NR33602

Vista previa del material en texto

Uso de herramientas de viticultura de precisión para ... 
USO DE HERRAMIENTAS DE VITICULTURA 
DE PRECISIÓN PARA OPTIMIZAR LA COSECHA 
DE UVAS DE MEJOR CALIDAD 
Stanley Best S. 
Lorenzo León G. 
lleon@inia.cf 
INIA-Quilamapu, 
Casilla 426, Chillán, Chile. 
INTRODUCCIÓN 
U no de los principales errores en que ha incurrido la industria vitivinícola Chilena, 
ha sido el atraso en comenzar la producción 
de vinos de calidad, por lo que, existe un alto 
interés en asegurar la calidad de la uva a 
vinificar, especialmente considerando la 
competitividad en el mercado del vino. 
Es bien conocido el hecho que para manejar los 
viñedos productores de uva de calidad, se ha de 
manejar el vigor de las plantas y relaciones de 
equilibrio (RE), entre la cantidad de hojas por kg 
de fruta. Estas relaciones de equilibrio se ven 
afectadas por diversos factores como clima, 
fertilidad, humedad del suelo y otros. 
Si se observa el caso de la Industria vitivinícola 
francesa, en el la los viñedos se segmentan 
según su vigor, con lo cual se puede optimizar 
las RE, factor alcanzado tras decenios de 
experiencia en la producción vitivinícola. Lo 
anterior demuestra, la complejidad de la 
delimitación del área a la cual se puede asociar 
a un determinado vigor o RE óptimas. Esto 
representa una desventaja para países, tales 
como Chile, en donde la importancia de este 
tipo de información se ha manifestado :sólo 
durante los últimos años. 
Serie Actas IN/A Nº 39 159 
Como una solución a lo anterior, se ha llegado 
al estudio de la fertilidad de plantas y suelo, 
riego, etc, siguiendo los patrones de 
variabilidad espacial y temporal, metodología 
propuesta en el contexto de la Vitivinicultura 
de Precisión (VP). Todas estas determinaciones 
se deben realizar a nivel de terreno (in situ), 
mediante técnicas de muestreo dirigidos a 
puntos específicos. Ello, según una grilla mues-
trea! o más bien en función de patrones de 
variabilidad intrínsicos del terreno, en virtud 
de la cual se realizan mapas mediante técnicas 
de interpolación. Por otra parte, también en el 
ámbito de VP, se ha incorporado elementos de 
Teledetección (Lillesand y Kiefer, 1997), aérea 
mediante el uso de imágenes multiespectrales 
para la definición de áreas asociadas a un 
determinado vigor. De esta forma, se ha llegado 
a la utilización de Índices Vegetacionales (IV), 
tales como el índice de vegetación diferencial 
normalizado, NDVI, (Gitelson and Merzliak, 
1997; Lamb et al., 2001) que permite mapear 
diferencias relativas del viñedo (Johnson, et 
al., 1996; 2001; Hall et al., 2002). Por otra 
parte, en diferentes investigaciones se ha 
determinado una estrecha relación entre el 
NDVI y el IAF (Johnson et al., 2001; 2003a,b; 
Lamb et al., 2001; Dobrowski et al., 2002). 
Además, el uso de planos de N DVI, han servido 
para el desarrollo de determinaciones 
espaciales de productividad, y también mapas 
Seminario Internacional. Manejo de riego y suelo en vides para vino y mesa • 
de balances de viñedos (razón hoja/fruta) en 
diferentes estudios, que han sido utilizados 
para la cosecha diferencial de uvas en la 
producción de vinos premium (Johnson et al., 
2001; 2003a; Hall, et al., 2002, Best et al., 
2005). Otros métodos aplicados, son la de-
terminación de las propiedades del suelo 
mediante el uso de sensores de conductividad 
eléctrica (CE), los cuales dan información de 
variabilidad de las condiciones que alteran su 
lectura. Estos son: textura, compactación, etc., 
que permiten sectorizar zonas de diferente 
condición de suelo. Sin embargo, los óptimos 
de equilibrio, los estándares nutricionales, 
estándares de CE y las relaciones NDVI & IAF 
no son extrapolables entre zonas con distinto 
manejo y condición agro climática. Ello, debido 
a que la interacción entre la radiación electro-
magnética y la vegetación terrestre es compleja, 
con numerosas variables que afectan la forma 
e intensidad de la reflectividad y/o absorción 
(Tucker et al., 1981; Gitelson and Merzliak, 
1997), los cuales dependen de diversos factores 
(Huete y Jackson, 1988; Yoder y Pettigrew-
Crosby, 1995; Gitelson y Merzliak, 1997). 
