BRUNO RICARDO SILVA COSTA ZONAS DE VIGOR VEGETATIVO PARA COLHEITA SELETIVA EM VITICULTURA IRRIGADA COM BASE EM SENSORIAMENTO PROXIMAL Botucatu 2021 BRUNO RICARDO SILVA COSTA ZONAS DE VIGOR VEGETATIVO PARA COLHEITA SELETIVA EM VITICULTURA IRRIGADA COM BASE EM SENSORIAMENTO PROXIMAL Tese apresentada à Faculdade de Ciências Agronômicas da Unesp Campus de Botucatu, para obtenção do título de Doutor em Agronomia (Irrigação e Drenagem). Orientador: Luís Henrique Bassoi Botucatu 2021 C837z Costa, Bruno Ricardo Silva Zonas de vigor vegetativo para colheita seletiva em viticultura irrigada com base em sensoriamento proximal / Bruno Ricardo Silva Costa. -- Botucatu, 2021 228 p. : il., tabs., fotos, mapas Tese (doutorado) - Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agronômicas, Botucatu Orientador: Luis Henrique Bassoi 1. Viticultura de precisão. 2. Uva Cultivo. 3. Índice de Vegetação por Diferença Normalizada. 4. Solos irrigados. I. Título. Sistema de geração automática de fichas catalográficas da Unesp. Biblioteca da Faculdade de Ciências Agronômicas, Botucatu. Dados fornecidos pelo autor(a). Essa ficha não pode ser modificada. AGRADECIMENTOS Aos meus amigos, Henrique Oldoni e Fernanda Campos Alencar Oldoni. Gostaria que soubessem que eu só cheguei até aqui graças a sua ajuda e principalmente, a sua amizade. Ao meu orientador, o professor doutor Luís Henrique Bassoi, pela confiança no trabalho desenvolvido e pela autonomia que me foi concedida para realização desse estudo. À Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP) / Faculdade de Ciências Agronômicas (FCA), pela oportunidade de ter sido aluno dessa instituição, e por ter feito parte da história do Curso de Pós-Graduação em Agronomia (Irrigação e Drenagem). Ao CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico, pela bolsa de estudos concedida. À Embrapa Instrumentação, pela disponibilidade de equipamentos e de infraestrutura necessária para a realização desse estudo. À Vinícola Guaspari, pela concessão das áreas experimentais, e à equipe técnica composta pelos profissionais Aline Coquieri, Ana Paula Tessarini, Cristian Sepúlveda, Fabrizia Zucherato, Otávio Foresti e Rafael Scaramussa, pelo apoio na realização da pesquisa. Aos pesquisadores, analistas, técnicos de laboratório e funcionários da Embrapa Instrumentação e da Embrapa Pecuária Sudeste, pelo apoio nas atividades de pesquisa. Também agradeço aos pesquisadores da Embrapa Semiárido, com quem tive a oportunidade de trabalhar e que me incentivaram a prosseguir na carreira acadêmica. Ao pesquisador Celito Crivellaro Guerra e à analista Gisele Perissutti, da Embrapa Uva e Vinho, pela realização das análises dos vinhos. Aos meus antigos amigos da Embrapa Semiárido, ex-alunos desse mesmo curso de pós-graduação, que me inspiraram a seguir os mesmos passos que eles tomaram. Aos demais amigos, estagiários e bolsistas, com quem trabalhei ao longo desses anos, agradeço igualmente. Aos amigos mais recentes com quem tive o prazer de conviver e trabalhar: Anderson de Jesus Pereira, Larissa Godarelli Farinassi, Pedro Alcantara da Silva Abreu e Thássio Monteiro Menezes da Silva. Agradeço pela paciência e espero ter contribuído com o trabalho de vocês de alguma forma. Aos amigos do curso de pós-graduação, mestrandos e doutorandos com quem convivi em 2017, no campus da UNESP em Botucatu – SP. Não tenho nada a lhes dizer além do meu muito obrigado pela oportunidade de conhecê-los. Vou me lembrar de cada um de vocês, daquele ano e daquele lugar para sempre. Um agradecimento especial aos colegas Cícero Manoel dos Santos e Maurício Bruno Prado da Silva, que me cederam abrigo na casa onde moravam, nos primeiros meses em São Paulo. Aos amigos Wendell Antunes da Silva e Romero Cancela Rocha Júnior, que fizeram parte do nosso grupo de pesquisa em viticultura de precisão, agradeço pelo apoio durante os trabalhos de campo. Agradeço igualmente aos colegas químicos e físicos, com quem convivi na Embrapa Instrumentação. Por fim, agradeço aos meus familiares, em particular aos meus pais, Maria das Graças Silva Costa e Roberto de Souza Costa, por todo o sacrifício e esforço em prol da minha educação formal, além de todos aqueles que me apoiaram durante o período de doutorado e em todas as outras ocasiões que me trouxeram até aqui. RESUMO O conceito de agricultura de precisão (AP) tem sido empregado na viticultura tendo em vista a adoção de práticas de manejo sítio-específico a partir da caracterização da variabilidade espacial das áreas cultivadas. Neste sentido, o vigor vegetativo das videiras pode ser adotado como uma variável regionalizada representativa da condição dos vinhedos, uma vez que expressa a interação dos diversos fatores ambientais predominantes nesses sistemas agrícolas. Em razão da sua relevância para adoção de práticas de AP, o vigor vegetativo pode ser monitorado intensivamente por tecnologias de georreferenciamento e sensoriamento que permitem a estimativa e predição espacial de índices de vegetação (IV). Desta forma, o presente estudo teve como objetivo caracterizar a variabilidade das condições edafoclimáticas de vinhedos comerciais, bem como do vigor vegetativo de videiras viníferas a partir de estimativas do índice de vegetação por diferença normalizada no vermelho limítrofe (NDRE) e do índice de vegetação por diferença normalizada (NDVI). A pesquisa foi conduzida durante os ciclos de produção de 2018 e 2019 em três vinhedos comerciais irrigados, e implantados com as cultivares Cabernet Franc e Cabernet Sauvignon (Vitis vinifera L.), ambas submetidas ao manejo de dupla-poda anual. O solo dos vinhedos foi avaliado conforme a granulometria e os atributos físico-hídricos relacionados ao armazenamento e disponibilidade de água. Por sua vez, as condições mesoclimáticas foram monitoradas ao longo dos ciclos de produção, durante o período anterior e posterior ao início da maturação das bagas (veraison). Os vinhedos também foram caracterizados quanto ao número de graus dias demandado pelas cultivares para conclusão do ciclo fenológico, bem como no que se referiu à dinâmica do armazenamento de água no solo. Para a caracterização do vigor vegetativo, os IV adotados foram estimados a partir da reflectância (ρ) do dossel das videiras, mensurada via sensoriamento proximal em três ocasiões ao longo do período de desenvolvimento e maturação dos cachos. A partir da estimação geoestatística, as predições espaciais dos IV foram avaliadas segundo a similaridade entre medidas realizadas em diferentes fases do ciclo e sua estabilidade espaço-temporal. Os resultados interpolados dos IV também foram usados na delimitação de zonas homogêneas (ZH) e posterior zonas de manejo (ZM), para subdivisão dos vinhedos em regiões de baixo e alto vigor vegetativo. Essas regionalizações foram validadas de acordo com parâmetros biofísicos, relacionados ao vigor e conteúdo de água na folha, e aspectos produtivos das videiras, bem como quanto à composição de bagas e umidade da camada superficial do solo, capacidade de armazenamento de água e lâmina de irrigação requerida. Além disso, testou-se o potencial da colheita seletiva de cachos para a diferenciação qualitativa de vinhos, conforme as ZH do vigor vegetativo deduzido segundo o NDVI, estimado no período de início de maturação de bagas. Em um mesmo vinhedo, foi possível identificar condições do solo semelhantes ao longo do perfil, além de um padrão regular quanto a dinâmica de armazenamento de água ao longo dos ciclos de produção. Além disso, apesar das variações interanuais no acúmulo de graus dias correspondente a cada cultivar, o sistema de dupla-poda adotado localmente permitiu que as cultivares de videiras fossem submetidas as condições mesoclimáticas estáveis, porém distintas entre si, ao se comparar o período anterior e posterior ao veraison. Em vinhedos cultivados com variedades vigorosas, cujo desenvolvimento se encontra consolidado, as predições do NDRE e NDVI apresentaram elevada estabilidade temporal, espacial e similaridade no padrão de distribuição dos valores interpolados estimados em fases avançadas do ciclo de produção. Contudo, foi possível verificar a adequabilidade da caracterização da expressão vegetativa dos vinhedos conforme a metodologia adotada nesse estudo, uma vez que foram observadas diferenças significativas entre regionalizações do vigor