La agricultura de precisión es una disciplina relativamente nueva, cuyo ámbito se circunscribe a la gestión agronómica diferenciada de un cultivo considerando la variabilidad espacial presente en el terreno sobre el que se encuentra. La agricultura de precisión comenzó como disciplina al inicio de los años noventa del siglo pasado en Estados Unidos, estando su desarrollo unido a la aparición sistemas de localización poco costosos (GPS) y sistemas de información geográfica (GIS) fácilmente utilizables. La aplicación de las herramientas de la agricultura de precisión al cultivo de la vid se conoce como viticultura de precisión, y su desarrollo ha sido más tardío que el de la agricultura de precisión ya que, al tratarse de un cultivo en hileras, requiere que la información procedente de teledetección sea de mayor resolución, y la utilización herramientas de procesado de datos más complejas que lo necesario en cultivos extensivos (Arnó et al., 2009).
La viticultura de precisión es un ámbito de investigación en el que actualmente existe una gran actividad. Los resultados de dichas investigaciones están permitiendo avanzar en el conocimiento, y poner a punto tecnologías y técnicas que permitirán su aplicación a nivel comercial (Tisseyre et al., 2007). Así, podemos encontrar trabajos en numerosos países, destacando los realizados en Francia (Kazmierski et al., 2011; Tisseyre et al., 2007), España (Urretavizcaya, 2013; Martinez-Casasnovas, 2012; Tardaguila, 2011; Baluja, 2012; Baluja, 2012; Arno, 2011), Estados Unidos (Dobrowski et al., 2002; Dobrowski et al., 2003; Johnson et al., 1996; Johnson, 2003) y Australia (Bramley and Hamilton, 2004; Bramley et al., 2011a; Bramley et al., 2011b; Lamb et al., 2004).
Mientras que la viticultura convencional considera habitualmente cada parcela como si se tratara de una unidad de cultivo uniforme, es decir, los trabajos realizados en ella (fertilización, riego, tratamientos fitosanitarios, aclareo, vendimia, etc.) se realizan de manera similar en toda su extensión, la viticultura de precisión pretende ajustar dichos trabajos a la variabilidad espacial existente en el viñedo. Dado que la aplicación de tecnologías de dosificación variable (VRT) está poco desarrollada todavía, los trabajos de investigación y su aplicación en viñedos comerciales se han enfocado mayoritariamente en delinear dentro de cada parcela unidades de manejo diferenciado (UMD), que permitirán, por un lado, optimizar los recursos empleados al sólo aplicar insumos o realizar operaciones de cultivo allá donde sea necesario y, por otro, obtener lotes de uva más homogéneos en vendimia, más adecuados para la vinificación, ya que la mezcla de uva con distintos niveles de calidad o madurez implica un descenso en la calidad del vino (Kontoudakis et al., 2011).
Delineación de unidades de manejo diferenciado
Utilizando índices de vegetación
Una de las primeras utilidades que se plantearon para la aplicación de la agricultura de precisión en viticultura fue delinear UMD a partir de índices de vegetación obtenidos a partir de imágenes multiespectrales (p.ej: NDVI y PCD). Las UMD delineadas a partir de estos índices se corresponden muy bien con el desarrollo vegetativo de las cepas (Hall, 2010; Johnson, 2003; Lamb, 2004; Acevedo-Opazo, 2008; Baluja, 2012; Urretavizcaya, 2013; Santesteban, 2008). Sin embargo, desde el punto de vista enológico, el interés de la delineación de UMD se justifica sólo si existe una coherencia entre las unidades definidas y la composición de la uva. Los trabajos realizados en este sentido muestran que las UMD definidas únicamente con un índice de vegetación no permiten garantizar esa coherencia. Así, Lamb et al. (2004) observaron una relación baja (R2 ˜ 0.3) entre el NDVI y el color de la uva, y Bramley and Hamilton (2007) y Santesteban et al. (2010) tampoco encontraron una relación suficientemente estrecha entre el índice de vegetación NDVI (Rouse et al., 1973) y la composición de la uva. En la Figura 1 se muestra, a modo de ejemplo, lo observado cuando se compararon los valores medios de crecimiento, rendimiento y composición de la uva en las UMD definidas en dos parcelas contiguas (˜24 ha) de la variedad Tempranillo situadas en Navarra, representadas en la Figura 2. La coherencia entre las UMD y el crecimiento vegetativo es muy alta, de modo que las UMD con mayor NDVI presentaban un mayor crecimiento. Sin embargo, no existía una coherencia en términos de composición de la uva, especialmente en lo que hacía referencia a los parámetros de madurez fenólica. En todo caso, es necesario destacar que, en algunas condiciones de estudio, sí se ha encontrado una buena correspondencia entre los índices de vegetación y la composición de la uva (Martínez-Casasnovas et al., 2012; Tagarakis et al., 2013).
