Intelligenza artificiale e satelliti per prevedere il raccolto dell'olivo

Una nuova metodologia basata sull’intelligenza artificiale, sull’osservazione satellitare e sull’analisi dei dati climatici promette di migliorare la previsione della produzione di olive e olio negli oliveti mediterranei, sempre più esposti agli effetti della siccità e delle alte temperature. È il risultato di uno studio condotto dall’Università Politecnica di Madrid (UPM), in collaborazione con l’azienda AgrowingData e la Scuola Tecnica Superiore di Ingegneria dell’Università Pontificia Comillas (ICAI).

La ricerca, pubblicata sulla rivista scientifica Agronomy, è stata realizzata su oltre 1.100 appezzamenti olivicoli della provincia di Córdoba, una delle principali aree di produzione olearia della Spagna. Gli studiosi hanno integrato immagini del satellite Sentinel-2 con dati su temperatura, precipitazioni e caratteristiche del terreno, per analizzare la risposta degli oliveti alle condizioni ambientali in un contesto di crescente variabilità climatica.

L’elemento più innovativo del lavoro è l’impiego del cosiddetto Growing Degree Days (GDD), o “tempo termico”, un indicatore che misura il calore accumulato durante il ciclo colturale. A differenza del tradizionale riferimento al calendario, questo parametro consente di seguire lo sviluppo fisiologico della pianta in funzione delle condizioni climatiche effettive, rendendo possibile il confronto tra annate molto diverse.

Secondo i ricercatori, l’approccio permette di individuare con maggiore precisione i fattori che influenzano la produttività. In particolare, lo studio evidenzia come specifici periodi di pioggia e alcuni indicatori dello stato della vegetazione rilevati dai satelliti siano strettamente correlati alla resa finale in olive e olio. Anche le proprietà del suolo risultano determinanti, poiché incidono sulla capacità degli olivi di resistere agli stress idrici e termici.

Gli autori sottolineano che strumenti di questo tipo potrebbero rivelarsi preziosi per agricoltori, cooperative e operatori del settore, consentendo di stimare con maggiore anticipo i raccolti, ottimizzare la gestione agronomica e pianificare in modo più efficace le attività commerciali.

La ricerca rientra inoltre in un progetto di dottorato industriale sviluppato congiuntamente da AgrowingData e dal Centro di Studi e Ricerca per la Gestione dei Rischi Agrari e Ambientali (CEIGRAM-UPM), con l’obiettivo di sviluppare soluzioni basate sull’intelligenza artificiale e sull’analisi dei dati per aumentare la resilienza dei sistemi agricoli mediterranei di fronte alle sfide poste dal cambiamento climatico.

Bibliografia

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.