¿Por qué ahora?
Tres lagunas informativas urgentes
Quien compra aceite de oliva, almendra, cítricos o vino a granel cierra contratos con meses de antelación, y el volumen de la cosecha determina el precio. Recientemente, el precio del aceite de oliva llegó a variar en un factor de más de dos en solo dos años. Y justo ahora, estimaciones públicas clave han desaparecido o se han desviado claramente.
Almendra · EE. UU. y mercado mundial
Falta la principal referencia de volumen.
En diciembre de 2025, tras 60 años, el Almond Board of California dejó de financiar el informe objetivo de cosecha del USDA (la estimación de julio).
Aceite de oliva · España
Dos semanas de incertidumbre tras la helada.
Tras la helada del 30 de marzo de 2026, los técnicos de las organizaciones agrarias necesitaron más de dos semanas para una evaluación fiable de los daños. La campaña 2025/26 terminó un 5,6 % por debajo de la estimación oficial de otoño (el aforo del MAPA).
Vino · España e Italia
Ya no hay estimación previa.
En agosto de 2026, las cooperativas de Castilla-La Mancha y las asociaciones italianas renunciaron a su tradicional estimación previa de la cosecha.
OrchardCast cubre estas lagunas: antes, con resolución regional hasta el nivel de comarca y con intervalos de probabilidad calibrados.
Más sobre el contexto
Las primeras estimaciones, por ejemplo de las asociaciones del sector, han diferido a menudo mucho entre sí y no siempre están libres de intereses propios. Las cifras oficiales, como el aforo español, no se publican hasta poco antes de la cosecha. Hasta ahora no existe una estimación de producción independiente, temprana y con resolución regional que indique abiertamente su incertidumbre.
Proyecto
Transparencia y precisión de datos para el mercado agrario
Actualmente estamos preparando el lanzamiento de un nuevo servicio de previsión que pretende cubrir las lagunas de información en los mercados de los cultivos leñosos mediterráneos. Nuestro objetivo es ofrecer a compradores, comerciantes y productores de aceite de oliva, almendra, cítricos y vino estimaciones de producción tempranas, objetivas y verificables.
Para ello utilizamos métodos modernos: un modelo fisiológico de crecimiento desarrollado específicamente se contrasta de forma continua con los datos satelitales, modelos meteorológicos y cifras oficiales de referencia más recientes.
Así nace un «radar de cosechas» totalmente automatizado que ofrece valoraciones fundamentadas y trazables: desde balances de daños a corto plazo tras episodios de heladas hasta previsiones de cosecha a largo plazo para la campaña siguiente.
Ventajas
Del modelo biológico a la base de sus decisiones
Cuatro ventajas concretas para envasadores, importadores, descascaradoras de almendra, grandes bodegas, bancos que financian la cosecha o aseguradoras.
0–3 días · Balance del episodio
Actuar en 72 horas tras una helada o una ola de calor.
En lugar de esperar dos semanas a las estimaciones de las organizaciones agrarias, recibe en 72 horas un balance objetivo de daños por comarca.
Más
El balance combina datos meteorológicos horarios, las bolsas de aire frío locales de un modelo del terreno de 30 metros y el estado fenológico. Incluso en primaveras sin heladas, la confirmación de que no hay daños («floración superada sin daños») tiene un valor inmediato en sus negociaciones de compra.
1–5 meses · Nowcast de campaña
Distinguir la escasez aparente de la pérdida real de cosecha.
Si durante la recolección de la aceituna las cifras mensuales de producción quedan por debajo de lo esperado, el modelo muestra si la mercancía solo llega más tarde al mercado o si realmente falta.
Más
Los días de lluvia a menudo solo impiden entrar en los olivares: la aceituna sigue en el árbol. Las pérdidas reales las causan la helada sobre el fruto, el granizo o el viento que tira la aceituna. El modelo mantiene ambas cosas estrictamente separadas: el avance de la recolección, que depende del tiempo, y la pérdida biológica de producción.
3–18 meses · Campaña y año siguiente
Planificar meses antes de las cifras oficiales.
Mucho antes del aforo oficial español del 1 de octubre, el modelo cuantifica el potencial productivo de la próxima campaña y de la siguiente.
Más
Se basa en la vitalidad de la copa, la meteorología pasada, actual y prevista, el agua disponible en el suelo, la fase de vecería (la alternancia de años de cosecha fuerte y débil) y el frío invernal.
Cada previsión · Banda de riesgo
Bandas de riesgo calibradas en lugar de una cifra única.
Cada previsión es un intervalo del 80 % (percentiles 10 a 90) a partir de cientos de escenarios calculados en paralelo.
Más
Tras cada campaña contrastamos de forma transparente nuestros intervalos con las cifras oficiales de la AICA y del MAPA. Una previsión fallida la analizamos y la publicamos: nunca se corrige en silencio.
Método
Una cadena de datos automatizada al servicio de la biología vegetal
Los modelos puramente estadísticos aprenden de años medios. Las heladas en floración, las olas de calor o una ruptura de la vecería a menudo quedan infravaloradas en ellos o ni siquiera se reflejan, y es justo entonces cuando el mercado más necesita la previsión. Por eso OrchardCast une dos mundos.
