Clasificación automatizada de superficies citrícolas mediante SVM y patrones temporales de NDVI: aplicaciones para agricultura de precisión y gestión logística

Palabras clave: cadenas de suministro agrícolas sostenibles, agricultura de precisión, agrologística

Resumen

Este estudio desarrolló un modelo basado en máquinas de vectores de soporte (support vector machines, SVM) y series temporales del índice de vegetación de diferencia normalizada (normalized difference vegetation index, NDVI) para clasificar superficies citrícolas en Álamo, Veracruz, México. Se utilizaron imágenes MODIS (MOD13Q1, 250 m de resolución) de 2003 a 2022, procesadas mediante corrección radiométrica, filtrado de ruido y armonización temporal. Las zonas de entrenamiento se clasificaron en cuatro categorías (cítricos, vegetación natural, pastizales y áreas urbanas) y se utilizaron 3759 series temporales (50 % positivas para cítricos). El modelo SVM (kernel RBF: γ = 0,1, C = 10) alcanzó una precisión del 91,4 % mediante validación cruzada (cinco pliegues), con un 88 % de acierto en cítricos y 93,9 % en no cítricos. Los resultados mostraron un NDVI promedio de 0,74 para cítricos, diferenciable de la maleza (0,87), aunque con desafíos en parcelas pequeñas debido a la resolución espacial. Las estimaciones coincidieron con datos oficiales (SIACON) en 2021 (diferencia de 548 ha), aunque presentaron discrepancias en años con sequías (2007 y 2015) o cambios de manejo (2019 y 2020). Se identificó que factores climáticos y antropogénicos afectan la dinámica del NDVI, lo que evidencia la utilidad del modelo para monitoreo agrícola. Las limitaciones incluyen mezcla de píxeles en áreas heterogéneas. Este trabajo demuestra que el enfoque SVM-NDVI es robusto para la clasificación de superficies citrícolas a escala regional con aplicaciones potenciales en gestión logística, como la optimización de rutas de transporte y la planificación de cosechas mediante patrones espaciotemporales de NDVI. Estos hallazgos abren oportunidades para integrar teledetección y aprendizaje automático en cadenas de suministro agrícola sostenibles.

 

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Fabiola Sánchez-Galván, Tecnológico Nacional de México, campus Instituto Tecnológico Superior de Tantoyuca

Doctora en Logística y Dirección de la Cadena de Suministro por la Universidad Popular Autónoma del Estado de Puebla. Miembro del Sistema Nacional de Investigadoras e Investigadores Nivel 1. Sus líneas de generación y aplicación del conocimiento son la investigación operativa, economía social y solidaria, logística y cadenas de suministro agroalimentarias rurales.

Rogelio García-Rodríguez, Tecnológico Nacional de México, campus Instituto Tecnológico Superior de Tantoyuca

Candidato a doctor en Tecnología Avanzada por IPN-CICATA Altamira. Magíster en Ciencias de la Computación por el TecNM Instituto Tecnológico de Ciudad Madero. Sus líneas de generación y aplicación del conocimiento son la ingeniería y el desarrollo sustentable

Paulino Salas-Martínez, Tecnológico Nacional de México, campus Instituto Tecnológico Superior de Tantoyuca

Magíster en Ingeniería Industrial por el TecNM Instituto Tecnológico Superior de Tantoyuca. Sus líneas de generación y aplicación del conocimiento son la ingeniería y el desarrollo sustentable.

María Xochitl Altamirano Herrera, Tecnológico Nacional de México, campus Instituto Tecnológico Superior de Tantoyucaa

Doctora en Educación y Cultura Digital Pedagógica por el Centro Regional de Educación Superior Paulo Freire A. C. Sus líneas de generación y aplicación del conocimiento son el desarrollo de software y sistemas móviles.

Horacio Bautista-Santos, Tecnológico Nacional de México, campus Instituto Tecnológico Superior de Tantoyuca

Doctor en Logística y Dirección de la Cadena de Suministro por la Universidad Popular Autónoma del Estado de Puebla. Miembro del Sistema Nacional de Investigadoras e Investigadores Nivel 1. Sus líneas de generación y aplicación del conocimiento son la investigación operativa, economía social y solidaria, logística y cadenas de suministro agroalimentarias rurales.

