PEE-2025-G-369 · Secihti 2025 · IT Ciudad Valles · Huasteca Potosina

TecNM Tecnológico Nacional
de México
Secihti Secihti
2025
IT Ciudad Valles IT Ciudad Valles
San Luis Potosí

Agroplataforma digital de monitoreo para la conservación del maíz nativo en la Huasteca Potosina

Una herramienta tecnológica que integra datos geoespaciales, ambientales, culturales y agronómicos para identificar, monitorear y conservar las variedades de maíz nativo cultivadas por comunidades indígenas y campesinas de la región.

Grupo de investigación Eje 2 · Mejoramiento de Maíz y Frijol Ciencias computacionales + Agroecología PostGIS · Django · IA geoespacial 15+ comunidades · 11 investigadores
Quiero colaborar Ver arquitectura técnica

↓ Desplazar para conocer el proyecto

01 · Contexto

El maíz nativo como patrimonio vivo

La Huasteca Potosina es una región de gran riqueza biocultural donde comunidades indígenas y campesinas continúan cultivando variedades de maíz adaptadas al entorno local, transmitidas de generación en generación. Estas semillas poseen un alto valor por su diversidad genética, resiliencia ecológica y profunda vinculación con los saberes ancestrales.

No obstante, la agricultura industrial, el cambio climático, la migración y la expansión de semillas transgénicas amenazan seriamente este patrimonio biocultural. Pese a esfuerzos académicos y sociales, las iniciativas para preservarlo han sido dispersas y poco articuladas, sin aprovechar tecnologías emergentes.

"Se carece de herramientas que integren datos georreferenciados, ambientales, sociales y culturales que orienten decisiones estratégicas de conservación."

Ante este panorama, la agroplataforma propone una respuesta tecnológica enraizada en el territorio, respetuosa de los saberes comunitarios y basada en evidencia científica.

Conservación biocultural Maíz nativo Georreferenciación Soberanía alimentaria Agroplataforma digital
15+
Localidades productoras a visitar
11
Investigadores en el equipo
30+
Muestras nutrimentales a analizar
5
Talleres comunitarios
22+
Variedades nativas documentadas

02 · Objetivos

¿Qué busca lograr el proyecto?

Objetivo general

Desarrollar e implementar una agroplataforma digital basada en información científica, geoespacial y sociocultural, orientada a identificar, mapear y monitorear áreas estratégicas para la conservación del maíz nativo en la Huasteca Potosina, resguardando su diversidad genética, documentando sus atributos agronómicos y alimentarios, reconociendo amenazas socioambientales y fortaleciendo la toma de decisiones informadas para su manejo sostenible y culturalmente pertinente.

  1. 01
    Recolectar y sistematizar información geoespacial

    Levantamiento en al menos 15 comunidades mediante entrevistas, GPS, imágenes satelitales y vuelos de dron, organizados en una base de datos georreferenciada.

  2. 02
    Caracterización fenotípica de variedades nativas

    Documentación morfológica, agronómica y adaptativa de las variedades para evidenciar su diversidad y potencial para la conservación y el mejoramiento genético.

  3. 03
    Diseñar e implementar la agroplataforma digital

    Plataforma web interactiva con software libre (Django, Leaflet, PostGIS, QGIS) para consultar, visualizar y analizar información sobre el cultivo y sus amenazas.

  4. 04
    Identificar zonas prioritarias de conservación

    Modelos de análisis espacial e IA para priorizar áreas según riqueza genética, presión humana, riesgo de desaparición y valor nutrimental.

  5. 05
    Formular recomendaciones de política pública

    Generación de insumos técnicos y mapas temáticos para instancias gubernamentales, organizaciones civiles e investigadores.

  6. 06
    Capacitar y fortalecer capacidades locales

    Talleres en comunidades piloto para apropiación tecnológica, interpretación de mapas y recolección participativa de datos georreferenciados.

03 · Arquitectura técnica

Una base de datos geoespacial integral

El corazón del proyecto es una base de datos PostgreSQL 15 con extensiones PostGIS, uuid-ossp y pg_trgm, organizada en 7 esquemas temáticos y ~40 tablas. Cada esquema captura una dimensión distinta del agroecosistema: desde las coordenadas GPS de una parcela hasta los rituales agrícolas asociados a una variedad o el valor nutrimental de un grano.

