Este estudio utilizó imágenes satelitales Sentinel-2 para evaluar los impactos del uso generalizado de materia orgánica exógena (MOE) en la agricultura sobre la salud del suelo y los cultivos. En particular, nos enfocamos en detectar la aplicación de digestato, que contribuye a la fertilidad del suelo pero también causa riesgos ambientales como la contaminación por microplásticos y la pérdida de nitrógeno. Las características espectroscópicas de la MOE se analizaron utilizando los índices EOMI, NDVI y EVI del análisis de series temporales de imágenes satelitales Sentinel-2 (SITS) para cuatro tipos de cultivos en Tesalia, Grecia. Se utilizaron modelos de aprendizaje automático (AA) como Random Forest, k-NN, Gradient Boosting y Feedforward Neural Networks para detectar la presencia de digestato, logrando una puntuación F1 de hasta 0,85. Este estudio destaca el potencial de combinar la teledetección y el AA para monitorear las aplicaciones de MOE de manera escalable y rentable para apoyar la agricultura de precisión y la sostenibilidad.
