pág. 1
PROPUESTA DE SISTEMA WEB PARA EL
ANÁLISIS DE SALUD EN CULTIVOS DE
AGAVE MEDIANTE IMÁGENES
SATELITALES MULTIESPECTRALES
PROPOSAL FOR A WEB SYSTEM FOR HEALTH
ANALYSIS IN AGAVE CROPS USING
MULTISPECTRAL SATELLITE IMAGES
Alberto De Jesús Cayetano
Tecnológico Nacional de México
Yareli Cortés Bárcenas
Tecnológico Nacional de México
Miriam Martínez Arroyo
Tecnológico Nacional de México
José Antonio Montero Valverde
Tecnológico Nacional de México
pág. 7065
DOI: https://doi.org/10.37811/cl_rcm.v9i6.21857
Propuesta de Sistema Web para el Análisis de Salud en Cultivos de
Agave Mediante Imágenes Satelitales Multiespectrales
Alberto De Jesús Cayetano1
MM22320018@acapulco.tecnm.mx
https://orcid.org/0000-0003-2683-7178
Tecnológico Nacional de México
México
Yareli Cortés Bárcenas
MM22320006@acapulco.tecnm.mx
Tecnológico Nacional de México
México
Miriam Martínez Arroyo
miriam.ma@acapulco.tecnm.mx
https://orcid.org/0000-0002-3143-3242
Tecnológico Nacional de México
México
José Antonio Montero Valverde
jose.mv@acapulco.tecnm.mx
https://orcid.org/0009-0000-5357-3257
Tecnológico Nacional de México
México
RESUMEN
Este artículo presenta el diseño y desarrollo de un sistema web para el monitoreo de la salud en
cultivos de agave mediante el uso de imágenes satelitales multiespectrales obtenidas a través de la API
Sentinel-Hub. Se abordan las dos primeras fases de la metodología en cascada: análisis y diseño. Por
medio de este tipo de imágenes es posible obtener valores numéricos de cada una de sus bandas
espectrales, que son utilizadas para el cálculo de diversos índices de vegetación. El sistema permite
calcular el Índice de Vegetación de Diferencia Normalizada (NDVI) para estimar la salud del cultivo y
visualizar los resultados en una interfaz gráfica intuitiva. Esta herramienta busca optimizar la toma de
decisiones agrícolas, mejorar el rendimiento y contribuir a la sostenibilidad de la producción de agave.
Palabras clave: agricultura de precisión, NDVI, teledetección, Sentinel-Hub
1
Autor principal.
Correspondencia: MM22320018@acapulco.tecnm.mx
pág. 7066
Proposal for a Web System for Health Analysis in Agave Crops Using
Multispectral Satellite Images
ABSTRACT
This article presents the design and development of a web system for monitoring the health of agave
crops using multispectral satellite images obtained through the Sentinel-Hub API. The first two
phases of the waterfall methodology—analysis and design—are addressed. Through this type of
imagery, it is possible to obtain numerical values for each spectral band, which are used to calculate
various vegetation indices. The system calculates the Normalized Difference Vegetation Index
(NDVI) to estimate crop health and displays the results in an intuitive graphical interface. This tool
aims to optimize agricultural decision- making, improve yield, and contribute to the sustainability of
agave production.
Keywords: precision agriculture, NDVI, remote sensing, Sentinel-Hub
Artículo recibido 10 noviembre 2025
Aceptado para publicación: 26 diciembre 2025
pág. 7067
INTRODUCCIÓN
La agricultura enfrenta pérdidas significativas debido a plagas y enfermedades, que representan entre
el 10% y el 28% de la producción global (Servicio de Información Agroalimentaria y Pesquera,
2023). Las técnicas de teledetección, que consisten en obtener información de la superficie de la tierra
mediante satélites o drones que haciendo uso de sensores captan la radiación electromagnética
reflejada por la superficie terrestre (ilustración 1) obteniendo datos e imágenes (López, C., 2019)., es
posible obtener información valiosa sobre el estado de salud de los cultivos.
Ilustración 1: Interacción entre la radiación con los objetos presentes en la Tierra.
