Investigadores de la UPM han desarrollado una metodología innovadora para predecir la cosecha de aceitunas en olivares mediterráneos, integrando datos climáticos y de suelo con imágenes satelitales.
Un equipo de investigación de la Universidad Politécnica de Madrid (UPM), en colaboración con la empresa AgrowingData y la Escuela Técnica Superior de Ingeniería de la Universidad Pontificia Comillas (ICAI), ha desarrollado una innovadora metodología que mejora la predicción temprana de la producción de aceitunas y aceite en olivares mediterráneos, especialmente aquellos afectados por sequías y altas temperaturas. Este avance integra imágenes satelitales del programa Sentinel-2, variables climáticas y características del suelo para evaluar cómo responden los olivares a las cambiantes condiciones ambientales.
La investigación se llevó a cabo en los olivares de la provincia de Córdoba, reconocida como una de las principales regiones productoras de aceite de oliva en España. Los investigadores analizaron más de 1.100 parcelas agrícolas, combinando datos obtenidos a través de sensores remotos con información sobre temperatura, precipitaciones y características del suelo.
Uno de los avances significativos del estudio es el uso del concepto conocido como “tiempo térmico” o Growing Degree Days (GDD). Esta medida permite seguir el desarrollo fisiológico del cultivo basado en el calor acumulado, lo que facilita la comparación entre distintas campañas agrícolas y ayuda a identificar patrones más sólidos relacionados con la producción. Ana María Tarquis, investigadora de la UPM involucrada en el proyecto, destaca este enfoque como clave para mejorar las predicciones.
Los resultados obtenidos han sido publicados recientemente en la revista científica Agronomy. Estos indican que ciertos periodos de lluvia y patrones específicos en el desarrollo vegetativo observados mediante satélites están estrechamente vinculados con la producción futura tanto de aceitunas como de aceite. Además, se ha demostrado que las propiedades del suelo influyen significativamente en la capacidad del olivar para resistir situaciones adversas relacionadas con el estrés hídrico y térmico.
Los autores sugieren que esta herramienta puede ser especialmente útil para cooperativas agrícolas, agricultores y gestores del sector, ya que les permitirá anticipar rendimientos con mayor precisión y optimizar así sus decisiones agronómicas y comerciales. Este trabajo también resalta el potencial que tiene la combinación de inteligencia artificial, observación terrestre y ciencia de datos para avanzar hacia modelos agrícolas más sostenibles y adaptados a las nuevas realidades climáticas.
La investigación forma parte de un doctorado industrial desarrollado conjuntamente entre AgrowingData y el Centro de Estudios e Investigación para la Gestión de Riesgos Agrarios y Medioambientales (CEIGRAM-UPM). Este programa se centra en aplicar inteligencia artificial, análisis de datos e imágenes satelitales para mejorar la resiliencia del sistema agrícola mediterráneo frente al cambio climático.
Referencia: Rosa Gutiérrez-Cabrera, Javier Borondo, Ana María Tarquis. Climate-Smart Framework for Olive Yield Estimation: Integrating Soil Properties, Thermal Time, and Remote Sensing NDVI Time Series. Agronomy 2026, 16(7), 722. https://doi.org/10.3390/agronomy16070722
La metodología desarrollada combina imágenes de satélite, variables climáticas y propiedades del suelo para analizar cómo responden los olivares a las condiciones ambientales, lo que permite realizar predicciones más precisas sobre la producción de aceituna y aceite.
El "tiempo térmico" o GDD es una medida que permite seguir el desarrollo fisiológico del cultivo en función del calor acumulado, en lugar de basarse únicamente en fechas del calendario. Esto facilita la comparación entre campañas agrícolas distintas y ayuda a detectar patrones relacionados con la producción.
Cooperativas, agricultores y gestores agrícolas pueden beneficiarse de esta herramienta, ya que les permitirá anticipar rendimientos con mayor precisión y optimizar la toma de decisiones agronómicas y comerciales.
La combinación de inteligencia artificial, observación de la Tierra y ciencia de datos puede avanzar hacia modelos agrícolas más sostenibles y eficientes, adaptándose mejor a las nuevas condiciones climáticas y mejorando la resiliencia de los sistemas agrícolas mediterráneos.