Olimerca.- Investigadores de la Universidad de Córdoba en colaboración con los de la Universidad de Sevilla han desarrollado un innovador sistema que permite identificar automáticamente si un olivar es tradicional, intensivo o superintensivo mediante imágenes satelitales y técnicas avanzadas de inteligencia artificial.  

El equipo científico ha apostado por el uso de las imágenes del satélite Sentinel-2, que se actualizan cada cinco días y están disponibles de forma gratuita. Aunque dichas imágenes tienen una resolución espacial inferior a las del PNOA, los investigadores han logrado compensar esta limitación utilizando redes neuronales convolucionales (CNN), una técnica de Deep Learning que permite detectar patrones en imágenes de baja resolución. 

Al respecto, la investigadora Isabel Castillejo, del Departamento de Ingeniería Gráfica y Geomática de la Universidad de Córdoba (UCO), ha señalado que este avance permite contar con datos mucho más actualizados y dinámicos que los ofrecidos por métodos tradicionales, lo que resulta clave para evaluar el impacto del cambio del modelo agronómico en cuestiones medioambientales, sociales y económicas. 

Se trata de una herramienta estratégica para las administraciones públicas y el sector agrario, ya que ofrece una forma precisa, rápida y automatizada de monitorizar la evolución del paisaje olivarero, clave para diseñar políticas de apoyo más eficaces y sostenibles

Por tanto, representa una herramienta estratégica para las administraciones públicas y el sector agrario, ya que ofrece una forma precisa, rápida y automatizada de monitorizar la evolución del paisaje olivarero, clave para diseñar políticas de apoyo más eficaces y sostenibles. 

Y es que, tradicionalmente, la tipología del olivar se ha determinado mediante visitas de campo o el análisis de imágenes aéreas del Plan Nacional de Ortofotografía Aérea (PNOA), que se actualizan cada tres años, lo que  impide tener una visión actual del ritmo al que está cambiando el modelo productivo del olivar, en el que el tradicional, de árboles grandes y espaciados, está dando paso progresivamente a modelos más densos y productivos, pero también más exigentes en recursos, como el intensivo o el superintensivo.  

Automatización del proceso 

En concreto, se entrenaron tres modelos de inteligencia artificial diferentes, y uno de ellos –el enfoque B– alcanzó una precisión del 80% en la clasificación de los tipos de plantación, lo que supone una tasa de acierto muy alta teniendo en cuenta la complejidad del problema.  

El sistema desarrollado permite automatizar por completo el proceso: introduciendo un archivo con la referencia catastral de una parcela, el algoritmo delimita automáticamente el área, descarga las imágenes necesarias del periodo seleccionado y determina el tipo de plantación. Todo el proceso se realiza sin intervención humana, lo que supone un importante ahorro de tiempo y recursos.    

Cristina Martínez, del Departamento de Ingeniería Electrónica y de Computadores de la UCO, destaca que este modelo no solo facilita el análisis a gran escala, sino que ofrece enormes posibilidades de aplicación futura. De hecho, el equipo ya está trabajando en una nueva línea de investigación para aplicar esta misma tecnología al estudio del estrés hídrico en los olivares, lo que permitiría anticiparse a situaciones de sequía o problemas de riego con gran precisión.  

Con este avance, Andalucía y España dan un paso más hacia una agricultura inteligente y sostenible, en la que la digitalización, la monitorización en tiempo real y la inteligencia artificial se convierten en herramientas clave para mejorar la eficiencia, la productividad y la gestión responsable del recurso agrario más emblemático del país: el olivar.