Cómo interpretar los valores?

Al igual que cualquier índice de diferencia normalizada, los valores de OSAVI pueden oscilar entre -1 y 1. Los valores altos de OSAVI indican una vegetación más densa y saludable, mientras que los valores bajos indican menos vigor.

Ilustración de Vigor de vegetación emergente (OSAVI)
Ilustración de Vigor de vegetación emergente (OSAVI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «rojo-verde», lo que significa que los tintes rojo-naranja-amarillo indican suelo desnudo o vegetación muerta o escasa, y los tonos de verde son un signo de cubierta de vegetación normal a densa.

¿Para qué sirve?

Sirve para el monitoreo de la evolución de la biomasa en edades tempranas del cultivo o cuando la cobertura vegetal es escasa en comparación a la cobertura del suelo, ofreciendo mediciones más precisas cuando el NDVI se satura. También es usado para diferenciar los píxeles del suelo y píxeles de vegetación al explicar mejor las interacciones no lineales entre estas dos coberturas.

1. Nivel Región

10 — Variabilidad de vegetación emergente

1. Presentación general

Mapa de variabilidad de vegetación emergente mediante el índice OSAVI (Optimized Soil Adjusted Vegetation Index), utilizado para analizar el desarrollo inicial del cultivo.
Variabilidad de vegetación emergente. El índice OSAVI permite evaluar el desarrollo inicial del cultivo y reducir la influencia del suelo expuesto.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación) (Vista 3)
Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de la vegetación emergente (OSAVI) (Coeficiente de Variación) (Vista 1)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

11 — Vigor de vegetación madura (NDRE)

Presentación general

Ilustración de Vigor de vegetación madura (NDRE)
Ilustración de Vigor de vegetación madura (NDRE)
El Índice de Borde Rojo de Diferencia Normalizada (Normalized Difference Red-Edge Index - NDRE), también conocido como NDVI705, es una variación del tradicional NDVI, sin embargo, utiliza un estrecho rango espectral entre el rojo visible (705 nm) y el infrarrojo cercano. El NDRE es más sensible que el NDVI en la etapa de maduración del cultivo.

¿Qué es?

El NDRE es un indicador de la salud de la biomasa que presenta significativas ventajas en comparación al NDVI cuando la cobertura vegetal se encuentra en una etapa media o tardía de crecimiento y ha acumulado una gran cantidad de clorofila.

¿Cómo funciona?

La luz del bordo rojo (Red-Edge) puede atravesar las hojas a un nivel más profundo que la luz roja (Red) normalmente usada en el NDVI. Por ende, sirve como alternativa para cuando el NDVI se satura debido a concentraciones elevadas de clorofila. El NDRE se ve notablemente más afectado por las concentraciones altas de clorofila y por ende las aplicaciones más comunes incluyen monitoreo de cultivos en agricultura de precisión, detección de estrés en la vegetación, monitoreo forestal y detección de incendios forestales.

La ecuación para calcular el índice NDRE es la siguiente:
NDRE = (B8 - B5)/(B8 + B5)

Donde:

  • B8 corresponde a la banda de Near-Infrared (835.1 nm) de Sentinel-2.

  • B5 corresponde a la banda Red-Edge (703.9 nm) de Sentinel-2.


Ilustración de Vigor de vegetación madura (NDRE)
Ilustración de Vigor de vegetación madura (NDRE)
Ilustración de Vigor de vegetación madura (NDRE)
Ilustración de Vigor de vegetación madura (NDRE)

¿Cómo interpretar los valores?

Al igual que los índices de diferencia normalizada, los valores del NDRE oscilan entre -1 y 1, donde la vegetación verde tiene un rango de valores entre 0.2 a 0.9. El índice puede ser empleado complementariamente con el NDVI durante toda la etapa de desarrollo del cultivo y puede usarse para realizar mapas de identificación de áreas para la aplicación con dosis variable de insumos.

Ilustración de Vigor de vegetación madura (NDRE)
Ilustración de Vigor de vegetación madura (NDRE)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «rojo-verde», lo que significa que los tintes rojo-naranja-amarillo indican suelo desnudo o vegetación muerta o escasa, y los tonos de verde son un signo de cubierta de vegetación normal a densa.

¿Para qué sirve?

El índice da una imagen completa del contenido de clorofila en las plantas, siendo este uno de los principales indicadores de nitrógeno que ayuda en la elaboración de mapas de aplicación con dosis variable de insumos agrícolas. Puede usarse para el monitoreo de la vegetación en su periodo de maduración, así como la combinación con otros índices de vegetación para el monitoreo durante toda la etapa del cultivo.

1. Nivel Región

12 — Variabilidad de vegetación madura

1. Presentación general

Mapa de variabilidad del vigor de vegetación madura mediante el índice NDRE (Normalized Difference Red Edge), utilizado para analizar el estado de la vegetación en etapas avanzadas del cultivo.
Variabilidad del vigor de vegetación madura. El índice NDRE permite analizar diferencias en el estado de la vegetación durante etapas avanzadas del cultivo.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación) (Vista 3)
Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación)
Mapa regional de Variabilidad de Vigor de vegetación madura (NDRE) (Coeficiente de Variación) (Vista 1)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

13 — Estabilidad productiva

Presentación general

Ilustración de Estabilidad productiva
Ilustración de Estabilidad productiva

Determina la estabilidad productiva temporal del vigor vegetal de un cultivo a escala de lote, durante los 30 días previos a la fecha seleccionada. Su magnitud se basa en el cálculo del coeficiente de variación del NDVI temporal. Orienta al usuario a conocer las zonas de mayor robustez del cultivo a cambios en condiciones edáficas, de manejo y/o climática, y viceversa.

Color verde y rojo en el mapa indica bajos y altos valores de coeficiente de variación temporal, respectivamente. Tiene múltiples utilidades relacionadas con: evaluación y caracterización de genotipos, implementación de estrategias de manejo por ambientes, determinación de prácticas de manejo claves y apoyo al monitoreo de ensayos a campo.

¿Qué es?

Indica la estabilidad espacio-temporal del vigor vegetal de un cultivo en un espacio determinado de tiempo, dentro de su ciclo. Este indicador preferiblemente debe ser estimado a escala de lote agrícola. Las zonas más estables indican mayor robustez del cultivo a cambios en condiciones edáficas, de manejo y/o climática, y viceversa.

