Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina

Autores
Marini, Mario Fabian; Ponti González, Nicanor; D’Amico, María Belén; Renzi Pugni, Juan Pablo; Chantre, Guillermo
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El creciente acceso a imágenes satelitales de alta resolución, mediciones de campo georreferenciadas y herramientas de manejo masivo de datos facilita el desarrollo de modelos predictivos orientados a mejorar la planificación agrícola. Este tipo de soporte resulta particularmente de ayuda en regiones como el centro-oeste de la provincia de Buenos Aires, Argentina. Dicha zona posee, a pesar de su alto potencial, bajos niveles de adopción de cultivos de cobertura como Vicia villosa Roth debido a la marcada variabilidad productiva entre parcelas agrícolas y dentro de una misma parcela. Este trabajo evalúa la capacidad individual de distintos índices de vegetación derivados de imágenes Sentinel-2 para actuar como variable de entrada en modelos de predicción del rendimiento de semillas de vicia. Para ello, se consideraron cuatro grupos de índices calculados a partir de distintas bandas espectrales y en múltiples fechas comprendidas entre el crecimiento vegetativo y la maduración de las semillas. Para cada índice, las observaciones temporales se apilaron formando una imagen multibanda y se asociaron a las mediciones de rendimiento registradas por las cosechadoras. Con dicha información, se entrenaron y validaron modelos de clasificación supervisada utilizando el algoritmo de Random Forest. El estudio se llevó a cabo con los datos disponibles de siete parcelas representativas de la región. Los resultados mostraron que los índices derivados de las bandas del borde rojo presentan las mayores capacidades discriminatorias, incluso al reducir el apilamiento de entrada a las últimas etapas del ciclo fenológico del cultivo. Asimismo, ciertos índices que incorporan correcciones asociadas al efecto del suelo o al área fotosintéticamente activa también alcanzaron altos desempeños en la clasificación. El análisis de los índices contribuye a la generación de una base sólida para el desarrollo de una herramienta predictiva aplicable a la producción de semillas de Vicia en el centro-oeste bonaerense de Argentina.
The increasing availability of high-resolution satellite imagery, georeferenced field measurements, and big data management tools facilitates the development of predictive models that improve agricultural planning. This type of support is particularly valuable in regions like the central-western pampas (Argentine) where the adoption of cover crops such as Vicia villosa Roth is limited due to their high yield variability. This study evaluates the individual capacity of different vegetation indices derived from Sentinel-2 imagery to serve as input variables in models for predicting vetch seed yield. Four groups of indices, calculated from different spectral bands and across multiple dates between vegetation growth and seed maturation were considered. For each index, temporal observations were stacked to form a multiband image and associated with yield measurements recorded by harvesters. Using this information, supervised classification models were trained and validated using the Random Forest algorithm. The study was conducted with available data from seven fields in the region. Results showed that indices derived from red-edge bands exhibited the highest discriminative capacity, even when the input stack was reduced to observations from the final stages of the crop phenological cycle. In addition, certain indices incorporating corrections related to soil background effects or photosynthetically active area also achieved high classification performance. This analysis contributes to establishing a solid base for developing a predictive tool applicable to vetch seed production in central-western Pampas.