Las causas de la falta de correspondencia que generalmente existe entre las UMD definidas con índices de vegetación y la calidad de la cosecha son sencillas de entender, ya que son consecuencia de uno de los principios fundamentales de la viticultura: la calidad enológica es función del crecimiento vegetativo, de la carga de uva, y del equilibrio entre ambos. Por lo tanto, si se delinean las UMD solamente a partir de índices de vegetación que estiman el crecimiento, no se está considerando una parte esencial de los factores que condicionan la composición de la uva.
En todo caso, aunque su potencial para delinear UMD sea limitado, el interés de disponer de mapas de estos índices de vegetación es elevado, ya que permiten:
– Estimar la variabilidad existente en una parcela y la estructura espacial de la dicha variabilidad (Urretavizcaya, 2013). La combinación de dicha información permite calcular índices de oportunidad (Cambardella and Karlen, 1999; Monsó et al., 2013) que dan idea del interés que tendría aplicar en esa parcela un manejo diferencial.
– Definir puntos de muestreo estratégicamente situados para la caracterización in situ de la calidad de la uva.
– Combinarlos con mapas de otras variables complementarias para delinear UMD con una mayor significación enológica, tal y como se detalla en el punto siguiente.
Mediante combinación de capas de información
En este apartado se presentan algunos ejemplos en los que se puede comprobar que la delineación de UMD a partir de más de una variable permite conseguir una correspondencia relativamente buena con la composición de la uva.
En todo caso, hay que tener en cuenta que en cada situación vitícola, las capas de información que serían precisas para definir las UMD no serán necesariamente las mismas, y tendrán que incluir variables que directa o indirectamente estén relacionadas con los factores determinantes de la calidad enológica de la cosecha.
Los viñedos y explotaciones vitícolas en los que se han realizado los trabajos que se presentan de manera muy resumida en este artículo son (i) un viñedo de la variedad Tempranillo formado en vaso y cultivado en secano en Leza (Rioja Alavesa, País Vasco); (ii) 2 parcelas de las variedades Tempranillo y Cabernet Sauvignon situadas en una explotación vitícola situada en Villamanta (Madrid), y (iii) 27 parcelas contiguas de la variedad Tempranillo situadas en Olite (Navarra), analizadas de manera conjunta.
Las UMD definidas en cada una de ellas se representan en las figuras 3, 4 y 5, respectivamente. En el caso del viñedo de Rioja Alavesa, la delineación se hizo a partir de datos de NDVI, conductividad eléctrica aparente (ECa) y número de racimos por cepa; en el caso de los viñedos de Madrid, a partir del NDVI y del número de racimos; mientras que en Olite se utilizaron el NDVI, la ECa y la altitud. El proceso de fusión de las capas se realizó mediante un análisis clúster no supervisado basado en procedimientos de lógica borrosa (fuzzy k-means) mediante el programa informático FuzMe (v 3.0, Australian Centre for Precision Agriculture), y los análisis geoestadísticos y la representación de los mapas mediante el programa gV SIG (v1.10, Generalitat Valenciana, Spain), ambos softwares de acceso libre.