En Chile, no existen antecedentes sobre el uso 
de tecnologías asociadas a VP en viñedos. Esto 
significa que para las condiciones chilenas, no 
se ha real izado comparaciones sobre cuál es 
la metodología específica a usar dentro del 
esquema de VP. Es decir, al comparar el uso de 
teledetección o de información derivada de 
un esquema de grilla regular. Por otra parte, 
una de las mayores necesidades de la industria, 
es conectar las tendencias de rendimiento en 
relación a estándares que permitan obtener un 
rango óptimo de la razón hoja/fruta, en vías de 
mejorar la calidad de la fruta producida. Dados 
estos antecedentes, la presente investigación 
tuvo como objetivo evaluar distintas 
metodologías vinculadas al área de la VP, para 
la definición del rango óptimo de la razón 
hoja/fruta, que permitan zonificar la 
160 
producción de uvas para vinos de alta calidad 
y determinar su aplicabilidad bajo las 
condiciones productivas de Chile 
MATERIALES Y MÉTODOS 
Para este estudio, realizado durante la 
temporada 2002/03, se utilizó un área de 2,2 
ha. en un viñedo de la variedad Cabernet 
Sauvignon, de nueve años de edad, establecido 
en espaldera simple, plantado a una distancia 
de 0,5m x 2,8 m. El viñedo se ubica en la 
propiedad de la Viña Martínez de Salinas 
(735.401 E; 6.013.154 N, H18 WGS84), 
Cauquenes, Chile. El clima es del tipo 
Mediterráneo Cálido. El sistema de riego 
correspondió a goteo. El manejo de poda 
consideró una densidad de 20 yemas/m lineal. 
Las plantas se encontraban en óptimas 
condiciones de manejo sanitario y el manejo 
agronómico (fertilización, poda, riego y otros) 
correspondió al estándar del resto de la 
plantación. 
Para la determinación espacial de las 
propiedades de suelo y cultivo, medidas en 
terreno, se diseñó una grilla dentro del área de 
trabajo, con una densidad de 1 O muestras por 
hectárea, distribuidas en forma sistemática no 
alineada, con lo cual se consideró un total de 
22 puntos de muestreo (PM) (Figura 1 ). Cada 
PM de la grilla, fue georeferenciado mediante 
el uso de un sistema de posicionamiento global, 
con corrección diferencial (DGPS), 
obteniéndose las coordenadas en unidades 
UTM (Norte y Este) con una precisión de 0,3 
m. En los PM, se recopila ron muestras de suelo 
a tres profundidades: 0-30, 30-60 y 60-90 cm 
sobre la línea de plantación, determinándose 
sus propiedades físico hídricas (porcentaje de 
arena, limo y arcilla, capacidad de campo 
(CC) punto de marchitez permanente (PMP) y 
profundidad de suelo), y químicas (pH, % 
Serie Actas IN/A Nº 39 
Uso de herramientas de vit icultura de precisión para ... 
• Puntos Muestrales 
N Hileras 
Clases De Vigor 
~ Bajo Vigor 
~ Vigor Medio 
.. Alto Vigor 
s 
Figura 1 . Sectorización de NDVI y puntos de 
monitoreo en el área de estudio. 
