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 nueva metodología capaz de mejorar la predicción temprana de la producción de aceituna y aceite en olivares mediterráneos afectados por la sequía y las altas temperaturas. El trabajo integra imágenes de satélite Sentinel-2, variables climáticas y propiedades del suelo para analizar cómo responden los olivares a las condiciones ambientales en un contexto de creciente variabilidad climática.
Ubicación del área de estudio (provincia de Córdoba, España) y distribución espacial de las geometrías de olivares incluidas en el conjunto de datos. Fuente: https://www.mdpi.com/2073-4395/16/7/722
La investigación se llevó a cabo en olivares de la provincia de Córdoba, una de las principales zonas productoras de aceite de oliva en España. Para ello, el equipo analizó más de 1.100 parcelas agrícolas y combinó información procedente de sensores remotos con datos de temperatura, precipitación y características del suelo.
Uno de los principales avances del estudio es el uso del denominado “tiempo térmico” o Growing Degree Days (GDD), una medida que permite seguir el desarrollo fisiológico del cultivo en función del calor acumulado, en lugar de utilizar únicamente fechas del calendario. “Este enfoque facilita comparar campañas agrícolas muy distintas entre sí y detectar patrones más robustos relacionados con la producción”, señala Ana María Tarquis, investigadora UPM que ha participado en el trabajo.
Los resultados de la investigación, publicados recientemente en la revista científica Agronomy, muestran que determinados periodos de lluvia y ciertos patrones de desarrollo de la vegetación observados por satélite están estrechamente relacionados con la producción futura de aceituna y aceite. Además, el estudio demuestra que las propiedades del suelo condicionan la capacidad del olivar para soportar situaciones de estrés hídrico y térmico.
Según los autores, este tipo de herramientas puede resultar especialmente útil para cooperativas, agricultores y gestores agrícolas, ya que permitiría anticipar rendimientos con mayor precisión y optimizar la toma de decisiones agronómicas y comerciales. El trabajo pone también de manifiesto el potencial de combinar inteligencia artificial, observación de la Tierra y ciencia de datos para avanzar hacia modelos agrícolas más sostenibles, eficientes y adaptados a las nuevas condiciones climáticas.
La investigación se enmarca además en un doctorado industrial desarrollado conjuntamente entre AgrowingData y el Centro de Estudios e Investigación para la Gestión de Riesgos Agrarios y Medioambientales (CEIGRAM-UPM), centrado en la aplicación de inteligencia artificial, análisis de datos e imágenes satelitales para mejorar la resiliencia de los sistemas agrícolas mediterráneos frente al cambio climático.
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