Selektive Ernte mit Hilfe von Drohnenkarten: die Fallstudie der Fattoria di Cinciano in Chianti Classico

Einführung

Der Weinbau stand in den letzten Jahren vor einer immer komplexeren Herausforderung: Qualitätsweine effizient, nachhaltig und im Einklang mit den Marktanforderungen zu produzierenund gleichzeitig die subjektive Komponente bei agronomischen Entscheidungen zu reduzieren. In diesem Zusammenhang sind Technologien der Präzisionslandwirtschaft ein wichtiges Instrument, um die natürliche Variabilität des Weinbergs zu erkennen und zu steuern.
Unter den derzeit verfügbaren digitalen Lösungen ist die Verwendung von Drohnen-Stärkekarten ermöglicht die Umwandlung von agronomischen Informationen in Feldarbeiten. Dieser Ansatz eröffnet neue Möglichkeiten, selbst für eine traditionell manuelle und subjektive Phase wie die selektive Ernte, und ermöglicht von einer Auswahl, die auf visuellen Erfahrungen beruht, zu einer Sammlung, die sich an objektiven, verräumlichten Daten orientiert.
Die in diesem Artikel vorgestellte Fallstudie zeigt, wie die Integration von Fernerkundung, Weinbergszonierung und differenziertem Erntemanagement zur Produktion unterschiedlicher Weine führen kann, die jeweils Ausdruck der unterschiedlichen vegetativ-produktiven Bedingungen des Weinbergs sind.

Der Fall der Fattoria di Cinciano

Im Gebiet des Chianti Classico DOCG befindet sich das Weingut Cinciano. Die Weinberge des Betriebs erstrecken sich über 28 Hektar und werden von der Sangiovese-Rebe dominiert, die etwa 90% der gesamten Weinbergsfläche einnimmt. Die Parzellen befinden sich zwar in einem ziemlich konzentrierten Gebiet, sind aber durch eine starke Variabilität der Böden und der Höhenlage gekennzeichnet. In 150 m Höhe über dem Meeresspiegel findet man Böden mit einer starken lehmigen Komponente, die dann im mittleren Teil zu Böden mit hohem Mergel- und Tongehalt übergehen, bis hin zu einer Höhe von 360 m über dem Meeresspiegel, wo es auch eine gute sandige Komponente gibt.

Von der manuellen zur automatischen Auswahl

In der Vergangenheit wurden die Trauben für die Herstellung des Chianti Classico ‚Gran Selezione‘ durch eine visuelle Auswahl der besten Trauben geerntet. Natürlich bringt diese Methode auch Schwankungen mit sich, die auf die subjektiven Bewertungsparameter derjenigen zurückzuführen sind, die die Ernte durchführen. Um die Bewertung zu objektivieren, können der Vitalitätsindex, die Produktionsmenge und die quantitativen Eigenschaften der Trauben in Beziehung gesetzt werden.
In der Fallstudie, die wir heute vorstellen, wurde eine DJI Mavic Multispectral-Drohne für Luftaufnahmen verwendet, um RGB- (Echtfarben) und Multispektralbilder des untersuchten Weinbergs zu erhalten. Mit Hilfe von Photogrammetrie-Software konnte ein Orthomosaik des Feldes erstellt werden, aus dem Karten auf der Grundlage von Vegetationsindizes extrahiert wurden. Insbesondere wurde eine Karte auf der Grundlage des NDVI-Indexes und der relativen Zonierungskarte erstellt , die 3 homogene Bereiche (hohe, mittlere und niedrige Wuchsstärke) berücksichtigt. Die Entwicklung der Daten vom Rohdatenmaterial zur Karte ist in Abbildung 1 dargestellt.

Abb.1: Bildverarbeitungsprotokoll: vom RGB-Orthomosaik zur NDVI-Karte, um homogene Flächen zu erzeugen (grün=hohe Wuchsstärke; gelb=mittlere Wuchsstärke; rot=geringe Wuchsstärke).

