Validación multisitio de sistemas duales de drones para la agricultura de precisión en anacardo tropical

Validación multisitio de sistemas duales de drones para la agricultura de precisión en anacardo tropical

Publicado 2025-10-28

Abrir | Descargar
PDF FLIP
Número
Núm. 26 (2025): Negonotas Docentes
Sección
Artículos
Cómo citar
López, J. F., & Pérez, W. (2025). Validación multisitio de sistemas duales de drones para la agricultura de precisión en anacardo tropical. Negonotas Docentes, 26, 51-65. https://doi.org/10.52143/2346-1357.1120
DOI

https://doi.org/10.52143/2346-1357.1120
Dimensions
PlumX
Citaciones
Crossref
Citas en Crossref
Scopus Citas en Scopus
Google Scholar Citas en Google Sholar
Europe PMC
Citas en Europe PMC

Cómo citar

López, J. F., & Pérez, W. (2025). Validación multisitio de sistemas duales de drones para la agricultura de precisión en anacardo tropical. Negonotas Docentes, 26, 51-65. https://doi.org/10.52143/2346-1357.1120

Descargar cita

Licencia
Jhony F. López
Sin roles de crédito asignados.
William Pérez
Sin roles de crédito asignados.
Mostrar biografía de los autores

La agricultura de precisión en cultivos leñosos tropicales enfrenta una brecha crítica: la ausencia de marcos operacionales validados a escala comercial y con reproducibilidad multisitio. Este estudio cierra esa brecha mediante la validación de un sistema dual de drones en 201,27 ha de anacardo en Vichada, Colombia. A lo largo de 254 misiones, el sistema demostró una mejora del 236 % en la eficiencia operacional respecto a la línea base, alcanzando una media de 6,68 ha h-¹ y picos de 11,35 ha h-¹. El protocolo exhibió una alta reproducibilidad (CV <24 % en eficiencia horaria), lo que valida su robustez para operaciones comerciales. El análisis económico confirma que el modelo de Agricultura como Servicio (AaaS) es rentable, con una reducción de costos del 25,6 % y un retorno de la inversión (ROI) del 63,4 %. Este trabajo establece, por tanto, el primer marco operacional reproducible y económicamente viable para la agricultura de precisión a gran escala en este tipo de cultivos, ofreciendo una hoja de ruta validada para la adopción tecnológica.

