����������������������������������������������������������������������������������

 

 

Revisi�n sistem�tica sobre la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua

 

Systematic review on the application of NDVI and other spectral indices in precision agriculture to optimize water use

 

Revis�o sistem�tica sobre a aplica��o do NDVI e outros �ndices espectrais na agricultura de precis�o para otimizar o uso da �gua

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: aimedina@uagraria.edu.ec

 

Ciencias T�cnicas y Aplicadas

Art�culo de Investigaci�n

 

 

* Recibido: 12 de junio de 2025 *Aceptado: 29 de julio de 2025 * Publicado: �08 de agosto de 2025

 

        I.            Universidad Agraria del Ecuador, Guayaquil, Ecuador.

      II.            Universidad Agraria del Ecuador, Guayaquil, Ecuador.

   III.            Universidad Agraria del Ecuador, Guayaquil, Ecuador.

   IV.            Universidad Agraria del Ecuador, Guayaquil, Ecuador.

 

Resumen

Este estudio tiene como objetivo realizar una revisi�n sistem�tica sobre la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua. Por lo tanto, se examinan diversas bases de datos donde se accede a m�s de 32 documentos relacionados con la tem�tica publicados entre 2019- 2025. Tras la aplicaci�n de los criterios de inclusi�n y exclusi�n establecidos se seleccionaron 15 registros de varios pa�ses. Los resultados obtenidos arrojan que en la agricultura de precisi�n el NDVI (�ndice diferencial de vegetaci�n normalizado) es importante para estimar a trav�s de im�genes satelitales la salud vegetal y optimizar el uso del agua, tambi�n el NDWI (�ndice Diferencial de Agua Normalizado) es �til para determinar el estado h�drico de los cultivos y planificar el riego inteligente. El empleo de tecnolog�a como im�genes de banda multiespectral del sat�lite Landsat-8; sat�lite Synthetic Aperture Radar (SAR); drones, sensores y GPS, entre otros, son de gran apoyo para el avance de la agricultura de precisi�n en el Ecuador, diversos pa�ses de Am�rica Latina y del Caribe (ALC) y de otras regiones del mundo donde se emplean de manera m�s frecuente. Cabe concluir que de cara al futuro y debido a los efectos del cambio clim�tico, principalmente evidenciados en fen�menos como la sequ�a que limita el acceso de agua para el riego efectivo de los cultivos, la agricultura de precisi�n debe posicionarse como una pr�ctica sostenible debidamente apoyada en tecnolog�as avanzadas creadas para tal fin como se resalta en las investigaciones revisadas, en sinergia con el mandato de garantizar el derecho a la alimentaci�n, la seguridad alimentaria y la sostenibilidad ambiental mundial.

Palabras clave: Agricultura sostenible, �ndices de vegetaci�n, riego inteligente.

 

Abstract

This study aims to conduct a systematic review on the application of NDVI and other spectral indices in precision agriculture to optimize water use. Therefore, various databases are examined, accessing more than 32 documents related to the subject published between 2019 and 2025. After applying the established inclusion and exclusion criteria, 15 records from several countries were selected. The results obtained show that in precision agriculture, the NDVI (Normalized Differential Vegetation Index) is important for estimating plant health through satellite images and optimizing water use. The NDWI (Normalized Differential Water Index) is also useful for determining crop water status and planning smart irrigation. The use of technologies such as multispectral band images from the Landsat-8 satellite; Synthetic Aperture Radar (SAR) satellite; Drones, sensors, and GPS, among others, are of great support to the advancement of precision agriculture in Ecuador, various countries in Latin America and the Caribbean (LAC), and other regions of the world where they are most frequently used. It can be concluded that, looking to the future, and due to the effects of climate change, primarily evidenced by phenomena such as drought, which limits access to water for effective crop irrigation, precision agriculture must position itself as a sustainable practice, duly supported by advanced technologies created for this purpose, as highlighted in the reviewed research, in synergy with the mandate to guarantee the right to food, food security, and global environmental sustainability.

Keywords: Sustainable agriculture, vegetation indices, smart irrigation.

 

Resumo

Este estudo tem como objetivo realizar uma revis�o sistem�tica sobre a aplica��o do NDVI e de outros �ndices espectrais na agricultura de precis�o para otimizar o uso da �gua. Para tal, s�o examinadas diversas bases de dados, acedendo-se a mais de 32 documentos relacionados com o tema publicados entre 2019 e 2025. Ap�s a aplica��o dos crit�rios de inclus�o e exclus�o estabelecidos, foram selecionados 15 registos de diversos pa�ses. Os resultados obtidos demonstram que, na agricultura de precis�o, o NDVI (Normalized Differential Vegetation Index) � importante para estimar a sa�de das plantas atrav�s de imagens de sat�lite e otimizar o uso da �gua. O NDWI (Normalized Differential Water Index) � tamb�m �til para determinar o estado h�drico das culturas e planear a rega inteligente. A utiliza��o de tecnologias como as imagens de banda multiespectral do sat�lite Landsat-8; sat�lite Radar de Abertura Sint�tica (SAR); drones, sensores e GPS, entre outros, s�o de grande apoio ao avan�o da agricultura de precis�o no Equador, em v�rios pa�ses da Am�rica Latina e Cara�bas (ALC) e noutras regi�es do mundo onde s�o mais frequentemente utilizados. Conclui-se que, olhando para o futuro, e devido aos efeitos das altera��es clim�ticas, evidenciados principalmente por fen�menos como a seca, que limita o acesso � �gua para a irriga��o eficaz das culturas, a agricultura de precis�o deve posicionar-se como uma pr�tica sustent�vel, devidamente apoiada por tecnologias avan�adas criadas para o efeito, como salientado na investiga��o revista, em sinergia com o mandato de garantir o direito � alimenta��o, a seguran�a alimentar e a sustentabilidade ambiental global.

