Flash Talk – Predicción del rendimiento de la vendimia mediante aprendizaje automático (machine learning) a partir de imágenes de satélite

La estimación del rendimiento de vendimia de manera precisa y adelantada permite tomar decisiones
tanto a nivel de campo (por ejemplo vendimia en verde o riego) como de bodega (estimación de volumen de vino) y resulta imprescindible para definir la calidad de la añada. Por ello el aforo en campo realizado por Pago de Carraovejas (PDC), es sumamente laborioso donde no sólo se cuenta el número de racimos por cepa, sino el número de uvas por racimo y el peso de la baya.

GMV había desarrollado un modelo de aprendizaje automático (ML) de estimación de aforos en más de 1300 hectáreas partiendo de un aforo en campo reducido a pocas parcelas y el procesamiento de cinco años de datos de satélite Sentinel-2 (misión Copernicus). El primer test de dicho modelo en los viñedos de PDC arroja una predicción del 82 % de acierto respecto al volumen de entrada de uva, punto de inicio de la investigación.

Con los datos obtenidos de los aforos de PDC, traídos de la experiencia previa, se cambia el factor en la ecuación teórica. Además se ha extraído en cada viñedo el factor de faltas o marras (cepas arrancadas)a partir de imagen de satélite de muy alta resolución (50 centímetros). Esta información ha sido determinante tanto en el ajuste del número de cepas en cada viñedo a partir de sus marcos de plantación como en el ajuste de los productos históricos de valor añadido Sentinel-2.

El nuevo modelo ML desarrollado para PDC ha arrojado un acierto respecto a la entrada de uva en bodega del 91 % en 2020, siendo del 94 % en 2021, y ha mejorado un 2% al acierto logrado a partir del aforo en campo.