Revista Enologa N 2Ao III Junio 2006

Actualmente mucho es lo que se est hablando sobre agricultura de precisin y en nuestro caso especfico, sobre viticultura deprecisin. Esto se debe al desarrollo de tecnologa y a la aplicacin de la misma al servicio del conocimiento y manejo de loscultivos. La informacin que ponen a disposicin las distintas herramientas tecnolgicas se representa en forma grfica a tra-vs de mapas. Pero cules son estas herramientas, qu variables permite identificar y cul es el alcance que tiene esta infor-macin?. Ese es el objetivo de este artculo que presentamos a continuacin.

Actualmente mucho es lo que se est hablando sobre agricultura de precisin y en nuestro caso especfico, sobre viticultura deprecisin. Esto se debe al desarrollo de tecnologa y a la aplicacin de la misma al servicio del conocimiento y manejo de loscultivos. La informacin que ponen a disposicin las distintas herramientas tecnolgicas se representa en forma grfica a tra-vs de mapas. Pero cules son estas herramientas, qu variables permite identificar y cul es el alcance que tiene esta infor-macin?. Ese es el objetivo de este artculo que presentamos a continuacin.

VITICULTURA DE PRECISIN APLICADA AL VIEDO

Jorge Prez Quezada

Ing. Agr. M.S. Ph.D. Depto. de Ciencias Ambientales y Recursos Naturales Renovables Facultad de Ciencias Agronmicas Universidad deChile

Palabras claves: Viticultura de precisin, GPS, variabilidad espa-cial y temporal, NDVI, RVI, imagen satelital, sensores remotos.

Keywords: Precision viticulture, GPS, spatial and temporal variabi-lity, NDVI, RVI, satellite image, remote sensing.

La produccin de vinos de calidad requiere una adecuada selec-cin de la fruta que ser incorporada al proceso de vinificacin. Enmuchos viedos el ambiente del cultivo vara ostensiblemente deun punto a otro, lo cual implica que la calidad de la fruta no eshomognea. Los factores que producen esta variabilidad vandesde elementos relativamente estables, como la textura y profun-didad de suelo, hasta otros que podemos modificar con mayor faci-lidad, como son la qumica del suelo (pH y conductividad elctrica),el nivel de nutrientes, patrones de infestacin de malezas, entreotros.

Por esto, todo avance en conocer esta variabilidad y su efecto en lacalidad de la fruta es muy importante en viticultura. La viticultura deprecisin (VP) busca justamente manejar el viedo a una escalaespacial y temporal apropiada a su natural variabilidad espacial ytemporal. Este manejo, tambin llamado de sitio especfico, eslogrado a travs de la utilizacin de un conjunto de herramientas ytecnologas. La VP puede cumplir uno o ms objetivos, que puedenser aumentar la produccin, reducir costos, mejorar la calidad yreducir el impacto ambiental. El presente artculo resume los avan-ces de la VP en la etapa de zonificacin de los viedos, la cual escondicin necesaria para cumplir los objetivos mencionados, espe-cialmente el de producir vinos de calidad.

Las herramientas que han hecho posible la VP son principalmentelos sistemas de posicionamiento global (GPS), la percepcin remo-ta y los sistemas de informacin geogrfica (SIG). Existen otrasherramientas tambin utilizadas en VP aunque no tan esencialescomo los monitores de rendimiento, aplicadores de dosis variable yotros sensores. Para revisar estas herramientas y su uso partiremoscon un ejemplo de zonificacin utilizando un ndice espectral.

Zonificacin de un Viedo usando NDVI

Los GGPPSS nos permiten conocer las coordenadas latitud-longitud enmetros de uno o ms puntos y as definir lmites y reas de predios,ubicar lugares de muestreo y georeferenciar fotos areas. Estosaparatos tienen mayor precisin de acuerdo al nmero de satlitescon los que se puedan comunicar en un momento y lugar dados, ycon la posibilidad de corregir las coordenadas segn la referenciade una estacin fija en la Tierra (tecnologa DGPS).