En la Tabla 1 se ha resumido la correspondencia entre las UMD definidas en cada una de las zonas de estusio y las variables cualitativas consideradas. Los resultados muestran que, en todos los casos, el porcentaje de variables cualitativas para el que las UMD mostraban diferencias en vendimia era muy importante (>70%), particularmente en los casos de los viñedos de Leza y Villamanta, en los que se tenía en cuenta la carga de uva (número de racimos) que llevaban las cepas para delinear las UMD. Estos resultados y la metodología empleada en cada caso pueden consultarse de forma más detallada en varios trabajos de nuestro equipo (Urretavizcaya, 2013).
Los resultados obtenidos confirman el interés de combinar distintas capas de información, y el hecho de que las UMD se correspondan con distintas características enológicas muestra su interés práctico. A partir de estas UMD, y estudiando in situ las características de cada una de ellas sería posible tomar las acometer las siguientes acciones.
* Acciones correctoras para aumentar la homogeneidad o
* Aclareo, carga de poda, manejo de vegetación o
* Abonado diferenciado. Mediante tecnologías específicas de dosificación variable (VRT), con equipos convencionales variando la velocidad del tractor o
* Modificaciones en el sistema de riego; reemplazando el caudal de los goteros en algunas zonas en las que sea necesaria una mayor o menor cantidad de agua.
– Segregación de la cosecha en lotes
* Vendimia manual o vendimia mecánica. En las parcelas en las que la vendimia se realiza de manera manual, es relativamente sencillo segregar la vendimia en lotes; y en la actualidad algunos modelos de vendimiadoras incorporan ya sistemas que desvían la uva recolectada a una tolva u otra en función de la posición de la vendimiadora.
Perspectivas
La información que se puede integrar para delinear las UMD es variada, y puede y debe adaptarse a las particularidades y posibilidades de cada explotación. Además, dado que algunos de los parámetros que se pueden utilizar para delinear las UMD son estables (altitud, orientación de la ladera) o relativamente estables (NDVI, conductividad eléctrica) de una año a otro, sólo habría que centrar los esfuerzos en aquellos parámetros más susceptibles de cambiar entre años. De los parámetros utilizados, la carga (estimada a través del número de racimos por cepa) es el que presenta más variaciones entre campaña, por lo que resulta difícil prescindir de él de cara a la delineación de UMD. En la actualidad se están realizando esfuerzos de cara a intentar automatizar la estimación del rendimiento a través de fotografías RGB (Diago et al., 2012), pero está pendiente de valorar su utilidad cuando la presencia de hojas es importante. Por ello, mientras no se pueda obtener esta información de manera automática, será necesario hacer conteos en distintas zonas de las parcelas antes de definir las UMD o, al menos, para validarlas antes del inicio de la maduración.
Por último, existe un parámetro que posiblemente cobrará mucha importancia en la delineación de zonas (d13C) que ya ha sido utilizado con éxito para detectar la variabilidad espacial del estado hídrico del cultivo {Urretavizcaya, 2013 #2156; Van Leeuwen, 2009 #1815}.
Agradecimientos
Los autores quieren agradecer a los propietarios y personal técnico de las bodegas Pagos de Araiz (Olite, Navarra), Luis Cañas (Villabuena de Álava, País Vasco) y Dehesa de Valquejigoso (Villamanta, Madrid) y a Verdtech Nuevo Campo su colaboración e interés, imprescindibles para la realización de este trabajo. Asimismo, agradecer a otras personas pertenecientes al Grupo de Investigación “Fruticultura y Viticultura Avanzada” de la Universidad Pública de Navarra que han colaborado en la toma de datos y análisis, mereciendo especial mención Izaskun Barbarin, Nagore Etxebarria, Elena Ruiz-Clavijo y Maite Loidi. Los trabajos presentados se han financiado parcialmente por el Dpto de Empresa, Innovación y Empleo del Gobierno de Navarra (MODELVID, Ref: IIM11879.RI.1) y por el CICYT-Ministerio de Economía y Competitividad (Proyecto BACAVID, Ref: AGL2011-30408-C04-03), así como gracias a la colaboración de la Fundación Fuentes Dutor.