Este indicador tiene el potencial de permitir entender cuál es el mecanismo ecofisiológico en que el cultivo se robustece o se debilita ante condiciones conocidas, de modo que se establezcan prácticas de manejo específicas. El estudio de diferencias genotípicas puntuales, o el efecto de las interacciones entre prácticas de manejo, clima y suelo, son algunas de sus potenciales utilidades funcionales.

¿Cómo funciona?

El indicador de estabilidad productiva temporal surge del cálculo del coeficiente de variación de NDVI a un conjunto de imágenes Sentinel-2 tomadas durante un periodo no mayor a un mes, anterior a la fecha objetivo. A este conjunto se le calcula la media y desvío estándar temporal.

Dividiendo el desvío estándar temporal sobre la media de NDVI del mes anterior, se obtiene el coeficiente de variación temporal y por ende la estabilidad de la respuesta espectral en ese periodo objetivo.

¿Cómo interpretar el mapa?

Ilustración de Estabilidad productiva
Ilustración de Estabilidad productiva
Color verde y rojo en el mapa indica bajos y altos valores de coeficiente de variación temporal, respectivamente. En ese contexto, este indicador de estabilidad verde y rojo, orienta visualmente la localización de zonas con mayor o menor estabilidad espacio-temporal, respectivamente..

¿Para qué sirve?

Este indicador puede ser de utilidad en procesos relacionados con:

  • Evaluar y caracterizar el desempeño ecofisiológico de genotipos.
  • Evaluar y caracterizar estrategias defensivas y ofensivas de manejo de cultivos.
  • Determinar las prácticas de manejo claves y su interacción con clima y suelos.
  • Generar ensayos a campo relacionados con evaluaciones de prácticas de manejo, teniendo como apoyo el uso de herramientas de teledetección.
1. Nivel Región

14 — Pardeamiento (BRI)

Presentación general

Ilustración de Pardeamiento (BRI)
Ilustración de Pardeamiento (BRI)
El Índice de Reflectancia de Pardeamiento (Browning Reflectance Index - BRI) es una herramienta valiosa para el monitoreo y gestión de la vegetación, proporcionando información crítica sobre la salud de las plantas y permitiendo la detección temprana de problemas que puedan afectar negativamente a los ecosistemas y la agricultura.

¿Qué es?

El Índice de Reflectancia de Pardeamiento (BRI) es un índice espectral que se utiliza principalmente en el monitoreo de la vegetación para detectar signos de senescencia o deterioro en las plantas, lo cual se manifiesta en el cambio de color de las hojas, comúnmente conocido como "pardeamiento".

Este índice es útil en estudios agrícolas, forestales y de gestión ambiental para evaluar el estado de salud de la vegetación y detectar estrés hídrico, enfermedades y otros factores que afectan negativamente a las plantas.

¿Cómo funciona?

El índice BRI se calcula mediante una fórmula específica que involucra las reflectancias en las bandas verde, borde rojo e infrarrojo cercano de Sentinel-2. Aunque existen varias versiones de la fórmula, una versión comúnmente utilizada es la siguiente:
BRI = (1/B3 - 1/B5)/B8

Donde:

  • B3 corresponde a la banda Green (560 nm) de Sentinel-2.
  • B5 corresponde a la banda Red-Edge (703.9 nm) de Sentinel-2.
  • B8 corresponde a la banda de Near-Infrared (835.1 nm) de Sentinel-2.

Ilustración de Pardeamiento (BRI)
Ilustración de Pardeamiento (BRI)
Ilustración de Pardeamiento (BRI)
Ilustración de Pardeamiento (BRI)

¿Cómo interpretar los valores?

Valores elevados del índice indican un mayor grado de pardeamiento y deterioro de la vegetación. Por el contrario, valores bajos del índice indican un menor grado de pardeamiento y deterioro de la capa vegetal.

Ilustración de Pardeamiento (BRI)
Ilustración de Pardeamiento (BRI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «verde-rojo», lo que significa que los tintes rojo-naranja-amarillo indican altos de pardeamiento, mientras que los tonos de verdes son un signo de bajo oscurecimiento de las hojas o vegetación sana.

¿Para qué sirve?

Ayuda a identificar áreas de cultivos que están experimentando estrés hídrico, nutricional o enfermedades, permitiendo a los agricultores tomar decisiones informadas sobre el manejo agronómico de sus cultivos.

1. Nivel Región

15 — Variabilidad de pardeamiento

1. Presentación general

Mapa de variabilidad del estado de clorofila de la vegetación mediante el índice CVI (Chlorophyll Vegetation Index), utilizado para analizar diferencias en el contenido de clorofila.
Variabilidad del estado de clorofila de la vegetación. El índice CVI permite analizar diferencias relacionadas con el contenido de clorofila.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Pardeamiento de la vegetación (BRI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Pardeamiento de la vegetación (BRI) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Pardeamiento de la vegetación (BRI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Pardeamiento de la vegetación (BRI) (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

16 — Estado de clorofila de la vegetación (CVI)

Presentación general

Ilustración de Estado de clorofila de la vegetación (CVI)
Ilustración de Estado de clorofila de la vegetación (CVI)

La clorofila es un pigmento de color verde que se encuentra en las células de los organismos fotosintéticos como las plantas. Las plantas se valen de la clorofila para respirar y obtener energía útil por lo que es esencial para su desarrollo y supervivencia.

El Índice de Clorofila de la Vegetación (Chlorophyll Vegetation Index - CVI) es útil para estimar el contenido de clorofila en la vegetación. Este índice proporciona información valiosa sobre la salud vegetal y el vigor de las plantas para la toma de decisiones en agricultura, gestión forestal y conservación ambiental.

¿Qué es?

El Índice de Clorofila utiliza las bandas espectrales del satélite Sentinel-2 del programa Copernicus para estimar el contenido de clorofila en la capa vegetal. Debido a que la clorofila es un indicador muy importante del vigor y la salud de la vegetación, este índice es de suma importancia para la agricultura.

¿Cómo funciona?