quanto às variáveis de validação. Além disso, a representação da variabilidade do vigor vegetativo também apresentou potencial para orientar a colheita seletiva de cachos e a obtenção de vinhos de composição distinta em um mesmo vinhedo. Palavras-chave: Vitis Vinifera L. Viticultura de precisão. Condições edafoclimáticas. Índices de vegetação. Vigor vegetativo. ABSTRACT The precision agriculture (PA) approach has been adopted in viticulture to guide site- specific management practices based on the spatial variability within fields. Thus, the grapevines’ vigor could represent the general conditions of vineyards once it is influenced by the interaction between their environmental factors. Thereby, the regular monitoring of grapevines’ vigor by the estimation of vegetation indices (VI) through georeferencing and remote sensing technologies is fundamental for PA applications in wine grape production. This research aimed to describe the edaphoclimatic conditions of commercial vineyards as well as to characterize the spatial variability of grapevines vigor, as stated by the red edge normalized difference vegetation index (NDRE) and the normalized difference vegetation index (NDVI). The research took place in 2018 and 2019 growing seasons at drip-irrigated vineyards, cultivated with Cabernet Franc and Cabernet Sauvignon (Vitis vinifera L.) subjected to annual double-pruning management. The vineyards’ soil texture and physical-hydric attributes were evaluated through the soil profile. Mesoclimatic conditions were recorded before and after the beginning of the berry ripening stage (veraison). The vineyards were also described by accounting for the growing degree-days required by the grapevine varieties to reach the end of their growing seasons. The dynamics of soil water storage were accessed by water balance analysis for the same purpose. The VI were estimated through measurements of canopy reflectance (ρ) made by proximal sensing at the stages of fruit development, veraison, and before the complete ripening. Spatial predictions of the VI were estimated by geostatistical analysis and then evaluated according to their similarity and spatio-temporal stability. These predictions were classified into homogeneous zones (HZ) and management zones (MZ) to delimit vineyards’ regions with low and high vigor grapevines. The appropriateness of this zonification was evaluated by the comparison between MZ concerning grapevines’ vigor, leaf water content, yield, berry composition at harvest, topsoil moisture, soil water storage capacity, and irrigation depth. Furthermore, it was evaluated the physical-chemical characteristics of wines made from the selective harvest guided by NDVI HZ defined at the veraison. It was possible to identify similar soil conditions through its profile in a given vineyard, in addition to a regular pattern of soil water balance throughout consecutive growing seasons. The double pruning system allowed the grapevines to be subjected to distinct but stable mesoclimatic conditions during pre and post- veraison periods, despite the interannual variations of the degree days accumulation reached by each variety. The predictions of NDRE and NDVI in later stages of the grapevine's growing seasons showed high similarity and spatio-temporal stability in vineyards cultivated with vigorous and well-developed plants. However, significant differences between MZ regarding the plant and soil validation traits confirmed the suitability of the grapevine vigor zonification. Also, grapevine vigor variability had the potential to support selective harvesting to distinguish wine composition in a single vineyard. Keywords: Vitis Vinifera L. Precision viticulture. Edaphoclimatic conditions. Vegetation indices. Vigor. SUMÁRIO 1 INTRODUÇÃO ............................................................................................. 15 2 REVISÃO DA LITERATURA ....................................................................... 18 2.1 Panorama da viticultura nacional e no Estado de São Paulo ................. 18 2.2 Agricultura de precisão no contexto da vitivinicultura ........................... 21 2.3 Estimativa da variabilidade do vigor vegetativo por meio de índices de vegetação .................................................................................................... 23 3 MATERIAL E MÉTODOS ............................................................................. 25 3.1 Caracterização das áreas experimentais .................................................. 25 3.2 Sistemas de condução, poda e duração dos ciclos de produção das cultivares de videiras ................................................................................. 28 3.3 Atributos físico-hídricos do solo ............................................................... 30 3.4 Condições mesoclimáticas ........................................................................ 33 3.5 Caracterização fenológica e somatório térmico das cultivares de videira ...................................................................................................................... 34 3.6 Demanda hídrica e fornecimento de água às videiras ............................ 35 3.7 Balanço hídrico climatológico e do cultivo .............................................. 37 3.8 Medidas de reflectância do dossel por sensoriamento proximal e estimativa de índices de vegetação para caracterização do vigor vegetativo das videiras .............................................................................. 37 3.8.1 Análise estatística descritiva e predição espacial do vigor vegetativo . 39 3.8.2 Estabilidade espaço-temporal e similaridade entre predições do vigor vegetativo inferido segundo diferentes índices de vegetação ............... 42 3.9 Delimitação de zonas homogêneas do vigor vegetativo ........................ 47 3.9.1 Concordância interavaliadores adotados para delimitação de zonas homogêneas do vigor vegetativo .............................................................. 48 3.10 Delimitação de zonas de manejo fundamentadas no vigor vegetativo . 52 3.11 Validação das zonas de manejo do vigor vegetativo .............................. 54 3.11.1 Indicadores do vigor vegetativo ................................................................ 55 3.11.2 Indicadores do estado hídrico foliar ......................................................... 56 3.11.3 Indicadores do desempenho produtivo e da composição das bagas ... 58 3.11.4 Indicadores do armazenamento e da disponibilidade de água no solo 58 3.12 Colheita e vinificação orientadas em função das zonas homogêneas do vigor vegetativo estimado durante o início da maturação das bagas ... 61 4 RESULTADOS E DISCUSSÃO ................................................................... 63 4.1 Atributos físico-hídricos do solo .............................................................. 63 4.2 Condições mesoclimáticas ....................................................................... 76 4.2.1 Temperatura do ar ...................................................................................... 76 4.2.2 Umidade relativa do ar ............................................................................... 82 4.2.3 Velocidade média do vento ....................................................................... 84 4.3 Caracterização fenológica e somatório térmico das cultivares de videiras ..................................................................................................................... 97 4.4 Demanda hídrica e fornecimento de água às videiras .......................... 100 4.4.1 Evapotranspiração de referência ............................................................ 100 4.4.2 Evapotranspiração da cultura ................................................................. 100 4.4.3 Precipitação pluvial ................................................................................. 102 4.4.4 Lâmina de irrigação ................................................................................. 103 4.5 Balanço hídrico climatológico e do cultivo ........................................... 104 4.6 Medidas de reflectância do dossel por sensoriamento proximal e estimativa de índices de vegetação para caracterização do vigor vegetativo das videiras ............................................................................ 