Selektive Weinlese mit Drohnenkarten: die Fallstudie der Fattoria di Cinciano im Chianti Classico

Einleitung

In den letzten Jahren steht der Weinbau vor einer zunehmend komplexen Herausforderung: hochwertige Weine effizient und nachhaltig zu erzeugen, im Einklang mit den Anforderungen des Marktes, und gleichzeitig den subjektiven Anteil bei agronomischen Entscheidungen zu verringern. In diesem Zusammenhang stellen Präzisionslandwirtschafts-Technologien ein zentrales Werkzeug dar, um die natürliche Variabilität des Weinbergs zu erfassen und zu steuern. Unter den derzeit verfügbaren digitalen Lösungen ermöglicht der Einsatz von Vigorkarten aus Drohnenaufnahmen, agronomische Informationen in konkrete Feldmaßnahmen umzusetzen. Dieser Ansatz eröffnet neue Möglichkeiten auch für eine traditionell manuelle und subjektive Phase wie die selektive Lese und erlaubt den Übergang von einer auf visueller Erfahrung basierenden Auswahl zu einer durch objektive, räumlich verortete Daten geleiteten Ernte. Die in diesem Artikel vorgestellte Fallstudie zeigt, wie die Integration von Fernerkundung, Weinbergzonierung und differenziertem Lesemanagement zur Produktion unterschiedlicher Weine führen kann, von denen jeder die unterschiedlichen Wachstums- und Ertragsbedingungen des Weinbergs zum Ausdruck bringt.

Der Fall der Fattoria di Cinciano

Im Gebiet des Chianti Classico DOCG liegt der Betrieb Cinciano. Der betriebseigene Weinberg erstreckt sich über 28 Hektar und wird von der Rebsorte Sangiovese dominiert, die rund 90 % der gesamten bepflanzten Fläche einnimmt. Obwohl die Parzellen in einem relativ geschlossenen Gebiet liegen, zeichnen sie sich durch eine starke Variabilität von Böden und Höhenlage aus. So finden sich Böden mit stark schluffigem Anteil auf 150 m ü. NN, gefolgt von Böden mit hohem Anteil an Galestro und Ton im zentralen Bereich, bis hin zu 360 m ü. NN, wo auch ein guter Sandanteil festgestellt wird.

Von der manuellen zur automatisierten Auswahl

In der Vergangenheit erfolgte die Traubenlese für die Produktion des Chianti Classico „Gran Selezione” durch visuelle Auswahl der besten Trauben. Es liegt auf der Hand, dass diese Methode auch die Variabilität mit sich bringt, die auf die subjektiven Bewertungskriterien der lesenden Person zurückzuführen ist. Um die Bewertung zu objektivieren, lassen sich der Vigor-Index, die Ertragslast und die quantitativ-qualitativen Eigenschaften der Trauben miteinander in Beziehung setzen. In der hier vorgestellten Fallstudie wurde eine DJI Mavic Multispectral Drohne für die Luftaufnahmen eingesetzt, um RGB- (echtfarbige) und multispektrale Bilder des untersuchten Weinbergs zu erhalten. Mithilfe von Photogrammetrie-Software konnte das Orthomosaik des Feldes erstellt werden, aus dem die auf Vegetationsindizes basierenden Karten abgeleitet wurden. Konkret wurde eine Karte auf Basis des NDVI-Index sowie die zugehörige Zonierungskarte mit 3 homogenen Bereichen (hoher, mittlerer und niedriger Vigor) erstellt. Die Entwicklung der Daten, von den Rohdaten bis zur Karte, ist in Abbildung 1 dargestellt.

Abb.1: Protokoll der Bildverarbeitung: vom RGB-Orthomosaik zur NDVI-Karte, um homogene Bereiche zu erzeugen (grün = hoher Vigor; gelb = mittlerer Vigor; rot = niedriger Vigor).

Die Zonierung ist entscheidend, um die Bereiche für die Traubenprobenahme auszuwählen. Konkret wurden 9 Probenahmepunkte festgelegt (Abbildung 2), also 3 Punkte pro homogenem Bereich, wie in der Abbildung dargestellt. An jedem Punkt wurden folgende Erhebungen durchgeführt:

1. 3D-Scan der Weinrebe mittels iAgro;
2. Wiegen und Zählen der Trauben pro Pflanze;
3. Analyse der Proben in einem akkreditierten Labor.

