Vega Herrera, Sergio SebastiánYsuiza Perez, AlfredoPerez Tello, MónicaGoicochea Pinchi, DiegoRios Rios, Raúl MartínDominguez Yap, PercyGarcía, LeonelaBarrera Torres, CicerónOliva Cruz, Carlos AlbertoSantillán Gonzáles, Manuel DanteArratea Pillco, DavidAlejos Patiño, Italo2026-06-042026-06-042026-04-27Vega-Herrera, S., Ysuiza-Perez, A., Perez-Tello, M., Goigochea-Pinchi, D., Rios-Rios, R., Dominguez-Yap, P., Garcia, L., Barrera-Torres, C., Oliva-Cruz, C., Santillán-Gonzáles, M., Arratea-Pillco, D., & Alejos-Patiño, I. (2026). Spatial modeling of soil physicochemical properties and fertility in tropical agricultural systems under different structural heterogeneity using multispectral UAV and geostatistics. Scientia Agropecuaria, 17(2), 497–512. https://doi.org/10.17268/sci.agropecu.2026.0352077-9917http://hdl.handle.net/20.500.12955/3150La variabilidad espacial del suelo condiciona la eficiencia productiva, la gestión de nutrientes y la sostenibilidad de los sistemas agrícolas tropicales, especialmente en contextos donde la heterogeneidad limita la implementación de estrategias de manejo sitio-específico. En este estudio se comparó el desempeño de un flujo analítico basado en imágenes UAV multiespectrales, regresión lineal múltiple (MLR) e interpolación geoestadística en dos sistemas agrícolas con distinta heterogeneidad, un sistema multicultivo a escala de estación y un sistema arrocero con diferentes densidades de siembra, ambos ubicados en la Estación Experimental Agraria El Porvenir (San Martín, Perú). Se analizaron 60 muestras en el componente multicultivo y 27 en el sistema arrocero, georreferenciadas a 30 cm de profundidad, evaluando pH, conductividad eléctrica, nitrógeno, fósforo, potasio, carbono orgánico del suelo y textura. Se aplicó un flujo analítico homogéneo en ambos sistemas (correlación de Spearman, MLR stepwise y kriging ordinario). Los resultados evidenciaron diferencias marcadas en el desempeño predictivo, en el sistema arrocero se alcanzaron valores de R² de prueba de 0,93 para nitrógeno y 0,88 para fósforo, mientras que en el sistema multicultivo los mayores R² fueron 0,42 para conductividad eléctrica y 0,37 para limo. Asimismo, los índices espectrales basados en NIR y red edge mostraron mayor asociación con los atributos edáficos evaluados. Los resultados demuestran que el desempeño depende de la heterogeneidad estructural del sistema, donde entornos más homogéneos favorecen la predicción puntual, mientras que sistemas más heterogéneos potencian la zonificación y delimitación de unidades de manejoapplication/pdfspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/nc/4.0/Precision agricultureAgricultura de precisiónSpatial interpolationInterpolación espacialVegetation indicesÍndices de vegetaciónUAV remote sensingTeledetección con UAVGeostatisticsGeoestadísticaMultispectral sensorsSensores multiespectralesinfo:eu-repo/semantics/articlehttps://purl.org/pe-repo/ocde/ford#4.01.00https://doi.org/10.17268/sci.agropecu.2026.035Propiedad del suelo; Soil properties; Soil fertility; Fertilidad del suelo; Farming systems; Sistemas de explotación; Nitrogen; Nitrógeno; Fósforo, Phosphorus; Vehículo aéreo no tripulado, Unmanned aerial vehicles; Carbono orgánico del suelo, Soil organic carbon