110 4.6.1 Análise estatística descritiva e predição espacial do vigor vegetativo .....................................................................................................................110 4.6.2 Estabilidade espaço-temporal e similaridade entre predições do vigor vegetativo inferido segundo diferentes índices de vegetação ............ 128 4.7 Delimitação de zonas homogêneas do vigor vegetativo ...................... 143 4.7.1 Concordância interavaliadores adotados para delimitação de zonas homogêneas do vigor vegetativo ........................................................... 150 4.8 Delimitação de zonas de manejo fundamentadas no vigor vegetativo 158 4.9 Validação das zonas de manejo ............................................................. 164 4.9.1 Indicadores do vigor vegetativo ............................................................. 164 4.9.2 Indicadores do estado hídrico foliar ...................................................... 170 4.9.3 Indicadores do desempenho produtivo e da composição das bagas . 173 4.9.4 Indicadores do armazenamento e da disponibilidade de água no solo .....................................................................................................................190 4.10 Colheita seletiva e vinificação orientada em função das zonas homogêneas do vigor vegetativo estimado durante o início da maturação das bagas .................................................................................................. 201 5 CONCLUSÕES .......................................................................................... 206 REFERÊNCIAS .......................................................................................... 209 15 1 INTRODUÇÃO A diferenciação das práticas de manejo segundo a variabilidade das áreas cultivadas é um pressuposto considerado pela agricultura de precisão (AP), cuja abordagem fundamenta-se na predição espacial de variáveis regionalizadas, utilizada para a gestão estratégica de recursos naturais e de insumos. Desta forma, a caracterização espacial dos fatores da produção agrícola resulta na delimitação de subdivisões homogêneas nas áreas de cultivo, denominadas unidades de gestão diferenciada ou zonas de manejo, que passam a ser tratadas distintamente. A influência da variabilidade das condições naturais sobre a atividade agrícola é de importância notória no cultivo de videiras destinadas à elaboração de vinhos. Isso ocorre pois a associação de múltiplos fatores ambientais repercute na maturação das uvas, condicionando a composição das bagas e a expressão das suas características enológicas. Neste contexto, o termo francês terroir é adotado para diferenciação organoléptica de vinhos obtidos em uma conjuntura de premissas ecossistêmicas distintas. Conforme destacado por van Leeuwen (2010), o terroir representa o resultado da relação entre componentes climáticos, geológicos, geomorfológicos, edáficos e antrópicos, que deve ser compreendido a partir de uma avaliação pluridisciplinar. Dada a sua importância, a diferenciação de vinhos conforme à distinção de terroirs tem sido evidenciada pela literatura recente (FERNÁNDEZ- MARÍN et al., 2013; ROULLIER-GALL et al., 2014; FORONI et al., 2017). A caracterização das condições ambientais reinantes é usualmente aplicada na atribuição da denominação de origem (appellation d'origine), conceito adotado para regionalização da vitivinicultura e definição da tipicidade de vinhos. Assim, na demarcação de regiões vitícolas quanto à regularidade de características ambientais exclusivas, destaca-se o termo “l'unité de terroir naturel” (unidades naturais de terroir) (LAVILLE, 1993). Esta expressão refere-se à identificação da uniformidade quanto às características ambientais inerentes às localidades tipicamente produtoras, levando- se em conta divisões territoriais de grande extensão (CAREY et al., 2009; ROTARU et al., 2010; PRIORI et al., 2014; KARLÍK et al., 2018; SLAVE et al., 2019). Entretanto, esse campo de estudo tem reorientado a sua abrangência, convergindo para o desenvolvimento de pesquisas mais aplicadas, em oposição às descrições regionais mais amplas (VAUDOUR et al., 2015). Desta forma, em virtude do constante desenvolvimento de tecnologias de sensoriamento e da crescente disponibilidade de 16 dados espaciais, essa concepção prioriza a caracterização da variabilidade particular de cada vinhedo, a qual torna-se de maior relevância para o viticultor (VAUDOUR et al., 2015). Dentre as variáveis de interesse comumente monitoradas para representação da variabilidade dos vinhedos destaca-se a o vigor vegetativo das videiras, uma vez que a desuniformidade dessa característica revela a discrepância no que diz respeito às condições ambientais intrínsecas de uma área cultivada. Essa descontinuidade resulta, principalmente, da irregularidade quanto à distribuição de atributos edáficos relacionados a disponibilidade de água e nutrientes no solo. De outra maneira, as características genotípicas das cultivares copa e porta-enxerto em interação com os demais fatores ambientais influenciam igualmente a sua expressão vegetativa. Assim, torna-se viável considerar a distribuição dos padrões de variação espaço-temporal do vigor vegetativo para fundamentar o emprego da AP no cultivo de videiras, atividade denominada viticultura de precisão (VP) (BRAMLEY e PROFFITT, 1999). Neste sentido, as aplicações da VP realizadas conforme a variabilidade espacial do vigor vegetativo das videiras, têm sido avaliadas especialmente para a orientação da colheita de cachos (BEST et al., 2005; TROUGHT e BRAMLEY, 2011; MARTÍNEZ- CASASNOVAS et al., 2012; ARNÓ e MARTÍNEZ-CASASNOVAS, 2017). Nas aplicações de VP, a inferência quanto ao estado de desenvolvimento vegetativo de videiras é feita por meio da estimativa de índices de vegetação (IV), calculados a partir da reflectância (ρ) do dossel das videiras. Os IV são medidas quantitativas utilizadas para o monitoramento da cobertura vegetal de superfícies cultivadas ou naturais, uma vez que o seu cálculo está diretamente relacionado com as propriedades ópticas características das folhas. Logo, considerando-se que ρ é uma propriedade fisicamente definida de um dado material, a sua utilização se torna ideal para o processo de captura de dados por meio de sensoriamento (HAKALA et al., 2018). Contudo, admitindo-se que as diferentes cultivares de videira apresentam características distintas quanto a sua expressão vegetativa, essa condição deve ser considerada na escolha de um IV capaz de representa-la de forma apropriada. A caracterização do vigor vegetativo das videiras torna-se especialmente importante em áreas produtivas que estão em processo de consolidação, as quais buscam a distinção de terroirs em seus vinhedos. Sob esta perspectiva, destaca-se o cultivo de variedades de videiras destinadas a produção dos denominados “vinhos de altitude” ou “vinhos de inverno”, que vem se estabelecendo na região da Serra da 17 Mantiqueira, ao Sul de Minas Gerais e no Nordeste de São Paulo. A atividade se desenvolve em condições particulares de clima e relevo com a adoção de práticas de manejo que favorecem a viabilidade técnica e econômica da vitivinicultura local, contribuindo para o processo de expansão e diversificação de regiões produtoras nacionais. Dentre essas práticas, destaca-se a implementação da dupla poda anual, efetuada com a finalidade de coincidir o período entre a maturação e a colheita das uvas com épocas do ano (outono e inverno) que apresentam condições climáticas favoráveis a maturação das bagas e a obtenção de vinhos de melhor qualidade. No contexto da produção agrícola contemporânea, o desenvolvimento da vitivinicultura perpassa a expansão de áreas produtivas e a implementação de tecnologias de manejo, uma vez que engloba igualmente a necessidade de adoção de práticas de VP. A reconhecida necessidade de redução de impactos ambientais resultante da racionalização do uso dos insumos agrícolas, associada à possibilidade de gestão da variabilidade dos vinhedos, fundamentam a delimitação de unidades de terroir em escala local e a consequente implementação da VP. Desta forma, o presente estudo apresenta um caráter descritivo, cujo objetivo foi caracterizar as condições de cultivo de videiras viníferas irrigadas, implantadas em áreas comerciais no nordeste do estado de São Paulo e delimitar zonas homogêneas do vigor vegetativo a partir da predição espacial de IV. Posteriormente, a pesquisa popôs a avaliação dos padrões de distribuição espaço-temporal da expressão vegetativa das videiras, para fins de definição de zonas de manejo e diferenciação de aspectos produtivos e qualitativos de uvas e vinhos. . 