Selektywne zbiory winogron kierowane mapami z drona: studium przypadku Fattoria di Cinciano w Chianti Classico

Wprowadzenie

W ostatnich latach winiarstwo mierzy się z coraz bardziej złożonym wyzwaniem: produkcją win wysokiej jakości w sposób efektywny i zrównoważony, zgodnie z wymaganiami rynku, przy jednoczesnym ograniczaniu subiektywności w decyzjach agronomicznych. W tym kontekście technologie rolnictwa precyzyjnego stanowią kluczowe narzędzie do odczytywania i zarządzania naturalną zmiennością winnicy. Wśród dostępnych obecnie rozwiązań cyfrowych, wykorzystanie map wigoru pozyskiwanych z drona pozwala przekształcić informacje agronomiczne w konkretne działania w polu. Takie podejście otwiera nowe możliwości również dla etapu tradycyjnie ręcznego i subiektywnego, jakim są selektywne zbiory, umożliwiając przejście od selekcji opartej na wizualnym doświadczeniu do zbiorów kierowanych obiektywnymi, przestrzennymi danymi. Studium przypadku przedstawione w tym artykule pokazuje, jak integracja teledetekcji, strefowania winnicy i zróżnicowanego zarządzania zbiorami może prowadzić do produkcji odrębnych win, z których każde jest wyrazem innych warunków wegetacyjno-produkcyjnych winnicy.

Przypadek Fattoria di Cinciano

Na obszarze Chianti Classico DOCG znajduje się gospodarstwo Cinciano. Winnica gospodarstwa zajmuje 28 hektarów i zdominowana jest przez odmianę Sangiovese, która pokrywa około 90% całej obsadzonej powierzchni. Choć działki są zlokalizowane na stosunkowo zwartym obszarze, charakteryzują się dużą zmiennością gleb i wysokości. W istocie można wyróżnić gleby o silnym udziale pyłu na wysokości 150 m n.p.m., przechodzące następnie w grunty bogate w galestro i glinę w centralnej części, aż po 360 m n.p.m., gdzie odnotowuje się również znaczący udział piasku.

Od selekcji ręcznej do zautomatyzowanej

W przeszłości zbiór winogron do produkcji Chianti Classico “Gran Selezione” odbywał się poprzez wizualną selekcję najlepszych kiści. Oczywiste jest, że taka metoda niesie ze sobą także zmienność wynikającą z subiektywnych kryteriów oceny osoby dokonującej zbioru. Aby uobiektywnić ocenę, można powiązać ze sobą indeks wigoru, ładunek plonowania oraz cechy ilościowo-jakościowe winogron. W prezentowanym dziś studium przypadku do nalotów wykorzystano drona DJI Mavic Multispectral, aby uzyskać obrazy RGB (w rzeczywistych kolorach) oraz obrazy multispektralne badanej winnicy. Za pomocą oprogramowania fotogrametrycznego możliwe było zbudowanie ortomozaiki pola, z której wyodrębniono mapy oparte na wskaźnikach wegetacji. W szczególności utworzono mapę opartą na wskaźniku NDVI oraz odpowiadającą jej mapę strefowania, uwzględniającą 3 jednorodne obszary (wysoki, średni i niski wigor). Ewolucja danych, od danych surowych do mapy, została przedstawiona na Rysunku 1.

Rys.1: Protokół przetwarzania obrazów: od ortomozaiki RGB do mapy NDVI, w celu wygenerowania jednorodnych obszarów (zielony = wysoki wigor; żółty = średni wigor; czerwony = niski wigor).

Strefowanie ma kluczowe znaczenie dla wyboru obszarów, w których przeprowadza się pobieranie próbek winogron. Konkretnie, wyznaczono 9 punktów pobierania próbek (Rysunek 2), czyli po 3 punkty dla każdego jednorodnego obszaru pokazanego na rysunku. W każdym punkcie przeprowadzono następujące pomiary:

1. skanowanie 3D krzewu winorośli za pomocą iAgro;
2. ważenie i liczenie kiści na roślinę;
3. analizę próbek w akredytowanym laboratorium.

Rys.2: Pobieranie próbek winogron na podstawie strefowania.

Aplikacja iAgro tworzy cyfrowego bliźniaka rośliny lub odcinka rzędu i mierzy główne parametry biometryczne korony: wysokość, grubość i objętość korony, wskaźnik LAI (Leaf Area Index), TRV (Tree Row Volume) i LWA (Leaf Wall Area). Dzięki tym danym obliczana jest również optymalna dawka mieszaniny fitosanitarnej. Dla każdej wybranej rośliny kiście zliczono, zważono, a następnie poddano analizie w celu oceny szeregu parametrów: średnia masa jagody, stosunek wytłoków do soku, koncentracja cukrów, kwasowość ogólna, pH, kwas jabłkowy, łatwo przyswajalny azot (ŁPA), potencjał ekstrahowalności antocyjanów przy pH 1, ekstrahowalne antocyjany przy pH 3,2 oraz procent ekstrahowalnych antocyjanów, indeks fenoli i procent tanin w pestkach.

Selektywny zbiór winogron

Aby uzyskać Chianti Classico “Gran Selezione”, zebrano najlepsze kiście z obszarów charakteryzujących się niskim wigorem (na czerwono). Za najlepsze kiście uznaje się kiście luźne, o średnich i małych rozmiarach, wolne od pleśni, zgnilizny, niedojrzałych jagód i poparzeń termicznych. W drugim przejściu zebrano pozostałe kiście, również z obszarów czerwonych. W trzecim przejściu zebrano kiście z obszarów o wysokim wigorze (na zielono). Rysunek 3 przedstawia schemat zbioru zastosowany podczas winobrania z pokładu ciągnika.

