Drones en el agro: lo que el CID 2026 baja a tierra

Hace cinco años, un relevamiento con dron en un lote argentino solía terminar en una carpeta con fotos RGB, alguna ortomosaico y muchas interpretaciones hechas a ojo. Hoy, la conversación ya incluye protocolos de aplicación, sensores multiespectrales, LiDAR, modelos de inteligencia artificial y estimaciones de forraje. El salto es concreto: el dron dejó de ser solamente una plataforma de captura para convertirse en una parte posible del sistema de decisión productiva.

Ese fue el eje que atravesó la participación del INTA en el Congreso Internacional de Drones 2026, realizado en Tucumán según la cobertura de El Regional Digital. La agenda reunió trabajos sobre agricultura de precisión, fruticultura, ganadería, ambiente, emergencias y ciencia aplicada. Una amplitud interesante, aunque también obliga a separar las demostraciones tecnológicas de las operaciones que realmente pueden sostenerse en campo.

Porque persiste un mito bastante extendido: comprar un RPA con buena cámara o con tanque de pulverización alcanza para incorporar drones al agro. No alcanza. El equipo importa, pero el resultado depende de la calidad del relevamiento, del protocolo, del procesamiento, de la interpretación agronómica y del marco operacional bajo el cual se vuela.

El CID 2026 puso el foco en datos, no sólo en aeronaves

La participación del INTA mostró una agenda con buena densidad técnica. Alejandro Brunori, del INTA Marcos Juárez, abordó protocolos para maximizar la eficiencia de aplicación y los factores del caldo de aplicación que inciden en la eficacia biológica. Es un tema que merece más atención de la que suele recibir en redes: una aeronave con sistema de pulverización no corrige una mala formulación, una elección inadecuada de gota ni condiciones meteorológicas desfavorables.

En aplicaciones agrícolas, el vuelo es apenas una etapa. La planificación incluye cultivo, objetivo biológico, producto, volumen, cobertura, deriva potencial, viento, temperatura y humedad. Después aparece la trazabilidad: qué se aplicó, dónde, con qué configuración y bajo qué condiciones. Sin ese registro, la promesa de precisión queda bastante incompleta.

También hubo espacio para la fruticultura, con la presentación de Facundo Calderón, del INTA Junín, sobre el potencial de los drones en ese segmento. Allí la ventaja es clara: los cultivos perennes permiten observar variabilidad espacial, vigor, fallas, estrés y diferencias entre sectores con una resolución que resulta difícil de obtener desde el suelo. Pero una imagen multiespectral tampoco entrega un diagnóstico automático. Entrega una capa de información que debe validarse en el lote.

Para quienes necesitan ordenar esa cadena desde la captura hasta la lectura agronómica, la formación en toma de imágenes multiespectrales con drones apunta justamente a trabajar sensores, planificación y aplicaciones vinculadas con agricultura, ambiente y recursos naturales.

Del mapa bonito al dato que sirve para decidir

La diferencia entre una misión vistosa y una misión útil suele aparecer recién cuando se descargan los archivos. Un ortomosaico puede verse impecable y, aun así, ser insuficiente para comparar sectores, estimar biomasa o detectar cambios con consistencia. La altura AGL, el sol, el solape, la velocidad, la calibración del sensor, el georreferenciamiento y el procesamiento condicionan el producto final.

El trabajo de Martín Durante, del INTA Concepción del Uruguay, sobre estimación inteligente del forraje va en esa dirección. Medir la disponibilidad forrajera con herramientas tecnológicas puede mejorar la planificación ganadera, pero exige relacionar los datos obtenidos por el RPA con mediciones de referencia en tierra. El modelo debe representar ese establecimiento, esa pastura y ese momento del año.

En La Rioja, Marcelo Aguirre presentó una caracterización de vegetación leñosa en pasturas de buffel grass mediante RPA RGB y fotogrametría Structure from Motion o SfM. Es un buen recordatorio de que no toda aplicación de agricultura de precisión requiere necesariamente una cámara multiespectral. Una captura RGB bien diseñada, acompañada por un modelo de superficie y trabajo de campo, puede resolver preguntas estructurales muy valiosas.

LiDAR apareció también en la agenda, con aportes de Flavio Speranza y Eduardo Hildt. La tecnología permite describir el territorio en tres dimensiones y tiene aplicaciones relevantes para vegetación, relieve y estructuras. Ahora bien, su incorporación debe evaluarse con criterio económico. El payload, la autonomía, el volumen de datos, el software y el procesamiento elevan el costo operativo. No todas las campañas justifican ese nivel de sensor.

Inteligencia artificial: utilidad real, promesas que todavía deben validarse

La detección de racimos de uva en imágenes de dron, presentada por Julieta Dalmaso del INTA Mendoza y distinguida como mejor trabajo científico, representa uno de los usos más concretos de la inteligencia artificial aplicada al agro. Detectar objetos en imágenes puede reducir tiempos de revisión y aportar información para seguimiento, estimaciones o ensayos.