18 2 REVISÃO DA LITERATURA 2.1 Panorama da viticultura nacional e no Estado de São Paulo A videira (Vitis L.), situada pela botânica sistemática na divisão Magnoliophyta, classe Magnoliopsida, subclasse Rosidae, ordem Rhamnales, família Vitaceae é caracterizada como um arbusto com caule sarmentoso e trepador, que se fixa a suportes naturais ou artificiais, mediante órgãos especializados (QUEIROZ-VOLTAN e PIRES, 2003). Segundo Keller (2010a), essas plantas estão entre as primeiras espécies frutíferas a serem domesticadas e representam um dos cultivos mais economicamente importantes para a fruticultura mundial. Dentre as espécies pertencentes ao gênero Vitis, a videira europeia (Vitis vinifera L.) foi aquela que deu origem a maioria das variedades cultivadas atualmente (KELLER, 2010a). A espécie mencionada, originária do centro da Ásia Central, em regiões que apresentam o clima típico mediterrâneo (PEDRO JÚNIOR e SENTELHAS, 2003), tem versatilidade de cultivo atrelada às suas diferentes finalidades, ou seja, de acordo com o destino e a forma de consumo da sua produção. Isso torna possível classifica-las, em termos comerciais em uvas para consumo in natura ou uvas para mesa, uvas para sucos, uvas para passas e uvas para vinhos (LEÃO et al., 2009). No âmbito nacional, a viticultura iniciou-se com a chegada dos colonizadores portugueses no século XVI, porém tornou-se uma atividade comercial a partir do século XX, por iniciativa de imigrantes italianos assentados na região Sul do país (PROTAS et al., 2006; CAMARGO et al., 2011). Neste contexto, o cultivo de uvas americanas (Vitis labrusca) foi predominante desde os períodos iniciais da atividade até meados do século XX, quando se iniciou o plantio de videiras europeias (CAMARGO et al., 2011). Destaca-se que a viticultura brasileira ficou limitada às regiões Sul e Sudeste até a década de 1960, quando, a partir de então, o cultivo da uva expandiu-se como alternativa econômica para outras regiões do país (CAMARGO et al., 2011). Hodiernamente, a viticultura brasileira apresenta características regionais particulares uma vez que se desenvolve sob condições de clima temperado (regiões da Fronteira, Serra do Sudeste e Serra Gaúcha, no Estado do Rio Grande do Sul, sudeste de São Paulo e sul de Minas Gerais), subtropical (região Norte do Paraná) e 19 tropical (Noroeste de São Paulo, Norte de Minas Gerais e Vale do Submédio São Francisco, mais especificamente nos Estados de Pernambuco e Bahia) (PROTAS et al., 2006; MELLO, 2019). Comercialmente, a viticultura brasileira exerce importante papel econômico no contexto de pequenas propriedades, bem como representa uma fonte de empregos e renda resultante do investimento de empresas privadas (MELLO, 2019). Neste sentido, no que se refere a safra de 2020, a viticultura brasileira apresentou uma área plantada e colhida equivalente a 74.840 e 73.557 ha, respectivamente, com uma produção total de 1.441.832 Mg e produtividade de 19.602 kg ha-1 (IBGE, 2020). Conforme essas informações, a região Sul do país representou 73,28% da área cultivada total, seguida pela região Nordeste (13,88%) e Sudeste (12,53%). Por sua vez, a produção referente as regiões Sul, Nordeste e Sudeste correspondeu a 59,25, 28,73 e 11,68% do total, respectivamente. No que concerne ao cultivo de uvas para elaboração de vinhos (vitivinicultura), esta atividade iniciou-se no Brasil por volta de 150 anos atrás com a chegada de imigrantes italianos às regiões Sudeste e Sul do país. Portanto, pode-se afirmar que a vitivinicultura nacional é uma atividade historicamente recente em comparação àquela desenvolvida em países produtores tradicionais, tais como França e Itália, que ocupam as primeiras posições mundiais em área e produção (MARIN et al., 2008). Atualmente, tomando como base os dados de empresas do Rio Grande do Sul pertinentes ao ano de 2018, a comercialização nacional de vinhos finos, elaborados com uvas Vitis vinifera L., foi equivalente a 15,40 milhões de litros, enquanto aquela referente aos vinhos de mesa, produzido com uvas americanas e híbridas, foi igual a 192,10 milhões de litros (IBRAVIN, 2018). No mesmo ano, a importação de vinhos originários do Chile, Argentina, Itália, França, Portugal, dentre outros países, representaram um total de 116,60 milhões de litros (IBRAVIN, 2018). Assumindo-se o cultivo de videiras desenvolvido especificamente no estado de São Paulo, desde o final do século XIX até a primeira metade do século XX, Romero (2004) revela pontos importantes que permitiram o desenvolvimento da atividade na região. Dentre esses, destacam-se a associação de condições climáticas e relevo favoráveis, as políticas de imigração e colonização, as possibilidades da diversificação agrícola a partir de 1930 e o papel da pesquisa e da assistência agrícola por parte dos órgãos estatais (ROMERO, 2004). Neste contexto, a viticultura paulista teve sua origem na região Leste, no entorno da capital do estado e do município de Campinas, expandiu-se para o município de São Roque e posteriormente para a região de Jundiaí 20 nas primeiras décadas do século XX e ganhou expressão no Noroeste do estado, na década de 1980 (PROTAS e CAMARGO, 2011). Na região Leste, a atividade se desenvolve mediante o sistema tradicional de cultivo de uvas para mesa, cuja variedade Niágara Rosada (Vitis labrusca) é a predominante, enquanto a produção de uvas finas de mesa, a exemplo das cultivares Itália, Rubi e Benitaka (Vitis vinifera L.), concentra-se nos municípios de São Miguel Arcanjo e Pilar do Sul (PROTAS, 2011 e CAMARGO). Por sua vez, na região Noroeste, a viticultura converge para o município de Jales, sobretudo no que se refere a produção de uvas Niágara Rosada. Destaca- se ainda a expansão e diversificação da atividade no estado, em razão do cultivo recente de variedades destinadas a elaboração de vinhos finos, estabelecido em municípios como São Carlos, Espírito Santo do Pinhal, Itobi e Divinolândia (PROTAS e CAMARGO, 2011). Segundo o censo agropecuário de 2017, no referido estado, os municípios de São Miguel Arcanjo, Jundiaí e Indaiatuba figuraram entre aqueles com maior área colhida no que se referiu a produção de uvas para mesa, a qual correspondeu a 1.460, 814 e 586 ha, respectivamente (IBGE, 2017). Por sua vez, as maiores produções foram obtidas nos municípios de São Miguel Arcanjo, Indaiatuba e Pilar do Sul, e equivaleram a 12.094, 5.154 e 5.021 Mg, nesta ordem (IBGE, 2017). No cultivo de uvas para processamento e elaboração de vinhos ou sucos, destacou-se o município de Jundiaí, com maior área colhida (1.482 ha) e maior quantidade produzida (235 Mg) (IBGE, 2017). De acordo com o zoneamento pedoclimático realizado por Marin et al. (2008), mais de 70% do Estado de São Paulo apresenta aptidão edáfica para o cultivo da videira, porém o potencial vitícola regional é mais proeminente nas estações de outono e inverno, pois estas apresentam condições climáticas favoráveis a maturação das uvas. Nesse sentido, uma das opções para transferência da safra para o período mencionado diz respeito a adoção de práticas de manejo, a exemplo da dupla poda, atualmente empregada para produção de uvas para mesa e também para vinhos finos no Estado de Minas Gerais (MOTA et al., 2010). Conforme esse manejo, realiza-se uma poda de formação dos ramos produtivos, em meados de agosto, seguida de uma poda de produção dos ramos lignificados a partir do mês de janeiro, possibilitando o início da maturação em abril e colheita nos meses de junho e julho (REGINA et al., 2006). Desta forma, o manejo de dupla poda pode representar uma nova perspectiva para o desenvolvimento da viticultura paulista. 