EEA Bordenave
Fil: Marini, Fabián. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Bordenave. Agencia de Extensión Rural Bahía Blanca; Argentina
Fil: Ponti González, Nicanor. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina
Fil: D’Amico, María Belén. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina
Fil: Renzi Pugni, Juan Pablo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Hilario Ascasubi; Argentina
Fil: Chantre, Guillermo. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Chantre, Guillermo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina
Fil: Chantre, Guillermo. Servicio Meteorológico Nacional; Argentina
Fuente
Revista de Teledetección 68 : e25177 (julio 2026)
Materia
Leguminosas
Vicia villosa
Índice de Vegetación
Rendimiento
Legumes
Vegetation Index
Yields
Buenos Aires (province)
Buenos Aires (provincia)
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:20.500.12123/26995
Acceder
id INTADig_fbc7392d08d0b825121883543f3e7d40
oai_identifier_str oai:localhost:20.500.12123/26995
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, ArgentinaComparative evaluation of vegetation indices to estimate yield level of Vicia villosa Roth in the Central-West Pampas, ArgentineMarini, Mario FabianPonti González, NicanorD’Amico, María BelénRenzi Pugni, Juan PabloChantre, GuillermoLeguminosasVicia villosaÍndice de VegetaciónRendimientoLegumesVegetation IndexYieldsBuenos Aires (province)Buenos Aires (provincia)El creciente acceso a imágenes satelitales de alta resolución, mediciones de campo georreferenciadas y herramientas de manejo masivo de datos facilita el desarrollo de modelos predictivos orientados a mejorar la planificación agrícola. Este tipo de soporte resulta particularmente de ayuda en regiones como el centro-oeste de la provincia de Buenos Aires, Argentina. Dicha zona posee, a pesar de su alto potencial, bajos niveles de adopción de cultivos de cobertura como Vicia villosa Roth debido a la marcada variabilidad productiva entre parcelas agrícolas y dentro de una misma parcela. Este trabajo evalúa la capacidad individual de distintos índices de vegetación derivados de imágenes Sentinel-2 para actuar como variable de entrada en modelos de predicción del rendimiento de semillas de vicia. Para ello, se consideraron cuatro grupos de índices calculados a partir de distintas bandas espectrales y en múltiples fechas comprendidas entre el crecimiento vegetativo y la maduración de las semillas. Para cada índice, las observaciones temporales se apilaron formando una imagen multibanda y se asociaron a las mediciones de rendimiento registradas por las cosechadoras. Con dicha información, se entrenaron y validaron modelos de clasificación supervisada utilizando el algoritmo de Random Forest. El estudio se llevó a cabo con los datos disponibles de siete parcelas representativas de la región. Los resultados mostraron que los índices derivados de las bandas del borde rojo presentan las mayores capacidades discriminatorias, incluso al reducir el apilamiento de entrada a las últimas etapas del ciclo fenológico del cultivo. Asimismo, ciertos índices que incorporan correcciones asociadas al efecto del suelo o al área fotosintéticamente activa también alcanzaron altos desempeños en la clasificación. El análisis de los índices contribuye a la generación de una base sólida para el desarrollo de una herramienta predictiva aplicable a la producción de semillas de Vicia en el centro-oeste bonaerense de Argentina.The increasing availability of high-resolution satellite imagery, georeferenced field measurements, and big data management tools facilitates the development of predictive models that improve agricultural planning. This type of support is particularly valuable in regions like the central-western pampas (Argentine) where the adoption of cover crops such as Vicia villosa Roth is limited due to their high yield variability. This study evaluates the individual capacity of different vegetation indices derived from Sentinel-2 imagery to serve as input variables in models for predicting vetch seed yield. Four groups of indices, calculated from different spectral bands and across multiple dates between vegetation growth and seed maturation were considered. For each index, temporal observations were stacked to form a multiband image and associated with yield measurements recorded by harvesters. Using this information, supervised classification models were trained and validated using the Random Forest algorithm. The study was conducted with available data from seven fields in the region. Results showed that indices derived from red-edge bands exhibited the highest discriminative capacity, even when the input stack was reduced to observations from the final stages of the crop phenological cycle. In addition, certain indices incorporating corrections related to soil background effects or photosynthetically active area also achieved high classification performance. This analysis contributes to establishing a solid base for developing a predictive tool applicable to vetch seed production in central-western Pampas.EEA BordenaveFil: Marini, Fabián. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Bordenave. Agencia de Extensión Rural Bahía Blanca; ArgentinaFil: Ponti González, Nicanor. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; ArgentinaFil: D’Amico, María Belén. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; ArgentinaFil: Renzi Pugni, Juan Pablo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Hilario Ascasubi; ArgentinaFil: Chantre, Guillermo. Universidad Nacional del Sur. Departamento de Agronomía; ArgentinaFil: Chantre, Guillermo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; ArgentinaFil: Chantre, Guillermo. Servicio Meteorológico Nacional; ArgentinaUniversidad Politécnica de Valencia2026-07-13T16:08:19Z2026-07-13T16:08:19Z2026-05-13info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://hdl.handle.net/20.500.12123/26995https://polipapers.upv.es/index.php/raet/article/view/25177/184111988-87401133-0953 (online)https://doi.org/10.4995/raet.2026.25177Revista de Teledetección 68 : e25177 (julio 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)2026-09-24T11:43:27Zoai:localhost:20.500.12123/26995instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-09-24 11:43:28.539INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
Comparative evaluation of vegetation indices to estimate yield level of Vicia villosa Roth in the Central-West Pampas, Argentine
title Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
spellingShingle Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
Marini, Mario Fabian
Leguminosas
Vicia villosa
Índice de Vegetación
Rendimiento
Legumes
Vegetation Index
Yields
Buenos Aires (province)
Buenos Aires (provincia)
title_short Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
title_full Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
title_fullStr Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
title_full_unstemmed Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
title_sort Evaluación comparativa de índices de vegetación para estimar el rendimiento de Vicia villosa Roth en el centrooeste de la provincia de Buenos Aires, Argentina
dc.creator.none.fl_str_mv Marini, Mario Fabian
Ponti González, Nicanor
D’Amico, María Belén
Renzi Pugni, Juan Pablo
Chantre, Guillermo
author Marini, Mario Fabian
author_facet Marini, Mario Fabian
Ponti González, Nicanor
D’Amico, María Belén
Renzi Pugni, Juan Pablo
Chantre, Guillermo
author_role author
author2 Ponti González, Nicanor
D’Amico, María Belén
Renzi Pugni, Juan Pablo
Chantre, Guillermo
author2_role author
author
author
author
dc.subject.none.fl_str_mv Leguminosas
Vicia villosa
Índice de Vegetación
Rendimiento
Legumes
Vegetation Index
Yields
Buenos Aires (province)
Buenos Aires (provincia)
topic Leguminosas
Vicia villosa
Índice de Vegetación
Rendimiento
Legumes
Vegetation Index
Yields
Buenos Aires (province)
Buenos Aires (provincia)
dc.description.none.fl_txt_mv El creciente acceso a imágenes satelitales de alta resolución, mediciones de campo georreferenciadas y herramientas de manejo masivo de datos facilita el desarrollo de modelos predictivos orientados a mejorar la planificación agrícola. Este tipo de soporte resulta particularmente de ayuda en regiones como el centro-oeste de la provincia de Buenos Aires, Argentina. Dicha zona posee, a pesar de su alto potencial, bajos niveles de adopción de cultivos de cobertura como Vicia villosa Roth debido a la marcada variabilidad productiva entre parcelas agrícolas y dentro de una misma parcela. Este trabajo evalúa la capacidad individual de distintos índices de vegetación derivados de imágenes Sentinel-2 para actuar como variable de entrada en modelos de predicción del rendimiento de semillas de vicia. Para ello, se consideraron cuatro grupos de índices calculados a partir de distintas bandas espectrales y en múltiples fechas comprendidas entre el crecimiento vegetativo y la maduración de las semillas. Para cada índice, las observaciones temporales se apilaron formando una imagen multibanda y se asociaron a las mediciones de rendimiento registradas por las cosechadoras. Con dicha información, se entrenaron y validaron modelos de clasificación supervisada utilizando el algoritmo de Random Forest. El estudio se llevó a cabo con los datos disponibles de siete parcelas representativas de la región. Los resultados mostraron que los índices derivados de las bandas del borde rojo presentan las mayores capacidades discriminatorias, incluso al reducir el apilamiento de entrada a las últimas etapas del ciclo fenológico del cultivo. Asimismo, ciertos índices que incorporan correcciones asociadas al efecto del suelo o al área fotosintéticamente activa también alcanzaron altos desempeños en la clasificación. El análisis de los índices contribuye a la generación de una base sólida para el desarrollo de una herramienta predictiva aplicable a la producción de semillas de Vicia en el centro-oeste bonaerense de Argentina.
