Views: 2
Investigadores chinos combinaron sensores que detectan cambios de presión en las hojas con inteligencia artificial para diagnosticar el estado hídrico del tomate y el apio. Los resultados abren nuevas posibilidades para un riego que responda a las necesidades reales de las plantas, no solamente a horarios establecidos.
Una planta puede comenzar a experimentar dificultades para absorber suficiente agua mucho antes de que sus hojas presenten una marchitez evidente.
Durante ese periodo ocurren cambios fisiológicos que generalmente pasan inadvertidos para el productor: disminuye la presión interna de las células, cambia el comportamiento de los estomas y se modifica el equilibrio entre el agua que absorben las raíces y la que pierde la planta por transpiración.
¿Qué sucedería si pudiéramos detectar esas señales y utilizarlas para decidir cuándo regar?
Investigadores de la Universidad Tecnológica de Taiyuan, China, estudiaron esta posibilidad mediante un sistema que combina sensores de presión foliar, mediciones ambientales y aprendizaje automático.
El trabajo, publicado el 16 de enero de 2026 en Frontiers in Plant Science, analizó cultivos de tomate y apio bajo riego por goteo en invernadero.
Su objetivo fue desarrollar una herramienta capaz de interpretar las respuestas de las hojas ante diferentes condiciones de disponibilidad de agua.
La hoja funciona como un indicador del estado hídrico
Para comprender esta tecnología debemos comenzar con un concepto fundamental: la turgencia celular.
Las células vegetales contienen agua que ejerce presión contra sus paredes. Esa presión contribuye a mantener firmes las hojas y los tallos.
Cuando la planta pierde agua más rápidamente de lo que puede absorberla, la presión de turgencia disminuye.
Si el desequilibrio continúa, aparecen síntomas visibles de marchitez.
Pero la disminución de turgencia comienza antes.
Los investigadores utilizaron sensores conocidos como leaf patch clamp pressure probes, que ejercen una presión controlada sobre una pequeña sección de la hoja y registran cambios relacionados con su estado hídrico.
El dispositivo mide una señal denominada Pp, cuya relación con la turgencia es inversa: en términos generales, un aumento de Pp indica una disminución de la presión de turgencia foliar.
La ventaja es que permite realizar mediciones continuas sin cortar las hojas ni destruir tejido vegetal.
Así, una planta puede proporcionar información sobre su respuesta al ambiente durante horas, días y diferentes etapas de crecimiento.
Un experimento con tomate y apio en invernadero
El estudio se realizó en Taiyuan, provincia de Shanxi, China, en un invernadero con ventilación natural.
Los investigadores evaluaron tomate durante los ciclos de verano y otoño, y apio durante invierno y primavera.
Las plantas recibieron diferentes tratamientos de disponibilidad hídrica mediante sistemas de riego por goteo y manejo del suelo.
En hojas seleccionadas instalaron sensores que registraban información cada cinco minutos.
Simultáneamente midieron radiación solar, temperatura, humedad relativa, velocidad del viento y déficit de presión de vapor, además del contenido de agua del suelo.
El propósito era relacionar tres elementos:
Lo que ocurre en el ambiente, la cantidad de agua disponible en el suelo y la respuesta fisiológica de la planta.
Dos señales que revelan situaciones diferentes
Uno de los hallazgos más interesantes fue la identificación de dos patrones de comportamiento diario de la señal foliar.
El primero, denominado Estado I, presentó una curva con un máximo generalmente durante el día y valores menores durante la noche.
Este comportamiento se relacionó con condiciones sin estrés hídrico o con estrés leve.
El segundo, denominado Estado II, mostró un patrón más complejo, con una depresión característica en la curva diaria.
Los investigadores asociaron este comportamiento con situaciones de estrés hídrico severo.
La diferencia es importante porque demuestra que no basta con observar un valor aislado.
La forma en que cambia la señal durante el día puede proporcionar información adicional sobre la condición de la planta.
¿Cuándo comenzaron a aparecer señales de estrés?
En las condiciones específicas del experimento, los investigadores identificaron los siguientes rangos de humedad volumétrica del suelo:
| Cultivo | Sin estrés o estrés leve | Estrés severo |
| Tomate | Superior a 20% | Inferior a 18% |
| Apio | Superior a 19% | Inferior a 16% |
Entre esos valores se presentó una zona intermedia donde podían observarse diferentes respuestas.
Estos porcentajes no deben interpretarse como recomendaciones universales de riego.
