universidad de talca facultad de ciencias forestales
TRANSCRIPT
UNIVERSIDAD DE TALCA
FACULTAD DE CIENCIAS FORESTALES DEPARTAMENTO DE GESTIÓN FORESTAL Y AMBIENTAL
PROGRAMA MAGÍSTER EN GESTIÓN AMBIENTAL TERRITORIAL
ESTUDIO EXPLORATORIO DEL EFECTO DE VARIABLES EDAFOCLIMÁTICAS
EN LA VITICULTURA DE RIEGO Y SECANO INTERIOR
REGIÓN DEL MAULE
MANUEL ANTONIO VALENZUELA SALINAS
MEMORIA PARA OPTAR AL GRADO ACADÉMICO MAGÍSTER EN GESTIÓN AMBIENTAL TERRITORIAL
PROFESOR GUÍA: Dr. CARLOS MENA FRAU PROFESOR CO-GUÍA: Dr. DARIO AEDO ORTIZ
TALCA – CHILE
2011
APROBACIÓN:
Profesor Guía Dr. Carlos Mena Frau Director Centro de Geomática Universidad de Talca
Profesor Informante Dr. Dario Aedo Ortiz Profesor Facultad de Ciencias Forestales Universidad de Talca Fecha de aprobación memoria:
DEDICATORIA
A mi esposa, Flavia Ramírez Pérez y a mis perpetuos amores
Flavia Antonia y Simón Manuel.
AGRADECIMIENTOS En el tiempo transcurrido que permitió la concreción del presente estudio, éste se caracterizó
por el apoyo en bondad, abnegación y sabiduría, de aquellos que desinteresadamente formaron parte
de esta idea, que hoy culmina con el presente testimonio. El esfuerzo forma parte de las sociedades
libres, guiadas por Hombres Ilustres, que buscan en el silencio del saber, la interpretación de la
realidad y sus transformaciones que nos acercaran a la verdad.
En este quehacer, el programa de Magíster en Gestión Ambiental Territorial de la Universidad
de Talca, por medio de la cátedra Agroclimatología, instancia de deliberación de la realidad medio
ambiental bajo la perspectiva climática, permitió la formulación de la presente idea; la cual fue
materializada y favorecida con la incorporación de herramientas tecnológicas de gravitación como la
Geomática; la cual permitió la interpretación de los diversos elementos del medio que interfieren en la
respuesta vegetativa del cultivo de la vid.
Por esto, se agradece a los Profesores del Centro de Geomática de la Universidad de Talca,
Dr. Carlos Mena Frau y Mg. Yony Ormazabal Rojas por su constante y valioso apoyo. Al profesor
Agroclimatólogo Mg. Patricio González Colville por incentivar y guiar el presente estudio; a los
profesores Dr. Cesar Acevedo Opazo y Dr. Dario Aedo Ortíz por la amabilidad y oportuna orientación
en las distintas problemáticas que se suscitaron durante el desarrollo del presente estudio.
Al profesor Mg. Juan Barrera Aránguiz del Instituto de Matemática y Física de la Universidad
de Talca, por su comprensión y amabilidad en atender las distintas disyuntivas que exigió un estudio
exploratorio de esta naturaleza, logrando orientar y definir el análisis estadístico del presente trabajo.
Por último, a la Comisión Nacional de Investigación de Ciencia y Tecnología (CONICYT), que
a través de su programa de Capacitación del Capital Humano Avanzado, permitieron el financiaron de
mis estudio de Magister en Gestión Ambiental Territorial y con ello la materialización del presente
estudio como aporte al sector vitivinícola de la Región del Maule; frente a los presentes escenarios
climáticos.
ÍNDICE DE CONTENIDO
RESUMEN 1 ABSTRACT 2 INTRODUCCIÓN 3
II. OBJETIVO
Objetivo General 5
III. REVISIÓN BIBLIOGRÁFICA 6
3.1 Escenarios de Cambio en las Condiciones Medio Ambientales 7
3.2 Influencia de las Principales Variables Biofísicas sobre Producción 9 y Calidad de la Vitis vinifera L.
3.2.1 Precipitaciones y humedad del suelo 12
3.2.2 Temperatura 14
3.2.3 Posición y orientación del relieve 17
3.2.4 Suelo 19
3.2.5 Densidad de plantación 20
3.3 El Niño - Oscilación del Sur (ENSO) y La Niña 22
3.4 Vulnerabilidad agrícola 24
3.5 Manejos de producción 27
3.6 Geomática como herramienta de análisis 29
IV. MATERIALES Y MÉTODOS 31
4.1 Área de Estudio 31
4.2 Caracterización Edafoclimática de la Región del Maule 31
4.3 Determinación de Variables 35
4.3.1. Datos climáticos de temperatura y precipitación 35
4.3.2 Capacidad de almacenamiento de agua en el suelo 36
4.3.3 Caracterización de la expresión vegetativa 36
4.3.4 Orientación y pendiente 37
4.3.5 Datos de manejo 37
4.4 Recolección de Datos 37
4.4.1 Producción y grado de madurez de la uva 38
4.4.2 Locación de unidades productivas 38
4.4.3 Datos climáticos 39
4.4.4 Capacidad de almacenamiento de agua en el suelo 39
4.4.5 Datos de cultivo 40
4.5 Procesamiento de Variables 41
4.5.1 Información continua 42
4.5.2 Variables discretas 44
4.6 Análisis Estadístico 46
4.6.1 Análisis de Componentes Principales (CP) 46
4.6.2 Análisis de Diferenciación de Muestras (CMM) 48
V. RESULTADOS Y ANÁLISIS 50
5.1 Conformación de Coberturas Finales 50
5.1.1 Locación de los centros productivos o vitivinícolas del área estudio 50 5.1.2 Caracterización de los centros productivos o viticultores del área estudio 51 5.1.3 Representación espacial de las Precipitaciones para los años
2008 y 2009 de los meses de Junio a Agosto 53 5.1.4 Representación espacial de las Precipitaciones para los años 2008-2009 y 2009-2010 de los meses de Diciembre – Febrero 54
5.1.5 Representación espacial de variables Térmicas. 55 5.1.6 Representación espacial del Índice Vegetacional de Ajuste de
Suelo (SAVI), período 01 al 15 Enero de los años 2008 y 2009 56 5.1.7 Representación espacial del Índice Vegetacional de Ajuste de Suelo (SAVI), período 16 al 28 Febrero de los años 2008 y 2009 57
5.2 Análisis de Componentes Principales (CP) 58
5.2.1 Análisis de Componentes Principales para la Condición Productiva Sin Riego 58 5.2.2 Análisis de Componentes Principales para la Condición Productiva
Con Riego 62 5.2.3 Consideraciones Generales respecto del Análisis de Componentes
Principales 66
5.3. Análisis de Comparación de Muestras Múltiples (CMM) 67
5.3.1 Análisis Comparación Múltiple de Muestra para la Condición Productiva Sin Riego 68 5.3.2 Análisis Comparación Múltiple de Muestra para la Condición Productiva con Riego 76
VI. CONCLUSIONES 84
VII. BIBLIOGRAFÍA 87
ANEXOS 98
ANEXOS
Anexo N°1: Descripción Resumen del sensor Moderate Resolution Imaging Spectroradiometer (MODIS) 98 Anexo N°2: Ecuaciones Interpretativas de Precipitaciones Estaciones Pluviométricas 101 Anexo N°3: Espacialización de Precipitaciones Acumuladas meses de Junio – Agosto 106 Anexo N°4: Espacialización de Precipitaciones Acumuladas meses de Diciembre – Febrero 108 Anexo N°5: Espacialización de Oscilación Térmica Anual 110 Anexo N°6: Espacialización del Índice Vegetacional Ajuste de Suelo (SAVI) Período 01 – 15 Enero 112 Anexo N°7: Espacialización del Índice Vegetacional Ajuste de Suelo (SAVI) Período 16 – 28 Febrero 114
Anexo N°8: Precipitaciones Acumuladas Anuales del año 2005 al 2009 116 Anexo N°9: Análisis de Componentes Principales Sin Riego 118
Anexo N°10: Análisis de Componentes Principales Con Riego 124
Anexo N°11: Resumen Análisis de Varianza Condición Sin Riego 130
Anexo N°12: Resumen Análisis de Varianza Condición Con Riego 137
Anexo N°13: Relación de Producción y Precio Período 2005 - 2010 144
ÍNDICE DE CUADROS
Cuadro N°1: Caracterización viticultores del sistema productivo con riego 51
Cuadro N°2: Caracterización viticultores del sistema productivo sin riego 51 Cuadro N°3: Resumen de variables con mayor coeficiente de las tres primeras componentes principales para la condición productiva sin riego 61 Cuadro N°4: Resumen de variables con mayor coeficiente de las tres primeras componentes principales para la condición productiva con riego 64 Cuadro N°5: Niveles de precipitación media anual, período 2005-2009 68 Cuadro N°6: Valores medios de las principales variables climáticas en condición productiva sin riego 68 Cuadro N°7: Valores medios de producción, parámetros de calidad y expresión condición vegetativa, en productiva sin riego 70 Cuadro N°8: Valores medios de las principales variables climáticas en condición
productiva con riego 77 Cuadro N°9: Valores medios de producción, parámetros de calidad y expresión vegetativa, en condición productiva con riego 78
ÍNDICE DE FIGURAS
Figura N° 1: Emplazamiento del área de estudio 32 Figura N°2: Locación de los centros productivos vitícolas 50 Figura N°3: Espacialización de las precipitaciones acumuladas de los meses
de junio a agosto para los años 2008 y 2009 53
Figura N°4: Espacialización de las precipitaciones acumuladas de los meses de diciembre a febrero de los años 2007 - 2008 y 2008 – 2009 54
Figura N°5: Espacialización de la Oscilación Térmica Anual de los años 2008
y 2009 55
Figura N°6: Espacialización del Índice Vegetacional de Ajuste de Suelo período 01 al 15 de Enero, de los años 2008 y 2009 56
Figura N°7: Espacialización del Índice Vegetacional de Ajuste de Suelo período 16
al 28 de Febrero, de los años 2008 y 2009 57 Figura N°8: Análisis integral entre variables climáticas y actividad vegetacional en
en relación a los niveles de producción e índices de madurez de la vid, 71 en sistema productivo sin riego
Figura N°9: Análisis integral entre variables climáticas y actividad vegetacional en
relación a los niveles de producción e índices de madurez de la vid, en 72 en sistema productivo sin riego, año corrido
Figura N°10: Análisis integral de los índices de madurez en el sistema productivo sin riego, año ajustado 74 Figura N°11: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la vid en 78
sistema productivo con riego Figura N°12: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la vid, en 80 sistema productivo con riego, año corrido
Figura N°13: Análisis integral de los índices de madurez en el sistema productivo sin riego, año corrido 81 Figura Nº14: Comparación entre los sistemas productivos con y sin riego, en relación
a las variables y parámetros productivos 83
1
RESUMEN El presente estudio de carácter exploratorio analiza las distintas variables edafoclimáticas del
cultivo de la Vitis vinífera L. de los sistemas productivos con y sin riego, del centro sur de la Región
del Maule, bajo una dimensión espacio – temporal por medio de la utilización de Sistemas de
Información Geográficas (SIG). Esto permitió la identificación de variables que presentaron un mayor
grado de asociación entre ellas por medio del Análisis Factorial de Componentes Principales; así como
su grado de diferenciación entre los años por medio del Análisis de Comparación Múltiple de Muestra.
Estos análisis permitieron vislumbrar fluctuaciones en el patrón normal de rendimiento y parámetros
de madurez del fruto de la vid, en las distintas condiciones de sitio (centros vitícolas), durante las
temporadas 2006 al 2010.
El estudio espacial permitió reconocer el valor de cada una de las variables climáticas
(temperatura, precipitación), suelo (orientación, pendiente) y de cultivo (manejos agronómicos, edad
y densidad de plantación, actividad vegetativa del cultivo), como los registros de productividad
(producción e índice de madurez) de cada una de las locaciones o centro productivos vitícolas. Por su
parte, la dimensión temporal permitió identificar las fluctuaciones de dichas variables, como de los
parámetros de productividad durante las temporadas 2006 al 2010, en condiciones de secano y riego.
El análisis de dicha información digital concluyó que las condiciones climáticas son
determinantes en los resultados finales de producción y calidad de la uva, y los niveles de actividad
vegetativa del cultivo de la vid, en ambos sistemas productivos (con y sin riego), especialmente durante
la ocurrencia del evento climático La Niña, cuyo efecto generó fuertes fluctuaciones en las magnitudes
de dichos parámetros de productividad y expresión vegetativa, sobretodo en la condición productiva
de secano.
2
ABSTRACT
This exploratory study examines the different soil and climatic variables are the cultivation of
Vitis vinifera L. production systems with and without irrigation, the South Central of the Region Maule,
in one dimension temporal-space through the use Geographic Information Systems (GIS), identifying
those variables that showed a higher degree of association between them by means of Principal
Component Factor Analysis, and the degree of differentiation between the years through the analysis
of variance (ANOVA), in order to discern fluctuations in the normal pattern of yield and maturity
parameters of the fruit of the vine, in different site conditions (wine centers) during the seasons 2006
to 2010.
The spatial study allowed us to recognize the value of each of the variables (temperature,
precipitation), soil (orientation, slope) and crop (agricultural management, age and density planting,
crop vegetative activity), as records of productivity (production and rate of maturity) of each center
locations or wine products. For its part, the temporal dimension identified fluctuations of the variables
and the parameters of productivity during 2006 and 2010 in rainfed and irrigation conditions.
The analysis concluded that digital information that weather conditions are crucial to the final
results of production and quality of the grape, and the activity vegetative levels of the crop of grapes,
in both production systems (with and without irrigation), especially during the occurrence of La Niña
climate event, the effect of which generated strong fluctuations in the magnitudes of these parameters
of productivity and vegetative expression, especially in rainfed productive condition.
3
INTRODUCCIÓN
La actividad vitivinícola de las zonas agroclimáticas de secano interior, están fuertemente
subordinadas a las condiciones ambientales, principalmente por las variables de suelo (profundidad,
densidad) y clima (precipitaciones, temperatura); las características de cada lugar o locación con
respecto a estas variables pueden determinar el potencial productivo de cada cultivar. Por otro lado,
las fluctuaciones que pueden presentar las variables climáticas de una temporada a otra, modifican
los patrones normales en el rendimiento y de los períodos fenológicos del cultivo, especialmente los
estados de madurez en el caso de la uva. La intensidad en la variación temporal como espacial de las
variables productivas ambientales, provocarán situaciones de mayor o menor condición de
vulnerabilidad en este sistema productivo.
En la Región del Maule no existen estudios de productividad del cultivo de la vid a partir de la
integración de las variables medio ambientales y de manejo culturales, provocando un
desconocimiento de la influencia de las distintas condiciones medio ambientales, en la cual se ha visto
enfrentado la Vitis vinífera L.; principalmente relacionadas en zonas de secano.
El avance de la ciencia permite disponer de medios tecnológicos y metodológicos que logran
estudiar distintos escenarios temporales y espaciales de las variables productivas, especialmente las
relacionadas con las climáticas. Es así que la Geomática permite determinar la valoración de las
distintas variables biofísicas en las locaciones vitivinícolas a través del tiempo, lo cual permitirá definir
el nivel de preponderancia de cada una de estas en el resultado productivo del cultivo.
La identificación de las variables productivas de mayor preponderancia en la productividad de
la Vitis viníferas L., permitirá definir las acciones para futuras investigaciones, las cuales deberán
integrar las variables medio ambientales, como insumos productivos dentro de la actividad vitícola,
especialmente del sistema productivo de secano.
Esta diversidad de condiciones edafoclimáticas o condiciones de sitio, presentes en una zona
agroecológica, afectarán distintamente el establecimiento, crecimiento y desarrollo del cultivo de la
4
vid, más aún frente a los actuales escenarios de cambio de las condiciones medio ambientales
(principalmente las relacionadas a las variables climáticas), provocando posibles niveles de
vulnerabilidad al sector vitivinícola de la Región del Maule.
La presente investigación busca establecer relaciones entre las distintas variables de suelo,
clima y de manejo de cultivo, sobre los factores productivos vitícolas (rendimiento y calidad) en
condiciones de riego y de secano interior de la zona central de la Región del Maule, en el período 2006
– 2010, con el propósito de identificar y analizar las de mayor relevancia para estos sistemas
productivos, en especial en aquellos años donde se presenta alteración en los patrones normales de
productividad (producción y madurez).
5
II. OBJETIVO
Objetivo General
Realizar un análisis exploratorio del efecto de variables edafoclimáticas y de manejo, sobre el
rendimiento y madurez de la vid (Vitis vinifera L.) en condiciones de riego y de secano interior de la
zona central de la Región del Maule, en el período 2006 – 2010.
6
III. REVISIÓN BIBLIOGRÁFICA
La vitivinicultura a nivel nacional ha experimentado un crecimiento sostenido en la última
década. Esto se refleja al comparar la superficie plantada de vides que en el año 1995 alcanzó las
54.393 ha, con las 112.056 ha plantadas en el año 2004, de las cuales 86.106 ha son de riego y 25.792
ha de secano; aumentando el nivel de producción de 382 a 736 millones de litros, durante dicho
período de tiempo (SAG, 2004). A su vez, las exportaciones de vinos a nivel nacional con
denominación de origen aumentaron de 369.729 a 1.069.254,9 miles US$ FOB, durante los años 1998
- 2009 (ODEPA, 2010), ubicando la vitivinicultura nacional en el quinto país a nivel mundial de
representación en los mercados internacionales (Moguillansky, 2006).
En el caso regional, las plantaciones de vides viníferas crecieron de 25.768 a 48.273 ha
durante el período 1995 – 2004, de las cuales 35.956 ha son de riego y 12.229 ha de secano. Por su
parte, la producción de vino aumentó de 220 a 368 millones de litros en el período 1997 - 2005, (SAG,
2004; ODEPA, 2010).
Para la Fundación Chile, el secano interior posee condiciones climáticas de excepción para el
cultivo de la vid, debido a una estación estival seca, gran luminosidad, diferencial térmico entre el día
y la noche, y bajo riesgo de heladas. No obstante, reconocen que la única limitante es la escasez de
agua, cuyo déficit puede alcanzar entre cinco y seis meses, período en el cual se presenta la
temporada de crecimiento del cultivo (Andrade, 1991).
Es necesario reconocer que esta expansión productiva presenta niveles de vulnerabilidad
frente a fenómenos de la naturaleza tales como heladas, sequías y cambio climático, que son los de
mayor amenaza (CONAMA, ODEPA, FIA, 2008a). Los dos primeros corresponden a sucesos
eventuales o de corto plazo, no así el cambio climático que representa un riesgo de largo plazo que
puede generar o presionar procesos irreversibles en la disponibilidad de recursos naturales básicos,
provocando aumento en los costos de producción en cuanto a reponer el abastecimiento natural de
las condiciones hídricas del suelo (riego) por baja o ausencia de precipitaciones.
7
Frente a este escenario climático, existen zonas o sectores que presenta una mayor
vulnerabilidad a las variaciones del clima, destacándose principalmente las zonas agroclimáticas de
secano. Es así que comunas que presenten esta condición de forma predominante, mostrarán mayor
inestabilidad frente a modificaciones del escenario climático de corto o largo plazo, especialmente
relacionadas con cambios en el régimen de precipitaciones y temperaturas (CONAMA, ODEPA, FIA,
2008b).
3.1. Escenarios de Cambio en las Condiciones Medio Ambientales
El sistema climático del planeta ha estado modificándose por miles de millones de años, efecto
de interacción entre la radiación solar y los diferentes componentes de la geósfera y biósfera (Ludevid,
M. citado por Contreras, 2001). Sin embargo, hoy los cambios globales se deben a la acción humana,
por la generación y acumulación excesiva de gases sobre los niveles naturales que componen la
atmósfera, provocando desequilibrios en su composición. Esto ha traído consigo la destrucción de
sistemas naturales de protección de la radiación solar como la capa de ozono y la mayor retención de
radiación onda larga (calor) en la atmósfera (efecto invernadero) y con ello, el calentamiento global.
Dicho proceso ha aumentando la temperatura media del planeta de 0,3 a 0,7 °C en los últimos cien
años (Achondo, 2007), proyectándose alza en zonas de mayor altitud y polares del planeta cercanas
a los 6 °C para el año 2100 (IPCC, 2007).
La comunidad científica concuerda que los cambios climáticos a nivel mundial, comenzarán a
acentuarse a partir de los próximos años, manifestándose principalmente en latitudes medias y altas,
con alteraciones de importancia en el balance hídrico y radiativo de la atmósfera en estas partes del
planeta (Rosenbluth et al., 1995 citado por Contreras, 2001).
Panel Intergubernamental de Cambio Climático (IPCC, 2007) sostiene que las superficies
afectadas por sequía a nivel planetario han aumentado probablemente desde 1970. Además, agrega
que existirán aumentos de precipitaciones en latitudes altas, pero a su vez existirá déficit en la mayoría
8
de las regiones terrestres subtropicales y semiáridas del planeta, las cuales experimentarán una
disminución de sus recursos hídricos por efecto del cambio climático. El cambio espacial en las
precipitaciones será más variable en relación al de la temperatura, existiendo variabilidad en relación
a la latitud del planeta (Kabat et al., 2002).
Comisión Nacional de Medio Ambiente (CONAMA,1999) indica que los climas áridos y
semiáridos de Latinoamérica serán particularmente más vulnerables a un cambio en la disponibilidad
de agua, conllevando a conflictos entre regiones y países. Garreaud et al. (2009) señalan que el
problema más gravitante frente al cambio climático se debe al efecto invernadero, lo que provoca el
continuo calentamiento de la atmósfera que podría llegar a ser de 1°C a 3,5 °C a fines del presente
siglo, más los 0,8°C ya generados desde la revolución industrial hasta nuestros días.
Al establecer vinculaciones entre la dinámica que origina las precipitaciones, especialmente
en la zona central de Chile, por medio del contraste térmico que ocurre entre las latitudes subtropical
y regiones frías, y el progresivo aumento en la temperatura en latitudes altas y polares del planeta por
efectos del calentamiento global, se puede predecir una disminución en el diferencial térmico de ambas
zonas y por ende un reforzamiento en la actividad anticiclónica que dificultaría la llegada de los frentes
productores de precipitación en la zona central, con el consiguiente aumento en los déficit
pluviométricos. No obstante, dichos cambios podrían ser positivos o negativos para la agricultura
(Fuenzalida et al., 1989; CONAMA, ODEPA, FIA, 2008a).
Por las indicaciones señaladas se puede inferir que las proyecciones de cambio estarán
referidas al aumento generalizado de las temperaturas y a una disminución de las precipitaciones en
la zona central y sur del país, en contraposición a un ligero aumento en la zona austral. Dentro del
Estudio de la Variabilidad Climática en Chile para el Siglo XXI de la Comisión Nacional de Medio
Ambiente (CONAMA, 2006), se realizó una estimación de escenarios climáticos basados en la
tendencia de incremento de la tasa de acumulación de los gases de efecto invernadero, lo cual pudo
determinar que la disminución de las precipitaciones para la Región del Maule pueden llegar para fines
de siglo a cerca del 40% en relación a los valores actuales.
9
3.2. Influencia de las Principales Variables Biofísicas sobre Producción y Calidad de la Vitis vinifera L.
Para Van Leeuwen y Seguin (2006), el componente de mayor importancia sobre el desarrollo
de la vid y composición química del fruto es la acción del clima, seguido del suelo y acciones sobre el
cultivar y del cultivar perse.
Los distintos escenarios observables en los patrones normales de las precipitaciones, por
efecto del cambio climático de corto y largo plazo (ENSO o Calentamiento Global), provocan y
provocará distintas condiciones de humedad en el suelo y temperatura atmosférica, afectado los
niveles de almacenamiento que pueda alcanzar el suelo durante la temporada invernal. Dicho
almacenamiento es necesario para suplir las demandas hídricas de la vid durante las estaciones de
mayor requerimiento, siendo fundamental en el sistema productivo del secano interior. La actual
tendencia en la disminución de las precipitaciones, inevitablemente alterará, positiva o negativamente,
las variables de productividad y calidad en la vitivinicultura del secano interior. Como una forma de
determinar los reales efectos de los diferentes escenarios de precipitaciones, se toma como referencia
las investigaciones relacionadas al estudio de la respuesta de la Vitis vinifera L. frente a distintas
reposiciones hídricas y sus consecuencias en la producción y calidad, tanto del fruto como del vino.
Esto permite obtener un parámetro cuantitativo y cualitativo de base científica sobre los reales
alcances del cambio climático sobre la vitivinicultura del secano interior.
El agua es un factor determinante en el crecimiento y desarrollo de la Vitis vinifera L. con el
propósito de obtener un vino de calidad (Duarte, 2004). Ortega et al. (2003) consideran importante
analizar las anormalidades de las variables determinantes en el estado hídrico del suelo,
especialmente a la marcada variabilidad temporal de las condiciones climáticas bajo los eventos El
Niño-Oscilación del Sur y La Niña.
Ferreyra y Selles (2007) señalan que un déficit hídrico produce cambios de relevancia en el
crecimiento vegetativo, en la productividad y en la composición del fruto, incidiendo directamente en
la calidad del vino, lo cual es utilizado como una forma de manejo para alcanzar ciertas
particularidades en la elaboración del vino. El tipo de manejo dependerá de los diferentes momentos
10
del ciclo anual de la planta, ya sea en su fase vegetativa o reproductiva, pero es necesario considerar
que estas condiciones de estrés deberán ser permisibles o capaces de obtener un equilibrio entre
productividad y calidad del vino (Ortega et al., 2007).
La vid es una especie que se caracteriza por tener cuatro etapas fenológicas, las cuales están
en función de la temperatura y la condición hídrica de la planta derivada de la disponibilidad de
humedad en el suelo (Matthews y Anderson, 1989; Ferreyra y Selles, 2007):
- En la primera etapa del ciclo vegetativo o brotación, la demanda hídrica es mínima, cercana
al 1,5 % del total. El déficit hídrico en esta etapa, provocará un crecimiento lento e irregular, lo cual
puede llevar a yemas sin brotar.
- En la segunda etapa que comprende desde floración a cuaja, la planta consume el 10% de
su demanda total. Un déficit del recurso inducirá una floración irregular y racimos con poca carga
(corredura). Otros factores ambientales como luminosidad, temperatura y reservas de carbohidratos
son fundamentales en la floración. El desencadenamiento del proceso en sí está determinado por la
disponibilidad de carbohidratos, además de situaciones puntuales ambientales tales como
precipitación antes y durante la floración (que dificultará la apertura floral o dehiscencia provocando la
caída prematura de la flor) deficiencias nutricionales en suelos pobres, pueden tener efectos negativos
en la floración y cuaja del fruto, respectivamente (Ewart y Kliewer, 1977; Amiri y Fallahi, 2007).
- La etapa tercera, que va desde cuaja al estado de pinta, demandará un 43% del total. En
presencia de una condición hídrica deficitaria producirá bayas de pequeño tamaño, y por ende,
rendimientos bajos. Además, al final de esta fase ocurre la diferenciación de los meristemos o
inducción floral para la conformación de la producción del próximo año, por lo cual, un déficit hídrico
en esta etapa provocaría bajos rendimientos en la cosecha venidera. Una buena fertilidad de las
yemas depende de la exposición a la luz, disponibilidad de carbohidratos y temperatura entre los 20°C
y 35°C (Buttrose, 1970; Dunn y Martin, 2000; Petrie y Clingeleffer, 2005).
- Por último, en la etapa cuarta conformada desde pinta a madurez, requerirá el 44% de las
necesidades totales.
11
De esta forma, la especie bajo condiciones de estrés hídrico durante el período de floración
podría disminuir en un 50% del rendimiento potencial de la variedad. La respuesta de las plantas frente
a una condición de estrés hídrico está regulada por los estomas, quienes controlan los niveles de
transpiración a través del cierre o aperturas de éstos. Además, la planta tiene la posibilidad de enrrollar
sus hojas como una forma de reducir la superficie foliar y con ello, disminuir la transferencia de vapor
de agua (Sánchez et al., 1998; López, 2005; Kang y Zhang, 2004). Es necesario consignar que las
características edafoclimáticas tienen un papel determinante en el estado hídrico de la planta.
Los niveles de producción están relacionados con la cantidad de biomasa que se logra
producir, cuyo interés comercial está determinado por el potencial crecimiento del fruto. Una baja
disponibilidad hídrica hasta cierto nivel, disminuirá el potencial productivo propio de la especie o
variedad, pero favorecerá las concentración de compuestos químicos propios para la elaboración del
vino (Poni et al., 1994; Patakas y Noitsakys, 1997). El fruto de Vitis viniferas L. presenta tres fases de
crecimiento con distintas sensibilidades a los requerimientos hídricos durante su desarrollo (Chaves
et al., 2010):
- La primera fase de crecimiento del fruto se caracteriza por el predominio de la división celular
del fruto, con alta sensibilidad al estrés hídrico, afectando el número final de células y la mayor
acumulación de los ácidos orgánicos y taninos.
- En la segunda fase se observa un alto desarrollo de las semillas y bajo del pericarpio, con
menor efecto al déficit hídrico. En esta fase comienza la acumulación de antocianinas, compuestos
volátiles del aroma y acumulación de azúcares, y una disminución de los ácidos orgánicos.
- Por último, en la tercera fase se presenta una alta sensibilidad frente a los efectos de escasez
de agua en la planta, debido al aumento en el volumen por la acumulación de agua en el fruto,
provocando el crecimiento expansivo de las células. Se ha determinado en esta fase, que el exceso
humedad en el suelo afectaría negativamente la calidad del fruto, por efecto de dilución de los
compuestos de color y aroma presentes en el pericarpio, y de azúcares presentes en la pulpa de la
baya. Para Ferreyra y Selles (2007), la aplicación de un estrés hídrico controlado entre pinta y cosecha
12
afecta en menor medida la elongación celular, debido a que esta tercera fase es considerada como
de menor sensibilidad a la restricción hídrica.
En este contexto, se entenderá por calidad del vino como el conjunto de parámetros
enológicos provenientes del fruto, relacionados con: tamaño de la baya, concentración de azúcares,
acidez total, pH, intensidad colorante, pigmentos totales y acumulación de polifenoles, antocianinas y
taninos (Mullins et al. 2006 citado por Girona et al., 2009).
Las condiciones biofísicas, variables ambientales y crecimiento vegetativo, incidirán
directamente sobre la elaboración de los compuestos químicos o parámetros enológicos, cuya
intensidad y temporalidad del factor tendrán distintos efectos sobre los procesos bioquímicos para
cada variedad de vid, ya sea potenciándolos o aminorándolos.
3.2.1. Precipitaciones y humedad del suelo
Las mejores calidades de vinos se producen en zonas donde la precipitación anual alcanza
entre los 700 a 800 mm. Mayores precipitaciones afecta negativamente la calidad del fruto y por ende
del vino, además que su incidencia durante la fase de pinta del fruto, aumenta la humedad en su
entorno, generando condiciones favorables para el desarrollo de enfermedades fungosas.