Las bandas del infrarrojo cercano y borde rojo responden a ligeras variaciones en contenido de clorofila en las plantas. En este sentido, el índice CVI se obtiene como la razón entre el producto de las reflectancias de las bandas de infrarrojo cercano y borde rojo y el cuadrado de la reflectancia de la banda roja del sensor Sentinel-2. La fórmula utilizada es la siguiente:
CVI = (B8*B5)/(B4)^2

Donde:

  • B8 corresponde a la banda de Near-Infrared (835.1 nm) de Sentinel-2.
  • B5 corresponde a la banda Red-Edge (703.9 nm) de Sentinel-2.
  • B4 corresponde a la banda Red (664.5 nm) de Sentinel-2.
Ilustración de Estado de clorofila de la vegetación (CVI)
Ilustración de Estado de clorofila de la vegetación (CVI)
Ilustración de Estado de clorofila de la vegetación (CVI)
Ilustración de Estado de clorofila de la vegetación (CVI)

¿Cómo interpretar los valores?

Los valores elevados del índice están relacionados con altos contenidos de clorofila en la vegetación. Lo anterior puede atribuirse a condiciones óptimas en la salud de las plantas, buen estado nutricional y buena disposición fotosintética. Por el contrario, valores bajos del índice pueden estar relacionados con niveles elevados de estrés debido a factores como enfermedades y deficiencia nutricional.

Ilustración de Estado de clorofila de la vegetación (CVI)
Ilustración de Estado de clorofila de la vegetación (CVI)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «azul-amarillo», lo que significa que los tintes azules-verdes indican bajos contenidos de clorofila. Por su parte, los colores amarillos muestran altos contenidos de clorofila en la vegetación.

¿Para qué sirve?

Este insumo permite a los agricultores estimar el estado de salud de las plantas. Combinado con un monitoreo temporal es posible determinar la evolución del estado de la salud de las plantas y su estado nutricional. Dependiendo del estado fenológico del cultivo, el agricultor puede emplear esta información para tomar decisiones en el manejo del cultivo y ajustar las prácticas de aplicación de fertilizantes y riego.

1. Nivel Región

17 — Variabilidad de clorofila

1. Presentación general

Mapa de variabilidad del estado de clorofila de la vegetación mediante el índice CVI (Chlorophyll Vegetation Index), utilizado para analizar diferencias en el contenido de clorofila.
Variabilidad del estado de clorofila de la vegetación. El índice CVI permite analizar diferencias relacionadas con el contenido de clorofila.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Estado de clorofila de la vegetación (CVI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Estado de clorofila de la vegetación (CVI) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Estado de clorofila de la vegetación (CVI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Estado de clorofila de la vegetación (CVI) (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

18 — Estado de nitrógeno

Presentación general

Mapa del estado de nitrógeno del cultivo mediante un índice de vegetación, utilizado para analizar diferencias en el estado nutricional del lote.
Estado de nitrógeno del cultivo. El análisis permite identificar diferencias espaciales relacionadas con el estado nutricional de la vegetación.

Indica el estatus de nitrógeno del cultivo y su distribución espacial dentro del lote, distinguiendo zonas con mayor contenido de nitrógeno en VERDE, respecto de zonas con déficit en ROJO. Se calcula en forma indirecta midiendo la concentración de clorofila en hoja, mediante técnicas de teledetección.

Sirve para poder realizar un muestreo dirigido por zonas y analizar el contenido de nitrógeno para poder realizar aplicaciones correctivas en forma variable, principalmente en los cultivos de trigo, cebada y maíz.

¿Qué es?

El nitrógeno es un nutriente fundamental para las especies vegetales, tanto es así que los fertilizantes contienen nitrógeno como una de sus principales bases. Realizar una fertilización de los cultivos precisa, acertando en áreas de mayor necesidad, se traduce en un menor impacto tanto desde el punto de vista económico como ecológico.

Dicha fertilización variable se apoya en técnicas de detección de nitrógeno tanto manuales como de teledetección. En nuestro caso trataremos de medir los niveles de nitrógeno usando imágenes de satélite Sentinel-2 de la Agencia Espacial Europea.

¿Cómo funciona?

El índice de estatus de N es un índice bidimensional basado en otros dos índices de vegetación: NDVI (índice de vegetación de diferencia normalizada) y NDRE (índice de diferencia normalizada del rojo cercano). Conceptualmente, su propósito se cumple en dos pasos. El primer paso es separar la reflectancia del suelo y de la vegetación, a partir del NDVI. El segundo paso es utilizar el NDRE para estimar contenido de N sobre la reflectancia de la vegetación, únicamente.

A partir de la ejecución de estos pasos, se obtiene una medida relativa de contenido de N del componente vegetación. El rojo cercano (~730 nm de longitud de onda) se utiliza debido a que es un fragmento espectral donde los valores de respuesta del suelo y la vegetación suelen ser similares. Por lo tanto, se toma como punto de referencia para minimizar la respuesta espectral del suelo. Este índice se calcula como: N Index = NDRE / NDVI.

¿Cómo interpretar el mapa?

Ilustración de Estado de nitrógeno
Ilustración de Estado de nitrógeno
Las imágenes indican el estatus de nitrógeno del cultivo, distinguiendo zonas con mayor contenido de nitrógeno en VERDE, respecto de zonas con déficit en ROJO.

¿Para qué sirve?

La herramienta ha demostrado ser de utilidad a la hora de estudiar un área cultivada pudiendo ver claramente las diferencias entre cultivos y zonas con una mayor o menor concentración de clorofila y por consecuencia de nitrógeno.

A la hora de estimar los niveles de nitrógeno necesitamos hacer un estudio personalizado aplicado al tipo de planta, el suelo y las condiciones climáticas, haciendo mediciones precisas con aparatos de tierra o tomando muestras de nitrógeno de forma manual y que posteriormente podremos correlacionar dichos datos con los valores de los índices y elaborar una función que estime el nitrógeno a partir de la señal obtenida por el satélite.

Con esta información podemos generar mapas de aplicación variable de nitrógeno para realizar las correcciones necesarias para un óptimo desarrollo del cultivo. No obstante, se puede usar la herramienta también de manera informativa, que proporciona una visión global del estado del cultivo sin adentrarnos en estimaciones precisas haciendo que cualquiera pueda intuir qué áreas están en un estado más desfavorecido.