Palavras-chave: Agricultura sustent�vel, �ndices de vegeta��o, rega inteligente.

Introducci�n

Hist�ricamente, la producci�n agr�cola mundial es una de las actividades m�s indispensable para la supervivencia que desarrollan grupos humanos en todas las sociedades y pa�ses, cualquiera sea su situaci�n de desarrollo econ�mico y orientaciones pol�ticas para atender cuestiones prioritarias como las demandas cada vez m�s crecientes de alimento a fin de garantizar el derecho a la alimentaci�n de sus pobladores en el tiempo presente y de las generaciones futuras, sin embargo, las pr�cticas poco sostenibles empleadas desde hace d�cadas por el sector de la agricultura han dejado su huella profunda en el entorno natural, particularmente en uso del agua dulce.

En el reporte del Banco Mundial (2022) se estima que actualmente, la agricultura representa en promedio el 70 % del agua dulce que se extrae en el mundo (y una proporci�n a�n mayor del �uso consuntivo del agua�, debido a la evapotranspiraci�n de los cultivos). Similarmente, Velazquez et al (2024) indica que la agricultura utiliza el 70% del agua dulce total, y el riego sustenta el 40% del suministro mundial de alimentos.

En coincidencia con estos argumentos en el texto de la Asociaci�n Mundial Para el Agua (GWP por sus siglas en ingl�s), cap�tulo Centroam�rica y la Organizaci�n de las Naciones Unidas Para la Alimentaci�n y la Agricultura (FAO) proyecta que, del recurso h�drico explotado, un 70% se utiliza en la producci�n de alimentos (GWP & FAO, 2013). El uso del agua en los sistemas agr�colas, se considera un uso consuntivo del agua ya que se extrae principalmente de r�os, lagos o aguas subterr�neas y buena parte no regresa al sistema, sino que es consumida por los cultivos. Este tipo de agricultura de regad�o es crucial para la producci�n mundial de alimentos (GWP & FAO, 2013).

Todo este elevado gasto de agua en el sector de la agricultura indiscutiblemente ha sido determinante para alterar y modificar el equilibrio de los ecosistemas h�dricos, agudizado adem�s por la crisis clim�tica que trae consigo fen�menos como la sequ�a que afectan invariablemente la producci�n y rendimiento de los cultivos agroalimentarios, a la vez que se debe conseguir garantizar el derecho a la alimentaci�n de toda la poblaci�n, dicho panorama est� reclamando encontrar soluciones para una mejor gesti�n del agua de uso agr�cola.

En este sentido, la agricultura de precisi�n se reconoce como un mecanismo para la reorientaci�n de la producci�n agr�cola compatible con el desarrollo sustentable, al respecto destacan Guzm�n et al (2024) la agricultura de precisi�n es una pr�ctica agr�cola que utiliza tecnolog�as avanzadas, como sensores remotos, sistemas de riego inteligente y nanotecnolog�a, para optimizar la gesti�n de los recursos naturales y aumentar la productividad agr�cola. La adopci�n de t�cnicas de agricultura de precisi�n mejora la salud del suelo, mantiene la calidad del agua y garantiza la seguridad ambiental, alimentaria y nutricional, as� como el desarrollo econ�mico local (Cortez et al., 2023).

El desarrollo tecnol�gico ofrece una gran contribuci�n a la renovaci�n de los sistemas agr�colas para la gesti�n sostenible del agua a lo largo del ciclo productivo de los alimentos, teniendo en cuenta dicha afirmaci�n merece la pena se�alar los argumentos de �vila & Royero (2021) sobre el hecho de que las nuevas tecnolog�as emergentes como la agricultura de precisi�n aplicada al sector agr�cola, representan una oportunidad para monitorear procesos fisiol�gicos. La Agricultura de Precisi�n es la industria que aprovecha las ventajas de los datos satelitales, por la precisi�n de los resultados y la alta frecuencia de adquisici�n (Villalba & Pineda, 2023).

Los beneficios de la agricultura de precisi�n son claros, ayuda a definir las propiedades y caracter�sticas del suelo para logara una productividad �ptima, ayuda a resolver los problemas del uso adecuado de los recursos, los altos costos y el impacto medioambiental. Entre las caracter�sticas de la agricultura de precisi�n se encuentra el uso de diferentes tecnolog�as. R�os, (2021). Seg�n estos mismos autores algunas de las tecnolog�as modernas que se emplean en la Agricultura de Precisi�n comprenden las Im�genes de sat�lite; Maquinaria de conducci�n aut�noma; Drones; Sensorizaci�n en parcelas; Mapeo del suelo; Sistemas de Informaci�n Geogr�fico (SIG) (R�os, 2021).