Quespaz Rosero, C. A. (2022)
Integrar técnicas de teledetección en sistemas sistema web permite a los agricultores el monitoreo
frecuente y remoto de los cultivos, ayudándolos a identificar áreas críticas y tomar decisiones
informadas, debido a que es posible proporcionar información sobre las zonas específicas en las que el
cultivo presenta una salud deficiente.
Para conocer el estado de salud de un cultivo existe un índice de vegetación específico, el NDVI, que
se calcula por medio de la fórmula que se muestra en la ilustración 2, utilizando los valores de las
bandas espectrales roja e infrarrojo cercano (Rubio, 2020).
Ilustración 2: Fórmula para el cálculo de NDVI
Los valores obtenidos a través del NDVI se normalizan con el fin de obtener resultados de -1 a 1 con
el fin de establecer rangos que representen el estado de salud del cultivo de manera más clara
considerando que
pág. 7068
-1 representa cultivos muertos u objetos inanimados y 1 cultivos sanos. (Quespaz Rosero, C. A. 2022)
Para la implementación del sistema se consideraron las coordenadas de un cultivo de agave
(ilustración 3) perteneciente al vivero “Orquídea” en el municipio de Tixtla, Guerrero. El cual fue
visitado con el fin de tomar las coordenadas específicas requeridas para la obtención de las imágenes
multiespectrales de la zona mediante la API Sentinel-Hub.
Ilustración 3: Ubicación de cultivo de agave.
Objetivo General
Desarrollar un sistema web para el monitoreo de salud en cultivos de agave mediante imágenes
satelitales multiespectrales obtenidas de la API Sentinel-Hub.
Objetivos Específicos
• Diseñar y desarrollar una interfaz web intuitiva y fácil de usar para la visualización y análisis de
datos satelitales.
• Desarrollar un módulo de conexión con la API de Sentinel-Hub para la adquisición de imágenes
satelitales multiespectrales.
• Desarrollar un algoritmo para el procesamiento de imágenes satelitales.
METODOLOGÍA
Para el desarrollo del sistema web se optó por la metodología en cascada, debido a que los requisitos
del proyecto se encuentran claramente definidos desde el inicio, lo que reduce la probabilidad de
cambios durante el proceso de implementación. Este enfoque resulta adecuado para proyectos con
objetivos específicos y bien delimitados, ya que permite una planificación estructurada y secuencial
de las actividades.
La metodología en cascada se caracteriza por su enfoque lineal, donde cada fase debe completarse
pág. 7069
antes de iniciar la siguiente. En este proyecto se contemplaron las dos primeras etapas: definición de
requerimientos y diseño del sistema y del software.
Durante la primera fase se identificaron los requerimientos funcionales y no funcionales del sistema
mediante entrevistas y consultas con usuarios potenciales. Los requerimientos funcionales incluyen
servicios que el sistema debe proporcionar, como la autenticación de usuarios, la gestión de cuentas y
la visualización de resultados del análisis NDVI. Por otro lado, los requerimientos no funcionales
abarcan aspectos como la seguridad, la compatibilidad con navegadores y la eficiencia en el
procesamiento de imágenes satelitales.
Posteriormente, en la fase de diseño se definió la arquitectura global del sistema, estableciendo los
componentes principales y sus interacciones. Se elaboraron diagramas UML para representar casos de
uso y componentes, así como el modelo relacional de la base de datos, que contempla tablas para
usuarios, roles e historial de análisis. Además, se seleccionaron las tecnologías más adecuadas para el
desarrollo.
Este enfoque metodológico garantiza un desarrollo ordenado y coherente, permitiendo validar cada
etapa antes de avanzar a la siguiente, lo que contribuye a la calidad y funcionalidad del sistema
propuesto (Somerville, 2011).