Las fotos areas, junto con las imgenes satelitales son las formas

de ppeerrcceeppcciinn rreemmoottaa ms tpicamente usadas en AP debido a suconveniencia en cuanto a rapidez y escala de trabajo que represen-

tan. La ventaja de las fotos en cuanto a resolucin espacial (hasta

fraccin de metro) ha sido equiparada por imgenes satelitales de

sensores como QuickBird e IKONOS (4 m). Con esto y la mayor

cobertura espacial de las imgenes satelitales, las hace ms tiles

para estudios regionales o en viedos de gran extensin o disper-

sos. Actualmente esta tecnologa est bajando de precio y est

cada vez ms al alcance del agricultor, principalmente a travs de

empresas de asesora. Las imgenes satelitales o areas son

generalmente multiespectrales, vale decir miden la reflectancia de

la superficie en ms de una longitud de onda. Las regiones espec-

trales que se miden ms comnmente son las de color azul (445-

526 nm) verde (507-595 nm), rojo (632-698 nm), e infrarrojo cerca-

no (757-853). Esto permite calcular ndices de vegetacin, dentro

de los cuales el NDVI (Normalized Difference Vegetation Index) es

el ms usado, y su formula es la siguiente:

donde, IR es la banda de infrarrojo cercano y R la de rojo.

FFiigguurraa 11.. Dos zonas de un mismo viedo con vigor bajo (izquierda)y normal (derecha) en el sector de Punitaqui (valle de Limar, Chile).

Revista Enologa N 2Ao III Junio 2006

Se ha comprobado que el valor de NDVI est relacionado lineal-mente con el rea foliar (Johnson et al., 2003) y con ello tambin amaduracin de fruto, infestacin y enfermedades, estatus hdrico,caractersticas de fruta y calidad de vino.

En la Figura 2-A se puede observar el resultado del clculo de NDVIpara un viedo de 6.62 ha en el valle de Napa en California. Elrango de valores no cubri todo el espectro potencial del NDVI (-1a 1) y fluctu entre -0.21 y 0.59. Posteriormente se procedi a cla-sificar los valores de NDVI en tres categoras segn la tcnica deintervalos iguales (Figura 2-B). Esta clasificacin divide el rango devalores encontrando partes iguales segn el nmero de categorasdeseado (en este caso tres). Se puede observar que en este casola categora 1 es demasiado pequea en superficie y por lo tanto notiene mayor importancia desde el punto de vista de manejo. Losautores Carlson & Ripley (1997) propusieron una clasificacin fijaque distingue los siguientes rangos: 1: -1 a 0.2; 2: 0.2 a 0.5; 3: 0.5a 1 (Figura 2-C). Esta clasificacin distingue un sector de mayorNDVI en el sector sur del campo, lo cual genera tres zonas desuperficie significativa. Finalmente la Figura 2-D es una proposicinde zonificacin digitalizada sobre la clasificacin de Carlson &Ripley.

El sentido de esta zonificacin debe ser corroborado en terreno atravs de muestreo dirigido en cada una de las zonas. Esto esimportante ya que se entiende la etapa de clasificacin a travs dendices espectrales como una herramienta de orientacin paraconocer la variabilidad interna del campo. Cualquier decisin demanejo variable depender de la relacin de estas zonas con varia-bles importantes del punto de vista de manejo y calidad de vino, locual se detalla ms abajo.

La herramienta que permite manejar la informacin manteniendo elcomponente espacial son conocidos como sistemas de informa-cin geogrfica ((SSIIGG)). La relacin directa entre el NDVI y el vigor delviedo hace esperable que exista tambin una relacin directaentre este ndice y el rendimiento y, consecuentemente, inversa conla calidad de la fruta. Sin embargo, Ortega y Esser (2003) mostra-ron un ejemplo donde en un suelo plano, profundo y textura media,este ndice no fue significativo en explicar el rendimiento y calidad.Vale decir deben existir diferencias ms extremas de suelo paraque el NDVI pueda predecir bien estos parmetros.

