MODELACIÓN DE °BRIX Y PH EN UVA VINÍFERA MEDIANTE IMÁGENES SATELITALES. VALLE DE COLCHAGUA, CHILE

S. Fredes, Luis Ángel Ruiz, Jorge Abel Recio
{"title":"MODELACIÓN DE °BRIX Y PH EN UVA VINÍFERA MEDIANTE IMÁGENES SATELITALES. VALLE DE COLCHAGUA, CHILE","authors":"S. Fredes, Luis Ángel Ruiz, Jorge Abel Recio","doi":"10.4995/cigeo2021.2021.12734","DOIUrl":null,"url":null,"abstract":"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 uvavinífera de variedad Cabernet Sauvignon: 2017 y 2018. Periodo en el cual se tomaron periódicamente datos de campoque permitieron seguir el estado fenológico de la vid hasta el momento de la cosecha y posterior vinificación. Incorporarsoluciones tecnológicas, como el uso de imágenes satelitales, en este caso Sentinel-2, al proceso de muestreo de fruta,permite optimizar un proceso artesanal, dando la posibilidad de tener una visión más detallada del cuartel, lo que hacemás eficiente el trabajo de terreno. Desde las imágenes se obtuvieron 12 variables compuestas por 8 bandas y 4indicadores (NDVI, NDMI, Clorofila y GNDVI) que se relacionaron con variables extraídas de muestreos de campo. Condichos datos se seleccionó el mejor modelo de regresión lineal múltiple, utilizando 3 variables para predecir °Brix y pH. Lamodelación de °Brix presenta un coeficiente de determinación R2 de 69% y 73% en las temporadas 2017 y 2018,respectivamente. En el caso de la modelación de pH, la temporada 2017 tiene bajos resultados de R2, alcanzando un43%, el cual mejora considerablemente en la temporada 2018, alcanzando un 63.8%. Determinar un modelo que permitadefinir la variabilidad de la parcela y, por tanto, las posibles zonas de maduración temprana o tardía del viñedo, es de granutilidad para concretar una mejora en la producción y por ende en la calidad del vino.","PeriodicalId":145404,"journal":{"name":"Proceedings - 3rd Congress in Geomatics Engineering - CIGeo","volume":"79 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-07-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Proceedings - 3rd Congress in Geomatics Engineering - CIGeo","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.4995/cigeo2021.2021.12734","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

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 uvavinífera de variedad Cabernet Sauvignon: 2017 y 2018. Periodo en el cual se tomaron periódicamente datos de campoque permitieron seguir el estado fenológico de la vid hasta el momento de la cosecha y posterior vinificación. Incorporarsoluciones tecnológicas, como el uso de imágenes satelitales, en este caso Sentinel-2, al proceso de muestreo de fruta,permite optimizar un proceso artesanal, dando la posibilidad de tener una visión más detallada del cuartel, lo que hacemás eficiente el trabajo de terreno. Desde las imágenes se obtuvieron 12 variables compuestas por 8 bandas y 4indicadores (NDVI, NDMI, Clorofila y GNDVI) que se relacionaron con variables extraídas de muestreos de campo. Condichos datos se seleccionó el mejor modelo de regresión lineal múltiple, utilizando 3 variables para predecir °Brix y pH. Lamodelación de °Brix presenta un coeficiente de determinación R2 de 69% y 73% en las temporadas 2017 y 2018,respectivamente. En el caso de la modelación de pH, la temporada 2017 tiene bajos resultados de R2, alcanzando un43%, el cual mejora considerablemente en la temporada 2018, alcanzando un 63.8%. Determinar un modelo que permitadefinir la variabilidad de la parcela y, por tanto, las posibles zonas de maduración temprana o tardía del viñedo, es de granutilidad para concretar una mejora en la producción y por ende en la calidad del vino.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
利用卫星图像模拟葡萄的°BRIX和PH值。智利科尔查瓜山谷
为了监测葡萄浆果的成熟度和组成,并确定最佳收获日期,确定°Brix和ph是至关重要的。本研究包括对赤霞珠葡萄品种2017年和2018年两个收获季节的研究。在此期间,定期采集campoque数据,以跟踪葡萄的物候状态,直到收获和随后的酿酒。将卫星图像等技术解决方案(在本例中是Sentinel-2)应用到水果取样过程中,可以优化手工过程,提供更详细的兵营视图,使实地工作更有效。在本研究中,我们分析了在墨西哥北部和墨西哥北部的两个地区,以及在墨西哥北部和墨西哥南部的两个地区,在不同的地理区域,在不同的地理区域,在不同的地理区域,在不同的地理区域,在不同的地理区域,在不同的地理区域。在此条件下,选择最佳的多元线性回归模型,使用3个变量预测°Brix和ph。°Brix模型在2017年和2018年的决定系数R2分别为69%和73%。在pH模拟方面,2017年的R2结果很低,达到43%,这在2018年有了很大改善,达到了63.8%。确定一个模型,允许确定地块的可变性,从而确定葡萄园可能的早成熟或晚成熟区域,这是非常有用的,以实现生产的改善,从而提高葡萄酒的质量。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
COMPARACIÓN DE INDICADORES DE SOSTENIBILIDAD ENTRE ZONAS URBANAS DE ECUADOR Y ESPAÑA EMPLEANDO IMÁGENES SENTINEL 2 MSI UNDERSTANDING VERTICAL GROUND DISPLACEMENT FROM P-SBAS USING GETIS-ORD GI* STATISTIC ANÁLISIS COMPARATIVO DE SOFTWARE PARA OBTENER MDT CON FOTOGRAMETRÍA RPAS ARQUITECTURA NEURONAL PARA PREDICCIÓN DE RADIACIÓN SOLAR EN BASE A VARIABLES METEOROLÓGICAS MONITORING CRITICAL INFRASTRUCTURE EXPOSED TO ANTHROPOGENIC AND NATURAL HAZARDS USING SATELLITE RADAR INTERFEROMETRY
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1