Durante siglos, viticultores y bodegas han mirado al cielo, han recorrido las viñas y han confiado en la experiencia para intentar responder a una pregunta decisiva: ¿cuánta uva dará el viñedo este año? La respuesta condiciona desde la contratación de personal hasta la compra de depósitos, la planificación comercial o las ventas futuras del vino.
Ahora, un proyecto liderado por la Universidad Internacional de La Rioja (UNIR), en el que colabora la Universidad de Jaén (UJA) ha demostrado que esa incertidumbre puede reducirse de forma considerable gracias a una combinación de imágenes de satélite, datos meteorológicos e inteligencia artificial. El resultado es un sistema capaz de estimar la producción de uva varios meses antes de la vendimia, con un margen de error cercano al 11 %.
La precisión alcanzada puede proporcionar al sector vitivinícola una información especialmente valiosa: saber con antelación cuánta uva puede producir un viñedo permite planificar la recolección, los recursos necesarios en bodega y buena parte de la estrategia comercial.
Un modelo de inteligencia artificial que empieza a predecir la cosecha antes de la vendimia
La investigación propone una nueva forma de entender la agricultura de precisión. En lugar de esperar a que la uva esté prácticamente formada, el modelo comienza a realizar predicciones desde el final de la campaña anterior y las va refinando conforme avanza el ciclo vegetativo.
La clave del trabajo está en que el modelo «observa» el viñedo desde el espacio. Para ello utiliza imágenes obtenidas por satélite que permiten calcular distintos índices de vegetación, indicadores capaces de medir el estado de salud de las plantas, su vigor o el nivel de agua que contienen.
Estos datos se combinan con información meteorológica, como temperaturas, precipitaciones y otros parámetros climáticos, y con los registros históricos de producción. Después entra en juego la inteligencia artificial, que analiza miles de combinaciones hasta encontrar los patrones que mejor explican por qué un año la producción aumenta y otro disminuye.
«Nosotros entrenamos unos modelos de inteligencia artificial. Con ellos buscamos la correlación entre los datos de cosecha de campañas anteriores y las características del cultivo y meteorológicas que se dieron», afirma la investigadora de la Universidad de Jaén, Isabel Ramos. De esta forma, los investigadores obtienen una estimación de la producción de uva con un margen de error de solo el 11 %.
La previsión de cosecha mejora a medida que avanza el año
Una de las características más interesantes del sistema es que no proporciona una única predicción. El equipo de investigación diseñó un «modelo evolutivo» que actualiza sus previsiones en tres momentos diferentes del año.
La primera estimación llega poco después de finalizar la campaña anterior. Aunque todavía falta mucho para la siguiente vendimia, el sistema ya consigue una predicción con un error medio cercano al 14 %. Para ello analiza cómo terminó la campaña anterior y las condiciones meteorológicas registradas después de la recolección.
La segunda actualización se realiza al finalizar el invierno. Es precisamente en este momento cuando el modelo experimenta uno de sus mayores saltos de calidad, porque incorpora información sobre las temperaturas invernales, fundamentales para el correcto desarrollo de la vid.
Finalmente, en junio, cuando ya existen datos sobre el desarrollo primaveral de las plantas, la herramienta alcanza su máxima precisión y reduce el error medio hasta aproximadamente el 11 %.
«Este nivel de precisión supone un margen de error lo suficientemente pequeño como para planificar con antelación la logística y la comercialización», afirma la investigadora de la Universidad de Jaén.
El invierno puede ser clave para saber cuánta uva producirá una viña
Uno de los descubrimientos más llamativos del estudio tiene que ver precisamente con el papel del invierno. Tradicionalmente podría pensarse que son la primavera o el verano los periodos que más condicionan la cosecha. Sin embargo, el análisis mediante inteligencia artificial revela que las temperaturas invernales son uno de los factores más determinantes para la producción final.
Un invierno suficientemente frío favorece que la vid complete correctamente su periodo de reposo y brote de forma uniforme cuando llega la primavera. En cambio, si las temperaturas son demasiado suaves, la producción futura puede verse limitada incluso aunque el resto del año presente condiciones favorables.
Este resultado adquiere especial importancia en un contexto de cambios en las condiciones climáticas, ya que las temperaturas registradas durante el invierno pueden afectar al desarrollo posterior de la vid y, por tanto, a la producción.
La viña tiene «memoria» y la cosecha anterior influye en la siguiente
Otra de las conclusiones más interesantes es que las viñas tienen una especie de «memoria biológica». El modelo demuestra que la producción del año anterior sigue influyendo en la siguiente cosecha.
En otras palabras, el algoritmo aprende que el futuro de una viña empieza a escribirse mucho antes de que aparezcan los primeros racimos. La información acumulada de campañas anteriores permite mejorar la predicción de la cosecha siguiente y comprender mejor la evolución productiva del viñedo.
Este comportamiento añade una dimensión temporal al modelo: para estimar cuánto producirá una viña no basta con observar cómo se encuentra en el momento actual, sino que también es necesario tener en cuenta lo ocurrido en campañas anteriores y las condiciones ambientales que ha experimentado.
De saber cuánto producirá la viña a planificar la vendimia
Las aplicaciones prácticas del sistema son numerosas, especialmente en la planificación de la recolección, las compras y la estrategia comercial.
Con una estimación de la producción disponible meses antes de la vendimia, agricultores, bodegas y técnicos pueden disponer de más información para organizar los recursos necesarios. La previsión también puede facilitar la planificación de depósitos, personal, compras y comercialización del vino.
Para Isabel Ramos, el verdadero valor del modelo reside precisamente en que ofrece información útil cuando todavía hay margen para actuar, y no cuando la cosecha está prácticamente decidida.
Además, la investigadora resalta la versatilidad de la herramienta, porque puede adaptarse a cualquier otro tipo de cultivo leñoso del que se disponga de datos.
El sistema supone así un avance en agricultura de precisión, un modelo de producción en el que las decisiones se apoyan cada vez más en datos procedentes de satélites, sensores, registros históricos y herramientas de inteligencia artificial.
La combinación de estas tecnologías permite anticipar una de las variables más importantes para el sector vitivinícola: cuánta uva habrá disponible antes de que llegue la vendimia. Y cuanto antes se conozca esa información, mayor será el margen de agricultores y bodegas para tomar decisiones.
