Descarga la aplicación para disfrutar aún más
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.
Compartir