A estos se�alamientos se a�ade lo que refiere el Instituto de Investigaciones Agropecuarias (INIA) acerca del hecho de que el desarrollo de los cultivos puede ser supervisado con im�genes satelitales la cual junto a la demanda ambiental permiten establecer el consumo h�drico (INIA, 2021). Las soluciones tecnol�gicas de precisi�n aplicadas a los sistemas agropecuarios de los pa�ses particularmente de Am�rica Latina y el Caribe (ALC) para el manejo del agua en dos escalas de trabajo, parcela y cuenca. Las principales herramientas tecnol�gicas son el an�lisis de im�genes satelitales, plataformas online (MapServer), sensores de campo, todo esto para disponer de informaci�n con alta resoluci�n espacial y temporal en los sistemas productivos, transformando los sistemas de gesti�n tradicional del riego en sistemas de alta precisi�n, informados y con objeto de mejorar la eficiencia del uso del agua (INIA, 2021).

Un aspecto fundamental del uso de diferentes tecnolog�as en la agricultura de precisi�n es que ayudan a obtener datos de inter�s como los �ndices de vegetaci�n como sobre variables importantes para la obtenci�n de los productos agr�colas; entre ellos como subraya Mora (2025) se tiene la salud de los cultivos, detectar estr�s h�drico, deficiencias nutricionales y enfermedades en etapas tempranas. De acuerdo con la publicaci�n del Sistema de Informaci�n Sobre Sequ�as Para el Sur de Sudam�rica (SISSA) los �ndices de vegetaci�n son combinaciones de las bandas espectrales registradas por los sat�lites, cuya funci�n es realzar la cubierta vegetal en funci�n de su respuesta espectral. Son im�genes calculadas a partir de operaciones algebraicas entre distintas bandas espectrales (SISSA, 2024). La aptitud de los �ndices de vegetaci�n para evaluar el desarrollo de los cultivos y estimar su evapotranspiraci�n (ETc) ha sido demostrada en investigaciones de teledetecci�n satelital (INIA, 2021).

En particular, las Im�genes de sat�lite se basan en la utilizaci�n de im�genes que ponen de manifiesto las caracter�sticas de los cultivos en espectros no visibles para el ojo humano como lo es el infrarrojo. Con esta informaci�n se puede conocer el estr�s h�drico de las plantas o el vigor de un cultivo. Las im�genes de los sat�lites se pueden visualizar con combinaciones de bandas o con �ndices espectrales (R�os, 2021). A partir de la secuencia de im�genes satelitales es posible estimar la cantidad de vegetaci�n desplegada por el cultivo y por tanto su capacidad para transpirar frente a la demanda del ambiente (INIA, 2021).

Dentro de las aplicaciones m�s acentuadas de las im�genes satelitales para agricultura se encuentra la obtenci�n de �ndice de vegetaci�n de diferencia normalizada (NDVI) tambi�n denominado �ndice de vigor y, especialmente cuando el �ndice verde se satura, se puede obtener el �ndice de clorofila (GNDVI) (R�os, 2021).

Las im�genes satelitales como el NDVI, explota la reflexi�n energ�tica de la vegetaci�n en la franja del infrarrojo cercano en contraposici�n con la absorci�n de las plantas en la franja del rojo, y que aparecen en una gran multitud de visores gratuitos que acercan al agricultor este tipo de tecnolog�as de forma sencilla. El �ndice NDVI permite tener informaci�n sobre el contenido en clorofila, el contenido de agua de la hoja, la productividad neta, el �ndice de �rea foliar y aplicando el �ndice a la agricultura de precisi�n resalta la zona de mayor vegetaci�n y la de los suelos desnudos o vegetaci�n con estr�s h�drico (Z��iga, 2018).

La transformaci�n del NDVI a un par�metro estrat�gico del riego como es el coeficiente de cultivo (Kc), que en conjunto con la demanda ambiental permite estimar el consumo h�drico de los cultivos, el cual debe ser repuesto a trav�s del riego (INIA, 2021).

�Aunque menos generalizado, otro tipo de �ndices como el �ndice de Agua Diferencial Normalizada (NDWI o NDMI) que, con el mismo principio del NDVI compara la absorci�n del agua en la franja del infrarrojo de onda corta y la reflexi�n energ�tica en el infrarrojo cercano (Terr�n & Dom�nguez, 2020). El �ndice NDWI maximiza la reflectancia del agua usando para ello la banda del Infrarrojo Cercano (IRC) y la absorci�n de la vegetaci�n y de suelo adyacente en la banda de la banda Verde. Los valores bajos (negativos) est�n asociados a la vegetaci�n y de suelo, mientras que los altos (positivos) a la vegetaci�n fotosint�ticamente activa por alto contenido de agua (Escribano, 2009).

Adem�s del NDWI o NDMI, existen otros los �ndices para conocer el contenido de agua del cultivo que permiten localizar zonas con estr�s h�drico, como el TDVI (Temperature-Vegetation Dryness Index), que est� relacionado con la variabilidad de la humedad del suelo (Luque, 2021).

De aqu�, distintos estudios han identificado que se ha avanzado en los requerimientos de proporcionar un marco tecnol�gico para limitar las repercusiones negativas de la agricultura sobre los ecosistemas que est�n siendo degradados o se est�n utilizando de manera no sostenible por este sector, para asegurar la producci�n de los alimentos y avanzar en materia de seguridad alimentaria en todo el mundo y en particular el de los pa�ses m�s pobres, esto se puede lograrse integrando los principios de la agricultura de precisi�n para optimizar el uso del agua.