Visitas del artículo 64 | Visitas PDF 17

Descargas

Los datos de descarga todavía no están disponibles.
  1. Acharya, B., O’Quinn, T. N., Everman, W. J. y Mehl, H. L. (2019). Effectiveness of fungicides and their application
  2. timing for the management of sorghum foliar anthracnose in the Mid-Atlantic United States. Plant Disease,
  3. 103(11), 2804–2811. https://doi.org/10.1094/PDIS-10-18-1867-RE
  4. Ahn, M. I. y Yun, S. C. (2009). Epidemiological investigations to optimize the management of pepper anthracnose. Plant
  5. Pathology Journal, 25(3), 213–219. https://doi.org/10.5423/PPJ.2009.25.3.213
  6. Alharasees, O., Adali, O. H. y Kale, U. (2023). Human factors in the age of autonomous UAVs: Impact of artificial
  7. intelligence on operator performance and safety. En 2023 International Conference on Unmanned Aircraft Systems
  8. (ICUAS) (pp. 344–351). https://doi.org/10.1109/ICUAS57906.2023.10156037
  9. Alemán-Montes, B., Henríquez-Henríquez, C., Largaespada-Zapata, K. y Ramírez-Rodríguez, T. (2022). Evaluación
  10. de flecha seca en palma aceitera (Elaeis guineensis Jacq.) mediante imágenes multiespectrales obtenidas con
  11. VANT. Agronomía Mesoamericana, 33(2), 47557. https://doi.org/10.15517/am.v33i2.47557
  12. Alvarez-Vanhard, E., Corpetti, T. y Houet, T. (2021). UAV y satellite synergies for optical remote sensing applications:
  13. A literature review. Science of Remote Sensing, 4, 100019. https://doi.org/10.1016/j.srs.2021.100019
  14. Arcadia, É. A., Marceleño, S. M. L. y Flores, F. (2024). Agricultura de precisión en la producción de caña de azúcar:
  15. Diagnóstico para revisar las relaciones entre prácticas agrícolas tradicionales y la adopción de tecnologías. En
  16. E. I. Mariscal, M. E. Becerra, R. Gómez y L. C. Barrón (coords.), Desafíos en el contexto empresarial: sostenibilidad,
  17. innovación y competitividad (pp. 35–47). Universidad Autónoma de Nayarit. https://doi.org/10.52501/cc.250.02
  18. Banik, T. y Vn, N. (2024). Farming in the digital age: Unleashing the power of farming as a service (FaaS). International
  19. Journal of Agriculture Extension and Social Development, 7(5), 99–102. https://doi.org/10.33545/26180723.2024.
  20. v7.i5b.601
  21. Barbedo, J. G. A. (2019). A review on the use of unmanned aerial vehicles and imaging sensors for monitoring and
  22. assessing plant stresses. Drones, 3(2), 40. https://doi.org/10.3390/DRONES3020040
  23. Barocco, R. L., Clohessy, J. W., O’Brien, G. K., Dufault, N. S., Anco, D. J. y Small, I. M. (2024). Sensor-based quantification
  24. of peanut disease defoliation using an unmanned aircraft system and multispectral imagery. Plant Disease,
  25. 108(2), 416–425. https://doi.org/10.1094/PDIS-05-23-0847-RE
  26. Canicattì, M. y Vallone, M. (2024). Drones in vegetable crops: A systematic literature review. Smart Agricultural
  27. Technology, 7, 100396. https://doi.org/10.1016/j.atech.2024.100396
  28. Conner, R. L., McAndrew, D. W., Kiehn, F. A., Chapman, S. R. y Froese, N. T. (2004). Effect of foliar fungicide application
  29. timing on the control of bean anthracnose in the navy bean ‘Navigator’. Canadian Journal of Plant Pathology,
  30. 26(3), 299–303. https://doi.org/10.1080/07060660409507147
  31. Costa, R., Almeida, C. y Laurindo, F. (2022). Precision farming-as-a-service: Fundamental concepts, trends and
  32. challenges. A new business model into agricultural segment. En 19th International Conference on Information
  33. Systems and Technology Management. https://doi.org/10.5748/19contecsi/pse/agb/7067
  34. DaMatta, F. M., Avila, R. T., Cardoso, A. A., Martins, S. C. V. y Ramalho, J. C. (2018). Physiological and agronomic
  35. performance of the coffee crop in the context of climate change and global warming: A review. Journal of
  36. Agricultural and Food Chemistry, 66(21), 5264-5274. https://doi.org/10.1021/acs.jafc.7b0453
  37. Kwao, P. L., Owusu, G. M., Okyere, J., Agbenya, J. K., Laryea, I. L. N. y Armah, S. K. (2024). Agricultural drones in
  38. Africa: Exploring adoption, applications, and barriers. International Journal for Multidisciplinary Research, 6(6).
  39. https://doi.org/10.36948/ijfmr.2024.v06i06.28326
  40. Mena, E., Galeana, G., Estrada, M., Alonso, E. P. y Flores, D. A. (2025). Tecnologías innovadoras en la agricultura de
  41. precisión. Ciencia Latina Revista Científica Multidisciplinar, 9(2), 5660–5666. https://doi.org/10.37811/cl_rcm.
  42. v9i2.17319
  43. Mhaned, A., Salma, M., Haji, M. E. y Benhra, J. (2025). Smart agriculture based on artificial intelligence and drones:
  44. A systematic review. En M. Syafrudin, N. Fitriyani y M. Anshari (eds.), Artificial Intelligence and Data Science
  45. for Sustainability: Applications and Methods (pp. 213-266). IGI Global Scientific Publishing. https://doi.
  46. org/10.4018/979-8-3693-6829-9.ch008
  47. MicaSense Inc. (2025). MicaSense RedEdge-P camera technical specifications. https://support.micasense.com/hc/en-us/
  48. articles/4410824602903-RedEdge-P-Integration-Guide
  49. MicaSense Support Team. (2022). Best practices: Collecting data with MicaSense sensors. https://support.micasense.com/
  50. hc/en-us/articles/224893167
  51. Monteiro, F., Romeiras, M., Bernabé, J., Catarino, S., Batista, D. y Sebastiana, M. (2022). Disease-causing agents in cashew:
