Modelación de °Brix y pH en uva vinífera mediante imágenes satelitales. Valle de Colchagua, Chile

[EN] In order to monitor the ripeness and composition of wine grape berries and establish an optimal harvest date, the determination of °Brix and pH is vital. This research includes the study of two harvest seasons of the Cabernet Sauvignon variety: 2017 and 2018. Field data were collected periodically, allowing the tracking of the vine’s phenological state.

Incorporating technological solutions into the fruit sampling process, such as Sentinel-2 satellite images, allows optimization of a traditionally handcrafted procedure and provides a more detailed view of the plots. From these images, 12 variables were obtained, composed of 8 bands and 4 spectral indices, which were related to variables extracted from field samples.

The °Brix modeling presents an R² of 69% and 73% in the 2017 and 2018 seasons, respectively. In pH modeling, the 2017 season showed low R² results (43%), which improved considerably in 2018, reaching 63.8%. Selecting a model that defines the variability of the plot and identifies early or late ripening areas is both useful and valuable for achieving constant improvements in production and, consequently, in wine quality.

[ES] Con el fin de monitorear la madurez y composición de las bayas de uva vinífera y determinar una fecha óptima de cosecha, es vital la determinación de °Brix y pH. Esta investigación comprende el estudio de dos temporadas de cosecha de la variedad Cabernet Sauvignon: 2017 y 2018. Durante estas temporadas, se tomaron periódicamente datos de campo que permitieron seguir el estado fenológico de la vid hasta la cosecha y posterior vinificación.

La incorporación de soluciones tecnológicas, como el uso de imágenes satelitales Sentinel-2, al proceso de muestreo de fruta permite optimizar un procedimiento artesanal y ofrece una visión más detallada de los cuarteles, haciendo más eficiente el trabajo de campo. A partir de estas imágenes se obtuvieron 12 variables, compuestas por 8 bandas y 4 indicadores espectrales (NDVI, NDMI, Clorofila y GNDVI), que se relacionaron con variables extraídas de los muestreos de campo.

La modelación de °Brix presenta un coeficiente de determinación R² de 69% y 73% en las temporadas 2017 y 2018, respectivamente. En cuanto a la modelación de pH, la temporada 2017 obtuvo un bajo R² de 43%, mejorando considerablemente en 2018, alcanzando 63,8%. Determinar un modelo que permita definir la variabilidad de la parcela y las posibles zonas de maduración temprana o tardía del viñedo resulta de gran utilidad para mejorar la producción y, por ende, la calidad del vino.