Sobre esta base se construye una plataforma web con Next.js 15 en el frontend y FastAPI en el backend, comunicados a través de una API RESTful con Axios y TanStack Query. Leaflet gestiona la visualización cartográfica, Python con Rasterio y scikit-learn alimenta los modelos de análisis geoespacial, y el sistema se despliega en contenedores Docker con Nginx.

Stack tecnológico

Frontend
Next.js 15 (App Router) React 18 · TypeScript 5 Zustand · TanStack Query Leaflet.js CSS Modules Phosphor Icons Mapas interactivos Filtros geoespaciales
Backend / API
FastAPI Python 3 Axios API RESTful Autenticación JWT + roles Carga/descarga de datos Reportes automáticos
Análisis IA
Python · scikit-learn Pandas · NumPy Rasterio · GDAL Modelos predictivos geoespaciales Clasificación de cobertura vegetal Detección de amenazas Zonas prioritarias de conservación
Base de datos
PostgreSQL 15 PostGIS uuid-ossp pg_trgm 7 esquemas · ~40 tablas · 20+ vistas Índices GIST espaciales
Despliegue
Docker Nginx GitHub Variables de entorno seguras
Teledetección
Sentinel-2 / Landsat Google Earth Engine DJI Mavic 3 Multispectral NDVI · NDWI · GNDVI · EVI Pix4D Fields Ortomosaicos · DEM · DSM
SIG escritorio
QGIS ArcGIS Capas temáticas Mapas de uso de suelo Cambio de cobertura GPS D-RTK 2 alta precisión

7 esquemas de la base de datos

🌍 geografico

Ubicaciones GPS con geometría PostGIS, parcelas como polígonos, vuelos de dron, imágenes satelitales, capas SIG y zonas prioritarias de conservación.

parcela · ubicacion · vuelo_dron · imagen_satelital · zona_prioritaria · cambio_uso_suelo
🌽 agronomico

Germoplasma de variedades nativas con código de accesión, ciclos agrícolas, registros de cultivo, sistemas de semilla y economía del cultivo.

germoplasma · cultivo · ciclo_agricola · sistema_semilla · uso_maiz · economia_cultivo
🌦 ambiental

Mediciones meteorológicas de estaciones físicas, satelitales y de API; índices de vegetación (NDVI, NDWI, EVI, LAI); condiciones edáficas y amenazas activas georreferenciadas.

medicion_ambiental · indice_vegetacion · serie_ndvi · condicion_edafica · amenaza · estacion_meteorologica
👥 social

Perfil de productores con datos de género y experiencia, seguridad alimentaria (ELCSA), vulnerabilidad climática, redes de intercambio de semilla y consentimientos informados.

productor · comunidad · seguridad_alimentaria · vulnerabilidad_climatica · red_intercambio · perfil_socioeconomico
🫘 fenotipico

Evaluaciones morfológicas completas: dimensiones de mazorca y grano, altura de planta, fenología, presencia de plagas. Análisis nutrimentales (proteína, zinc, antocianinas, carotenoides).

evaluacion_fenotipica · muestra_nutrimental · resultado_nutrimental · evidencia
🎭 cultural

Rituales agrícolas georreferenciados, saberes tradicionales por categoría, gastronomía con vínculo ritual, narrativa oral, nombres en lenguas originarias e identidad cultural del productor.

ritual_agricola · saber_tradicional · gastronomia · narrativa_oral · nombre_lengua_originaria
📚 catalogo

Catálogos territoriales completos de la Huasteca Potosina con claves INEGI, coordenadas centroide, grado de marginación, presencia indígena y pueblos originarios con sus lenguas.

estado · municipio · comunidad · localidad · lengua · pueblo_originario · clase_uso_suelo

Vistas y módulos de la plataforma

🗺️ Mapa interactivo

Mapa Leaflet con capas dinámicas: parcelas, zonas prioritarias, amenazas activas, índices NDVI y cambio de uso de suelo. Filtros por municipio, lengua y temporada agrícola.

🌽 Catálogo de variedades

Ficha técnica por variedad: morfología, fenología, saberes asociados, nombre en lengua originaria, valor nutrimental y distribución geográfica.

🧑‍🌾 Perfil de productor

Historial del productor: parcelas registradas, variedades cultivadas, eventos climáticos registrados y participación en redes de intercambio de semilla.