Seg�n lo expuesto en los p�rrafos precedentes, la presente investigaci�n tiene como objetivo general realizar una revisi�n sistem�tica sobre la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua.

 

Metodolog�a

El presente estudio se desarrolla bajo una investigaci�n cualitativa con un enfoque de revisi�n bibliogr�fica sistem�tica definida seg�n Vel�squez (2014) como aquella que permite realizar la recolecci�n, organizaci�n, evaluaci�n y s�ntesis de la evidencia encontrada y disponible sobre un determinado fen�meno y mejorar las pr�cticas actuales o indicar nuevos direccionamientos en el tema de investigaci�n.

La recopilaci�n de los registros se lleva a cabo v�a Internet de fuentes de publicaciones de revistas indexadas, organismos especializados internacionales y repositorios digitales universitarios. Para la selecci�n de los registros documentales se emple� criterios de inclusi�n y exclusi�n a fin de garantizar la pertinencia y actualidad de la informaci�n recopilada para su an�lisis posterior sobre la aplicaci�n de NDVI (�ndice de Vegetaci�n de Diferencia Normalizada) y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua.

Dentro de los criterios de inclusi�n se consideraron aspectos como pertinencia, relevancia, rigor metodol�gico y contribuci�n al conocimiento sobre la materia, datos aportados en el resumen y acceso al texto completo, idiomas espa�ol e ingl�s y publicado en el periodo considerado desde el 2019-2025, por otro lado se excluyeron documentos de car�cter no cient�fico, publicaciones poco relevantes y pertinentes y que no guardar�n relaci�n directa con la tem�tica abordada, con res�menes poco claros de bajo impacto informativo, de idiomas distintos al espa�ol e ingl�s y que no se corresponden con el espacio de tiempo escogido para la revisi�n, igualmente se evit� trabajos duplicados.

La estrategia de b�squeda se realiz� mediante palabras clave o t�rminos combinados como ��ndice NDVI� �agricultura de precisi�n� �tecnolog�a para optimizar la gesti�n agr�cola� �optimizar el uso del agua del cultivo� or �NDVI index� �precision agriculture� �technology to optimize agricultural management� �optimizing crop water use� Tambi�n se prioriz� la incorporaci�n de estudios con metodolog�as de revisi�n bibliogr�fica, aunque tambi�n se incorporan estudios cuantitativos con la finalidad de proporcionar una visi�n m�s general sobre el estado actual del conocimiento de la tem�tica en estudio. En este estudio se estableci� un total de 32 publicaciones, tras la aplicaci�n de los criterios de inclusi�n y exclusi�n la muestra de fuentes documentales qued� conformada por 15 estudios.

El an�lisis de la informaci�n recopilada se hizo mediante una s�ntesis tem�tica, de acuerdo con Arnau & Sala (2020) se trata pues de localizar las aportaciones m�s relevantes (pasadas y actuales) sobre el tema de estudio, as� como definir los principales conceptos y teor�as que sirvan para fundamentar y comprender el problema y valorar c�mo este encaja en un marco m�s general de investigaci�n.

 

 

 

 

 

 

 

 

 

 

Figura 1. Desarrollo de la revisi�n sistem�tica de bibliograf�a

Nota: Elaboraci�n propia

 

Resultados

En esta secci�n se presentan de forma organizada y estructurada la documentaci�n recopilada, a tal fin se ha elaborado la Tabla 1, contentiva de elementos que incluyen el autor (es), a�o de la publicaci�n, el enfoque metodol�gico empleado, el pa�s de origen, el tipo o formato del estudio (articulo/informe/tesis/otros) y los resultados y/o conclusiones m�s relevantes. Tambi�n se representa de forma gr�fica la distribuci�n de los registros seg�n el pa�s, enfoque y formato de la investigaci�n tipo de estudio. Dicha informaci�n es la base sobre la cual se discuten los resultados y se extraen las conclusiones de la revisi�n.

 

 

 

 

 

 

Tabla 1. Art�culos seleccionados en la revisi�n sistem�tica para el per�odo seleccionado del 2019-2025

Nota. Fuente: Elaboraci�n propia.

 

En la tabla anterior se proporciona una visi�n general de los principales estudios incluidos en la revisi�n sistem�tica relacionados con la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua en diferentes cultivos en diversos pa�ses del mundo, adem�s del tipo de formato del estudio y del enfoque metodol�gico empleado en cada investigaci�n.

Como se observa en los resultados, el NDVI juega un papel importante en la predicci�n de variables para evaluar la salud y densidad de la vegetaci�n a partir de im�genes de sat�lite, de esta manera Bermeo et al (2025) aborda el uso de Sistemas de Informaci�n Geogr�fica (SIG) y el an�lisis del �ndice de Vegetaci�n de Diferencia Normalizada (NDVI) como una herramienta fundamental para el monitoreo y la gesti�n efectiva de los cultivos particularmente� del cacao; tambi�n Judith et al (2025) demuestra que el uso de datos del NDVI con una Red Neuronal Totalmente Conectada (FCNN) permite clasificar eficazmente la salud de los cultivos en categor�as como sano, roya y otros factores de estr�s.

