La creciente severidad de la escasez de agua en el sur de Europa, causada por el cambio climático, requiere enfoques avanzados y más eficientes para la gestión del agua agrícola. En particular, en este documento, abordamos este problema para los olivares, una piedra angular de la economía de la región. Proponemos un nuevo marco para generar mapas de alta resolución de olivares irrigados que integra imágenes de teledetección y aprendizaje automático. Nuestro enfoque aprovecha los datos multi-temporales de Sentinel-2, específicamente el Índice de Vegetación de Diferencia Normalizada (NDVI), para capturar la dinámica estacional de la vegetación. Para la clasificación, exploramos dos modelos distintos: (1) un enfoque basado en Dynamic Time Warping (DTW) (con y sin las restricciones de la Banda Sakoe-Chiba), donde DTW alinea secuencias temporales de NDVI para permitir comparaciones robustas de los regímenes de riego, seguido de un clasificador de K-Vecinos Más Cercanos (KNN) que clasifica las parcelas como irrigadas o de lluvia. (2) Un modelo de eXtreme Gradient Boosting (XGBoost) que utiliza directamente perfiles temporales de NDVI. Además, comparamos la dependencia del rendimiento del modelo en función de la longitud de la serie temporal de NDVI (que varía de una a siete temporadas), encontrando que XGBoost requiere una serie temporal más corta para lograr resultados óptimos, mientras que KNN con DTW puede beneficiarse de registros históricos más largos. De hecho, XGBoost casi alcanza su máxima precisión utilizando solo datos basados en tres temporadas, logrando 0.79 en comparación con su rendimiento máximo de 0.80. Por lo tanto, nuestros resultados indican que este enfoque puede diferenciar con precisión entre parcelas irrigadas y de lluvia, lo que permite la generación de mapas de riego de alta resolución para el sur de España. Finalmente, argumentamos que los resultados de este documento van más allá de un simple mapeo: sientan las bases para una guía de gestión integral que puede optimizar el uso del agua, con amplias implicaciones. Tales implicaciones van desde empoderar la agricultura de precisión hasta proporcionar una hoja de ruta para la gestión de tierras, asegurando tanto la sostenibilidad como la productividad de los olivares en regiones afectadas por la sequía.