Distintos antecedentes científicos dan razón a que la ausencia de humedad en el suelo hasta
un determinado porcentaje, puede traer consigo ciertas ventajas sobre los aspectos de calidad en el
fruto, y por ende, en la calidad organoléptica del vino. Ésto debido a que el estrés hídrico controlado
disminuiría el crecimiento vegetativo de la planta, favoreciendo la iluminación o insolación de los
racimos, aumentando la composición química en las bayas y el mejoramiento de la relación
pericarpio/mesocarpio (piel/pulpa) en variedades tintas. Dicho manejo agronómico se conoce como
Déficit Hídrico Controlado (RDC) (Sotomayor y Lavín, 1984; Lavín y Sotomayor, 1984; Hepner et al.,
1985; Puyó, 1992; Mccarthy, 1997; Ginestar et al., 1998a; Acevedo et al., 2005).
13
En diversas investigaciones, (Hardle y Considine, 1976; Freeman, 1983; Hepner et al., 1985;
Matthews y Anderson, 1989; Ginestar et al., 1998b; Sun et al., 1999), se ha determinado la relación
entre déficit hídrico del suelo y la producción de bayas de menor tamaño o volumen; que a su vez
presentan una mayor proporción y grosor de cutícula (aumentando la relación superficie/volumen), lo
cual origina un aumento en la concentración de compuestos químicos presentes en el órgano
envolvente del fruto.
Otras investigaciones determinaron distintos efectos en la calidad del fruto en relación a la
intensidad del déficit hídrico y estado fenológico de la planta (Bravdo et al., 1985). Es así que cuando
esta condición se presenta antes o después de pinta, aumentan los contenido de fenoles en la baya,
con lo cual mejora el aspecto del color del vino (Roby et al., 2004). Por otro lado, se ha establecido
que el aumento en los niveles de producción disminuye la concentración de los fenoles. Por su parte,
la ocurrencia de estrés hídrico después de pinta a cosecha, mantendría la condición de alta
concentración de pH en el vino; resultado que igualmente se obtuvo cuando el déficit hídrico fue
permanente durante toda la temporada (Wildman et al., 1976; Ginestar et al., 1998b; Ferreyra et al.,
2002). En investigaciones realizadas por Ortega et al. (2002), se determinó que la aplicación de déficit
hídrico controlado en poscuaja y pospinta, disminuye considerablemente la acidez total, aumentando
sostenidamente el color y grado alcohólico del vino, el cual favorecido por la mayor acumulación de
azúcar probable, registró incrementos significativos en calidad global y atributos sensoriales. En
cambio Vega (2001), no evidenció diferencias sobre los componentes del rendimiento frente a distintos
niveles de humedad en el suelo.
Diversas investigaciones en estrés hídrico controlado aplicado en plantaciones comerciales
de vides, identificaron diferencias significativas de producción y calidad del fruto en aquellas con
menores suministros hídricos que la demanda real del cultivo, obteniendo los menores valores de peso
de racimo [g] y rendimiento [kg/planta], como también de largo de brote [cm] y peso de poda
[kg/planta]. Ensayos realizados por Gurovich y Páez (2004) registraron disminución en el tamaño de
la baya, pero sin diferencias significativas en su peso. En relación a los parámetros de calidad en la
uva, se registran diferencias en el diámetro de bayas, relación cutícula/pulpa, sólidos solubles, acidez
total, fenoles totales y antocianinas totales; en comparación con aquellas plantas que presentaron
adecuadas condiciones hídricas (Matthews y Anderson, 1988 y 1989; Ginestar et al., 1998a;
14
Smithyman et al., 2001; Ferreyra et al., 2002; Ortega et al., 2007; Girona et al., 2009; Acevedo et al.,
2010). Por otro lado, Wildman et al. (1976) señalan que vides con mayor disponibilidad de agua en la
temporada, presentan mayor acidez en relación a aquellas con menores niveles de agua.
Experiencias demuestran que los parámetros enológicos de calidad se ven afectados
negativamente en condiciones de severo estrés hídrico, principalmente en cuanto a la disminución de
la concentración de azúcares, explicado por la baja drástica de la capacidad fotosintética de la planta
por la abscisión anticipada de las hojas. Además, es necesario consignar que la reiteración de
temporadas con déficit hídrico, provocará detrimentos posteriores a la planta, lo cual se traducirá en
una disminución en la producción de la próxima temporada. Ferreyra et al. (2003) determinaron una
baja en la acumulación de reservas de almidón en las raíces para tres períodos consecutivos de RDC,
con la consiguiente irreversibilidad en la pérdida de vigor de la planta de una temporada a otra.
Las discrepancias obtenidas en los resultados de estudios de igual naturaleza investigativa,
se debe a que la planta de vid presenta distintas respuestas fisiológicas de adecuación a las
deficiencias hídricas, indicando distintos niveles hídricos internos de la planta frente a similares
condiciones de humedad en el suelo (Choné et al., 2001). Estos distintos estados hídricos posibles de
encontrar en la planta de la vid, se deben a la capacidad de resistencia a la transpiración de la
superficie foliar, que dependiendo de la intensidad de la sequía, puede provocar el simple cierre
estomático hasta la pérdida de expansión celular afectando el crecimiento de los órganos y
senescencia de hojas.
3.2.2. Temperatura
La temperatura genera distintos efectos sobre el crecimiento y factores de calidad, los que
dependerán de la intensidad, fase fenológica de la vid y fluctuaciones térmicas día-noche. Los valores
extremos de temperatura para el establecimiento del cultivo de la vid en su rango superior es de 35
ºC y el inferior de -1°C (CIREN, 1982). Excesos de temperatura en un intervalo de tiempo que no
pueden ser contrarrestados por la transpiración, provocará daños a nivel enzimático y de ácidos
15
nucleicos con la consiguiente pérdida de estructuras vegetativas de la planta. Es así que temperaturas
sobre los 45°-50° C, son causante de daño que puede provocar la necrosis del tejido.
Las temperaturas cálidas normalmente aceleran el crecimiento y maduración del fruto, pero
frente a alzas superiores, los procesos fisiológicos de la planta se ven afectados, provocando
disminución de la fotosíntesis y por ende de la asimilación. Es así que Kliewer (1973) determinó que
para el rango de temperatura entre 18°C y 33°C, la fotosíntesis logra una eficiencia del 90 al 100%;
variaciones sobre o bajo esta temperatura afectaría la elaboración de sólidos solubles. Stress térmicos
reducen la tasa fotosintética al inducir el cierre estomático y con ello, una baja en la producción de
glucosa en el fruto (Matsui et al., 1986). En relación de los efectos de la temperatura sobre los estados
de crecimiento del fruto, Buttrose et al. (1971) indicaron que la influencia de la temperatura sobre la
acumulación de azucares en el fruto, ocurre en las dos primeras fases de crecimiento, en la última
fase la temperatura tiene una muy baja incidencia.
Las actuales primaveras frías del secano interior de la localidad de Coelemu, ha provocado
problemas de fructificación en las variedades Merlot, Carmenere y Cot rouge. En el caso específico
de esta última variedad, ha llegado a ser totalmente improductiva en la localidad de Cañete, Chile
(Pszczolkowski y González, citado por Gil y Pszczolkowski, 2007).
El proceso de maduración del fruto está asociado a un aumento en el pH y una baja en los
niveles de ácidos, lo cual se favorece con mayores diferencias o fluctuaciones térmicas entre el día y
la noche. Al respecto, Kliewer y Torres (1972) señalan que noches frías asociadas con días cálidos
provoca una reducción en el pH y un aumento en el nivel de ácido, en comparación con días de altas
temperaturas homogéneas que aumentan la concentración de ácido málico. La concentración de ácido
se asocia al efecto de la temperatura en la tercera fase de crecimiento del fruto; situación contraria se
observa cuando la incidencia de la temperatura sucede en las dos primeras fases de crecimiento. Los
contenidos de flavonoides y compuestos aromáticos se presentan en mayor concentración en climas
más cálidos; por otro lado, en climas fríos y cultivos bajo condiciones de sombra, las plantas de vides
son más proclives a elaborar compuestos indeseables (Lacey et al., 1991).
16
Las antocianinas son altamente influenciables por factores o condiciones ambientales, es así
que la luminosidad y temperatura son las principales variables que regulan la síntesis de estos
compuestos, en el primer caso estimulándola, mientras que alzas térmicas provocan su inhibición
(Winkler, 1954). Además, se deben considerar aspectos tales como los niveles de rendimiento y zonas
de producción. Temperaturas nocturnas entre los 15 °C y 20°C producen una buena coloración en la
piel de la baya, en comparación con temperaturas nocturnas entre los 25 °C a 30°C. Temperaturas
diarias bajo los 20°C tienen reales efectos sobre este factor de calidad del fruto (Kliewer y Torres,
1972). En condiciones moderadas de luminosidad, la temperatura toma un rol protagónico en la
formación de pigmentos antocianos en la baya, es así que el proceso bioquímico en la formación de
estos pigmentos en Cabernet Sauvignon está dentro del rango de los 20 °C a los 30°C (Buttrose et
al., 1971). En condiciones de temperaturas alrededor y sobre los 35°C, junto con una elevada
exposición solar, provocaría retrocesos en la acumulación de antocianinas en bayas de la variedad
Shiraz (Spayd et al., 2002; Haselgrove et al., 2000).
Como una forma de medir la influencia de las condiciones climáticas sobre los procesos
fisiológicos de la planta, se utiliza el parámetro agroclimático denominado “horas frío”, cuyo efecto es
fundamental durante el proceso de formación de meristemos reproductivos ocurrido en el receso
invernal o endodormancia (latencia endógena). Este proceso se inicia hacia el final de la temporada
cuando comienza el descenso de la temperatura o el acortamiento de las horas de luz, que en su
efecto actúan de forma simultánea pudiendo inducir a la inactividad y letargo. Según la variedad, a
medida que se acumula una cierta cantidad de horas frío por efecto de la baja de temperatura en el
periodo invernal, aumentan también las condiciones interna de la yema necesarias para dar inicio a la
brotación. La velocidad de brotación normal en condiciones ambientales favorables dependerá de
cuán rápido se logró cierto umbral de acumulación de horas de frío, permitiendo dar inicio a la brotación
siempre y cuando existan las condiciones externas (ambientales) para hacerlo o de equilibrios
hormonales (que anulen la supresión de crecimiento por la acción de yemas apicales o de las hojas);
en caso contrario, ésta permanecerá activa sin crecer en un estado de quietud (Gil y Pszczólkowski,
2007). En Vitis vinifera y dependiendo de la variedad, existe un amplio rango de acumulación de horas
frío, las cuales pueden ir desde los 400 a 1500 horas frío bajo 7° C de temperatura. El déficit de frío,
puede traer consigo una serie de anomalías que generan un retraso o desuniformidad en la brotación,
17
observándose por brotación de escaso vigor, flores deformadas o débiles, o polen inmaduro,
acarreando finalmente serios problemas de fructificación.
Para dar inicio al crecimiento de raíces, se requiere de un cierto umbral de temperatura en el
suelo. Para esto, dependiendo de la especie frutal, será necesaria la acumulación de un cierto número
de horas frío que permita iniciar dicho proceso en primavera.
Una vez acumuladas las horas frío, se requerirá de condiciones ambientales propicias para
dar inicio a la brotación. Para determinar dichas condiciones se emplea la suma térmica o días grados
acumulados a partir de un umbral de crecimiento sobre los 10°C, pudiendo determinar requerimientos
por variedad, junto con establecer una clasificación de la capacidad de la zona geográfica para la
acumulación térmica. Jackson y Schuster (2007) mencionan condiciones térmicas que debe cumplir
una determinada zona para el establecimiento de algunas variedades de Vitis viníferas en diferentes
áreas geográficas, destacándose el caso de New Zelanda de similares condiciones con Chile por su
latitud. Es así que para la variedad Cabernet Sauvignon, establece rangos de 900 a 1400 grados días
(°C) según locación en el territorio referencial. Villaseca et al. (1986), establecieron para el área vitícola
subregión Valle de Maipo, la suma térmica de 24 variedades de vid, destacando la variedad Cabernet
Sauvignon que al momento de cosecha acumuló 1383 días grado sobre la base térmica sobre 10 °C.
En el caso del Valle Central de la zona vitícola de Talca, se determinó los días grados hasta la cosecha
de las variedades Cabernet Sauvignon y Chardonnay, las cuales alcanzaron 1558 y 1275 de suma
térmica sobre los 10° C, respectivamente (Ortega et al., 2002). Lozano (2000), utilizando los días
grados en base 10°C, cuantificó los requerimientos térmicos para cuatro variedades viníferas ubicadas
en la provincia de Talca, Región del Maule, determinando que para Cabernet Sauvignon, Merlot,
Chardonnay y Sauvignon blanc, los requerimientos térmicos acumulados al momento de la cosecha
fueron de 1558,4, 1459,4, 1274,5 y 1356.2, respectivamente.
3.2.3. Posición y orientación del relieve
La orientación espacial del terreno permitirá alcanzar distintos niveles de exposición o
intercepción solar por la planta y frutos, incidiendo sobre la elaboración de compuestos químicos
18
determinantes en la calidad del vino. Además, el relieve es un factor físico que incide indirectamente
sobre la producción y calidad en Vitis viníferas L., debido a los efectos relacionados con la reducida
incidencia de heladas tardías durante el inicio de primavera, la mayor acumulación de calor apropiadas
para la elaboración de compuestos por efecto de temperaturas más cálidas, el menor permanencia de
suelos húmedos y los movimientos de masas de aire que impiden el desarrollo de enfermedades.
Estudios determinaron que plantaciones efectuadas sobre alturas o colinas, permiten obtener
la maduración en menores períodos de tiempo, debido a la acumulación de temperatura a partir de los
300 metros sobre el nivel del mar. En cambio, para las zonas planas experimentaron un período más
largo de crecimiento, debido a la mayor incidencia de heladas. Aquellos relieves con posiciones de
mayor intercepción solar, permiten aumentar la temperatura del suelo, favoreciendo la actividad radical
de la planta.
En relación a las condiciones orográficas del área de plantación, la dinámica de las heladas
tendrá distintos gradientes de temperatura en relación a la diferencia de altura de la ladera. Las
mayores intensidades se encuentran en el fondo de valle, debido a la mayor densidad de las masas
de aire frío que se deslizan a lo largo de la pendiente, acumulándose en las zonas bajas; en cambio,
las masas de aíre cálido por su menor densidad, ascienden por la pendiente alejándose del cultivo. La
ubicación de las laderas también presenta diferencias en la condición térmica, es así que las de
exposición poniente tienen menor incidencia de heladas al recibir la radiación solar directamente hasta
últimas horas de la tarde, permitiendo acumular mayor calor y por lo tanto, iniciar su enfriamiento
bastante más tarde que las con exposición oriente (Gil y Pszczólkowski, 2007).
Según un estudio efectuado en el Valle de Lontué de la Región del Maule, la plantación de vid
en laderas con pendientes de 10° y 30°, presenta una mejor condición que las del valle, debido a una
marcada exposición (menor cantidad de horas de frío), lo que permite mitigar las horas de heladas
(Rojas, 2005).
19
3.2.4. Suelo
La potencialidad productiva del suelo está determinada por sus propiedades físicas y
químicas. En el caso de la primera propiedad, comprende principalmente los parámetros de
profundidad efectiva (crecimiento de raíces), textura, estructura, porosidad, total, densidad aparente
drenaje interno y presencia de napa freática. En el caso de la propiedad química, está determinado
por la concentración de macro y micro nutrientes en la matriz del suelo.
Dentro de las propiedades físicas, la estructura, densidad aparente y textura, son las de mayor
relevancia en el potencial productivo. La estructura se entiende como la aglutinación de partículas en
asociaciones mayores dejando espacios libres (poros) que contienen agua o aire, lo que se relaciona
directamente con la posibilidad de exploración de las raíces en profundidad, con lo que se obtiene una
mayor capacidad de absorción de agua y nutrientes. Un suelo con mayor compactación reducirá el
crecimiento radical, limitando con ello el almacenamiento de agua y el intercambio de las partículas
minerales con la raíz de la planta.
La densidad aparente hace referencia al volumen de aire y agua contenido por una unidad de
volumen de suelo. El tamaño de estos espacios vacíos son determinantes para la retención de
humedad en el suelo, cuyas dimensiones están relacionadas con la textura y estructura del suelo. La
textura está determinada por el tamaño de las partículas o granulometría, clasificada en textura gruesa
o arenosa, media o franca y fina o arcillosa. Este parámetro físico determinará las condiciones de
fertilidad del suelo, donde la capacidad de intercambio de cationes y aniones aumenta en la medida
que la fracción fina aumenta en el suelo (INIA, 2008). La propiedad química abarca principalmente
aspectos de nutrición mineral. La textura permitirá determinar el nivel de fertilidad y de retención de
humedad de suelo. Hasta un cierto porcentaje de arcillas la vid logra un buen crecimiento radical,
mayores concentraciones de arcilla (>25%) provocaría resistencia al crecimiento de la raíces (INIA,
2008).
La presencia de humedad en el suelo permitirá la disolución de minerales esenciales,
facilitando el intercambio entre la matriz del suelo y las raíces de la planta.
20
En el caso de la fertilidad del suelo, el nitrógeno es el elemento mineral que mayormente
provocaría alteraciones directas e indirectas sobre la calidad y producción del cultivo. En condiciones
de alta concentración de nitrógeno, se desarrollarán plantas con mayor crecimiento vegetativo, lo que
trae consigo menor exposición solar del fruto, mayor humedad al interior del follaje y una mayor
relación hoja / fruto. Ewart y Kliewer (1977) sostienen que en vides que han crecido en condiciones de
alta disponibilidad de nitrógeno, la piel del fruto presenta una mayor acidez y antocianinas, sin afectar
el pH durante la maduración del fruto. Además, reportes indican que altas concentraciones de
nitrógeno promovería la pudrición de bayas (Conradie y Saaymon, 1989). Altas concentraciones de
potasio en el suelo, ya sea de forma natural o aplicada, puede influir sobre el nivel de acidez de la uva
y del vino en la variedad Concord (Mattick et al., 1972). La principal reserva de nitrógeno en el suelo
se encuentra en la materia orgánica, cuya mineralización depende de la actividad microbiana,
entregando nitrógeno inorgánico o mineral al suelo para ser utilizado por las plantas. La concentración
de nitrógeno nativo del suelo durante el año está condicionada por efecto de la temperatura, humedad,
aireación y pH (INIA, 2008).
Según CIREN (1982) los requerimientos edáficos de la vid se pueden resumir en los siguientes
parámetros: La profundidad óptima está sobre los 80 cm, siendo tolerables sobre los 40 cm; La textura
óptima es moderadamente gruesa (franco arenosa), con una amplitud de tolerancia que comprende
suelos con textura gruesa (arenosa) a muy fina (arcilla densa); el pH óptimo está entre 5,6 a 6,5
(ligeramente ácido), con un rango tolerable desde 5,6 a 8,4; el drenaje adecuado para el
establecimiento de la vid debe ser bueno (W5), siendo el rango tolerable desde bueno (W5) hasta
imperfecto, con nivel freático a 110 cm (W3), pasando por moderadamente bueno, sin nivel freático,
moteados y oxidaciones a 100 cm (W4). En general, el cultivo es poco tolerante a la salinidad.
3.2.5. Densidad de plantación El vigor de la planta se ve potenciado cuando la densidad de plantación disminuye, lo que
provoca un emboscamiento en la planta. Esto modifica el microclima y equilibrio hormonal, retardando
la madurez y disminuyendo la calidad de la uva (Pszczólkowski, 1991). Marcos de plantación de alta
densidad (1m x 1m) propicia el desarrollo de plantas pequeñas, de una menor expresión vegetativa
21
que se traduce en la producción de vinos de calidad. Esto se puede tomar como una forma de manejar
la vigorosidad de la planta en condiciones de clima y suelo favorables. El mayor inconveniente de
plantaciones de alta densidad es su alta vulnerabilidad frente a situaciones de estrés hídrico. En
plantaciones de menor densidad se logra la maduración del fruto más temprano en comparación a
plantaciones con densidades más altas.
Lavín (1991) desde 1971 estudió la competencia entre plantas y su comportamiento productivo
individual y poblacional, a partir de distintas densidades de plantación del cultivar Riesling bajo
condiciones de secano y riego. En términos generales, sostiene que a mayores densidades de
plantación se obtiene una mayor producción por unidad de superficie, mejores índices y relaciones de
crecimiento, aunque la producción individual por planta sea menor. No concluye en relación a la
calidad del vino.
Según análisis de relación entre área foliar y peso del fruto en la variedad Cabernet Sauvignon,
se pudo determinar que entre 7 a 10 cm2 de área foliar por gramo de fruto, comienza el decaimiento
en los niveles de sólidos solubles en el fruto, sin afectar los niveles normales de pH y ácidos durante
el proceso de maduración (Kaps y Cahoon, 1992; Kliewer y Antcliff, 1970; May et al., 1969).
Smart et al. (1982) sugieren que la presencia de condiciones de sombreamiento excesivo en
el fruto incrementan el pH y contenidos de K en el mosto, reduciendo tanto el color del vino como el
contenido de compuestos fenólicos. Kliewer et al. (1967) sostienen que la sombra casi siempre reduce
los niveles de azúcar, lo cual va asociado a un aumento de la acidez. Esta respuesta es conocida
como madurez tardía. La exposición del fruto al sol es más importante que las hojas, para permitir
incrementar los niveles de antocianinas y fenoles en las bayas (Smart et al., 1988; Crippen y Morrison,
1986). Exposiciones de los racimos al sol, permite el aumento de la concentración de terpenos
(Reynolds y Wardle, 1989). Se ha detectado que la remoción parcial de hojas como una forma de
controlar el vigor de la planta en la fase de pinta del fruto en Cabernet Sauvignon, incrementa la
concentración de antocianinas en la piel de la baya (Hunter et al. 1991). Además aumentan los sólidos
solubles y ácidos totales, con reducción en el peso del fruto (Kliewer y Antcliff, 1970).
22
3.3. El Niño - Oscilación del Sur (ENSO) y La Niña
En términos generales, el régimen pluviométrico de la Región del Maule está controlado por
mecanismos derivados de la circulación atmosférica, tales como el Anticiclón del Pacífico, las altas
presiones frías antárticas y los sistemas frontales que se relaciona con los contrastes de radiación
solar entre los trópicos y la región circumpolar antártica, durante los cambios de estación.
Este principio motriz atmosférico generador de las precipitaciones puede verse alterado
fuertemente por efecto de los eventos El Niño y La Niña, en un horizonte de cambio climático de corto
plazo. Por esto, a partir de la década de los setenta se comienza a prestar atención por las marcadas
anomalías pluviométricas positivas asociadas a la ocurrencia de eventos cálidos por este fenómeno,
que luego dan paso a déficit pluviométrico de importancia debido al fenómeno de La Niña. Así como
el patrón pluviométrico de Chile, especialmente de la zona central, depende de una dinámica de
circulación atmosférica (anticiclón del Pacífico sur- cinturón de bajas presiones), el evento El Niño y
La Niña presentan su propio mecanismo atmosférico denominado Oscilación del Sur, el cual se
caracteriza por las variaciones de la presión atmosférica a nivel del mar en diversas locaciones de la
cuenca del Pacífico. Para cuantificar las oscilaciones y determinar su accionar, existe un índice de
caracterización de ENSO denominado Índice Oscilación del Sur (IOS), que matemáticamente
representa la diferencia entre la presión atmosférica de Tahiti (17°-18° latitud sur con 149°-150°
longitud Oeste) menos la de Darwin (12°-13° latitud Sur con 130° longitud Este). Cuando el resultado
es negativo, se debe a que la presión en Darwin es mayor en relación a la de Tahiti; en la situación
inversa, el índice será positivo. El evento El Niño está relacionado a la fase negativa del IOS; en
cambio, el evento de La Niña está relacionado a su fase positiva. Esta diferencia de presiones llevará
consigo el movimiento de flujo de un punto a otro, dependiendo de la ubicación de los centros de alta
o baja presión. Simultáneamente con la presencia de diferencias de presión atmosférica y flujo de
viento en una dirección u otra, se observa un área de anomalías térmicas sobre el mar (TSM) en la
zona comprendida como 3.4 (20° latitud Sur y Norte, con 150° W) entre costas Sudamericanas y de
Oceanía, cuya ubicación dependerá de la acción de los anteriores mecanismos atmosféricos. Cuando
estas zonas adoptan niveles positivos de TSM, se asocian a excesos pluviométricos. Se ha podido
determinar que dichos diferenciales térmicos han alcanzado los 5°C con respecto a sus valores
normales. Cuando las anomalías térmicas sobre el mar son negativas, se está en presencia de una
restricción en las precipitaciones; es decir frente a un evento de La Niña (Wyrtki, 1985; Angell, 1981;
23
Rasmusson y Carpenter, 1982; Aceituno, 1988; Glantz, 1996; Capel, 1999; Montecinos y Aceituno,
2003; Hopkins et al., 2010; Maturana et al., 2004).
Estudios desarrollados por Haylock et al. (2006) sobre la relación entre las precipitaciones y
la temperatura a nivel del mar en el período de años 1960-2000, observaron una tendencia significativa
a la disminución de las precipitaciones en las regiones del sur de Chile y Perú, que son explicadas por
los cambios experimentados por el evento El Niño-Oscilación del Sur. Por otro lado, Escobar y
Aceituno (1998) indican que la variabilidad interanual de las precipitaciones es relativamente alta para
esta zona del país, debido al carácter transicional del régimen pluviométrico entre condiciones de
aridez extremas (al norte de 25°S) y el clima húmedo sobre los 40°S. No obstante, la variabilidad se
encuentra parcialmente supeditada a la ocurrencia de las fases extremas de la Oscilación del Sur
correspondientes a los fenómenos El Niño y La Niña. Los investigadores Van Oldenborgh et al. (2005),
estiman que en muchas partes del mundo, las proyecciones del clima para el próximo siglo
dependerán de los posibles cambios en las propiedades del evento El Niño-Oscilación del Sur. Para
González (2004a), ambos eventos climáticos provocarán alteración a los ciclos normales,
especialmente los pluviométricos con sus implicancias en las actividades agrícolas de la región.
La Investigación realizada por Quintana, citada en el Estudio de la Variabilidad Climática en
Chile para el siglo XXI (CONAMA, 2006), analizó la evolución de las precipitaciones en la zona centro-
sur de Chile en las recientes décadas pasadas, determinando la existencia de una fuerte variabilidad
en la escala de tiempo decadal e identificando fases térmicas frías y cálidas de largo plazo de igual
escala en la Oscilación del Sur (El Niño y La Niña). Éstas son reflejadas por cambios en las condiciones
atmosféricas y oceánicas en toda la cuenca del Pacífico, que por su mayor extensión de tiempo se
denominan Oscilación Decadal del Pacífico (ODP) (Wang, 1995). Ambas oscilaciones, cuando
coinciden en sus características térmicas, acentúan aún más sus impactos (Jacques, 2009; Rutllant,
2004). Por su parte, González (2004a) señala que las mayores alteraciones climáticas se deben al
acoplamiento del ODP y ENSO en su fase cálida con abundancia de precipitaciones o cuando ambas
fases térmicas frías La Niña y ODP se suman con la disminución de las precipitaciones, como lo
registrado en los años 1968 y 1998 donde alcanzaron el grado de emergencia agrícola (sequía).
24
Un mismo evento tendrá distintas dimensiones sobre el impacto en la actividad agrícola, en especial
en la viticultura. Es así que durante el evento El Niño de 1997, considerado uno de los años más
lluviosos del siglo XX, la Región del Maule no fue afectada por la cuantía de las precipitaciones, sino
más bien por su persistencia (extensión) y magnitudes infrecuentes (con lluvias en primavera y
volúmenes de 339,3 mm para una normal de 182,7 mm en el mes de junio), pero con iguales
consecuencias negativas en la producción y calidad de algunas especies agrícolas (Curihuinca y
Piuzzi, 2004). Para el caso de la sequía de los años 1968 y 1998, reconocidas como las más intensas
en el siglo XX, sus impactos fueron diferentes no sólo por el déficit en sí, sino por condiciones
posteriores a las sequías. Es así que la sequía del año 1968 fue menos perjudicial en comparación a
la del año 1998, debido a la recuperación pluviométrica a fines de primavera.
Los últimos acontecimientos de presencia del evento climático La Niña se registraron durante
los años 2007, 2008 y 2009. En el año 2007 el evento fue de gran intensidad al manifestarse con una
sequía extrema que registró un nivel de precipitación anual del 337,1 mm, generando un déficit del
50,1 para la ciudad de Talca. Los años 2005 y 2006 se caracterizaron por evidenciar la presencia del
evento El Niño (González, 2011).
3.4. Vulnerabilidad agrícola
En agricultura, se entiende como vulnerabilidad a la mayor o menor capacidad de las variables
propias del sistema de producción, para absorber los impactos negativos del clima (CONAMA,
ODEPA, FIA, 2008b). Para IPPC (2007) es más amplio y reconoce la vulnerabilidad como la
sensibilidad de un sistema (social o natural) de ser susceptible de sufrir daño por efecto del cambio
climático. Se conceptualiza el riesgo natural como aquellos acontecimientos ambientales que exceden
la capacidad normal de ajuste de las sociedades humanas (González, 2004a).
El impacto que se puede observar por efecto de la vulnerabilidad de un sistema determinado,
depende de las condiciones iniciales del sistema o del ambiente climático local al momento de iniciarse
algún evento en particular (El Niño o La Niña), pudiendo agravar o atenuar dicho impacto (González,
2004b).
25
Frente a las modificaciones de los patrones normales del clima, será necesario consignar la
incorporación del concepto de vulnerabilidad económica de un sector productivo, especialmente en
aquellos dependientes de condiciones ambientales particulares para su desarrollo, como es el caso
de la vitivinicultura del secano interior. Estos nuevos escenarios climáticos provocarán variación de
los resultados económicos en relación a las proyecciones estimadas, originando una baja expectativa
de la actividad productiva, lo cual se traducirá en una reasignación potencial en la composición del
uso del suelo o una adaptación a estas nuevas realidades climáticas. Inevitablemente esto traerán
consigo un costo de implementación asociado (CEPAL, 2009). En el caso específico de la viticultura
del secano interior, al proyectarse escenarios de déficit hídrico por la disminución de las
precipitaciones, el sector deberá implementar acciones con el propósito de reponer la ausencia natural
de dicho recurso por medio de la irrigación artificial.
La incidencia del cambio climático de corto o largo plazo sobre la actividad agrícola en Chile
tiene distintas connotaciones, donde las alteraciones en los rendimientos de los cultivos agrícolas son
los más fáciles de proyectar, no así los efectos sobre la calidad, especialmente en frutales (CONAMA,
ODEPA, FIA, 2008a).
La disminución en las precipitaciones y las alzas en las temperaturas, tienen un efecto
negativo en los rendimientos de los cultivos de verano del centro-norte y zona central. En las zonas
de cultivos de invierno (secano interior), una disminución de la precipitación afectará de forma
considerable los rendimientos, sin dar lugar a reacomodos en las fechas de siembra (CONAMA, 1999).