Die Zoneneinteilung ist von grundlegender Bedeutung für die Auswahl der Gebiete, in denen die Weintrauben beprobt werden sollen. Im Einzelnen wurden 9 Probenahmestellen festgelegt (Abbildung 2), d.h. 3 Stellen für jede in der Abbildung gezeigte homogene Zone. An jedem Punkt wurden die folgenden Erhebungen durchgeführt:
1) 3D-Scannen der Rebstöcke mit iAgro;
2) Wiegen und Zählen der Trauben pro Pflanze;
3) Analyse der Proben in einem akkreditierten Labor.

Abb.2: Traubenproben nach Zonen.

Die iAgro App erstellt den digitalen Zwilling der Pflanze oder eines Teils der Reihe und misst die wichtigsten biometrischen Parameter des Kronendachs: Höhe, Dicke und Volumen des Kronendachs, LAI (Leaf Area Index), TRV (Tree Row Volume) und LWA (Leaf Wall Area). Anhand 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, Trester-Saft-Verhältnis, Zuckerkonzentration, Gesamtsäuregehalt, pH-Wert, Apfelsäure, leicht assimilierbarer Stickstoff (APA), Extraktionspotenzial der Anthocyane bei pH 1, extrahierbare Anthocyane bei pH 3,2 und Prozentsatz der extrahierbaren Anthocyane, Phenolindex und Prozentsatz der Gerbstoffe in den Samen.

Selektive Traubenlese

Um den Chianti Classico ‚Gran Selezione‘ zu erhalten, wurden die besten Trauben aus Gebieten geerntet , die sich durch eine geringe Wuchsstärke auszeichnen (in rot). Unter besten Trauben verstehen wir dünne, mittelgroße und kleine Trauben, die frei von Schimmel, Fäulnis, nicht-invasiven Beeren und Hitzebrand sind. In einem zweiten Durchgang wurden die restlichen Trauben in den roten Bereichen geerntet. Im dritten Durchgang wurden die Trauben in den wüchsigen Gebieten (in grün) geerntet. Abbildung 3 zeigt das Ernteschema, das bei der Traktorernte verwendet wurde.

Abb.3: Ernteschema: Flächen mit mittlerer Wuchskraft in rot, Flächen mit hoher Wuchskraft in grün.

Es ist wichtig zu erwähnen, dass die 3 geernteten Partien zur Herstellung von 3 verschiedenen Weinen verwendet wurden. Um eine Beeinflussung der Eigenschaften der Trauben zu vermeiden, wurde jeder Vinifizierungsprozess auf die gleiche Weise durchgeführt: der gleiche Stamm ausgewählter Hefen, die gleiche Zugabe von Aktivatoren, Nährstoffen und önologischen Zusätzen.

Ergebnisse: Vergleich von Trauben und Weinen

Ein Blick auf die Daten der Traubenproben zeigt, dass die verschiedenen Wuchszonen der Weinberge Trauben mit sehr unterschiedlichen Eigenschaften hervorbringen (Abbildung 4). Gebiete mit hoher Wuchskraft weisen eine höhere Produktionsbelastung auf, mit durchschnittlich größeren Trauben und Beeren und einem geringeren Verhältnis von Trester zu Saft. Diese Bedingungen spiegeln sich direkt in der Zusammensetzung der Trauben wider und führen zu niedrigeren Zucker- und Gesamtsäurewerten. Wenn man sich in Richtung der Gebiete mit mittlerem bis niedrigem Wuchs bewegt, geht die Produktion zurück, aber die Konzentration der wichtigsten Qualitätsparameter nimmt zu. Ein weiterer wichtiger Aspekt ist die Apfelsäure, die in den wüchsigeren Pflanzen in größeren Mengen vorhanden ist. Dies hängt vor allem mit dem Mikroklima der Traube zusammen: In Gebieten mit hoher Wuchsstärke schützt das stärker entwickelte Blattwerk die Beeren vor direkter Sonneneinstrahlung und hohen Temperaturen, wodurch der Abbau der Apfelsäure im Vergleich zu exponierteren Gebieten verlangsamt wird. In Gebieten mit geringem Wuchs schließlich gibt es eine höhere Konzentration an phenolischen Verbindungen.

