Optimizando redes de seguimiento de plagas hortícolas mediante simulación y modelización geoespacial

Lejos de ser simples estructuras de producción, los invernaderos actúan a menudo como auténticos nodos ecológicos en el paisaje agrícola. Por un lado, pueden funcionar como focos de atracción al ofrecer condiciones favorables de temperatura y disponibilidad continua de plantas hospedadoras. Por otro, también pueden comportarse como barreras parciales que ralentizan o redirigen el movimiento de los insectos plaga entre parcelas y zonas agrícolas próximas. Este doble papel genera patrones espaciales complejos en la distribución de las plagas en las áreas peri-invernadero.

Comprender estos patrones resulta clave para anticipar brotes y mejorar las estrategias de vigilancia. Diversos estudios han demostrado que las plagas tienden a distribuirse de forma agregada, formando “puntos calientes” en determinadas zonas del paisaje donde confluyen factores como la proximidad a cultivos hospedantes, corredores de dispersión o estructuras que condicionan su movimiento. En paisajes dominados por invernaderos, estos procesos se intensifican debido a la elevada fragmentación del territorio agrícola.

En este contexto, analizar el paisaje que rodea a los invernaderos se convierte en una herramienta estratégica para la gestión integrada de plagas. Incorporar esta dimensión espacial permite identificar áreas de mayor riesgo, optimizar el diseño de redes de monitorización y orientar medidas de control por conservación más eficaces y a escala de paisaje, contribuyendo así a mejorar la sostenibilidad y la eficiencia de la horticultura intensiva.

El estudio publicado recientemente por Requena-Mullor y colaboradores (2026) en la revista científica Ecological Informatics propone un enfoque innovador basado en simulaciones espaciales que recrean paisajes agrícolas reales dominados por invernaderos en el sureste de España. A partir de imágenes satelitales detalladas de la distribución de los invernaderos, los autores generan paisajes virtuales en los que se simula la abundancia de plagas teniendo en cuenta tanto la estructura del territorio como la capacidad de la plaga para desplazarse entre distintas zonas del paisaje (Figura 1).

Figura 1. Localización de las áreas de estudio en el sureste de España y ejemplos de paisajes agrícolas con distinta densidad de invernaderos utilizados en las simulaciones. Los polígonos representan los invernaderos digitalizados dentro de cada área de 175 hectáreas: (a) baja densidad de invernaderos, (b) paisaje dominado por invernaderos y (c) densidad intermedia.

Gracias a este tipo de aproximaciones, es posible explorar distintos escenarios de dispersión y analizar cómo podrían comportarse las plagas en paisajes agrícolas complejos antes de desplegar programas de seguimiento en campo. De este modo, la simulación espacial se convierte en una herramienta estratégica para orientar la monitorización y diseñar sistemas de vigilancia más eficientes en la horticultura intensiva.

El estudio de Requena-Mullor y colaboradores (2026) aborda esta cuestión evaluando distintas estrategias de muestreo. A partir de la abundancia de plaga simulada en los paisajes virtuales (Figura 2), los autores compararon dos enfoques habituales en la monitorización de plagas: el muestreo aleatorio simple, en el que los puntos se distribuyen al azar por toda el área de estudio, y el muestreo agrupado o en clúster, que concentra las observaciones en torno a determinados elementos del paisaje, como las inmediaciones de los invernaderos.

Figura 2. Simulación de la distribución espacial de plagas en paisajes con distinta densidad de invernaderos. Los mapas muestran cómo la configuración del paisaje y la capacidad de los invernaderos para actuar como barreras influyen en la concentración de focos de plaga. Se comparan tres tipos de paisaje, baja, alta e intermedia densidad de invernaderos, bajo distintos escenarios de dispersión. Los polígonos grises representan los invernaderos dentro de áreas de estudio de 175 hectáreas, mientras que la escala de color indica la abundancia relativa de plagas.

Otro aspecto relevante que destaca el estudio es la importancia del tamaño de la muestra. A medida que aumenta el número de puntos de muestreo, mejora la capacidad de los modelos para reproducir los patrones espaciales simulados de abundancia de plagas. Sin embargo, en la práctica agrícola los recursos disponibles para monitorización suelen ser limitados, por lo que optimizar la ubicación de los puntos de muestreo se convierte en una estrategia clave para maximizar la información obtenida con un esfuerzo razonable.