1. Nivel Región

19 — Humedad del cultivo (NDWI)

Presentación general

Ilustración de Humedad del cultivo (NDWI)
Ilustración de Humedad del cultivo (NDWI)

Indica el estado hídrico actual del cultivo, distinguiendo zonas sin estrés hídrico en AZUL, respecto de zonas estresadas en ROJO. Mediante el análisis multiespectral, gracias a imágenes satelitales, podemos calcular determinados índices que indican la humedad en el cultivo. Para analizar el contenido de agua en la vegetación, la combinación de bandas adecuadas a utilizase es NIR/ SWIR, puesto que la absorción de agua se produce en el infrarrojo medio.

Este índice permite identificar la distribución espacial del contenido de agua del cultivo y conocer la respuesta de un genotipo a la interacción de clima y prácticas de manejo. Posibilita caracterizar la plasticidad de tolerancia de un genotipo ante la presencia de eventos extremos de sequía.

¿Qué es?

Un gran número de estudios han puesto de manifiesto la eficacia de la teledetección como herramienta para estimar el contenido de humedad en las cubiertas vegetales debido, precisamente, a su capacidad para ofrecer información espacial y actualizada de la cubierta terrestre.

El Índice Diferencial de Agua Normalizado (NDWI) es un índice que sirve para destacar y delinear masas de agua abierta y el contenido de agua de la vegetación, apoyándose en variaciones en la radiación del infrarrojo cercano y la luz verde visible.

¿Cómo funciona?

El NDWI es una variación del NDVI. Si en la ecuación invertimos el orden del NIR y cambiamos la banda roja por la verde, el resultado será contrario al NDVI, la vegetación será suprimida y los cuerpos de agua se realzarán.
NDWI = (GREEN-NIR) / (GREEN+NIR)
La relación entre bandas permite maximizar la reflectancia del agua al trabajar con longitudes de ondas en el verde, maximiza la reflectancia de la vegetación y minimiza la reflectancia de masas de agua gracias al NIR.

La interpretación del NDWI hace posible diferenciar zonas con problemas de estrés hídrico en el campo. Los valores del NDWI varían entre -1 y 1. No es posible establecer unos valores concretos de interpretación de este índice pues para cada tipo de suelo y de cultivo, estos valores podrán variar. Pero en líneas generales podemos establecer:

  • Los valores cercanos al límite inferior (-1) representan el suelo desnudo.
  • Los valores medios (0) representan una cubierta de dosel medio con un alto estrés hídrico.
  • Los valores cercanos al límite superior (1) representan cubiertas densas de dosel sin estrés hídrico (con gran cantidad de humedad).

¿Cómo interpretar el mapa?

Ilustración de Humedad del cultivo (NDWI)
Ilustración de Humedad del cultivo (NDWI)
Indica el estado hídrico actual del cultivo, distinguiendo zonas sin estrés hídrico en AZUL, respecto de zonas estresadas en ROJO.

¿Para qué sirve?

La medición del contenido de agua de la vegetación es esencial para el seguimiento y evaluación de procesos de gran interés medioambiental como las sequías, la salud de los bosques, la gestión de cultivos o el riesgo de incendios forestales. Las relaciones planta-agua son determinantes en la distribución, estructura y función de la vegetación. Por ejemplo, el contenido de agua foliar y el potencial hídrico limitan la transpiración de las plantas y la asimilación de carbono.

El contenido de agua de la vegetación es temporal y espacialmente dinámico en respuesta a la heterogeneidad de las precipitaciones y la humedad del suelo. Por tanto, la evaluación precisa de las relaciones planta-agua requiere una adecuada comprensión de dicha heterogeneidad espaciotemporal y de cómo ésta se puede medir y modelizar correctamente.

Este índice permite conocer la respuesta de un genotipo a la interacción de clima y prácticas de manejo. Posibilita caracterizar la plasticidad de tolerancia de un genotipo ante la presencia de eventos extremos de sequía. Se utiliza también para realizar recorridas localizadas (OKT Recorridas) y determinar las causas agronómicas de la mayor o menor disponibilidad de agua del cultivo. Un exceso puede suponer un daño perjudicial para el cultivo pues facilita el ataque de hongos y enfermedades, un déficit supone pérdida de rendimiento, y ambas situaciones requieren prácticas de manejo diferentes dentro del lote en estudio.

1. Nivel Región

20 — Variabilidad de humedad del cultivo

1. Presentación general

Mapa de variabilidad de humedad superficial en un lote agrícola, utilizado para analizar diferencias espaciales en las condiciones de humedad.
Variabilidad de humedad superficial. El mapa permite observar diferencias espaciales en las condiciones de humedad del lote.

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Humedad del cultivo (NDWI) (Coeficiente de Variación)
Mapa regional de Variabilidad de Humedad del cultivo (NDWI) (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

21 — Evapotranspiración potencial (ET)

Presentación general

Ilustración de Evapotranspiración potencial (ET)
Ilustración de Evapotranspiración potencial (ET)

Los valores de Evapotranspiración (ET) son obtenidos de la colección de datos de MODIS en su conjunto MOD16A2. El algoritmo empleado para el cálculo de la ET se basa en la ecuación de Penman-Monteith.

¿Qué es?

La ET es la consideración en conjunto de los procesos de evaporación (fenómeno físico en el que el agua pasa de líquido a vapor) y transpiración (fenómeno en el que el agua pasa del suelo al aire a través de las plantas). La ET hace referencia a la cantidad total de agua que se elimina de la superficie terrestre por evaporación y transpiración de las plantas. Su unidad de medida es milímetros.

¿Cómo funciona?

MOD16A2 provee datos de ET a nivel global con una resolución espacial de 500 metros por píxel. Los datos son un compendio promediado de 8 días de información los cuales son almacenados en un set de datos junto con otras variables como Evapotranspiración Potencial (PET), Flujo de Calor Latente (LE) y Flujo de Calor Latente Potencial (PLE).

Ilustración de Evapotranspiración potencial (ET)
Ilustración de Evapotranspiración potencial (ET)

¿Cómo interpretar los valores?

El producto expresa los valores de evapotranspiración en milímetros. Zonas con bajos niveles de ET constantes puede hacer referencia a suelos áridos, edificaciones o urbanizaciones. Por el contrario, valores elevados de ET pueden relacionarse con cuerpos de agua y vegetación.