21 2.2 Agricultura de precisão no contexto da vitivinicultura O conceito de agricultura de precisão (AP) faz referência a utilização de um conjunto de tecnologias que tem por finalidade, a caracterização espacial de variáveis pertinentes aos sistemas produtivos (OLIVEIRA E GREGO, 2015). Neste sentido, esta abordagem possibilita o manejo estratégico dos fatores de produção, de acordo com a variação espacial e temporal que esses apresentam (OLIVEIRA e GREGO, 2015). Assim, a adoção da AP, considera a heterogeneidade das condições determinantes para o desenvolvimento dos cultivos no gerenciamento da lavoura, de modo a incrementar a eficiência do processo produtivo. Trabalhos que demonstram a utilidade do manejo localizado são relatados desde o início do século XX, porém a aplicação prática dessa abordagem remete aos anos de 1980, a partir da elaboração de mapas de produtividade na Europa e da realização de adubações automatizadas a taxa variável nos Estados Unidos (MOLIN et al., 2015a). Para a adoção da AP, a avaliação da heterogeneidade das áreas cultivadas implica na caracterização da dependência espacial de variáveis de interesse. Esse processo é fundamentado no monitoramento georreferenciado dessas condições e na sua predição espacial, comumente obtida por meio da geoestatística, adotada para fins de análise variográfica, seguida da interpolação por krigagem para estimativa de valores em locais não observados. Neste contexto, o monitoramento intensivo de atributos ambientais é possível graças a adoção de tecnologias específicas, a exemplo dos sistemas de informações geográficas (SIG) e das técnicas e equipamentos de sensoriamento remoto e proximal aplicados a agricultura. Por sua vez, a análise geoestatística tem como finalidade a caracterização de uma variável a partir do estudo de sua distribuição e variabilidade espaciais, além da determinação das incertezas associadas (YAMAMOTO e LANDIM, 2013). Por fim, o resultado da caracterização espacial de múltiplas variáveis pode ser representado pela delimitação de zonas de manejo, que resultam na categorização das áreas de cultivo conforme regionalizações que apresentam características uniformes (CÓRDOBA et al., 2016). Uma vez que a adoção da AP permite o melhor gerenciamento dos cultivos, maximizando os retornos em função do uso racional dos recursos produtivos, essa abordagem vem sendo incluída no contexto da vitivinicultura. Por essa razão, as pesquisas pertinentes ao cultivo de videiras para elaboração de vinhos têm se ocupado da análise e implementação de ferramentas e técnicas geoespaciais e de 22 sensoriamento remoto para monitoramento da cultura, visando a tomada de decisão quanto ao manejo da mesma (MATHEWS, 2013). Conforme Arnó et al. (2009), as pesquisas aplicadas a adoção da AP na vitivinicultura direcionam-se para quatro áreas principais: a quantificação e avaliação da variabilidade dos vinhedos; o delineamento de zonas homogêneas; o desenvolvimento de tecnologias de aplicação a taxa variável e a avaliação de oportunidades para a gestão e manejo sítio-específico. Assim, em razão da aplicabilidade da AP para o incremento do potencial enológico dos vinhedos, Bramley e Proffitt (1999) pontuam o termo “viticultura de precisão” (VP), o qual representa uma subdivisão dessa abordagem. As principais aplicações da VP fazem referência a caracterização dos vinhedos conforme o estado de desenvolvimento vegetativo e a estrutura do dossel das videiras, por meio de dados obtidos remotamente, em especial de imagens multiespectrais provenientes de sensores embarcados em satélites ou veículos aéreos não tripulados (VANT) (DOBROWSKI et al., 2003; MATESE et al., 2015; BORGOGNO-MONDINO et al., 2018; CASTRO et al., 2018). Além disso, a implementação de sensoriamento proximal, por meio do uso de sensores ópticos de reflectância, tem sido aplicada como alternativa ao sensoriamento remoto para a mesma finalidade (MAZZETO et al., 2010; STAMADIADIS et al., 2010; JUNGES et al., 2017; JUNGES et al., 2019). Este último método, trata da utilização de sensores embarcados em implementos agrícolas ou carreados manualmente, que atuam nas proximidades dos alvos (MOLIN et al., 2015b). Um conceito especialmente importante que oportuniza a adoção da VP no cultivo de videiras para elaboração de vinhos diz respeito a regionalização de áreas vitícolas segundo a variabilidade característica quanto as condições ambientais circundantes. Desta forma, destaca-se o termo terroir, utilizado para classificação de comidas e bebidas em relação ao seu local específico de produção e às caraterísticas organolépticas que esses locais proporcionam aos produtos, o que o torna especialmente importante na classificação de vinhos (CAPPELIEZ, 2017). Logo assumindo-se a existência da variabilidade dos vinhedos, e a importância da sua diferenciação em termos de terroir, é possível verificar a influência dessas variações nos aspectos produtivos da cultura da videira por meio da aplicação das técnicas oriundas da VP. Por essa razão, Trought e Bramley (2011) destacam que a colheita seletiva em vinhedos, realizada em resposta a variabilidade espacial e temporal dos vinhedos, associada ao conhecimento sobre a sua fisiologia e seus efeitos sobre a 23 maturação das uvas, bem como aos objetivos do viticultor, podem resultar em otimização dos resultados da produção. Neste sentido, a colheita seletiva orientada pela caracterização do vigor vegetativo das videiras para avaliação de parâmetros de qualidade e produção foi relatada por Best et al. (2005), Trought e Bramley (2011), Martinez-Casasnovas et al. (2012). 2.3 Estimativa da variabilidade do vigor vegetativo por meio de índices de vegetação Dentre as variáveis de interesse consideradas nas aplicações da VP para caracterização da variabilidade de vinhedos, destaca-se a importância da inferência sobre o vigor vegetativo das videiras. Isso se justifica pois o adensamento do dossel das plantas, proporcional ao vigor vegetativo, é uma característica que afeta o microclima, ou seja, as condições imediatamente adjacentes à copa e aos frutos. Assim, esse atributo influencia a intensidade da luz solar que atravessa as camadas de folhas, bem como a temperatura, a umidade e a evaporação da água sobre superfícies foliares úmidas (SMART e ROBINSON, 1992). Consequentemente, aspectos fisiológicos são também afetados, a exemplo da eficiência fotossintética, transpiração, respiração, translocação de nutrientes e as relações hídricas ao se comparar as folhas no interior e exterior do dossel (SMART e ROBINSON, 1992). Uma vez que os métodos para estimativa direta do vigor vegetativo podem ser dispendiosos e, levando-se em conta a necessidade de monitoramento intensivo da variabilidade desse atributo no contexto da VP, a expressão vegetativa das videiras pode ser avaliada por meio de índices de reflectância espectral, denominados índices de vegetação (IV). Os IV se constituem em medidas quantitativas relacionadas a presença e vigor da biomassa cobrindo superfícies naturais ou cultivadas, uma vez que a sua estimativa está associada com a assinatura espectral característica da vegetação quanto a reflectância (ρ) da energia eletromagnética. Os índices de vegetação são comumente calculados pela razão ou diferença normalizada entre as medidas da reflectância, obtidas em duas ou mais bandas espectrais (comumente na faixa do vermelho visível e infravermelho), resultante de parte da radiação solar que interage com as folhas. Dentre os IV, o índice de vegetação por diferença normalizada ou NDVI (normalized difference vegetation index) (ROUSE et al., 1974), é comumente 24 citado na literatura e um dos mais empregados para caracterização do vigor vegetativo de superfícies vegetadas naturais ou cultivadas. Nas plantas, a reflexão da energia eletromagnética é influenciada pelas características individuais dos órgãos vegetais, a exemplo da do tipo e estágio de crescimento e da organização, estrutura e textura do dossel (ROY, 1989). Contudo, uma característica marcante da dispersão do espectro de ρ relacionado a uma folha verde diz respeito ao contraste resultante da absorção máxima da clorofila a 0,69 μm e a reduzida absorção na região do infravermelho a 0,85 μm (MYNENI, et al., 1995). Por sua vez, as propriedades únicas da ρ associada a vegetação se correlacionam com aspectos agronômicos das culturas, a exemplo da área foliar (VIÑA et al., 2010), do estado nutricional e fitossanitário dos cultivos (CAMMARANO, et al, 2014; FENG et al., 2017), bem como com os atributos físicos e químicos do solo (BERNARDI, et al., 2017). Por esta razão, a avaliação da variabilidade espacial do vigor vegetativo das videiras por meio dos IV representa um