Para Abdón y Meza (2008), la precipitación es probablemente el principal actor y el elemento climático
que va a condicionar en último término la respuesta de las especies vegetales. Frente a un escenario
de acumulación acelerada de gases de efecto invernadero para fines de siglo, se prevé una
disminución en los rendimientos en todo el norte, en la costa y los valles del centro del país. Estos
pueden ser entre un 10% a un 30% menores, debido a la mayor incidencia de sequías (CONAMA,
ODEPA, FIA, 2008a).
Se puede agregar como elemento de relevancia, el aumento en la proliferación en las
poblaciones de insectos y microorganismos fitopatógenos, que afectan la sanidad vegetal de la
producción (Santibañez y Santibañez, 2007).
26
En el caso particular del cultivo de la vid, la calidad está directamente relacionada con las
condiciones climáticas, donde las características organolépticas del fruto reflejarán las nuevas
condiciones del clima que una determinada zona adopte. Los actuales estudios de impacto del cambio
climático sobre el cultivo de la vid, acentúan su análisis en relación a las condiciones de temperatura,
radiación solar y acumulación de horas de fríos, sin considerar el aspecto hídrico en la planta. Vergara
(2001) realizó un estudio de caracterización de la aptitud vitivinícola de la Región del Maule, a partir
de tres índices bioclimáticos. Éstos indicaron una variabilidad climática entre temporadas en el lugar
de caracterización, atribuyéndolo a las anomalías climáticas por los fenómenos El Niño y La Niña.
Dicha conclusión dificultará la toma de decisión en la elección de una variedad, debido a los futuros
escenarios de cambio climático de corto y largo plazo, haciendo de la viticultura del secano interior
una actividad más vulnerable al momento de buscar buena producción y calidad.
Salazar et al. (2010) simularon, en un invernadero, las condiciones atmosféricas actuales y
proyectadas de cambio climático de las variables temperatura, dióxido de carbono y humedad del
suelo en la variedad Tempranillo de vitis vinifera L., determinando que bajo la condición de cambio
climático (aumento de CO2 y temperatura, y baja humedad del suelo) se presentó una mayor
concentración de sólidos solubles, un decrecimiento de los niveles de ácido málico y aumento del pH.
No obstante, en aquellos ensayos donde existía déficit hídrico con los actuales niveles de CO2 y
temperatura, los frutos presentaron un color más intenso por la mayor acumulación de antocianinas.
En un estudio de INIA y FIA (2009), se realizó una proyección de dos zonas agroclimáticas de
Chile bajo dos posibles escenarios de cambio, determinando efectos en la productividad del cultivo de
Vitis vinífera L. En la primera zona agroclimática, comprendida por el valle regado centro de la
provincia del Cachapoal Región del Libertador Bernardo O´Higgins, se proyectó una productividad en
variedades tintas de 19.971 y 15.131 Kg/ha/año para los años 2020 y 2040 respectivamente, sobre la
línea base de 19.134 Kg/ha/año. En relación a variedades blancas determinaron 17.517 y 15.808
Kg/ha/año, para iguales años en relación a una producción base de 15.763 Kg/ha/año. En el segundo
caso, se analizó la proyección de rendimientos en la precordillera baja de la Región del Bío Bío para
el cultivo de uva de mesa, observando crecientes aumentos de productividad de 19.268 y 22.858
Kg/ha/año para los años 2020 y 2040 respectivamente, con una línea base de productividad de 12.346
Kg/ha/año. Este análisis de escenarios futuro se realizó en función del aumento de la tasa de
27
acumulación de gases de efecto invernadero y sus efectos sobre el calentamiento global, proyectados
para los años 2020 y 2040 (INIA y FIA, 2009).
Para CONAMA, ODEPA, FIA (2008a) y CEPAL (2009), la viticultura en la zona central bajo
las condiciones actuales del clima, presenta un comportamiento relativamente homogéneo de la
producción. Al proyectar esta actividad en un escenario de modificación del clima se considera que
dicho comportamiento productivo se vuelve más irregular, con una marcada diferencia entre el sector
costero con bajo potencial productivo y una precordillera con alto potencial. Esta situación se deberá
principalmente a la diferencia de temperatura necesaria para alcanzar un buen desarrollo del fruto.
Hacia el sur del Maule, se prevé una ampliación de las condiciones para el establecimiento de este
cultivo, lo cual puede abarcar hasta la Región de Los Lagos, hacia el año 2040.
Jorquera y Orrego (2010) proyectaron las alzas de temperatura por efecto del calentamiento
global en la Región de la Araucanía, lo que provocaría precocidad en los distintos estados fenológicos
de la vid vinífera variedad Gewürtztraminer, al grado de desplazar las actuales plantaciones más hacia
el sur de esta zona, desconociendo los potenciales balances hídricos en la Región.
3.5. Manejos de producción
Se entiende como regla general que la mayoría de las plantaciones comerciales de vinos finos,
tienden a presentar una baja cosecha a moderada, por lo cual se puede establecer que la calidad
puede estar en riesgo ante una mayor producción (Winkler, 1954). Por otra parte, se observan retrasos
de la cosecha en cultivos con mayor carga frutal. En términos generales, se sostiene que bajos niveles
de producción producen un fruto con alta concentración de sólidos solubles y pH, además de baja
presencia de ácidos totales (Sinton et al., 1978; Morris y Cawthon, 1981; Reynolds, 1989).
28
De esta forma, se puede establecer que hasta un cierto nivel de carga frutal y dependiendo
de la variedad, se obtienen buenos niveles de sólidos solubles, altos niveles de pH y menor acidez,
además del aumento en la concentración de antocianinas y compuestos aromáticos, como los
terpenos; redundando todo esto en una mejor calidad del vino (Bravdo et al., 1984; Dimitriadis y
Williams, 1984).
Como una forma de aumentar la productividad del viñedo, se realizan una serie de técnicas
agronómicas o vitícolas, destacándose entre las principales la poda, el aclareo manual de racimos y
el deshojado.
El objetivo principal de la poda en la producción es lograr el control del nivel o carga frutal, a
través de una reducción balanceada de cargas de yemas, que permita reducir la producción para
mejorar aspectos en calidad y tamaño frutal. Esta reducción de yemas se compensa con el crecimiento
del vigor hasta el punto que permita el crecimiento de racimos, pero de menor tamaño. No obstante,
esta práctica puede inducir un aumento exagerado de vigor con posibles repercusiones negativas en
la calidad de la uva y por ende del vino (Chapman et al., 2004). La eliminación de racimos pequeños
o mal ubicados en la planta, también va orientado a controlar el nivel de producción. La eliminación de
estos centros fructíferos, por lo general, compensa una poda insuficiente y junto con mejorar aspectos
productivos también apunta generar condiciones propicias en el follaje y calidad de la uva, siendo
relevante el incremento en el contenido de azucares del mosto. Es necesario mencionar que dicha
práctica no es utilizada en Chile, aún cuando es mucho más efectiva que la poda (Pszczólkowski,
1991; Reynolds et al., 1994; Reynolds et al., 2005). El aclareo de racimos junto con modificar aspectos
del nivel de producción, influye sobre aspectos de la calidad de la uva, mejorando el contenido de
azucares y el aumento en el color y aromas (Guidoni et al., 2002; Reynolds et al., 2007). El deshojado
en la vid (chapoda o poda de verano), consiste en la eliminación parcial de hojas basales del racimo,
que se realiza en cuajado o pinta, en condiciones de excesivo vigor o densidad foliar de la planta
(Percival et al., 1994; Petrie et al., 2005). Entre sus objetivos se destaca el aumento de la exposición
del racimo, para incrementar el color y aromaticidad (Crippen y Morrison, 1986; Dokoozlian y Kliewer,
1996; Bergqvist et al., 2001). El deshojado aplicado tempranamente antes de prefloración, influirá
sobre aspectos relacionados con los niveles de producción y disponibilidad de carbohidratos (Coombe,
1959 y 1962).
29
3.6. Geomática como herramienta de análisis
Una forma de identificar y cuantificar grandes extensiones de cultivo en condición de estrés
hídrico, es a través del análisis de imágenes satelitales por medio de la Teledetección, la cual permite
captar la energía electromagnética reflejada por la cubierta del follaje bajo las condiciones particulares
del balance hídrico en que se encuentra la plantación. La información capturada por satélites ha
contribuido a mejorar la comprensión a cerca de la variabilidad espacial de los procesos
hidroclimáticos y ecológicos (Poveda y Salazar, 2004). Una gran capacidad de la Teledetección o
Percepción Remota es proporcionar una representación gráfica donde detectar la variabilidad del
viñedo y especialmente cambios de vigor de la planta en el espacio, ya sea durante o entre estaciones
(Hall et al., 2002).
Las propiedades físicas y químicas del objeto en estudio incidirán directamente sobre la forma
de reflejar o transmitir la radiación electromagnética (Egan, 2003). Es así que la vegetación sana
presenta un bajo grado de reflectividad del total del espectro electromagnético visible, con la salvedad
de la banda verde (cercana a los 0,55 µm) e infrarrojo cercano (entre 0,7 y 1,3 µm), debido a la alta
concentración de clorofila. Este patrón de comportamiento de la reflectancia de un cuerpo, se conoce
como firma espectral (Mena, 2005). Dicho comportamiento es muy sensible a la estructura de la hoja,
la cual a su vez depende del estado hídrico de la planta (Campbell, J. citado por Hall et al., 2002).
Para cuantificar la actividad vegetacional será necesario procesar las magnitudes de las
bandas espectrales provenientes de una imagen satelital, por medio de un algoritmo matemático
denominado Soil Adjusted Vegetation Index (SAVI) que permite relacionar directamente los valores
obtenidos con la capacidad fotosintética o radiación fotosintéticamente activa (PAR) de la planta,
permitiendo cuantificar el estado de crecimiento asociado a las condiciones hidro-ecológicas del suelo,
atribuibles a las precipitaciones. Por otro lado, Hall et al. (2008) utilizando otro índice de actividad
vegetacional denominado Índice Normalized Difference Vegetation Index (NDVI), a partir de la
utilización de imágenes de baja resolución espectral y de alta resolución espacial, concluyeron que
existe una alta correlación con el área cubierta por el follaje de vides. Lucht et al. (2002) estimaron
modificaciones en los patrones de vegetación a escala global a través del cálculo de NDVI.
30
Poveda y Salazar (2004), por medio de imágenes satelitales y análisis de bandas espectrales
a través del NDVI, identificaron correlaciones entre las variaciones de la actividad vegetacional de la
selva amazónica y la acción anual e interanual del evento El Niño-Oscilación del Sur y la Niña,
especialmente por efecto de las fluctuaciones en las precipitaciones.
En función de este principio físico de reflexión de la energía electromagnética de un objeto,
es posible identificar distintas condiciones de estrés hídrico en el cultivo de la vid, debido a las
anomalías en las precipitaciones ocasionadas por los eventos ENSO y La Niña, y sus efectos sobre
la viticultura del secano interior.
31
IV. MATERIALES Y MÉTODOS
La presente investigación se focalizó en determinar las posibles diferencias en los niveles de
producción y parámetros de madurez de la uva vinífera de parte del secano interior del valle de
Loncomilla y sectores del valle regado de la zona central de la Región del Maule, por efecto de las
condiciones de sitio en las propiedades edáficas y de relieve, las variables climáticas y las condiciones
manejo del cultivo. Para estos efectos, se dispuso de registros de campo con información referida a
variables edafoclimáticas y de manejo de cultivo, para cada una de las locaciones vinícolas o centros
productivos considerados entre las temporadas 2006 al 2010.
4.1. Área de Estudio
La investigación centró su área de estudio en parte del secano interior del Valle de Loncomilla,
y en menor proporción en el valle central de regadío, del segmento centro-sur de la Región del Maule,
abarcando el cuadrante definido por las coordenadas 748844E – 271460E con 6075027N – 6024757N
(proyección UTM, datum WGS84, zona Huso 18 sur), con una superficie aproximada de 3.500 km2 en
donde se ubican los centros productivos o viticultores a considerar (figura Nº1).
4.2. Caracterización Edafoclimática de la Región del Maule
La zona de estudio se caracteriza por presentar temperaturas máximas para el mes más cálido
de enero superiores a los 30°C y mínima en julio de 4,4°C, con una amplitud térmica en verano de
15°C a 18°C. La suma térmica es de 1813 días grados (base > 10°C), acumulación de 1200 horas de
frío y una alta radiación solar. La humedad relativa es del 55% al 60%, con una precipitación
acumulada de 800 mm y un déficit hídrico de 790 mm, para un año normal (Gil y Pszczólkowski, 2007).
Los suelos son de origen granítico, de mediana profundidad y pendiente que puede llegar al
30%. En el primer horizonte de suelo se presenta una alta concentración de grava de cuarzo, de
32
textura franca y de bajo contenido de materia orgánica. En profundidad se presenta horizontes con
arcillas densas y compactadas, generando un drenaje moderadamente lento a lento. En algunos
sectores se produce estructuras cementantes denominadas duripan o tosca. En general, se presenta
un pH de 6 a 7, ligeramente ácido (Gil y Pszczólkowski, 2007).
Figura N° 1: Emplazamiento del área de estudio.
El principio generador de precipitaciones y temperatura, y por ende modelador del clima en la
zona central de Chile, se debe a la dinámica atmosférica de centros de presiones. Un centro de altas
33
presiones, denominado anticiclón del Pacífico sur, ejerce su influencia hasta los 35° a 40° de latitud
sur durante la estación estival, actuando como una barrera para el desplazamiento de sistemas
frontales del pacífico, lo cual impide las precipitaciones y genera el buen tiempo atmosférico con
característica de la estación primavera-verano. Durante el cambio de estación, este centro de altas
presiones comienza a contraerse paulatinamente hacia el norte hasta ubicarse en la región Ecuatorial.
Este debilitamiento permite el acceso gradual de sistemas frontales provenientes del pacífico,
generando las lluvias durante la estación invernal. El desplazamiento de dichos frentes se potencia
por el segundo centro de presiones de baja cuantía, el cual favorecerá el desplazamiento de masas
nubosas al continente (Aceituno, 1988; Garreaud et al., 2009).
Rutllant (2004) ubica la zona central de Chile entre los 30° y 38° latitud sur, generando una
suerte de corredor o faja latitudinal que limita por el norte de forma casi permanente con el anticiclón
subtropical del Pacífico Suroriental y al sur con la zona dominada por el cinturón de los vientos del
oeste, alternando las altas y bajas presiones móviles y controlando el frente polar. Este espacio
transicional entre dos regímenes de dinámica atmosférica bien marcados, producen un gradiente
anticiclónico creciente de sur a norte y de invierno a verano, generando precipitaciones
mayoritariamente en invierno en la zona central de Chile, debido principalmente al desplazamiento
hacia el norte del anticiclón subtropical. En el período de verano se presenta el sentido inverso de esta
dinámica, generando veranos cálidos y secos en el valle central e interiores de los valles transversales.
La descripción de la distribución de las precipitaciones realizada por CONAMA (2006), sitúa a
las regiones centrales y centro-sur (30°S – 40°S) como un ciclo anual bien definido, caracterizado por
un máximo invernal y mínimo estival, reconociendo este régimen como mediterráneo. De igual forma
la clasificación bioclimática realizada anteriormente por Hajek y Di Castri (1975), señala que desde los
27°S hasta aproximadamente los 39° de latitud sur recibe el nombre de mediterránea, donde la acción
de la cordillera de la costa ejerce las veces de una barrera que dificulta el tránsito de las masas de
aire marino, distribuyendo longitudinalmente zonas tipo mediterráneo marino en la costa y uno interior
secano. En el caso específico de la Región del Maule, está presenta zonas de transición entre régimen
hídrico de una condición semiárida a subhúmeda (Fuentes, 2007).
34
Para Escobar y Aceituno (1998), el régimen pluviométrico en la región central de Chile,
ubicada entre los 30°S al 40°S, se concentra entre los meses de mayo a septiembre, por efecto de la
migración hacia el norte del anticiclón del subtropical del Pacífico suroriental, correspondiendo a
precipitaciones de tipo frontal con un comportamiento estacionales y anuales con una considerable
coherencia espacial.
En general, las precipitaciones en Chile presentan un patrón de aumento gradual, en la medida
que la influencia anticiclónica propia del desierto se va debilitando. Esto provocando que los climas se
vayan gradualmente haciendo más húmedos y menos variables (CONAMA, ODEPA, FIA, 2008b). En
la zona central y centro-sur existe un ciclo anual bien definido, característico de un régimen
mediterráneo, que se manifiesta con un máximo invernal y un período estival con un monto
significativamente menor que va aumentando hacia el sur (CEPAL, 2009).
La Región del Maule se ubica aproximadamente en los 35° de latitud sur, presentando clima
transicional árido a semiárido del norte y lluviosos del sur. La característica de clima mediterráneo
hace presentar un patrón pluviométrico de seis meses de escasa o nulas precipitaciones a contar del
mes de octubre hasta marzo y seis meses de lluvias entre los meses de abril a septiembre (González,
2004a).
El régimen pluviométrico de la Región del Maule se caracteriza por la concentración de las
precipitaciones durante la temporada invernal, con escasa presencia durante primavera y otoño, y casi
nula en verano. Esta región por ser una de las de mayor desarrollo agrícola del país, requiere conocer
los patrones pluviométricos que la caracterizan y además de aquellos fenómenos que la alteran,
debido a que cualquier cambio estacional que presente la variable pluviométrica se traducirá en un
riesgo o daño económico (Contreras, 2001).
Contreras (2001) elaboró dos perfiles pluviométricos de promedios anuales normales,
caracterizando el patrón de precipitaciones de la Región del Maule de Norte a Sur (valle central) y de
Oeste a Este, valiéndose de datos de las estaciones meteorológicas más importantes de la región. El
perfil normal anual Norte-Sur por el valle central, se compone de 700 mm para Curicó; 676,2 mm para
Talca; 800 mm en Linares; y 850 mm en Parral. En el perfil Oeste- Este, se presenta para Constitución
35
una precipitación anual normal de 620 mm; en Nirivilo de 685 mm; Pencahue de 621 mm; Talca de
676,2 mm; Colorado de 1250 mm; Armerillo de 2200 mm y Cipreses de 1300 mm. González (2004b)
realizó igual estudio a partir de la clasificación de cuatro zonas agroclimáticas utilizando los valores
normales anuales de pluviometría del período 1961 al 1990, lo cual demostró que el secano costero
logra 780,5 mm; el secano interior 718,8 mm; el valle central 778,9 mm y la cordillera andina 1697,7
mm.
4.3. Determinación de Variables
Las variables climáticas, biofísicas y de cultivo consideradas en el presente estudio, fueron
elegidas por su nivel de incidencia sobre los niveles de producción y calidad de la uva, señalados por
diversos estudios e indicados en revisión bibliográfica. Es necesario consignar que el área de estudio
cuenta con escasos datos climáticos de precipitaciones y temperaturas, representados por cinco (5)
estaciones pluviométricas y dos (2) térmicas, respectivamente. Por lo anterior, no se consideraron las
variables de fotoperíodo, intensidad lumínica y humedad relativa, aunque son consideradas relevantes
por los autores.
En relación a los datos de producción y grados de madurez (4), éstos fueron aportados por la
Cooperativa Vitivinícola Loncomilla, la cual presenta registros de dichos datos durante la temporada
2006 al 2010, además de disponer de la caracterización básica predial georreferenciada por productor.
Las variables analizadas fueron las siguientes:
4.3.1. Datos climáticos de temperatura y precipitación
Estas variables climáticas inciden directamente en los procesos bioquímicos de la planta,
tanto en su fase de crecimiento como reproductiva, determinando la calidad productiva de la vid. Estas
variables tomarán mayor preponderancia frente a escenarios de alteración de los patrones climáticos,
con sus eventuales repercusiones sobre el sistema productivo.
36
En el caso de la temperatura, se consideró el comportamiento térmico anual para cada punto
de producción o viticultor, a través de la suma térmica durante el día, noche y el diferencial u oscilación
de ambos períodos horarios; todas anuales y para cada temporada que abarca el presente estudio.
En las precipitaciones, se consideró el período pluviométrico correspondiente a las precipitaciones
acumuladas de los meses de junio, julio y agosto de la temporada invernal (según distritos
agroclimáticos de CIREN), para cada temporada. Las precipitaciones invernales de los meses de
mayor pluviometría permitieron dimensionar la humedad del suelo que dispuso la planta para
satisfacer sus requerimientos hídricos, especialmente para los sectores de secano interior.
4.3.2. Capacidad de almacenamiento de agua en el suelo
Esta variable está estrechamente relacionada con las propiedades físico-químicas y de
profundidad del suelo, que caracterizan las diferentes capacidades de almacenamiento que se
presentan en las distintas locaciones donde se encuentra cada uno de los centros productivos o
viticultores. Las diferentes capacidades de almacenamiento del suelo determinan la capacidad de
respuesta o estado hídrico de la planta al momento de las máximas demandas de humedad
atmosférica, traduciéndose en distintas situaciones de condición hídrica y de expresión vegetativa que
inciden directamente sobre la producción y calidad del fruto.
4.3.3. Caracterización de la expresión vegetativa
La variable expresión vegetativa reflejó las distintas condiciones intra e inter planta,
especialmente frente a situaciones ambientales particulares o adversas, determinando su nivel de
respuesta positiva (adaptación) o negativa (vulnerabilidad), reflejada por la actividad del crecimiento
vegetativo o vigor de la planta. La densidad de plantación influye sobre la productividad y calidad de
la uva, al establecerse la relación inversamente proporcional entre la densidad de plantación y vigor.
En este sentido para determinar la expresión vegetativa de la vid, se utilizó el Índice Vegetacional de
Ajuste de Suelo (SAVI), con el propósito de disminuir la influencia de la reflectividad de la superficie
sin cultivo o suelo, sobre la determinación de la expresión vegetativa de la viña.
37
4.3.4. Orientación y pendiente
La orientación de la plantación permitirá alcanzar distintos niveles de exposición o intercepción
de la radiación solar por la planta y frutos, incidiendo sobre la elaboración de compuestos fenólicos
determinantes en la calidad del vino. La pendiente influye sobre los factores de productividad, debido
a la mayor acumulación térmica que favorece la síntesis de metabolitos secundarios en la viña, menor
permanencia de suelos húmedos (gravedad) y movimientos de masas de aire, que impiden el
desarrollo de enfermedades y reducen la incidencia de heladas tardías durante el inicio de primavera.
En relación a la orientación o exposición de las distintas condiciones de sitio, la investigación
consideró la orientación de los cuatros puntos cardinales (Norte, Sur, Este y Oeste) y de las
combinaciones posibles a encontrar en el plano topográfico donde se encuentre los centros
productivos (NorEste, NorOeste, SurEste y SurOeste). En relación a las pendientes, éstas se
obtuvieron a partir de la información digital obtenida de un Modelo Digital de Terreno (MDT) del área
de estudio.
4.3.5. Datos de manejo
El presente estudio consideró como variables de manejo las relacionada con: la densidad de
plantación (plantas / hectáreas), año de plantación, sistema de conducción (espaldera, cabeza,
cruceta y parronal) y régimen hídrico (con o sin irrigación). Esto permite conocer la incidencia de la
aplicación o ausencia de estos manejos sobre los niveles de producción y calidad de la uva, para las
distintas condiciones de las variables climáticas, biofísicas y de cultivo.
4.4. Recolección de Datos
Los datos para cada una de las variables, así como la información relevante que permite
contextualizar cada una de ellas, estuvo referida a la posición geográfica o locación de los centros
38
productivos. Esto se obtuvo del levantamiento en terreno y fuentes primarias de información
proporcionada por instituciones públicas y empresa vitivinícola, destacándose las siguientes:
4.4.1. Producción y grado de madurez de la uva
Los datos de rendimiento y grado de madurez, provinieron de registros generados por la
Cooperativa Vitivinícola Loncomilla de la comuna de San Javier (UTM 6054877N, 248846E) para cada
viticultor, los cuales se generaron al momento de hacer entrega de la cosecha en bodega de dicha
cooperativa (temporadas 2005-2006 a la 2009-2010), para las variedades de uvas viníferas Cabernet
Sauvignon, Merlot, País, Torontel, Chardonnay, Sauvignon Blanc, Semillón y Tintorera. La unidad del
dato de rendimiento original es kilogramos totales obtenidos en la temporada. Los datos del estado o
grado de madurez de la uva, se determinaron por medio de los índices o parámetros enológicos
generados en el laboratorio de la bodega de procesamiento de la uva para vinificación. Los parámetros
empleados por la Cooperativa Vitivinícola Loncomilla y por ende disponibles para el presente estudio,
son la acidez total, pH, concentración de sólidos solubles en el jugo de la uva o grados Brix (°B) y la
proyección del grado alcohol probable (GAP), a partir del contenido de hidratos de carbonos en la
baya. Los dos últimos índices se relacionan con valores de equivalencia del contenido de azúcar en
el mosto de la uva.
4.4.2. Locación de unidades productivas
El presente estudio contempló un total aproximado de 80 viticultores que conforman la
Cooperativa Vitivinícola Loncomilla, con distintas proporciones y tenencias de las variedades descritas
como las superficies de terreno que conforman cada una de las unidades productivas, lo cual se
traduce en una variación del número de muestras para cada una de las ocho (8) variedades a estudiar.
Las unidades productivas se encuentran georreferenciadas y con sus respectivas unidades de
superficie en metros cuadrados (m2), lo cual se generó a través de receptores (Sistema de
Posicionamiento Global) marca Garmin modelo eTrex, utilizando el sistema de proyección UTM, datum
WGS 84. Junto con la información de locación de cada productor, se dispuso de la caracterización de
39
cada unidad productiva, como parte de los atributos individuales de cada productor relacionado a las
condiciones de manejo del cultivo.
4.4.3. Datos climáticos
Los datos de precipitación provinieron del Centro de Informaciones de Recursos Hídricos de
la Dirección General de Agua (DGA) para los períodos 2004 a 2010, con una frecuencia diaria en
milímetros por día (mm/día) de las estaciones de Melozal (UTM 6049544N, 249956E), Huerta de
Maule (UTM 6036241N, 233293E), Nirivilo (UTM 6063238N, 763712E), San Javier (UTM 6057656N,
259253E) y Pencahue (UTM 6081900N, 242660E).
Para asegurar la representación térmica en el área de estudio durante las cinco (5)
temporadas, y para completar la escasez de datos de esta naturaleza, se obtuvieron una serie de
capas de información generadas a partir de la banda térmica de las imágenes satelitales temporales
del sensor Moderate Resolution Imaging Spectroradiometer (MODIS), logrando una espacialización
general de este dato climático en el área de interés. Esto incluyó los puntos productivos de cada uno
de los viticultores que contienen datos de producción y grado de madurez para las ocho variedades
en estudio por las cinco (5) temporadas.
4.4.4. Capacidad de almacenamiento de agua en el suelo
La determinación de la capacidad de almacenamiento de agua en el suelo para cada una de
las locaciones productivas, que está dada por las propiedades físico-químicas del suelo, define las
características hídricas propias para cada zona agroecológica. La información preponderante para la
cuantificación de dicha variable, estuvo referida a los parámetros hídricos del suelo tales como:
Capacidad de Campo (CC) y Punto de Marchitez Permanente (PMP) (ambos expresados en
porcentaje (%)), profundidad del suelo en metros (m) y densidad aparente del suelo (gr/cm3). Estos
parámetros fueron obtenidos de la información aportada por la cobertura de distritos agroecológicos
de la Región del Maule, generadas por el Centro de Información de Recursos Naturales (CIREN),
40
representada a través de polígonos homogéneos con información descriptiva o atributos de las
características edafológicas de cada tipo de suelo.
La fórmula de cálculo para la capacidad de retención o almacenamiento de agua en el suelo,
según INIA (2004) corresponde a:
Ha = (CC – PMP) x Da x Ps (cm) [1] 100 Donde:
CC : Capacidad de Campo (%)
PMP : Punto de Marchitez Permanente (%)
Da : Densidad aparente del suelo (gr/cm3)
Ps : Profundidad del suelo en metros (m)
4.4.5. Datos de cultivo
Los datos de cultivo de las distintas unidades o locaciones productivas en estudio, son parte
de los registros de inventario de cada uno de sus cooperados de la vitícola Loncomilla, que entregan
información de caracterización para cada una de las explotaciones agrícolas que contempla el
presente estudio, contando con su georreferenciación dentro del área de estudio.
La expresión vegetativa de la vid se determinó por medio del índice de vegetacional Soil
Adjusted Vegetation Index (SAVI), a partir de la información que proporcionaron las imágenes
provenientes del sensor satelital MODIS, para una secuencia de cuatro (4) intervalos de tiempo,
comprendidas por la primera (SAVI_01) y segunda (SAVI_17) quincena de enero, primera (SAVI_33)
y segunda (SAVI_49) quincena de febrero, de cada temporada en el horizonte de tiempo del presente
estudio (5 años). Este índice está conformado por la diferencia normalizada de la reflectividad en las
bandas del rojo (R) y el infrarrojo (IR), calculada por la siguiente fórmula [2]:
41
SAVI = (1 + L) (NIR – R) (L +IR + R) [2]
Donde:
L : Constante de Densidades de Vegetación (0,1 -0,5)
NIR : Banda del infrarrojo cercano de longitud de onda entre 0,7 al 1,3 µm
R : Banda roja del espectro visible de longitud de onda entre 0,6 a 0,7 µm
IR : Banda del infrarrojo lejano de longitud de onda entre 8 al 14 µm
La orientación y pendiente de cada una de las distintas locaciones del cultivo de la vid, se
obtuvieron a partir de la información del Modelo Digital de Terreno (MDT) correspondiente al SRTM
(Shuttle Radar Topography Mission) de la NASA (National Aeronautics and Space Administration).
Tanto las imágenes satelitales, como el Modelo Digital de Terreno (MDT), fueron proporcionadas por
el Centro de Geomática de la Universidad de Talca.
En cuanto a la información referente a la aplicación o no de riego en el cultivo, ésta forma
parte de la caracterización de cada una de las unidades productivas o viticultores, con la cual cuenta
la Cooperativa Vitivinícola Loncomilla en relación a sus registros de sus cooperados, contando además
con su posición en coordenadas UTM.
Por último, la edad de plantación está referida al año en la cual se efectúo el establecimiento
del cultivo de la vid en el predio, expresada en años. En el caso de la densidad de plantación, ésta se
encuentra expresada en metros cuadrados (m2).
4.5. Procesamiento de Variables
Para conocer el dato preciso de cada una de las variables edafoclimáticas y de cultivo en
relación a la locación de cada uno de los centros productivos o viticultores (cooperados), se realizaron
procesamientos previos de la información disponible, que dependieron de la variable a analizar y
sobretodo de la naturaleza en la cual se encontraba el dato original.