Ilustración 4: Metodología de cascada (Somerville, 2011)
Definición de requerimientos
La definición de requerimientos es una etapa fundamental en el desarrollo de sistemas, ya que
establece las bases sobre las cuales se construirá la solución tecnológica. Para este proyecto, se realizó
un análisis detallado que incluyó entrevistas con usuarios potenciales y revisión de las necesidades
operativas del vivero seleccionado. Este proceso permitió identificar tanto los requerimientos
pág. 7070
funcionales, que describen las acciones que el sistema debe realizar, como los requerimientos no
funcionales, que establecen condiciones de calidad y desempeño.
Los requerimientos funcionales incluyen la autenticación segura mediante credenciales, la gestión de
usuarios con roles diferenciados, la conexión con la API Sentinel-Hub para la obtención de imágenes
multiespectrales y el cálculo del Índice de Vegetación de Diferencia Normalizada (NDVI), considerado
uno de los indicadores más utilizados para evaluar la salud de los cultivos (Rouse et al., 1974; Huete,
1988). Asimismo, se contempla la visualización gráfica de los resultados y la consulta del historial de
análisis.
Por otro lado, los requerimientos no funcionales abarcan aspectos como la interfaz intuitiva, la
compatibilidad con navegadores web en sus versiones más recientes, el procesamiento eficiente de
imágenes con tiempos de respuesta inferiores a 30 segundos y la seguridad en el manejo de datos,
siguiendo las recomendaciones para sistemas críticos en entornos agrícolas (FAO, 2021; Somerville,
2011).
La correcta definición de estos requerimientos garantiza que el sistema cumpla con las expectativas
del usuario y se ajuste a los objetivos del proyecto, evitando desviaciones durante las fases posteriores
del desarrollo (Somerville, 2011).
Objetivo del Sistema
El objetivo principal del sistema es proporcionar a los agricultores una herramienta tecnológica que
permita monitorear de manera remota y precisa la salud de los cultivos de agave mediante el análisis
de imágenes satelitales multiespectrales. A través del cálculo del Índice de Vegetación de Diferencia
Normalizada (NDVI), el sistema busca ofrecer información confiable y visualmente interpretativa que
facilite la toma de decisiones oportunas para mejorar el rendimiento y la sostenibilidad de la
producción.
Este objetivo se fundamenta en la necesidad de incorporar tecnologías de teledetección en la
agricultura de precisión, optimizando los procesos de diagnóstico y reduciendo las pérdidas
ocasionadas por plagas y enfermedades (FAO, 2021; Rouse et al., 1974). Además, se pretende que la
plataforma sea intuitiva, segura y compatible con los principales navegadores web, garantizando su
accesibilidad para diferentes perfiles de usuario (Somerville, 2011).
pág. 7071
Características del Sistema
Tabla 1: Característica del sistema Roles
ID Requerimiento
C-001
Nombre del requerimiento
Roles
Descripción
El sistema debe tener 2 roles principales.
Prioridad
Alta
Dependencias
Ninguna
Responsable de
realizar pruebas
Alberto De Jesús / Yareli Cortés
Criterio de éxito
El sistema permite crear 2 tipos de usuario distintos uno con rol de
administrador el cual debe permitir gestionar usuarios y uno con rol de
usuario normal ambos deben realizar consultas por fecha sobre el estado
de salud del cultivo y visualizar resultados gráficamente.
Requerimientos No Funcionales
Tabla 2: Requerimiento no funcional “interfaz intuitiva”.
ID Requerimiento
Nombre del requerimiento
Descripción
Prioridad
Tabla 3:Requerimiento no funcional “compatibilidad con navegadores web”
ID Requerimiento
RNF-002
Nombre del requerimiento
Compatibilidad con navegadores web
Descripción
El sistema debe ser compatible con los principales
navegadores web en sus versiones más recientes.
Prioridad
Alta
Tabla 4: Requerimiento no funcional “Carga y procesamiento de imágenes”
ID Requerimiento
RNF-003
Nombre del requerimiento
Carga y procesamiento de imágenes.
Descripción
La aplicación debe cargar y procesar las imágenes
satelitales multiespectrales en un tiempo máximo de 30
segundos por solicitud de imagen.
Prioridad
Alta
pág. 7072
Tabla 5: Requerimiento no funcional “Seguridad del sistema”.