Citas

Aguilar Lome, J. (2021). Identificación temprana y evaluación de procesos de degradación de tierras y sequía empleando datos-imágenes de satélite [Tesis de doctorado, Universidad Nacional Mayor de San Marcos]. Repositorio Institucional UNMSM. https://cybertesis.unmsm.edu.pe/handle/20.500.12672/17542

Bautista, R., Constante, P., Gordon, A., & Mendoza, D. (2018). Diseño e implementación de un sistema de visión artificial para análisis de datos NDVI en imágenes espectrales de cultivos de brócoli obtenidos mediante una aeronave pilotada remotamente. Infociencia, 12, 30-35. https://doi.org/10.24133/infociencia.v12i1.1230

Bautista-Santos, H., Martínez-Flores, J. L., Fernández-Lambert, G., Bernabé-Loranca, M. B., Sánchez-Galván, F., & Sablón-Cossío, N. (2015). Modelo de integración de cadenas de suministro colaborativas. Dyna, 82(193), 145-154. http://dx.doi.org/10.15446/dyna.v82n193.47370

Choubin, B., Soleimani, F., Pirnia, A., Sajedi-Hosseini, F., Alilou, H., Rahmati, O., Melesse, A. M., Singh, V. P., & Shahabi, H. (2019). Effects of drought on vegetative cover changes: Investigating spatiotemporal patterns. En A. M. Melesse, W. Abtew & G. Senay (Eds.), Extreme hydrology and climate variability (pp. 213-222). Elsevier. https://doi.org/10.1016/B978-0-12-815998-9.00017-8

Cleves-Leguizamo, J. A., Ramírez-Castañeda, L. N., & Díaz, E. D. (2021). Proposal of an empirical model to estimate the productivity of ‘Valencia’ orange (Citrus sinensis L. Osbeck) in the Colombian low tropics. Revista Colombiana de Ciencias Hortícolas, 15(3), e10860. https://doi.org/10.17584/rcch.2021v15i3.10860

Didan, K. (2021). MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid V061 [Conjunto de datos]. NASA EOSDIS; USGS. https://doi.org/10.5067/MODIS/MOD13Q1.061

Dirección General del Servicio de Información Agroalimentaria y Pesquera. (2023). SIACON. Sistema de Información Agroalimentaria de Consulta. Gobierno de México. https://www.gob.mx/agricultura/dgsiap/documentos/siacon-ng-161430

Fernández-Echeverría, E., Lavoignet-Ruiz, M., García-Santamaría, L. E., Fernández-Lambert, G., Ruvalcaba-Sánchez, L., Bautista-Santos, H., Sánchez-Galván, F., & Romero-Romero, Y. (2024). Management of citrus cultivation in emerging rural communities in Mexico: Practices and challenges in the central-northern region of Veracruz. Sustainability, 16(20), 8732. https://doi.org/10.3390/su16208732

Figueira Branco, E. R., Rosa dos Santos, A., Macedo Pezzopane, J. E., Banhos dos Santos, A., Alexandre, R. S., Pimentel Bernardes, V., Gomes da Silva, R., Barbosa de Souza, K., & Moura, M. M. (2019). Space-time analysis of vegetation trends and drought occurrence in domain area of tropical forest. Journal of Environmental Management, 246, 384-396. https://doi.org/10.1016/j.jenvman.2019.05.097

Girimonte, P., & García, J. (2020). El índice NDVI y la clasificación de áreas sembradas aprendizaje automático no supervisado “k-means”. Revista de investigación en modelos matemáticos aplicados a la gestión y la economía, 1(7), 39-52. https://www.economicas.uba.ar/wp-content/uploads/2016/04/Girimonte-Garcia-Fronti.pdf

Hsu, C. W., Chang, C. C., & Lin, C.-J. (2016). A practical guide to support vector classification. National Taiwan University. https://eecs.csuohio.edu/~sschung/DSA460/SVM_guide.pdf

