Análisis Comparativo Sentinel-2 vs Sequoia en la Estimación de ETc Basada en NDVI
Comparative Analysis of Sentinel-2 vs Sequoia in NDVI-Based ETc
Estimation
Servín Prieto Alan Joel
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
alan.sp@itslerdo.edu.mx
https://orcid.org/0000-0002-5534-7875
Velásquez Chávez Tania Elizabeth
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
tania.vc@itslerdo.edu.mx
https://orcid.org/0009-0009-7788-1786
Hernández López Mónica
Tecnológico Nacional de México / Instituto Tecnológico de Torreón
monicahlop@gmail.com
https://orcid.org/0000-0001-6249-127X
Adame Delgado Raymundo
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
raymundo.ad@itslerdo.edu.mx
https://orcid.org/0009-0007-9248-6376
Juárez Hernández José María
Tecnológico Nacional de México / Instituto Tecnológico Superior de Lerdo
jose.jh@itslerdo.edu.mx
https://orcid.org/0009-0009-5790-651X
Volumen:
2
Edición:
12
Resumen
La estimación precisa de la evapotranspiración del cultivo (ETc) es fundamental para el manejo eficiente del agua en la agricultura. En este estudio se evaluó la relación entre el índice de vegetación de diferencia normalizada (NDVI) y la ETc mediante el método de dos pasos, utilizando datos de sensores satelitales y de vehículo aéreo no tripulado (UAV). Se emplearon imágenes del satélite Sentinel-2 y un sensor multiespectral Parrot Sequoia, además de datos de evapotranspiración de referencia (ET₀) obtenidos de una estación meteorológica localizada en el sitio de estudio. El NDVI se transformó a coeficiente de cultivo (Kc) mediante una relación lineal, y posteriormente se estimó la ETc. Los resultados mostraron que el NDVI derivado del sensor UAV fue consistentemente mayor que el obtenido de Sentinel-2, con diferencias promedio entre 15% y 30%, lo que se reflejó en valores superiores de Kc y ETc, alcanzando diferencias de hasta 1.5 mm día⁻¹. Asimismo, se observó una correlación moderada entre ambas fuentes de datos (r = 0.9398), lo que indica una concordancia general en la detección del vigor del cultivo, aunque con un sesgo sistemático atribuible a la resolución espacial y a la heterogeneidad del dosel vegetal. Se concluye que el uso de sensores UAV permite una mejor representación de la variabilidad espacial del cultivo, lo que impacta significativamente en la estimación de la evapotranspiración. Estos resultados destacan la importancia de la resolución espacial en aplicaciones de agricultura de precisión y manejo hídrico.
Palabras clave
Agricultura de Evapotranspiración, NDVI, Sentinel-2, Sequoia
Referencias Bibliográficas
Allen, R. G., Pereira, L. S., Raes, D. y Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper No. 56. Food and Agriculture Organization.
Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernandez, V., Gascon, F. y Bargellini, P. (2012). Sentinel-2: ESA’s optical high-resolution mission for GMES operational services. Remote Sensing of Environment, 120, 25–36. https://doi.org/10.1016/j.rse.2011.11.026
El-Jamaoui, I., Boulfiza, M., El Ansari, M. y Labbassi, K. (2025). A comparative assessment of Sentinel-2 and UAV based imagery for precision agriculture applications. Sensors, 25(17), 5281. https://doi.org/10.3390/s25175281
Fong, T. Y., Chen, X., Wang, Y. y Liu, Z. (2025). Advancing evapotranspiration estimation with remote sensing technologies. Agricultural Water Management, 312, 109271. https://doi.org/10.1016/j.agwat.2025.109271
Glenn, E. P., Huete, A. R., Nagler, P. L. y Nelson, S. G. (2008). Relationship between remotely-sensed vegetation indices, canopy attributes and plant physiological processes: What vegetation indices can and cannot tell us about the landscape. Sensors, 8(4), 2136–2160. https://doi.org/10.3390/s8042136
Imtiaz, F., Ahmed, S., Khan, M. y Ali, R. (2023). Remote sensing approaches for evapotranspiration estimation in agriculture. Frontiers in Remote Sensing, 4, 1274019. https://doi.org/10.3389/frsen.2023.1274019
Instituto Nacional de Estadística y Geografía. (2020). Censo de población y vivienda 2020. https://www.inegi.org.mx/programas/ccpv/2020/
Jensen, J. R. (2015). Introductory digital image processing: A remote sensing perspective (4.a ed.). Pearson.
Rouse, J. W., Haas, R. H., Schell, J. A. y Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication, 351, 309–317.
Sishodia, R. P., Ray, R. L. y Singh, S. K. (2020). Applications of remote sensing in precision agriculture: A review. Remote Sensing, 12(19), 3136. https://doi.org/10.3390/rs12193136
Vélez, S., Ariza-Sentís, M. y Valente, J. (2023). Benchmarking the reliability of Sentinel-2 satellite data for estimating NDVI through UAV multispectral imagery. Environmental Sciences Proceedings, 29(1), 58. https://doi.org/10.3390/environsciproc2023029058
Xie, Y., Zhang, Y., Li, X. y Wang, S. (2021). Review of Sentinel 2 applications in agriculture and vegetation monitoring. Remote Sensing, 13(5), 817. https://doi.org/10.3390/rs13050817
Zhang, C. y Kovacs, J. M. (2012). The application of small unmanned aerial systems for precision agriculture: A review. Precision Agriculture, 13(6), 693–712. https://doi.org/10.1007/s11119-012-9274-5