Abb.2: Traubenprobenahme auf Basis der Zonierung.

Die App iAgro erstellt den digitalen Zwilling der Pflanze bzw. des Zeilenabschnitts und misst die wichtigsten biometrischen Parameter des Blätterdachs: Höhe, Dicke und Volumen des Blätterdachs, den LAI-Index (Leaf Area Index), TRV (Tree Row Volume) und LWA (Leaf Wall Area). Auf Basis dieser Daten wird auch die optimale Dosis der Pflanzenschutzmischung berechnet. Für jede ausgewählte Pflanze wurden die Trauben gezählt, gewogen und anschließend analysiert, um eine Reihe von Parametern zu bewerten: durchschnittliches Beerengewicht, Verhältnis von Trester zu Most, Zuckerkonzentration, Gesamtsäure, pH-Wert, Apfelsäure, leicht verfügbarer Stickstoff (LVS), Extrahierbarkeitspotenzial der Anthocyane bei pH 1, extrahierbare Anthocyane bei pH 3,2 und Anteil extrahierbarer Anthocyane, Phenolindex und Tanninanteil in den Kernen.

Selektive Traubenlese

Für den Chianti Classico „Gran Selezione” wurden die besten Trauben aus den Bereichen mit geringem Vigor (in Rot) geerntet. Unter den besten Trauben versteht man lockerbeerige Trauben mittlerer bis kleiner Größe, ohne Schimmel, Fäulnis, nicht gereifte Beeren oder Hitzeschäden. In einem zweiten Durchgang wurden die verbleibenden Trauben ebenfalls in den roten Bereichen geerntet. Im dritten Durchgang wurden die Trauben aus den Bereichen mit hohem Vigor (in Grün) geerntet. Abbildung 3 zeigt das während der Lese vom Traktor aus verwendete Ernteschema.

Abb.3: Ernteschema: in Rot die Bereiche mit mittlerem bis niedrigem Vigor, in Grün die Bereiche mit hohem Vigor.

Wichtig ist die Feststellung, dass die 3 geernteten Partien zur Herstellung von 3 unterschiedlichen Weinen verwendet wurden. Um die Eigenschaften der Trauben nicht zu beeinflussen, wurde jeder Vinifikationsprozess auf dieselbe Weise durchgeführt: derselbe Stamm ausgewählter Hefen, dieselben Zugaben von Aktivatoren, Nährstoffen und önologischen Zusatzstoffen.

Ergebnisse: Trauben und Weine im Vergleich

Bei der Betrachtung der Probenahmedaten der Trauben zeigt sich deutlich, dass die unterschiedlichen Vigor-Zonen des Weinbergs Trauben mit sehr unterschiedlichen Eigenschaften hervorbringen (Abbildung 4). Die Bereiche mit hohem Vigor weisen eine höhere Ertragslast auf, mit im Durchschnitt größeren Trauben und Beeren sowie einem niedrigeren Trester-Most-Verhältnis. Diese Bedingungen wirken sich direkt auf die Zusammensetzung der Trauben aus und führen zu niedrigeren Werten bei Zucker und Gesamtsäure. Je weiter man sich in Richtung der Zonen mit mittlerem bis niedrigem Vigor bewegt, desto mehr sinkt der Ertrag, während die Konzentration der wichtigsten Qualitätsparameter zunimmt. Ein weiterer relevanter Aspekt betrifft die Apfelsäure, die in kräftigeren Pflanzen in größeren Mengen vorkommt. Dies hängt vor allem mit dem Mikroklima der Traube zusammen: In Zonen mit hohem Vigor schützt das stärker entwickelte Blätterdach die Beeren vor direkter Sonneneinstrahlung und hohen Temperaturen und verlangsamt so den Abbau der Apfelsäure im Vergleich zu stärker exponierten Zonen. Schließlich wird in Zonen mit geringem Vigor eine höhere Konzentration phenolischer Verbindungen festgestellt.

Abb.4: Karten der wichtigsten quantitativen Parameter (Ertrag pro Hektar, Anzahl der Trauben, Traubenertrag) und qualitativen Parameter (Zucker, Gesamtsäure, Anthocyane).

