Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation...

Autores
Barrionuevo, Nestor; Havrylenko, Sofía Beatriz; Sepulcri, Maria Gabriela; Casella, Alejandra An; Espindola, Aime
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El riego por pivote central permite aumentar la productividad agrícola y adaptarse a la variabilidad climática ante la creciente demanda alimentaria y la escasez de agua. Este estudio analiza su expansión en el norte de la provincia de Buenos Aires, Argentina entre 2016 y 2023 mediante el uso de imágenes satelitales Sentinel-2 del programa Copernicus y algoritmos de detección automática. Se calcularon índices espectrales como el NDVI, EVI y WRI, que sirvieron como insumos para el modelo Grounding DINO. Este modelo combina la visión por computadora e inteligencia artificial (IA) basada en lenguaje natural y se adaptó para identificar los patrones circulares típicos del riego por pivote en una región caracterizada por vegetación continua que dificulta la detección automatizada. La metodología desarrollada permitió detectar un aumento del 159% en la cantidad de sistemas de riego durante el período de estudio, asociado a eventos de sequía agrícola que impulsaron su adopción. El modelo alcanzó una métrica F1-Score del 73,2%, que mostró su efectividad en la Pampa Húmeda. Los resultados demuestran que la integración de teledetección e IA permiten monitorear de forma eficiente la expansión de esta tecnología agrícola. Asimismo, se destaca la necesidad de continuar con los modelos de IA para mejorar la detección y caracterización de objetos geográficos, que contribuyan a una gestión sostenible de los recursos hídricos.
Center-pivot irrigation enhances agricultural productivity and adapts to climate variability amid growing food demand and water scarcity. This study analyzes its expansion in northern Buenos Aires Province, Argentina, between 2016 and 2023 using Sentinel-2 satellite imagery from the Copernicus program and automated detection algorithms. Spectral indices such as NDVI, EVI, and WRI were calculated and served as inputs for the Grounding DINO model. This model combines computer vision and natural language-based artificial intelligence (AI) and was adapted to identify the circular patterns typical of center-pivot irrigation in a region characterized by continuous vegetation, which complicates automated detection. The developed methodology detected a 159% increase in irrigation systems during the study period, linked to agricultural drought events that drove their adoption. The model achieved an F1-Score of 73.2%, demonstrating its effectiveness in the Pampa Húmeda region. The results show that integrating remote sensing and AI enables efficient monitoring of this agricultural technology's expansion. Furthermore, the study highlights the need to continue developing AI models to improve the detection and characterization of geographic features, supporting sustainable water resource management.
Instituto de Clima y Agua
Fil: Barrionuevo, Nestor. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Havrylenko, Sofía Beatriz. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Sepulcri, Maria Gabriela. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Área Metropolitana de Buenos Aires. Agencia de Extensión Rural Luján; Argentina
Fil: Casella, Alejandra. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Espindola, Aime. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fuente
SADIO Electronic Journal of Information and Operation Research 25 (2) : 23-42. (2026)
Materia
Riego por Pívot
Imágenes por Satélites
Inteligencia Artificial
Teledetección
Centre Pivot Irrigation
Satellite Imagery
Artificial Intelligence
Remote Sensing
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/27993
Acceder
id INTADig_f935f8ba3d8b8f057a35e719cdcfa539
oai_identifier_str oai:localhost:20.500.12123/27993
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigationBarrionuevo, NestorHavrylenko, Sofía BeatrizSepulcri, Maria GabrielaCasella, Alejandra AnEspindola, AimeRiego por PívotImágenes por SatélitesInteligencia ArtificialTeledetecciónCentre Pivot IrrigationSatellite ImageryArtificial IntelligenceRemote SensingEl riego por pivote central permite aumentar la productividad agrícola y adaptarse a la variabilidad climática ante la creciente demanda alimentaria y la escasez de agua. Este estudio analiza su expansión en el norte de la provincia de Buenos Aires, Argentina entre 2016 y 2023 mediante el uso de imágenes satelitales Sentinel-2 del programa Copernicus y algoritmos de detección automática. Se calcularon índices espectrales como el NDVI, EVI y WRI, que sirvieron como insumos para el modelo Grounding DINO. Este modelo combina la visión por computadora e inteligencia artificial (IA) basada en lenguaje natural y se adaptó para identificar los patrones circulares típicos del riego por pivote en una región caracterizada por vegetación continua que dificulta la detección automatizada. La metodología desarrollada permitió detectar un aumento del 159% en la cantidad de sistemas de riego durante el período de estudio, asociado a eventos de sequía agrícola que impulsaron su adopción. El modelo alcanzó una métrica F1-Score del 73,2%, que mostró su efectividad en la Pampa Húmeda. Los resultados demuestran que la integración de teledetección e IA permiten monitorear de forma eficiente la expansión de esta tecnología agrícola. Asimismo, se destaca la necesidad de continuar con los modelos de IA para mejorar la detección y caracterización de