Herramienta de inteligencia artificial para la detección automática del riego por pivote central

Autores
Barrionuevo, Néstor; Havrylenko, Sofía; Sepulcri, Gabriela; Casella, Alejandra; Espíndola, Aimé
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.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Riego por aspersión
Imágenes satelitales
Inteligencia artificial
Sprinkler irrigation
Satellite imagery
Artificial intelligence
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195031
Acceder
id SEDICI_c2bac88e5b7eb2b96cd603b8435fcb7e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195031
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Herramienta de inteligencia artificial para la detección automática del riego por pivote centralArtificial intelligence tools for automatic detection of center pivot irrigationBarrionuevo, NéstorHavrylenko, SofíaSepulcri, GabrielaCasella, AlejandraEspíndola, AiméCiencias InformáticasRiego por aspersiónImágenes satelitalesInteligencia artificialSprinkler irrigationSatellite imageryArtificial intelligenceEl 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.Sociedad Argentina de Informática e Investigación Operativa2026-05-27info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/195031spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/ejs/article/view/20958info:eu-repo/semantics/altIdentifier/issn/1514-6774info:eu-repo/semantics/altIdentifier/doi/10.24215/15146774e103info: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)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:16:56Zoai:sedici.unlp.edu.ar:10915/195031Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:16:56.342SEDICI (UNLP) - Universidad Nacional de La Platafalse
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
spellingShingle Herramienta de inteligencia artificial para la detección automática del riego por pivote central
Barrionuevo, Néstor
Ciencias Informáticas
Riego por aspersión
Imágenes satelitales
Inteligencia artificial
Sprinkler irrigation
Satellite imagery
Artificial intelligence
title_short Herramienta de inteligencia artificial para la detección automática del riego por pivote central
title_full Herramienta de inteligencia artificial para la detección automática del riego por pivote central
title_fullStr Herramienta de inteligencia artificial para la detección automática del riego por pivote central
title_full_unstemmed Herramienta de inteligencia artificial para la detección automática del riego por pivote central
title_sort Herramienta de inteligencia artificial para la detección automática del riego por pivote central
dc.creator.none.fl_str_mv Barrionuevo, Néstor
Havrylenko, Sofía
Sepulcri, Gabriela
Casella, Alejandra
Espíndola, Aimé
author Barrionuevo, Néstor
author_facet Barrionuevo, Néstor
Havrylenko, Sofía
Sepulcri, Gabriela
Casella, Alejandra
Espíndola, Aimé
author_role author
author2 Havrylenko, Sofía
Sepulcri, Gabriela
Casella, Alejandra
Espíndola, Aimé
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Riego por aspersión
Imágenes satelitales
Inteligencia artificial
Sprinkler irrigation
Satellite imagery
Artificial intelligence
topic Ciencias Informáticas
Riego por aspersión
Imágenes satelitales
Inteligencia artificial
Sprinkler irrigation
Satellite imagery
Artificial intelligence
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.
Sociedad Argentina de Informática e Investigación Operativa
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 2026-05-27
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
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://sedici.unlp.edu.ar/handle/10915/195031
url http://sedici.unlp.edu.ar/handle/10915/195031
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/ejs/article/view/20958
info:eu-repo/semantics/altIdentifier/issn/1514-6774
info:eu-repo/semantics/altIdentifier/doi/10.24215/15146774e103
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.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982608805756928
score 13.24418

Publicaciones similares