La humedad adecuada depende de la textura del suelo, su capacidad de retención, la etapa fenológica, la variedad y las condiciones ambientales.
Un suelo arenoso, por ejemplo, no se comporta igual que uno franco o arcilloso.
Lo relevante del estudio es que permitió relacionar patrones fisiológicos de las hojas con condiciones medibles de disponibilidad hídrica.
La inteligencia artificial aprende a interpretar las señales
Los sensores producen grandes cantidades de información.
Pero convertir esas mediciones en decisiones agronómicas requiere identificar patrones que no siempre son evidentes.
Para hacerlo, los investigadores compararon tres técnicas de aprendizaje automático:
- Máquinas de vectores de soporte.
- XGBoost.
- Bosques aleatorios (Random Forest).
Los modelos utilizaron diferentes combinaciones de variables meteorológicas, humedad del suelo y estados de la señal foliar.
El mejor resultado se obtuvo con Random Forest, incorporando variables ambientales, humedad del suelo y la diferenciación entre los dos estados fisiológicos.
El modelo alcanzó un coeficiente de determinación de R² = 0.995 al predecir la señal de presión foliar dentro del conjunto de datos evaluado.
Esto significa que logró reproducir con gran precisión las variaciones medidas en el experimento.
Sin embargo, existe una distinción fundamental: ese resultado corresponde a la predicción de la señal foliar, no a una demostración de que el sistema reduzca 99.5% los errores de riego ni de que produzca automáticamente ahorros de agua.
La investigación demuestra una capacidad de modelación prometedora, pero todavía no valida una estrategia comercial de riego completamente automatizada.
El suelo sigue siendo importante
Aunque el objetivo era conocer mejor la respuesta de las plantas, el estudio encontró que la humedad del suelo fue la variable de mayor importancia dentro del modelo predictivo.
Esto demuestra que los sensores foliares no necesariamente sustituyen a los sensores de humedad.
Más bien, ambas mediciones pueden complementarse.
La humedad del suelo informa cuánta agua está disponible.
La hoja revela cómo está respondiendo la planta a esa disponibilidad, considerando también las condiciones atmosféricas.
Un suelo puede contener agua y, aun así, la planta experimentar dificultades temporales para mantener su equilibrio hídrico cuando aumentan la radiación y la demanda evaporativa.
Por ello, una decisión de riego más precisa podría surgir de combinar información del suelo, del ambiente y del propio cultivo.
¿Puede anticiparse realmente a la marchitez?
El estudio demuestra que los cambios en la señal de presión foliar permiten distinguir condiciones de estrés hídrico antes de depender exclusivamente de síntomas visuales.
Sin embargo, los investigadores no establecieron cuántas horas o días antes de la marchitez visible puede emitirse una alerta confiable.
Tampoco realizaron una comparación comercial completa entre un sistema de riego gobernado por el modelo y otro manejado mediante programación convencional.
Por tanto, sería prematuro afirmar que la tecnología ya permite anticipar cualquier episodio de estrés con una ventaja temporal determinada.
Lo que sí proporciona es una base científica para desarrollar sistemas de alerta fisiológica y programación de riego más sensibles a las condiciones reales del cultivo.
¿Qué significaría para la horticultura mexicana?
México tiene una importante superficie de producción de hortalizas bajo agricultura protegida y enfrenta crecientes presiones sobre la disponibilidad y el costo del agua.
En sistemas de tomate, apio, pimiento y otras hortalizas, conocer con mayor precisión la respuesta hídrica de las plantas podría contribuir a mejorar las decisiones de fertirriego.
Sin embargo, antes de adoptar una tecnología de este tipo sería necesario validarla bajo condiciones nacionales.
Por ejemplo, comparar el comportamiento de los sensores en tomate cultivado en suelo frente a tomate producido en fibra de coco, perlita u otros sustratos.
También sería importante evaluar diferencias entre variedades, etapas fenológicas, niveles de radiación y condiciones de ventilación.
Otro aspecto esencial es el costo.
Instalar sensores especializados en todas las plantas no sería práctico.
Una alternativa futura consistiría en utilizar algunas plantas representativas para entrenar modelos capaces de estimar la respuesta hídrica del resto del invernadero mediante datos ambientales y del sustrato.
Pero para ello sería indispensable comprobar que esas plantas representan adecuadamente la variabilidad de la superficie cultivada.
Del riego programado al riego que escucha a la planta