objetos geográficos, que contribuyan a una gestión sostenible de los recursos hídricos.Center-pivot irrigation enhances agricultural productivity and adapts to climate variability amid growing food demand and water scarcity. This study analyzes its expansion in northern Buenos Aires Province, Argentina, between 2016 and 2023 using Sentinel-2 satellite imagery from the Copernicus program and automated detection algorithms. Spectral indices such as NDVI, EVI, and WRI were calculated and served as inputs for the Grounding DINO model. This model combines computer vision and natural language-based artificial intelligence (AI) and was adapted to identify the circular patterns typical of center-pivot irrigation in a region characterized by continuous vegetation, which complicates automated detection. The developed methodology detected a 159% increase in irrigation systems during the study period, linked to agricultural drought events that drove their adoption. The model achieved an F1-Score of 73.2%, demonstrating its effectiveness in the Pampa Húmeda region. The results show that integrating remote sensing and AI enables efficient monitoring of this agricultural technology's expansion. Furthermore, the study highlights the need to continue developing AI models to improve the detection and characterization of geographic features, supporting sustainable water resource management.Instituto de Clima y AguaFil: Barrionuevo, Nestor. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; ArgentinaFil: Havrylenko, Sofía Beatriz. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; ArgentinaFil: Sepulcri, Maria Gabriela. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Área Metropolitana de Buenos Aires. Agencia de Extensión Rural Luján; ArgentinaFil: Casella, Alejandra. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; ArgentinaFil: Espindola, Aime. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; ArgentinaSociedad Argentina de Informática e Investigación Operativa (SADIO)2026-10-02T13:58:34Z2026-10-02T13:58:34Z2026info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/27993https://revistas.unlp.edu.ar/ejs/article/view/209581514-6774https://doi.org/10.24215/15146774e103SADIO Electronic Journal of Information and Operation Research 25 (2) : 23-42. (2026)reponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-11-05T11:51:39Zoai:localhost:20.500.12123/27993instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-11-05 11:51:40.105INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
title Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
spellingShingle Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
Barrionuevo, Nestor
Riego por Pívot
Imágenes por Satélites
Inteligencia Artificial
Teledetección
Centre Pivot Irrigation
Satellite Imagery
Artificial Intelligence
Remote Sensing
title_short Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
title_full Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
title_fullStr Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
title_full_unstemmed Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
title_sort Herramienta de inteligencia artificial para la detección automática del riego por pivote central = Artificial intelligence tools for automatic detection of center pivot irrigation
dc.creator.none.fl_str_mv Barrionuevo, Nestor
Havrylenko, Sofía Beatriz
Sepulcri, Maria Gabriela
Casella, Alejandra An
Espindola, Aime
author Barrionuevo, Nestor
author_facet Barrionuevo, Nestor
Havrylenko, Sofía Beatriz
Sepulcri, Maria Gabriela
Casella, Alejandra An
Espindola, Aime
author_role author
author2 Havrylenko, Sofía Beatriz
Sepulcri, Maria Gabriela
Casella, Alejandra An
Espindola, Aime
author2_role author
author
author
author
dc.subject.none.fl_str_mv Riego por Pívot
Imágenes por Satélites
Inteligencia Artificial
Teledetección
Centre Pivot Irrigation
Satellite Imagery
Artificial Intelligence
Remote Sensing
topic Riego por Pívot
Imágenes por Satélites
Inteligencia Artificial
Teledetección
Centre Pivot Irrigation
Satellite Imagery
Artificial Intelligence
Remote Sensing
dc.description.none.fl_txt_mv El riego por pivote central permite aumentar la productividad agrícola y adaptarse a la variabilidad climática ante la creciente demanda alimentaria y la escasez de agua. Este estudio analiza su expansión en el norte de la provincia de Buenos Aires, Argentina entre 2016 y 2023 mediante el uso de imágenes satelitales Sentinel-2 del programa Copernicus y algoritmos de detección automática. Se calcularon índices espectrales como el NDVI, EVI y WRI, que sirvieron como insumos para el modelo Grounding DINO. Este modelo combina la visión por computadora e inteligencia artificial (IA) basada en lenguaje natural y se adaptó para identificar los patrones circulares típicos del riego por pivote en una región caracterizada por vegetación continua que dificulta la detección automatizada. La metodología desarrollada permitió detectar un aumento del 159% en la cantidad de sistemas de riego durante el período de estudio, asociado a eventos de sequía agrícola que impulsaron su adopción. El modelo alcanzó una métrica F1-Score del 73,2%, que mostró su efectividad en la Pampa Húmeda. Los resultados demuestran que la integración de teledetección e IA permiten monitorear de forma eficiente la expansión de esta tecnología agrícola. Asimismo, se destaca la necesidad de continuar con los modelos de IA para mejorar la detección y caracterización de objetos geográficos, que contribuyan a una gestión sostenible de los recursos hídricos.