Otros Elementos Importantes para Realizar la Zonificacin

Sin duda que aparte de las primeras aproximaciones a la zonifica-cin que se puedan lograr con percepcin remota, la tecnologaque entrega mayor informacin y de forma rpida son los mmoonniittoo-rreess ddee rreennddiimmiieennttoo.. Estos monitores permiten registrar los valoresde rendimiento por unidad de superficie en cada sector del predio.Si bien es cierto que son una tecnologa cara, en muchos casosestos monitores para vitivinicultura surgieron de la combinacin decosechadoras mecnicas existentes con la tecnologa de GPS y unsistema de memoria digital.

Por otro lado, aunque no constituye una tecnologa en si misma, lacombinacin de un GPS con otros sensores hace posible la espa-cializacin de variables de suelo, planta y fruta en un predio. Estoconsiste en usar por ejemplo el anlisis de fertilidad de suelo o depecolo, llevando un registro de las coordenadas del punto dondelas muestras fueron tomadas. Esta informacin que se encuentraoriginalmente en formato de puntos, puede ser interpolada usandolas tcnicas de geoestadstica (kriging, nearest neighbors, etc.) queposeen los SIG. En cada campo se pueden realizar entre 10-20muestreos para documentar la variabilidad espacial de variables desuelo, planta y fruta. En el caso del suelo, se pueden hacer mues-treos de variables como la profundidad de suelo, la textura y varia-bles qumicas como el pH, contenido de macro y microelementosdisponibles, junto con muestreos peridicos de humedad de suelo.Las variables de la planta a medir suelen ser una mezcla de esti-maciones visuales sobre el estado general de las plantas (vigor,deficiencias nutricionales, intensidad de ataque de plagas y enfer-medades, etc.), junto con mediciones experimentales de estadohdrico y anlisis de pecolo. En cuanto a la baya, sta se puedemuestrear para determinar acidez, contenido de azcar y color,entre otros.

La etapa de anlisis es la ms importante en VP y consiste endeterminar cules variables son las que ms se relacionan con elrendimiento y la calidad de la baya. Para ello se utilizan tcnicasmultivariadas como regresiones mltiples y anlisis de cluster, lascuales deben ser combinadas con tcnicas geoestadsticas. Es eneste punto donde se debe determinar si es que es rentable hacerun manejo diferencial de los insumos y labores dentro de un predio.Esto porque si bien el objetivo de la VP es estudiar la variabilidaddentro de huerto, sta puede ser tan baja que no justifique la inver-sin que significa hacer una zonificacin de manejo.

Zonificacin para Producir Vinos de Calidad

Utilizando imgenes areas de alta resolucin (0.5-1.0 m) tomadasen pinta (veraison), Dobrowski et al (2003) predijeron el peso depoda por metro lineal mediante el uso del Ratio Vegetation Index

FFiigguurraa 33.. Zonificacin de suelo a partir de datos puntuales de tex-tura. La superficie del predio es de 30 ha y se tomaron muestrasen una grilla de 60 60 m.

FFiigguurraa 22.. Ejemplo de clculo de NDVI en un viedo en el valle deNapa (A), el cual es clasificado en tres categoras de intervalosiguales (B), intervalos de Carlson & Ripley (C) y una propuesta dezonificacin correspondiente a alto-medio-bajo NDVI (D), siguien-do el resultado de la clasificacin que muestra C. La superficie delviedo es 6.62 ha.

Revista Enologa N 2Ao III Junio 2006

(RVI). Este ndice se calcula dividiendo el canal infrarrojo cercano(NIR) por el canal rojo (R). Los autores encontraron una relacin line-al y positiva entre el RVI y el peso de poda, con valores de r2 de 0.68y 0.88 en dos temporadas consecutivas. Si el crecimiento vegetati-vo de una temporada es insuficiente para alcanzar la madurez delfruto (la literatura cita valores lmites de peso de poda de 0.5 kg m-1), entonces se podra hacer un raleo de fruta dentro de la mismatemporada. Por el contrario, si el crecimiento es excesivo (pesos depoda sobre 1 kg m-1), se puede pensar en corregir el rea foliar parareducir la densidad de la canopia y aumentar la penetracin de luz.Para mejorar la aplicabilidad de estos modelos predictivos se debeestudiar la relacin con imgenes tomadas antes de la pinta. Otroresultado importante de estos autores fue verificar el hecho que noexistieron diferencias significativas entre los parmetros de losmodelos para los distintos aos, lo cual implica que el modelo deuna estacin puede ser usado en la siguiente temporada.