Asimismo, Kumar et al (2023) plantea que las herramientas de teledetecci�n e �ndice de vegetaci�n espectral (�ndice de vegetaci�n de diferencia normalizada -NDVI y otros) son importantes para respaldar la gesti�n de cultivos y la toma de decisiones en diferentes etapas de crecimiento de los cultivos en la producci�n de cultivos de precisi�n. Igualmente, Radočaj et al (2023) en su estudio reconoci� el NDVI se determin� como el �ndice de vegetaci�n dominante en la agricultura de precisi�n, adem�s se plantea el potencial superior de la existencia de �ndices de vegetaci�n que mejoraron las deficiencias del NDVI, como el �ndice de vegetaci�n mejorado (EVI) y el �ndice de vegetaci�n ajustado al suelo (SAVI).

En el mismo orden, Vidican et al (2023) afirma que algunos de los indicadores de rendimiento (VI) para la discriminaci�n y el monitoreo de los cultivos agr�colas m�s importantes (trigo, ma�z, girasol, soja, colza, papa y cultivos forrajeros), pastizales y praderas m�s utilizados incluyen: EVI, LAI, NDVI, GNDVI, PSRI y SAVI. Si bien los resultados de estos estudios son satisfactorios (en algunos cultivos, utilizando ciertos �ndices, se registr� una precisi�n de hasta el 90%); Piedad et al (2020) identifica el �ndice de vegetaci�n NDVI como el m�s utilizado para ayudar en el monitoreo de la vegetaci�n en la Agricultura de Precisi�n (AP). De igual forma, Vite et al (2019) subraya que el c�lculo del NDVI mediante la imagen satelital (SENTINEL) permiti� tomar decisiones de c�mo distribuir adecuadamente los recursos asignados para los cultivos.

Otro estudio, Angella et al (2023) en un proyecto para varios pa�ses de Am�rica Latina y el Caribe-ALC (Argentina, Nicaragua y Uruguay) espec�ficamente contemplan el �ndice de Agua de Diferencia Normalizada (NDWI) mediante los sat�lites SAR (Synthetic Aperture Radar, por sus siglas en ingl�s) de los cultivos con tecnolog�as de riego inteligente contribuyendo a la sostenibilidad y optimizaci�n de los recursos h�dricos en la agricultura.

Mientras que publicaciones mencionadas en l�neas m�s arriba orientan su informaci�n a las herramientas tecnol�gicas para apoyar el desarrollo de la agricultura de precisi�n orientado, al respecto, Mora (2025) considera en su investigaci�n al desarrollo tecnol�gico de los drones o veh�culos a�reos no tripulados (UAV) para una detecci�n temprana de problemas en los cultivos, optimizaci�n del riego, y una reducci�n significativa en el uso de agroqu�micos, lo que mejora la sostenibilidad y rentabilidad de las operaciones agr�colas; Parra et al (2025) considera la teledetecci�n y la inteligencia artificial como las m�s vers�tiles y ampliamente adoptadas como las soluciones digitales para reducir significativamente el desperdicio de agua, ayudan a identificar los focos de contaminaci�n y mejoran la gesti�n general de los recursos h�dricos.

En la misma l�nea, Saha et al (2025) resalta la eficacia del uso de im�genes de banda multiespectral del sat�lite Landsat-8 para extraer �ndices que se utilizan en el an�lisis agr�cola, determinando el �ndice de vegetaci�n, el �ndice h�drico y el �ndice de salinidad; S�nchez et al (2024) precisan que en Ecuador, la agricultura de precisi�n, ha ganado relevancia en sectores como la floricultura, bananeras y empresas azucareras, donde se emplea para riegos automatizados, control de plagas y monitoreo de condiciones, mediante el uso estrat�gico de tecnolog�as como sat�lites, drones, sensores y GPS; Laveglia et al (2024) destaca la importancia de los sensores de monitoreo de procesamiento de im�genes y gesti�n de datos para alcanzar su m�ximo potencial en la gesti�n sostenible de cultivos.

En el mismo marco, Soussi et al (2024) plantea la adopci�n y adaptaci�n continua de nuevas tecnolog�as como sensores inteligentes, junto con tecnolog�as como el Internet de las Cosas (IdC), el an�lisis de big data y la Inteligencia Artificial (IA) para la optimizaci�n de la gesti�n de cultivos, el uso racional de los recursos y la promoci�n de la sostenibilidad en el sector agr�cola y; Balbont�n et al (2022) mencionan la importancia de las im�genes satelitales determinar las necesidades h�dricas en diferentes cultivos representativos de los pa�ses co-ejecutores del proyecto (Chile, Argentina, Colombia y Uruguay).

 

Figura 2. Distribuci�n del n�mero de publicaciones en diferentes pa�ses o regiones para el per�odo seleccionado del 2019-2025

Nota. Fuente: Elaboraci�n propia

 

En la figura 2 se describe el n�mero de publicaciones en diferentes pa�ses del mundo relacionada con la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua, como se muestra la distribuci�n del n�mero de registros del Ecuador se presenta 04 estudios; de Italia se tienen 02; de informes conjuntos de pa�ses de Am�rica Latina y el Caribe (ALC) se destacan 02 trabajos; y diferentes pa�ses como Espa�a, Ir�n, Dubai, India, Croacia, Rumania y M�xico con 01 publicaciones.