Center-pivot irrigation enhances agricultural productivity and adapts to climate variability amid growing food demand and water scarcity. This study analyzes its expansion in northern Buenos Aires Province, Argentina, between 2016 and 2023 using Sentinel-2 satellite imagery from the Copernicus program and automated detection algorithms. Spectral indices such as NDVI, EVI, and WRI were calculated and served as inputs for the Grounding DINO model. This model combines computer vision and natural language-based artificial intelligence (AI) and was adapted to identify the circular patterns typical of center-pivot irrigation in a region characterized by continuous vegetation, which complicates automated detection. The developed methodology detected a 159% increase in irrigation systems during the study period, linked to agricultural drought events that drove their adoption. The model achieved an F1-Score of 73.2%, demonstrating its effectiveness in the Pampa Húmeda region. The results show that integrating remote sensing and AI enables efficient monitoring of this agricultural technology's expansion. Furthermore, the study highlights the need to continue developing AI models to improve the detection and characterization of geographic features, supporting sustainable water resource management.
Instituto de Clima y Agua
Fil: Barrionuevo, Nestor. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Havrylenko, Sofía Beatriz. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Sepulcri, Maria Gabriela. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Área Metropolitana de Buenos Aires. Agencia de Extensión Rural Luján; Argentina
Fil: Casella, Alejandra. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
Fil: Espindola, Aime. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina
description El riego por pivote central permite aumentar la productividad agrícola y adaptarse a la variabilidad climática ante la creciente demanda alimentaria y la escasez de agua. Este estudio analiza su expansión en el norte de la provincia de Buenos Aires, Argentina entre 2016 y 2023 mediante el uso de imágenes satelitales Sentinel-2 del programa Copernicus y algoritmos de detección automática. Se calcularon índices espectrales como el NDVI, EVI y WRI, que sirvieron como insumos para el modelo Grounding DINO. Este modelo combina la visión por computadora e inteligencia artificial (IA) basada en lenguaje natural y se adaptó para identificar los patrones circulares típicos del riego por pivote en una región caracterizada por vegetación continua que dificulta la detección automatizada. La metodología desarrollada permitió detectar un aumento del 159% en la cantidad de sistemas de riego durante el período de estudio, asociado a eventos de sequía agrícola que impulsaron su adopción. El modelo alcanzó una métrica F1-Score del 73,2%, que mostró su efectividad en la Pampa Húmeda. Los resultados demuestran que la integración de teledetección e IA permiten monitorear de forma eficiente la expansión de esta tecnología agrícola. Asimismo, se destaca la necesidad de continuar con los modelos de IA para mejorar la detección y caracterización de objetos geográficos, que contribuyan a una gestión sostenible de los recursos hídricos.
publishDate 2026
dc.date.none.fl_str_mv 2026-10-02T13:58:34Z
2026-10-02T13:58:34Z
2026
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/27993
https://revistas.unlp.edu.ar/ejs/article/view/20958
1514-6774
https://doi.org/10.24215/15146774e103
url http://hdl.handle.net/20.500.12123/27993
https://revistas.unlp.edu.ar/ejs/article/view/20958
https://doi.org/10.24215/15146774e103
identifier_str_mv 1514-6774
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa (SADIO)
publisher.none.fl_str_mv Sociedad Argentina de Informática e Investigación Operativa (SADIO)
dc.source.none.fl_str_mv SADIO Electronic Journal of Information and Operation Research 25 (2) : 23-42. (2026)
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1881032528576380928
score 13.334379

Publicaciones similares