01 · Cadena de datos
Todos los datos de entrada, procesados de forma totalmente automática.
Superficies a nivel de parcela (SIGPAC), árboles y copas a partir de ortofotos y LiDAR del PNOA, bolsas de aire frío del modelo del terreno de 30 metros, Sentinel-2 y Landsat, ERA5-Land y los conjuntos de predicción del ECMWF alimentan una cadena totalmente automática que estamos construyendo y que se actualiza de forma continua.
02 · Modelo de procesos
Biología en lugar de caja negra.
En su núcleo no calcula un modelo estadístico, sino el conocimiento de la fisiología vegetal: el balance hídrico del suelo y el crecimiento de la producción según la meteorología, la inducción floral, la vecería, la acumulación de frío y los daños por helada según el estado fenológico determinan la producción.
03 · Perspectivas
Del olivo a otros cultivos.
Alrededor del 80 % de los procesos biológicos fundamentales (reposo invernal, fenología, helada, estrés hídrico) son comunes a distintas especies. Por eso, el sistema desarrollado para el olivo puede trasladarse de forma eficiente a almendros, cítricos, vid y pistachos en las principales regiones productoras.
Más sobre el método
Un filtro de partículas contrasta el modelo de forma continua con observaciones: datos satelitales sobre la vitalidad de la copa y, durante la campaña, las cifras oficiales mensuales de producción. Para ello, el modelo calcula cientos de escenarios. Se diferencian en sus supuestos, por ejemplo en la evolución del tiempo o en los parámetros del modelo. De la dispersión de los escenarios resulta el intervalo de previsión.
Oferta
De las perspectivas gratuitas a la licencia de datos
Nuestro modelo puede abarcar distintas escalas espaciales: del municipio a la comarca, la provincia y la región, hasta previsiones para todo el país. Como su unidad básica es la parcela individual (recinto), puede incluso reducirse a explotaciones concretas. Elija el nivel que mejor se adapte a usted.
| Nivel | Contenido | Precio |
|---|---|---|
| Boletín | Boletín gratuito con las últimas novedades | gratuito |
| Briefing / Pase de temporada | Informe en cada fecha de previsión con tabla regional por provincia; como pase de temporada, también para la temporada de heladas o la campaña de la aceituna | 300–500 € por cultivo y año |
| Informe rápido de episodio | Balance de daños por comarca en 72 horas tras una helada importante o una ola de calor | 500–1.000 € por episodio |
| Pro | Datos en CSV y API, resolución por comarca, avisos de episodios en 72 horas, reunión trimestral | 2.500–3.500 € por cultivo y año |
| Paquete por país | todos los cultivos disponibles en el nivel Pro | 4.000–6.000 € al año |
| Análisis a medida | Su pregunta concreta, p. ej., sobre determinadas regiones de abastecimiento o explotaciones | bajo consulta |
| Licencia institucional de datos | flujo de datos brutos legible por máquina para bancos, aseguradoras agrarias, comerciantes de materias primas y fondos | desde 12.000 € al año |
Precios previstos, octubre de 2026. Los miembros fundadores pagan la mitad el primer año (plazas limitadas). Preguntas sobre licencias y análisis a medida: info@orchardcast.com
Perspectivas
Próximamente
OrchardCast se encuentra actualmente en fase de desarrollo y esta web se irá ampliando paso a paso. En breve encontrará aquí:
Previsiones en directo
Resúmenes públicos de nuestras expectativas para las próximas campañas.
Casos prácticos y grado de acierto
Documentación abierta y con sello de tiempo de nuestras previsiones, para documentar con transparencia la calidad de nuestros modelos.
Detalles de los modelos
Datos de partida, fases fisiológicas, horizontes de previsión.
Suscripciones
Informes detallados, previsiones a escala regional e interfaces de datos para clientes profesionales.
Fundador
Dr. Oliver Tackenberg
OrchardCast es un proyecto desarrollado por el Dr. Oliver Tackenberg. La fiabilidad de sus previsiones de cosecha se basa en más de veinte años de investigación en ecología vegetal y modelización computacional. Los modelos predictivos, como los modelos de nicho ecológico o los modelos dinámicos de crecimiento, calculan con gran precisión, a partir de datos ambientales, cómo responden las plantas a la meteorología o a un clima cambiante y dónde crecerán en el futuro.
Su objetivo es combinar un sólido conocimiento en ecología vegetal con métodos modernos basados en datos para trasladar el conocimiento biológico a la práctica. Para OrchardCast procesa de forma totalmente automatizada grandes volúmenes de datos: desde datos geoespaciales e imágenes satelitales hasta registros meteorológicos horarios. Al combinar esta información con modelos fisiológicos de crecimiento y filtros de partículas estadísticos, traduce el comportamiento biológico de los cultivos en previsiones de cosecha sólidas, con información transparente sobre su precisión.
Encontrará más información sobre sus proyectos anteriores en i-flora.com, así como en la lista de sus más de 70 publicaciones científicas en Google Scholar.
