Perché ora?
Tre lacune informative urgenti
Chi acquista olio d’oliva, mandorle, agrumi o vino sfuso firma i contratti con mesi di anticipo – e il volume del raccolto determina il prezzo. Di recente il prezzo dell’olio d’oliva è variato di un fattore superiore a due nell’arco di appena due anni. E proprio ora stime pubbliche fondamentali sono venute meno o si sono rivelate nettamente sbagliate.
Mandorle · USA e mercato mondiale
Manca il principale riferimento di volume.
Nel dicembre 2025, dopo 60 anni, l’Almond Board of California ha smesso di finanziare il rapporto oggettivo sul raccolto dell’USDA (la stima di luglio).
Olio d’oliva · Spagna
Due settimane di incertezza dopo la gelata.
Dopo la gelata del 30 marzo 2026, i tecnici delle organizzazioni agricole hanno impiegato più di due settimane per una stima affidabile dei danni. La campagna 2025/26 si è chiusa il 5,6 % al di sotto della stima ufficiale d’autunno (l’aforo del MAPA).
Vino · Spagna e Italia
Niente più stima preliminare.
Nell’agosto 2026 le cooperative della Castiglia-La Mancia e le associazioni italiane hanno rinunciato alla loro tradizionale stima preliminare della vendemmia.
OrchardCast colma queste lacune: prima, con una risoluzione regionale fino al livello di comarca e con intervalli di probabilità calibrati.
Approfondisci il contesto
Le prime stime, ad esempio quelle delle associazioni di settore, in passato sono state spesso molto distanti tra loro e non sempre sono libere da interessi propri. I dati ufficiali, come l’aforo spagnolo, escono solo poco prima del raccolto. Finora non esiste una stima di produzione indipendente, tempestiva e a risoluzione regionale che dichiari apertamente la propria incertezza.
Progetto
Trasparenza e accuratezza dei dati per il mercato agricolo
Stiamo preparando il lancio di un nuovo servizio di previsione pensato per colmare le lacune informative sui mercati delle colture permanenti mediterranee. Il nostro obiettivo è fornire ad acquirenti, commercianti e produttori di olio d’oliva, mandorle, agrumi e vino stime di produzione tempestive, oggettive e verificabili.
Per farlo utilizziamo metodi moderni: un modello fisiologico di crescita sviluppato appositamente viene confrontato di continuo con i più recenti dati satellitari, modelli meteorologici e dati ufficiali di riferimento.
Nasce così un «radar dei raccolti» completamente automatizzato, che fornisce valutazioni fondate e tracciabili: dai bilanci dei danni a breve termine dopo eventi di gelo fino alle previsioni di raccolto a lungo termine per l’anno successivo.
Vantaggi
Dal modello biologico alla base delle Sue decisioni
Quattro vantaggi concreti per imbottigliatori, importatori, sgusciatori di mandorle, grandi cantine, banche che finanziano il raccolto o assicuratori.
0–3 giorni · Bilancio dell’evento
Agire entro 72 ore da una gelata o un’ondata di calore.
Invece di attendere due settimane le stime delle organizzazioni agricole, riceve entro 72 ore un bilancio oggettivo dei danni per comarca.
Approfondisci
Il bilancio combina dati meteorologici orari, i ristagni locali di aria fredda ricavati da un modello del terreno a 30 metri e lo stadio fenologico. Anche nelle primavere senza gelate, la conferma che non ci sono danni («fioritura superata senza danni») ha un valore immediato nelle Sue trattative d’acquisto.
1–5 mesi · Nowcast della campagna
Distinguere la scarsità apparente dalla vera perdita di raccolto.
Se durante la raccolta delle olive i dati mensili di produzione restano al di sotto delle attese, il modello mostra se la merce arriva solo più tardi sul mercato o se manca davvero.
Approfondisci
I giorni di pioggia spesso impediscono soltanto di entrare negli oliveti – le olive sono ancora sull’albero. Le perdite reali sono causate dal gelo sui frutti, dalla grandine o dalle tempeste che fanno cadere le olive. Il modello tiene le due cose rigorosamente separate: l’avanzamento della raccolta, che dipende dal meteo, e la perdita biologica di produzione.
3–18 mesi · Campagna e anno successivo
Pianificare mesi prima dei dati ufficiali.
Molto prima dell’aforo ufficiale spagnolo del 1º ottobre, il modello quantifica il potenziale produttivo della prossima campagna e di quella successiva.
Approfondisci
Si basa sulla vitalità delle chiome, sul meteo passato, attuale e atteso, sull’acqua disponibile nel suolo, sulla fase di alternanza (l’avvicendarsi di annate di carica e di scarica) e sul freddo invernale.
Ogni previsione · Banda di rischio
Bande di rischio calibrate invece di un singolo numero.
Ogni previsione è un intervallo all’80 % (dal 10° al 90° percentile), ricavato da centinaia di scenari calcolati in parallelo.
Approfondisci
Dopo ogni campagna confrontiamo in modo trasparente i nostri intervalli con i dati ufficiali di AICA e MAPA. Una previsione mancata viene analizzata e pubblicata da noi – non viene mai corretta in silenzio.
Metodo
Una catena di dati automatizzata incontra la biologia vegetale
I modelli puramente statistici imparano dalle annate medie. Gelate in fioritura, ondate di calore o una rottura dell’alternanza vengono spesso sottostimate da questi modelli o non vengono rappresentate affatto – eppure è proprio allora che il mercato ha più bisogno della previsione. Per questo OrchardCast unisce due mondi.