Pero conviene evitar el entusiasmo automático. Un modelo de IA funciona según los datos con los que fue entrenado: variedad, estado fenológico, iluminación, ángulo de captura, densidad de follaje y condiciones propias del viñedo. Todavía no está claro hasta qué punto modelos desarrollados para un caso específico pueden trasladarse sin ajustes a otras fincas o campañas. Esa validación local es parte del trabajo, no un detalle posterior.

Ricardo Melchiori, del INTA Paraná, puso el foco en el valor de los drones para la investigación agrícola. Allí aparece una ventaja especialmente potente: repetir mediciones sobre parcelas y generar información espacialmente distribuida. En ensayos, donde una diferencia pequeña puede importar, la consistencia metodológica vale más que una captura espectacular.

RAAC Parte 101 y 102: el campo no elimina las obligaciones

Otro mito frecuente dice que, por tratarse de una zona rural, cualquier vuelo puede hacerse sin mayores recaudos. La normativa argentina vigente desde agosto de 2025, estructurada por la Resolución ANAC 550/2025 y las RAAC Partes 101 y 102, plantea una realidad más precisa.

La Categoría Abierta de la RAAC Parte 101 contempla operaciones de uso general bajo condiciones de bajo riesgo, habituales en determinados contextos rurales. El RPA debe contar con su registro digital y matrícula LV-R, y el piloto debe respetar las condiciones operacionales aplicables. Esto no equivale a una autorización ilimitada para cualquier misión.

La operación sale de ese esquema cuando incorpora factores que elevan el riesgo. Entre ellos aparecen el vuelo BVLOS, superar los 122 metros o 400 pies AGL, ingresar a una CTR u otro espacio aéreo controlado, sobrevolar concentraciones de personas, operar cerca de infraestructura crítica, rutas o áreas protegidas. En esos casos puede corresponder la Categoría Específica de la RAAC Parte 102, con autorización expresa de ANAC, análisis de riesgo y medidas de mitigación.

Esto tiene impacto directo en el agro. Un lote puede estar lejos de un casco urbano y, al mismo tiempo, próximo a una ruta provincial, una línea eléctrica, una pista eventual o el área de influencia de un aeródromo. Antes de desplegar el equipo hay que revisar el espacio aéreo, las restricciones publicadas, la ubicación exacta de la operación y la posibilidad de mantener VLOS de manera efectiva.

La matrícula LV-R identifica al RPA dentro del sistema. No habilita por sí sola una misión BVLOS ni reemplaza una evaluación de riesgo.

Herramientas para convertir vuelos rurales en resultados repetibles

La ventaja de entender este escenario es operativa. Permite presupuestar mejor, elegir el sensor adecuado y evitar ofrecer servicios que después chocan con límites técnicos o regulatorios. En lugar de prometer “relevamiento integral”, conviene definir entregables: ortomosaico, índice de vegetación, conteo, modelo digital, diagnóstico preliminar, seguimiento temporal o reporte para un asesor agronómico.

• Planificar la misión según el objetivo y no según la autonomía máxima declarada por el fabricante.
• Registrar fecha, hora, altura AGL, configuración de cámara, condiciones meteorológicas y ubicación.
• Separar la captura de la interpretación: un índice como NDVI o GNDVI requiere contexto agronómico.
• Controlar el datalink, batería, geofencing, obstáculos y zonas de recuperación antes del despegue.
• Definir quién procesa, quién valida en campo y quién transforma el dato en una recomendación productiva.

El CID 2026 también incluyó trabajos sobre degradación y fragmentación de vegetación nativa en el Chaco Seco argentino. La aplicación ambiental de los drones merece una lectura cuidadosa: ofrecen detalle territorial muy valioso, pero no reemplazan permisos, criterios de conservación ni coordinación con las autoridades del área cuando se trata de zonas protegidas.

En Tucumán, la agenda del congreso mostró una madurez que hace cinco años era menos visible: aplicación, monitoreo, ciencia, forraje, IA, ambiente y emergencias ya comparten el mismo espacio técnico. El desafío siguiente será sostener metodologías comparables y operaciones legalmente viables, incluso cuando el trabajo demande mayor alcance, más carga útil o automatización.

La ventaja competitiva está en diseñar el servicio completo

Para un piloto o prestador, la oportunidad no consiste solamente en sumar horas de vuelo. Consiste en construir un servicio que conecte aeronave, sensor, protocolo, procesamiento, validación y marco ANAC. En agricultura de precisión, ese armado define si el dato llega a tiempo para intervenir o termina archivado cuando el cultivo ya cambió.

Quienes busquen profundizar la operación aplicada a producción rural pueden revisar la propuesta de capacitación profesional en drones para el campo, orientada a agricultura de precisión, fumigación y gestión inteligente en condiciones reales de trabajo.

La matrícula LV-R identifica al RPA; la operación segura la define el piloto.