📊 Panel de análisis

Tablero con estadísticas de diversidad genética, índices de amenaza por zona, avance de muestreo nutrimental y comparativas entre comunidades.

📡 Monitor ambiental

Series temporales de NDVI, NDWI y datos meteorológicos por parcela. Alertas automáticas de sequía, helada y presión de plagas.

📥 Módulo de captura

Formulario responsivo de campo con sincronización offline, captura GPS integrada y carga de imágenes multiespectrales. Accessible en dispositivos de bajo costo.

04 · Metodología

Cuatro etapas integradas de trabajo

La metodología combina métodos cualitativos y cuantitativos, tecnologías geoespaciales, inteligencia artificial y participación comunitaria bajo un enfoque transdisciplinario.

Etapa 1 · 5 meses · En curso ✦

Diagnóstico y levantamiento

Entrevistas semiestructuradas y observación etnográfica en al menos 15 comunidades seleccionadas por muestreo intencional. Captura GPS con estación D-RTK 2, imágenes satelitales multiespectrales y vuelos de dron. Construcción inicial de la base de datos georreferenciada.

Etapa 2 · 11 meses

Desarrollo de la plataforma

Desarrollo ágil (SCRUM/Kanban) de la aplicación web con backend Django, API RESTful, mapas Leaflet y capas dinámicas. Integración de imágenes satelitales y capturas de dron. Análisis nutrimental de 30+ muestras (proteína, fibra, micronutrientes, antocianinas).

Análisis transversal

Documentación y análisis IA

Modelos de aprendizaje automático para clasificar regiones por valor ecológico, cultural y nivel de amenaza. Análisis espacial avanzado con QGIS y ArcGIS. Mapas temáticos de diversidad, vulnerabilidad climática y zonas prioritarias.

Cierre y transferencia

Validación comunitaria

Cinco talleres presenciales en comunidades piloto con 20 personas por taller. Investigación-acción participativa para apropiación tecnológica. Producción de manuales impresos, videotutoriales y materiales en lenguas originarias. Publicación académica y congreso nacional.

05 · Amenazas monitoreadas

Presiones sobre el maíz nativo en la región

El sistema registra y clasifica 11 tipos de amenazas por nivel de riesgo (bajo, medio, alto, crítico), detectadas mediante imágenes satelitales, entrevistas de campo, vuelos de dron y modelos de machine learning. Cada amenaza se almacena con polígono georreferenciado, área afectada y fuente de detección.

Expansión agrícola industrial Ganadería extensiva Deforestación Presencia de transgénicos Contaminación química Sequía prolongada Helada atípica Plaga emergente Abandono del campo Migración de productores Inundación

06 · Cronograma

Plan de trabajo en 2 etapas

16 meses de ejecución organizados en dos etapas. Actualmente el proyecto se encuentra en la Etapa 1.

Etapa 1 · Diagnóstico y levantamiento En curso

5 meses

Diseño del protocolo de campo, selección de localidades, aplicación de entrevistas y encuestas, captura GPS y vuelos de dron, análisis preliminar de imágenes satelitales. Construcción de la base de datos estructurada y georreferenciada. Formación de 2 estudiantes en residencias profesionales.

📡 DJI Mavic 3 Multispectral 📍 GPS D-RTK 2 🛰️ Sentinel Hub + GEE 🌱 Smart Agriculture Xtreme 👥 2 residencias profesionales
▸ En desarrollo

Etapa 2 · Desarrollo y difusión

11 meses

Desarrollo iterativo de la plataforma web, integración de IA geoespacial, análisis nutrimental de 30+ muestras, pruebas de usabilidad con usuarios comunitarios. 5 talleres presenciales, elaboración de manuales y videotutoriales. Publicación de artículo académico y presentación en congreso nacional.