Bibliografía
. Acevedo-Opazo, C., B. Tisseyre, H. Ojeda, S. Ortega-Farias, and S. Guillaume: Is It Possible to Assess the Spatial Variability of Vine Water Status? J Int Sci Vigne Vin 2008; 42: 203-20.
. Arno, J., J.A. Martinez-Casasnovas, M. Ribes-Dasi, and J.R. Rosell: Clustering of grape yield maps to delineate site-specific management zones. Span J Agric Res 2011; 9: 721-9.
. Arnó, J., J.A. Martinez-Casasnovas, M. Ribes-Dasi, and J.R. Rosell: Review. Precision Viticulture. Research topics, challenges and opportunities in site-specific vineyard management. Span J Agric Res 2009; 7: 779-90.
. Baluja, J., J. Tardaguila, B. Ayestaran, and M.P. Diago: Spatial variability of grape composition in a Tempranillo (Vitis vinifera L.) vineyard over a 3-year survey. Precis Agric 2012; 1-19.
. Baluja, J., M.P. Diago, P. Goovaerts, and J. Tardaguila: Assessment of the spatial variability of anthocyanins in grapes using a fluorescence sensor: Relationships with vine vigour and yield. Precis Agric 2012; 13: 457-72.
. Baluja, J., M.P. Diago, P. Goovaerts, and J. Tardaguila: Spatio-temporal dynamics of grape anthocyanin accumulation in a Tempranillo vineyard monitored by proximal sensing. Aust J Grape Wine Res 2012; 18: 173-82.
. Bramley, R.G.V., and R.P. Hamilton: Understanding variability in winegrape production systems 1. Within vineyard variation in yield over several vintages. Aust J Grape Wine Res 2004; 10: 32-45.
. Bramley, R.G.V., and R.P. Hamilton: Terroir and precision viticulture: Are they compatible? J Int Sci Vigne Vin 2007; 41: 1-8.
. Bramley, R.G.V., J. Ouzman, and C. Thornton: Selective harvesting is a feasible and profitable strategy even when grape and wine production is geared towards large fermentation volumes. Aust J Grape Wine Res 2011; 17: 298-305.
. Bramley, R.G.V., K.J. Evans, K.J. Dunne, and D.L. Gobbett: Spatial variation in response to ‘reduced input’ spray programs for powdery mildew and botrytis identified through whole-of-block experimentation. Aust J Grape Wine Res 2011; 17: 341-50.
. Cambardella, C.A., and D.L. Karlen: Spatial analysis of soil fertility parameters. Precis Agric 1999; 1: 5-14.
. Diago, M.P., C. Correa, B. Millán, P. Barreiro, C. Valero, and J. Tardaguila: Grapevine yield and leaf area estimation using supervised classification methodology on RGB images taken under field conditions. Sensors 2012; 12: 16988-17006.
. Dobrowski, S.Z., S.L. Ustin, and J.A. Wolpert: Remote estimation of vine canopy density in vertically shoot-positioned vineyards: determining optimal vegetation indices. Aust J Grape Wine Res 2002; 8: 117-25.
. Dobrowski, S.Z., S.L. Ustin, and J.A. Wolpert: Grapevine dormant pruning weight prediction using remotely sensed data. Aust J Grape Wine Res 2002; 9: 177-82.
. Hall, A., D.W. Lamb, B.P. Holzapfel, and J.P. Louis: Within-season temporal variation in correlations between vineyard canopy and winegrape composition and yield. Precis Agric 2002; 1-15.