Bei den aus den 3 geernteten Partien gewonnenen Weinen (Tabelle 1) betrifft der erste deutliche Unterschied die Traubenproduktion pro Hektar, die im Bereich mit hohem Vigor deutlich höher ist, während sie bei den anderen beiden Partien ähnlich ausfällt. Deutlich verändert sich hingegen die Weinausbeute, die einer klaren Abstufung folgt: 71 % in den Bereichen mit hohem Vigor, 64 % in den Bereichen mit mittlerem bis niedrigem Vigor (ausgewählte Trauben „Gran Selezione”) und 56 % in der Zone mit mittlerem bis niedrigem Vigor. Der Unterschied zwischen den beiden letztgenannten ist vor allem auf den Gesundheitszustand der Trauben zurückzuführen, die bei der Auswahl der besten Trauben keine Anzeichen von Schrumpfung oder Verbrennungen aufwiesen. Bei der Säure zeigt sich ein zum Vigor gegenläufiger Trend: Die niedrigste Gesamtsäure wird bei dem Wein festgestellt, der aus Trauben aus den Bereichen mit hohem Vigor gewonnen wurde. Die höhere Säure in Bereichen mit niedrigem Vigor ist auf den Konzentrationseffekt zurückzuführen, der durch den Wasserverlust infolge der hohen Sommertemperaturen verursacht wird. Dies wirkte sich sowohl auf den Anstieg des Alkoholgehalts als auch auf die Säurekomponente aus. Der pH-Wert hingegen bleibt weitgehend stabil. Die flüchtige Säure ist bei der Gran Selezione dank des besseren Gesundheitszustands der Trauben niedriger, während die Apfelsäure höher ist, was die bei der Probenahme gemachten Beobachtungen bestätigt. Beim Zucker zeigt sich, dass dieser in Zonen mit hohem Vigor niedriger und in Zonen mit niedrigem Vigor höher ist (weniger Trauben, aber höhere Zuckerkonzentration).

Tab. 1: Ergebnisse der Analysen der aus der selektiven Lese gewonnenen Weine.

Die Weine aus den restlichen Trauben der Zonen mit niedrigem bis mittlerem Vigor weisen eine ausgeprägte Struktur und Weichheit auf, gut ausbalanciert und mit guter Säure, jedoch mit einem sehr hohen Alkoholgehalt, der deutlich über dem aktuellen Standard des Weinmarkts liegt. Die Weine aus den Trauben der Bereiche mit hohem Vigor hingegen weisen ein vertikaleres Profil auf, mit einer weniger dominanten Struktur, die Raum für die Säurekomponente, fruchtige Aromen und einen niedrigeren Alkoholgehalt lässt. Schließlich positioniert sich die „Gran Selezione” zwischen den beiden vorgenannten Weinen und zeigt damit, dass gesunde Trauben aus Zonen mit niedrigem bis mittlerem Vigor ein ausgewogenes sensorisches Profil verleihen – auf Kosten der Menge.

Schlussfolgerungen

Diese Fallstudie zeigt, wie Vigorkarten aus Drohnenaufnahmen konkret genutzt werden können, um eine selektive Lese zu steuern und sie objektiver und im Feld leichter anwendbar zu machen. Die Ergebnisse bestätigen, dass sich die Variabilität des Weinbergs unmittelbar auf die Qualität der Trauben und Weine auswirkt und es ermöglicht, aus derselben Parzelle sensorisch unterschiedliche Partien zu gewinnen. Insbesondere verleihen gesunde Trauben aus Zonen mit mittlerem bis niedrigem Vigor dem Wein ein ausgewogeneres Profil, während die übrigen Zonen unterschiedliche, sich ergänzende Profile hervorgebracht haben. Insgesamt stellt die Integration von Drohnendaten und dem operativen Management der Lese einen konkreten Schritt hin zu einem effizienteren, datengestützten Weinbau dar. Die Variabilität des Feldes ist nicht länger ein Hindernis, sondern eine Ressource, die es zu nutzen gilt.

Diese Fallstudie wurde durch die Kombination von iDrone für die Luftkarten und iAgro für den 3D-Scan der Pflanzen realisiert. Wenn Sie einen Weinberg bewirtschaften und denselben Ansatz in Ihrem Betrieb anwenden möchten, kontaktieren Sie uns für eine kostenlose Beratung!