 

Figura 3. Distribuci�n seg�n enfoque metodol�gico del n�mero de publicaciones de revisi�n sistem�tica de la literatura para el per�odo seleccionado del 2019-2025

Nota. Fuente: Elaboraci�n propia

 

En la figura 3 se presenta el n�mero de publicaciones seleccionadas para la revisi�n sistem�tica de la literatura seg�n el enfoque metodol�gico empleado, lo que resulta en 06 estudios de naturaleza cuantitativa entre los cuales se encuentran los autores Bermeo et al (2025); Saha et al (2025); Judith et al (2025); Angella et al (2023); Balbont�n et al (2022) y Vite et al (2019) y 09 de �ndole de revisi�n bibliogr�fica como Mora (2025); Parra et al (2025); S�nchez et al (2024); Laveglia et al (2024); Soussi et al (2024); Kumar et al (2023); Radočaj et al (2023); Vidican et al (2023) y Piedad et al (2020).

 

 

 

 

 

 

 

 

 

 

 

 

 

Figura 4. Distribuci�n del n�mero de publicaciones seg�n tipo o formato de estudio para el per�odo seleccionado del 2019-2025

Nota. Fuente: Elaboraci�n propia

 

En la figura 4 se presenta la distribuci�n de seg�n tipo o formato de estudio para el per�odo seleccionado del 2019-2025 en particular se destaca con el recuento del mayor n�mero de registros bajo el formato de art�culos 12 trabajos; seguido de 02 informes del Fondo Regional de Tecnolog�a Agropecuaria (FONTAGRO) y por �ltimo 01 trabajo de titulaci�n universitaria.

 

Discusi�n

Los resultados de la revisi�n de la literatura seleccionada destacan en un total de 07 publicaciones el potencial de NDVI y otros �ndices espectrales en los estudios que incluyen los autores que siguen: Bermeo et al (2025); Judith et al (2025); Kumar et al (2023); Radočaj et al (2023); Vidican et al (2023); Piedad et al (2020) y Vite et al (2019).

Asimismo, en concreto, se ubic� 01 estudio de los autores Angella et al (2023) que estima el an�lisis del �ndice NDWI mediante los sat�lites SAR (Synthetic Aperture Radar, por sus siglas en ingl�s) para el riego inteligente de los cultivos considerados en el estudio.

Igualmente, se ilustran 07 publicaciones que presentan la tecnolog�a que facilita el monitoreo de los indicadores vitales para la salud de los cultivos y la gesti�n de los recursos esenciales para operaciones de campo en la agricultura de precisi�n, de este modo, Mora (2025) hace hincapi� en el uso de los drones o veh�culos a�reos no tripulados (UAV) para optimizaci�n del riego entre otros; Parra et al (2025) pone de relieve la teledetecci�n y la inteligencia artificial para mejorar las pr�cticas de gesti�n del agua; Saha et al (2025) resalta� el uso de im�genes de banda multiespectral del sat�lite Landsat-8 para el an�lisis del �ndice h�drico, entre otros; S�nchez et al (2024) destacan el potencial del uso estrat�gico de tecnolog�as como sat�lites, drones, sensores y GPS en la agricultura de precisi�n para el monitoreo de condiciones del terreno para cultivos en sectores como la floricultura, bananeras y empresas azucareras en Ecuador; Laveglia et al (2024) fomentan el uso de los sensores de monitoreo y procesamiento de im�genes y gesti�n de datos en el manejo sostenible de cultivos; tambi�n Soussi et al (2024) menciona las tecnolog�as como sensores inteligentes, junto con tecnolog�as como el Internet de las Cosas (IdC), el an�lisis de big data y la Inteligencia Artificial (IA) para la optimizaci�n de la gesti�n de cultivos; Balbont�n et al (2022) perfila el an�lisis de im�genes satelitales para determinar las necesidades h�dricas en diferentes cultivos.

Estos datos ayudan a dimensionar mejor el �ndice de vegetaci�n como el NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua en diversos cultivos. A la vez que describen las herramientas de teledetecci�n que se utilizan hoy en d�a en distintas localidades del mundo en el sector agr�cola, las cuales permiten predecir con precisi�n el potencial de recursos h�dricos y de esta forma poder coordinar, desarrollar, promover y robustecer la agricultura sostenible para la obtenci�n de productos agroalimentarios para satisfacer las demandas de alimentos de todas las personas a nivel local, regional y nacional, garantizar el derecho a la alimentaci�n y la soberan�a alimentaria de las poblaciones a lo largo del planeta.

 

Conclusiones

El presente trabajo se centr� en realizar una revisi�n sistem�tica sobre la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua, de esta manera los art�culos/informes/trabajos de titulaci�n analizados fomentan la implementaci�n de las actividades de la agricultura de precisi�n en el escenario de la integraci�n de distintas herramientas tecnol�gicas para la obtenci�n de im�genes satelitales del terreno de cultivo como� apoyo de gesti�n de los recursos h�dricos, entre otras variables, necesarias para llevar a cabo pr�cticas agr�colas con el fin de prevenir el d�ficit productos alimenticios para el beneficio de toda la colectividad a lo largo de los diferentes pa�ses del mundo.