Ilustración de Evapotranspiración potencial (ET)
Ilustración de Evapotranspiración potencial (ET)

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «rojo-azul», lo que significa que las tonalidades de rojo indican valores bajos de ET que puede atribuirse a suelos áridos, vegetación muerta o escasa. Por el contrario, los tonos de azul son un signo de cubierta de vegetación normal y suelos húmedos.

¿Para qué sirve?

El producto de ET a partir de MODIS proporciona información indispensable para la gestión de los recursos hídricos de un cultivo ya que permite calcular el equilibrio energético e hídrico de una región en específico. Al contar con datos históricos de ET sobre una misma zona es posible cuantificar los efectos causados por los cambios del clima, el uso del suelo y las alteraciones sobre los ecosistemas.

1. Nivel Región

22 — Variabilidad de evapotranspiración

1. Presentación general

Mapa regional de Variabilidad de Evapotranspiración (ET)
Mapa regional de Variabilidad de Evapotranspiración (ET) (Coeficiente de Variación)

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Evapotranspiración (ET) (Coeficiente de Variación)
Mapa regional de Variabilidad de Evapotranspiración (ET) (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Evapotranspiración (ET) (Coeficiente de Variación)
Mapa regional de Variabilidad de Evapotranspiración (ET) (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

23 — Temperatura promedio

Presentación general

Ilustración de Temperatura promedio
Ilustración de Temperatura promedio


La temperatura promedio es un insumo derivado del set de datos MOD11A1 provisto por el sensor MODIS de la NASA. Este tiene una amplia variedad de aplicaciones debido a que provee información de la temperatura superficial con una resolución espacial moderada.

¿Qué es?

El producto MOD11A1 otorga estimaciones diarias de la Temperatura de la Superficie Terrestre (LST) y la Emisividad del suelo a una resolución espacial de 1 kilómetro con cobertura a nivel global.

¿Cómo funciona?

El producto LST de MOD11A1 originalmente viene expresado en grados Kelvin con un factor de escalado de 0.02. Para obtener el promedio de temperatura de una región en grados centígrados primero debe obtenerse el set de datos de dicha región, luego aplicar el factor de escala para finalmente convertirlo de grados Kelvin a Centígrados. Una vez se ha procesado el set de datos se calcula el promedio por píxel para la región de interés. Debido a que el set de datos viene acompañado de información temporal (fecha y hora de la medición) es posible seleccionar un rango temporal para estimar el promedio en la temporada de preferencia.

LST prom = S(i=1 to n)[((LSTi*0.02) - 273.15)/n]

Donde:

  • LSTi corresponde a la temperatura superficial en grados kelvin.
  • n corresponde al número de imágenes de temperatura que componen el set de datos.

Ilustración de Temperatura promedio
Ilustración de Temperatura promedio
Ilustración de Temperatura promedio
Ilustración de Temperatura promedio

¿Cómo interpretar los valores?

Los valores de temperatura promedio están expresados en grados centígrados. Diferentes cultivos pueden requerir diferentes niveles de temperatura por lo cual es importante conocer los requerimientos específicos de cada cultivo a monitorear para sacar el máximo provecho a éste.

Ilustración de Temperatura promedio
Ilustración de Temperatura promedio

¿Cómo interpretar el mapa?

Los resultados se presentan como un mapa de colores, donde cada color corresponde a un cierto rango de valores. No hay una paleta de colores estándar, pero usualmente se usa «azul-rojo», lo que significa que los tintes de azul indican bajas temperaturas promedio y los tonos de rojo muestran altas temperaturas promedios de la superficie terrestre.

¿Para qué sirve?

Este producto puede emplearse para identificar y mitigar el estrés térmico en los cultivos. También es posible emplear el monitoreo de este atributo para analizar las condiciones de temperatura del suelo con el objetivo de realizar una planificación efectiva del riego.

1. Nivel Región

24 — Variabilidad de temperatura

1. Presentación general

Mapa regional de Variabilidad de Temperatura promedio
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación)

El mapa de coeficiente de variación muestra qué tan diferentes son los valores de un índice de vegetación en áreas agrícolas al comparar un mes con el mes anterior. Se elabora con información de Sentinel-2 procesada en Google Earth Engine y expresa la variabilidad relativa como un porcentaje, calculado al dividir la desviación estándar entre la media y multiplicar por 100. Los resultados se agrupan en diez categorías de color: en la paleta descrita, el rojo indica menor variabilidad o variabilidad negativa (decrecimiento del índice) y el verde, mayor variabilidad (incremento del índice).

Este mapa ayuda a identificar zonas que conviene examinar con mayor detalle, pero no indica por sí solo si la vegetación aumentó o disminuyó ni explica las causas de las diferencias. Para interpretarlo correctamente, es necesario consultar la leyenda, revisar los valores de ambos meses y considerar la calidad de las imágenes y el contexto agrícola. Su lectura exige especial cuidado cuando la media es cercana a cero o existen valores negativos; por ello, debe utilizarse como información de apoyo y complementarse con otros periodos y verificaciones de campo.

2. ¿Qué es?

El mapa de coeficiente de variación permite observar qué tan diferentes son los valores de un índice de vegetación en las áreas agrícolas al comparar un mes de interés con el mes inmediatamente anterior, que se utiliza como referencia. De esta manera, presenta la variabilidad en el tiempo y muestra dónde se concentra en el territorio. El resultado se expresa como un porcentaje que relaciona la desviación estándar con la media de los valores analizados.

Un índice de vegetación es un valor obtenido a partir de imágenes satelitales que ayuda a describir características de la cobertura vegetal. Por ejemplo, el NDVI, o índice de vegetación de diferencia normalizada, utiliza la luz roja y el infrarrojo cercano para ofrecer una aproximación a la actividad de la vegetación. El EVI, o índice de vegetación mejorado, es otra alternativa para estudiar esa cobertura. Estos índices son indicadores indirectos: no equivalen a una medición de la producción agrícola ni a un diagnóstico completo del estado de un cultivo.

En términos sencillos, un coeficiente negativo indica que los valores del índice para un mes determinado disminuyeron respecto al mes anterior (referencia). Un coeficiente de variación cercano a cero indica que los valores comparados presentaron poca o ninguna variación entre las fechas analizadas. Por otro lado, un coeficiente de variación alto es señal de un incremento significativo del índice espectral con respecto al mes de referencia.

3. ¿Cómo se calcula?