importante indicador da condição dos vinhedos e torna-se imprescindível para o monitoramento intensivo, delimitação de zonas de manejo e posterior adoção de práticas de VP. 25 3 MATERIAL E MÉTODOS 3.1 Caracterização das áreas experimentais As avaliações descritas no presente estudo foram realizadas no decorrer dos ciclos de produção de 2018 e 2019 em três vinhedos comerciais, denominados áreas experimentais A1, A2 e A3, implantados na Fazenda Santa Inês, pertencente à Vinícola Guaspari, localizada no município de Espírito Santo do Pinhal (22°11'27"S, 46°44'27"O), o qual está situado na região nordeste do Estado de São Paulo, Brasil. Os vinhedos estabelecidos na propriedade em questão foram agrupados em subdivisões denominadas “Vistas”, as quais apresentavam características distintas, em especial quanto à topografia, e representavam os diferentes terroirs produzidos localmente. Neste sentido, as áreas experimentais consideradas nesta pesquisa compuseram parcialmente a “Vista da Mata” (A1) e a “Vista do Vale” (A2 e A3). Nos vinhedos avaliados encontravam-se implantadas as cultivares Cabernet Franc (A1 e A2) e Cabernet Sauvignon (A3) (Vitis vinifera L.), ambas castas de uvas tintas destinadas à produção de vinhos finos, e enxertadas sobre o porta-enxerto Paulsen 1103 (Vitis berlandieri x Vitis rupestres). Detalhes da localização e das principais características pertinentes às áreas experimentais são descritos na Tabela 1. Os limites e as curvas altimétricas dispostas ao longo das mesmas, além da orientação das fileiras de plantas, são apresentados nas Figuras 1 e 2. Tabela 1 - Principais informações sobre as áreas experimentais A1, A2 e A3 Vista da Mata Vista do Vale A1 A2 A3 Coordenadas 22°10'41,11"S 22°10'30,58"S 22°10'26,50"S 46°42'11,77"O 46°42'1,20"O 46°42'2,29"O Altitude (m) 1177 - 1188 1168 - 1188 1165 - 1182 Ano de plantio 2006 2010 2010 Área total (ha) 1,50 0,82 0,97 Nº de plantas 4.977 3.283 3.883 Espaçamento entre fileiras e plantas (m) 3,0 x 1,0 2,5 x 1,0 2,5 x 1,0 Orientação predominante das fileiras NE - SW NE - SW NW - SE 26 Figura 1 - Localização e distribuição das áreas experimentais componentes da Vista da Mata (A1) e Vista do Vale (A2 e A3) Figura 2 - Contornos das áreas experimentais componentes da Vista da Mata (A1) e Vista do Vale (A2 e A3) e disposição das fileiras de plantas e das curvas altimétricas O clima de abrangência da região onde se localizavam as áreas experimentais foi categorizado como Cwa, ou seja, subtropical úmido (C), com inverno seco (w) e verão quente (a) (ALVARES et al., 2013), segundo a classificação de Koppen. Conforme os critérios estabelecidos por essa especificação, a temperatura do ar do Fonte: Bruno Ricardo Silva Costa - 2019 27 mês mais frio se situa entre -3 e 18°C e, no mês mais quente, esta é maior ou igual a 22°C. Além disso, conforme indicado pela classificação mencionada, a precipitação pluvial total do mês mais seco do ano é inferior a 40,00 mm. Ressalta-se que o clima subtropical (C) é predominante em 13,70% do território brasileiro, em especial nos platôs e montanhas da Região Sul (ALVARES et al., 2013). Por sua vez, a classificação climática Cwa, típica da Região Sudeste, é identificada em 2,50% da área territorial do Brasil e em 17,40% da extensão do Estado de São Paulo (ALVARES et al., 2013). O relevo das áreas experimentais apresentou discrepâncias quanto a sua classificação, uma vez que variou entre suave ondulado, ondulado e forte ondulado (SANTOS et al., 2018). Valores médios e seus respectivos desvios padrões (x̅ ± sd) correspondentes à declividade, estimada por meio de modelos digitais de elevação (MDE, resolução 0,50 m) e expressa em graus e percentagem, respectivamente, foram iguais à 5,30 ± 2,00° e 9,29 ± 3,53% (A1), 7,41 ± 2,81° e 13,03 ± 5,02% (A2) e 9,21 ± 2,76° e 16,25 ± 4,95% (A3). A amplitude de variação desse atributo topográfico (valor máximo – valor mínimo), representada em graus e percentagem, nesta ordem, foi equivalente à 16,72° (16,73 – 0,02°) e 30,03% (30,06 – 0,03%) (A1), 21,36° (21,46 – 0,10°) e 39,14% (39,32 – 0,18%) (A2) e 19,56° (19,78 – 0,22°) e 35,57% (35,96 – 0,39%) (A3). A irregularidade dos vinhedos quanto à classificação da sua declividade foi explicada pela magnitude da variabilidade relativa em torno da média (coeficiente de variação, CV%) referente à elevação da sua superfície. Esta medida de variação, correspondente a declividade expressa em graus e percentagem, respectivamente, foi equivalente à 37,77 e 37,98% (A1), 37,92 e 38,55% (A2) e 29,96 e 30,43% (A3). Desta forma, as áreas experimentais implantadas com a cv. Cabernet Franc (A1 e A2) apresentaram-se pouco mais variáveis quanto à declividade média do terreno em comparação àquela cultivada com a cv. Cabernet Sauvignon (A3). A orientação das vertentes (aspecto) das áreas experimentais assumiu valores médios seguidos de desvios padrões (x̅ ± sd) equivalentes a 295,60 ± 40,57° (A1), 279,49 ± 32,14° (A2) e 266,05 ± 22,13° (A3), os quais corresponderam a uma dispersão relativa em torno da média equivalente a 13,73, 11,50 e 8,32%, nesta ordem. Deste modo, a variação da declividade nos vinhedos e a sua consequente exposição se deu, predominantemente, no sentido noroeste (NW) (A1) e oeste (W) (A2 e A3). Destaca-se ainda que, na Vista do Vale, a orientação no sentido W foi mais 28 evidente na área experimental cultivada com a cv. Cabernet Sauvignon (A3) em comparação àquela implantada com a cv. Cabernet Franc (A2), em razão da menor variabilidade relativa em torno da média no que se referiu a esse atributo. Os MDE utilizados para a caracterização da declividade e aspecto do terreno foram obtidos a partir da predição espacial, realizada por meio de interpolação geoestatística de dados altimétricos georreferenciados. Os dados de elevação obtidos por meio da interpolação por krigagem ordinária foram posteriormente importados em SIG (Sistema de Informações Geográficas) para aplicação de algoritmos destinados a estimativa dos atributos topográficos mencionados anteriormente. O solo das áreas experimentais foi classificado majoritariamente como Cambissolo háplico Tb, porém esta categorização variou entre eutrófico e distrófico epieutrófico (grande grupo) e entre típico, léptico ou petroplíntico (subgrupo) (SANTOS et al., 2018). Contudo, amostras representativas destas duas últimas classes foram menos recorrentes nos três vinhedos. A sequência de horizontes Ap (removido) (0 a 0,20 m), seguido do horizonte subsuperficial B incipiente (Bi) (0,20 a 0,70 m), e C (0,70 a 1,00 m), este último constituído pelo material pouco consolidado, foi predominante na classificação dos horizontes diagnósticos em todas as áreas experimentais. Destaca-se que a classificação dos solos dos vinhedos foi obtida a partir de uma amostragem realizada em seis (A1 e A2) e quatro (A3) pontos dispostos ao longo dos vinhedos, por meio de prospecções feitas no perfil do solo com auxílio de trado holandês em intervalos regulares de 0,20 m de profundidade. 3.2 Sistemas de condução, poda e duração dos ciclos de produção das cultivares de videiras Em todas as áreas experimentais avaliadas adotou-se o sistema de condução em espaldeira, o qual propiciou a sustentação das videiras conforme a orientação vertical do seu dossel. Esse arranjo assegurou o desenvolvimento de uma estrutura da copa consoante com o hábito de crescimento natural dos ramos da maioria das variedades de Vitis vinifera (SMART e ROBINSON, 1992). O sistema de poda de formação adotado nos vinhedos foi do tipo Royat unilateral, por meio do qual foi direcionado um único cordão esporonado (ramo principal) por planta. Este ramo se localizou a uma altura aproximada de 1,00 m em relação à superfície do solo, enquanto a região de desenvolvimento dos cachos se 29 situou nos próximos 0,15 ~ 0,20 m acima do mesmo. Por sua vez, o topo do dossel das videiras localizou-se a uma altura aproximada de 2,00 m em relação à superfície do solo, após as plantas atingirem o seu pleno desenvolvimento vegetativo em fases avançadas do ciclo de produção. Em ambos os ciclos de produção avaliados, os vinhedos considerados neste estudo foram submetidos ao manejo de dupla poda anual, procedimento cuja viabilidade vem sendo estudada pela EPAMIG (Empresa de Pesquisa Agropecuária de Minas Gerais) e referenciada na literatura recente (REGINA et al., 2011; FAVERO et al., 