La aportaci�n sobre la aplicaci�n de NDVI y otros �ndices espectrales en la agricultura de precisi�n para optimizar el uso del agua y otras variables de inter�s en esta revisi�n, queda reflejada en los trabajos de los autores Bermeo et al (2025); Judith et al (2025); Kumar et al (2023); Radočaj et al (2023); Vidican et al (2023); Piedad et al (2020) y Vite et al (2019). Primordialmente la producci�n literaria de autores (Angella, y otros, 2023) estima el an�lisis del �ndice NDWI a trav�s de im�genes satelitales derivadas del sat�lite Synthetic Aperture Radar (SAR) para el riego inteligente de los cultivos.

El empleo de la tecnolog�a digital bajo diversas aplicaciones como poderoso instrumento de orientaci�n de la din�mica de las pr�cticas agr�colas bajo los postulados de la agricultura de precisi�n se consigue bajo la autor�a de Mora (2025) quien hace hincapi� en el uso de los drones o veh�culos a�reos no tripulados (UAV); Parra et al (2025) pone de relieve la teledetecci�n y la inteligencia artificial; Saha et al (2025) resalta� el uso de im�genes de banda multiespectral del sat�lite Landsat-8; S�nchez et al (2024) destacan el potencial de los sat�lites, drones, sensores y GPS; Laveglia et al (2024) plantea el uso de los sensores de monitoreo y procesamiento de im�genes; Soussi et al (2024) destacan las tecnolog�as como sensores inteligentes, junto con tecnolog�as como el Internet de las Cosas (IdC), el an�lisis de big data y la Inteligencia Artificial (IA) y; Balbont�n et al (2022) resaltan las bondades de las im�genes satelitales para determinar las necesidades h�dricas en diferentes cultivos.

Los textos seleccionados en esta revisi�n con objeto de evaluar la tem�tica m�s ampliamente provienen de revistas indexadas, organismos especializados y repositorios de universidades de diversos pa�ses, dentro de los que se han se�alado en los p�rrafos precedentes 04 estudios del Ecuador; 02 de otros pa�ses de ALC; 02 de Italia y con 01 publicaciones Espa�a, Ir�n, Dubai, India, Croacia, Rumania y M�xico.

Durante la realizaci�n de la revisi�n se tom� en consideraci�n el enfoque metodol�gico empleado encontrando que con 09 estudios se distingue a la metodolog�a que se corresponde con revisiones bibliogr�ficas y 06 fueron de �ndole cuantitativa. Asimismo, se contempl� el tipo o formato del estudio determinando en funci�n de ello 12 art�culos cient�ficos, 02 informes del Fondo Regional de Tecnolog�a Agropecuaria (FONTAGRO) y 01 trabajo de titulaci�n universitaria correspondientes al periodo de consulta 2019-2025 seleccionado.

De cara al futuro y debido a los efectos del cambio clim�tico, principalmente evidenciados en fen�menos como la sequ�a que limita el acceso de agua para el riego efectivo de los cultivos, la agricultura de precisi�n debe posicionarse como una pr�ctica sostenible debidamente apoyada en tecnolog�as avanzadas creadas para tal fin como se resalta en las investigaciones revisadas, en sinergia con el mandato de garantizar el derecho a la alimentaci�n, la seguridad alimentaria y la sostenibilidad ambiental mundial.

 

Referencias

      1.            Angella, G., L�pez, J., Garc�a, C., Urbina, L., Fr�as, C., Acevedo, C., y otros. (2023). Sistema de Asesoramiento al Regante (SAR). �Cu�ndo Regar y Cu�nto Regar? Las Tecnolog�as de Informaci�n y Comunicaci�n (TICs) Como Herramientas Para Fortalecer la Capacidad de la Toma de Decisiones de la Agricultura Familiar. FONTAGRO (Fondo Regional de Tecnolog�a Agropecuaria). https://www.fontagro.org/new/uploads/productos/19037_-_Producto_4_.pdf, pp.36.

      2.            Arnau, L., & Sala, J. (2020). La revisi�n de la literatura cient�fica: Pautas, procedimientos y criterios de calidad. Universitat Aut�noma de Barcelona-Espa�a. https://ddd.uab.cat/pub/recdoc/2020/222109/revliltcie_a2020.pdf, pp.22.

      3.            �vila, E., & Royero, B. (2021). Utilizaci�n de Series Temporales de �ndices Espectrales Basados en Teledetecci�n Para el Monitoreo de Cultivos de Tomate Solanum Lycopersicum. CIGeo. Tercer Congreso en Ingenier�a Geom�tica Valencia. Espa�a. DOI: https://dx.doi.org/10.4995/CiGeo2021.2021.12696. https://riunet.upv.es/server/api/core/bitstreams/0356eacd-db7e-4f2d-a5c8-e46cc986bfda/content, pp.224-230.

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

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

      6.            Bermeo, O., D�vila, W., & Guevara, V. (2025). Aplicaci�n de SIG en an�lisis de NDVI para cultivos de cacao con precisi�n geogr�fica. ALFA. Revista de Investigaci�n en Ciencias Agron�micas y Veterinarias; Volumen 9, N�mero 26. https://doi.org/10.33996/revistaalfa.v9i26.350, pp. 331 - 349.

