Las imágenes satelitales se han promocionado durante mucho tiempo como el futuro de la agricultura de precisión, pero los agricultores siguen sufriendo por datos poco fiables y precios que no cuadran. Un nuevo artículo de acceso abierto de Resolv, Inc. sostiene que ambos problemas tienen la misma solución: hacer que la reflectancia superficial precisa sea la salida estándar, no la excepción.

El artículo, "Reflectancia Superficial: Un Estándar de Imagen para Mejorar la Agricultura de Precisión", fue publicado el 30 de marzo en Remote Sensing por el Dr. David Groeneveld y Tim Ruggles de Resolv. Evalúa tres métodos de corrección atmosférica en imágenes Sentinel-2 y describe cómo un estándar de corrección confiable abre la puerta a la inteligencia agrícola de bajo costo y totalmente automatizada.

La luz viaja a través de una atmósfera en constante cambio antes de llegar a un sensor satelital, y ese viaje distorsiona la señal. La corrección atmosférica revierte la distorsión y devuelve los datos a la reflectancia superficial, la medida realmente necesaria para análisis agrícolas precisos. Cuando esa corrección falla, pequeñas nubes y sombras parecen problemas en los cultivos, desencadenando falsas alarmas. Inspeccionar cada una cuesta tiempo y dinero que los agricultores no pueden desperdiciar, y el análisis automatizado ha sido incapaz de separar los datos erróneos de los problemas reales. Como resultado, la agricultura de precisión se ha estancado.

El equipo de Resolv comparó dos herramientas principales, Sen2Cor y FORCE, con CMAC, el método de forma cerrada para corrección atmosférica desarrollado por Resolv y que ahora se está preparando para su lanzamiento comercial. En una amplia gama de condiciones atmosféricas, CMAC produjo estimaciones de reflectancia superficial precisas y exactas. Los dos métodos principales mostraron errores sistemáticos, sobrecorrigiendo imágenes claras y subcorrigiendo las brumosas. Debido a cómo están formuladas esas herramientas, el sesgo había pasado desapercibido hasta que este artículo lo sacó a la luz.

El artículo detalla aplicaciones de prueba de concepto que una reflectancia superficial confiable hace posibles:

Eliminación automatizada de nubes y sombras de nubes, reduciendo las falsas alarmas antes de que lleguen al agricultor.

Un índice automatizado de fecha de inicio de cultivo que podría reemplazar la programación basada en grados-día de crecimiento en millones de acres, permitiendo a los productores planificar tratamientos y cosechas con mucha anticipación.

Lecturas estables de NDVI incluso cuando varía el vapor de agua atmosférico, lo cual es importante para los muchos satélites que solo llevan un sensor de infrarrojo cercano de banda ancha.

Clasificación de la capacidad del suelo directamente desde las imágenes, para que la semilla y el fertilizante puedan aplicarse en tasas variables que equilibren el rendimiento con el costo de los insumos.

Riego remoto preciso de cultivos basado en el verdor de los cultivos y la evapotranspiración de referencia que puede aumentar el rendimiento, ahorrar agua y reducir el costo del riego.

En conjunto, estas aplicaciones ofrecen a la agricultura de precisión un camino real para autofinanciarse.

Los altos costos de las imágenes son la segunda barrera, y el artículo propone un modelo escalonado para reducirlos. El Nivel 1 utiliza imágenes Sentinel-2 gratuitas y de alta calidad corregidas a reflectancia superficial. El Nivel 2 llena los vacíos con datos comerciales de pequeños satélites cuando las nubes bloquean Sentinel-2. Los datos de pequeños satélites pueden ser remuestreados para coincidir con Sentinel-2, verificados y facturados automáticamente, sin intervención humana.

El resultado puede ser una canalización llave en mano que ordena, corrige, analiza, rastrea y factura imágenes en vastas regiones sin puntos de contacto manuales. Los costos del servicio caen drásticamente mientras crece el volumen de ventas de imágenes. El seguro de cultivos podría servir como un canal natural, agilizando el ajuste de pérdidas y poniendo más acres bajo gestión activa sin comprometer la privacidad del productor.

La teledetección ha pasado años prometiendo demasiado y cumpliendo poco para la agricultura. Las imágenes confiables de reflectancia superficial, argumenta Resolv, finalmente pueden cerrar la brecha.

Acerca de Resolv, Inc.

Resolv desarrolla tecnología de corrección atmosférica para imágenes satelitales, con el objetivo de hacer que los análisis de agricultura de precisión sean confiables y asequibles a gran escala. El desarrollo inicial de CMAC fue financiado por la National Science Foundation SBIR. CMAC ahora puede prepararse para su lanzamiento comercial. Resolv tiene otros artículos revisados por pares para revisar en su sitio web https://resolvearth.com.

Justin McKenzie
Contacto por Correo Electrónico
(210) 748-2312

Referencia del artículo: Groeneveld, D. y Ruggles, T. “Reflectancia Superficial: Un Estándar de Imagen para Mejorar la Agricultura de Precisión.” Remote Sensing, 30 de marzo de 2026.

Descargo de responsabilidad: Esta traducción ha sido generada automáticamente por NewsRamp™ para Newsworthy.ai (colectivamente referidos como "LAS EMPRESAS") utilizando plataformas de inteligencia artificial generativas de acceso público. LAS EMPRESAS no garantizan la exactitud ni la integridad de esta traducción y no serán responsables por ningún error, omisión o inexactitud. La confianza en esta traducción es bajo su propio riesgo. LAS EMPRESAS no son responsables por ningún daño o pérdida resultante de tal confianza. La versión oficial y autoritativa de este comunicado de prensa es la versión en inglés.