En conjunto, no existe un número fijo ni una distribución universalmente óptima de puntos de muestreo, ya que ambos dependen de la estructura espacial del territorio y de cómo esta condiciona la dispersión de las plagas. Por ello, más que aumentar el número de trampas, la clave está en ubicarlas estratégicamente para maximizar la información obtenida y mejorar la detección temprana de focos de plaga.

Figura 3. Evaluación del modelo espacial de barrera según el método de muestreo y la estructura del paisaje. La figura compara el rendimiento del modelo utilizando dos estrategias de muestreo, muestreo agrupado y muestreo aleatorio simple, en tres tipos de paisajes con distinta densidad de invernaderos: baja (a, b), alta (c, d) e intermedia (e, f). Los resultados se presentan para dos niveles de resistencia de los invernaderos a la dispersión de plagas (fuerte en rojo y débil en azul). El desempeño del modelo se evalúa mediante el error absoluto medio (MAE, columna izquierda) y el valor p posterior (columna derecha). Cada boxplot resume diez simulaciones para tamaños de muestra entre 10 y 40 observaciones. Las líneas discontinuas indican valores de referencia (MAE = 2 y p = 0,5).

El estudio liderado por la Universidad de Almería y el IFAPA La Mojonera constituye un primer paso en esta dirección al demostrar cómo la modelización espacial y las simulaciones basadas en datos reales pueden utilizarse para mejorar el diseño de las redes de monitorización de plagas. Al identificar cómo la configuración del paisaje agrícola condiciona la aparición de focos de infestación y la eficacia de los métodos de muestreo, el trabajo proporciona una base científica para desarrollar sistemas de vigilancia capaces de anticipar dónde y cuándo pueden aparecer nuevos brotes.

Esta línea de investigación se enmarca dentro del proyecto AdapGreenAI, cuyo objetivo es avanzar hacia una red de alerta temprana de plagas basada en inteligencia artificial para invernaderos. El proyecto plantea combinar técnicas de conteo automático de insectos mediante algoritmos de visión artificial con modelos espaciales capaces de predecir la abundancia de plagas en el exterior de los invernaderos a escala regional. La integración de estos datos permitiría generar mapas de riesgo y apoyar la toma de decisiones en estrategias de manejo integrado, reduciendo la dependencia de tratamientos químicos y mejorando la sostenibilidad del sistema agrícola.

Uno de los pilares del proyecto es el desarrollo de algoritmos de bajo coste computacional capaces de contar automáticamente insectos plaga capturados en trampas cromáticas, así como la creación de dispositivos de monitorización autónomos de bajo coste que puedan instalarse en el exterior de los invernaderos. Estos sistemas permitirían recopilar información de forma continua y transmitir los datos a una base regional donde podrían integrarse y analizarse mediante modelos espaciales para generar predicciones de abundancia de plagas.

Además del desarrollo tecnológico, el proyecto también aborda un aspecto clave para la implantación de estas soluciones: la participación de los propios agricultores, técnicos y demás actores implicados. La creación de una red de monitorización eficaz requiere la colaboración de múltiples perfiles y la integración de los datos generados en diferentes explotaciones. En este sentido, iniciativas como AdapGreenAI buscan sentar las bases para una transición hacia sistemas agrícolas más digitales, colaborativos y resilientes frente a los desafíos que plantea el cambio climático.

En conjunto, la combinación de modelización espacial, inteligencia artificial y redes de monitorización abre nuevas oportunidades para anticipar la dinámica de las plagas en paisajes agrícolas complejos. Este enfoque no solo puede mejorar la eficacia del manejo integrado de plagas, sino también contribuir a una agricultura más sostenible y basada en datos en las principales regiones de horticultura intensiva.

Referencias:

Requena-Mullor, J.M., Estefanía Rodríguez, Mónica González, Antonio J. Castro, Enrica Garau, Irene Pérez-Ramírez, Álvaro Peláez, Pablo Barranco. (2026). Accounting for Physical Barriers in Insect Pest Modeling: A Spatially Explicit Simulation-Based Approach. Ecological Informatics 94, 103629 https://doi.org/10.1016/j.ecoinf.2026.103629. El artículo puede descargarse de forma gratuita en el enlace indicado.