      7.            Cortez N��ez, J., Zepeda Mondrag�n, F., Garc�a Reyna, M., & Mendoza Gonz�lez, D. (2023). Propuesta para el monitoreo del cultivo de ma�z basado en sensores remotos. Ecosistemas y Recursos Agropecuarios 10(3): e3810. https://doi.org/10.19136/era.a10n3.3810, pp.1-11.

      8.            Escribano Velasco, P. (2009). Integracion de T�cnicas Espectrales para la Detecci�n y Cuantificacion de Tipos de Cubierta en Ecosistemas �ridos. Universidad de Almer�a - Espa�a. https://dialnet.unirioja.es/servlet/tesis?codigo=222658.

      9.            Guzm�n, J., Matuz, M., Arana, J., & L�pez, E. (2024 ). Avances y perspectivas de la agricultura de precisi�n para la sostenibilidad agr�cola. XIKUA Bolet�n Cient�fico de la Escuela Superior de Tlahuelilpan; 12(24). DOI:10.29057/xikua.v12i24.12790. https://www.researchgate.net/publication/382045723_Avances_y_perspectivas_de_la_agricultura_de_precision_para_la_sostenibilidad_agricola, pp.1-6.

  10.            GWP & FAO. (2013). Tecnolog�as Para el Uso Sostenible del Agua: Una contribuci�n a la seguridad alimentaria y la adaptaci�n al cambio clim�tico. Global Water Partnership Cetral Am�rica/Organizaci�n de las Naciones Unidas para la Alimentaci�n y la Agricultura (FAO). Tegucigalpa, Honduras, https://www.fao.org/fileadmin/user_upload/AGRO_Noticias/docs/Tecnologias_para_el_uso_sostenible_del_agua.pdf, pp.70.

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

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

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

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

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

  16.            Mora, A. (2025). Implementaci�n de drones con c�maras multiespectrales para optimizar el monitoreo y manejo de cultivos. Universidad T�cnica de Babahoyo. Los R�os � Ecuador. Trabajo de Titulaci�n. https://dspace.utb.edu.ec/bitstream/handle/49000/18044/E-UTB-FACIAG-AGRON-000212.pdf?sequence=1&isAllowed=y, pp.41.

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

  18.            Piedad Rubio, A., Hern�ndez L�pez, D., L�rraga Altamirano, H., & Zacar�as Gonz�lez, E. (2020). Teledetecci�n en la Agricultura de Precisi�n: Estado del Arte de los �ndices de Vegetaci�n. TECTZAPIC. Revista de divulgaci�n cient�fica y tecnol�gica/ Vol. 6 No. 2/ Ciudad Valles, S.L.P. M�xico/, pp.46-58.

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

  20.            R�os, R. (2021). La Agricultura de Precisi�n. Una necesidad actual. Revista Ingenier�a Agr�cola, vol. 11, n�m. 1, e10. https://www.redalyc.org/journal/5862/586269368010/586269368010.pdf, pp.67-74.

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

  22.            S�nchez, L., Torres, S., Ter�n, G., Mart�nez, F., & Lascano, A. (2024). Agricultura de Precisi�n en el Ecuador. Ciencia Latina Internacional; Vol.8, N�m. 1. DOI: https://doi.org/10.37811/cl_rcm.v8i1.9547. https://ciencialatina.org/index.php/cienciala/article/view/9547/14138.

  23.            SISSA. (2024). Descripci�n de Productos SISSA de Estimaci�n del Estado de la Vegetaci�n Derivados Con Datos Satelitales. Sistema de Informaci�n Sobre Sequ�as Para el Sur de Sudam�rica (SISSA). https://sissa.crc-sas.org/wp-content/uploads/2024/05/RT-Indices-de-vegetacion-corregido.pdf, pp.41.

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

  25.            Terr�n, J., & Dom�nguez, F. (2020). Cap�tulo II. Conceptos de Agricultura de Precisi�n. Fondo Europeo de Desarrollo Regional (FEDER)/Programa INTERREG V-A Espa�a-Portugal (POCTEP)/Proyecto INNOACE.https://www.researchgate.net/profile/Jose-Maria-Terron/publication/350754788_CONCEPTOS_DE_AGRICULTURA_DE_PRECISION_Separata_del_Capitulo_II_del_l , pp.20.

  26.            Vel�squez, J. (2014). Una gu�a corta para escribir revisiones sistem�ticas de literatura parte 2. DYNA, Universidad Nacional de Colombia, 81. http://orcid.org/0000-0003-3043-3037.

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

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

  29.            Villalba, R., & Pineda, J. (2023). Calculo de �ndices de vegetaci�n, NDVI, SAVI, EVI, NDWI con Landsat 8 de los Distritos Misiones e Itapu�, cercanas al Embalse de Yacyret�, Paraguay. https://rpubs.com/Paraguaya/1006360.

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

  31.            Z��iga L�pez, J. (2018). Aplicaci�n de Sensores Remotos Para An�lisis del Estado Vegetativo del Cultivo de Palma de Aceite Por Medio del �ndice de Vegetaci�n de Diferencia Normalizada (NDVI) y Firmas Espectrales Mediante Fotograf�as A�reas. Universidad Militar Nueva Granada. Bogota D.C. Trabajo de Especializaci�n. https://repository.umng.edu.co/server/api/core/bitstreams/f70c9253-2408-4697-838d-b2e1c26ae15e/content, pp.1-16.

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).