El modelo permite personalizar un conjunto de variables, lo que puede resultar útil para otros cultivos en distintos contextos agrícolas. De este modo, tiene potencial para orientar estimaciones más precisas durante las cosechas y contribuir a la formulación de políticas públicas destinadas a apoyar las cadenas productivas y a dar soporte a los sistemas de seguros.
Con la producción mundial de granos —especialmente arroz, maíz, trigo y soja— concentrada en cinco países (China, Estados Unidos, India, Brasil y Argentina), las oscilaciones de las cosechas pueden provocar efectos tanto en los precios como en el abastecimiento global. Además, estos cultivos han sufrido los impactos del cambio climático, al estar expuestos a sequías severas, lluvias extremas y heladas más frecuentes, lo que ha llevado el tema de los sistemas agroalimentarios a rondas de negociación como la COP30, realizada en Belém.
Integraron datos de teledetección óptica (sensor MultiSpectral Instrument, de resolución espacial media, a bordo de los satélites de la misión Sentinel-2) con técnicas de aprendizaje automático (algoritmo Random Forest). Obtuvieron un 96 % de acierto en el mapeo de los cultivos de maíz, revelando que el 70 % de ellos fue afectado por las heladas en ese período. Con el método, al que denominaron GEEadas, lograron señalar en mapas las áreas impactadas.
Los resultados fueron publicados en la revista Remote Sensing Applications: Society and Environment.
Junto con el profesor Michel Eustáquio Dantas Chaves, de la Facultad de Ciencias e Ingeniería de la Universidad Estatal Paulista (Unesp) en Tupã, Adami viene trabajando desde hace algunos años en investigaciones con teledetección orientadas a aplicaciones prácticas en la agricultura.
“Los productores aún enfrentan una serie de incertidumbres climáticas durante la cosecha, especialmente cuando ocurren eventos extremos, como las heladas, que tienen impactos sociales, económicos y ambientales. En esos casos, es necesario identificar qué parte del cultivo fue afectada para informar al productor, a los bancos que otorgan crédito o a los organismos institucionales. Este método aporta precisión, al indicar el área impactada y reducir las incertidumbres”, afirmó Chaves, primer autor del artículo, que contó con el apoyo de la FAPESP.
Relevancia del sector #
En la estimación de octubre de 2025, el Instituto Brasileño de Geografía y Estadística (IBGE) informó que la cosecha nacional de cereales, leguminosas y oleaginosas alcanzó los 345,6 millones de toneladas, un 18 % más que en 2024, récord de la serie histórica. Arroz, maíz y soja son los tres principales productos que, en conjunto, representan el 93 % de la estimación de producción y el 88 % del área a cosechar.
Paraná es el segundo mayor productor de granos de Brasil, sólo por detrás del estado de Mato Grosso. En el caso del maíz, la estimación de producción en 2025 fue de 141,6 millones de toneladas, también un récord.
Según la investigación, en la cosecha 2019/2020 la producción alcanzaba alrededor de 103 millones de toneladas. Esto representaba el doble de la registrada una década antes, con tres cuartas partes de la oferta provenientes de la segunda cosecha, cuando el maíz se cultiva tras la recolección de la soja y se cosecha entre junio y julio. Este incremento fue posible gracias a cambios en las prácticas de manejo, como la adopción de nuevos fertilizantes y el cultivo de maíz de ciclo corto, por ejemplo.
Con el objetivo de validar el método, los investigadores compararon el área de mapeo de maíz y las estimaciones de daños por heladas con los datos oficiales proporcionados posteriormente por la Secretaría de Estado de Agricultura y Abastecimiento. También utilizaron información de aseguradoras. Normalmente, los agricultores recurren al seguro para recuperar pérdidas causadas por eventos adversos. Para cada solicitud, un especialista agrícola visita el cultivo y analiza los impactos.
“En el campo, los técnicos agrícolas tienen una limitación espacial, propia de la actividad. Al observar desde arriba, con las imágenes de teledetección, logramos complementar lo que hacen los técnicos”, explicó Chaves a la Agência FAPESP.
Cita #
- El estudio GEEadas: GEE-based automatic detection of adverse-frost stress (GEEadas: detección automática basada en GEE del estrés por heladas adversas) fue publicado en la revista Remote Sensing of Environment. Autores: Michel E.D. Chaves, Marcos Adami, Lucas Volochen Oldoni, Grazieli Rodigheri, Victor Hugo R Prudente, Cleverton Tiago Carneiro de Santana, André Garcia, Renan Moreira Covre & Ieda Del’Arco Sanches
Contacto [Notaspampeanas](mailto: notaspampeanas@gmail.com)