Un método de muestreo rápido y preciso para determinar el rendimiento en huertos de duraznos podría llevar a mejores decisiones de manejo de cultivos, ajustes más precisos de reclamos de seguros y gastos reducidos para la industria de seguros. Dado que el tamaño de la muestra depende exclusivamente de la variabilidad de los árboles en el huerto, es necesario contar con una forma rápida y objetiva de evaluar esta variabilidad. El objetivo de este estudio fue utilizar la teledetección para detectar la variabilidad espacial dentro de los huertos de duraznos y clasificar los árboles en zonas homogéneas que constituyan estratos de muestreo para disminuir el tamaño de la muestra. Se utilizaron cinco huertos de duraznos maduros con diferentes grados de variabilidad espacial. Se estableció un patrón regular de árboles en cada huerto, se midió el área transversal del tronco (TCSA) y se midió el rendimiento como el número de frutas/árbol en el árbol central de cada uno de ellos. Se calculó el Índice de Vegetación Roja (RVI) a partir de imágenes aéreas con una resolución de píxeles de 0,25 m y se utilizó, ya sea solo o en combinación con TCSA, para delimitar estratos de muestreo utilizando cluster. Los muestreos completamente aleatorios (CRS) y estratificados se compararon a través de 10.000 iteraciones, y el Tamaño Mínimo de la Muestra requerido para obtener estimaciones de producción real para tres niveles de calidad de muestreo se calculó en cada caso. Las imágenes permitieron una determinación precisa del número de árboles, lo que permitió una aplicación adecuada de diseños de muestreo completamente aleatorios. El tamaño del árbol y la densidad del dosel estimada mediante índices multiespectrales son parámetros complementarios adecuados para la estratificación del huerto, disminuyendo el tamaño de la muestra requerida para determinar el recuento de frutas hasta un 20-35% en comparación con muestras completamente aleatorias.