Automatización del riego mediante IoT para optimizar el uso del agua en el cultivo de tomate bajo invernadero
DOI:
https://doi.org/10.63688/5jpjed88Palabras clave:
Internet de las Cosas, riego automatizado, tomate, eficiencia hídricaResumen
El estudio examinó la implementación de un sistema de riego automatizado basado en Internet de las Cosas (IoT) para optimizar el uso del agua en el cultivo de tomate (Solanum lycopersicum L.) bajo invernadero en la finca La Bodeguita de Belén, ubicada en el cantón El Triunfo, Ecuador. El objetivo fue determinar el efecto de un sistema automatizado basado en sensores de humedad del suelo sobre el volumen de agua utilizado, la frecuencia de riego, la humedad del suelo, el rendimiento y la eficiencia en el uso del agua. Se desarrolló una investigación cuantitativa, experimental y de campo, con un diseño completamente aleatorizado y dos tratamientos: T1, riego convencional programado, y T2, riego automatizado mediante IoT. Cada tratamiento tuvo cuatro repeticiones y cada unidad experimental estuvo constituida por 30 plantas, para un total de 240 plantas. El experimento se desarrolló durante 120 días. Se registraron el volumen de agua aplicado, la humedad del suelo, la frecuencia de riego, el rendimiento y la eficiencia en el uso del agua. El tratamiento T2 utilizó 1.310 L por unidad experimental, frente a 1.680 L en T1, lo que representó una reducción del 22,0 % del volumen de agua utilizado. Asimismo, la frecuencia de riego disminuyó de 96 a 74 eventos. La humedad media fue de 26,7 ± 2,3 % en T2 y de 25,8 ± 4,1 % en T1; esta diferencia no fue estadísticamente significativa (p = .318), aunque la menor desviación estándar en T2 sugiere mayor estabilidad descriptiva. El rendimiento fue de 59,4 kg en T2 y 57,6 kg en T1, diferencia que tampoco fue estadísticamente significativa (p = .241). La eficiencia en el uso del agua aumentó de 34,3 a 45,3 kg/m³ y presentó una diferencia estadísticamente significativa (p = .004). Bajo las condiciones evaluadas, el sistema IoT permitió reducir el uso de agua y mejorar significativamente su eficiencia, manteniendo un rendimiento estadísticamente comparable con el riego convencional.
Referencias
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements (FAO Irrigation and Drainage Paper No. 56). Food and Agriculture Organization of the United Nations. https://www.fao.org/4/X0490E/X0490E00.htm
Bryant, C. J. (2023). Smart irrigation systems: A review of current technologies and applications. Crop, Forage & Turfgrass Management, 9(1), e20217. https://doi.org/10.1002/cft2.20217
Colimba-Limaico, J. E., Zubelzu-Minguez, S., & Rodríguez-Sinobas, L. (2022). Optimal irrigation scheduling for greenhouse tomato crop (Solanum lycopersicum L.) in Ecuador. Agronomy, 12(5), 1020. https://doi.org/10.3390/agronomy12051020
Datta, S., & Taghvaeian, S. (2023). Soil water sensors for irrigation scheduling in the United States: A systematic review of literature. Agricultural Water Management, 278, 108148. https://doi.org/10.1016/j.agwat.2023.108148
Dhal, S., Wyatt, B. M., Mahanta, S., Bhattarai, N., Sharma, S., Rout, T., Saud, P., & Acharya, B. S. (2024). Internet of Things (IoT) in digital agriculture: An overview. Agronomy Journal, 116(3), 1144–1163. https://doi.org/10.1002/agj2.21385
Flores Cayuela, C. M., González Perea, R., Camacho Poyato, E., & Montesinos, P. (2022). An ICT-based decision support system for precision irrigation management in outdoor orange and greenhouse tomato crops. Agricultural Water Management, 269, 107686. https://doi.org/10.1016/j.agwat.2022.107686
Liao, R., Zhang, S., Zhang, X., Wang, M., Wu, H., & Zhangzhong, L. (2021). Development of smart irrigation systems based on real-time soil moisture data in a greenhouse: Proof of concept. Agricultural Water Management, 245, 106632. https://doi.org/10.1016/j.agwat.2020.106632
Morchid, A., El Alami, R., Raezah, A. A., & Sabbar, Y. (2024). Applications of Internet of Things (IoT) and sensors technology to increase food security and agricultural sustainability: Benefits and challenges. Ain Shams Engineering Journal, 15(3), 102509. https://doi.org/10.1016/j.asej.2023.102509
Moustafa, A., Abdelwahab, O. M. M., Ricci, G. F., & Gentile, F. (2026). Internet of Things-enabled smart irrigation systems for precision water management: A systematic review. Agricultural Water Management, 333, 110615. https://doi.org/10.1016/j.agwat.2026.110615
Mowla, M. N., Mowla, N., Shah, A. F. M. S., Rabie, K. M., & Shongwe, T. (2023). Internet of Things and wireless sensor networks for smart agriculture applications: A survey. IEEE Access, 11, 145813–145852. https://doi.org/10.1109/ACCESS.2023.3346299
Prakash, C., Chander, S., Singh, L. P., Gupta, A., & Lohan, S. K. (2023). Advancements in smart farming: A comprehensive review of IoT, wireless communication, sensors, and hardware for agricultural automation. Sensors and Actuators A: Physical, 362, 114605. https://doi.org/10.1016/j.sna.2023.114605
Rajak, P., Ganguly, A., Bhattacharya, S., & Seal, A. B. N. (2023). Internet of Things and smart sensors in agriculture: Scopes and challenges. Journal of Agriculture and Food Research, 14, 100776. https://doi.org/10.1016/j.jafr.2023.100776
Sharma, V., Kaur, G., Sreethu, S., Chhabra, V., & Kashyap, R. (2025). Smart irrigation systems in agriculture: An overview. Computers and Electronics in Agriculture, 239, 111008. https://doi.org/10.1016/j.compag.2025.111008
Vallejo-Gómez, D., Osorio, M., & Hincapié, C. A. (2023). Smart irrigation systems in agriculture: A systematic review. Agronomy, 13(2), 342. https://doi.org/10.3390/agronomy13020342
Wu, Y., Yan, S., Fan, J., Zhang, F., Xiang, Y., Zheng, J., & Guo, J. (2021). Responses of growth, fruit yield, quality and water productivity of greenhouse tomato to deficit drip irrigation. Scientia Horticulturae, 275, 109710. https://doi.org/10.1016/j.scienta.2020.109710
Zhang, H., He, L., Di Gioia, F., Choi, D., Elia, A., & Heinemann, P. (2022). LoRaWAN based Internet of Things (IoT) system for precision irrigation in plasticulture fresh-market tomato. Smart Agricultural Technology, 2, 100053. https://doi.org/10.1016/j.atech.2022.100053
Zhang, J., Xiang, L., Zhu, C., Li, W., Jing, D., Zhang, L., Liu, Y., Li, T., & Li, J. (2023). Evaluating the irrigation schedules of greenhouse tomato by simulating soil water balance under drip irrigation. Agricultural Water Management, 283, 108323. https://doi.org/10.1016/j.agwat.2023.108323
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Mayra Gabriela Naspud Espinoza, María Magdalena Delgado Cabanilla, María Sol Chevez Villanueva, Carlos Fernando Plaza Calle, Karen Dennys Pineda Mora (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