El análisis se realiza en Google Earth Engine, una plataforma que permite procesar información geográfica e imágenes satelitales. Se emplean imágenes del sensor Sentinel-2 para obtener un índice de vegetación, como NDVI o EVI, y comparar un mes específico con el mes inmediatamente anterior. El territorio de análisis se delimita a nivel de país o región utilizando la división político-administrativa del conjunto de datos de la FAO.

Para entender el procedimiento, puede dividirse en cinco pasos: delimitar la zona agrícola que se quiere estudiar; seleccionar las imágenes de los dos meses; revisar su calidad y excluir las observaciones afectadas por nubes o sombras; obtener valores comparables del mismo índice para ambos periodos; y calcular el coeficiente de variación en cada unidad de análisis. Un píxel es una pequeña porción del territorio representada en la imagen.

Primero se calcula el promedio de los valores incluidos en la comparación; después se mide cuánto se apartan de ese promedio mediante la desviación estándar. Al dividir esta medida entre la media y multiplicar por 100, se obtiene la variabilidad relativa expresada en porcentaje. La fórmula se presenta a continuación:

CV = ( Standard Deviation(i-j) / Mean(i-j) ) × 100

Donde:

  • Standard Deviation (i-j), o desviación estándar: mide cuánto se separan los valores del índice de su promedio en los periodos involucrados. Cuanto mayor sea esa separación, mayor será la variabilidad. Las letras i y j identifican los dos periodos comparados.
  • Mean (i-j), o media: es el promedio de los valores del índice incluidos en el cálculo.

4. ¿Cómo interpretar los valores del mapa?

Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación)
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación) (Vista 5)
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación)
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación) (Vista 4)
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación)
Mapa regional de Variabilidad de Temperatura promedio (Coeficiente de Variación) (Vista 3)

El mapa agrupa los coeficientes de variación en diez categorías, representadas mediante diez colores. Cada categoría corresponde a un intervalo de valores del coeficiente. Según la paleta descrita, el rojo representa una variabilidad relativa baja y el verde una variabilidad relativa alta; los colores intermedios representan los intervalos situados entre ambos extremos. Para conocer el significado exacto de cada color, es indispensable consultar la leyenda del mapa.

La lectura puede hacerse en este orden: comprobar qué índice y qué meses se comparan; localizar la zona de interés; identificar su color; consultar el intervalo correspondiente en la leyenda; y revisar los valores originales de ambos meses.

Por ejemplo, si el índice pasa de 0,40 a 0,60, aumenta; si pasa de 0,60 a 0,40, disminuye. En ambos casos, la media es 0,50 y la desviación estándar es la misma cuando se utiliza el mismo método de cálculo; por tanto, el coeficiente de variación también es igual. Esto demuestra que el coeficiente describe la variabilidad, pero no la dirección del cambio. Para distinguir un aumento de una disminución, puede calcularse adicionalmente la diferencia entre el valor del mes de interés y el del mes anterior: una diferencia positiva indica aumento y una negativa indica disminución. Una zona sin datos válidos no debe confundirse con una zona de variabilidad baja; debe identificarse por separado. Tampoco conviene comparar colores de mapas distintos sin comprobar que utilizan los mismos intervalos y criterios.

5. ¿Para qué sirve?

El mapa sirve como apoyo para el seguimiento de las áreas agrícolas, ya que permite localizar dónde el índice de vegetación presenta mayor o menor variabilidad relativa entre dos meses. Esta visión territorial facilita reconocer patrones y seleccionar zonas que requieren una revisión más detallada. Su utilidad principal es orientar la observación y formular preguntas sobre lo que ocurre en el territorio, no establecer por sí solo la causa de un cambio.

Cuando se revisan también los valores originales y se confirma una disminución del índice, pueden explorarse explicaciones como cosecha, reducción de la cobertura vegetal, deficiencias nutricionales, cambios en el uso del suelo, plagas o enfermedades. Si se confirma un aumento, este puede relacionarse con el crecimiento del cultivo o con labores de manejo. Estas son posibles explicaciones, no conclusiones demostradas por el coeficiente. Para diferenciarlas se necesita información adicional, como el calendario agrícola, registros de manejo y observaciones de campo.

En la práctica, el producto puede ayudar a priorizar visitas de verificación y comunicar de manera visual la variabilidad observada en una región. No obstante, dos meses ofrecen una comparación puntual, no una tendencia de largo plazo. Antes de tomar decisiones de manejo, los resultados deben contrastarse con más periodos, la calidad de las imágenes y el contexto local. El mapa no reemplaza una evaluación agronómica ni permite estimar directamente rendimientos, pérdidas económicas o necesidades de tratamiento.

1. Nivel Región

25 — Cobertura forestal (EUDR)

Presentación general

Ilustración de Cobertura forestal (EUDR)
Ilustración de Cobertura forestal (EUDR)

¿Qué es?

Este mapa ilustra la cobertura del suelo boscoso por tipos, según las definiciones de la Regulación de Deforestación de la Unión Europea (EUDR por sus siglas en inglés).

¿Cómo funciona?

En el contexto del EUDR, el mapa mundial de tipos de bosque es una fuente de información no obligatoria y no vinculante, útil para la evaluación de riesgos. Existe información más detallada en el Observatorio de la Unión Europea sobre la Deforestación. La definición sobre degradación de cobertura boscosa en el marco de la EUDR implica que para el año 2020, solo es necesario considerar bosques primarios y en regeneración natural; los demás bosques se clasifican como bosques plantados. La clase "otras tierras boscosas" no se cartografía en el GFT 2020.

Ilustración de Cobertura forestal (EUDR)
Ilustración de Cobertura forestal (EUDR)

¿Para qué sirve?

Sirve para proporcionar una representación espacial de diferentes tipos de bosques a nivel global. Dicha información puede ser utilizada para la evaluación de riesgos de deforestación, monitoreo y conservación de la cobertura vegetal. Además, puede apoyar la formulación de políticas orientadas a la conservación y manejo forestal sostenible.

Centro de Documentación Oficial

OKARATECH Wiki

Base de conocimiento técnico y manual operativo continuo de la plataforma OKARATech: Eduardo IA, Motor de Ciencia de Datos, DataHub, Flujos de WhatsApp y Marco Legal. Seleccione un módulo para consultar sus guías detalladas.

