Un equipo de investigación de las universidades de Córdoba y Sevilla ha desarrollado un innovador método que permite identificar el tipo de plantación de olivar, ya sea tradicional, intensiva o superintensiva, de forma rápida y sencilla. Este avance se basa en el uso de imágenes satelitales, lo que elimina la necesidad de realizar visitas al campo.
El olivar tradicional, caracterizado por sus árboles grandes y espaciados, está siendo reemplazado por modalidades más densas como el olivar intensivo y superintensivo. Aunque estas últimas incrementan la productividad, también conllevan un mayor consumo de recursos hídricos. Ante esta transformación, las administraciones públicas han implementado políticas y ayudas para gestionar adecuadamente este cambio, lo que requiere información precisa sobre la extensión y evolución de los diferentes tipos de plantaciones.
Nueva tecnología para el sector agrícola
Para satisfacer esta necesidad informativa, el nuevo método utiliza redes neuronales convolucionales (CNN), una técnica avanzada en el ámbito del aprendizaje profundo. Estas redes permiten identificar automáticamente patrones en los olivares a partir de imágenes satelitales gratuitas proporcionadas por Sentinel-2.
La investigadora Isabel Castillejo del Departamento de Ingeniería Gráfica y Geomática de la UCO señala que “hasta ahora contábamos con datos gracias a las imágenes del PNOA (Plan Nacional de Ortofotografía Aérea), que poseen alta resolución espacial pero se actualizan cada tres años, ofreciendo una visión desfasada”. Para superar este obstáculo, el equipo optó por las imágenes de Sentinel-2, disponibles cada cinco días. Sin embargo, su menor resolución espacial presenta desafíos en la identificación directa de las copas de los árboles.
Resultados prometedores
Las investigadoras entrenaron tres algoritmos distintos para detectar los sistemas de plantación utilizando estas imágenes satelitales. Según Cristina Martínez, del Departamento de Ingeniería Electrónica y de Computadores de la UCO, “el mejor algoritmo alcanzó una precisión del 80%, un resultado notable dada la complejidad del problema y la calidad de las imágenes”.
Una característica clave del método es su automatización: “simplemente introduciendo un archivo con el código catastral o referencia de la parcela, se delimitan sus lindes y se descargan automáticamente las imágenes necesarias para determinar el tipo de olivar”, explican las investigadoras. Esto representa un avance significativo frente a los métodos tradicionales que requieren muestreos aleatorios y visitas al campo.
Con esta metodología innovadora se busca mejorar la gestión y seguimiento de los olivares. Además, el equipo ya está explorando cómo aplicar este enfoque a la evaluación del estrés hídrico en estos cultivos.
Referencia:
Martínez Ruedas, C., Yanes Luis, S., Linares Burgos, R., Gutiérrez Reina, D. y Castillejo González, I.L. (2025). Assessment of CNN-based methods for discrimination of olive planting systems with Sentinel-2 images. Computers and Electronics in Agriculture, 234, 110311. https://doi.org/10.1016/j.compag.2025.110311
Si (
No(