  52. A review in a tropical cash crop context. Agronomy, 12(10), 2553. https://doi.org/10.3390/agronomy12102553
  53. Nagel, J. (2012). Principales barreras para la adopción de las TIC en la agricultura y en las áreas rurales. Cepal. https://www.
  54. cepal.org/es/publicaciones/4011-principales-barreras-la-adopcion-tic-la-agricultura-areas-rurales
  55. Nicolau, A., Tăbîrcă, A. I., Tănase, L. C. y Radu, V. (2025). Integrating drone-based decision support systems in precision
  56. farming: An econometric simulation of management efficiency and cost-benefit analysis. Romanian Agricultural
  57. Research. https://doi.org/10.59665/rar4285
  58. Njoroge, S., Mugi-Ngenga, E., Limo, B. y Fakoya, O. E. (2025). Precision agriculture in Africa: Challenges and
  59. opportunities. Growing Africa, 4(1), 2–5. https://doi.org/10.55693/ga41.mbuf4046
  60. Pham, Y., Reardon-Smith, K., Mushtaq, S. y Cockfield, G. (2019). The impact of climate change and variability on coffee
  61. production: A systematic review. Climatic Change, 16, 609-630. https://doi.org/10.1007/s10584-019-02538-y
  62. Prasad, K., Venkatesa, P. N. B., Rohini, A., Kalpana, M., Parameswari, E. y Kowsalya, S. (2025). Exploring the impact
  63. of drone technology on agricultural practices: A bibliometric review. Plant Science Today, 12(sp1). https://doi.
  64. org/10.14719/pst.10165
  65. Rishikesavan, S., Kannan, P., Pazhanivelan, S., Kumaraperumal, R., Sritharan, N., Muthumanickam, D., Firnass, M. M.
  66. R. A., Baskaran, V. y Teja, V. S. (2024). Prospects and challenges of drone technology in sustainable agriculture.
  67. Plant Science Today, 11(sp4). https://doi.org/10.14719/pst.5761
  68. Rodríguez-López, E. S., Cárdenas-Soriano, E., Hernández-Delgado, S., Gutiérrez-Díez, A. y Mayek-Pérez, N. (2013).
  69. Análisis de la infección de Colletotrichum gloeosporioides (Penz.) Penz. y Sacc. de frutos de aguacatero. Revista
  70. Brasileira de Fruticultura, 35(3), 747–756. https://doi.org/10.1590/S0100-29452013000300029
  71. Sagan, V., Maimaitijiang, M., Sidike, P., Maimaitiyiming, M., Erkbol, H., Hartling, S., Peterson, K. T., Peterson, J., Burken,
  72. J. y Fritschi, F. (2019). UAV/satellite multiscale data fusion for crop monitoring and early stress detection. En
  73. ISPRS Geospatial Week 2019 (Vol. XLII-2/W13, pp. 715–722). International Society of Photogrammetry and
  74. Remote Sensing. https://doi.org/10.5194/isprs-archives-XLII-2-W13-715-2019
  75. Salas-Macías, C. A., Sánchez-Mora, F., Montes Escobar, K., de la Hoz-M, J., Limongi-Andrade, R., Mora-Yela, R. V. y
  76. Garcés-Fiallos, F. R. (2024). Resilience of cacao-based agroforestry systems to climate change. En L. García,
  77. N. Maddela, F. Zambrano y C. Aguilar (eds.), Sustainable Cacao Cultivation in Latin America (pp. 115–134).
  78. Routledge. https://doi.org/10.4324/9781003381761-8
  79. Satish, S., Shirwal, S., Abishek, A. G., Maheshwari y Murali, M. (2025). Application of drones in precision agriculture:
  80. A review on benefits and challenges. Journal of Experimental Agriculture International, 47(7), 516–531. https://
  81. doi.org/10.9734/jeai/2025/v47i73591
  82. Singh, E., Pratap, A. y Kumar, A. (2024). Smart agriculture drone for crop spraying using image-processing and machine
  83. learning techniques: experimental validation. IoT, 5(2), 348–367. https://doi.org/10.3390/iot5020013
  84. Sreeram, M. y Nof, S. Y. (2021). Human-in-the-loop: Role in cyber-physical agricultural systems. International Journal of
  85. Computers Communications & Control, 16(2). https://doi.org/10.15837/IJCCC.2021.2.4166
  86. Telefónica Tech. (2025, septiembre). Drones, AI and IoT in precision agriculture: Innovation across the phenological cycle.
  87. https://telefonicatech.com/en/blog/drones-ai-and-iot-in-precision-agriculture-innovation-across-thephenological-cycle
  88. Vanitha, N. y Selvaa, S. K. R. (2023). Analysis of drone applications in precision agriculture. En G. Karthick (ed.),
  89. Contemporary Developments in Agricultural Cyber-Physical Systems (pp. 240-253). IGI Global Scientific Publishing.
  90. https://doi.org/10.4018/978-1-6684-7879-0.ch013
  91. Wingtra AG. (2025). WingtraOne GEN II technical specifications. https://wingtra.com/mapping-drone-wingtraone/
  92. technical-specifications/
  93. Xu, K., Gong, Y., Fang, S., Wang, K., Lin, Z. y Wang, F. (2021). Radiometric calibration of UAV-based multispectral
  94. imagery: A critical review for quantitative analysis. Remote Sensing, 11(11), 1291. https://doi.org/10.3390/
  95. rs11111291
  96. Yılmaz, A. A. (2024). Enhancing UAV crew performance and safety: A technology and innovation management
  97. perspective. Sosyal Mucit Academic Review, 5(2), 130–153. https://doi.org/10.54733/smar.1512893
  98. Zhao, J. (2024). Drone technology for precision agriculture: Advancements and optimization strategies. Highlights in
  99. Science Engineering and Technology, 111, 185–191. https://doi.org/10.54097/h70j2c34
  100. Zhou, Q., Zhang, S., Xue, X., Cai, C. y Wang, B. (2023). Performance evaluation of UAVs in wheat disease control.
  101. Agronomy, 13(8), 2131. https://doi.org/10.3390/agronomy13082131
Tutoriales

Autores:

¿Cómo enviar un artículo?

Pares Evaluadores:

Más leídos en los últimos 30 días

Información

Idioma

Código QR

Palabras clave

Sistema OJS 3.4.0.9 - Metabiblioteca |