El agua es un recurso limitado en regiones áridas y semiáridas, como es el caso de la Cuenca Mediterránea, donde las condiciones demográficas y climáticas lo hacen ideal para el cultivo de frutas y verduras, pero se requiere un mayor volumen de agua. Las estrategias de riego por déficit han demostrado ser exitosas en la optimización del agua disponible sin un impacto perjudicial en el rendimiento y la calidad de la cosecha, pero es esencial controlar el estrés hídrico del cultivo. La medición directa del estado hídrico del cultivo se realiza actualmente utilizando el potencial hídrico del tallo al mediodía, lo cual es costoso en términos de tiempo y mano de obra; por lo tanto, se necesitan métodos indirectos para el monitoreo automático del estrés hídrico del cultivo. En este estudio, presentamos un enfoque novedoso para estimar indirectamente el estrés hídrico de árboles de cerezos dulces maduros de 15 años a partir de una serie temporal del estado hídrico del suelo y variables meteorológicas utilizando métodos de Aprendizaje Automático (Bosque Aleatorio y Máquina de Vectores de Soporte). La información temporal se tuvo en cuenta integrando medidas del suelo y meteorológicas dentro de periodos arbitrarios de 3, 6 y 10 días. Se aplicaron enfoques de clasificación binaria supervisada y regresión. El enfoque de clasificación binaria permitió la definición de un modelo que alerta al agricultor cuando está a punto de ocurrir un episodio peligroso de estrés hídrico del cultivo con un día de anticipación. Se obtuvieron métricas de rendimiento F2 y recall de hasta 0,735 y 0,769, respectivamente. Con el enfoque de regresión se logró un R de hasta 0,817.