Investigadores del INTA desarrollaron una metodología que detecta pivotes centrales con inteligencia artificial e imágenes Sentinel-2, mejorando el monitoreo del riego en la región pampeana.
Un equipo del Instituto de Clima y Agua del INTA logró automatizar la identificación de sistemas de riego por pivote central mediante el uso combinado de imágenes satelitales Sentinel-2 y modelos avanzados de inteligencia artificial. El desarrollo permite detectar de manera precisa los clásicos círculos de riego que se multiplican en el norte bonaerense y otras zonas agrícolas intensivas.
Hasta ahora, el relevamiento de estos equipos demandaba horas de interpretación manual. Con el nuevo algoritmo entrenado para reconocer patrones circulares, el proceso se volvió más ágil y escalable. La metodología fue adaptada especialmente para regiones con alta cobertura vegetal, como la Pampa Húmeda, donde los contrastes son más sutiles que en ambientes áridos.
Los resultados muestran una expansión sostenida del riego presurizado: en el área analizada se pasó de 110 círculos detectados en 2016 a 285 en 2023. En partidos como Rojas, Salto, Pergamino y Bartolomé Mitre se observó un crecimiento constante, con saltos significativos en los últimos años. En Rojas, por ejemplo, las detecciones aumentaron de 25 a 102 en ese período.
El modelo utilizado, basado en la técnica Grounding DINO, combina visión por computadora y descriptores textuales para mejorar la identificación automática. Además, el análisis incorporó índices espectrales como NDVI, EVI2 y WRI, que ayudaron a resaltar los patrones asociados a cultivos irrigados. La precisión alcanzada fue elevada, con una exactitud superior al 98 % y un F1-Score del 73,2 %, considerado sólido para paisajes agrícolas homogéneos.
La validación también permitió ajustar el método según cada partido y el índice espectral más eficiente en cada caso. Este avance abre la puerta a generar cartografía dinámica y actualizada sobre la expansión del riego, una herramienta clave para productores, técnicos y gobiernos locales que necesitan información confiable para planificar inversiones y gestionar mejor el recurso hídrico.