M ateri a Orgánica, N, P, K, Ca, M g, Na, Al, Zn , 
Fe, Cu, Mn, B y S). Por otra parte, en los 22 PM, 
se el ig ieron ci nco plantas, de las cuales se 
extrajo una muestra representat iva de las 
plantas se lecc ionadas en el punto anteri or, las 
que fueron util izadas para determinarles en 
cada sector el contenido de N, P, K, Ca, Mg, 
Na, Zn, Fe, Cu, Mn y B. El muestreo consistió 
en extraer hojas opuestas a los raci mos al 
inic io de la formación de las bayas. En las 
mismas plantas fue evaluada la producc ión 
del viñedo, para lo cual se extrajo la to talidad 
de los raci mos por p lanta para la eva luación 
durante la cosecha comerc ial, determinándose 
el peso tota l de fruta po r planta (gr/planta) . 
Además, a pa rti r de distintas sub muestras, 
para cada PM, se determ inó los sólidos so lubles 
(ºBrix), la ac idez total (g H
2
SO 
4 
1-1 ), pH, y el 
contenido de A ntocianinas y fenoles para 
caracter izar la ca lidad químicade las uvas 
produc idas bajo las di ferentes condic iones del 
v iñedo. Por último, se determinó la un iformidad 
Serie Actas IN /A NQ 39 161 
de ri ego mediante la obtenc ión del coefi ciente 
de variabil idad y los va lores de cota del terreno 
en cada punto de muestreo 
Para identifi car posibl es out layers en la 
información mencionada anteri ormente, se 
rea l izó una prueba estadísti ca espacial o 
ca rtogramas espac iales sobre la base de 
algori tmos no l inea les de ce lulares autómatas 
imp lementados en el software Beoda ver 
0.9.5i5 (Anse lin, 2005), reduciendo tan só lo 
tres pu nto de muestreo de la información total 
obtenida. 
Para la obtenc ión de las imágenes mu lties-
pectrales, se util izó una cámara mul tiespectra l 
de tres bandas (DucanTech, MS3100), la cual 
fue montada en un av ión. Se capturó d ichas 
imágenes en formato digital , correspond iendo 
la banda Nº 1 de la imagen al co lor verde (540 
nm en el centro de la banda, con un ancho de 
banda (AB) de 40 nm), la N2 2 al rojo (660 nm, 
Seminario Internacional. Manejo de riego y suelo en vides para vino y mesa • 
40 nm AB) y la Nº 3 al Infrarrojo Cercano (800 
nm, 65 nm AB). La altitud de vuelo fue de 2850 
m, con lo cual, se obtuvo imágenes con una 
cobertura horizontal de 1000 m y una reso-
lución de imagen de 2 m/pixel. A partir de las 
imágenes capturadas, se determinó el NDVI 
del viñedo, para lo que se utilizó la ecuación 
(1) para el cálculo del índice por pixel de la 
imagen. 
NDVI= 
(banda 3 - banda 2) /(banda 3 + banda 2) (1) 
En el lugar determinado, las bandas 3, 2 y 1, 
correspondieron a los valores radiométricos 
del verde, rojo e infrarrojo de cada pixel de la 
imagen, con lo cual se determinó una imagen 
de este parámetro, utilizándose el software 
ERDAS® v.8.5. El NDVI fue subdividido en tres 
clases de vigor, (Figura 1 ), usando de análisis 
Cluster para una correcta representación gráfica 
de las zonas. Estos planos de NDVI, fueron 
usados para definir puntos de muestreo de 
área foliar por planta e índices de área foliar 
(IAF). Para ello, se eligió tres puntos repre-
sentativos de clase de vigor, en los cuales se 
recogieron todas las hojas de las plantas, en un 
metro de hilera, para medir su área total me-
diante un instrumento de medición de área 
foliar portáti 1 (AM200 Portable Area Meter). La 
determinación de planos de CE fue desarro-
llada mediante el uso del Veris 3100 Soil EC 
Mapping system, con una distribución de 
muestreo de 6 x 5 m y lecturas de 0-30 y 0-90 
cm de profundidad. 