42
Para desarrollar los análisis y asociación de las variables en relación a los resultados de
productividad de la vid, se efectuó el procesamiento de los datos de trabajo por medio del Sistema de
lnformación Geográfica (SIG) ArcGIS y de Teledetección ERDAS, con el propósito de obtener el valor
que represente cada una de las variables continuas y discretas, consideradas en el presente estudio.
Una vez procesada cada una de las variables que contemplan el presente estudio, se creó un
archivo o cobertura única, en el cual se adicionaron cada uno de los resultados obtenidos por cada
una de las variables. Este archivo se generó en un formato digital de tipo SHAPE (.shp) del programa
ArcGIS, representado geográficamente cada centro productivo o viticultor asociado con los valores de
cada una de las variables estimadas.
4.5.1. Información continua
Está conformada por los datos de pendiente, orientación, capacidad de almacenamiento de
agua del suelo, expresión vegetativa del cultivo y temperatura. En el caso de la orientación y pendiente,
la continuidad del dato estuvo dada por la procedencia digital, ya que fueron obtenidas desde el
Modelo Digital Terreno (MDT) que abarca la totalidad del cuadrante que conforma el área de estudio.
De esta forma, se obtuvo el valor de ambas variables para cada uno de los viticultores o locaciones
productivas, por medio del Sistema de Información Geográfica ArcGIS.
La cuantificación de la capacidad de almacenamiento del suelo, en cada una de las locaciones
productivas, se determinó a partir de los valores de Capacidad de Campo (CC), Punto de Marchitez
Permanente (PMP), profundidad y densidad aparente del suelo; obtenidos a partir de la cobertura de
distritos agroecológicos de la Región del Maule, del Centro de Información de Recursos Naturales
(CIREN). Para esto, los valores de cada una de las variables constituyentes de la ecuación de
capacidad de almacenamiento del suelo fueron identificados desde de los atributos que conforman la
cobertura georreferenciada. Luego, se efectúo la operación matemática indicada en la fórmula [1],
creando un nuevo campo o atributo dentro de la capa (layer) de información. Por último, se asignó el
43
valor de la capacidad de almacenamiento del suelo en función de la locación o posición, a cada uno
de los centros productivos o viticultores (punto centro del polígono del predio).
Los registros vegetativos de la vid para los cuatro intervalos de tiempo de máxima expansión
foliar del cultivo (pinta), se obtuvieron por medio de imágenes satelitales del sensor Moderate
Resolution Imaging Spectroradiometer (MODIS), y su posterior procesamiento por medio del programa
ERDAS IMAGINE, incluyendo el proceso de corrección geométrica para cada una de las imágenes.
Estas imágenes presentan una frecuencia temporal de registros que se ajusta a las
consideraciones del presente estudio, ya que ofrece resolución temporal diaria, quincenal y mensual.
Además, ofrece distintas resoluciones espaciales (250, 500, 1000, 5600 m) para las distintas
respuestas espectrales, registradas en diferentes bandas espectrales asociadas al infrarrojo lejano o
térmico, además del espectro de luz visible (Anexo Nº1).
A partir del producto MODIS 13Q1 (imágenes compuestas de 16 días a resolución espacial
250 m), se obtuvieron los niveles digitales correspondiente a la banda del rojo (R) e infrarrojo (IR), y
se procedió a calcular el índice vegetacional SAVI o Soil Adjusted Vegetation Index, para toda la
extensión del área de estudio, según la fórmula del cálculo [2].
En el caso de la temperatura, se consideraron tres intervalos térmicos (día, noche y oscilación)
para cada año (5). A partir del producto MODIS 11C3 (imágenes compuestas y promediadas a
resolución espacial 5600 m), se efectúo la sumatoria de las capas digitales para los intervalos día y
noche, de manera de obtener la suma de la banda térmica proveniente de la imagen satelital del sensor
MODIS para cada año. Se consideró además la diferencia térmica (oscilación), para lo cual se realizó
previamente la operatoria de diferencia (resta) entre los registros de temperatura día y temperatura
noche para cada mes y luego la sumatoria anual. Toda la información se almacenó en coberturas de
formato digital ráster, con el valor acumulado para cada uno de estos tres escenarios térmicos. Este
procesamiento de imágenes satelitales se realizó por medio del programa ERDAS IMAGINE.
44
Creadas las coberturas de continuidad en formato ráster para las variables generadas a partir
de MODIS (SAVI y Temperatura) para cada intervalo de tiempo correspondiente, se asignaron los
valores de estas variables a los polígonos (viticultores), según su locación o ubicación espacial, por
medio del programa ArcGIS.
4.5.2. Variables discretas
Las variables discretas del estudio corresponden al sistema de conducción, presencia o
ausencia de riego, densidad de plantación y precipitaciones.
Las tres primeras variables están relacionadas intrínsecamente con las características del
cultivo de la vid. El valor de estas variables fue ingresado como atributos de cada polígono de predio,
mediante el programa ArcGIS, previa creación y configuración de los respectivos campos para cada
caso, donde las variables sistema de conducción y presencia o ausencia de riego presentan un
carácter dicotómico. La valoración de cada variable para cada polígono de predios, fue obtenida de
los registros de caracterización de los cooperados de la vitivinícola Loncomilla. Los valores para la
densidad de plantación al igual que las dos anteriores variables, se encontraba disponible dentro de
los atributos de la información georreferenciada, con la diferencia de que esta última variable responde
a una naturaleza cuantitativa.
Debido a la escasa red de estaciones pluviométricas (5) en relación a la extensa área de
estudio (3.500 km2), se generaron ecuaciones interpretativas pluviométricas a partir de las
precipitaciones ocurridas durante el período invernal y en función de la altitud, siendo éste uno de los
principales elementos modeladores de las precipitaciones de una zona en particular. El relieve u
orografía es uno de los principales factores determinantes de las precipitaciones en las zonas del
secano costero o interior de la zona central de Chile, debido al ascenso del flujo horizontal de aire
húmedo, proveniente del océano Pacífico, por la ladera Este de la cordillera de la costa (barlovento),
para generar condiciones cálida y de aire seco en la ladera Oriente (sotavento) (Viale, 2010).
45
Por medio del Sistema de Información Geográfica ArcGIS, se representó la posición o
locación de las cinco estaciones pluviométricas a través de una cobertura digital con sistema de
coordenadas UTM Datum WGS84 Huso 19S. Para cada posición se obtuvo el valor de altimetría desde
el Modelo Digital de Terreno (MDT), con lo cual se procedió a calcular las cinco (5) ecuaciones
interpretativas de las precipitaciones por temporada (Anexo Nº2). Con dichas ecuaciones se procedió
a calcular el valor de precipitaciones para cada unidad geográfica (píxel) en función de la altitud dentro
de la superficie del cuadrante que abarca el presente estudio. Finalmente por medio de la operación
de análisis de superficie, se asignó el nivel de precipitación correspondiente a cada unidad productiva
o predio para los dos períodos de interés y para cada año.
Dentro del procesamiento de información, además se realizó la fusión o unión de las
locaciones o centros productivos georreferenciados, con los respectivos datos de producción y calidad
de la uva, que fueron obtenidos del proceso de recepción de la cosecha en bodegas y centros
viticultores. Cabe señalar que esta información estaba disponible en tablas o planillas electrónica tipo
excel, donde la identificación de la procedencia u origen de la cosecha correspondía al nombre del
predio o viticultor, sin una referencia geográfica (locación). De esta forma, fue necesario compilar los
datos dentro de tablas compatibles con el formato SIG y luego asignar códigos de identificación en
cada caso de manera de relacionar cada dato con su polígono de predio correspondiente. Para esto,
se estableció una codificación particular para cada productor, variedad y cuartel. Esta última
codificación, permitió asociar el estado de madurez con la locación del productor. La operación en su
conjunto se ejecutó por medio de las herramientas de edición del programa ArcGIS.
Finalmente, las coberturas o capas temáticas generadas por los distintos procesamientos
efectuados para cada una de las variables (discretas o continuas), pasaron a conformar la base de
datos de trabajo. Ésta luego fue compilada en una única cobertura, que permitiera conjugar el valor
de cada una de las variables (14) con los valores de producción y grado de madurez de la uva, a partir
de la georreferenciación de cada una de las locaciones o viticultores. Esto pasó a constituir la base
principal de trabajo para el establecimiento de los análisis de la relación entre las variables
independientes (explicativas) y las dependientes (resultado), por medio de los análisis estadísticos.
46
Cabe indicar que todas las coberturas generadas para cada una de las variables continuas o
discretas, fueron ajustadas al sistema de coordenadas Universal Transversal de Mercator (UTM),
Datum WGS84, Zona 19S.
4.6. Análisis Estadístico
Los análisis estadísticos aplicados se orientaron a determinar el nivel de asociación o
vinculación entre las variables independientes o explicativas (14) y también a la identificación de los
años que presentaban un mayor nivel de significancia respecto de los resultados del proceso vinícola
registrado (producción o parámetro de madurez de la uva).
Para esto se empleó el análisis multivariable de Componentes Principales, el cual permite
determinar el grado de interacción entre las variables independientes, así como la identificación de las
que presentan un mayor nivel de significancia. Una vez identificadas las variables de mayor
significancia, se procedió a aplicar a éstas un análisis multivariable de comparación de medias. Esto
consideró los registros obtenidos por cada una de las variables (independientes y dependientes) y se
llevó a cabo por medio de un análisis de varianza (ANDEVA) para los cinco años de estudio.
4.6.1. Análisis de Componentes Principales (CP)
El objetivo del análisis de Componentes Principales (CP) es establecer asociación mutua entre
las variables independientes o explicativas (interdependencia), con la finalidad de encontrar
información sobre la estructura subyacente o latente de un conjunto de datos, simplificando sus
análisis a partir de la reducción de datos o variables finales. Según lo indicado por Martínez (1999), la
realización del análisis de Componentes Principales es imprescindible, previo a efectuar cualquiera
otra técnica multivariante, para aquellas situaciones donde las variables pueden estar muy
correlacionadas. Dentro de las propiedades de las componentes principales se encuentra el que éstas
explican un nivel aceptable de variabilidad en relación a la población original, siendo independientes
y no correlacionadas. Es decir, identifica la estructura de las relaciones entre las variables mediante
47
el análisis de las correlaciones entre éstas, entregando una simplificación del problema o fenómeno a
estudiar. Algunos autores sostiene que para el empleo de esta técnica no es necesario conocer la
distribución de probabilidades de las variables iniciales, ni incluso comprobar su normalidad (Hair et
al., 2004).
La reducción de variables para el análisis de Componentes Principales está basada en las
correlaciones que se establecen entre ellas. De esta forma, las componentes resultantes serán una
combinación lineal de las variables iniciales, acompañadas de un coeficiente, el cual (dependiendo de
su valor) entregará una mayor o menor ponderación de la variable dentro de cada componente. Es así
que en cada combinación lineal los coeficientes de mayor cuantía ponderarán a la(s) variable(s) que
presenta(n) mayor correlación o significancia para cada componente.
Previo a efectuar el análisis de Componentes Principales, se dividió la base de datos generada
por el procesamiento de cada una de las variables (14), entre viticultores con y sin riego, según
antecedentes de caracterización de cada productor vitícola y sin especificar sobre el método y
planificación de riego. Esta separación en dos tipos de sistemas productivos tuvo el objetivo de
identificar posibles diferencias entre las ponderaciones de las variables, sobre todo en aquellas
temporadas donde ocurrieron alteraciones de los patrones normales de las condiciones climáticas y
especialmente para sistemas productivos sin suministro de agua o riego. Igualmente cada una de las
catorce (14) variables forma parte de los aspectos a considerar en el análisis de componentes
principales para ambos sistemas productivos, pudiendo presentar distintos niveles de significancia
para las cinco (5) temporadas que abarca el presente estudio.
El ordenamiento del conjunto de variables para efectuar el análisis de componentes
principales, especialmente en aquellas con dependencia de tiempo cronológico, se llevó a cabo
considerando el momento en que dicha variable ejerce su influencia sobre el cultivo. Es así que para
el caso de las variables de precipitaciones ocurridas en invierno y las temperaturas acumuladas (día,
noche y oscilación), se consideraron los valores registrados durante el año anterior a la cosecha de
una temporada.
48
De los resultados obtenidos del análisis de CP, se seleccionaron los tres primeros
componentes para los análisis posteriores, ya que éstos representan en la mayoría de los casos, más
del 50% de la varianza, es decir, estos tres componentes son los que mayormente explican la varianza
de la población de los datos iniciales. Posteriormente, se llevó a cabo una segunda selección, pero
relacionada con las dos primeras variables que presentaron el mayor peso o ponderación del
coeficiente de la matriz de correlación de estas tres primeras componentes.
La identificación y selección de las variables de mayor peso o ponderación de la matriz de
coeficiente de correlación en cada una de los tres componentes, para las condiciones con y sin riego,
dio origen al segundo proceso estadístico de análisis de varianza (ANDEVA) para cada una de las
variables seleccionadas. El propósito de ésta fue comprobar la existencia de diferencias significativas
entre los niveles alcanzados por cada una de las variables seleccionadas, especialmente durante años
con alteración de las condiciones de clima, vinculando con ello el comportamiento de cada una de las
variables independientes y dependientes en relación a dicho acontecimiento climático.
4.6.2. Análisis de diferenciación de muestras
El análisis del comportamiento de los valores de registro de cada una de las variables
seleccionadas, se realizó por medio del análisis de varianza (ANDEVA), verificando posibles
diferencias estadísticamente significativas entre medias para los cinco períodos de evaluación de cada
una de las variables. En la prueba de rangos múltiples de las medias, se empleó el método de Tukey
HSD (Honestly Significant Difference), con un nivel de significancia del 95%.
Esta técnica permite la comparación de más de dos grupos de datos (variables) a la vez y en
forma de rangos. Es una técnica que se utiliza cuando se quiere comparar cada grupo con todos los
demás y cuando son igual o mayor a seis el número de grupos.
49
Lo anterior permitió identificar diferencias entre las observaciones (registros), indicando si sus
medias difieren más de lo que se considera normal para muestras que procedan de una misma
variable.
En ambos procedimientos estadísticos se utilizó el Programa Estadístico StatGraphics
Centurión XVI.
50
V. RESULTADOS Y ANÁLISIS
5.1. Conformación de Coberturas Finales
Dentro de los resultados del procesamiento de la información disponible se presentan diversas
coberturas de información con referencia geográfica, destacándose las siguientes:
5.1.1. Locación de los centros productivos o vitivinícolas del área estudio
Figura N°2: Emplazamiento locaciones productivas vitícolas.
51
5.1.2. Caracterización de los centros productivos o viticultores del área estudio
Cuadro N°1: Caracterización de viticultores del sistema productivo con riego.
Locación
Propietarios Altitud
(m.s.n.m) Edad
Plantación (Años)
Densidad (m2/ planta)
Sistema de Conducción
(N° viticultores)
Variedades (N° viticultores)
Tamaño(ha) 𝐗 N° N° Rango 𝐗 Rango 𝐗 Rango 𝐗 1 2 3 4 CS PA CH ME SB SE TI TO
< 2 1,2 44 22 41 166
103 1900 2000
60 2,0 4,0
2,8 39 4 1 14 4 4 8 4 1 8 1
≥ 2 - < 5 3,5 62 17 49 152
95 1900 2000
52 1,6 9,0
3,0 52 10 3 13 11 4 12 11 3 7 1
≥ 5 - < 10 7,3 9 3 90 153
103 1910 2000
46 1,8 4,0
3,4 7 1 1 5 4
≥ 10 12 123 7 49 135
94 1910 2000
45 1,5 5,0
3 80 39 4 80 43
Cuadro N°2: Caracterización de viticultores del sistema productivo sin riego.
Locación
Propietarios Altitud
(m.s.n.m) Edad
Plantación (Años)
Densidad (m2/ planta)
Sistema de Conducción
(N° viticultores)
Variedades (N° viticultores)
Tamaño(ha) 𝐗 N° N° Rango 𝐗 Rango 𝐗 Rango 𝐗 1 2 3 4 CS PA CH ME SB SE TI TO
< 2 0,9 55 31 40 118
126 1900 2001
52 1,6 5,0
2,0 22 32 9 17 3 5 4 3 2 12
≥ 2 - < 5 4,1 128 31 47 207
126 1900 2000
62 1,9 4,0
2,3 22 106 7 93 1 6 5 4 12
≥ 5 - < 10 7,3 69 12 67 175
131 1900 2000
59 1,6 3,0
2,2 2 67 62 7
≥ 10 17 116 11 40 227
128 1910 2000
67 1,6 3,0
2,2 116 116
m.s.n.m: metros sobre nivel del mar Sistema de conducción 1: Espaldera; 2: Cabezal; 3: Cruceta; 4: Parronal Variedades = CS: Cabernet sauvignon; PA: País; CH: Chardonnay; ME: Merlot; SB: Sauvignon blanc; SE: Semillón; TI: Tintorera; TO: Torontel.
52
Según el Cuadro N°1, se destaca la existencia de un gran número de viticultores (22) con
locaciones inferiores a las 2,0 ha de cultivo, un reducido número de propietario (7) con superficie
productivas superiores a las 10,0 ha, además estos últimos son los que presentan los viñedos de
menor edad de plantación con un promedio de 45 años; aunque en ambas situaciones de tamaño de
productor se encuentran edades de plantaciones a contar del año 1900. Por otro lado, en el sistema
productivo con riego, independiente del tamaño del predio o productivo, la gran mayoría de las
plantaciones presentan sistema de conducción por espaldera y muy bajo porcentaje en parronal. Por
último, se observa que en los viticultores de menor tamaño se presenta una mayor diversidad de
variedades de Vitis viníferas L., en relación a las grandes extensiones donde se presenta dos
variedades.
En el sistema productivo sin riego, la caracterización del tamaño de los predios para este tipo
de viticultor, muestra un gran número locaciones (55) y propietarios (31), lo que proyecta una superficie
promedio inferior a una hectárea, que además presenta una gran variedad de cultivares de vid (8). En
cambio para las mayores superficie prediales, el número de propietarios es inferior (11), pero con un
gran número de predios, los cuales se caracterizan por el nivel de especialización en el manejo del
cultivo, debido al tener un sólo tipo de cultivar. Además, se destaca que independiente al tamaño de
la plantación, los cultivos fueron conducidos solamente por un sistema de espaldera o cabezal.
En comparación con el sistema productivo con riego, el de secano presenta mayor longevidad
en las plantaciones, y se encuentran ubicadas zonas de mayor altura.
53
5.1.3. Representación Espacial de las Precipitaciones para los años 2008 y 2009 de los meses de Junio a Agosto.
Al comparar las coberturas de la Figura N°3, las cuales representan la espacialización de las
precipitaciones acumuladas de los meses de junio a agosto, se destaca que en el año 2008 logró 626,
6 mm como máxima acumulación de precipitaciones para ese periodo de tiempo, en cambio el 2009
logró un total acumulado de 1.218 mm para los tres meses descritos; para igual superficie de de
estudio.
La representación de la espacialización para los otros años considerada en el estudio, se
encuentran en el Anexo N°3.
Figura N°3: Espacialización de las precipitaciones acumuladas de los meses de junio a agosto para
los años 2008 y 2009.
54
5.1.4. Representación espacial de las Precipitaciones para los años 2007-2008 y 2008-2009 de los meses de Diciembre a Febrero.
En la Figura N°4, donde se representa los registros de las precipitaciones acumuladas de los
meses de diciembre a febrero (tres meses), se observa que durante la temporada estival 2007- 2008,
presentó un mayor nivel de precipitaciones que lo acontecido durante la temporada 2008 – 2009;
existiendo un diferencial de 6,2 mm de mayores precipitaciones para la primera temporada señalada
(2007 – 2008).
La representación de la espacialización para los otros años, se encuentra en el Anexo N°4.
Figura N°4: Espacialización de las precipitaciones acumuladas de los meses de diciembre a febrero
de los años 2007 - 2008 y 2008 - 2009.
55
5.1.5. Representación espacial de variables Térmicas
Para la cobertura año 2008, se presenta una mayor fluctuación de la temperatura día noche,
al presentar una oscilación acumulada anual máxima de 1.162°C, en relación a lo manifestado durante
el año 2009, cuya máxima anual acumulada es de 883°C. En términos generales, las mayores
fluctuaciones térmicas se presentaron en el sector de la depresión intermedia (valle central) respecto
de la parte más cerca a la influencia oceánica, dentro del cuadrante donde se ubican las locaciones
vitícolas (Figura N°5).
La representación de la espacialización para los otros años, se encuentra en el Anexo N°5.
Figura N°5: Espacialización de la Oscilación Térmica Anual de los años 2008 y 2009.
56
5.1.6. Representación espacial de la Expresión Vegetativa por medio del Índice Vegetacional de Ajuste de Suelo (SAVI), período 01 al 15 Enero de los años 2008 y 2009
La representación espacial de la Expresión Vegetativa del Índice Vegetacional de Ajuste de
Suelo (SAVI) en el período comprendido entre el 01 a 15 de Enero, no presentó mayores diferencias
para los años 2008 – 2009, lo cual se relaciona con los efectos durante y posterior al año de la
ocurrencia del evento La Niña, cuyos efectos al subsiguiente año dependerán de la intensidad del
suceso climático (Figura N°6).
La representación de la espacialización para los otros años, se encuentra en el Anexo N°6.
Figura N°6: Espacialización de la Expresión Vegetativa por medio del Índice Vegetacional de Ajuste
de Suelo período 01 al 15 de Enero, de los años 2008 y 2009.
57
5.1.7. Representación espacial de la Expresión Vegetativa por medio del Índice Vegetacional de Ajuste de Suelo (SAVI), período 16 al 28 Febrero de los años 2008 y 2009
El registro de la actividad vegetativa del cultivo durante los días comprendidos del 16 al 28 de
Febrero, para los años 2008 y 2009, no presentaron diferencias en los valores debido a la intensidad
del evento climático La Nina, afectando la expresión vegetativa de la vid, en más de una temporada
(Figura N°7).
La representación de la espacialización para los otros años, se encuentra en el Anexo N°7.
Figura N°7: Espacialización de la Expresión Vegetativa por medio del Índice Vegetacional de Ajuste
de Suelo período 16 al 28 de Febrero, de los años 2008 y 2009.
58
5.2. Análisis de Componentes Principales (CP)
El análisis de Componentes Principales (CP) permitió identificar variables que presentaban
niveles de correlación, destacándose principalmente las variables climáticas y de cultivo, y
circunstancialmente la variable de suelo, para los cinco años que abarca el presente estudio.
5.2.1. Análisis de Componentes Principales para la Condición Productiva Sin Riego
Las variables que presentaron mayor nivel de significancia en los cinco (5) años considerados
en el presente estudio, correspondieron a: la suma térmica anual de día y noche, el diferencial térmico
día noche (oscilación), la precipitación acumulada en los meses de junio a agosto, la expresión
vegetativa (SAVI), el año de plantación y el sistema de conducción; presentando esta última una
frecuencia menor de selección dentro de las variables de mayor ponderación por el análisis de
componentes principales.
Una representación simultanea de las variables de mayor coeficiente para los tres primeros
componentes principales, se presenta en el Cuadro Nº3.
En el caso de la primera componente para los cinco (5) años de evaluación, ésta alcanzó
valores porcentuales de varianza entre un 29,5% a 31,4%, donde mayores valores de coeficientes
en la matriz de correlación factorial correspondieron a las variables relacionadas al índice de expresión
de la vegetación (SAVI) y precipitación acumulada entre los meses de junio y agosto, en los cinco
años de evaluación (Anexo N°9). Esto demuestra un alto nivel de asociación entre las condiciones
pluviométricas de los meses de junio a agosto, y del índice de expresión vegetativa, por sobre las de
más variables climáticas, de suelo y cultivo. Acorde a lo planteado por Andrade (1991), la viabilidad
en la plantación de vides está limitada por la falta de agua en la zona, debido a los cinco a seis meses
de año déficit hídrico en el año, el cual coincide con la temporada de crecimiento de la vid. Según lo
señalado por diversos autores, la planta tiene la posibilidad de enrrollar sus hojas como una forma de
reducir la superficie foliar y con ello, disminuir la transferencia de vapor de agua en plantas estresadas
(López, 2005; Sánchez et al., 1998; Kang y Zhang, 2004).
59
En relación a la segunda componente, con valores de varianza entre 15,6% y 16,8%, se
observa la asociación entre las variables de suma térmica anual de oscilación y año de plantación,
para cuatro de los cinco años analizados. Para la tercera componente, con un nivel de
representatividad de la varianza entre un 11,2% al 12,3%, las variables de mayor vinculación
correspondieron a la suma térmica día anual y las precipitaciones acumuladas entre los meses junio
a agosto, para cuatro de los cinco años estudiados (Anexo N°9).
Se destaca que en estas dos últimas componentes (2 y 3), se presenta una modificación de
los patrones normales de selección de variables por medio del análisis de componentes principales,
donde el año 2009, el sistema de conducción es considerado como la variable que explica mayormente
la variabilidad de los datos, en vez de la suma térmica anual de oscilación y de las precipitaciones
acumuladas en el año 2008.
Es probable que el factor modificador del patrón de selección de las variables incidentes en la
productividad de la vid esté vinculado con la alteración de las condiciones medio ambientales,
relacionadas principalmente con la ocurrencia del evento climático La Niña durante el año 2007, cuya
escasez de precipitaciones invernales, se manifiesta en el período de mayor demanda hídrica del
cultivo (finales del año anterior y primeros dos meses del año entrante), con posibles repercusiones
en los parámetros de producción y calidad en la vid. La selección del sistema de conducción para el
año 2009 como variable de relevancia en el análisis de componentes principales, puede obedecer a
la gran magnitud e intensidad del evento climático La Niña del año 2007, puesto que en dicho
escenario y dependiendo del sistema de conducción, éste permitirá una mayor o menor exposición del
follaje a la radiación solar en una condición de déficit hídrico. Es así que el sistema de conducción en
parronal produce vinos de baja calidad con aromas y sabores herbáceos para un sistema productivo
con riego; pero este mismo sistema de conducción puede ser interesante desde el punto de vista
hídrico en localidades calurosas o de secano, al tener una cubierta vegetal continua impidiendo la
evaporación directa de agua proveniente del suelo (Pszczólkowski, 1991).
Además, el sistema de conducción permitirá mejorar la distribución del follaje, evitando el
sombreamiento entre las hojas vecinas, cuyos efectos negativos no sólo afectan a la fotosíntesis, sino
60
también a procesos de inducción, diferenciación de las yemas y maduración del fruto (Smart et al.,
1982; Smart et al., 1988).
Al observar los gráficos de pesos para el primer y segundo componente en el Anexo N°9,
cuyos porcentajes acumulados de la varianza están entre el 46,3% y 47,5%, se detectó un patrón
común en la asociación y ponderación de las catorce (14) variables para los años 2006, 2007, 2009 y
2010, modificándose sólo en el año 2008 (inmediatamente después de la ocurrencia de un déficit
pluviométrico por efecto del evento climático La Niña del año 2007), donde es posible evidenciar los
efectos provocados por los bajos niveles de pluviometría del invierno anterior.
Esta situación se corrobora al analizar los datos pluviométricos promedios anuales registrados
en las estaciones de meteorológicas de San Javier, Pencahue, Nirivilo, Huerta Maule y Melozal
(emplazadas en el área de estudio), las cuales presentan diferencias en los niveles de precipitaciones
para el año 2007, donde se observa el menor valor pluviométrico debido a la influencia del evento
climático La Niña (Anexo Nº8).
61
Cuadro N°3: Resumen de variables con mayor coeficiente para los tres primeros componentes principales para la condición productiva sin riego.
AñoComponente
Principal
Expresión
Vegetativa
(savi_01)
Expresión
Vegetativa
(savi_17)
Expresión
Vegetativa
(savi_33)
Expresión
Vegetativa
(savi_49)
Suma
temperatura
dia / anual
Suma
temperatura
noche /anual
Suma
temperatura
oscilación/ anual
Sistema de
Conducción
Precipitación
meses
junio_agosto
Año PlantaciónDensidad
Plantación
Retención
HumedadPendiente Orientación
2006
2007
2008 1
2009
2010
2006
2007
2008 2
2009
2010
2006
2007
2008 32009
2010
Fuente: Elaboración propia, (Statgraphics Centurion XVI) Datos: Anexo N°9, resultados Análisis Componentes Principales
savi_01: Índice Vegetacional de Ajuste de Suelo registro 01 al 15 Enero
savi_17: Índice Vegetacional de Ajuste de Suelo registro 16 al 31 Enero
savi_33: Índice Vegetacional de Ajuste de Suelo registro 01 al 15 Enero
savi_49: Índice Vegetacional de Ajuste de Suelo registro 16 al 28 Enero
suma temperatura día / anual: Suma térmica durante el día anual
suma temperatura noche / anual: Suma térmica durante noche anual
suma temperatura oscilación / anual: Suma térmica oscilación anual
Retención humedad: Capacidad de almacenamiento de agua en el suelo
62
En la condición productiva sin riego, las variables densidad de plantación, retención de
humedad, pendiente, orientación de la plantación e Índice Vegetacional de Ajuste de Suelo en el
registro del 01 al 15 de Enero (SAVI_01) no presentaron ningún nivel de asociación de relevancia de
entre éstas variables como de las otras restantes nueve (9) variables que forman parte del presente
estudio.
5.2.2. Análisis de Componentes Principales para la Condición Productiva con Riego
En relación a la condición productiva con riego, se observó una mayor diversidad de variables
seleccionadas como aquellas preponderantes para este sistema productivo. Es así que junto con la
mayor ponderación de las variables climáticas y de cultivo, se observa la incorporación de las variables
de suelo relacionadas con la capacidad de retención de humedad y pendiente, especialmente en la
primera y tercera componente de los años 2008 y 2010, respectivamente. Además, se observa una
mayor reiteración de la preponderancia de las variables térmicas en la primera y segunda componente,
cuya varianza acumulada de ambas componentes fluctúa entre un 49,9 % y 54,6 % (Anexo Nº10),
resumido en el Cuadro Nº4.
En la primera componente, la varianza alcanzó valores de representación de los datos de
entre el 36,5% y 40,2 %, asociado principalmente a las variables de expresión vegetativa (SAVI) y
suma térmica, como los mayores valores de la matriz de correlación factorial entre la componente y la
variable original. Se destaca que durante el año 2010, la variable pendiente presentó mayor coeficiente
de correlación en relación a los valores alcanzado por las variables de acumulación térmica anual de
los otros años (Anexo N°10).
Según el Cuadro Nº4, dentro de las variables térmicas de la primera componente, se distingue
mayor predominio de la variable acumulación térmica diaria en los años 2006, 2008, 2009 y 2010; no
así durante el año 2007, donde la acumulación térmica nocturna fue más relevante que la acumulación
térmica diaria.
63
En términos generales, para la primera componente se observó alto nivel de asociación entre
las condiciones de crecimiento o expresión vegetativa del cultivo y el nivel de acumulación anual
térmica, principalmente durante el horario diurno.
64
Cuadro N°4: Resumen de variables con mayor coeficiente de las tres primeras componentes principales para la condición productiva con riego.