01 · Catena di dati
Tutti i dati di ingresso, elaborati in modo completamente automatico.
Superfici a livello di particella (SIGPAC), alberi e chiome da ortofoto e LiDAR del PNOA, ristagni di aria fredda dal modello del terreno a 30 metri, Sentinel-2 e Landsat, ERA5-Land e gli ensemble meteorologici dell’ECMWF confluiscono in una catena completamente automatica, che stiamo costruendo e che si aggiorna di continuo.
02 · Modello di processo
Biologia invece di una scatola nera.
Al centro non c’è un modello statistico, ma la conoscenza della fisiologia vegetale: il bilancio idrico del suolo e la formazione della resa guidata dal meteo, l’induzione a fiore, l’alternanza, l’accumulo di freddo e i danni da gelo in funzione dello stadio fenologico determinano la resa.
03 · Prospettive
Dall’olivo ad altre colture.
Circa l’80 % dei processi biologici fondamentali – dormienza, fenologia, gelo, stress idrico – è comune a più specie. Il sistema sviluppato per l’olivo può quindi essere esteso in modo efficiente a mandorli, agrumi, vite e pistacchi nelle principali regioni di coltivazione.
Approfondisci il metodo
Un filtro particellare confronta di continuo il modello con le osservazioni: dati satellitari sulla vitalità delle chiome e, durante la campagna, i dati ufficiali mensili di produzione. Per farlo, il modello calcola centinaia di scenari, che si differenziano nelle loro ipotesi – ad esempio nell’andamento del meteo o nei parametri del modello. Dalla dispersione degli scenari risulta l’intervallo di previsione.
Offerta
Dalle prospettive gratuite alla licenza dei dati
Il nostro modello può coprire diverse scale spaziali – dal comune alla comarca, alla provincia e alla regione, fino alle previsioni su scala nazionale. Poiché la sua unità di base è la singola particella (recinto), può essere ridotto persino alla scala della singola azienda. Scelga il livello più adatto a Lei.
| Livello | Contenuto | Prezzo |
|---|---|---|
| Newsletter | Newsletter gratuita con gli ultimi aggiornamenti | gratuita |
| Briefing / Pass stagionale | Report a ogni scadenza di previsione con tabella regionale per provincia; come pass stagionale anche per la stagione delle gelate o la campagna olivicola | 300–500 € per coltura e anno |
| Report rapido sull’evento | Bilancio dei danni per comarca entro 72 ore da una forte gelata o un’ondata di calore | 500–1.000 € per evento |
| Pro | Dati in CSV e via API, risoluzione per comarca, allerte sugli eventi entro 72 ore, colloquio trimestrale | 2.500–3.500 € per coltura e anno |
| Pacchetto Paese | tutte le colture disponibili al livello Pro | 4.000–6.000 € all’anno |
| Analisi su commissione | La Sua domanda specifica, ad es. su determinate regioni di approvvigionamento o aziende | su richiesta |
| Licenza istituzionale dei dati | flusso di dati grezzi leggibile da macchina per banche, assicurazioni agricole, operatori di materie prime e fondi | da 12.000 € all’anno |
Prezzi previsti, aggiornati a ottobre 2026. I membri fondatori pagano la metà nel primo anno (posti limitati). Domande su licenze e analisi su commissione: info@orchardcast.com
Prospettive
Prossimamente
OrchardCast è attualmente in fase di sviluppo e questo sito verrà ampliato gradualmente. A breve qui troverà:
Previsioni in tempo reale
Sintesi pubbliche delle nostre aspettative per le prossime campagne.
Casi studio e affidabilità
Una documentazione aperta e con marcatura temporale delle nostre previsioni, per documentare in modo trasparente la qualità dei nostri modelli.
Dettagli sui modelli
Dati di base, fasi fisiologiche, orizzonti di previsione.
Abbonamenti
Briefing dettagliati, previsioni su scala regionale e interfacce dati per clienti professionali.
Fondatore
Dr. Oliver Tackenberg
OrchardCast è sviluppato dal Dr. Oliver Tackenberg. L’affidabilità delle sue previsioni di raccolto si fonda su oltre vent’anni di ricerca nell’ecologia vegetale e nella modellistica computazionale. I modelli predittivi, come la modellizzazione della nicchia ecologica o i modelli dinamici di crescita, calcolano con grande precisione, sulla base di dati ambientali, come le piante reagiscono alle condizioni meteorologiche o ai cambiamenti climatici e dove cresceranno in futuro.
Il suo obiettivo è coniugare solide competenze di ecologia vegetale con moderni metodi basati sui dati, per rendere il know-how biologico utilizzabile nella pratica. Per OrchardCast elabora in modo completamente automatizzato grandi quantità di dati: dai dati geospaziali e dalle immagini satellitari fino alle registrazioni meteorologiche orarie. Combinando queste informazioni con modelli fisiologici di crescita e filtri particellari statistici, traduce il comportamento biologico delle colture in previsioni di raccolto affidabili, corredate da indicazioni trasparenti sulla loro accuratezza.
Maggiori dettagli sui suoi progetti precedenti sono disponibili su i-flora.com e nell’elenco delle sue oltre 70 pubblicazioni scientifiche su Google Scholar.
