VITICULTURA 82 hay controversia según los diferentes autores. Por ejemplo, Martínez de Toda (2008) estableció como necesaria una SA entre 1,3 y 1,5 m2·m-2; mientras que Smart et al. (1990) estiman que 0,8– 1,2 m2·m-2 de hojas eficientes y bien expuestas por kg de uva son suficientes. Nuestro estudio se ha llevado a cabo en la zona de la Denominación de Origen Vinos Montilla-Moriles (Córdoba), variedad ‘Pedro Ximénez’ cultivados en ecológico y espaldera-cordón doble. En este ámbito, considerando los datos de la Tabla 1 e independientemente del autor que se considere, el viñedo A con un promedio de SA de 1,12 m2·m-2 estimada mediante la nube de puntos presentaría una vegetación más expuesta a la radiación solar que el viñedo B indicando que el B sería más ineficiente en la captación de la radiación y por consiguiente en la fotosíntesis y la evapotranspiración. Sin embargo, gracias a la cartografía de la SA generada de las imágenes tomadas con UAV (Figuras 5a, 5b) es factible establecer qué cepas sonmás eficientes en cada viñedomejorando la información registrada y el manejo tanto localizado como global del mismo. Según nuestra experiencia, los drones actuales equipados con sensores RGB permiten en un tiempo de 50min volar a 30 m de altitud sobre el terreno un viñedo de 40 ha. Si se tiene en cuenta que el análisis correspondiente de cada AGRADECIMIENTOS Esta investigación fue financiada por los proyectos PID2020-113229RB-C44 (RetosSociedad, AEI/10.13039/501100011033) y TRANSVITI-IFAPA (Proyecto de Transferencia y Cooperación en Vitivinicultura Andaluza, PP.TRA.TRA2019.007, cofinanciado Fondos FEDER, Programa Operativo FEDER-Andalucía 2014-2020). imagen fue de unas 4 h por viñedo, los resultados obtenidos muestran que se podría estimar y cartografiar de forma eficiente y precisa la SA de cada cepa a escala parcela sin utilizar los laboriosos muestreos de campo. CONCLUSIONES El sector vitivinícola interesado en digitalización y VP tienen como una de sus prioridades conocer a tiempo el estado del crecimiento vegetativo de cada cepa de sus viñedos, no sólo para estimación de cosecha, sino también para diseñar de forma óptima Figura 5. a) Estimación y cartografía de la Superficie Foliar Externa (SA, m2·m-2) estimada mediante el análisis de las nubes de puntos del UAV en el viñedo A; b) detalle de la SA en cada cepa del mismo (adaptado de Torres-Sánchez et al., 2022). a) b) BIBLIOGRAFÍA • Bonnisseau M., Dufourcq D. 2004. MONDIAVITI-Bordeaux 1º-2º Dic., 139-149. • Campos J. et al. 2019. Precision Agriculture, 20: 1136–1156. doi:10.1007/s11119019-09643-z. • Carbonneau A. 1980. Tesis Doctoral 1980. Universidad de Burdeos II. 235 pp. • De Castro A.I. et al. 2018. Remote Sensing, 10, 584. doi:10.3390/rs10040584. • López-Granados F. et al. 2020. Remote Sensing, 12, 2331; doi:10.3390/ rs12142331. • Martínez de Toda F. 2008. Claves de la Viticultura de Calidad. (Ed. MundiPrensa, Madrid). 214 pp. • Reglamento (UE) Nº 2018/848. DOUE-L-2018-80995. • Torres-Sánchez J. et al. 2018. Biosystems Engineering, 176: 172-184 doi:10.1016/j. biosystemseng.2018.10.018. • Torres-Sánchez J. et al. 2022. ITEA, en prensa, volumen de Junio. • Wallace L. et al. 2016. Forests, 7, 62. doi:10.3390/f7030062. tareas relacionadas con el manejo de viñedo como, por ejemplo, operaciones en verde del cultivo (ej.: deshojado o despuntado en algunas zonas) o planificación de la poda adaptada al dosel obtenido el año anterior para evitar la vigorización de las cepas en caso de que sea necesario, entre otras. En futuros trabajos se abordará el análisis de otros parámetros del crecimiento vegetativo, como la cartografía de la madera de poda o del índice de área foliar mediante imágenes-UAV para estudiar predicción de cosecha.n
RkJQdWJsaXNoZXIy Njg1MjYx