Para obtener los mapas de ecuaciones de 
rendimiento, se realizó, una estimación, 
utilizando un modelo de regresión espacial 
(spatial lag model), soportado por el método 
de máxima probabilidad (Anselin y Bera, 1998), 
el cual se basó en el conteo y peso de racimos 
obtenidos de la información de los PM, 
asociado con las vecindades espaciales, 
162 
obtenidas de los planos de NDVI. Además, se 
determinó los equilibrios de área foliar con 
respecto a los rendimientos por planta, para lo 
cual se desarrolló los planos de interpolación 
de la información de rendimiento, utilizando 
el procedimiento antes mencionado. Por otra 
parte, mediante el uso de regresiones 
espaciales, fueron asociados los valores de 
NDVI a los rendimientos y calidades de las 
uvas, considerando la vecindad y especialidad 
de las variables basadas en los planos de N DVI. 
Un análisis de factores fue conducido para 
determinar la variable o grupo de variables 
que mejor explicaran la variabilidad del 
rendimiento y calidad química de las uvas. Se 
utilizó el índice geoestadístico de Moran's 
(Moran, 1950), para determinar el grado de 
correlación espacial que presentan en el sitio 
de estudio los valores de cada variable medida 
que permita un correcto modelaje de la 
dependencia espacial. Para el análisis espacial 
antes mencionado, el software Beoda ver 
0.9.5i5 fue utilizado (Anselin, 2005). 
RESULTADOS Y DISCUSIÓN 
Como resultado de la puesta de uniformidad 
de riego, se encontró un buen desarrollo, con 
un 85% de coeficiente de uniformidad, 
considerando así, que el sistema de riego no 
aportaba ruido al análisis de variabilidad 
espacial del viñedo. 
Las variables medidas en terreno, basado en la 
grilla muestrea!, no mostraron una alta 
correlación (r 2 < 0.4) con respecto al 
rendimiento y calidad de las uvas. Esto puede 
deberse a que la densidad de muestreo definida, 
no fue suficiente para caracterizar el viñedo, 
aún cuando se tomaron 1 O PM/ha. Por lo 
tanto, el uso de este tipo de sistemas no es muy 
práctico para determinar un sistema de 
monitoreo, debido a la dificultad de definir la 
Serie Actas IN/A Nº 39 
~ Uso de herramientas de viticultura de precisión para ... 
ca ntidad real necesar ia de puntos de 
monitoreo, que permitan obtener la 
variabilidad espacia l de un viñedo. De esa 
forma, es necesario tener alguna otra 
herramienta que permita definir la variabilidad 
y continuidad espacial de los v iii edos. 
Información como los planos de NDVI o de CE 
ta l como fueron utili zados en es ta 
invest igación, prometen se r herramie ntas 
altamente C1tiles para definir la vari abil idad 
antes mencionada. 
Los va lores de NDVI (Figura 1) asociados a la 
información monitoreada de rend imiento y 
ca l idad de uvas, presentaron altos niveles de 
correlación (ºBrix, (r2=0,76) y Acidez Total 
(r2=0,6)). Estas correlaciones se incrementan 
al incluir la información de CE en los modelos 
de regresión espacia l multifactoriales 
generados. Con esta información, se generaron 
los mapas de rendimiento del viiiedo (Figura 
2). Por otra parte, se encontró una alta 
correlación entre el área foliar m2 hojas/m 
hi lera) y va lores de NDVI, (r2 = 0.75). Estos 
altos n iveles de correlación , permitieron el 
modelamiento del área fo l iar para toda el área 
de estudio. La Figura 3, muestra el mapa de 
balance entre el área foliar y el rendimiento 
derivado de los mapas antes descritos. 
Hiieras 
º Brlx 
• < 24 
• 24. 25 
• > 25 
Leyenda 
Rend1m1ento (gr/plantel 
'º~ 817 
811 1150 
11S0· 1"21 
- U11 ·1''i.& 
- 1n,.11&~ 
- 2'65 ·3000 
Zona Equilibrio [m2 hoja/m hilera) 
-<0.7 
~0.7-1 .3 
i::::::::J 1.3-2 
-> 2 
s 
Figura 2. 
Mapas de 
rendimiento 
interpolado del área 
de estudio . 
Figura 3. 
60 60 120 Meters 
Mapa de equilibrio 
(razón hoja/fruta) 
para el á rea de 
estudio. 