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

Bei den Weinen aus den 3 Erntepartien (Tabelle 1) ist der erste offensichtliche Unterschied die Traubenproduktion pro Hektar, die in der Hochertragszone deutlich höher ist, während sie in den beiden anderen Partien ähnlich ist. Ein signifikanter Unterschied besteht jedoch bei der Weinausbeute, die einer klaren Skala folgt: 71% in der Zone mit hohem Wuchs, 64% in der Zone mit mittlerem Wuchs (ausgewählte "Gran Selezione"-Trauben) und 56% in der Zone mit niedrigem Wuchs. Der Unterschied zwischen den letzteren hängt vor allem mit dem Gesundheitszustand der Trauben zusammen, die bei der Auswahl der besten Trauben keine Welke oder Sonnenbrand aufwiesen.
Was den Säuregehalt betrifft, so ist ein entgegengesetzter Trend zur Wuchsstärke zu beobachten: Der niedrigste Gesamtsäuregehalt wird bei Weinen aus Trauben verzeichnet, die in Gebieten mit hoher Wuchsstärke geerntet wurden. Der höhere Säuregehalt in den Gebieten mit niedriger Wuchsstärke ist auf den Konzentrationseffekt zurückzuführen, der durch den Wasserverlust aufgrund der hohen Sommertemperaturen verursacht wurde. Dies wirkte sich sowohl auf den Anstieg des Alkoholgehalts als auch auf die Säurekomponente aus. Im Gegensatz dazu bleibt der pH-Wert im Wesentlichen stabil. Der flüchtige Säuregehalt ist in der Gran Selezione aufgrund der besseren Gesundheit der Trauben niedriger, während die Apfelsäure höher ist, was die Beobachtungen bei der Probenahme bestätigt.
Der Zuckergehalt ist in Gebieten mit hohem Wuchs niedriger und in Gebieten mit niedrigem Wuchs höher (weniger Trauben, aber höhere Zuckerkonzentration).

Tab. 1: Ergebnisse der Analysen von Weinen, die aus selektiver Ernte stammen.

Die Weine, die aus den Resttrauben der Gebiete mit niedrigem bis mittlerem Wuchs gewonnen werden, weisen eine wichtige Struktur und Weichheit auf, sind ausgewogen und haben einen guten Säuregehalt, aber einen sehr hohen Alkoholgehalt, der viel höher ist als auf dem heutigen Weinmarkt. Dagegen haben die Weine aus Trauben von Gebieten mit hohem Wuchs ein eher vertikales Profil, mit einer weniger ausgeprägten Struktur, die Raum für die Säurekomponente lässt, fruchtigen Aromen und einem geringeren Alkoholgehalt. Der ‚Gran Selezione‘ schließlich liegt zwischen den beiden vorangegangenen Weinen und zeigt, dass gesunde Trauben, die in Gebieten mit niedrigem bis mittlerem Wuchs geerntet werden, ein ausgewogenes sensorisches Profil aufweisen, auch wenn dies auf Kosten der Menge geht.

Schlussfolgerungen

Diese Fallstudie zeigt, wie Drohnen-Vigour-Karten auf praktische Weise genutzt werden können, um eine selektive Weinlese zu leiten, die dadurch objektiver und leichter auf dem Feld anwendbar wird. Die Ergebnisse bestätigen, dass sich die Variabilität der Weinberge direkt in der Qualität der Trauben und der Weine widerspiegelt, so dass es möglich ist, sensorisch unterschiedliche Partien aus derselben Parzelle zu erhalten. Vor allem gesunde Trauben aus Gebieten mit mittlerem bis niedrigem Wuchs verliehen dem Wein ein ausgewogeneres Profil, während die anderen Gebiete unterschiedliche und sich ergänzende Profile zum Ausdruck brachten.
Alles in allem ist die Integration von Drohnendaten und operativem Erntemanagement ein konkreter Schritt hin zu einem effizienteren und datengesteuerten Weinbau. Feldvariabilität ist nicht länger ein Hindernis, sondern eine Ressource, die es zu nutzen gilt.

Diese Fallstudie wurde realisiert durch die Kombination von iDrone für Luftbildkarten und iAgro für 3D-Pflanzenscans. Wenn Sie einen Weinberg verwalten und den gleichen Ansatz in Ihrem Unternehmen anwenden möchten kontaktieren Sie uns für eine kostenlose Beratung!