La inteligencia artificial y la observación de la Tierra están abriendo una nueva vía para controlar los cultivos de mango a gran escala. Una reciente investigación del mango ha desarrollado un sistema capaz de identificar y estimar la superficie ocupada por plantaciones mediante imágenes de satélite y algoritmos de aprendizaje automático, una tecnología que puede facilitar la planificación agrícola y el seguimiento de la producción.
El estudio, publicado el 22 de septiembre de 2026 en la revista Scientific Reports, analiza la evolución del cultivo de mango durante un periodo de 23 años en el distrito de Navsari, en Gujarat (India), y desarrolla un modelo basado en datos de los satélites Sentinel-1 y Sentinel-2.
La investigación combina imágenes ópticas, información obtenida mediante radar de apertura sintética (SAR), índices de vegetación y técnicas de aprendizaje automático para diferenciar las plantaciones de mango de otros usos del suelo.
Un mapa del mango creado con inteligencia artificial
Para desarrollar el sistema, los investigadores utilizaron imágenes de Sentinel-2 obtenidas entre noviembre de 2023 y marzo de 2024 y las combinaron con información procedente de Sentinel-1. En total, construyeron una base de 72 variables que incluía diferentes bandas espectrales, índices de vegetación y características relacionadas con la textura de las imágenes.
Posteriormente compararon cuatro algoritmos de aprendizaje automático: Random Forest, XGBoost, Support Vector Machine y regresión logística multinomial.
El modelo Random Forest obtuvo los mejores resultados, con una precisión global del 99,80% y un coeficiente Kappa de 0,997. El sistema estimó que la superficie dedicada al mango en la zona estudiada era de 36.099,94 hectáreas, frente a las 34.363 hectáreas recogidas en las estadísticas oficiales. El margen de error de la estimación fue del 5,05%.
Estos resultados muestran cómo la combinación de imágenes satelitales y aprendizaje automático puede convertirse en una herramienta para generar inventarios agrícolas sin depender exclusivamente de los métodos tradicionales de recopilación de información sobre el terreno.
Una tecnología que ya se había probado con el mango
La utilización de inteligencia artificial y satélites para estudiar plantaciones de mango no es completamente nueva. Una investigación publicada en 2022 en Sustainability utilizó imágenes de Sentinel-1 y Sentinel-2 junto con algoritmos de aprendizaje automático para detectar plantaciones de mango en Zimbabwe.
En aquel trabajo, los investigadores combinaron 81 variables procedentes de los dos tipos de satélite y comprobaron diferentes modelos de clasificación. Las distintas configuraciones consiguieron identificar las plantaciones de mango con precisiones superiores al 80%, demostrando el potencial de la teledetección para monitorizar este cultivo en entornos semiáridos.
La nueva investigación publicada en 2026 da un paso más al incorporar información temporal de varios meses y una mayor combinación de variables, consiguiendo una precisión notablemente superior en la zona analizada.
El mango entra en la agricultura de precisión
La tecnología no solo puede servir para saber dónde están las plantaciones. Disponer de mapas agrícolas actualizados puede ayudar a planificar cosechas, calcular superficies cultivadas, anticipar necesidades de producción y orientar políticas agrícolas.
La investigación también analiza la evolución histórica del cultivo en Navsari desde 2001-2002 hasta 2023-2024. Los investigadores encontraron una tendencia de expansión de la superficie dedicada al mango, mientras que las variaciones de producción muestran una mayor influencia de factores climáticos y estacionales.
Este tipo de información puede resultar especialmente relevante en un contexto de cambio climático, presión sobre los recursos hídricos y necesidad de aumentar la eficiencia de las explotaciones agrícolas.
La investigación sobre el mango está incorporando así herramientas que hasta hace pocos años estaban principalmente asociadas a otros sectores tecnológicos. Satélites, inteligencia artificial, radar, análisis de imágenes y aprendizaje automático forman ya parte de una nueva generación de sistemas destinados a conocer mejor qué ocurre en las plantaciones.
El siguiente paso será comprobar hasta qué punto estos modelos pueden trasladarse a otras regiones productoras y mantener su precisión en condiciones diferentes. El estudio publicado en Scientific Reports demuestra el potencial de la tecnología en una zona concreta, pero su aplicación a escala internacional requerirá nuevos datos y validaciones sobre el terreno.