The increasing availability of high-resolution satellite imagery, georeferenced field measurements, and big data management tools facilitates the development of predictive models that improve agricultural planning. This type of support is particularly valuable in regions like the central-western pampas (Argentine) where the adoption of cover crops such as Vicia villosa Roth is limited due to their high yield variability. This study evaluates the individual capacity of different vegetation indices derived from Sentinel-2 imagery to serve as input variables in models for predicting vetch seed yield. Four groups of indices, calculated from different spectral bands and across multiple dates between vegetation growth and seed maturation were considered. For each index, temporal observations were stacked to form a multiband image and associated with yield measurements recorded by harvesters. Using this information, supervised classification models were trained and validated using the Random Forest algorithm. The study was conducted with available data from seven fields in the region. Results showed that indices derived from red-edge bands exhibited the highest discriminative capacity, even when the input stack was reduced to observations from the final stages of the crop phenological cycle. In addition, certain indices incorporating corrections related to soil background effects or photosynthetically active area also achieved high classification performance. This analysis contributes to establishing a solid base for developing a predictive tool applicable to vetch seed production in central-western Pampas.
EEA Bordenave
Fil: Marini, Fabián. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Bordenave. Agencia de Extensión Rural Bahía Blanca; Argentina
Fil: Ponti González, Nicanor. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina
Fil: D’Amico, María Belén. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina. Universidad Nacional del Sur. Instituto de Investigaciones en Ingeniería Eléctrica; Argentina
Fil: Renzi Pugni, Juan Pablo. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria Hilario Ascasubi; Argentina
Fil: Chantre, Guillermo. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Chantre, Guillermo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina
Fil: Chantre, Guillermo. Servicio Meteorológico Nacional; Argentina
description El creciente acceso a imágenes satelitales de alta resolución, mediciones de campo georreferenciadas y herramientas de manejo masivo de datos facilita el desarrollo de modelos predictivos orientados a mejorar la planificación agrícola. Este tipo de soporte resulta particularmente de ayuda en regiones como el centro-oeste de la provincia de Buenos Aires, Argentina. Dicha zona posee, a pesar de su alto potencial, bajos niveles de adopción de cultivos de cobertura como Vicia villosa Roth debido a la marcada variabilidad productiva entre parcelas agrícolas y dentro de una misma parcela. Este trabajo evalúa la capacidad individual de distintos índices de vegetación derivados de imágenes Sentinel-2 para actuar como variable de entrada en modelos de predicción del rendimiento de semillas de vicia. Para ello, se consideraron cuatro grupos de índices calculados a partir de distintas bandas espectrales y en múltiples fechas comprendidas entre el crecimiento vegetativo y la maduración de las semillas. Para cada índice, las observaciones temporales se apilaron formando una imagen multibanda y se asociaron a las mediciones de rendimiento registradas por las cosechadoras. Con dicha información, se entrenaron y validaron modelos de clasificación supervisada utilizando el algoritmo de Random Forest. El estudio se llevó a cabo con los datos disponibles de siete parcelas representativas de la región. Los resultados mostraron que los índices derivados de las bandas del borde rojo presentan las mayores capacidades discriminatorias, incluso al reducir el apilamiento de entrada a las últimas etapas del ciclo fenológico del cultivo. Asimismo, ciertos índices que incorporan correcciones asociadas al efecto del suelo o al área fotosintéticamente activa también alcanzaron altos desempeños en la clasificación. El análisis de los índices contribuye a la generación de una base sólida para el desarrollo de una herramienta predictiva aplicable a la producción de semillas de Vicia en el centro-oeste bonaerense de Argentina.
publishDate 2026
dc.date.none.fl_str_mv 2026-07-13T16:08:19Z
2026-07-13T16:08:19Z
2026-05-13
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/20.500.12123/26995
https://polipapers.upv.es/index.php/raet/article/view/25177/18411
1988-8740
1133-0953 (online)
https://doi.org/10.4995/raet.2026.25177
url http://hdl.handle.net/20.500.12123/26995
https://polipapers.upv.es/index.php/raet/article/view/25177/18411
https://doi.org/10.4995/raet.2026.25177
identifier_str_mv 1988-8740
1133-0953 (online)
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 Universidad Politécnica de Valencia
publisher.none.fl_str_mv Universidad Politécnica de Valencia
dc.source.none.fl_str_mv Revista de Teledetección 68 : e25177 (julio 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_ 1877227350747250688
score 12.754232

Publicaciones similares