Uno de los elementos centrales del estudio es el uso del denominado ‘tiempo térmico’ o Growing Degree Days (GDD)
Una herramienta combina IA, imágenes satelitales y datos climáticos para predecir la cosecha del olivar
Redacción Interempresas10/07/2026 La metodología, probada en más de 1.100 parcelas de Córdoba, busca mejorar la predicción temprana de la producción de aceituna y aceite ante la sequía y las altas temperaturas.
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 metodología para mejorar la predicción temprana de la producción de aceituna y aceite en olivares mediterráneos sometidos a sequía y altas temperaturas.
El sistema combina imágenes del satélite Sentinel-2, variables climáticas y propiedades del suelo para analizar la respuesta del olivar a las condiciones ambientales. La investigación se ha llevado a cabo en más de 1.100 parcelas de la provincia de Córdoba y ha integrado información obtenida mediante sensores remotos con datos de temperatura, precipitación y características edáficas.
El desarrollo del cultivo, más allá del calendario
Uno de los elementos centrales 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 basarse únicamente en fechas del calendario.
“Este enfoque facilita comparar campañas agrícolas muy distintas entre sí y detectar patrones más robustos relacionados con la producción”, explica Ana María Tarquis, investigadora de la UPM que ha participado en el trabajo.
Los resultados, publicados en la revista científica ‘Agronomy’, muestran que determinados periodos de lluvia y ciertos patrones de desarrollo de la vegetación observados por satélite están relacionados con la producción posterior de aceituna y aceite. El estudio también señala que las propiedades del suelo condicionan la capacidad del olivar para afrontar situaciones de estrés hídrico y térmico.
Anticipar rendimientos en un clima más variable
Según los investigadores, la metodología podría ayudar a agricultores, cooperativas y gestores agrícolas a anticipar los rendimientos y mejorar la toma de decisiones agronómicas y comerciales. El trabajo explora así el uso combinado de inteligencia artificial, observación de la Tierra y análisis de datos para adaptar la gestión del olivar a una mayor variabilidad climática.
La investigación se enmarca en un doctorado industrial desarrollado conjuntamente por 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.
