1. Determinació d'un model de predicció de l'àrea foliar de tres varietats de raïm del Penedès
- Author
-
Universitat Politècnica de Catalunya. Departament d'Enginyeria Agroalimentària i Biotecnologia, Gil Moya, Emilio, Sánchez Sánchez, Elena, Jane Iniesta, Maria, Universitat Politècnica de Catalunya. Departament d'Enginyeria Agroalimentària i Biotecnologia, Gil Moya, Emilio, Sánchez Sánchez, Elena, and Jane Iniesta, Maria
- Abstract
The Catalan wine sector is in constant evolution due to different reasons, for example, climate change or the entry into force of new legislation. Therefore, it is very important to carry out research projects that advance towards a more environmentally resilient viticulture. The determination of the area of plant collectors is a parameter used in many studies and is not always easy to obtain. Hence the need to obtain a model that predicts the leaf area of Vitis vinifera with the varieties of the area where the studies are carried out, the Penedès. The main objective of the project is to develop a model to predict leaf area through the physiological relationship of this parameter with the dry weight and fresh weight of the leaf. Three grape varieties, Chardonnay, Macabeu and Cabernet Sauvignon, have been used for this purpose, as they are the most representative of the area. During a total of 8 weeks, 50 leaves were collected from 9 different plots in the Penedès; three of Chardonnay, three of Cabernet Sauvignon and three of Macabeu. At the end of the sampling stage, a total of 3,600 leaves were collected and used to create the database. Once collected, they were processed by fresh weighing, surface planimetry and drying in an oven for 48 hours to finally obtain the dry weight. Two simple regression models were developed to predict leaf area (S), one as a function of fresh weight (FW) and the other in relation to dry weight (DW). The explanatory variables (FP and PS) show statistically significant differences between their means. The two validated models show a good correlation between the explanatory variables and the response variable (S) and have a relatively low prediction error. However, both the variables and the residuals of the models do not present a normal distribution, nor homoscedasticity. The model was validated using historical data provided by the Unitat de Mecanització Agrària (UMA) and data collected as of the 2022-2023 season. Subsequently, it was, El sector vitivinícola catalán se encuentra en constante evolución debido a diferentes razones, por ejemplo, el cambio climático o la entrada en vigor de nuevas legislaciones. Por lo que es muy importante la realización de proyectos de investigación que avancen hacia una viticultura más resiliente con el medio ambiente. La determinación del área de los colectores vegetales es un parámetro utilizado en multitud de estudios y no siempre es sencillo de obtener. De aquí nace la necesidad de obtener un modelo que prediga el área foliar de la Vitis vinífera con las variedades de la zona donde se realizan los estudios, el Penedès. El objetivo principal del proyecto es realizar un modelo de predicción del área foliar a través de la relación fisiológica de este parámetro con el peso seco y el peso fresco de la hoja. Para este fin se han utilizado tres variedades de uva, Chardonnay, Macabeo y Cabernet Sauvignon, al ser las más representativas del área. Durante un total de 8 semanas se recogieron 50 hojas en 9 parcelas diferentes del Penedès; tres de Chardonnay, tres de Cabernet Sauvignon y tres de Macabeo. Al final de la etapa de muestreo se habían recogido un total de 3.600 hojas con las cuales se elaboró la base de datos. Una vez recogidas se procesaban, pesándolas en fresco, planimetrando su superficie y secándolas a una estufa durante 48 horas para, finalmente, obtener el peso seco. Se han desarrollado dos modelos de regresión simple donde se predice la Superficie foliar (S), uno en función del Peso Fresco (PF) y el otro en relación con el Peso Seco (PS). Las variables explicativas (PF y PS) presentan diferencias estadísticamente significativas entre sus medias. Los dos modelos validados muestran una buena correlación entre las variables explicativas y la variable respuesta (S) y tienen un error de predicción relativamente bajo. Pero no presentan una distribución normal, tanto las variables como los residuos de los modelos, ni homocedasticidad. El modelo fue validado medi, El sector vitivinícola català es troba en constant evolució a causa de diferents raons, per exemple, el canvi climàtic o l’entrada en vigor de noves legislacions. Pel que és molt important la realització de projectes d’investigació que avancin cap a una viticultura més resilient amb el medi ambient. La determinació de l’àrea dels col·lectors vegetals és un paràmetre utilitzat en multitud d’estudis i no sempre és senzill d’obtenir. D’aquí neix la necessitat d’aconseguir un model que predigui l’àrea foliar de la Vitis vinífera L. amb les varietats de la zona on es realitzen els estudis, el Penedès. L’objectiu principal del projecte és realitzar un model de predicció de l’àrea foliar a través de la relació fisiològica d’aquest paràmetre amb el pes sec i el pes fresc de la fulla. Per a aquest fi s’han utilitzat tres varietats de raïm, Chardonnay, Macabeu i Cabernet Sauvignon, en ser les més representatives de l’àrea. Durant un total de 8 setmanes es van recollir 50 fulles en 9 parcel·les diferents del Penedès; tres de Chardonnay, tres de Cabernet Sauvignon i tres de Macabeu. Al final de l’etapa de mostreig s’havien recollit un total de 3.600 fulles amb les quals es va elaborar la base de dades. Un cop recollides es processaven, pesant-les en fresc, planimetrant la seva superfície i assecant-les a una estufa durant 48 hores per, finalment, obtenir-ne el pes sec. S’han desenvolupat dos models de regressió simple on es prediu la Superfície foliar (S), un en funció del Pes Fresc (PF) i l’altre en relació amb el Pes Sec (PS). Les variables explicatives (PF i PS) presenten diferències estadísticament significatives entre les seves mitjanes. Els dos models validats mostren una bona correlació entre les variables explicatives i la variable resposta (S) i tenen un error de predicció relativament baix. Però no presenten una distribució normal, tant de les variables com dels residus dels models, ni homoscedasticitat. El model va ser validat mitjançant dades històriques proporciona
- Published
- 2023