AñoComponente
Principal
Expresión
Vegetativa
(savi_01)
Expresión
Vegetativa
(savi_17)
Expresión
Vegetativa
(savi_33)
Expresión
Vegetativa
(savi_49)
Suma
temperatura
dia / anual
Suma
temperatura
noche /anual
Suma
temperatura
oscilación/ anual
Sistema de
Conducción
Precipitación
meses
junio_agosto
Año PlantaciónDensidad
Plantación
Retención
HumedadPendiente Orientación
2006
2007
2008 1
2009
2010
2006
2007
2008 2
2009
2010
2006
2007
2008 32009
2010
Fuente: Elaboración propia (Statgraphics Centurion XVI Datos: Anexo N°10, resultados Análisis Componentes Principales
savi_01: Índice Vegetacional de Ajuste de Suelo registro 01 al 15 Enero
savi_17: Índice Vegetacional de Ajuste de Suelo registro 16 al 31 Enero
savi_33: Índice Vegetacional de Ajuste de Suelo registro 01 al 15 Enero
savi_49: Índice Vegetacional de Ajuste de Suelo registro 16 al 28 Enero
suma temperatura día / anual: Suma térmica durante el día anual
suma temperatura noche / anual: Suma térmica durante noche anual
suma temperatura oscilación / anual: Suma térmica oscilación anual
Retención humedad: Capacidad de almacenamiento de agua en el suelo
65
La segunda componente, cuya representatividad en la variación de los datos se encuentra
entre el 12,5% y 14,3%, presenta una alta asociación entre las variables térmicas acumuladas,
especialmente relacionada con la oscilación día-noche y el año de plantación del cultivo. El predominio
de la variable térmica acumulada de oscilación, es reemplazada por la acumulación térmica de día,
durante el año 2007 (La Niña).
La tercera componente se caracteriza por presentar cuatro tipo de variables con los mayores
coeficientes de correlación entre las variables originales y la componente, predominando el sistema
de conducción por sobre las otras tres variables del estudio. A la vez, se destacan las mayores
ponderaciones de las variables retención de humedad y densidad de plantación inmediatamente
posterior a la ocurrencia del evento climático La Niña (año 2007), con lo que estas variables junto con
el sistema de conducción pasan a ser las de mayor relevancia en los años 2008 y 2009,
respectivamente (Cuadro N°4).
Esta preponderancia de las variables de suelo y cultivo, por sobre las climáticas, en un sistema
productivo con riego, puede estar asociada a las diferentes condiciones de irrigación de cada unidad
productiva o viticultor, y por ende a distintos rangos de eficiencia según el método de riego empleado
(gravitacional o presurizado), así como al tiempo y frecuencia de riego (calidad del riego). Es así que,
a pesar de contar con el recurso agua para efectuar el riego en las unidades productivas, algunas de
ellas no logran satisfacer las demandas hídricas del cultivo, situación agravada por condiciones medio
ambientales adversas, como la escasez de precipitaciones por efecto del evento climático La Niña.
Bajo esta situación de restricción hídrica en el cultivo de vid, la planta apelará a las condiciones medio
ambientales que permitan aminorar los efectos de la escasez de agua, tales como densidad de
plantación y capacidad de retención de humedad del suelo. En el sistema productivo de la vid en
secano, la fuente hídrica proviene principalmente de las precipitaciones alcanzadas en invierno, las
cuales son almacenadas en el suelo y se caracterizan por la eventualidad en su ocurrencia. Esta
condición hídrica del secano genera competencia teórica entre plantas, ya sea a nivel radical o de
follaje, lo cual adquiere importancia en la productividad vitícola, que estaría condicionada por la
distribución espacial de las plantas (densidad). Resultados de experimentación realizada por Lavín
(1991) en la subestación experimental del Instituto Nacional de Investigación Agropecuaria (INIA)
Cauquenes, muestran que las plantas con mayor actividad vegetativa se encuentran en marcos de
66
plantación más amplios, manifestando ser más sensibles a los efectos de las condiciones de manejo
y de ambiente imperantes en las diferentes temporadas de crecimiento; por lo que resultan más
vulnerables a condiciones de sequía severa. Es así que muchas plantas chicas, bien distribuidas,
serán más eficientes que pocas y grandes, en cuanto a su capacidad de respuesta a los factores
ambientales y del manejo, siendo altamente dependientes de los suministros y manejos mucho más
precisos, para el logro de productos de mayor cantidad y calidad (Lavín, 1991).
Respecto de las condiciones de suelo, especialmente las físico-hídricas, éstas permitirán
conservar con mayor o menor tiempo los niveles de humedad del suelo por el almacenamiento de las
precipitaciones. Es así que un suelo arcilloso tendrá una mayor capacidad de estanque que un suelo
arenoso, lo cual está determinado por el volumen total de poros del suelo (arcilla y materia orgánica).
Éste determinará la posibilidad de crecimiento de las raíces y con ello, mantener niveles de absorción
a tasas que satisfagan altos niveles de crecimiento y producción en la temporada. Además, se debe
considerar que la fertilidad del suelo está estrechamente relacionada con la capacidad de retención
de agua del suelo.
5.2.3. Consideraciones Generales respecto del Análisis de Componentes Principales
Las únicas variables que presentaron regularidad y mayor ponderación de sus coeficientes,
independiente de la condición con o sin riego, para los cinco años de evaluación, están relacionadas
con el índice de expresión vegetativa (SAVI), sumas térmicas, precipitación y año de plantación.
En relación a la edad de plantación en condición sin riego, el 50% de éstas (en superficie) se
encuentran entre los 70 a 111 años de edad, el 15% entre los 69 a 30 años, y un 20% entre los 29 a
10 años. Para la condición con riego, se presenta una mayor concentración de plantaciones de más
reciente data, donde el 59% de la superficie corresponden a cultivos entre 11 a 20 años de edad, un
16% presenta edad inferior a los 10 años, 15% se encuentran en 111 años de edad y un 11% entre
los 51 a 31 años.
67
La edad fisiológica de la planta, bajo condiciones de secano, es un elemento a considerar al
momento de efectuar análisis relacionados a la producción, como a los parámetros de madurez del
fruto de la vid. Lavín (1999) indica que dentro de las distintas condiciones ambientales como de manejo
del cultivo, destaca la edad de la plantación como una de las variables que más influye sobre el
crecimiento de brotes, donde dicho crecimiento (m/planta) logra su mayor expresión al cabo del décimo
año, para luego estabilizarse.
En relación a la variable índice de expresión vegetativa (SAVI), ésta se encuentra relacionada
directamente con las condiciones ambientales del clima, especialmente para las variables de sumas
térmicas y precipitación, al establecer un alto nivel de asociación entre las variables en ambas
condiciones productivas con y sin riego.
5.3. Análisis de Comparación de Muestras Múltiples
Identificadas las variables de mayor preponderancia por medio del análisis de Componentes
Principales, se procedió a cotejar los registros alcanzados en cada año, a través de la Comparación
de Muestras Múltiples (CMM), con el objeto de identificar ciertos patrones de comportamiento de la
variable a través del tiempo, así como establecer asociaciones entre las variables de distinta
naturaleza e identificar posibles tendencias en común.
Las precipitaciones corresponden a una de las variables climáticas de mayor importancia
dentro de las variables analizadas. Por tal motivo, se sometió al análisis de Comparación de Muestras
Múltiples los registros de las precipitaciones acumuladas anuales de los años comprendidos entre
2005 al 2009, de las cinco (5) estaciones meteorológicas que abarcan el área de estudio (San Javier,
Pencahue, Nirivilo, Huerta Maule y Melozal). Dicho análisis estableció diferencias significativas
principalmente entre los promedios anuales acumulados de la pluviometría de los años 2007 y 2005,
cuyos niveles alcanzados correspondieron a los 440,8 mm (año de menor registro) y los 950,1 mm
(año de mayor registro), respectivamente; para los cinco (5) años de registros de las cinco (5)
estaciones meteorológicas (Cuadro N°5).
68
La baja pluviométrica registrada en el año 2007, es atribuible a la presencia del evento
climático La Niña, al provocar un fuerte déficit en las precipitaciones en la zona centro sur del país que
generó condiciones de sequía, especialmente en el secano interior de la Región del Maule.
Cuadro N°5: Precipitación media anual acumulada, periodo 2005-2009
Año Precipitación media
anual acumulada (mm/anual)
Valor -p
2007 440,8 d 0,0005
0,0005
0,0005
0,0005
0,0005
2009 619,6 c
2006 753,1 c b
2008 793,6 b
2005 950,1 a
Medias con distintas letras son significativamente diferentes. Test de Tukey HSD (P<0,05).
5.3.1. Análisis Comparación Múltiple de Muestra para la Condición Productiva Sin Riego
Al establecer la comparación entre las principales variables climáticas de precipitación y
térmicas, para las locaciones productivas bajo la condición sin riego, se observó diferencias
significativas entre el año 2007 y los otros cuatro años (2005, 2006, 2008 y 2009). En el caso de la
precipitación acumulada, el menor registro para los meses de junio a agosto sucedió en el año del
evento climático La Niña con un promedio de 299,2 mm, presentando una diferencia de 353,2 mm con
respecto al mayor valor registrado (652,4 mm en el año 2005) (Cuadro Nº6). Los detalles de los análisis
se encuentran en el Anexo N°11.
Cuadro N°6: Valores medios de las principales variables climáticas en condición productiva sin riego.
Variables
Año
2005 2006 2007 2008 2009 Valor_p
Sumatoria precipitación meses Junio a Agosto
652,4 a 559,6 b 299,2 e 367,8 d 408,7 c 0,0005
Sumatoria Temperatura Diaria/anual
263,2 bc 264,7 b 258,8 d 276,8 a 260,5 cd 0,0005
Sumatoria Temperatura Noche/anual
127,2 d 131,2 b 117,9 e 138,1 a 129,0 c 0,0005
Sumatoria Temperatura Oscilación/anual
130,5 bc 127,9 cd 135,1 a 133,1 ab 125,5 d 0,0005
Medias con distintas letras en una misma fila son significativamente diferentes. Test de Tukey HSD (P< 0,05).
69
En relación al comportamiento térmico, el Cuadro Nº6 muestra que la sumatoria de la
temperatura nocturna anual es la única variable que presenta diferencias significativas en todos los
años, respecto de los otros dos parámetros térmicos. Por otro lado, se destaca que los menores
valores térmicos para la condición horaria día y noche, ocurrieron durante el evento climático La Niña
(2007), con lo cual este año también presenta el valor más alto para la sumatoria de la temperatura
oscilación anual.
Durante el horizonte de la investigación (cinco años), no se observaron patrones en común
entre la pluviometría y cada una de las variables térmicas. Es así que durante el año de mayor
precipitación (2005), se obtuvo el segundo nivel más bajo de acumulación térmica de noche (127,2
°C); mientras que en el año 2008, con el segundo menor registro de precipitación, se alcanzó la mayor
suma térmica de los cinco años de estudio.
En el Cuadro Nº7 se puede observar el comportamiento de la producción y los parámetros de
calidad durante el período comprendido en el presente estudio (2006-2010). En producción se
observan dos (2) grupos: uno con diferencias significativas en sus niveles de producción siendo el año
2007 el de mayor producción con 19.359,6 kg/ha y el año 2010 el de menor producción con 10.410,2
kg/ha; y un segundo grupo conformado por los años 2006, 2008 y 2009, se observa una producción
media cercana a los 15.000 Kg/ha.
En el caso del parámetro de madurez alcohol probable (AP), se observan valores homogéneos
que no presentan diferencia significativa en relación al año, destacándose el año 2008 donde se
alcanzó el mayor valor (12,5), mientras que el menor valor se presenta en el año 2007 (11,1). En
relación a la acidez total, se obtuvieron tres categorías similares en este parámetro enológico, sin
diferencias significativas para cada uno de ellos. Los mayores valores se obtuvieron en los años 2008
y 2007 con 4,0 y 3,8; respectivamente. En la situación intermedia de valores de acidez total se
representaron en el año 2010 y el año 2009, mientras que el menor valor correspondió al año 2006
(Cuadro Nº7).
70
Cuadro Nº7: Valores medios de producción, parámetros de calidad y expresión vegetativa, en condición productiva sin riego.
Variables
Año
2006 2007 2008 2009 2010 Valor_p
Producción (Kg/ha) 15.776 ab 19.359 a 15.120,8 ab 14.693,8 ab 10.410,2 b 0,0010
Alcohol Probable (AP) 11,6 b 11,1 d 12,5 a 11,5 bc 11,3 cd 0,0005
Acidez Total (AT) 3,1 c 3,8 a 4,0 a 3,4 b 3,5 b 0,0005
Grados Brix (°B) 21,4 b s/i 22,7 a 21,9 b 20,1 c 0,0005
pH 3,4 a 3,3 b 3,2 bc 3,0 d 3,1 dc 0,0005
Expresión Vegetativa (SAVI 01)
0,9 a 0,9 ab 0,83 c 0,82 c 0,87 b 0,0005
Expresión Vegetativa (SAVI 49)
0,84 ab 0,86 a 0,73 d 0,76 c 0,82 b 0,0005
Medias con distintas letras en una misma fila son significativamente diferentes.Test de Tukey HSD (P< 0,05) (s/i: sin información)
En el caso de la concentración de sólidos solubles expresados en grados Brix, se puede
señalar que en el año 2008 se obtuvo el valor más alto con 22,7 de grados Brix, mientras que el menor
valor registrado correspondió al año 2010 con 20, 1. En los años 2006 y 2009 se presenta una
condición intermedia con valores de 21,4 y 21,9, respectivamente.
Durante los cinco años estudiados, el pH presentó una mayor homogeneidad entre los
registros a través de los años. Sólo en el año 2006 donde se presentó independencia (3,4) en relación
a los valores obtenidos en los otros años. Los grupos homogéneos que no presentaron diferencias
significativas entre ellos, están conformados por los años 2007-2008, 2008-2010 y 2010-2009.
Con respecto a la actividad vegetativa, expresada a través del índice SAVI 01 (período del 01
al 15 de enero), los registros se agrupan en tres niveles de índices (a, b, c), donde los mayores valores
se alcanzan en los años 2006 y 2007, con índices de 0,9 y 0,82, respectivamente, siendo este último
un valor transicional entre el nivel alto a intermedio de los índices SAVI. Los valores más bajos sin
diferencias significativas, correspondieron a los años 2008 y 2009 con valores 0,83 y 0,82,
respectivamente. En el caso del SAVI 49 (período del 15 al 28 de febrero), se identificaron 4 grupos
homogéneos (a,b,c,d), donde el año 2008 obtuvo el valor más bajo (0,73), mientras que el más alto se
registra en el año 2007 (0,86). Existen dos períodos transicionales, sin diferencias significativas,
71
ocurridos en el período 2007 - 2006 y en el 2006 y 2010. En términos generales, se observó la
tendencia entre mayores o menores valores del índice con mayores o menores valores de
pluviometría, respectivamente.
Al integrar las principales variables, tales como temperatura, precipitación y actividad
vegetativa del cultivo, se puede sostener una clara relación entre la disminución de las precipitaciones
del invierno anterior y la baja en la actividad vegetativa del cultivo de la vid en la próxima temporada;
lo que a su vez se afecta negativamente los niveles de producción, al decaer los niveles de Kg/ha de
uva producidas (Figura Nº8).
Además, se puede observar una relación inversa entre las dos variables climáticas; es decir a
medida que disminuyen los niveles de precipitaciones, se presenta un aumento en la oscilación
térmica, lo que demuestra una mayor fluctuación térmica de las temperaturas día y noche,
especialmente durante el año 2007, relacionado con el evento La Niña.
Figura N°8: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la vid, en
sistema productivo sin riego.
0
20
40
60
80
100
120
140
160
2004 2005 2006 2007 2008 2009 2010 2011
precipitación(cm)
producción(ton/ha)
savi01(%)
savi49(%)
oscilación térmica(°c)
Alcohol Probable(°)
Acidez Total(°)
Grados Brix(°B)
pH
Sistema Productivo sin Riego
72
Al relacionar producción y parámetros de madurez, no se observó un patrón común que
permitiera vincular claramente el comportamiento de un tipo de variable en relación a la otra. Distinta
situación sucede al relacionar dichos parámetros con las variables climáticas. Para una mejor
compresión del efecto que provoca una variable climática sobre los parámetros de productividad
(producción y madurez), se debe analizar los niveles de la variable climática del año anterior en
relación al indicador de productividad que se esté relacionando, esto queda representado en el Figura
Nº9, en el cual se desplazaron las variables climáticas a la temporada precedente como una forma de
tener una mejor representación de la influencia de las variables en relación a los resultados de
productividad (ajustado). Con este nuevo ordenamiento de análisis se desprende claramente las
interconexiones entre las condiciones medio ambientales representadas por las variables climáticas y
el comportamiento de la productividad en el cultivo de la vid en el sistema sin riego.
Figura N°9: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la
vid, en sistema productivo sin riego, año ajustado.
En producción se observó una cierta tendencia que relaciona los menores valores de uva
cosechada (kg/ha), con los años de menores precipitaciones, aunque no necesariamente se mantuvo
un orden de proporcionalidad entre los niveles de precipitación y producción. Se destaca la situación
0
20
40
60
80
100
120
140
160
2005 2006 2007 2008 2009 2010 2011
precipitación(cm)
producción(ton/ha)
savi01(%)
savi49(%)
oscilación térmica(°c)
Alcohol Probable(°)
Acidez Total(°)
Grados Brix(°B)
pH
Sistema Productivo sin Riego, año ajustado
73
particular del año 2006 al obtener una producción intermedia con el mayor valor de precipitación en el
periodo de estudio. Lo anterior es coincidente a lo señalado por Matthews y Anderson (1989), Ponti et
al. (1994), Patakas (1997) y Ferreyra y Selles (2007) en relación a que los niveles de producción están
relacionados con la cantidad de biomasa que se logra producir a partir del potencial crecimiento del
fruto. Una baja disponibilidad hídrica hasta cierto nivel, disminuirá el potencial productivo propio de la
especie o variedad, pero favorecerá la concentración de compuestos químicos propios para la
elaboración del vino.
En el caso de la vinculación entre los indicadores de madurez y los niveles de precipitaciones,
se infiere algún grado de asociación entre ambos parámetros. Es así que los mayores valores de los
indicadores de madurez tales como alcohol probable (AP), acidez total (AT) y grados Brix (BX) se
alcanzaron durante el año 2008, asociado al menor nivel de precipitación acumulada en los meses de
junio a agosto del año anterior (2007), identificándose una tendencia a encontrar valores altos de estos
parámetros a medida que disminuyen las precipitaciones. En el caso particular del pH, se observó un
patrón opuesto al descrito anteriormente, es decir, un aumento de los valores de pH a medida que
aumentan los niveles de precipitación. Se destaca que en el año 2006 se obtuvo el mayor valor de pH,
dentro del rango de precipitaciones de mayor registro. Estas tendencias se observan con mayor
claridad en el Figura Nº10, en el cual se desprende la influencia del déficit hídrico provocado por el
evento climático La Niña (2007) sobre el repunte de los valores de alcohol probable (AP), acidez total
(AT) y grados Brix (BX), en relación a los otros cuatro años. En cambio el pH se comportó inversamente
a los otros tres (3) índices de madurez, al presentar una leve disminución en su valor durante la
ocurrencia del evento La Niña.
74
Figura N°10: Análisis integral de los índices de madurez en el sistema productivo sin riego, año ajustado.
Los resultados obtenidos con respecto al aumento en la concentración de sólidos solubles
(azúcares) y por ende de alcohol probable, son coincidentes con lo observado por Matthews y
Anderson (1988 y 1989), Ginestar et al. (1998a), Smithyman et al. (2001), Ferreyra et al. (2002), Ortega
et al, (2007), Girona et al. (2009) y Acevedo et al. (2010). Las discrepancias se presentaron en relación
a los parámetros de acidez total y pH, al observarse un mayor nivel de acidez en el año de menor
precipitación; mientras que la mayor concentración de pH se identificó en el año de mayor
precipitación. Tales diferencias pueden responder a lo señalado por Choné et al. (2001), en cuanto a
que existen distintas respuestas fisiológicas de adecuación a las deficiencias hídricas, indicando
distintos niveles hídricos internos de la planta frente a similares condiciones de humedad en el suelo.
Con respecto a la asociación de las variables de suma térmica con los parámetros de madurez
de la uva (4) y expresión vegetativa, se observó un patrón que permite la asociación entre ambos
parámetros durante los cinco años de estudio, en el cual se observaron los mayores de los índices de
alcohol probable (AP), acidez total (AT) y grados Brix (BX) y el más bajo para el parámetro pH en el
año donde existió la mayor oscilación térmica (Figura Nº10).
0
5
10
15
20
25
2005 2006 2007 2008 2009 2010 2011
Alcohol Probable (°)
Acidez Total (°)
Grados Brix (°B)
pH
Sistema Productivo sin Riego, año ajustado
75
Al establecer relaciones con respecto al comportamiento del índice de actividad vegetacional
(SAVI) y los parámetros de productividad (producción y índices de madurez), se desprende que en los
tres años donde se registraron los menores valores del índice vegetacional, se obtuvieron las tres
menores producciones. Dicha situación se aprecia con mayor claridad en el índice registrado del 15 al
28 de febrero (Cuadro N°7), donde los niveles de producción más bajos se produjeron con el menor
valor del índice. Tal relación se puede observar con mayor claridad en el Figura Nº9, donde los
menores valores de producción se originaron en los más bajos índices de este parámetro
Con respecto a la vinculación entre expresión vegetativa y parámetros de madurez, se puede
establecer una tendencia clara entre ambos, donde a menor valor de SAVI, mayor valor de los índices
de alcohol probable (AP), acidez total (AT) y grados Brix (BX), y menor de pH; especialmente durante
el año 2008, que obtuvo los mayores valores de los tres primeros índices de madurez mencionados
anteriormente (Figura Nº9).
En términos generales, las mayores diferencias significativas en los registros de madurez y
expresión vegetativa, se observaron sólo en el año 2008 por sobre los demás años. Dicha
particularidad es asociable a los bajos niveles de precipitaciones alcanzado en el invierno del año
anterior (2007), provocado por la influencia del evento climático La Niña, cuyos déficit en relación al
año subsiguiente de menor valor (2008) es del 22,9% y del 118,1% de disminución en relación al año
con mayor pluviometría (año 2005).
En el caso particular del índice SAVI, los registros considerados en el ANDEVA
correspondieron a los períodos 01 a 15 de enero y 15 al 28 de febrero para los cinco años de
evaluación, abarcando la totalidad del comportamiento vegetativo del cultivo a contar de los datos
disponibles. La reducción en el número de registros de esta variable respondió a una redundancia de
la misma, al no existir diferencias de importancia entre los coeficientes de la matriz de correlación para
la primera componente de los cuatro registros en los cincos años evaluados.
76
5.3.2. Análisis Comparación Múltiple Muestra para la Condición Productiva con Riego
Al analizar los niveles de precipitaciones en las locaciones bajo la condición con riego, se
puede sostener que al igual que en la condición sin riego, se presentan diferencias significativas entre
los años, donde la menor pluviometría se alcanzó en el año 2007 con 281,0 mm de precipitación media
y el de mayor cuantía en el año 2005 con 617,1 mm de media; ambos medidos en el periodo junio a
agosto de cada año. En relación a las sumas térmicas anuales (3), éstas presentaron homogeneidad
en los valores alcanzados durante el período de estudio (5 años). Se destaca que los valores más
altos fueron 286,4 ºC para la suma de la temperatura media diaria anual y de 137,4 ºC para la de
noche, durante el año 2008. En cambio, el registro más bajo se obtuvo durante el año 2007, con
valores de 267,6ºC y 117,7ºC para la suma térmica de día y noche, respectivamente (Cuadro Nº8).
Los detalles de los análisis se encuentran en el Anexo N°12.
Al establecer asociación entre las precipitaciones y las variables de suma térmica (3), se
puede determinar que los menores valores de estas últimas variables (3) se alcanzaron durante las
menores precipitaciones acontecidas durante el año 2007 (Cuadro Nº8). Al asociar las tres variables
térmicas con la precipitación en el horizonte de tiempo del estudio, no se observó un patrón en común
que permitiera concluir una tendencia o comportamiento entre ambas variables climáticas.
En el análisis de los parámetros de producción y parámetros de madurez (4) para la condición
con riego, se puede identificar una homogeneidad en los niveles de producción en cuatro de los cinco
años de evaluación, al no detectar diferencias significativas en las producciones de los años 2006,
2007, 2008 y 2010; sólo el año 2009 difiere al alcanzar una producción de 16.920,4 Kg/ha (Cuadro
Nº9). En relación a los parámetros de madurez, tales como, alcohol probable, acidez total y grados
Brix, sólo en el año 2008 se presentó una situación particular, al existir un repunte en los valores
homogéneos que se observaron para los otros cuatros años (Figura Nº11).
77
Cuadro N°8: Valores medios de las principales variables climáticas en condición productiva con riego.
Variables
Año
2005 2006 2007 2008 2009 Valor _p
Sumatoria Precipitación meses Junio a Agosto
617,1 a 527,7 b 281,0 e 357,0 d 375,3 c 0,0005
Sumatoria Temperatura Diaria/anual
271,7 bc 272,1 b 267,6 d 286,4 a 268,9 cd 0,0005
Sumatoria Temperatura Noche/anual
126,0 c 130,4 b 117,7 d 137,4 a 129,0 b 0,0005
Sumatoria Temperatura Oscilación/anual
139,7 b 135,4 c 143,7 a 143,3 a 134,8 c 0,0005
Medias con distintas letras en una misma fila son significativamente diferentes. Test de Tukey HSD (P< 0,05).
En el caso particular del alcohol probable, los años 2008 y 2010 presentaron los mayores
valores sin existir diferencias significativas entre ambos registros (12,2 y 12,0, respectivamente). Igual
comportamiento se observó entre los años 2006, 2007 y 2009 para este parámetro de madurez
(Cuadro Nº9). En el caso del parámetro acidez total se identificaron tres (3) grupos homogéneo sin
diferencias significativas entre ellos. Se destaca los años 2008 y 2010 al alcanzar los valores más
altos de este indicador, con valores de 4,3 y 4,2, respectivamente. Para los niveles de grados Brix
alcanzados, se presentaron tres (3) grupos homogéneos representados por los años 2008-2006, 2006-
2009 y 2009-2010. Con respecto al pH, éste se presentó como el parámetro de madurez con mayor
homogeneidad en relación al período estudiado, existiendo cuatro años sin diferencias significativas
en sus valores (2006, 2007, 2008 y 2010) (Cuadro Nº9).
Con respecto a las medidas de la actividad vegetativa del cultivo (SAVI), al comparar ambos
parámetros, se desprende que los mayores valores están registrados en el índice SAVI 01 (del 01 al
15 de enero) (Cuadro Nº9). Por otro lado, en ambos índices se observa la tendencia de encontrar los
valores más bajo en los años 2008, 2009 y 2010 (menores precipitaciones); mientras que valores más
altos se registraron en los años 2006 y 2007 (mayor precipitación) (Figura Nº11).
78
Cuadro N°9: Valores medios de producción, parámetros de calidad y expresión vegetativa, en condición productiva con riego.
Variables
Años
2006 2007 2008 2009 2010 Valor _p
Producción (Kg/ha) 12.648,6 b 12.448,8 b 12.119,1 b 16.920,4 a 10.596,9 b 0,0008
Alcohol Probable (AP) 11,5 b 11,2 b 12,2 a 11,3 b 12,0 a 0,0005
Acidez Total (AT) 3,7 c 4,1 ab 4,3 a 3,7 bc 4,2 a 0,0005
Grados Brix (°B) 21,4 ab s/i 21,8 a 21,0 bc 20,6 c 0,0005
pH 3,4 a 3,3 b 3,2 b 3,2 b 3,2 b 0,0005
Expresión Vegetativa (SAVI 01)
1,1 a 1,0 ab 0,9 c 0,9 c 0,97 bc 0,0005
Expresión Vegetativa (SAVI 49)
0,98 ab 1,0 a 0,91 c 0,9 c 0,97 b 0,0005
Medias con distintas letras en una misma fila son significativamente diferentes. Test de Tukey HSD (P< 0,05). s/i: sin información
Figura N°11: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la vid en el sistema productivo con riego.
0
20
40
60
80
100
120
140
160
2004 2005 2006 2007 2008 2009 2010 2011
precipitación(cm)
producción(ton/ha)
savi01(%)
savi49(%)
oscilación térmica(°c)
Alcohol Probable(°)
Acidez Total(°)
Grados Brix(°B)
pH
Sistema Productivo con Riego
79
Al vincular los parámetros productivos (producción y madurez), en relación a las variables
climáticas, se puede sostener que en términos generales se observa una tendencia a tener valores
más homogéneos en ambos parámetros de productividad en los cinco años de análisis. Esto se
observa más claramente al analizar la Figura Nº12, en la cual se realizó igual tratamiento que en la
situación sin riego, desplazando la temporalidad de la ocurrencia del evento climático en relación al
momento del registro de productividad o temporada siguiente (año ajustado). Esta figura permite
apreciar con mayor claridad que a pesar de existir fluctuaciones en las precipitaciones durante los
cinco años de evaluación, existe una tendencia más homogénea en los valores de producción,
exceptuando lo registrado durante el año 2009 al considerarse como un valor atípico asociado a
posibles problemas de precio de la uva alcanzados en la temporada anterior. Es así que existieron
fluctuaciones en los precios de la uva durante el período de estudio, provocando medidas de manejo
que controlan la carga frutal (producción) al año siguiente, dependiendo del precio logrado en la
temporada. De esta forma, la mayor producción del año 2009, está asociada al mejor precio de la uva
del año 2008 de las últimas tres temporadas (Anexo Nº13). La forma de controlar la capacidad
productiva de la próxima temporada es por medio de la poda, cuyo nivel de intensidad en el número
de yemas por planta (alargamiento o aumento en el número de cargadores), podrá estar determinada
por el resultado económico del año anterior, situación que influirá en el resultado final de la cantidad
cosechada. Además, es de importancia considerar posibles restricciones (alza térmica) o aportes
(precipitaciones primavera - verano) en períodos más sensibles de la planta, tales como floración y
fecundación, incidiendo directamente en la producción. Cabe recordar que los estados fenológicos de
mayor consumo hídrico por la planta se presentan durante cuaja-pinta y pinta-fines de cosecha con
un 42% y 45%, respectivamente (Ortega, 1999).
Similar situación de homogeneidad se observó en los valores de los parámetros de madurez
en relación al horizonte del estudio. Esta tendencia se puede apreciar con mayor precisión en la Figura
Nº13, donde cada uno de los registros de los cuatro índices de madurez, presentan valores similares,
que gráficamente se observan como curvas aplanadas en los cinco años del estudio. Es el año 2008
donde se observan variaciones más pronunciadas de la tendencia general que experimenta estos
parámetros en los otros cuatro años restantes. Esta fluctuación se asocia a los efectos del evento
climático La Niña ocurridos en el invierno de la temporada anterior (2007).