~~5iiiiiiiiiii--~~~~5iiiiiii-------
Serie Ac1as IN/A Nº 39 163 
Seminario Internacional. Manejo de riego y suelo en vides para vino y mesa tl/J 
De la Figura 3, se puede deducir que en el área 
de estudio en las zonas con al ta relac ión 
m2hojas/Kg-fruta (> 1,3) las plantas poseen 
bajos va lores de grados Brix (< 24 º Brix). Por 
otra parte, las zonas con baja relac ión m2hojas/ 
Kg-fruta (< 0,7), poseen altos va lores de grados 
Bri x (>25ºBrix). Finalmente, se pudo encontrar 
zonas con equili bri os intermed ios, en donde 
se alcanza un óptimo en la concentrac ión de 
SS (24-25 ºBrix), asociados a un rango de esta 
razón (0,7-1,3 m2hojas/Kg-fruta). Por otro lado, 
se observó una estrecha correlac ión entre 
variab les de ca lidad de la uva, nive l de v igor, 
y la RE (razón hoja/ fruta), en donde factores de 
co lor (a ntocianinos) y factores aromáticos 
(feno les) son inversamente proporcionales a la 
RE (Figura 4). Estos resultados indican que 
ex iste una relac ión entre el RE y las caracterís-
t icas químicas de las uvas, con una clara 
tendencia en una red ucc ión de estos, con un 
mayor nive l de RE ( o in cremento en v igor). 
70 0 25 
, Ant = -1.5725x + 23. 198 
680 ! "'"-'"<::· ....................................... R 2 = 0.8743 20 - . .. .................. .......... . (LJ u 'ti 
~ 660 
.s Fen = -44.4x + 730-:i l:> -.. 
c o 
15 ';;; :.g 
f./l .:..= 
"'·-e ~ ~ 640 R 2 = 0.9862 ~ '....., o .... 10 ·¡: 2'" 
c 
~ 
620 .... .... .... 
M cd-Equi = O.h + 2.141 2 
R 1 = 0.9425 ........ - ~5 600 
580 -t--~~~~~~,--~~~~~-+O 
1 2 
Vigor Leve! 
t:. Fen -+- rnedqui • Ant 
3 
-- Lineal (Fcn) ..... Linea l (Ant) - Lineal (medqui) 
. ~ d.) 
~ V 
E 
< 
Figura 4. Promedio de factores de calidad 
química de uvas de acuerdo a niveles de vigor 
en el área de estudio. 
1 = Vigor bajo 2= Vigor medio 3= Vigor alto. 
Finalmente, el NDVI deri vado de imágenes 
multiespectrales se presenta como una variab le 
con un ca rácter mas in tegrador y firme para la 
sectorizac ión de áreas de rendimi entos y 
ca lidad, debido a la importancia del Indice de 
164 
área fo li ar (IAF) en las v iñas, en la expresión 
del v igor loca l, el cua l está relac ionado con la 
variabilidad espacia l del viñedo, factor que no 
debe ser olvidado para un correcto anál isis. 
Este resultado está tambi én relac ionado a la 
densidad del NDVI y de la CE obtenidas. Lo 
antes mencionado, permite el desarrol lo de 
muestras d irigidas, con una reducción en los 
costos de muestreo y una mayo r repre-
sentatividad de la información obtenida. Con 
un monitoreo directo, ba lances óptimos (razón 
hoja/fruta), pueden ser obten idos de los viñedos 
con mayor precisión, lo cual perm itirá un 
mejor manejo de la ca lidad mediante manejos 
agronómicos adecuados y oportunos (poda, 
raleo, riego, etc. ). Esta in formación también es 
de gran utilidad para una cosecha d iferencial 
de uvas para la producción de vinos f inos, con 
la posibilidad de demarcar en un mapa, las 
áreas de mayor o menor potenc ial de ca lidad 
de uvas para que el enólogo pueda utiliza r en 
la e l aborac ió n de v i nos acorde a la 
di sponibi l idad de mate ri a p r i m a. Esta 
metodología presenta ventajas al constitu ir 
una herramienta de aplicac ión rápida, con un 
costo re lati vamente bajo para la v iti v inicu ltura 
chilena. Sin embargo, estos estudios deberán 
ser va lidados en el ti empo de tal forma que 
permita consolidarse su estabilidad espacio 
temporal. De esta forma, se requiere más 
investigación, en orden de estudiar la variación 
de estos factores entre diferentes estaciones, 
para verificar la inc idenc ia del clima sobre las 
relac iones encontradas. 