2011; SOUZA et al., 2015). Assim, conforme essa prática, realizou-se uma primeira poda, entre os meses de julho e agosto, subsequente à colheita anterior, para início do ciclo de formação de ramos, durante o qual os cachos foram removidos. Na sequência, após um período de cinco a seis meses, efetuou-se uma segunda poda, dando início ao ciclo de produção do ano corrente. Quanto ao comprimento dos ramos podados destaca-se que, para dar início a fase de formação, deixou-se um número de duas gemas por ramo, enquanto na fase de produção foi considerado um número de quatro gemas por ramo. O sistema de poda descrito foi adotado com a propósito de coincidir o período disposto entre a maturação e a colheita das uvas com épocas do ano que apresentavam condições climáticas favoráveis ao incremento da qualidade das bagas e dos vinhos elaborados, ou seja, durante as estações de outono e inverno. Dentre essas condições propícias, destacam-se a maior frequência de baixas temperaturas noturnas e a reduzida taxa de precipitação pluvial (MOTA et al., 2006), características das estações supracitadas. Neste sentido, os ciclos de produção avaliados ocorreram no período compreendido entre o verão e o inverno no hemisfério Sul, com poda de formação e produção realizada em agosto e janeiro, respectivamente. A colheita foi então efetuada entre junho e julho, o que resultou em ciclos de duração variável, contabilizada em dias após a poda de produção (dap). Assim, nos anos de 2017 e 2018, respectivamente, a poda de formação da área pertencente à Vista da Mata (A1) foi realizada em 24/08 e 29/08, enquanto nas áreas correspondentes à Vista do Vale (A2 e A3) esta se deu a partir do dia 23/08 e 15/08. Por conseguinte, a poda de produção da área A1 para início do ciclo produtivo de 2018 e 2019, nesta ordem, foi realizada em 24/01 e 17/01, enquanto a colheita ocorreu em 17/07 (174 dap) e 3/07 (167 dap). Por fim, nas áreas A2 e A3, a poda de produção referente aos anos de 2018 e 2019, respectivamente, se deu em 16/01 e 22/01, 30 enquanto a colheita ocorreu em 29/07 (164 dap) e 20/07 (160 dap) (A2) e em 01/07 (185 dap) e 31/07 (190 dap) (A3). Assim, os ciclos associados a cv. Cabernet Sauvignon (A3) foram mais prolongados em comparação àqueles correspondentes à Cabernet Franc (A1 e A2) em ambos os anos. Além disso, ressalta-se que apenas os ciclos de produção foram objeto de estudo desta pesquisa. 3.3 Atributos físico-hídricos do solo As análises descritas a seguir foram realizadas a partir de amostras de solo coletadas em quinze pontos distribuídos aleatoriamente ao longo da extensão de cada área experimental, conforme apresentado na Figura 3, assumindo-se os intervalos de profundidade localizados entre 0,00 – 0,20 e 0,20 – 0,40 m. Figura 3 - Localização e distribuição dos pontos de amostragem de solo nas áreas experimentais A1, A2 e A3 A partir da amostragem, calculou-se a densidade de partículas sólidas (dp, adimensional) e do solo seco (ds, adimensional), além da porosidade total (α, m3 m-3), por meio de relações área-massa-volume (PREVEDELLO, 1996). Neste sentido, a dp e a ds foram determinadas a partir da razão entre a massa específica de partículas sólidas (ρp, kg m-3) e do solo seco (ρs, kg m-3), respectivamente, e a massa específica da água a 277K (1000 kg m-3). Para a determinação da ρp, utilizou-se uma alíquota de 0,02 kg de solo (ms) seco em estufa (105°C, ~ 48 horas), depositada em um volume inicial de 2,00 10-5 m3 de álcool etílico (v1), contido em uma proveta graduada de 5,00 10-5 m3 e registrou-se a medida do volume deslocado (v2) pela massa de partículas em questão. Na sequência, a ρp foi calculada de acordo a Equação 1. 31 ρ p = ms ∆v⁄ = m s (v2-v1)⁄ (1) As estimativas da ρs e da α foram obtidas a partir de amostras indeformadas obtidas na profundidade média dos dois intervalos considerados na amostragem, utilizando-se anéis volumétricos de dimensões conhecidas (vt, 9,82 10-5 m3). Essas amostras foram submetidas a secagem em estufa (105°C, 48 horas) para posterior obtenção da massa de solo seco (ms). Por fim, o cálculo dos atributos mencionados se deu conforme as Equações 2 e 3. ρ s = ms vt⁄ (2) α ≈ 1-ρ s ρ p ⁄ (3) A quantificação das proporções correspondentes a cada fração granulométrica do solo foi realizada conforme o método descrito por Vaz et al. (1992) e Naime et al. (2001), utilizando-se um analisador automático de raios gama. Assim, com base nos resultados referentes à porcentagem de partículas sólidas de diferentes diâmetros, a distribuição do tamanho das mesmas foi determinada segundo o ajuste da equação unimodal proposta por Fredlund et al. (2000), modificada a partir do modelo original descrito por Fredlund e Xing (1994).Por sua vez, as curvas características do solo foram obtidas com base nos resultados da distribuição cumulativa de partículas sólidas, por meio de ajustes da função simplificada desenvolvida por Pham e Fredlund (2008). Tal equação foi fundamentada na relação entre o conteúdo volumétrico de água (θ, m3 m-3) e o potencial matricial (ψm), estimada segundo o método proposto por Arya e Paris (1981), conforme descrito por Vaz et al. (2005). A disponibilidade total de água (DTA, mm cm-1) (BERNARDO et al., 2009) nas camadas de solo dos vinhedos foi então definida conforme a diferença entre os limites superior e inferior de armazenamento, equivalentes a umidade volumétrica (θ) referente a capacidade de campo (θcc) e ao ponto de murcha permanente (θpm), nesta ordem. Essas medidas foram obtidas admitindo-se os valores de θ correspondentes ao ψm de 1/10 (~ 103,33 cm) e 15 atm (~ 15498,84 cm), respectivamente, de acordo com as curvas características ajustadas. Desta forma, a DTA foi calculada segundo a Equação 4, como se segue: 32 DTA=(θcc-θpm)10 (4) Dada a espessura das camadas (z = 0.20 m), a capacidade total de água no solo (CTA, em mm) (BERNARDO et al., 2009) foi definida segundo a Equação 5. CTA=DTA.z (5) Para a determinação da distribuição do tamanho de partículas sólidas e ajuste das curvas características foram utilizadas amostras deformadas coletadas nos mesmos pontos onde foram obtidas as amostras indeformadas utilizadas para avaliação das relações área-massa-volume descritas anteriormente. Além disso, uma vez que os atributos foram estimados a partir de amostras coletadas em pontos georreferenciados, a predição espacial dos mesmos foi realizada por meio de funções de base radial, adotando-se o interpolador determinístico thin plate spline (spline suave) para esta finalidade. A análise de dados dos atributos físico-hídricos do solo pertinentes a cada intervalo de profundidade considerado consistiu, primeiramente, na estimativa de estatísticas numéricas descritivas correspondentes ao cálculo de medidas de tendência central (média e mediana), dispersão (desvio padrão, erro padrão da média, variabilidade relativa em torno da média ou coeficiente de variação e amplitude entre valores interquartis) e formato (assimetria e curtose). Posteriormente, foram investigadas as possíveis diferenças entre as camadas do perfil no que diz respeito aos atributos do solo, conforme a aplicação de testes paramétricos ou não paramétricos, conforme o caso, admitindo-se os níveis nominais de significância de 1% (α = 0,01), 5% (α = 0,05) e 10% (α = 0,10). Para a escolha do teste estatístico adequado considerou-se a avaliação dos pressupostos de normalidade da distribuição dos dados e homocedasticidade de variâncias. Para esta finalidade foram adotados o teste de normalidade de Shapiro-Wilk e o teste F pra comparação entre duas variâncias. Nos casos em que ambas as suposições foram atendidas, adotou-se o teste t de Student para comparação entre as médias no que diz respeito aos atributos de cada camada. Por sua vez, nos casos em que apenas a suposição da normalidade foi satisfeita, utilizou-se o teste de t de Welch para comparação entre as médias dos atributos pertinentes a cada um dos intervalos de 33 profundidade considerados. No entanto, quando o pressuposto da normalidade não foi atendido, procedeu-se com o teste não paramétrico da soma dos postos de Wilcoxon-Mann-Whitney, executado no intuito de realizar comparações entre as distribuições dos dados referentes a cada atributo, de modo a identificar diferenças significativas em relação as suas medianas. 