80
En relación al índice de actividad vegetacional, no se observaron mayores diferencias entre
sus valores durante los años del estudio, presentando de similar comportamiento las curvas que se
grafican en el Figura Nº12. Los años que presentaron los menores valores del índice vegetacional
correspondieron a los ocurridos durante y posterior al evento climático La Niña (años 2008-2009).
Figura N°12: Análisis integral entre variables climáticas y actividad vegetacional en relación a los niveles de producción e índices de madurez de la vid, en
sistema productivo con riego, año corrido.
Con respecto a las fluctuaciones de las variables de oscilación térmica, no se observa una
relación con respecto a los parámetros de madurez (alcohol probable, acidez total y grados Brix),
debido a la homogeneidad de los valores de estos tres índices de madurez. Dicha tendencia se
observa claramente en cuatro de los cinco años que involucra el estudio (Figura Nº12). La variación
de dicha tendencia se observa en el año 2008, debido a los efectos que ejerció el evento climático La
Niña (2007), donde los tres índices presentaron un alza en sus valores de registro (Figura N°13).
0
20
40
60
80
100
120
140
160
2005 2006 2007 2008 2009 2010 2011
precipitación(cm)
producción(ton/ha)
savi01(%)
savi49(%)
oscilación térmica(°c)
Alcohol Probable(°)
Acidez Total(°)
Grados Brix(°B)
pH
Sistema Productivo con Riego, año ajustado
81
Al establecer vinculación entre la expresión vegetativa (SAVI) y las variables térmicas, se
observa un patrón de vinculación entre los menores valores de expresiones vegetativas (SAVI 01 y 49
año 2009) con los mayores valores de la suma térmica de día y noche del año 2008.
Figura N°13: Análisis integral de los índices de madurez en el sistema productivo sin riego, año corrido.
En cuanto a la relación del índice de actividad vegetacional (SAVI) y los parámetros de
madurez de la uva, se puede ratificar según Figura Nº12, que las fluctuación de los valores de los
parámetros de madurez (alcohol probable, acidez total y grados Brix) se presentaron al mismo tiempo
cuando se presentó el cambio en el comportamiento de la actividad vegetacional del cultivo de la vid,
lo cual a su vez se debe a los efectos de las condiciones climáticas de la temporada anterior. En el
caso particular del pH, éste presentó un comportamiento inverso a los otros tres índices, al observarse
un menor valor para dicho periodo particular de las condiciones de la vegetación en el cultivo.
Al establecer la comparación entre los sistemas productivos con y sin riego, se puede sostener
que existen similares comportamientos en la mayoría de las variables como en parámetros
0
5
10
15
20
25
2005 2006 2007 2008 2009 2010 2011
Alcohol Probable (°)
Acidez Total (°)
Grados Brix (°B)
pH
Sistema Productivo con Riego, año ajustado
82
productivos, pero con diferencias en las magnitudes de los valores registrados. Es así que en el caso
de la condición con riego, se presentaron mayores niveles de oscilación térmica en relación a la
condición sin riego. Igual situación se observa en relación los valores de registros de los índices de
actividad vegetacional, donde para la situación sin riego se presentan mayores fluctuaciones de los
valores del índice, especialmente en la temporada de ocurrencia del evento climático La Niña (Figura
Nº14).
En relación al comportamiento pluviométrico, se presentó similar comportamiento en ambos
sistemas productivos, sin observar diferencias en los registros de las precipitaciones en el área de
estudio, descartando la influencia de esta variable sobre los resultados de productividad (Figura Nº
14).
Al analizar comparativamente los índices de madurez, se puede sostener que el sistema
productivo sin riego, presenta un leve aumento de los valores de registro para los sólidos solubles
medidos a partir de los grados Brix (ºB), especialmente por efecto del evento climático La Niña. En
cambio la condición con riego presenta comportamiento más homogéneo en el período de estudio,
pero igualmente influenciado por el evento climático La Niña, sólo que de menor magnitud. En el caso
del Alcohol Probable (AP), la mayor diferencia se observa en la temporada posterior a los efectos de
una sequía (2007) (Figura Nº14).
Para el índice de Acidez Total (AT), se presenta un leve aumento de su valor en la condición
con riego, especialmente en la temporada donde se manifiestan los efectos de las escasas
precipitaciones (2008). Por último el pH, es el índice que manifestó una disminución en su registro en
la temporada que se expresa la disminución drástica de las precipitaciones (Figura Nº14).
83
Figura Nº14: Comparación entre los sistemas productivos con y sin riego, en relación a las variables y parámetros productivos.
0
20
40
60
80
100
120
140
160
2005 2006 2007 2008 2009 2010 2011
Sistema Productivocon Riego, año corrido
0
20
40
60
80
100
120
140
160
2004 2006 2008 2010 2012
precipitación(cm)
producción(ton/ha)
savi01(%)
savi49(%)
oscilación térmica(°c)
Alcohol Probable(°)
Acidez Total(°)
Grados Brix(°B)
pH
Sistema Productivocon Riego, año corrido
84
VI. CONCLUSIONES
De acuerdo a los resultados obtenidos en el estudio, se plantean las siguientes conclusiones:
- Las variables climáticas de acumulación térmica anual, precipitaciones acumuladas de los meses de
junio a agosto, y condición del cultivo representada por el índice de actividad vegetacional (SAVI) y
año de plantación, presentaron un alto nivel de correlación en relación a las otras variables, para
ambos condiciones productivas (con y sin riego).
- Las variables de densidad de plantación, retención de humedad y pendiente, presentaron valores de
baja significancia, por lo que no son consideradas como variables de relevancia para el sistema
productivo sin riego. Para el sistema productivo con riego, dichas variables presentaron valores de
significancia en años puntuales, durante o después de la ocurrencia del evento climático La Niña. En
el caso de la variable orientación, ésta no fue determinante para ambos sistemas productivos (con y
sin riego).
- El evento climático La Niña es el elemento diferenciador sobre las variables climáticas de
precipitación y suma térmica, en relación a los niveles alcanzados por estas variables en comparación
a otros períodos (años) que abarca el presente estudio. La modificación en el patrón de selección
como de la secuencia en la fecha de registro para las variables climáticas ocurren durante o
inmediatamente después del evento climático La Niña.
- La actividad vegetacional del cultivo de la vid, está determinada por las condiciones que presentan
las variables climáticas en cada temporada, donde bajas concentraciones de precipitaciones afectan
la disponibilidad de agua en el suelo, imposibilitando a la planta el poder satisfacer sus demandas
hídricas; especialmente en la temporada de mayor demanda de evapotranspiración del cultivo,
afectando negativamente la expresión vegetativa de la vid. En cambio, frente a mayores oscilaciones
de temperatura día – noche, se desarrollo una menor capacidad de expresión vegetativa del cultivo.
Ambas situaciones se vieron acentuadas durante la ocurrencia del evento climático La Niña; para
ambas condiciones de sistema de producción (con y sin riego).
85
- La presencia o suministro de agua de riego en el cultivo, permite homogeneizar la capacidad
vegetativa del cultivo durante la temporada, al presentar valores relativamente constante durante la
temporada; en cambio para la condición de secano, los mayores valores de esta variable se obtienen
temprano en la temporada, para declinar a medida que avanza el desarrollo del cultivo. Además, en
esta última condición productiva se observa una mayor vulnerabilidad del cultivo frente a situaciones
de escasez hídrica por efectos de la disminución de las precipitaciones, al presentar fluctuaciones con
mayores variaciones de la expresión vegetativa en relación a la condición con riego.
- Las mayores oscilaciones térmicas observadas en el período de estudio, coincidieron con los
menores valores de expresión vegetativa, para ambas condiciones productivas; pero las fluctuaciones
de dicha variable climática afectan mayormente la actividad vegetativa del cultivo en la condición de
secano, especialmente cuando se manifestó el evento climático La Niña.
- En términos generales, los valores de los registros de las variables climáticas presentaron igual
comportamiento, independiente de la condición productiva con o sin riego, pero cuya magnitud o
intensidad de dichos valores son mayores en la condición con riego, especialmente en la variable
térmica; la cual es atenuada por el efecto del aporte de agua por los sistemas de irrigación artificial
(riego), permitiendo alcanzar mayores valores de actividad vegetativa.
- Existe la tendencia de encontrar los mayores valores de los índices de madurez de la uva, durante
los años de menor registro de las precipitaciones, con un leve aumento de los valores de registro en
el caso de la condición productiva sin riego, especialmente en el índice de grados Brix y Alcohol
Probable. En el caso particular de los registros de pH, éstos mantuvieron valores relativamente
constantes, independiente de la condición de la temporada y sistema productivo (con o sin riego).
- En la condición sin riego, se observa una tendencia de proporcionalidad entre los valores de la
actividad vegetativa y los niveles de producción; situación que no es observable en la condición
productiva con riego.
86
- Para una mejor compresión de los efectos del evento La Niña, es fundamental ampliar el estudio
incluyendo otros años de ocurrencia de este fenómeno climático, para contrastar los distintos niveles
alcanzados tanto de las variables climáticas como de los parámetros de productividad, dimensionando
probables escenarios en la eventualidad de existir continuidad en la ocurrencia de este fenómeno
climático en la Región del Maule.
87
VII. BIBLIOGRAFÍA
Abdón, L.; Meza, F. 2008. Cambio climático: consecuencias y desafíos para Chile. Centro interdisciplinario de Cambio Global. Pontificia Universidad Católica de Chile, Vicerrectoría de Comunicaciones y Asuntos Públicos. Santiago, Chile. Año 3 N°19. 18 p.
Aceituno, P. 1988. On the Functioning of the Southern Oscillation in the South American Sector. Part I: Surface Climate. Monthly Weather Review. 116. 505-524. Achondo, B. 2007. Síntesis sobre cambio climático. Informe N°1 panorama general. Ambiente y Desarrollo 23 (2):53-60.
Acevedo, C.; Ortega, S.; Hidalgo, C.; Moreno, Y.; Córdova, F. 2005. Efecto de diferentes niveles de agua aplicada en poscuaja y en pospinta sobre la calidad del vino cv. Cabernet sauvignon. Agricultura Técnica. 65 (4): 397- 410. Acevedo, C.; Ortega, S.; Fuentes, S. 2010. Effects of grapevine (Vitis vinífera L.) water status on water consumption, vegetative growth and quality: An irrigation scheduling application to achieve regulated deficit irrigation. Agricultural Water Management 97:956-964. Andrade, C. 1991. Notas vitivinícolas sobre el secano interior de las regiones del Maule y Bio Bio. In Cuarta jornada vitivinícola asociación nacional de ingenieros agrónomos enólogos. Santiago, Chile. Fundación Chile, Departamento Agroindustria. p. 21-26. Amiri, M.; Fallahi, E. 2007. Influence of mineral nutrients on growth, yield, berry quality, and petiole
mineral nutrient concentrations of table grape. Journal of Plant Nutrition. 30: 463‐470.
Angell, J.K. 1981. Comparison of variations in atmospheric quantities with sea surface temperature variations in the equatorial eastern Pacific. Monthly Weather Review. 109: 230-243.
Bergqvist, J.; Dokoozlian, N.; Ebisuda, N. 2001. Sunlight exposure and temperature effects on berry growth and composition of Cabernet Sauvignon and Grenache in the Central San Joaquin Valley of
California. Am. J. Enol. Vitic. 52:1‐7.
Bravdo, B.; Hepner, Y.; Loinger, C.; Cohen, S.; Tabacman, H.; 1984. Effects of crop level on growth, yield and wine quality of yielding Carignane vineyard. Am. J. Enol. Vitic. 35:247-252. Bravdo, B.; Hepner, Y.; Loinger, C.; Cohen, S.; Tabacman, H.; 1985. Effects of irrigation and crop level on growth, yield and wine quality of Cabernet sauvignon. Am. J. Enol. Vitic. 36:132-139.
Bruttrose, M.; Hale, C.; Kliewer, W. 1971. Effect of temperature on the composition of Cabernet Sauvignon berries. Am. J. Enol. Vitic. 22:71-75.
Buttrose, M. 1970. Fruitfulness in grape‐vines: The response of different cultivars to light, temperature
and daylength. Vitis 9:121‐125.
88
Capel, J. 1999. El Niño y el sistema climático terrestre. Editorial Ariel S.A. Barcelona, España. 154 p.
CEPAL. 2009. La Economía del Cambio Climático en Chile. Santiago, Chile. Consultado 01/10/2010. Disponible en http://www.eclac.org/publicaciones/xml/8/37858/W288.pdf CIREN. 198). Manual de frutales y viñas, requerimientos de clima y suelo. Publicación 29. 69p. Contreras, M. 2001. Análisis pluviométrico de la Región del Maule en el Siglo XX. Memoria Ingeniero Agrónomo. Talca, Chile. Universidad de Talca, Facultad de Ciencias Agrarias, Escuela de Agronomía. 75 p.
Conradie, W.; Saayman, D. 1989. Effects long-term nitrogen, phosphorus and potassium fertilization of Chenin blanc vines. II. Leaf analyses and grape composition. Am. J. Enol. Vitic. 40:91-98. CONAMA.1999. Primera Comunicación Nacional bajo la Convención Marco de las Naciones Unidas. Santiago, Chile. Consultado 12/09/2010. Disponible en http://www.sinia.cl/1292/articles-40343_recurso_1.pdf CONAMA. 2006. Estudio de la variabilidad climática en Chile para el siglo XXI. Santiago, Chile. Consultado 12/10/2010. Disponible en http://www.dgf.uchile.cl/PRECIS/articles-39442_pdf_Estudio_texto.pdf CONAMA (Comisión Nacional de Medio Ambiente), ODEPA (Oficina de Estudios y Políticas Agrarias), FIA (Fundación para la Innovación Agraria). 2008a. Análisis de Vulnerabilidad del Sector Silvoagropecuario, Recursos Hídricos y Edáficos de Chile frente a Escenarios de Cambio Climático. Capítulo I, Impactos Productivos en el Sector Silvoagropecuario de Chile frente a Escenarios de Cambio Climático. Santiago de Chile. 181 p.
CONAMA (Comisión Nacional de Medio Ambiente), ODEPA (Oficina de Estudios y Políticas Agrarias), FIA (Fundación para la Innovación Agraria). 2008b. Análisis de Vulnerabilidad del Sector Silvoagropecuario, Recursos Hídricos y Edáficos de Chile frente a Escenarios de Cambio Climático. Capítulo IV, Análisis de Vulnerabilidad Silvoagropecuaria en Chile frente a Escenario de Cambio Climático. Santiago de Chile. 92 p.
Coombe, B. 1959. Fruit‐set development in seeded grape varieties as affected by defoliation, topping,
girdling, and other treatments. Am. J. Enol. Vitic. 10: 85‐100.
Coombe, B. 1962. The effect of removing leaves, flowers and shoot tips on fruit‐set in Vitis vinifera L.
Journal of Horticultural Science. 37: 1‐15
Chaves, M. Zarrouk, O.; Francisco, R.; Costa, J.; Santos, T.; Regalado, A.; Rodrigues, M.; Lopes, C. 2010. Grapevine under déficit irrigation: hints from physiological and molecular data. Annals of Botany. 105:661-676. Chapman, D.M., Matthews, M.A. y Guinard, J.X. 2004. Sensory attributes of Cabernet Sauvignon wines
made from vines with different crop yields. Am. J. Enol. Vitic. 55: 325‐334.
89
Choné, X.; Van Leeuwen, C.; Dubourdieu, D; Gaudilles. 2001. Stem water is a sensitive indicador for grapevine water. Annals of Botany. 87:447-483. Crippen, D.; Morrison, J. 1986. The effects of sun exposure on phenolic content of Cabernet Sauvignon berries during development. Am. J. Enol. Vitic. 37: 243-247. Curihuinca, J.; Piuzzi, B. 2004. Influencia de las precipitaciones en la agricultura de la zona Centro Norte de Chile, durante El Niño 1997. El Niño-La Niña 1997 – 2000 Sus efectos en Chile. Comité Oceanográfico Nacional. Valparaíso, Chile. 211-230. Dimitriadis, E.; Williams, P. 1984. The development and use of rapid analytics technique for estimation of free and potentially volatile monoterpenes flavorants of grapes. Am. J. Enol. Vitic. 35:66-71. Dokoozlian, K.; Kliewer, W. 1996. Influence of light on grape berry growth and composition varies
during development. J. Am. Soc. Hort. Sci. 121: 869‐874.
Dunn, G.; Martin. S. 2000. Do temperature conditions at budburst affect flower number in Vitis vinifera
L. cv. Cabernet Sauvignon. Australian Journal of Grape and Wine Research 6:116‐124.
Duarte, M. 2004. Determinación de umbrales del potencial hídrico del xilema en condiciones de riego deficitario controlado en vides cv. Cabernet sauvignon. Tesis de grado Magíster Horticultura, Universidad de Talca, Facultad de Ciencias Agrarias. Talca, Chile. 44 p. Egan, W. 2003. Optical Remote Sensing. Science and Technology. In Polarization and remote sensing. (en línea). New York, U.S.A. Marcel Dekker. Inc. Consultado 05/10/2010. Disponible en las base de datos Eng. net Base. Escobar, F.; Aceituno, P. 1998. Influencia del fenómeno ENSO sobre la precipitación nival en el sector andino de Chile central durante el invierno. Bull. Inst. fr. études andines. 27: 753-759. Ewart, A.; Kliewer, W. 1977. Effects of controlled day and night temperatures and nitrogen on fruit –set, ovule fertility, and fruit composition of several wine grape cultivars. Am. J. Enol. Vitic. 28: 88-95. Ferreyra, R.; Sellés, G.; Ruiz, R.; Sellés, I. 2003. Efectos del estrés hídrico aplicado en distintos períodos de desarrollo de la vid. Cv. Chardonnay en la producción y calidad del vino. Agricultura Técnica. 63: 277-286. Ferreyra, R.; Selles, G.; Peralta, J.; Burgos, L.; Valenzuela, J. 2002. Efectos de la restricción del riego en distintos períodos de desarrollo de la vid cv. Cabernet sauvignon sobre producción y calidad del vino. Agricultura Técnica. 62: 406-417. Ferreyra, F.; Selles, G. 2007. Seminario internacional. Manejo de riego y suelo en vides para vino y mesa. Acta N°39. Santiago, Chile. Consultado 28/09/2010. Disponible en http://www.inia.cl/medios/biblioteca/serieactas/NR33599.pdf
90
Freeman, B.1983. Effects of irrigation and pruning of Shiraz grapevines on subsequent red wine pigment. Am. J. Enol. Vitic. 34: 23-26. Fuenzalida, H.; Villagran, C.; Bernal, P.; Fuentes, E.; Santibañez, F.; Peña, H.; Montecino, V.; Hajek, E.; Rutllant, J. 1989. Cambio climático global y eventuales efectos en Chile. Ambiente y Desarrollo. V (2): 37-42. Fuentes, C. 2007. Zonación de regímenes hídricos mediante índices bioclimáticos de la zona comprendida entre la III y X región. Memoria de Ingeniero Agrónomo. Universidad de Chile, Facultad de Ciencias Agronómicas, Escuela de Agronomía. Santiago, Chile 62 p.
Garreaud, R.; Vuille, M.; Compagnucci, R.; Marengo, J. 2009. Presente-day south American climate. Palaeogeography, Palaeoclimatology, Palaeoecology.(281):180-195. Gil, G.; Pszczólkowski, P. 2007. Viticultura. Fundamentos para optimizar producción y calidad. Santiago, Chile. Ediciones Universidad Católica de Chile. 535 p. Ginestar, C.; Eastham, J.; Gray, S.; IIand, P. 1998a. Use of sap-flow sensor to schedule vineyard irrigation I. Effects of post veraison water deficits on water relation, vine growth, and yield of Shiraz grapevine. Am. J. Enol. Vitic. 46: 413-420. Ginestar, C.; Eastham, J.; Gray, S.; IIand, P. 1998b. Use of sap-flow sensor to schedule vineyard irrigation II. Effects of post veraison water deficits on water relations, vine growth, and yield of Shiraz grapevines. Am. J. Enol. Vitic. 49: 421-428. Girona, J.; Marsal, J.; Mata, M.; Del Campo, J.; Basile, B. 2009. Phenological sensitivity of berry growth and composition of Tempranillo grapevine (Vitis vinfera L.) to water stress. Australian Journal of Grapevine and Wine Research. 15: 268-277. González, P. 2011. Cambios Climáticos de Corto y Largo Plazo Generan Sequía en la Región del Maule. (en línea). Osorno. Chile. Consultado el 03/01/2012. Disponible en http://www.aprchile.cl/index.php/articulos-de-aprchile/ecoenergias/1662-cambios-climaticos-de-corto-y-largo-plazo-generan-sequias-en-la-region-del-maule González, P. 2004a. Comportamiento de las horas-frío, grados-día, heladas y precipitaciones en los agroecosistemas de la región del Maule durante los eventos El Niño 1997 y La Niña 1998-1999. El Niño-La Niña 1997 – 2000. Sus efectos en Chile. Comité Oceanográfico Nacional. Valparaíso, Chile. 231-252. González, P. 2004b. Impactos agroclimáticos de los eventos El Niño-Oscilación Sur 1997 y La Nina 1998-1999 en las áreas frutícolas de la región del Maule, Chile (35° lat. Sur). Terra Australis, Revista Geográfica de Chile, Instituto Geográfico Militar. (50):141- 171. Glantz, M. 1996. Currents of Change. El Niño´s Impacts on climate and society. In biographic of El Niño. EEUU. Edition Cambridge University Press. p 33-42.
91
Guidoni, S.; Allara, P.; Schubert, A. 2002. Effect of cluster thinning on berry skin anthocyanin
composition of Vitis vinifera cv. Nebbiolo. Am. J. Enol. Vitic. 53:224‐226.
Gurovich, L.; Páez, L. 2004. Influencia del riego deficitario controlado sobre el desarrollo de las bayas y la composición química de los mostos y vinos. Ciencia e Investigación Agraria. 31:175-186. Hall, A.; Lamb, D.; Holzapfel, B.; Louis, J. 2002. Optical remote sensing applications in viticulture-a review. Australian Journal of Grape and Wine Research. 8: 36-47. Hall, A.; Louis, J.; Lamb, D. 2008. Low-resolution remotely sensed images of winegrape vineyards map spatial variability in planimetric canopy area instead of leaf area index. Australian Journal of Grape and Wine Research. 14: 9-17. Hair,J.F.; Anderson, R.E.; Tatham, R.L.;Black, W.C. 2004. Análisis Multivariante. 5ta. Ed. Madrid España. Prentice Hall Iberia. 832 p. Hardle, W.; Considine, J. 1976. Response of grapes to water-deficit stress in particular stages of developement. Am. J. Enol. Vitic. 27: 55-61. Hajek, E; Di Castri, F. 1975. Bioclimatografía de Chile. Editorial Universidad Católica de Chile. Consultado 31/08/2010. Disponible en http://www.ecolyma.cl/documentos/bioclimatografia_de_chile.pdf Haylock, M.; Peterson, T.; Alves, L.; Ambrizzi, T.; Anunciação, Y.; Baez,J.; Barros, V.; Berlato, M.; Bidegain, M.; Coronel, G.; Corradi, V.; Garcia, V.; Grimm, A., Karoly, D.; Marengo, J.; Marino, M.; Moncunill, D.; Nechet, D.; Quintana, E.; Rebello, E.; Rusticucci, M.; Santos, J; Trebejo, I.; Vincent L. 2006. Trends in Total and Extreme South American Rainfall in 1.960-2.000 and link with Sea Surface Temparature. Journal of Climate 19:1490-1512. Haselgrove, L.; Botting, D.; van Heeswijck R.; Hoj, P.; Dry, P.; Ford, C; Lland, P. 2000. Canopy microclimate and berry composition: the effect of bunch exposure on the phenolic composition of Vitis
vinifera L. cv. Shiraz grape berries. Australian Journal of Grape and Wine Research. 6:141‐149.
Hepner, Y.; Bravdo, B.; Loinger, C.; Cohen, S.; Tabacman, H. 1985. Effect of drip irrigation schedule on growth yield must composition and wine quality of Cabernet sauvignon. Am.J. Enol. Vitic., 36: 77-85. Hopkins, J.; Shaw, A.; Challenor, P. 2010. The southland front New Zealand: Variability and ENSO correlations. Continental Shelf Research 30: 1535 – 1548. Hunter, J.; De Villers, O.; Watts, J. 1991. The effects of partial defoliation on quality characteristics of Vitis vinifera L. cv. Cabernet Sauvignon grapes. II. Skin sugar, and wine quality. Am. J. Enol. Vitic. 42:13-18. IPCC (Panel Intergubernamental de Cambio Climático). 2007. Cuarto Informe de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático 2007.Ginebra, Suiza. 104 p.
92
INIA (Instituto Nacional Investigación Agropecuaria). 2004. Frutales: Especies con potencial en el secano interior. Chillán, Chile. 149 p. (Colección libros INIA N°24). INIA (Instituto Nacional Investigación Agropecuaria). 2008. Diagnóstico nutricional y principios de fertilización en frutales y vides. Chillán, Chile. 296 p. (Boletín INIA N°120). INIA (Instituto Nacional Investigación Agropecuaria), FIA (Fundación para la Innovación Agraria). 2009. Estudio sobre impacto, vulnerabilidad y adaptación al cambio climático en dos zonas agroclimáticas del sector silvoagropecuario de Chile. Chillán, Chile. 36 p. Jackson, D.; Schuster, D. 2007. The production of grapes and wine in cool climate. Reprinted. Wellington, New Zealand. Dunmore Publishing Ltd. 194 p.
Jacques, M. 2009. Caracterización del salto climático de mediados de los 1970s en sudamérica. (en línea). Tesis grado de Magíster en Ciencias, mención Geofísica. Chile. Universidad de Chile, Facultad de Ciencias Físicas y Matemáticas, Departamento de Geofísica. 149 p. Consultado 06/08/2010. Disponible en http://www.cybertesis.uchile.cl/tesis/uchile/2009/cf-jacques_mc/html/index-frames.html Jorquera, E.; Orrego, R. 2010. Impacto del calentamiento global en la fenología de una variedad de vid cultivada en el sur de Chile. Agrociencia (44):427-435. Kabat, P., Schulze R.E., Hellmuth M.E., Veraart J.A. (editors), 2002. Coping with impacts of climate variability and climate change in water management: a scoping paper. DWC-Report no. DWCSSO-01(2002), International Secretariat of the Dialogue on Water and Climate, Wageningen. 114 p. Kaps, M.; Cahoon, G. 1992. Growth and fruiting of container-grown Seyval blanc grapevine modified of changes in crop level, leaf number and position, and light exposure. Am. J. Enol. Vitic. 43:191-199. Kang, S.; Zhang, J. 2004. Controlled alternate partial root-zone irrigation: its physiological consequences and impact on water use efficiency. Journal of Experimental Botany 55 (407):2437-2446. Consultado 15/09/2010. Disponible en base de datos Proquest Agricultural Journal. Kliewer, W.; Antcliff, A. 1970. Influence of defoliation, leaf darke-ing, and cluster shading on the growth and composition of Sultana grapes. Am. J. Enol. Vitic. 21:26-36. Kliewer, W. 1973. Berry composition of Vitis vinifera cultivars as influenced by photo-and nycto-temperatures during maturation. J. Am. Soc. Hortic. Sci. 98: 153-159. Kliewer, W.; Lider, L.; Schultz, H. 1967. Influence of artificial shading of vineyards on concentration of sugar and organic acid in grapes. Am. J. Enol. Vitic. 18:78-86. Kliewer, W.; Torres, R. 1972. Effect of controlled day and night temperatures on coloration of grapes. Am. J. Enol. Vitic. 23:71-77. Lacey, M.; Allen, M.; Harris, R.; Brown, W. 1991. Methoxypyrazines in Sauvignon blanc grapes and wine. Am. J. Enol. Vitic. 42:103-108.
93
Lavín, A.; Sotomayor, J. 1984. Riego por goteo sobre dos tipos de viñedos cv. País, en el secano interior de Cauquenes. I. Efectos sobre la producción y crecimiento de las plantas. Agricultura Técnica. 44(1): 15-20. Lavín, A. 1991. In Cuarta jornada vitivinícola asociación nacional de ingenieros agrónomos enólogos. Santiago, Chile. Fundación Chile, Departamento Agroindustria. p. 21-26. Lozano, P. 2000. Modelos de predicción de fenología y evolución de madurez en función de grados día, en cuatro cultivares de vid (Vitis vinifera L.). Tesis de Ingeniero Agrónomo. Talca, Chile. Universidad de Talca, Facultad de Ciencias Agrarias, Escuela de Agronomía. 43 p.
López, V. 2005. Respuestas fisiológicas en uva de mesa cultivar Crimson seedless sometidas a déficit hídrico. Memoria Ingeniero Agrónomo. Universidad de Chile, Facultad de Ciencias Agronómicas, Escuela de Agronomía. 69 p. Lucht, W.; Prentice, I.; Myneni, R.; Sitch, S.; Friedlingstien, P.; Cramer, W. 2002. Climatic control of the high-latitudes vegetation greening trend and Pinatubo effect. Science 296:1687-1689. Martínez, R. 1999. El Análisis Multivariante en la Investigación Científica. Madrid. Editorial La Muralla, S.A. 143 p. Matthews, M.; Anderson, M. 1988. Fruit ripening in Vitis vinifera L.: Responses to seasonal water deficits. Am. J. Enol. Vitic., Vol. 39: 313-320. Matthews, M.; Anderson, M. 1989. Reproductive development in grapevine (Vitis vinifera L); response to seasonal water deficit. Am.J.Enol.Vitic. 40: 52-60. Mattick, L.; Shaulis, N.; Moyer, J. 1972. The effect of potassium fertilization on the acid of Concord grapes juice. Am. J. Enol. Vitic. 23: 26-30. Matsui, S.; Ryugo, K.; Kliewer, W. 1986. Growth inhibition of Thompson Seedless and Napa Gamay berries by heat stress and its partial reversibility by applications of growth regulators. Am. J. Enol. Vitic. 37:67-71.
Maturana, J.; Bello, M.; Manley, M. 2004. Antecedentes históricos y descripción del fenómeno El Niño, Oscilación del Sur. El Niño-La Niña 1997 – 2000. Sus efectos en Chile. Comité Oceanográfico Nacional. Valparaíso, Chile. 13-27.
May, P.; Shaulis, N.; Antcliff, A. 1969. The effect of controlled of defoliation in the Sultana vine. Am. J. Enol. Vitic. 20:237-250. McCarthy, M.1997. The effect of trasient water deficit on berry development of cv. Shiraz. Austral. J. Grape Wine Res. 3:102-108. Mena, C. 2005. Geomática para la ordenación del territorio. In Radiación electromagnética en el espectro visible e infrarrojo. Talca Chile. Editorial Universidad de Talca. p. 36-39.