. Johnson, L., B. Lobitz, R. Armstrong, R. Baldy, E. Weber, J. de Benedicitis, and D. Bosch: Airborne imaging aids vineyard canopy evaluation. Calif Agric 1996; 50: 14-8.
. Johnson, L.F. 2003. Temporal stability of an NDVI-LAI relationship in a Napa Valley vineyard. Aust J Grape Wine Res 9: 96-101.
. Kazmierski, M., P. Glemas, J. Rousseau, and B. Tisseyre: Temporal stability of within-field patterns of NDVI in non-irrigated Mediterranean vineyards. J Int Sci Vigne Vin 2011; 45: 61-73.
. Kontoudakis, N., M. Esteruelas, F. Fort, J.M. Canals, V. De Freitas, and F. Zamora: Influence of the heterogeneity of grape phenolic maturity on wine composition and quality. Food Chem 2011; 124: 767-74.
. Lamb, D.W., M.M. Weedon, and R.G.V. Bramley: Using remote sensing to predict grape phenolics and colour at harvest in a Cabernet Sauvignon vineyard: Timing observations against vine phenology and optimising image resolution. Aust J Grape Wine Res 2004; 10: 46-54.
. Martinez-Casasnovas, J.A., J. Agelet-Fernandez, J. Arno, and M.C. Ramos: Analysis of vineyard differential management zones and relation to vine development, grape maturity and quality. Span J Agric Res 2012; 10: 326-37.
. Monsó, A., J. Arnó, and J.A. Martínez-Casasnovas: A simplified index to assess the opportunity for selective wine grape harvesting from vigour maps. Precision agriculture ’13. Wageningen Academic Publishers 2013; 625-32.
. Santesteban, L.G., S. Guillaume, J.B. Royo, and B. Tisseyre: Are precision agriculture tools and methods relevant at the whole-vineyard scale? Precis Agric 2013; 14: 2-17.
. Santesteban, L.G., I. Urretavizcaya, C. Miranda, A. García, and J.B. Royo: Agronomic significance of the zones defined within vineyards early in the season using NDVI and fruit load information. Precision agriculture ’13. Wageningen Academic Publishers 2013; 641-47.
. Santesteban, L.G., C. Miranda, C. Jiménez, M. Fuentemilla, I. Urretavizcaya, B. Tisseyre, S. Guillaume, and J.B. Royo: Evaluación del interés del índice NDVI para la delimitación de unidades de manejo diferenciado (UMD) en una explotación vitícola. Revista de Teledetección 2010; 33: 11-6.
. Tagarakis, A., V. Liakos, S. Fountas, S. Koundouras, and T.A. Gemtos: Management zones delineation using fuzzy clustering techniques in grapevines. Precis Agric 2013; 14: 18-39.
. Tardaguila, J., J. Baluja, L. Arpon, P. Balda, and M. Oliveira: Variations of soil properties affect the vegetative growth and yield components of “Tempranillo” grapevines. Precis Agric 2011; 12: 762-73.
. Tisseyre, B., H. Ojeda, and J. Taylor: New technologies and methodologies for site-specific viticulture. J Int Sci Vigne Vin 2007; 41: 63-76.
. Urretavizcaya, I. 2013. Delineación de unidades de manejo diferenciado y utilización de modelos de extrapolación espacial como herramientas de gestión de la variabilidad intra-parcelar en viñedos de Rioja Alavesa, Univ. Pública de Navarra, Pamplona.
. Urretavizcaya, I., L.G. Santesteban, S. Guillaume, J.B. Royo, C. Miranda, and B. Tisseyre: Prediction of spatial variability of water status in a rain fed vineyard in Spain. 9th European Conference on Precision Agriculture 2013 2013.
. Van Leeuwen, C., O. Tregoat, X. Chone, B. Bois, D. Pernet, and J.P. Gaudillere: Vine water status is a key factor in grape ripening and vintage quality for red Bordeaux wine. How can it be assessed for vineyard management purposes? J Int Sci Vigne Vin 2009; 43: 121-34.