Rys.3: Schemat zbioru: na czerwono obszary o średnio-niskim wigorze, na zielono obszary o wysokim wigorze.

Warto podkreślić, że 3 zebrane partie wykorzystano do produkcji 3 różnych win. Aby nie wpływać na właściwości winogron, każdy proces winifikacji przeprowadzono w ten sam sposób: ten sam szczep wyselekcjonowanych drożdży, te same dodatki aktywatorów, składników odżywczych i dodatków enologicznych.

Wyniki: porównanie winogron i win

Analiza danych z pobierania próbek winogron wyraźnie pokazuje, że różne strefy wigoru winnicy dają winogrona o bardzo różnych cechach (Rysunek 4). Obszary o wysokim wigorze wykazują wyższy ładunek plonowania, ze średnio większymi kiściami i jagodami oraz niższym stosunkiem wytłoków do soku. Warunki te przekładają się bezpośrednio na skład winogron, prowadząc do niższych wartości cukrów i kwasowości ogólnej. W miarę przemieszczania się w kierunku stref o średnio-niskim wigorze, produkcja maleje, ale rośnie koncentracja głównych parametrów jakościowych. Kolejnym istotnym aspektem jest kwas jabłkowy, obecny w większych ilościach w bardziej bujnych roślinach. Wynika to głównie z mikroklimatu kiści: w strefach o wysokim wigorze bardziej rozwinięta korona chroni jagody przed bezpośrednim nasłonecznieniem i wysokimi temperaturami, spowalniając degradację kwasu jabłkowego w porównaniu ze strefami bardziej narażonymi. Wreszcie w strefach o niskim wigorze odnotowuje się wyższą koncentrację związków fenolowych.

Rys.4: Mapy głównych parametrów ilościowych (plon na hektar, liczba kiści, plon kiści) i jakościowych (cukry, kwasowość ogólna, antocyjany).

Jeśli chodzi o wina uzyskane z 3 zebranych partii (Tabela 1), pierwsza wyraźna różnica dotyczy produkcji winogron na hektar, wyraźnie wyższej w strefie o wysokim wigorze, podczas gdy w pozostałych dwóch partiach jest ona podobna. Znacząco różni się natomiast wydajność wina, która przebiega według wyraźnej skali: 71% w obszarach o wysokim wigorze, 64% w obszarach o średnio-niskim wigorze (wyselekcjonowane kiście “Gran Selezione”) oraz 56% w strefie o średnio-niskim wigorze. Różnica między tymi dwoma ostatnimi wynika przede wszystkim ze stanu zdrowotnego winogron, które przy selekcji najlepszych kiści nie wykazywały objawów przywiędnięcia ani poparzeń. Jeśli chodzi o kwasowość, obserwuje się tendencję odwrotną do wigoru: najniższa kwasowość ogólna odnotowana została w winie uzyskanym z winogron zebranych w obszarach o wysokim wigorze. Wyższa kwasowość w obszarach o niskim wigorze wynika z efektu koncentracji, spowodowanego utratą wody na skutek wysokich temperatur letnich. Wpłynęło to zarówno na wzrost zawartości alkoholu, jak i na składnik kwasowy. Natomiast pH pozostaje zasadniczo stabilne. Kwasowość lotna jest niższa w Gran Selezione dzięki lepszemu stanowi zdrowotnemu winogron, podczas gdy kwas jabłkowy jest wyższy, co potwierdza obserwacje poczynione na etapie pobierania próbek. Jeśli chodzi o cukry, są one niższe w strefach o wysokim wigorze, a wyższe w strefach o niskim wigorze (mniej winogron, ale wyższa koncentracja cukrów).

Tab. 1: Wyniki analiz win uzyskanych z selektywnego zbioru.

Wina uzyskane z pozostałych kiści z obszarów o niskim-średnim wigorze charakteryzują się znaczącą strukturą i miękkością, dobrze zbalansowane i o dobrej kwasowości, ale o bardzo wysokiej zawartości alkoholu, wyraźnie przewyższającej obecny standard rynku winiarskiego. Z kolei wina uzyskane z winogron z obszarów o wysokim wigorze mają bardziej pionowy profil, o mniej dominującej strukturze, pozostawiającej miejsce dla składnika kwasowego, owocowych aromatów i niższej zawartości alkoholu. Wreszcie “Gran Selezione” plasuje się pomiędzy dwoma poprzednimi winami, co dowodzi, że zdrowe winogrona zebrane w strefach o niskim-średnim wigorze nadają zrównoważony profil sensoryczny kosztem ilości.

Wnioski

To studium przypadku pokazuje, jak mapy wigoru pozyskiwane z drona mogą być wykorzystywane w praktyce do kierowania selektywnym zbiorem, czyniąc go bardziej obiektywnym i łatwym do zastosowania w polu. Wyniki potwierdzają, że zmienność winnicy przekłada się bezpośrednio na jakość winogron i win, umożliwiając uzyskanie sensorycznie różnych partii z tej samej działki. W szczególności zdrowe winogrona pochodzące z obszarów o średnio-niskim wigorze nadają winu bardziej zrównoważony profil, podczas gdy pozostałe strefy dały odmienne i uzupełniające się profile. Ogółem integracja danych z drona z operacyjnym zarządzaniem zbiorami stanowi konkretny krok w kierunku bardziej wydajnego, opartego na danych winiarstwa. Zmienność pola nie jest już przeszkodą, lecz zasobem, który warto wykorzystać.

To studium przypadku zostało zrealizowane poprzez połączenie iDrone do map lotniczych i iAgro do skanowania 3D roślin. Jeśli zarządzasz winnicą i chcesz zastosować to samo podejście w swoim gospodarstwie, skontaktuj się z nami, aby uzyskać bezpłatną konsultację!