⚙️ Django + Leaflet + PostGIS 🤖 Machine learning espacial 🔬 Análisis nutrimental 🏫 5 talleres · 100 personas 📝 2 tesis de maestría 📄 Publicación académica
▸ Pendiente de inicio

07 · Equipo de investigación

Las personas detrás del proyecto

Responsable técnico
Dr. Alfredo Barrón Rodríguez
alfredo.barron@tecvalles.mx · 481 391 8309 · IT Ciudad Valles
Investigadora
Dra. Dulce Carolina Acosta Pintor

Desarrollo sustentable

Investigador
Dr. Hugo René Larraga Altamirano

Sistemas computacionales

Investigadora
Dra. Cynthia Wong Arguelles

Ciencias ambientales

SNI Nivel I
Investigador
Dr. Daniel Perales Rosas

Parasitología agrícola

SNI Nivel I
Investigadora
Dra. Rosa María Jiménez Maldonado

Emprendimiento comunitario

Investigador
Dr. Omar Espinosa Guerra

Electrónica y software

Investigadora
Dra. Sofía del Rosario Romero Ramos

Industrias alimentarias

Investigador
Dr. Carlos Cecilio Góngora Canul

Fitopatología

SNI Nivel I
Investigadora
MC. Ana María Piedad Rubio

Sistemas computacionales

Investigador
MC. Habacuc Lorenzo Márquez

SIG y análisis estadístico

Investigadora
MAE. Dalia Rosario Hernández López

Sistemas computacionales

08 · Únete al proyecto

¿Quieres colaborar con nosotros?

La Agroplataforma es un proyecto abierto, transdisciplinario y orientado al impacto comunitario. Buscamos personas y organizaciones que compartan la visión de conservar el maíz nativo a través de la tecnología, la ciencia y el conocimiento local.

🔬

Investigadores y académicos

¿Trabajas en agroecología, SIG, etnobotánica, sistemas computacionales, nutrición o ciencias sociales? Hay espacio para vinculación de investigación, publicaciones conjuntas y participación en trabajo de campo.

💻

Desarrolladores y especialistas técnicos

Buscamos perfiles con experiencia en Django, PostGIS, Leaflet, machine learning geoespacial, procesamiento de imágenes multiespectrales o diseño UX/UI para entornos de baja conectividad.

🌱

Estudiantes de licenciatura y posgrado

Hay oportunidades de residencia profesional (4–6 meses) y tesis de maestría en análisis geoespacial, sistemas socioecológicos, nutrición de maíz nativo o desarrollo de plataformas digitales.

🏛️

Instituciones y organizaciones

Convocamos a instituciones de investigación, organizaciones de la sociedad civil, dependencias de gobierno y organismos internacionales interesados en conservación biocultural y soberanía alimentaria.

👨‍🌾

Comunidades y productores

La plataforma se construye con y para las comunidades. Si eres productor, promotor comunitario o trabajas directamente con comunidades de la Huasteca, tu participación es fundamental.

📡

Alianzas de datos abiertos

Buscamos colaboración con centros de datos, repositorios de germoplasma, redes de monitoreo ambiental e iniciativas de datos abiertos para enriquecer la base de información regional.

Enviar mensaje al equipo alfredo.barron@tecvalles.mx · 481 391 8309

09 · Marco teórico y referencias

Fundamentos científicos del proyecto

El proyecto articula agroecología, tecnologías geoespaciales, conservación biocultural y participación comunitaria en una propuesta transdisciplinaria.

Guzzon et al. (2021)Conservation of Latin American maize diversity. Agronomy, 11(1), 172.
Brush, S. B. (2008)Farmers' bounty: Locating crop diversity in the contemporary world. Yale University Press.
Barrera-Bassols et al. (2009)Saberes locales y defensa de la agrobiodiversidad. Papeles, (107), 77–91.
CONABIO (2021)Diversidad y distribución del maíz nativo en México. biodiversidad.gob.mx
Bellon & van Etten (2014)On-farm conservation of crop landraces. Plant genetic resources and climate change. CABI.
González, J. J. L. (2025)La tradición agrícola mesoamericana: Apuntes sobre el maíz en la Huasteca. Antrópica, 11(21).
Kamilaris & Prenafeta-Boldú (2018)Deep learning in agriculture. Computers and Electronics in Agriculture, 147, 70–90.
Chambers, R. (1994)Participatory rural appraisal (PRA): Analysis of experience. World Development, 22(9).
Gorelick et al. (2017)Google Earth Engine: Geospatial analysis for everyone. Remote Sensing of Environment, 202.
Peralta-Rivero et al. (2016)Percepción local respecto a la valoración ambiental y pérdida de recursos forestales en la Huasteca SLP.
Altieri, M. A. (2000)Agroecology: Principles and strategies for designing sustainable farming systems.
DOF (2020)Ley Federal para el Fomento y Protección del Maíz Nativo. Diario Oficial de la Federación.
🌽 Ir a la plataforma