En una etapa ms avanzada incluso es posible hacer micro-vinifi-caciones para ver la relacin de las variables muestreadas con elproducto final. Cortell et al. (2005) analizaron las relaciones entre lasvariaciones de caractersticas de suelo, crecimiento de la via,componentes de rendimiento y la composicin de la fruta y fenolesen el vino. Para ello distinguieron tres zonas de basados en par-metros de vigor de via como son el rea de la seccin transversaldel tronco, largo de brote promedio y clorofila en la hoja, los cualesfueron muestreadas en forma de grilla y georeferenciadas con GPS.Se encontraron relaciones significativas entre la reduccin en vigory el aumento de proantocianidinas de la piel (mg/baya), proporcinde (-)-epigallocatequina, masa molecular promedio de proantocia-nidinas y el contenido de polmeros pigmentados en frutos. En laszonas de menor vigor hubo un gran aumento en la proporcin detaninos extrados al vino, mientras que poco cambio fue observadoen la extraccin de proantocianidinas de la semilla.

El mapeo de variables en vias puede tomar mucho tiempo. Hall etal. (2003) sealan que muestrear seis variables bsicas de calidadde fruta y rendimiento en 60 puntos en un bloque de 1-ha puedetomar ms de 30 horas de trabajo. Es por eso que el uso de la per-cepcin remota en la estimacin de estas variables es un granavance. Un ejemplo de esta aplicacin es el trabajo de Lamb et al.(2004), quienes estudiaron la relacin entre el contenido de fenolesy color de uva en cosecha de Cabernet Sauvignon con el ndice devegetacin de diferencia normalizada (NDVI). Los autores encontra-ron que la mayor relacin (negativa) era captada por las imgenesobtenidas cerca de pinta. Esta relacin negativa se encontraba aso-ciada a la profundidad de suelo, ya que mayores profundidadesgeneran mayor crecimiento vegetativo, por ende mayor NDVI, y esorepercute en mayor sombreamiento y bajas temperaturas y enespecial menor radiacin a nivel de racimo, lo que genera meno-res contenidos de fenoles y menor color, ya que las enzimas res-ponsables de la sntesis de compuestos fenlicos son muy sensi-bles a la radiacin lumnica. Aun cuando los coeficientes de deter-minacin de estas relaciones no fueron muy altos (R2 entre 0.19 y0.35), esta relacin es promisoria en cuanto al poder predictivo delNDVI para una zonificacin por calidad. La mejor relacin entre lasvariables de calidad y el NDVI se produjeron cuando la resolucinde las imgenes se redujo (se aument el tamao de pxel) hastallegar a coincidir con el ancho de la hilera, vale decir cuando corres-ponde a una combinacin de planta y espacio entre hilera. Lospixeles al ser mezclados entregan informacin de tamao y densi-dad de planta.

Los ltimos adelantos en la aplicacin de percepcin remota en VPapuntan al hecho que la mayora de los ndices espectrales queexisten actualmente no son sensibles a cambios rpidos en el sta-tus fotosinttico de la planta. Existen excepciones como el physio-logical reflectance index (PRI) (Gamon et al., 1992) y el fluorescen-ce ratio index (FRI) (Dobrowski et al., 2005) que buscan capturarcambios en la planta inducidos por estrs ambiental. Dobrowski etal. (2005) monitorearon los cambios en la fluorescencia de clorofilaa nivel de canopia por efecto de estrs trmico e hdrico usandoFRI. Estos ndices utilizan bandas ubicadas en el mximo de emi-sin de fluorescencia de clorofila (CF) (690 y 740 nm), normalizados