Instituto Nacional de Estadística y Geografía. (2010). Compendio de información geográfica municipal 2010. Álamo Temapache. Veracruz de Ignacio de la Llave. https://www.inegi.org.mx/contenidos/app/mexicocifras/datos_geograficos/30/30160.pdf

Kadhim, Z., Khayyun, T., & Alwan, I. (2022). Impact of climate change on crops productivity using MODIS-NDVI time series. Civil Engineering Journal, 8(6), 1136. https://doi.org/10.28991/CEJ-2022-08-06-04

Khare, S., Drolet, G., Sylvain, J.-D., Paré, M. C., & Rossi, S. (2019). Assessment of spatio-temporal patterns of black spruce bud phenology across Quebec based on MODIS-NDVI time series and field observations. Remote Sensing, 11(23), 2745. https://doi.org/10.3390/rs11232745

Kiani, F., Randazzo, G., Yelmen, I., Seyyedabbasi, A., Nematzadeh, S., Anka, F. A., Erenel, F., Zontul, M., Lanza, S., & Muzirafuti, A. (2022). A smart and mechanized agricultural application: From cultivation to harvest. Applied Sciences, 12(12), 6021. https://doi.org/10.3390/app12126021

Measho, S., Chen, B., Trisurat, Y., Pellikka, P., Guo, L., Arunyawat, S., Tuankrua, V., Ogbazghi, W., & Yemane, T. (2019). Spatio-temporal analysis of vegetation dynamics as a response to climate variability and drought patterns in the semiarid region, Eritrea. Remote Sensing, 11(6), 724. https://doi.org/10.3390/rs11060724

Mu, S., Li, B., Yao, J., Yang, G., Wan, R., & Xu, X. (2020). Monitoring the spatio-temporal dynamics of the wetland vegetation in Poyang Lake by Landsat and MODIS observations. Science of The Total Environment, 725, 138096. https://doi.org/10.1016/j.scitotenv.2020.138096

Nolasco, M., Martinez Arraigada, M. de los Á., & Bocco, M. (2023). Caracterización del ciclo del cultivo de trigo en la provincia de Córdoba mediante teledetección. Congreso Argentino de AgroInformática, 9(4), 34-45. http://sedici.unlp.edu.ar/handle/10915/165446

Novo-Fernández, A., Franks, S., Wehenkel, C., López-Serrano, P. M., Molinier, M., & López-Sánchez, C. A. (2018). Landsat time series analysis for temperate forest cover change detection in the Sierra Madre Occidental, Durango, Mexico. International Journal of Applied Earth Observation and Geoinformation, 73, 230-244. https://doi.org/10.1016/j.jag.2018.06.015

Servicio Nacional de Sanidad, Inocuidad y Calidad Agroalimentaria. (2022). Análisis de impacto económico ante un posible establecimiento y de dispersión del cancro de los cítricos en México en áreas comerciales. https://dj.senasica.gob.mx/Contenido/files/2022/agosto/An%C3%A1lisisdeimpactoecon%C3%B3micoanteunposibleestablecimientoydispersi%C3%B3ndelCancrodelosc%C3%ADtricosenM%C3%A9xicoen%C3%A1reascomerciales_107e4f44-49be-4b9a-8058-df20da906b1a.pdf

Testa, S., Soudani, K., Boschetti, L., & Borgogno Mondino, E. (2018). MODIS-derived EVI, NDVI and WDRVI time series to estimate phenological metrics in French deciduous forests. International Journal of Applied Earth Observation and Geoinformation, 64, 132-144. https://doi.org/10.1016/j.jag.2017.08.006

Publicado
2025-07-31
Cómo citar
Sánchez-Galván, F., García-Rodríguez, R., Salas Martínez, P., Altamirano Herrera, M. X., & Bautista-Santos, H. (2025). Clasificación automatizada de superficies citrícolas mediante SVM y patrones temporales de NDVI: aplicaciones para agricultura de precisión y gestión logística. Interfases, (021), 59-80. https://doi.org/10.26439/interfases2025.n021.7858
Sección
Artículos de investigación