94
Montecinos, A.; Aceituno, P. 2003. Seasonality of the ENSO-Related Rainfall Variability in Central Chile and Associated Circulation Anomalies. Journal of Climate. 16:281-296. Moguillansky, G. 2006. Innovación en la industria del vino. Cepal. Naciones Unidas. Consultados 28/09/2010. Disponible en http://vinnova.cl/descargas/publicaciones/informe_innovacion_industria_vino.pdf Morris, J.; Cawthon, D. 1981. Yield and quality response of Concord grapes (vitis labrusca L.) to mechanized vine pruning. Am. J. Enol. Vitic. 32:280-282 ODEPA. Estadística de la Oficina de Estudios y Políticas Agrarias, Ministerio de Agricultura, Gobierno de Chile. Consultado 01/09/2010. Disponible en http://www.odepa.gob.cl/menu/ComercioExterior.action;jsessionid=D6C36647DD99CFF3BC7B14AFC1BBA4C9?rubro=producto&reporte=av_prod Ortega, S. 1999. Servicio de programación del riego en vides viniferas. In Seminario: Innovaciones en viticultura (1999, Talca, Chile). Centro Tecnológico de la Vid y el Vino. Facultad de Ciencias Agrarías. Universidad de Talca. P.44-59. Ortega, S.; Acevedo, C.; Duarte, M.; Moreno, Y. 2007. Sistema de programación del riego de vides para mejorar la calidad de mosto y vino. Ácta N°39. Santiago, Chile. Consultado 28/09/2010. Disponible en http://www.inia.cl/medios/biblioteca/serieactas/NR33600.pdf Ortega, S.; Righetti, T.; Sasso, F.; Acevedo, C.; Matus, F.; Moreno, Y. 2003. Manejo sitio-específico del agua de riego en vides viníferas. Simposium Internacional en Viticultura de Precisión y IX Congreso Latinoamericano de Viticultura y Enología. Santiago, Chile. Consultado 08/10/2010. Disponible en http://www.citrautalca.cl/pdf/investigacion/documentos_pdf/MANEJO_SITIO-ESPECEFICO_DEL_AGUA_DE_RIEGO_EN_VIDES.pdf Ortega, S.; Lozano, P.; Moreno, Y.; León, L. 2002. Desarrollo de modelos predictivos de fenología y evolución de madurez en vid para vino cv. Carbernet Sauvignon y Chardonnay. Agricultura Técnica. 62 (1):27-37. Patakas, A.; Noitsakys, B.1997. Cell wall elasticity as a mechanism to maintain favorable water relations during leaf ontogeny in grapevines. Am. J. Enol. Vitic. 48: 352-356. Percival, D.; Fisher, K.; Sullivan, J. 1994. Use of fruit zone leaf removal with Vitis vinifera L. cv. Riesling grapevines. II. Effect on fruit composition, yield, and occurrence of bunch rot (Botrytis cinerea Pers.:
Fr.). Am. J. Enol. Vitic. 45: 133‐140.
Petrie, P.; Clingeleffer, P. 2005. Effects of temperature and light (before and after budburst) on inflorescence morphology and flower number of Chardonnay grapevines (Vitis vinifera L.). Australian
Journal of Grape and Wine Research. 11:59‐65.
Poni, S.; Lakson A.; Turner J.; Melious, R. 1994. Interactions of crop level and late season water stress on growth and physiology of field-grown Concord grapevines. Am. J. Enol. Vitic. 45 (2):252-258.
95
Poveda, G.; Salazar, L. 2004. Annual and interanual (ENSO) variability of spatial scaling properties of a vegetation index (NDVI) in Amazonia. Remote Sensing of Environment 93:391-401. Puyó, M. 1992. Influencia de diferentes regímenes de riego sobre el desarrollo vegetativo, maduración y calidad del vino cv. Cabernet sauvignon. Tesis Ingeniero Agrónomo. Pontificia Universidad Católica de Chile. 100 p. Pszczólkowski, P. 1991. Reconversión del viñedo de riego: Análisis crítico de los sistemas de conducción. Sistema de Lira una posibilidad real. In Cuarta jornada vitivinícola asociación nacional de ingenieros agrónomos enólogos. Santiago, Chile. Fundación Chile, Departamento Agroindustria. p.66-68. Rasmusson, E.; Carpenter, T. 1982. Variations in Tropical Sea Surface Temperature and Surface Wind Fields Associated with the Southern Oscillation/El Niño. Monthly Weather Review.110:354-384. Reynolds, A. 1989. Riesling grapes respond to cluster thinning and shoot density manipulation. J. Am. Soc. Hortic. Sci. 114:364-368. Reynolds, A.; Edwards, C.; Wardle, D.; Webster, D.; Dever, M. 1994. Shoot density affects 'Riesling' grapevines. II. Wine composition and sensory response. J. Am. Soc. Hortic. Sci. 56: 343-356. Reynolds, A., Molek, T.; De Savigny, C. 2005. Timing of shoot thinning in Vitis vinifera: Impacts on yield and fruit composition variables. Am. J. Enol. Vitic. 56:343-356. Reynolds, A.; Schlosser, J.; Power, R.; Roberts, R.; Willwerth, J.; De Savigny, C. 2007. Magnitude and interaction of viticultural and enological effects. I. Impact of canopy management and yeast strain on
sensory and chemical composition of Chardonnay Musqué. Am. J. Enol. Vitic. 58:12‐24.
Reynolds, A.; Wardle, D. 1989. Effects of timing and severity of summer hedging on growth, yield, fruit composition, and canopy characteristics of the Chaunac. II. Yield and fruit composition. Am. J. Enol. Vitic. 40: 299-308. Roby, G.; Harbertson, J.; Adams, D.; Matthews, M. 2004. Berry size and vine water deficits as factors in winegrape composition: Anthocyanins and tannins. Australian journal of Grape and Wine Research. (10): 100-107. Rojas, P. 2005. La viticultura y su proceso de expansión en ladera en el valle de Lontué, Séptima región del Maule. (en línea). Memoria de Geógrafo. Chile. Universidad de Chile, Facultad de Arquitectura y Urbanismo, Departamento de Geografía. 108 p. Consultado 15/10/2010. Disponible en http://www.cybertesis.cl/tesis/uchile/2005/rojas_p/sources/rojas_p.pdf Rutllant, J. 2004. Aspectos de la circulación atmosférica de gran escala asociada al ciclo ENOS 1997-1999 y sus consecuencias en el régimen de precipitaciones en Chile central. El Niño-La Niña 1997 – 2000 Sus efectos en Chile. Comité Oceanográfico Nacional. Valparaíso, Chile. 61-76. Santibáñez F.; Santibáñez, P. 2007. Cambio climático y degradación de tierras en Latinoamérica y Chile. Ambiente y Desarrollo. 23 (3):54-63.
96
Salazar, C.; Aguirreola, J.; Sanchez, M.; Irigoyen, J.; Morales, F. 2010. Effects of climate change scenarios on Tempranillo grapevine (Vitis Vinifera L.) ripening: response to a combination of elevated CO2 and temperature, and moderate drought. Plant Soil 13 p. Consultado 08/10/2010. Disponible en base de datos Springer Standard Collection. SAG (Servicio Agrícola y Ganadero). 2004. Catastro Vitícola Nacional 2004. 47 p. Sánchez, F.; Manzanares, M.; De Andes, E.; Tenorio, J.; Ayerbe, L. 1998. Turgor maintenance, osmotic adjustment and soluble sugar and proline accumulation in 49 pea cultivars in response to water stress. Field Crops Research 59:225-235. Consultado 01 /10/2010. Disponible en base de datos Elsevier SD Elsevier. Sinton, T.; Ough, C.; Kissler, J.; Kasimatis, A. 1978. Grape juice indicators for prediction of potential wine quality. I. Relationships between crop level, juice and wine composition and wine sensory rating and scores. Am. J. Enol. Vitic. 29:267-271. Sotomayor, J.; Lavín, A. 1984. Riego por goteo sobre dos tipos de viñedos cv. País, en el secano interior de Cauquenes. II. Efectos sobre las características del vino. Agricultura Técnica. 44(1): 21-25. Smart, R.; Shaulis, N.; Lemon, E. 1982. The effect of Concord vineyard microclimate on yield . I. The effect of pruning, Training, and shoot positioning on radiation microclimate. Am. J. Enol. Vitic. 33:99-108. Smart, R.; Smith, S.; Winchester, R.1988. Light quality and qualitity effects on fruit ripening for Cabernet Sauvignon. Am. J. Enol. Vitic. 39:250-258. Smithyman, R.; Wample, R.; Lang, N. 2001. Water deficit and crop level influences on photosynthetic strain and blackleaf symptom development in Concord grapevines. Am. J. Enol. Vitic. 52: 364-375. Spayd, S.; Tarara, J.; Mee, D.; Ferguson, J. 2002. Separation of sunlight and temperature effects on
the composition of Vitis vinifera cv. Merlot berries. Am. J. Enol. Vitic.. 53:171‐782.
Sun, B.; Pinto, T.; Leandro, M.; Ricardo-Da-Silva, J.; Spranger, M. 1999. Transfer of catechins and proanthocyanidins from solid parts of the grape cluster into wine. Am. J. Enol. Vitic. 50: 179-184. Van Oldenborgh, G., Philip, S., Collins, M. 2005. El Niño in a changing climate: a multi-model study. Ocean Science 1: 81-95. Van Leeuwen, C.; Seguin, G. 2006. The concept of terroir in viticulture. Journal of Wine Research. 17 (1): 1-10. Vergara, M. 2001. Caracterización de la aptitud vitivinícola de la VII Región, usando los índices bioclimáticos de Amierine y Winkler, Gladstone y Villieks. Memoria Ingeniero Agrónomo. Talca, Chile. Universidad de Talca, Facultad de Ciencias Agrarias, Escuela de Agronomía. 61 p.
97
Vega, P. 2001. Efectos de cuatro niveles de reposición hídrica post-pinta, sobre las variables fisiológicas, componentes del rendimiento, crecimiento y en la calidad de las bayas de Vitis viniferas cv. Cabernet sauvignon. Memoria Ingeniero Agrónomo. Talca, Chile. Universidad de Talca, Facultad de Ciencias Agrarias, Escuela de Agronomía. 33 p. Viale, Maximiliano. 2010. Características de las Precipitaciones Orográficas de Invierno sobre los Andes Subtropical Central. (en línea). Memoria Doctoral. Argentina. Universidad de Buenos Aires, Facultad de Ciencias Exactas y Naturales. 154 p. Consultado 02/01/2012. Disponible en http://digital.bl.fcen.uba.ar/Download/Tesis/Tesis_4707_Viale.pdf Villaseca, S.; Novoa, R.; Muñoz, I. 1986. Fenología y sumas de temperaturas de 24 variedades de vid. Agricultura Técnica. 46 (1):63-67. Wang, B. 1995. Interdecadal Changes in El Niño Onset in the Last Four Decades. American Meteorology Society. 8: 267-285. Winkler, A. 1954. Effects of overcropping. Am. J. Enol. Vitic. 5:4-12. Wildman, W.; Neja, R.; Kasimatis, N. 1976. Improving grape yield and quality with controlled irrigation. Am. J. Enol. Vitic. 27: 168-174. Wyrtki, K. 1985. El Niño-The Dynamic Response of the Equatorial Pacific Ocean to Atmospheric Forcing. Journal of Physical Oceanography. 5: 572-584.
98
ANEXO N°1:
DESCRIPCIÓN RESUMEN DEL SENSOR MODERATE RESOLUTION IMAGING SPECTRORADIOMETER (MODIS)
99
Descripción Resumen del Sensor Moderate Resolution Imaging Spectroradiometer (MODIS)
Órbita: 705 kilómetros, 10:30 am nodo descendente (Terra) o nodo ascendente 13:30
(Aqua), sincronizada con el sol, casi polar, circular
Velocidad de
lectura:
20,3 rpm, pista de fondo
Dimensiones
franja:
2330 kilometros (pista de cross) por 10 km (a lo largo de la pista en el nadir)
Telescopio: 17,78 cm diam. fuera de eje, afocal (colimada), con parada intermedia campo
Tamaño: 1,0 x 1,6 x 1,0 m
Peso: 228,7 kg
El poder: 162.5 W (promedio de la órbita individual)
Velocidad de
datos:
10,6 Mbps (pico durante el día), 6.1 Mbps (promedio orbital)
Cuantificación: 12 bits
Resolución
espacial:
250 m (bandas 1-2)
500 m (bandas 3-7)
1000 m (bandas 8-36)
El uso principal Banda Ancho de banda de 1 Espectral resplandor 2
Requerido SNR 3
Tierra / Nube / aerosoles límites
1 620 a 670 21.8 128
2 841 a 876 24.7 201
Tierra / Nube / aerosoles Propiedades
3 459 a 479 35.3 243
4 545 a 565 29.0 228
5 1230 - 1250 5.4 74
6 1628 - 1652 7.3 275
7 2105 - 2155 1.0 110
Océano de color / El fitoplancton / Biogeoquímica
8 405 a 420 44.9 880
9 438 a 448 41.9 838
10 483 a 493 32.1 802
11 526 a 536 27.9 754
12 546 a 556 21.0 750
13 662 a 672 9.5 910
14 673 a 683 8.7 1087
100
15 743 a 753 10.2 586
16 862 a 877 6.2 516
La atmósfera de vapor de agua
17 890 a 920 10.0 167
18 931 a 941 3.6 57
19 915 a 965 15.0 250
El uso principal Banda Ancho de banda de 1 Espectral resplandor 2
Requiere NE [delta] T (K) 4
Superficie / Nubes de temperatura
20 3,660 a 3,840 0.45 (300K) 0.05
21 3,929 a 3,989 2.38 (335K) 2.00
22 3,929 a 3,989 0,67 (300K) 0.07
23 4,020 a 4,080 0.79 (300K) 0.07
Atmosféricas de temperatura
24 4,433 a 4,498 0.17 (250K) 0.25
25 4,482 a 4,549 0.59 (275K) 0.25
Las nubes cirros de vapor de agua
26 1,360 a 1,390 6.00 150 (SNR)
27 6,535 a 6,895 1.16 (240K) 0.25
28 7,175 a 7,475 2.18 (250K) 0.25
Propiedades de la nube 29 8,400 a 8,700 9.58 (300K) 0.05
Ozono 30 9,580 a 9,880 3.69 (250K) 0.25
Superficie / Nubes de temperatura
31 10,780 a 11,280 9.55 (300K) 0.05
32 11,770 a 12,270 8.94 (300K) 0.05
Top Nube de Altitud
33 13,185 a 13,485 4.52 (260K) 0.25
34 13,485 a 13,785 3.76 (250K) 0.25
35 13,785 a 14,085 3.11 (240K) 0.25
36 14,085 a 14,385 2.08 (220K) 0.35
1 Bandas 1 a 19 en nm; bandas de 20 a 36 micras se encuentran en dos valores de radiancia espectral son (W / m 2 -m-sr) 3 SNR = Relación señal a ruido 4 NE (delta) T = Nivel de ruido equivalente diferencia de temperatura Nota: Objetivo de rendimiento es del 30-40% más de lo necesario
Fuente: http://modis.gsfc.nasa.gov/about/specifications.php
101
ANEXO N°2:
ECUACIONES INTERPRETATIVAS DE PRECIPITACIONES DE ESTACIONES PLUVIOMÉTRICAS
102
ECUACIONES INTERPRETATIVAS DE PRECIPITACIONES DE ESTACIONES PLUVIOMÉTRICAS MESES DE JUNIO – AGOSTO
PARA EL PERIODO 2004 – 2009
y = 0,4286x + 321,08R² = 0,4682
0,0
100,0
200,0
300,0
400,0
500,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses Junio - Agosto 2004
2004
Lineal (2004)
y = 1,1178x + 511,71R² = 0,8139
0,0
100,0
200,0
300,0
400,0
500,0
600,0
700,0
800,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses Junio - Agosto 2005
2005
Lineal (2005)
y = 1,0108x + 432,36R² = 0,5905
0,0
100,0
200,0
300,0
400,0
500,0
600,0
700,0
800,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses Junio - Agosto 2006
2006
Lineal (2006)
103
y = 0,5756x + 226,74R² = 0,93
0,0
50,0
100,0
150,0
200,0
250,0
300,0
350,0
400,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Junio - Agosto 2007
2007
Lineal (2007)
y = 0,34x + 324,99R² = 0,307
0,0
50,0
100,0
150,0
200,0
250,0
300,0
350,0
400,0
450,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Junio - Agosto 2008
2008
Lineal(2008)
y = 1,0554x + 275,78R² = 0,8067
0,0
100,0
200,0
300,0
400,0
500,0
600,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Junio - Agosto 2009
2009
Lineal (2009)
104
ECUACIONES INTERPRETATIVAS DE PRECIPITACIONES DE ESTACIONES PLUVIOMÉTRICAS MESES DE
DICIEMBRE – FEBRERO AÑOS 2004 – 2010
y = -0,1183x + 35,137R² = 0,6023
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2004-2005
2004-2005
Lineal (2004-2005)
y = -0,1489x + 37,757R² = 0,2852
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
45,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2005-2006
2005-2006
Lineal (2005-2006)
y = 0,0369x + 64,021R² = 0,1191
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2006-2007
2006-2007
Lineal (2006-2007)
105
y = -0,0399x + 16,765R² = 0,507
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2007-2008
2007-2008
Lineal (2007-2008)
y = 0,0105x + 1,2074R² = 0,6622
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2008-2009
2008-2009
Lineal (2008-2009)
y = 0,0363x - 1,2426R² = 0,1754
0,0
2,0
4,0
6,0
8,0
10,0
12,0
14,0
16,0
0 50 100 150 200 250
(mm)
altitud (m)
Precipitación meses de Diciembre - Febrero 2009-2010
2009-2010
Lineal (2009-2010)
106
ANEXO N°3:
ESPACIALIZACIÓN DE PRECIPITACIONES ACUMULADAS MESES DE JUNIO - AGOSTO
107
108
ANEXO N°4:
ESPACIALIZACIÓN DE PRECIPITACIONES ACUMULADAS MESES DE DICIEMBRE - FEBRERO
109
110
ANEXO N°5:
ESPACIALIZACIÓN DE OSCILACIÓN TÉRMICA ANUAL
111
112
ANEXO N°6
ESPACIALIZACIÓN DE LA EXPRESIÓN VEGETATIVA POR MEDIO DEL ÍNDICE VEGETACIONAL
AJUSTE DE SUELO (SAVI) PERÍODO 01 – 15 ENERO
113
114
ANEXO N°7
ESPACIALIZACIÓN DE LA EXPRESIÓN VEGETATIVA POR MEDIO DEL ÍNDICE VEGETACIONAL
AJUSTE DE SUELO (SAVI) PERÍODO 16 – 28 FEBRERO
115
116
ANEXO N°8:
PRECIPITACIONES ACUMULADAS ANUALES DEL AÑO 2005 AL 2009
117
Precipitaciones Acumuladas anuales del Año 2005 al 2009
Estaciones pluviométricas (media anual acumulada)
mm/anual
2005 2006 2007 2008 2009
Huerta de Maule 894,2 763 427,3 750,3 608,9
Melozal 930,7 697,5 454,3 798 646,1
Nirivilo 1083,6 848,7 505,3 841,8 651,7
Pencahue 868,1 728,5 376,6 707 473,7
San Javier 973,7 728 440,9 871,2 717,6
media anual 950,06 753,14 440,88 793,66 619,6
Fuente: Elaboración propia en base información Dirección General de Agua (DGA)
118
ANEXO N°9:
ANÁLISIS DE COMPONENTES PRINCIPALES SIN RIEGO
119
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Sin Riego año 2006
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,39805 31,414 31,414
2 2,25463 16,104 47,519
3 1,57833 11,274 58,792
4 1,28091 9,149 67,941
5 1,06841 7,631 75,573
6 1,00461 7,176 82,748
7 0,708804 5,063 87,811
8 0,682872 4,878 92,689
9 0,399711 2,855 95,544
10 0,301568 2,154 97,698
11 0,150362 1,074 98,772
12 0,0966804 0,691 99,463
13 0,0752502 0,537 100,000
14 0,0 0,000 100,000
Componente Componente Componente Componente Componente Componente
1 2 3 4 5 6
lst_sdia05 0,24189 -0,345568 -0,510347 -0,0938051 0,162599 -0,0644751
lst_snoc05 0,0906077 0,347398 -0,370626 0,375006 -0,365107 -0,161436
lst_sosc05 0,207308 -0,442227 -0,390388 -0,20003 0,263301 -0,0143088
savi_01e06 0,430644 0,0511708 0,180211 0,00851011 0,0752526 0,0675717
savi_17e06 0,442271 0,074528 0,181227 0,0273573 0,0211412 0,104198
savi_33e06 0,437329 -0,0159797 0,201405 0,022723 0,0174063 0,120484
savi_49e06 0,430357 0,0375381 0,216952 0,0554008 0,054506 0,129984
ANO_PLAN_1 -0,16369 -0,46122 0,176391 0,251517 -0,0489594 0,0592089
DENS_PLA_1 -0,016608 -0,363318 -0,0441226 0,149915 -0,393837 0,325475
ret_humed 0,020589 0,106305 -0,137668 -0,569376 -0,453566 0,262881
PENDIENTE -0,132124 0,173419 -0,135622 0,350376 0,518736 0,183358
ORIENTACIO 0,0808697 -0,106566 0,200388 -0,178323 -0,0395529 -0,820899
SIST_COND 0,012014 0,388135 -0,243702 -0,341135 0,258568 0,0669407
precmeja05 -0,284862 -0,0799451 0,356196 -0,353967 0,246602 0,179498
120
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Sin Riego año 2007
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,27142 30,510 30,510
2 2,29107 16,365 46,875
3 1,655 11,821 58,696
4 1,26164 9,012 67,708
5 1,12679 8,048 75,757
6 0,978566 6,990 82,746
7 0,708045 5,057 87,804
8 0,68222 4,873 92,677
9 0,389427 2,782 95,458
10 0,320334 2,288 97,746
11 0,124857 0,892 98,638
12 0,110031 0,786 99,424
13 0,0795673 0,568 99,993
14 0,00103672 0,007 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia06 0,203514 -0,341582 0,555646 0,0839817 0,109502
lst_snoc06 0,037496 0,376791 0,34185 -0,407336 -0,275804
lst_sosc06 0,186322 -0,444754 0,417588 0,228293 0,173733
savi_01e07 0,447955 0,0544884 -0,127487 -0,0145203 0,037527
savi_17e07 0,439834 0,0534428 -0,177832 -0,0478959 0,040556
savi_33e07 0,444629 0,0406842 -0,194724 0,0202545 0,0172289
savi_49e07 0,450532 0,0254174 -0,160007 -0,0628915 0,0397803
ANO_PLAN_1 -0,146862 -0,466561 -0,20351 -0,249838 -0,0632113
DENS_PLA_1 -0,00374715 -0,335396 0,0182445 -0,252335 -0,435058
ret_humed 0,0170429 0,147603 0,135129 0,431869 -0,601552
PENDIENTE -0,153421 0,141567 0,112418 -0,29425 0,51936
ORIENTACIO 0,0983548 -0,116553 -0,158922 0,268482 0,0646154
SIST_COND -0,0210175 0,371186 0,249416 0,375058 0,192457
precmeja06 -0,268593 -0,109804 -0,35848 0,395095 0,103636
121
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Sin Riego año 2008
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,13127 29,509 29,509
2 2,35969 16,855 46,364
3 1,7295 12,354 58,718
4 1,25111 8,936 67,654
5 1,19415 8,530 76,184
6 1,01212 7,229 83,413
7 0,700718 5,005 88,418
8 0,684083 4,886 93,305
9 0,371911 2,657 95,961
10 0,324655 2,319 98,280
11 0,113381 0,810 99,090
12 0,0759446 0,542 99,632
13 0,0510355 0,365 99,997
14 0,000439745 0,003 100,000
Componente Componente Componente Componente Componente Componente
1 2 3 4 5 6
lst_sdia07 0,154349 0,420566 -0,505645 -0,0312437 -0,0803119 0,0150138
lst_snoc07 0,0465231 -0,386002 -0,211486 -0,470225 0,310373 0,147092
lst_sosc07 0,128025 0,503037 -0,405254 0,104236 -0,160014 -0,0274503
savi_01e08 0,463797 -0,0824384 0,0650006 0,0377556 0,0136674 -0,10969
savi_17e08 0,464652 -0,0595472 0,123846 0,0572675 -0,0585016 -0,0805299
savi_33e08 0,463385 -0,0146917 0,143324 0,0323705 -0,0911949 -0,0801303
savi_49e08 0,460548 -0,0338291 0,155843 -0,00551502 -0,085104 -0,0652918
ANO_PLAN_1 -0,118598 0,418611 0,35704 -0,214897 0,0687181 -0,0162332
DENS_PLA_1 -0,0188589 0,311627 0,0765357 -0,288122 0,401898 -0,267185
ret_humed -0,0161494 -0,119456 -0,219319 0,391275 0,441655 -0,462973
PENDIENTE -0,100518 -0,0977659 -0,0323661 -0,332425 -0,618711 -0,104168
ORIENTACIO 0,0767199 0,09123 0,0752611 0,351613 0,158616 0,765974
SIST_COND -0,0967256 -0,316387 -0,377969 0,257016 -0,206176 -0,0594983
precmeja07 -0,244449 0,0691386 0,37412 0,42282 -0,201669 -0,247149
122
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Sin Riego año 2009
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,36359 31,168 31,168
2 2,19276 15,662 46,830
3 1,7525 12,518 59,347
4 1,20218 8,587 67,934
5 1,14936 8,209 76,143
6 0,986632 7,047 83,190
7 0,70384 5,027 88,218
8 0,682037 4,872 93,089
9 0,384634 2,747 95,837
10 0,346327 2,474 98,310
11 0,10973 0,784 99,094
12 0,0790039 0,564 99,658
13 0,0478313 0,342 100,000
14 0,0 0,000 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia08 0,227955 -0,304866 -0,542713 0,0188132 0,150959
lst_snoc08 0,109962 0,356648 -0,292442 -0,183111 -0,460253
lst_sosc08 0,202675 -0,395558 -0,463715 0,0613752 0,253758
savi_01e09 0,445895 0,0935587 0,169657 -0,0000789945 -0,024995
savi_17e09 0,4424 0,0105352 0,185345 -0,0352637 0,00749361
savi_33e09 0,447619 0,0441897 0,194348 -0,0180062 0,0725203
savi_49e09 0,43097 0,00787526 0,218398 -0,0611396 0,0583519
ANO_PLAN_1 -0,128781 -0,506889 0,208045 -0,130079 -0,163221
DENS_PLA_1 0,00665669 -0,351842 -0,0277685 -0,0215355 -0,516262
ret_humed -0,00245515 0,179248 -0,144222 0,582173 -0,279038
PENDIENTE -0,132362 0,0993108 -0,049439 -0,592876 0,3054
ORIENTACIO 0,0681848 -0,112495 0,0937709 0,426593 0,290536
SIST_COND -0,0655077 0,4094 -0,249645 0,118456 0,29395
precmeja08 -0,266712 -0,0976114 0,343352 0,23069 0,237748
123
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Sin Riego año 2010
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 4,26917 30,494 30,494
2 2,34727 16,766 47,260
3 1,61566 11,540 58,801
4 1,21017 8,644 67,445
5 1,15743 8,267 75,712
6 1,01385 7,242 82,954
7 0,715691 5,112 88,066
8 0,678629 4,847 92,913
9 0,386554 2,761 95,674
10 0,326176 2,330 98,004
11 0,112619 0,804 98,809
12 0,0843826 0,603 99,411
13 0,0815607 0,583 99,994
14 0,00084775 0,006 100,000
Componente Componente Componente Componente Componente Componente
1 2 3 4 5 6
lst_sdia09 0,185608 -0,397186 -0,522738 0,0963329 0,00246572 0,0455989
lst_snoc09 0,118039 0,367215 -0,274379 -0,494764 -0,205885 0,132482
lst_sosc09 0,148765 -0,483545 -0,42003 0,226724 0,0719673 0,00269026
savi_01e10 0,447933 0,0633939 0,148547 0,0166936 0,0811531 -0,0601085
savi_17e10 0,451425 0,00714153 0,149927 0,0432295 0,101516 -0,114137
savi_33e10 0,443627 0,00599694 0,1818 0,0493072 0,077763 -0,149574
savi_49e10 0,453342 -0,00259491 0,167471 0,013657 0,0616874 -0,0844909
ANO_PLAN_1 -0,159378 -0,439472 0,279505 -0,218011 0,0018084 -0,0565486
DENS_PLA_1 -0,00753396 -0,321957 0,069113 -0,309563 -0,332237 -0,330949
ret_humed 0,0280142 0,14652 -0,11295 0,345484 -0,634492 -0,290334
PENDIENTE -0,145146 0,0872384 -0,163968 -0,080974 0,625169 -0,208371
ORIENTACIO 0,091863 -0,0905533 0,177571 0,214678 -0,104505 0,804358
SIST_COND -0,0100877 0,361858 -0,289918 0,3869 0,0878747 -0,095954
precmeja09 -0,258617 -0,0667555 0,36231 0,474032 0,0569005 -0,19384
124
ANEXO N°10:
ANÁLISIS DE COMPONENTES PRINCIPALES CON RIEGO
125
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Con Riego año 2006
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,14397 36,743 36,743
2 1,84918 13,208 49,951
3 1,54537 11,038 60,989
4 1,32935 9,495 70,485
5 1,2579 8,985 79,470
6 0,901983 6,443 85,913
7 0,571142 4,080 89,992
8 0,491011 3,507 93,499
9 0,307929 2,199 95,699
10 0,223902 1,599 97,298
11 0,155743 1,112 98,411
12 0,116327 0,831 99,242
13 0,105436 0,753 99,995
14 0,000750304 0,005 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia05 0,326759 0,305758 -0,113817 0,355751 -0,180876
lst_snoc05 0,298752 -0,302836 -0,364514 0,0492925 -0,248872
lst_sosc05 0,13165 0,595088 0,172243 0,342605 0,00497365
savi_01e06 -0,353069 0,0959301 -0,247279 0,154376 -0,187238
savi_17e06 -0,387408 0,0405867 -0,193853 0,0849909 -0,123298
savi_33e06 -0,393992 0,0429923 -0,166278 0,0591883 -0,174664
savi_49e06 -0,368138 0,10451 -0,147402 0,130507 -0,214916
ANO_PLAN_1 0,0257418 -0,575788 0,170979 0,312449 0,0456926
DENS_PLA_1 -0,0322844 -0,101589 -0,289718 0,498816 0,552122
ret_humed 0,205871 0,175812 -0,152192 -0,473434 -0,077259
PENDIENTE 0,300286 0,10103 -0,0507863 0,273366 -0,159854
ORIENTACIO -0,153347 -0,0209641 0,0835689 0,0312266 -0,308943
SIST_COND -0,0277576 0,181703 -0,520161 -0,235469 0,48597
precmeja05 -0,250203 0,143624 0,509845 -0,0176362 0,329094
126
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Con Riego año 2007
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,3057 37,898 37,898
2 1,87711 13,408 51,306
3 1,55986 11,142 62,448
4 1,41006 10,072 72,520
5 1,12392 8,028 80,548
6 0,887085 6,336 86,884
7 0,533007 3,807 90,691
8 0,474538 3,390 94,081
9 0,280453 2,003 96,084
10 0,191913 1,371 97,455
11 0,140804 1,006 98,460
12 0,112254 0,802 99,262
13 0,0989045 0,706 99,969
14 0,00438774 0,031 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia06 0,27553 0,510624 0,0781382 0,129775 -0,167318
lst_snoc06 0,345856 -0,0914181 -0,172223 0,237502 -0,350601
lst_sosc06 0,00796824 0,664934 0,253105 -0,0540483 0,0993822
savi_01e07 -0,355325 0,185153 -0,123701 0,115359 -0,180586
savi_17e07 -0,385725 0,079512 -0,0601651 0,130713 -0,214549
savi_33e07 -0,39131 0,01912 -0,109098 0,0654764 -0,181143
savi_49e07 -0,383261 0,0682958 -0,120968 0,0853507 -0,242112
ANO_PLAN_1 0,0429536 -0,420219 0,411574 0,427385 -0,0379915
DENS_PLA_1 -0,0466818 0,11383 -0,0316272 0,679994 0,378175
ret_humed 0,210107 -0,0679897 -0,398697 -0,327584 -0,00417941
PENDIENTE 0,30166 0,199558 0,0829916 0,101438 -0,0993533
ORIENTACIO -0,146049 0,0317044 0,161568 -0,121671 -0,357002
SIST_COND -0,0342208 0,0901676 -0,633154 0,16769 0,348752
precmeja06 -0,260157 -0,00349336 0,302465 -0,276206 0,515467
127
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Con Riego año 2008
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,61803 40,129 40,129
2 1,7634 12,596 52,724
3 1,46182 10,442 63,166
4 1,42054 10,147 73,313
5 1,1193 7,995 81,308
6 0,785654 5,612 86,920
7 0,569419 4,067 90,987
8 0,509791 3,641 94,628
9 0,342061 2,443 97,072
10 0,152597 1,090 98,161
11 0,117004 0,836 98,997
12 0,0763571 0,545 99,543
13 0,0634774 0,453 99,996
14 0,000554095 0,004 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia07 0,307475 0,280144 0,286922 0,295427 0,180452
lst_snoc07 0,271207 -0,380767 -0,022258 0,230502 0,347434
lst_sosc07 0,159856 0,567187 0,351042 0,18337 -0,0306911
savi_01e08 -0,376539 0,0375576 -0,00295678 0,135148 0,182011
savi_17e08 -0,389438 0,0188874 0,0208822 0,120067 0,167268
savi_33e08 -0,385144 0,0273245 0,0508396 0,152657 0,113185
savi_49e08 -0,382689 0,0131218 0,0215236 0,110685 0,144207
ANO_PLAN_1 -0,000207914 -0,567494 0,350428 -0,0173056 -0,264521
DENS_PLA_1 -0,0372426 -0,129291 0,0556739 0,684362 -0,356572
ret_humed 0,212396 0,138022 -0,417588 -0,234077 0,0493204
PENDIENTE 0,294094 0,0178302 0,168182 0,128227 0,0914927
ORIENTACIO -0,152334 0,0447008 0,164048 -0,0409366 0,548846
SIST_COND -0,0256147 0,149361 -0,623707 0,402294 -0,134774
precmeja07 -0,247525 0,264025 0,21441 -0,233088 -0,47303
128
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Con Riego año 2009
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,64093 40,292 40,292
2 2,00894 14,350 54,642
3 1,8172 12,980 67,622
4 1,15991 8,285 75,907
5 0,917154 6,551 82,458
6 0,798562 5,704 88,162
7 0,545598 3,897 92,059
8 0,360454 2,575 94,634
9 0,253913 1,814 96,448
10 0,178355 1,274 97,722
11 0,147698 1,055 98,777
12 0,107172 0,766 99,542
13 0,0633354 0,452 99,994
14 0,000782034 0,006 100,000
Componente Componente Componente Componente
1 2 3 4
lst_sdia08 0,324942 0,354018 0,068254 -0,0495092
lst_snoc08 0,273878 -0,167537 0,391006 0,371878
lst_sosc08 0,136953 0,521993 -0,234635 -0,346074
savi_01e09 -0,342637 0,193625 0,105528 0,0805604
savi_17e09 -0,371968 0,132708 0,0964737 0,0423374
savi_33e09 -0,380178 0,129566 0,106503 0,196292
savi_49e09 -0,367287 0,0893592 0,0960885 0,188727
ANO_PLAN_1 0,0265206 -0,495582 0,212694 -0,288179
DENS_PLA_1 -0,0854773 0,0706536 0,553244 -0,39416
ret_humed 0,242756 0,190212 -0,172611 0,418937
PENDIENTE 0,317676 0,096528 0,0402431 -0,148276
ORIENTACIO -0,149532 -0,0273886 -0,2567 0,256064
SIST_COND -0,0388348 0,441896 0,406441 0,0122398
precmeja08 -0,271524 -0,0462335 -0,36409 -0,394252
129
Variables Edafoclimáticas y de Manejo de Cultivo en Sistema Productivo Con Riego año 2010
Componente Porcentaje de Porcentaje
Número Eigenvalor Varianza Acumulado
1 5,1212 36,580 36,580
2 1,91733 13,695 50,275
3 1,59699 11,407 61,682
4 1,34382 9,599 71,281
5 1,17776 8,413 79,693
6 0,872241 6,230 85,924
7 0,581686 4,155 90,079
8 0,516507 3,689 93,768
9 0,30152 2,154 95,922
10 0,209702 1,498 97,420
11 0,169152 1,208 98,628
12 0,119137 0,851 99,479
13 0,0700692 0,500 99,979
14 0,00289728 0,021 100,000
Componente Componente Componente Componente Componente
1 2 3 4 5
lst_sdia09 0,297065 0,401921 0,0210696 0,328685 0,200655
lst_snoc09 0,293365 -0,188909 0,392765 0,100064 0,339134
lst_sosc09 0,124286 0,58829 -0,256681 0,27698 -0,0104141
savi_01e10 -0,368431 0,121541 0,182084 0,0554007 0,176281
savi_17e10 -0,395913 0,121672 0,153815 0,0562372 0,184278
savi_33e10 -0,389741 0,0814784 0,144385 0,115403 0,130653
savi_49e10 -0,375707 0,0778833 0,130036 0,0754893 0,209674
ANO_PLAN_1 0,0478465 -0,561681 -0,154658 0,310064 -0,0102081
DENS_PLA_1 -0,0448043 -0,0732318 0,296453 0,623356 -0,38821
ret_humed 0,181676 0,189894 0,182218 -0,492176 -0,0428296
PENDIENTE 0,305607 0,124042 0,0482991 0,19827 0,174088
ORIENTACIO -0,157438 -0,0203017 -0,114594 0,00108719 0,429416
SIST_COND -0,0498935 0,177003 0,538155 -0,111972 -0,475533
precmeja09 -0,258312 0,101833 -0,484515 0,0344668 -0,353651
130
ANEXO N°11:
RESUMEN ANÁLISIS DE COMPARACIÓN DE MUESTRAS MÚLTIPLES
CONDICIÓN SIN RIEGO
131
RESUMEN ANÁLISIS DE VARIANZA CONDICIÓN SIN RIEGO
1. Precipitación Acumulada Junio a Agosto
Tabla ANOVA Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 3,19742E7 4 7,99355E6 5490,00 0,0000
Intra grupos 2,76644E6 1900 1456,02
Total (Corr.) 3,47407E7 1904
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
precmeja07 381 299,213 X
precmeja08 381 367,799 X
precmeja09 381 408,663 X
precmeja06 381 559,628 X
precmeja05 381 652,45 X
Contraste Sig. Diferencia +/- Límites
precmeja05 - precmeja06 * 92,8222 7,5477
precmeja05 - precmeja07 * 353,237 7,5477
precmeja05 - precmeja08 * 284,651 7,5477
precmeja05 - precmeja09 * 243,787 7,5477
precmeja06 - precmeja07 * 260,415 7,5477
precmeja06 - precmeja08 * 191,829 7,5477
precmeja06 - precmeja09 * 150,964 7,5477
precmeja07 - precmeja08 * -68,586 7,5477
precmeja07 - precmeja09 * -109,451 7,5477
precmeja08 - precmeja09 * -40,8647 7,5477
* indica una diferencia significativa.