por bandas no afectadas por CF (R690/R600 y R740/R800). Ambosndices se correlacionaron cualitativamente con mediciones de Fs(steady-state photosynthesis) al nivel de hoja incluyendo la depre-sin y recuperacin diaria (R2=0.75 y 0.8 respectivamente), muchomejor que lo logrado por PRI (R2=0.32) y NDVI (R2=0.04). La corre-lacin de estos ndices FRI con la asimilacin fue de r2=0.36 y 0.42,respectivamente. Si bien este estudio fue realizado en condicionescontroladas de invernadero y utilizando una canopia de 1 m2, espromisorio en el sentido de que abre la posibilidad de evaluar elestatus fotosinttico sin necesidad de usar pulsos de induccinlser o saturacin de luz. Junto con estos avances se encuentra eldesarrollo de un mtodo para analizar imgenes de alta resoluciny estimar variables fsicas de plantas individuales en trminos de laforma y tamao de la canopia (Hall et al., 2003).

Manejo Diferencial

Dentro de las medidas de manejo diferenciales que se puedenhacer dentro de un marco de VP estn la regulacin del rea foliary el momento de cosecha. Los manejos de canopia para regularrea foliar incluyen poda, raleo de brotes, raleo de hojas, cultivos decobertura, manejo del riego y aplicacin de fertilizantes al suelo o alfollaje. El manejo de la cantidad y periodicidad de riego se conocecomo riego de precisin y busca conocer y controlar la variabilidadespacial y temporal del estatus hdrico de un viedo. Ortega-Fariaset al. (2003) sealan que el efecto del estrs hdrico en un viedotendr resultados positivos, negativos o nulos dependiendo delgrado de variabilidad que encontremos en el suelo, clima y vigordentro de la zona de inters.

En el caso de los fertilizantes y otros productos qumicos que soninsumos de la produccin vitcola, se pueden utilizar aapplliiccaaddoorreess ddeeddoossiiss vvaarriiaabbllee. Esto con el fin de corregir las situaciones que limitenun desarrollo ptimo y homogneo del huerto. Para este fin se debegenerar un mapa de aplicacin en el SIG, el cual es incorporado alsistema de aplicacin para que con ayuda de un GPS vare la can-tidad a aplicar segn dnde se encuentre en el terreno.

La cosecha diferencial permite rescatar del campo aquella fraccinde mayor calidad que puede ser destinada a la produccin de vinospremium. Ortega y Esser (2003) encontraron que entre un 20 y un30% de la produccin de un viedo corresponde a este tipo de uva.Para el caso especfico de su estudio, la cosecha diferencial produ-ca entre 188 y 363 US$ ha-1, lo cual superaba los costos de obte-ner la informacin para establecer la cosecha diferencial, es decirse recomienda hacer en este manejo en forma normal en viedosque contemplan la produccin de vinos premium.

El hecho que la VP puede muestrear variables en "micro-escalas"(mayores a 1:10.000), est cambiando la escala de trabajo paradefinir Terroir. Las variables que son parte importante del conceptode Terroir son suelo, clima, materia vegetal (variedad, clon, portain-jerto) y manejo agronmico. Este concepto ha permitido el desarro-llo de importantes regiones vitivincolas en Chile y el Mundo y ahorase podra pensar en definiciones a escalas sub-prediales.

Conclusiones

En resumen, la VP es esencialmente manejo de informacin. Estemanejo permite conocer ms en detalle la variabilidad de los distin-tos factores de rendimiento para poder hacer las correccionesdurante la estacin de crecimiento, o bien al final de cada ciclo pro-ductivo proponer medidas correctivas de las limitantes encontradasen cada situacin. La aplicacin de tcnicas de VP pretende bsi-camente mejorar la gestin predial de los productores de uva paravino, a travs de la homogenizacin del rendimiento y la calidaddentro del predio. La mayora de estas tecnologas estn disponi-bles en los pases productores de vino de Amrica Latina y estncomenzando a ser usadas ampliamente para mejorar el nivel deproduccin y la calidad.

NDLR: Si desea contactarse con alguno de sus autores por favorcomunquese con enologia@revistaenologia.com

Peude encontrar la Bibliografa en: www.revistaenologia.com