En una nueva edición del Café Científico de FONTAGRO, Martín Durante, investigador de INTA Argentina, presentó resultados del proyecto “Monitoreo satelital de cantidad y calidad de biomasa disponible en sistemas ganaderos pastoriles de América Latina y el Caribe”.

Durante explicó que conocer la cantidad y calidad del forraje es clave para manejar bien un sistema ganadero. Sin embargo, estimar la biomasa de forma tradicional exige recorridas y muestreos frecuentes, costosos y difíciles de aplicar a escala de establecimiento. El proyecto busca reducir ese costo integrando datos de campo, sensores satelitales y herramientas digitales.

Para ello, el equipo aplicó un protocolo común de muestreo en Argentina, Uruguay, Colombia y Costa Rica. Así consolidó una red regional de más de 79 investigadores y técnicos y una base de cerca de 3.600 registros de biomasa.

Los resultados muestran que los índices espectrales se relacionan bien con la biomasa en un sitio y fecha concretos, con valores promedio de R² de 0,80 para CAI y 0,76 para NDVI. Pero al generalizar entre sitios y momentos aparece una gran variabilidad: los modelos de machine learning con imágenes Sentinel tuvieron errores de alrededor de 820 kg MS/ha (41 %). La estimación de calidad forrajera, en particular de proteína cruda, fue más consistente.

De ahí la conclusión central: el desafío no es construir un modelo satelital más complejo, sino combinar la información satelital con pocas observaciones de campo. El proyecto desarrolló dos herramientas para lograrlo. Una, espacial, selecciona puntos de muestreo estratégicos a partir de la variabilidad de los índices; otra, temporal, integra biomasa remanente y modelos de crecimiento para estimar el stock de forraje. Probadas en sistemas reales, mostraron errores operativos cercanos al 20 % y hoy están en validación y escalamiento.

Durante cerró con una recomendación para otros proyectos FONTAGRO: plataformas como AppSheet, Google Earth Engine y Flexdashboard permiten crear aplicaciones piloto rápidas, probarlas con los usuarios desde etapas tempranas y reducir la incertidumbre antes de invertir en desarrollos de software más robustos.