El aceite de palma se ha convertido en uno de los aceites vegetales más consumidos en el mundo debido al elevado rendimiento sobre otros tipos de cultivos oleaginosos, además de ser un ingrediente clave en cadenas de valor globales rentables. La predicción de la edad de palma de aceite mejora con el uso de técnicas de aprendizaje automático y es una importante área de investigación en agricultura digital. El proyecto pretendió generar herramientas que permitan estimar la producción futura de palma aceitera a partir de imágenes multiespectrales satelitales de acceso libre, en plantaciones del Pacífico Central de Costa Rica. Se utilizaron técnicas de aprendizaje automático que permitieran relacionar el rendimiento de la palma aceitera con índices de vegetación entre las mismas fechas para predecir la producción a partir de futuras imágenes. Se obtuvo tres productos de la investigación, en los que se muestran las técnicas con mejores ajustes de los índices de vegetación obtenidos de las imágenes con respecto a la edad y el rendimiento de la producción, determinando que el modelo Random Forest para la variedad genética predominante (AVROS) es el mas adecuado. Tambien se determinó el ajuste cuando se utilizan variables para estimar escenarios de cambio climático, para el cual se estimó la necesidad de lámina de agua de riego hasta el año 2099.

Palabras clave: Google Earth Engine, agricultura digital, agricultura de precisión, índices de vegetación, imágenes satelitales, aprendizaje automático