Verticales: 4
Módulos Concentradores: 11
Total Tutoriales: 124
Actualización: Noviembre 2026
Concentrador Integral de Tutoriales

Agente IA — Copiloto Inteligente

Documentación técnica y guías operativas del Asistente Inteligente Eduardo IA, automatización y monitoreo con Tareas Programadas y gestión estratégica de conocimientos en la Bóveda Documental de OKARATech.

Total Tutoriales: 3
Módulos Integrados: 1
Actualización: Noviembre 2026
1. Agente IA (Eduardo AI)

01 — Asistente de Eduardo IA

1. Agente IA (Eduardo AI)

02 — Tareas Programadas de Eduardo IA

1. Agente IA (Eduardo AI)

03 — Bóveda de Eduardo IA

1. Nivel Región

Motor de Ciencia de Datos — Nivel Región

Documentación técnica continua de todos los indicadores agrometeorológicos, climáticos y de cobertura regional del sistema OKARATech.

Total Tutoriales: 25
Módulo: 1. Nivel Región
Actualización: Noviembre 2026
1. Nivel Región

01 — Altimetría

1. Nivel Región

02 — Humedad superficial del suelo

1. Nivel Región

03 — Variabilidad de humedad superficial

1. Nivel Región

04 — Severidad de sequía (DSI)

1. Nivel Región

05 — Suelo sin cobertura (BSI)

1. Nivel Región

06 — Variabilidad de suelo sin cobertura

1. Nivel Región

07 — Crecimiento de biomasa (EVI)

1. Nivel Región

08 — Variabilidad de biomasa

1. Nivel Región

09 — Vigor de vegetación emergente (OSAVI)

1. Nivel Región

10 — Variabilidad de vegetación emergente

1. Nivel Región

11 — Vigor de vegetación madura (NDRE)

1. Nivel Región

12 — Variabilidad de vegetación madura

1. Nivel Región

13 — Estabilidad productiva

1. Nivel Región

14 — Pardeamiento (BRI)

1. Nivel Región

15 — Variabilidad de pardeamiento

1. Nivel Región

16 — Estado de clorofila de la vegetación (CVI)

1. Nivel Región

17 — Variabilidad de clorofila

1. Nivel Región

18 — Estado de nitrógeno

1. Nivel Región

19 — Humedad del cultivo (NDWI)

1. Nivel Región

20 — Variabilidad de humedad del cultivo

1. Nivel Región

21 — Evapotranspiración potencial (ET)

1. Nivel Región

22 — Variabilidad de evapotranspiración

1. Nivel Región

23 — Temperatura promedio

1. Nivel Región

24 — Variabilidad de temperatura

1. Nivel Región

25 — Cobertura forestal (EUDR)

2. Nivel Campo

Motor de Ciencia de Datos — Nivel Campo

Documentación técnica continua de índices satelitales, altimetría, modelos edáficos, humedad, temperatura y características a nivel de campo del sistema OKARATech.

Total Tutoriales: 29
Módulo: 2. Nivel Campo
Actualización: Noviembre 2026
2. Nivel Campo

00 — Años en Agricultura (Uso Agrícola del Lote)

2. Nivel Campo

01 — Identificación y localización (del campo)

2. Nivel Campo

02 — Contexto Logístico (del campo)

2. Nivel Campo

03 — Ponderación, productividad y riesgo productivo

2. Nivel Campo

04 — Detección de lotes de cultivos

2. Nivel Campo

05 — Identificación de cultivos

2. Nivel Campo

06 — Predicción de rendimientos

2. Nivel Campo

07 — Clima histórico diario

2. Nivel Campo

08 — Comparación climática

2. Nivel Campo

09 — Estaciones meteorológicas

2. Nivel Campo

10 — Clima actual

2. Nivel Campo

11 — Pronóstico a 7 días (cada 3 hs)

2. Nivel Campo

12 — Pronóstico subestacional semanal

2. Nivel Campo

13 — Pronóstico estacional mensual

2. Nivel Campo

14 — Indicadores agroclimáticos

2. Nivel Campo

15 — Ventanas y condiciones operativas

2. Nivel Campo

16 — Altimetría de campo

2. Nivel Campo

17 — Cartas de suelos

2. Nivel Campo

18 — Áreas no agrícolas

2. Nivel Campo

19 — Uso histórico del suelo

2. Nivel Campo

20 — Ambientes productivos

2. Nivel Campo

21 — Puntos de muestreo

2. Nivel Campo

22 — Visualizaciones

2. Nivel Campo

23 — Estabilidad productiva

2. Nivel Campo

24 — Comparación de biomasa entre cultivos

2. Nivel Campo

25 — Crecimiento de biomasa (EVI)

2. Nivel Campo

26 — Humedad del cultivo (NDWI)

2. Nivel Campo

27 — Humedad superficial del suelo

2. Nivel Campo

28 — Reportes de campo

3. Nivel Cultivo

Motor de Ciencia de Datos — Nivel Cultivo

Documentación técnica continua de monitoreo de cultivos, índices de vegetación (NDVI, NDRE, EVI), biomasa, fenología y sanidad del sistema OKARATech.

Total Tutoriales: 18
Módulo: 3. Nivel Cultivo
Actualización: Noviembre 2026
3. Nivel Cultivo

01 — Identificación

3. Nivel Cultivo

02 — Tipo de cultivo

3. Nivel Cultivo

03 — Detección de lotes de cultivo

3. Nivel Cultivo

04 — Identificación de cultivos

3. Nivel Cultivo

05 — Predicción de rendimiento y cosecha

3. Nivel Cultivo

06 — Precipitación insuficiente

3. Nivel Cultivo

07 — Frío y heladas

3. Nivel Cultivo

08 — Calor

3. Nivel Cultivo

09 — Precipitación acumulada

3. Nivel Cultivo

10 — Precipitación pre siembra

3. Nivel Cultivo

11 — Temperaturas

3. Nivel Cultivo

12 — Balance hídrico

3. Nivel Cultivo

13 — Suma térmica

3. Nivel Cultivo

14 — Estado de nitrógeno

3. Nivel Cultivo

15 — Crecimiento de biomasa (EVI)

3. Nivel Cultivo

16 — Humedad del cultivo (NDWI)

3. Nivel Cultivo

17 — Humedad superficial del suelo

3. Nivel Cultivo

18 — Reportes de cultivo

4. Nivel Manejo Agronómico

Motor de Ciencia de Datos — Nivel Manejo Agronómico

Documentación técnica continua de gestión de labores agrícolas, prescripciones de insumos, mapas de rinde, ambientación y reportes agronómicos del sistema OKARATech.

