Cómo usar la información satelital para ser más eficientes en la cosecha de trigo
En noviembre de 2025, mientras gran parte del trigo del norte de Santa Fe todavía transitaba sus últimas semanas antes de la cosecha, un productor ya tenía respuestas que históricamente llegaban demasiado tarde. Sabía, lote por lote, cuánto iba a rendir su cultivo. No era una corazonada ni un promedio regional: era información construida a partir de imágenes satelitales y un modelo biofísico capaz de traducir el “color” del cultivo en kilos de grano.Ese caso, trabajado por Ariel Zajdband, de Planet Labs, y Diego Hugo Pérez, técnico de AACREA, dentro del grupo CREA Las Petacas, del sur de Santa Fe, refleja un cambio de paradigma: anticipar la cosecha con precisión semanas antes de que entre la máquina.Zajdband y Pérez explican que planificar la cosecha sin datos precisos implica moverse con amplios márgenes de incertidumbre. En la práctica, eso se traduce en decisiones ineficientes: reservar más camiones de los necesarios, subestimar la capacidad de almacenamiento o vender anticipadamente sin conocer el verdadero potencial productivo.El problema se agrava cuando se analiza la variabilidad dentro de un mismo establecimiento. Dos lotes vecinos pueden diferir en hasta dos toneladas por hectárea, una brecha que permanece invisible hasta que la cosechadora recorre el campo. Con errores típicos de estimación de unos 500 kg/ha, esa incertidumbre puede significar uno o dos camiones por lote. Escalado a decenas de lotes, el impacto logístico y económico es considerable.La revolución de los satélitesDurante años, el uso de imágenes satelitales en agricultura fue más una promesa que una herramienta concreta. La baja resolución y la escasa frecuencia de captura —cada dos semanas o más— impedían seguir con precisión la evolución de los cultivos, especialmente en inviernos nublados.Hoy, ese escenario cambió radicalmente. Con satélites que capturan imágenes diarias y con resolución de pocos metros, es posible monitorear cada lote de manera continua. Incluso en condiciones adversas, se logran varias imágenes útiles por semana, lo que permite reconstruir con fidelidad el desarrollo del cultivo desde la emergencia hasta la madurez.El salto no es solo tecnológico: es conceptual. Ya no se trata de saber cómo viene “la zona”, sino de entender qué ocurre en cada lote, con información accionable y a tiempo. El modelo utilizado se apoya en un principio agronómico clave: el rendimiento depende de cuánta radiación solar captura el cultivo y cuán eficientemente la convierte en biomasa.A partir de imágenes satelitales, se mide el verdor del cultivo —indicador de la cantidad y actividad de hojas verdes— y se lo combina con datos térmicos acumulados para identificar el estadio fenológico. Con esa información, el modelo estima la biomasa generada y proyecta el rendimiento final.La base metodológica proviene de desarrollos de la Facultad de Agronomía de la UBA, adaptados en este caso a imágenes de alta frecuencia y resolución. A diferencia de muchos enfoques actuales, no se trata de un algoritmo de inteligencia artificial entrenado con grandes volúmenes de datos históricos, sino de una ecuación que replica el funcionamiento real del cultivo. Esto permite interpretar errores y mejorar el modelo campaña tras campaña.Resultados validadosLa validación en 83 lotes del grupo CREA Las Petacas durante la campaña 2025 mostró resultados contundentes:-El modelo explicó el 69% de la variabilidad de rendimiento entre lotes.-Dos de cada tres lotes tuvieron errores menores a 500 kg/ha.-Ocho de cada diez quedaron dentro de ±1 tonelada respecto al valor real.Más importante aún es el momento en que se logra esa precisión. A los 60 días de la siembra, el modelo ya captura más de la mitad de la variabilidad. Hacia los 105 días —inicio del llenado de grano— alcanza niveles de precisión cercanos al 74%, entre 35 y 55 días antes de la cosecha.Ese margen de anticipación es clave: es exactamente cuando se definen la logística, la contratación de transporte y muchas decisiones comerciales.Una herramienta que aprende campaña a campañaEl verdadero potencial de esta tecnología no está en una campaña puntual, sino en su capacidad de mejora continua. Cada lote cosechado y medido alimenta el sistema, ajusta parámetros y permite entender mejor los desvíos.La evolución entre 2024 y 2025 lo demuestra. En un año seco como 2024, el modelo capturaba bien el promedio, pero no lograba diferenciar entre lotes. Tras una recalibración específica para trigo pampeano, en 2025 pasó a explicar con solidez la variabilidad interna.Además, su adopción no requiere inversiones en maquinaria ni sensores a campo. Funciona sobre lotes digitalizados y con información satelital disponible, con código abierto que puede escalar a otras regiones y grupos productivos.La cosecha siempre fue el momento en que la incertidumbre se convierte en certeza. Pero herramientas como esta empiezan a correr ese límite hacia atrás en el tiempo.Hoy, el satélite observa todos los campos todos los días. La diferencia competitiva ya no está en acceder a esa información, sino en transformarla en decisiones concretas antes de que llegue la cosechadora.En ese cambio silencioso, la planificación agrícola deja de ser una apuesta y se convierte, cada vez más, en un ejercicio de precisión.