ID Requerimiento
RNF-004
Nombre del requerimiento
Seguridad del sistema
Descripción
El sistema debe garantizar la seguridad de la información de
los usuarios y su privacidad
Prioridad
Alta
Requerimientos Funcionales
Tabla 6: Requerimiento funcional “Login”
ID Requerimiento
RF-001
Nombre del requerimiento
Login
Descripción
La aplicación debe permitir al usuario iniciar sesión
mediante usuario y contraseña.
Prioridad
Alta
Dependencias
Ninguna
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
Se permite correctamente al usuario iniciar sesión en el
sistema y recuperar sus datos de inicio de sesión.
Tabla 7: Requerimiento funcional “Página principal”.
ID Requerimiento
RF-002
Nombre del requerimiento
Página principal
Descripción
El sistema debe mostrar al usuario la pantalla principal del
sistema con información de las funciones que se realizan y
un menú para acceder a ellas
Prioridad
Alta
Dependencias
Login
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
Se muestra correctamente la pantalla principal del sistema con
información de las funciones que se realizan y un
menú para acceder a ellas
pág. 7073
Tabla 8: Requerimiento funcional “Gestión de la cuenta”.
ID Requerimiento
RF-003
Nombre del requerimiento
Gestión de la cuenta
Descripción
El sistema debe mostrar al usuario información de su
cuenta, permitir cerrar su sesión y modificar su contraseña.
Prioridad
Alta
Dependencias
Página principal
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
Se muestra la información de la cuenta del usuario y permite
cerrar sesión y modificar su contraseña correctamente.
Tabla 9: Requerimiento funcional “Gestión de usuarios”
ID Requerimiento
RF-004
Nombre del requerimiento
Gestión de usuarios
Descripción
El sistema debe permitir al administrador gestionar
usuarios.
Prioridad
Alta
Dependencias
Página principal, Login
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
El sistema permite al usuario administrador: agregar,
modificar y eliminar usuarios correctamente.
Tabla 10: Requerimiento funcional “análisis de salud de cultivos”
ID Requerimiento
RF-005
Nombre del requerimiento
Análisis de salud de cultivos
Descripción
El sistema debe permitir al usuario acceder al resultado del
análisis de salud del cultivo obtenido mediante el cálculo del
índice de vegetación de diferencia normalizada (NDVI) y
visualizarlo de manera gráfica.
Prioridad
Alta
Dependencias
Página principal, Login
Responsable de
Alberto De Jesús
pág. 7074
realizar pruebas
Criterio de éxito
El sistema permite correctamente al usuario visualizar
resultado del análisis de salud del cultivo obtenido mediante el
cálculo del NDVI de manera gráfica.
Tabla 11: Requerimiento funcional “Establecer coordenadas del cultivo”.
ID Requerimiento RF-004
Nombre del requerimiento
Establecer coordenadas del cultivo
Descripción
El sistema debe permitir a los usuarios establecer las
coordenadas del cultivo de interés.
Prioridad
Alta
Dependencias
Análisis de salud de cultivos
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
El sistema permite al usuario administrador: agregar,
modificar y eliminar usuarios correctamente.
Tabla 12:Requerimiento funcional “Visualizar historial de análisis”
ID Requerimiento RF-004
Nombre del requerimiento
Visualizar historial de análisis
Descripción
El sistema debe permitir a los usuarios consultar un
historial de análisis de cultivos realizados previamente.
Prioridad
Alta
Dependencias
Página principal, Análisis de salud de cultivos
Responsable de
realizar pruebas
Alberto De Jesús
Criterio de éxito
El sistema permite al usuario administrador: agregar,
modificar y eliminar usuarios correctamente.
Diagrama de casos de uso
Una vez definidos los requerimientos del sistema e identificados los principales actores se desarrolló
el siguiente diagrama de casos de uso (ilustración 5), con el fin de representar las interacciones de los
distintos tipos de usuario con las funcionalidades del sistema.
pág. 7075
Ilustración 5: Diagrama de casos de uso del sistema web para el análisis de cultivos de agave.
