Abstract
<jats:p>El creciente acceso a imágenes satelitales de alta resolución, mediciones de campo georreferenciadas y herramientas de manejo masivo de datos facilita el desarrollo de modelos predictivos orientados a mejorar la planificación agrícola. Este tipo de soporte resulta particularmente de ayuda en regiones como el centro-oeste de la provincia de Buenos Aires, Argentina. Dicha zona posee, a pesar de su alto potencial, bajos niveles de adopción de cultivos de cobertura como Vicia villosa Roth debido a la marcada variabilidad productiva entre parcelas agrícolas y dentro de una misma parcela. Este trabajo evalúa la capacidad individual de distintos índices de vegetación derivados de imágenes Sentinel-2 para actuar como variable de entrada en modelos de predicción del rendimiento de semillas de vicia. Para ello, se consideraron cuatro grupos de índices calculados a partir de distintas bandas espectrales y en múltiples fechas comprendidas entre el crecimiento vegetativo y la maduración de las semillas. Para cada índice, las observaciones temporales se apilaron formando una imagen multibanda y se asociaron a las mediciones de rendimiento registradas por las cosechadoras. Con dicha información, se entrenaron y validaron modelos de clasificación supervisada utilizando el algoritmo de Random Forest. El estudio se llevó a cabo con los datos disponibles de siete parcelas representativas de la región. Los resultados mostraron que los índices derivados de las bandas del borde rojo presentan las mayores capacidades discriminatorias, incluso al reducir el apilamiento de entrada a las últimas etapas del ciclo fenológico del cultivo. Asimismo, ciertos índices que incorporan correcciones asociadas al efecto del suelo o al área fotosintéticamente activa también alcanzaron altos desempeños en la clasificación. El análisis de los índices contribuye a la generación de una base sólida para el desarrollo de una herramienta predictiva aplicable a la producción de semillas de Vicia en el centro-oeste bonaerense de Argentina.</jats:p>