CONCLUSIONES 
El Indice de vegetación di ferenc ial normalizado 
(NDVI), deri vado de imágenes multiespec-
trales, se presenta como una vari ab le altamente 
útil para la estimación del rendimiento y calidad 
en los v iñedos bajo las condiciones del estudio. 
Po r ot ra parte, un comp lemento mu y 
Serie Actas IN/A N 2 39 
t#J Uso de herramientas de viticultura de precisión para ... 
importante a la información de los planos de 
N DVI son los valores de CE, sobre la base de 
un monitoreo de alta densidad. En este sentido, 
el NDVI presenta ventajas al ser una variable 
integradora y firmes de la fisiología de la planta, 
de fácil implementación y transferencia al 
medio vitivinícola chileno. Por el contrario, 
las variables determinadas in situ mediante el 
uso de un sistema de monitoreo sobre la base 
de gris, presentaron bajas correlaciones con 
las variables de rendimiento, aun considerando 
1 O PM /ha, con lo cua 1 su empleo se hace poco 
viable para su utilización bajo un esquema de 
manejo basado en VP. Finalmente, bajo las 
condiciones del estudio, fue muy importante 
incluir la información espacial y continuidad 
en el análisis, en orden de obtener una correcta 
interpretación de la información obtenida. 
REFERENCIAS BIBLIOGRÁFICAS 
Anselin, L. 2005. Exploring spatial data with 
GeoDa: a workbook. Spatial Analysis 
laboratory, Dept. of Geography. University 
of lllinois. 244 p. 
Anselin, L. and Bera, A. (1998). Spatial 
dependence in linear regression models 
with an introduction to spatial econome-
trics. In: Ullah, A. and Giles, D. E., editors, 
Handbook of Applied Economic Statistics, 
pp. 237-289. Marcel Dekker, New York. 
Best, S. León, L. and, Claret M. 2005. Use of 
Precision Viticulture Tools to Optimize 
the Harvest of High Quality Grapes. Proc. 
lnformation and Technologies for Sustai-
nable Fruit and Vegetable production. 
September 12-16. Montepellier, France. 
Serie Actas IN/A Nº 39 165 
Dobrowsky, S. Z.,S. L. Ustin, and J. A. Wolpert. 
2002. Remote estimation of vine canopy 
density in vertical ly shoot positioned 
vi neyards: Determ in i ng opti mal vegetation 
indices. Austr. J. Grape and Wine Res. 
8:117-125. 
Gitelson, A., and M. Merzlyak. 1997. Remote 
estimation of chlorophyl 1 content in higher 
plant leaves. lnt. J. Remote Sensing. 
(18):2691-2697. 
Hall, A., D. W. Lamb, B. Holzapfel, and J. 
Louis. 2002. Optical remote sensing 
applications in viticulture: a review. Austr. 
J. of Grape & Wine Res .. 8: 36-47 
Huete, A. R. and Jackson, R. D. 1988. Soil and 
atmosphere influences on the spectra of 
partial canopies. Rem. Sens. of Env.: 25: 
89-105. 
Johnson, L., B. Lobitz, R. Armstrong, R. Baldy, 
E. Weber, J. DeBenedictis, and D. Bosch. 
1996. Airborne lmaging for Vineyard 
Canopy Evaluation. California Agriculture, 
Special lssue on Phylloxera 50(4):14-18. 
Johnson, L. F., D. F. Bosh, D. C. Williams and 
B. M. Lobitz. 2001. Remote sensing of 
vineyard managementzones: implications 
for wine quality. App. Eng in Agr. 17: 557-
560.