Diseño del sistema y del software
El diseño del sistema constituye una fase esencial para garantizar la correcta implementación de los
requerimientos definidos. En esta etapa se establece la arquitectura global, identificando los
componentes principales y sus interacciones. El sistema propuesto se compone de tres elementos
fundamentales: la interfaz web, el módulo de procesamiento de imágenes y el sistema gestor de base
de datos (SGBD). Esta estructura permite la integración eficiente entre la API Sentinel-Hub,
encargada de proveer imágenes satelitales multiespectrales, y la aplicación web que procesa y
visualiza los resultados (European Space Agency [ESA], 2022).
Para representar la arquitectura del sistema se elaboraron diagramas UML, incluyendo el diagrama de
componentes, que muestra la relación entre los módulos y las interfaces necesarias para su
funcionamiento.
Asimismo, se diseñó el modelo relacional de la base de datos, compuesto por tablas para usuarios,
roles e historial de análisis, lo que asegura la gestión adecuada de credenciales y registros de
monitoreo.
Diagrama de componentes UML
Para representar la arquitectura del sistema se elaboraron diagramas UML, incluyendo el diagrama de
componentes (ilustración 6), que muestra la relación entre los módulos y las interfaces necesarias para
su funcionamiento.
pág. 7076
Ilustración 6: Diagrama de componentes del sistema.
En el diagrama anterior se representan los 3 componentes principales del sistema y las interfaces
necesarias para que interactúen entre sí, por medio de la interfaz que provee la API Sentinel-Hub es
posible obtener imágenes satelitales multiespectrales para procesarlas en el componente principal del
sistema que es la aplicación web y finalmente el componente que refiere al sistema gestor de base de
datos (SGBD) cuya principal función es proveer la interfaz necesaria para que la aplicación interactué
con la base de datos.
Modelo Relacional de la Base de Datos
Ilustración 7: Modelo relacional de la base de datos del sistema.
Asimismo, se diseñó el modelo relacional de la base de datos, compuesto por tablas para usuarios,
roles e historial de análisis, lo que asegura la gestión adecuada de credenciales y registros de
monitoreo.
Los principales objetivos de integrar una base de datos al sistema son
Gestión de usuarios: permitir registrar las credenciales de inicio de sesión de los usuarios además de
identificar su rol ya que como se estableció en la etapa de definición de requerimientos, el sistema
pág. 7077
debe contar con 2 tipos de usuario.
Historial de análisis: permitir registrar y consultar información sobre análisis de salud en el cultivo
realizados previamente.
Diseño de la Arquitectura de Software
En cuanto a las tecnologías seleccionadas, se optó por el framework Dash, debido a su capacidad para
trabajar con datos geoespaciales y su integración con lenguajes como Python y JavaScript.
Para el procesamiento de imágenes se emplearon librerías especializadas como Rasterio, que permite
la lectura de datos multiespectrales, NumPy para la aplicación de operaciones matemáticas sobre
matrices y Matplotlib para la generación de visualizaciones gráficas (Zhang & Kovacs, 2012; Gómez
et al., 2016).
Ilustración 8:Tecnologías para el desarrollo del sistema.
Este diseño asegura una arquitectura modular, escalable y orientada a la eficiencia, cumpliendo con
los principios de ingeniería de software recomendados para sistemas críticos en entornos agrícolas
(Somerville, 2011).
Diseño de Interfaces de Usuario
Tomando como base a los requerimientos y características de los sistemas definidos anteriormente, se
realizó el diseño de las interfaces de usuario, en donde se contempla las distintas vistas disponibles
según el tipo de usuario, priorizando un diseño amigable e intuitivo con el fin de que cualquier tipo de
usuario pueda hacer uso del sistema.
Ilustración 8: Interfaz de inicio de sesión
pág. 7078
Ilustración 9: Interfaz de recuperación de contraseña
Ilustración 8: Interfaz de modificación de contraseña.
