Aplicación de tecnologías de percepción remota para una ganadería tradicional sostenible en zonas áridas
DOI:
https://doi.org/10.59741/agraria.v23i2.717Palabras clave:
Ganadería de precisión, ganado criollo, patrones de pastoreo, índices de vegetación, imágenes multiespectralesResumen
La ganadería extensiva tradicional en las regiones áridas y semiáridas enfrenta importantes retos ecológicos, climáticos, sociales y económicos que requieren soluciones eficientes para mejorar la productividad y gestión de los recursos. Las tecnologías de percepción remota, como los vehículos aéreos no tripulados (VANT) y los dispositivos GPS, generan información con múltiples aplicaciones en la gestión del pastoreo extensivo. La resolución espacial fina (cm) y multiespectral (luz visible e infrarroja cercana) de las imágenes aéreas tomadas con VANT permite el análisis de características de la vegetación, tales como verdor, cobertura y biomasa. Por otro lado, la frecuencia (s) y precisión (m) con la que los dispositivos GPS registran la ubicación del ganado en tiempo real facilitan determinar el comportamiento durante el pastoreo, e.g., rutas de pastoreo, sitios de mayor abundancia, distancia recorrida diaria y gradientes de pastoreo. La información colectada permite adaptar las estrategias de manejo, como seleccionar áreas y tiempos de pastoreo, áreas y tiempos de descanso, modificación de rutas de pastoreo, reducción de gastos de energía por actividad, complementación alimenticia y distribución de instalaciones (e.g., bebederos, comederos y salas de ordeña). Esto con la meta de fortalecer la sostenibilidad de la ganadería extensiva tradicional en zonas áridas y semiáridas de México.
Descargas
Referencias
Avalos C.R.; Osuna, A.J.D.; Cabada, T.C.A., Medina, C.N.J., Cadena, I.P., Ariza, F.R. (2021) Productive and technological characteristics of goat farmers in Comondú, Baja California Sur. Agro Productividad, 14(11), 177-188. https://doi.org/10.32854/agrop.v14i8.2132
Álvarez G.H.; Urbán, D.D.; Martínez, Q.J.A.; Román, P.S.I.; Rojas, A.E. (2024) Advances in the Characterization of Creole Cattle from Nayarit, Chihuahua, and Baja California Sur. Agro Productividad 17(9), 203-213. https://doi.org/10.22004/AG.ECON.349266
Berckmans D. (2017) General introduction to precision livestock farming. Animal Frontiers, 7(1), 6-11. https://doi.org/10.2527/af.2017.0102
Chizzotti M.L.; Chizzotti, F.H.M.; Assis, G.J.F.; Bretas, I.L. (2022) Digital Livestock Farming. In: Marçal de Queiroz, D.M.; Valente, D.S.; de Assis de Carvalho, P.F.; Borém, A.; Schueller, J.K. (eds.) Digital Agriculture. Springer, 173-193. https://doi.org/10.1007/978-3-031-14533-9_11
DiMaggio A.M.; Perotto, B.H.L.; Ortega, S.J.A.; Walther, C.; Labrador, R.K.N.; Page, M.T.; Martinez, J.L.; Rideout, H.S.; Hedquist, B.C.; Wester, D.B. (2020) A pilot study to estimate forage mass from unmanned aerial vehicles in a semi-arid rangeland. Remote Sensing, 12(15). https://doi.org/10.3390/RS12152431
Jurado G.P.; Velázquez, M.M.; Sánchez, G.R.A.; Álvarez, H.A.; Domínguez, M.P.A.; Gutiérrez, L.R.; Garza, C.R.D.; Luna, L.M.; & Chávez, R.M.G. (2021) The grasslands and scrublands of arid and semi-arid zones of Mexico: Current status, challenges and perspectives. Revista Mexicana de Ciencias Pecuarias, 12, 261–285. https://doi.org/10.22319/rmcp.v12s3.5875
Melkamu B.Y. (2019) Livestock and livestock product trends by 2050: Review. International Journal of Animal Research, 4(30), 1-20.
Méndez R.D.; Meza, C.O.; Berruecos, J.M.; Garcés, P.; Delgado, E.J.; & Rubio, M.S. (2009) A survey of beef carcass quality and quantity attributes in Mexico. Journal of Animal Science, 87(11), 3782–3790. https://doi.org/10.2527/jas.2009-1889
Page M.T.; Perotto, B.H.L.; Ortega, A.; Tanner, E.P.; Angerer, J.P.; Combs, R.C.; Johnston, B.K.; Ramirez, M.; Camacho, A.M.; DiMaggio, A.M.; Daniels, D.; Kimmet, T. (2025) Developing Large-Scale Pasture Approaches to Quantify Forage Mass in Rangelands Using Drones. Rangeland Ecology & Management, 100, 111-120, https://doi.org/10.1016/j.rama.2025.03.005
Plaza J.; Palacios, C.; Abecia, J.A.; Nieto, J.; Sánchez-García, M.; Sánchez, N. (2022) GPS monitoring reveals circadian rhythmicity in free-grazing sheep. Applied Animal Behaviour Science, 251. https://doi.org/10.1016/j.applanim.2022.105643
Ramírez S.R.; Sánchez-Brito, I.; Orduño-Cruz, A.; Cepeda-Palacios, R.; Parpal, J.; Montes, C.; Ginera, P.; Kachok-Gavarain, R.A.; Angulo C. (2023) La caprinocultura en la Reserva de la Biosfera El Vizcaíno y la zona de influencia (El Patrocinio), Baja California Sur, en el año 2016. Recursos Naturales y Sociedad, 93-107. https://doi.org/10.18846/renaysoc.2023.09.09.01.0008
Santos W.M.; Martins, L.D.C.; Bezerra, A.C.; Souza, L.S.; Jardim, A.M.; Silva, M.V.; Souza, C.A.; & Silva, T.G. (2024) Use of unmanned aerial vehicles for monitoring pastures and forages in agricultural sciences: a systematic review. Drones, 8(10), 585. https://doi.org/10.3390/drones8100585
Sinde I.; Yánez, D.; Grefa, J.; Arza, M.; & Gil, M. (2020) Estimación del rendimiento del pasto mediante NDVI calculado a partir de imágenes multiespectrales de vehículos aéreos no tripulados (UAV). Geoespacial, 17(26005921), 25–38. https://doi.org/10.24133/geoespacial.v17i1.1640
Squires R.V.; Karami, E. (2015) Livestock Management in the Arid Zone: Coping Strategies. Journal of Rangeland Science, 5(4), 336–346.
Théau J.; Lauzier-Hudon, É.; Aubé, L.; Devillers, N. (2021) Estimation of forage biomass and vegetation cover in grasslands using UAV imagery. PloS one, 16(1). https://doi.org/10.1371/journal.pone.0245784
Vargas L.S., Bustamante-González, A., Zaragoza Ramírez, J. L., Morales-Jiménez, J., & Vargas-Monter, J. (2018). Estrategias de adaptación de las unidades de producción ganaderas a los riesgos climáticos. Agro Productividad 11(2), 75-80. https://doi.org/10.22004/AG.ECON.352841
Villegas D.G.; Bolaños, M.A.; Olguín, P.L. (eds.) (2001) La Ganadería en México. Instituto de Geografía UNAM.
Wijesingha J.; Astor, T.; Schulze-Brüninghoff, D.; Wengert, M.; Wachendorf, M. (2020) Predicting forage quality of grasslands using UAV-borne imaging spectroscopy. Remote Sensing, 12(1), 126.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Universidad Autónoma Agraria Antonio Narro

Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Cómo citar
PLUMX Metrics