2. Temperatura Acumulada Día Anual Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 76233,1 4 19058,3 56,00 0,0000
Intra grupos 646595, 1900 340,313
Total (Corr.) 722829, 1904
Pruebas de Múltiple Rangos
Método: 95,0 porcentaje Tukey HSD Casos Media Grupos Homogéneos
lst_sdia07 381 258,858 X
lst_sdia09 381 260,595 XX
lst_sdia05 381 263,245 XX
lst_sdia06 381 264,735 X
lst_sdia08 381 276,829 X
Contraste Sig. Diferencia +/- Límites
lst_sdia05 - lst_sdia06 -1,49008 3,64897
lst_sdia05 - lst_sdia07 * 4,38772 3,64897
lst_sdia05 - lst_sdia08 * -13,5833 3,64897
lst_sdia05 - lst_sdia09 2,65003 3,64897
lst_sdia06 - lst_sdia07 * 5,8778 3,64897
lst_sdia06 - lst_sdia08 * -12,0932 3,64897
lst_sdia06 - lst_sdia09 * 4,1401 3,64897
lst_sdia07 - lst_sdia08 * -17,971 3,64897
lst_sdia07 - lst_sdia09 -1,73769 3,64897
lst_sdia08 - lst_sdia09 * 16,2333 3,64897
* indica una diferencia significativa.
132
3. Temperatura Acumulada Noche Anual
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 81502,1 4 20375,5 695,79 0,0000
Intra grupos 55640,0 1900 29,2842
Total (Corr.) 137142, 1904
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
lst_snoc07 381 117,919 X
lst_snoc05 381 127,264 X
lst_snoc09 381 129,061 X
lst_snoc06 381 131,262 X
lst_snoc08 381 138,13 X
Contraste Sig. Diferencia +/- Límites
lst_snoc05 - lst_snoc06 * -3,99848 1,0704
lst_snoc05 - lst_snoc07 * 9,34535 1,0704
lst_snoc05 - lst_snoc08 * -10,8659 1,0704
lst_snoc05 - lst_snoc09 * -1,79696 1,0704
lst_snoc06 - lst_snoc07 * 13,3438 1,0704
lst_snoc06 - lst_snoc08 * -6,86745 1,0704
lst_snoc06 - lst_snoc09 * 2,20152 1,0704
lst_snoc07 - lst_snoc08 * -20,2113 1,0704
lst_snoc07 - lst_snoc09 * -11,1423 1,0704
lst_snoc08 - lst_snoc09 * 9,06898 1,0704
* indica una diferencia significativa.
4. Temperatura Acumulada Oscilación Anual Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 22573,4 4 5643,35 15,42 0,0000
Intra grupos 695229, 1900 365,91
Total (Corr.) 717802, 1904
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
lst_sosc09 381 125,556 X
lst_sosc06 381 127,927 XX
lst_sosc05 381 130,543 XX
lst_sosc08 381 133,121 XX
lst_sosc07 381 135,118 X
Contraste Sig. Diferencia +/- Límites
lst_sosc05 - lst_sosc06 2,6168 3,78371
lst_sosc05 - lst_sosc07 * -4,5748 3,78371
lst_sosc05 - lst_sosc08 -2,57743 3,78371
lst_sosc05 - lst_sosc09 * 4,98688 3,78371
lst_sosc06 - lst_sosc07 * -7,1916 3,78371
lst_sosc06 - lst_sosc08 * -5,19423 3,78371
lst_sosc06 - lst_sosc09 2,37008 3,78371
lst_sosc07 - lst_sosc08 1,99738 3,78371
lst_sosc07 - lst_sosc09 * 9,56168 3,78371
lst_sosc08 - lst_sosc09 * 7,5643 3,78371
* indica una diferencia significativa.
133
5. Producción Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 1,35497E10 4 3,38742E9 4,64 0,0010
Intra grupos 1,26395E12 1730 7,30605E8
Total (Corr.) 1,2775E12 1734
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
p2010 307 10410,2 X
p2009 340 14693,8 XX
p2008 361 15120,8 XX
p2006 363 15776,5 XX
p2007 364 19359,6 X
Contraste Sig. Diferencia +/- Límites
p2006 - p2007 -3583,06 5474,25
p2006 - p2008 655,7 5485,59
p2006 - p2009 1082,65 5569,88
p2006 - p2010 5366,34 5722,37
p2007 - p2008 4238,76 5481,83
p2007 - p2009 4665,71 5566,18
p2007 - p2010 * 8949,39 5718,77
p2008 - p2009 426,951 5577,34
p2008 - p2010 4710,64 5729,63
p2009 - p2010 4283,68 5810,38
* indica una diferencia significativa.
6. Alcohol Probable (AP) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 243,807 4 60,9517 46,05 0,0000
Intra grupos 1368,57 1034 1,32356
Total (Corr.) 1612,37 1038
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
AP_07 169 11,1128 X
AP_10 224 11,3004 XX
AP_09 201 11,5675 XX
AP_06 221 11,6503 X
AP_08 224 12,5118 X
Contraste Sig. Diferencia +/- Límites
AP_06 - AP_07 * 0,537477 0,321216
AP_06 - AP_08 * -0,861469 0,298033
AP_06 - AP_09 0,0828043 0,306384
AP_06 - AP_10 * 0,34987 0,298033
AP_07 - AP_08 * -1,39895 0,320283
AP_07 - AP_09 * -0,454672 0,328068
AP_07 - AP_10 -0,187606 0,320283
AP_08 - AP_09 * 0,944273 0,305406
AP_08 - AP_10 * 1,21134 0,297027
AP_09 - AP_10 0,267066 0,305406
* indica una diferencia significativa.
134
7. Acidez Total (AT) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 85,5895 4 21,3974 23,30 0,0000
Intra grupos 788,786 859 0,918261
Total (Corr.) 874,375 863
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
AT_06 182 3,11027 X
AT_09 182 3,43099 X
AT_10 204 3,5251 X
AT_07 131 3,87336 X
AT_08 165 4,00479 X
Contraste Sig. Diferencia +/- Límites
AT_06 - AT_07 * -0,763084 0,300106
AT_06 - AT_08 * -0,894513 0,281553
AT_06 - AT_09 * -0,320714 0,27457
AT_06 - AT_10 * -0,414823 0,267065
AT_07 - AT_08 -0,131429 0,306508
AT_07 - AT_09 * 0,44237 0,300106
AT_07 - AT_10 * 0,348261 0,293255
AT_08 - AT_09 * 0,573799 0,281553
AT_08 - AT_10 * 0,47969 0,274239
AT_09 - AT_10 -0,094109 0,267065
* indica una diferencia significativa.
8. Grados BRIX (°B) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 802,938 3 267,646 55,58 0,0000
Intra grupos 3967,68 824 4,81515
Total (Corr.) 4770,62 827
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
BX_10 231 20,1726 X
BX_06 188 21,4732 X
BX_09 185 21,9686 X
BX_08 224 22,7665 X
Contraste Sig. Diferencia +/- Límites
BX_06 - BX_08 * -1,29328 0,558692
BX_06 - BX_09 -0,495457 0,584946
BX_06 - BX_10 * 1,30064 0,554815
BX_08 - BX_09 * 0,797825 0,561149
BX_08 - BX_10 * 2,59392 0,529666
BX_09 - BX_10 * 1,79609 0,55729
* indica una diferencia significativa.
135
9. pH Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 15,8172 4 3,95431 50,88 0,0000
Intra grupos 60,4611 778 0,0777135
Total (Corr.) 76,2783 782
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
pH_09 182 3,08363 X
pH_10 136 3,16713 XX
pH_08 165 3,23394 XX
pH_07 118 3,30805 X
pH_06 182 3,47758 X
Contraste Sig. Diferencia +/- Límites
pH_06 - pH_07 * 0,169532 0,0900782
pH_06 - pH_08 * 0,243643 0,0819262
pH_06 - pH_09 * 0,393956 0,0798942
pH_06 - pH_10 * 0,31045 0,0863862
pH_07 - pH_08 0,0741115 0,0918853
pH_07 - pH_09 * 0,224424 0,0900782
pH_07 - pH_10 * 0,140918 0,0958832
pH_08 - pH_09 * 0,150313 0,0819262
pH_08 - pH_10 0,066807 0,0882689
pH_09 - pH_10 -0,083506 0,0863862
* indica una diferencia significativa.
10. Actividad Vegetativa 01 al 15 enero (SAVI 01) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 2,50401 4 0,626002 26,55 0,0000
Intra grupos 44,8012 1900 0,0235796
Total (Corr.) 47,3052 1904
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
savi_01e09 381 0,824487 X
savi_01e08 381 0,825377 X
savi_01e10 381 0,871458 X
savi_01e07 381 0,897791 XX
savi_01e06 381 0,912462 X
Contraste Sig. Diferencia +/- Límites
savi_01e06 - savi_01e07 0,014671 0,0303738
savi_01e06 - savi_01e08 * 0,0870851 0,0303738
savi_01e06 - savi_01e09 * 0,0879744 0,0303738
savi_01e06 - savi_01e10 * 0,0410037 0,0303738
savi_01e07 - savi_01e08 * 0,0724141 0,0303738
savi_01e07 - savi_01e09 * 0,0733034 0,0303738
savi_01e07 - savi_01e10 0,0263327 0,0303738
savi_01e08 - savi_01e09 0,000889297 0,0303738
savi_01e08 - savi_01e10 * -0,0460814 0,0303738
savi_01e09 - savi_01e10 * -0,0469707 0,0303738
* indica una diferencia significativa.
136
11. Actividad Vegetativa 15 al 28 febrero (SAVI 49) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 4,96926 4 1,24232 53,25 0,0000
Intra grupos 44,324 1900 0,0233284
Total (Corr.) 49,2933 1904
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
savi_49e08 381 0,731331 X
savi_49e09 381 0,763745 X
savi_49e10 381 0,832451 X
savi_49e06 381 0,841387 XX
savi_49e07 381 0,867132 X
Contraste Sig. Diferencia +/- Límites
savi_49e06 - savi_49e07 -0,0257453 0,0302116
savi_49e06 - savi_49e08 * 0,110056 0,0302116
savi_49e06 - savi_49e09 * 0,0776416 0,0302116
savi_49e06 - savi_49e10 0,00893604 0,0302116
savi_49e07 - savi_49e08 * 0,135802 0,0302116
savi_49e07 - savi_49e09 * 0,103387 0,0302116
savi_49e07 - savi_49e10 * 0,0346813 0,0302116
savi_49e08 - savi_49e09 * -0,0324147 0,0302116
savi_49e08 - savi_49e10 * -0,10112 0,0302116
savi_49e09 - savi_49e10 * -0,0687055 0,0302116
* indica una diferencia significativa.
137
ANEXO N°12:
RESUMEN ANÁLISIS DE COMPARACIÓN DE MUESTRAS MÚLTIPLES
CONDICIÓN CON RIEGO
138
RESUMEN ANÁLISIS DE VARIANZA CONDICIÓN CON RIEGO
1. Precipitación Acumulada junio a agosto
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 1,79372E7 4 4,48429E6 12378,99 0,0000
Intra grupos 431077, 1190 362,25
Total (Corr.) 1,83682E7 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
precmeja07 239 281,022 X
precmeja08 239 357,054 X
precmeja09 239 375,31 X
precmeja06 239 527,684 X
precmeja05 239 617,125 X
Contraste Sig. Diferencia +/- Límites
precmeja05 - precmeja06 * 89,4407 4,7561
precmeja05 - precmeja07 * 336,102 4,7561
precmeja05 - precmeja08 * 260,071 4,7561
precmeja05 - precmeja09 * 241,815 4,7561
precmeja06 - precmeja07 * 246,662 4,7561
precmeja06 - precmeja08 * 170,63 4,7561
precmeja06 - precmeja09 * 152,374 4,7561
precmeja07 - precmeja08 * -76,0316 4,7561
precmeja07 - precmeja09 * -94,2877 4,7561
precmeja08 - precmeja09 * -18,2561 4,7561
* indica una diferencia significativa.
2. Temperatura Acumulada día Anual
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 54499,9 4 13625,0 100,44 0,0000
Intra grupos 161435, 1190 135,66
Total (Corr.) 215935, 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
lst_sdia07 239 267,601 X
lst_sdia09 239 268,919 XX
lst_sdia05 239 271,749 XX
lst_sdia06 239 272,164 X
lst_sdia08 239 286,441 X
Contraste Sig. Diferencia +/- Límites
lst_sdia05 - lst_sdia06 -0,415565 2,91053
lst_sdia05 - lst_sdia07 * 4,14803 2,91053
lst_sdia05 - lst_sdia08 * -14,6925 2,91053
lst_sdia05 - lst_sdia09 2,82954 2,91053
lst_sdia06 - lst_sdia07 * 4,5636 2,91053
lst_sdia06 - lst_sdia08 * -14,2769 2,91053
lst_sdia06 - lst_sdia09 * 3,2451 2,91053
lst_sdia07 - lst_sdia08 * -18,8405 2,91053
lst_sdia07 - lst_sdia09 -1,31849 2,91053
lst_sdia08 - lst_sdia09 * 17,522 2,91053
* indica una diferencia significativa.
139
3. Temperatura Acumulada Noche Anual
Tabla ANOVA Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 49197,0 4 12299,2 215,93 0,0000
Intra grupos 67782,0 1190 56,9596
Total (Corr.) 116979, 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
lst_snoc07 239 117,705 X
lst_snoc05 239 126,062 X
lst_snoc09 239 129,074 X
lst_snoc06 239 130,463 X
lst_snoc08 239 137,434 X
Contraste Sig. Diferencia +/- Límites
lst_snoc05 - lst_snoc06 * -4,40033 1,88595
lst_snoc05 - lst_snoc07 * 8,35674 1,88595
lst_snoc05 - lst_snoc08 * -11,372 1,88595
lst_snoc05 - lst_snoc09 * -3,01205 1,88595
lst_snoc06 - lst_snoc07 * 12,7571 1,88595
lst_snoc06 - lst_snoc08 * -6,97163 1,88595
lst_snoc06 - lst_snoc09 1,38828 1,88595
lst_snoc07 - lst_snoc08 * -19,7287 1,88595
lst_snoc07 - lst_snoc09 * -11,3688 1,88595
lst_snoc08 - lst_snoc09 * 8,35992 1,88595
* indica una diferencia significativa.
4. Temperatura Acumulada Oscilación Anual Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 16933,2 4 4233,31 41,80 0,0000
Intra grupos 120519, 1190 101,276
Total (Corr.) 137452, 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
lst_sosc09 239 134,87 X
lst_sosc06 239 135,448 X
lst_sosc05 239 139,69 X
lst_sosc08 239 143,36 X
lst_sosc07 239 143,753 X
Contraste Sig. Diferencia +/- Límites
lst_sosc05 - lst_sosc06 * 4,24268 2,51478
lst_sosc05 - lst_sosc07 * -4,06276 2,51478
lst_sosc05 - lst_sosc08 * -3,66946 2,51478
lst_sosc05 - lst_sosc09 * 4,82008 2,51478
lst_sosc06 - lst_sosc07 * -8,30544 2,51478
lst_sosc06 - lst_sosc08 * -7,91213 2,51478
lst_sosc06 - lst_sosc09 0,577406 2,51478
lst_sosc07 - lst_sosc08 0,393305 2,51478
lst_sosc07 - lst_sosc09 * 8,88285 2,51478
lst_sosc08 - lst_sosc09 * 8,48954 2,51478
* indica una diferencia significativa.
140
5. Producción Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 4,90254E9 4 1,22564E9 4,79 0,0008
Intra grupos 2,81119E11 1099 2,55795E8
Total (Corr.) 2,86021E11 1103
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
p2010 212 10596,9 X
p2008 222 12119,1 X
p2007 221 12448,8 X
p2006 227 12648,6 X
p2009 222 16920,4 X
Contraste Sig. Diferencia +/- Límites
p2006 - p2007 199,896 4129,16
p2006 - p2008 529,591 4124,45
p2006 - p2009 * -4271,72 4124,45
p2006 - p2010 2051,76 4173,34
p2007 - p2008 329,695 4152,04
p2007 - p2009 * -4471,61 4152,04
p2007 - p2010 1851,87 4200,61
p2008 - p2009 * -4801,31 4147,35
p2008 - p2010 1522,17 4195,97
p2009 - p2010 * 6323,48 4195,97
* indica una diferencia significativa.
6. Alcohol Probable (AP) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 108,509 4 27,1272 20,01 0,0000
Intra grupos 981,721 724 1,35597
Total (Corr.) 1090,23 728
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
AP_07 117 11,2423 X
AP_09 156 11,3327 X
AP_06 156 11,5328 X
AP_10 132 12,0211 X
AP_08 168 12,2179 X
Contraste Sig. Diferencia +/- Límites
AP_06 - AP_07 0,290513 0,389418
AP_06 - AP_08 * -0,685096 0,354034
AP_06 - AP_09 0,200128 0,360531
AP_06 - AP_10 * -0,48824 0,376562
AP_07 - AP_08 * -0,975609 0,383411
AP_07 - AP_09 -0,0903846 0,389418
AP_07 - AP_10 * -0,778753 0,404305
AP_08 - AP_09 * 0,885224 0,354034
AP_08 - AP_10 0,196856 0,370347
AP_09 - AP_10 * -0,688368 0,376562
* indica una diferencia significativa.
141
7. Acidez Total (AT) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 44,2797 4 11,0699 8,09 0,0000
Intra grupos 941,615 688 1,36863
Total (Corr.) 985,894 692
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
AT_06 152 3,73855 X
AT_09 140 3,776 XX
AT_07 110 4,17482 XX
AT_10 144 4,1816 X
AT_08 147 4,3681 X
Contraste Sig. Diferencia +/- Límites
AT_06 - AT_07 * -0,436266 0,400495
AT_06 - AT_08 * -0,629543 0,370101
AT_06 - AT_09 -0,0374474 0,374775
AT_06 - AT_10 * -0,443045 0,372056
AT_07 - AT_08 -0,193277 0,403345
AT_07 - AT_09 0,398818 0,407638
AT_07 - AT_10 -0,00677904 0,405139
AT_08 - AT_09 * 0,592095 0,377819
AT_08 - AT_10 0,186498 0,375121
AT_09 - AT_10 * -0,405597 0,379734
* indica una diferencia significativa.
8. Grados BRIX (°B) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 132,195 3 44,0651 6,17 0,0004
Intra grupos 4297,35 602 7,13845
Total (Corr.) 4429,54 605
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
BX_10 157 20,6949 X
BX_09 130 21,0229 XX
BX_06 152 21,4928 XX
BX_08 167 21,8949 X
Contraste Sig. Diferencia +/- Límites
BX_06 - BX_08 -0,402087 0,77156
BX_06 - BX_09 0,46984 0,822215
BX_06 - BX_10 * 0,797859 0,783181
BX_08 - BX_09 * 0,871927 0,805013
BX_08 - BX_10 * 1,19995 0,765101
BX_09 - BX_10 0,328019 0,816157
* indica una diferencia significativa.
142
9. pH Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 4,05544 4 1,01386 17,76 0,0000
Intra grupos 37,3822 655 0,0570721
Total (Corr.) 41,4377 659
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
pH_08 145 3,24386 X
pH_10 113 3,27991 X
pH_09 140 3,28207 X
pH_07 110 3,31255 X
pH_06 152 3,45638 X
Contraste Sig. Diferencia +/- Límites
pH_06 - pH_07 * 0,143836 0,0817948
pH_06 - pH_08 * 0,21252 0,0758518
pH_06 - pH_09 * 0,17431 0,0765419
pH_06 - pH_10 * 0,17647 0,0811625
pH_07 - pH_08 0,0686834 0,0826196
pH_07 - pH_09 0,030474 0,0832536
pH_07 - pH_10 0,032634 0,0875206
pH_08 - pH_09 -0,0382094 0,0774226
pH_08 - pH_10 -0,0360494 0,0819936
pH_09 - pH_10 0,00215992 0,0826324
* indica una diferencia significativa.
10. Actividad Vegetativa 01 al 15 Enero (SAVI 01) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 0,645892 4 0,161473 13,04 0,0000
Intra grupos 14,7358 1190 0,0123831
Total (Corr.) 15,3817 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
savi_01e09 239 0,951169 X
savi_01e08 239 0,967424 X
savi_01e10 239 0,978772 XX
savi_01e07 239 1,00479 XX
savi_01e06 239 1,01389 X
Contraste Sig. Diferencia +/- Límites
savi_01e06 - savi_01e07 0,00910126 0,0278074
savi_01e06 - savi_01e08 * 0,0464663 0,0278074
savi_01e06 - savi_01e09 * 0,0627216 0,0278074
savi_01e06 - savi_01e10 * 0,0351186 0,0278074
savi_01e07 - savi_01e08 * 0,037365 0,0278074
savi_01e07 - savi_01e09 * 0,0536204 0,0278074
savi_01e07 - savi_01e10 0,0260173 0,0278074
savi_01e08 - savi_01e09 0,0162553 0,0278074
savi_01e08 - savi_01e10 -0,0113477 0,0278074
savi_01e09 - savi_01e10 -0,0276031 0,0278074
* indica una diferencia significativa.
143
11. Actividad Vegetativa 15 al 28 Febrero (SAVI 49) Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 1,97881 4 0,494702 36,73 0,0000
Intra grupos 16,0281 1190 0,013469
Total (Corr.) 18,0069 1194
Pruebas de Múltiple Rangos Método: 95,0 porcentaje Tukey HSD
Casos Media Grupos Homogéneos
savi_49e09 239 0,895298 X
savi_49e08 239 0,917109 X
savi_49e10 239 0,964805 X
savi_49e06 239 0,981847 XX
savi_49e07 239 1,00487 X
Contraste Sig. Diferencia +/- Límites
savi_49e06 - savi_49e07 -0,0230238 0,029001
savi_49e06 - savi_49e08 * 0,0647376 0,029001
savi_49e06 - savi_49e09 * 0,0865489 0,029001
savi_49e06 - savi_49e10 0,0170412 0,029001
savi_49e07 - savi_49e08 * 0,0877614 0,029001
savi_49e07 - savi_49e09 * 0,109573 0,029001
savi_49e07 - savi_49e10 * 0,040065 0,029001
savi_49e08 - savi_49e09 0,0218113 0,029001
savi_49e08 - savi_49e10 * -0,0476964 0,029001
savi_49e09 - savi_49e10 * -0,0695078 0,029001
* indica una diferencia significativa.
144
ANEXO N°13:
RELACIÓN DE PRODUCCIÓN Y PRECIO PERÍODO 2005 AL 2010.
145
Relación de producción y precio, período 2005 al 2010.
Fuente: Elaboración propia base información Boletín de precios agropecuarios ODEPA (2010)
219
159
94
163
105
134126,5 124,5121,2
169
106
90
100
110
120
130
140
150
160
170
180
50
100
150
200
250
2005 2006 2007 2008 2009 2010
cKg/haKg/$
Precio(Kg/$)
Producción(CKg/ha)