Ilustración 9: Vista de página principal (Admin)
Ilustración 10:Vista de página principal (User)
pág. 7079
Ilustración 11: Vista del modulo de gestión de usuarios
Ilustración 12: Vista del módulo de análisis NDVI
RESULTADOS Y DISCUSIÓN
Como parte de la validación del diseño, se desarrolló un prototipo funcional que integra los
componentes críticos del sistema: la conexión con la API Sentinel-Hub, el procesamiento de imágenes
multiespectrales y la visualización gráfica del NDVI. El prototipo se probó utilizando coordenadas de
un cultivo de agave localizado en el municipio de Tixtla, Guerrero.
Ilustración 13: Coordenadas de cultivo de agave perteneciente al vivero “Orquídea”
pág. 7080
Los resultados obtenidos muestran una representación visual mediante una cuadrícula de colores,
donde el verde indica áreas con buena salud y el rojo señala zonas críticas. Esta visualización permite
al agricultor identificar de manera precisa las áreas que requieren atención, optimizando la toma de
decisiones para mejorar el rendimiento del cultivo.
Ilustración 14: Prototipo del sistema para el análisis de salud en cultivos de agave
El tiempo promedio de procesamiento por imagen fue inferior a 30 segundos, cumpliendo con los
requerimientos no funcionales establecidos. Además, la interfaz diseñada resultó intuitiva y funcional,
lo que facilita su uso por diferentes perfiles de usuario (Somerville, 2011; ESA, 2022).
CONCLUSIONES
La implementación de técnicas de teledetección en sistemas web representa una herramienta eficaz
para la agricultura de precisión. El uso del NDVI permite monitorear la salud del cultivo de manera
remota, reduciendo riesgos asociados a plagas y enfermedades y contribuyendo a la sostenibilidad de la
producción (FAO, 2021; Rouse et al., 1974).
Si bien el NDVI ofrece información valiosa sobre el estado general del cultivo, no identifica las
causas específicas de las afectaciones. Por ello, se recomienda como trabajo futuro la integración de
otros índices de vegetación, la incorporación de algoritmos predictivos basados en inteligencia
artificial y la realización de pruebas en campo para validar los resultados obtenidos (Huete, 1988;
Gómez et al., 2016).
REFERENCIAS BIBLIOGRÁFICAS
European Space Agency (ESA). (2022). Sentinel Hub API documentation. Recuperado de
https://www.sentinel-hub.com
pág. 7081
Food and Agriculture Organization of the United Nations (FAO). (2021). Remote sensing for crop
monitoring. FAO Publications.
FAO. (2019). Digital technologies in agriculture and rural areas. FAO Publications.
FAO. (2020). Impact of climate change on crop health. FAO Reports.
Gómez, C., White, J. C., & Wulder, M. A. (2016). Optical remotely sensed time series data for land
cover classification: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 116,
55–72. https://doi.org/10.1016/j.isprsjprs.2016.03.008
Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3),
295– 309.
https://doi.org/10.1016/0034-4257(88)90106-X
Jones, H. G. (2013). Plants and microclimate: A quantitative approach to environmental plant
physiology. Cambridge University Press.
López, C. (2019). Fundamentos básicos para la teledetección ambiental
https://doi.org/10.13140/RG.2.2.20684.44161
Quespaz Rosero, C. A. (2022). Aplicación de índices de vegetación en agricultura de precisión.
Rubio, J. (2020). Índices espectrales para la estimación de la salud vegetal. Revista de Agricultura
Digital, 12(3), 45–58.
Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in
the Great Plains with ERTS. NASA Special Publication, 351, 309.
Sentinel Hub. (2023). API for satellite image processing. Recuperado de
https://docs.sentinel-hub.com
Servicio de Información Agroalimentaria y Pesquera (SIAP). (2023). El cambio climático y las plagas
agrícolas. Recuperado de https://www.gob.mx/siap/articulos/el-cambio-climatico-favorecera-el-
desarrollo- de-plagas
Somerville, I. (2011). Ingeniería de software (9ª ed.). Pearson Education.
Zhang, Q., & Kovacs, J. M. (2012). The application of small unmanned aerial systems for precision
agriculture: A review. Precision Agriculture, 13(6), 693–712.
https://doi.org/10.1007/s11119-012-9274-5