Total Tutoriales: 21
Módulo: 4. Nivel Manejo Agronómico
Actualización: Noviembre 2026
4. Nivel Manejo Agronómico

01 — Historial de labores

4. Nivel Manejo Agronómico

02 — Período libre de pulverización

4. Nivel Manejo Agronómico

03 — Huella de carbono

4. Nivel Manejo Agronómico

04 — Huella hídrica

4. Nivel Manejo Agronómico

05 — Ecotoxicidad EIQ

4. Nivel Manejo Agronómico

06 — Ecotoxicidad RIPEST

4. Nivel Manejo Agronómico

07 — Recorridas a campo

4. Nivel Manejo Agronómico

08 — Muestreo de suelo

4. Nivel Manejo Agronómico

09 — Mapas de nutrientes

4. Nivel Manejo Agronómico

10 — Muestras de planta, grano y semilla

4. Nivel Manejo Agronómico

11 — Calidad de producción

4. Nivel Manejo Agronómico

12 — Seguimiento de flota

4. Nivel Manejo Agronómico

13 — Prescripción de insumos

4. Nivel Manejo Agronómico

14 — Datos crudos de monitores

4. Nivel Manejo Agronómico

15 — Aplicación

4. Nivel Manejo Agronómico

16 — Velocidad

4. Nivel Manejo Agronómico

17 — Cosecha y rendimiento

4. Nivel Manejo Agronómico

18 — Trazabilidad de máquina

4. Nivel Manejo Agronómico

19 — Margen bruto espacial

4. Nivel Manejo Agronómico

20 — Mantenimiento

4. Nivel Manejo Agronómico

21 — Reportes de manejo

1. Sistemas de Campos y Cultivos

DataHub — Sistemas de Campos y Cultivos

Documentación técnica y guías operativas continuas para el explorador de mapas, gestión de campos y cultivos, recorridas a campo, muestreos, estaciones meteorológicas, gestión de semillas y tableros dinámicos en OKARATech.

Total Tutoriales: 7
Módulo: 1. Sistemas de Campos y Cultivos
Actualización: Noviembre 2026
1. Sistemas de Campos y Cultivos

01 — Explorador de mapas

1. Sistemas de Campos y Cultivos

02 — Mis campos y cultivos

1. Sistemas de Campos y Cultivos

03 — OKT Recorridas

1. Sistemas de Campos y Cultivos

04 — OKT Muestras

1. Sistemas de Campos y Cultivos

05 — OKT Clima

1. Sistemas de Campos y Cultivos

06 — OKT Semillas

1. Sistemas de Campos y Cultivos

07 — Tableros dinámicos

2. Sistemas de Maquinaria

DataHub — Sistemas de Maquinaria

Documentación técnica y guías operativas continuas para telemetría y seguimiento IoT (OKT Tracking), monitoreo de operaciones agrícolas, mantenimiento en taller y protocolos de comunicación DSM y DSM3.

Total Tutoriales: 5
Módulo: 2. Sistemas de Maquinaria
Actualización: Noviembre 2026
2. Sistemas de Maquinaria

01 — OKT Tracking

2. Sistemas de Maquinaria

02 — OKT Operaciones

2. Sistemas de Maquinaria

03 — OKT Taller

2. Sistemas de Maquinaria

04 — DSM

2. Sistemas de Maquinaria

05 — DSM3

3. Sistemas de Marketing

DataHub — Sistemas de Marketing

Documentación técnica y guías operativas continuas para la creación y gestión de landings promocionales, banners publicitarios, campañas de email marketing, centro de notificaciones, anuncios y redes sociales vinculadas.

Total Tutoriales: 6
Módulo: 3. Sistemas de Marketing
Actualización: Noviembre 2026
3. Sistemas de Marketing

01 — Landings

3. Sistemas de Marketing

02 — Banners

3. Sistemas de Marketing

03 — Mailing

3. Sistemas de Marketing

04 — Notificaciones

3. Sistemas de Marketing

05 — Anuncios

3. Sistemas de Marketing

06 — Redes

4. Sistemas de Administración

DataHub — Sistemas de Administración

Documentación técnica y guías operativas continuas para administración de cuentas corporativas, configuración de campos y cultivos maestros, centro de información y recursos, almacenamiento en OKT Drive y gestión de acceso y seguridad (GAM).

Total Tutoriales: 5
Módulo: 4. Sistemas de Administración
Actualización: Noviembre 2026
4. Sistemas de Administración

01 — Administración de cuenta

4. Sistemas de Administración

02 — Mis campos y cultivos

4. Sistemas de Administración

03 — Centro de información

4. Sistemas de Administración

04 — OKT Drive

4. Sistemas de Administración

05 — Gestión de acceso y seguridad (GAM)

5. Flujos de WhatsApp (WhatsApp Flows)

DataHub — Flujos de WhatsApp (WhatsApp Flows)

Documentación técnica y guías paso a paso para la operación ágil mediante WhatsApp: consulta de mapas e índices satelitales, estaciones climáticas, pulverización, siembra, recorrida de campos y gestión completa de Órdenes de Trabajo con asignación de lotes e insumos.

Total Tutoriales: 2
Módulo: 5. Flujos de WhatsApp (WhatsApp Flows)
Actualización: Noviembre 2026
5. Flujos de WhatsApp (WhatsApp Flows)

01 — Flujos de WhatsApp (WhatsApp Flows)

5. Flujos de WhatsApp (WhatsApp Flows)

02 — Órdenes de Trabajo por WhatsApp (WhatsApp Flows)

Concentrador Integral de Tutoriales

Información General — Marco Legal y Suscripciones

Documentación oficial sobre el marco normativo, contratos de prestación de servicios, políticas de privacidad y protección de datos, y tabla comparativa detallada de planes y suscripciones de la plataforma OKARATech.

Total Tutoriales: 3
Módulos Integrados: 1
Actualización: Noviembre 2026
1. Información General

01 — Contrato de servicios de OKARATech® LTDA

1. Información General

02 — Política de Privacidad

1. Información General

03 — Tabla Comparativa de Suscripciones