3.4 Condições mesoclimáticas A descrição das condições mesoclimáticas predominantes durante os ciclos de produção das cultivares de videira avaliadas foi realizada a partir de observações, registradas em escala temporal diária, da temperatura do ar (máxima, mínima e média, °C), da umidade relativa do ar (%) e da velocidade média do vento (m s-1). As observações das variáveis meteorológicas destacadas foram relacionadas aos diferentes intervalos entre estádios fenológicos das videiras, identificados de acordo com a progressão do ciclo. Esses intervalos foram agrupados em dois grandes períodos compreendidos entre a poda de produção e o início da maturação dos cachos (P1, pré-veraison) e entre esta última fase e a colheita (P2, pós-veraison). Conforme definido por Keller (2010), o termo veraison foi utilizado neste estudo para denominar a etapa da fenologia das plantas a partir da qual ocorreu um decréscimo na firmeza das bagas e um acréscimo no seu conteúdo de sólidos solúveis, seguido da mudança de coloração das mesmas. As observações correspondentes as variáveis mesoclimáticas foram obtidas por intermédio de uma estação meteorológica automática, modelo Vantage Pro2 (Davis Instruments Corporation, California, EUA), instalada nas proximidades dos vinhedos. A estação em questão localizou-se nas coordenadas 22°10'41.74"S e 46°42'18.74"O, a uma altitude de 1171 m, e encontrou-se afastada do centro das áreas experimentais A1, A2 e A3 por uma distância aproximada de 198, 610, e 665 m, respectivamente. A análise exploratória dos dados mesoclimáticos se deu por meio da estatística descritiva aplicada aos conjuntos de observações pertinentes as variáveis mencionadas. Assim, foram estimadas medidas de tendência central, dispersão e formato da distribuição dos dados, de modo análogo ao descrito anteriormente no item 3.3. Além da análise exploratória, fez-se a comparação entre os conjuntos de dados de cada uma das variáveis mesoclimáticas registradas em cada período (P1 e P2) de 34 ambos os ciclos pertinentes a cada área experimental. Esta comparação foi realizada por meio da apreciação visual do deslocamento das curvas atribuídas aos polígonos de frequência absoluta e acumulada, calculadas conforme o percentual de ocorrência de observações situadas entre determinados limites de valores previamente estabelecidos. Essas curvas foram elaboradas em um plano cartesiano, a partir da definição de intervalos de classe de cada variável de interesse e cálculo dos seus valores médios, distribuídos ao longo do eixo x, que foram associados às suas respectivas frequências, posicionadas ao longo do eixo y. De outra forma, as curvas de distribuição de frequência dos parâmetros climáticos também foram comparadas utilizando-se o teste de Kolmogorov-Smirnov (KS) para esse fim, considerando um nível significância de 5% (p < 0,05). O teste mencionado foi adotado para identificação de diferenças entre funções de distribuição acumulada conforme a estatística D, que denota a máxima distância vertical entre essas. 3.5 Caracterização fenológica e somatório térmico das cultivares de videira Para a identificação e nomenclatura dos estádios fenológicos das videiras adotou-se a codificação proposta por Lorenz et al. (1995). Estas etapas foram pontuadas no decorrer dos ciclos de produção e classificadas em subperíodos ou intervalos, conforme descrito na Tabela 2. Em virtude dessa classificação, o período P1 foi compreendido entre os intervalos PS0 e PS4 (BBCH 11 a 75), enquanto o P2 correspondeu ao intervalo PS5 (BBCH 81 a 89), de acordo com a tabela mencionada. A partir dos dados diários de temperatura média do ar (Tmed), considerando-se uma temperatura basal inferior (Tb) de 10°C e temperatura mínima (Tmin) menor que Tb, contabilizou-se o somatório térmico de graus-dia (GD), denominado constante térmica (GDA), de acordo com a Equação 6. Este índice climático foi relacionado aos intervalos entre fases fenológicas, bem como ao período que compreendeu a totalidade da duração dos ciclos de produção de cada cultivar. GDA= ∑ GDA= ∑ Tmed-Tb (6) 35 Tabela 2 - Identificação dos estádios fenológicos das videiras de acordo com a escala BBCH estendida Intervalo Estágio1 Código2 Estádio fenológico Descrição PS0 - - Poda de produção Início do ciclo de produção PS1 01 11 Emergência de folhas Primeira folha expandida PS2 06 65 Floração Floração plena PS3 07 73 Chumbinho Bagas em tamanho “chumbinho” PS4 75 Ervilha Bagas em tamanho “ervilha” PS5 08 81 Pintor ou veraison Mudança de coloração das bagas 89 Maturação plena Frutos maduros para colheita 1Estágios principais de crescimento: 01: desenvolvimento das folhas (BBCH 11 a 19); 06: floração (BBCH 60 a 69); 07: desenvolvimento dos frutos (BBCH 71 a 79); 08: maturação dos frutos (BBCH 81 a 89); 2Código BBCH (LORENZ et al., 1995). 3.6 Demanda hídrica e fornecimento de água às videiras Os conjuntos de dados referentes aos processos de evapotranspiração de referência (ETo, mm) e da cultura (ETc, mm) foram utilizados para a contabilização da demanda hídrica estimada no decurso dos ciclos de produção. Além disso, fez-se a análise do fornecimento natural de água às videiras por meio do somatório da precipitação pluvial (P, mm) registrada no período de abrangência dos ciclos. A ETo, fornecida pela estação agrometeorológica automática localizada no entorno das áreas de produção (ver item 3.4), foi estimada diariamente segundo o método de Penmam-Monteith FAO (ALLEN et al., 1998). Por sua vez, a ETc foi calculada a partir do produto entre a ETo e o coeficiente de cultivo (kc, adimensional), de acordo com a Equação 7. Os valores de kc referentes aos intervalos entre as fases fenológicas descritas na Tabela 2 foram iguais a 0,30 (PS0), 0,40 (PS1), 0,50 (PS2), 0,60 (PS3), 0,80 (PS4) e 0,60 (PS5). ETc = ETo.kc (7) O fornecimento de água às videiras via irrigação se deu, quando necessário, conforme o critério de reposição da ETc diária da cultura (mm dia-1), determinada segundo a Equação 8. Considerou-se o valor estabelecido no dia anterior para o cálculo da irrigação a ser realizada no dia vigente. Após a estimativa da ETc, fez-se 36 uma correção do seu valor, segundo a diferença entre este e a precipitação diária que porventura tenha sido registrada, conforme a Equação 8. ETc'=ETc-P (8) O método de irrigação adotado nas áreas experimentais foi o localizado, com aplicação de água realizada por meio de sistema de gotejamento, utilizando-se dois emissores por planta, espaçados entre si a cada 0,50 m, os quais apresentaram vazão média de 1,60 L h-1. Levando-se em conta o método mencionado, a lâmina líquida (LL) ou irrigação real necessária (IRN, mm dia-1) foi equivalente à evapotranspiração média referente à irrigação localizada (ETL, mm dia-1), calculada conforme a Equação 9 pelo produto entre a ETccorrigida e o coeficiente de redução ou fator de ajuste (Kr, adimensional). LL=IRN=ETL=ETc'.Kr (9) O cálculo do Kr levou em consideração a área de projeção do dossel sobre o solo (Ap, m2). Dessa forma, admitindo-se o espaçamento entre plantas (E1, m) e entre linhas (E2, m) e a Ap igual a 1,00 e 0,83 para as áreas da Vista da Mata (A1) e Vista do Vale (A2 e A3), respectivamente, o Kr foi calculado por meio da Equação 10. Kr= Ap E1.E2⁄ (10) A partir dos valores de IRN, determinou-se a lâmina bruta (LB) ou irrigação total necessária (ITN, mm dia-1) segundo a razão entre a IRN e a eficiência de aplicação (Ea, %) correspondente a irrigação localizada, admitindo-se um valor de 90% para esse parâmetro, conforme descrito pela Equação 11. LB=ITN=IRN.Ea -1 (11) Assim, juntamente com o somatório P, ETo e ETc, contabilizou-se igualmente a LB aplicada no decorrer dos ciclos de produção. 37 3.7 Balanço hídrico climatológico e do cultivo A descrição da variação do armazenamento de água do solo (ARM) foi realizada a partir do cálculo do balanço hídrico sequencial climatológico e do cultivo, admitindo-se a ETo e ETc, nesta ordem, como processos de retirada de água do volume de controle compreendido pelas raízes das plantas. Assim, adotou-se a metodologia proposta por Thornthwaite e Mather (1955) para o cálculo da ARM, bem como do déficit e (DEF) e do excedente hídrico (EXC). O balanço hídrico climatológico foi calculado considerando-se uma CTA equivalente a 100 mm. Contudo, para a estimativa do balanço hídrico da cultura assumiu-se os valores médios da CTA correspondente aos intervalos de profundidade de 0,00 – 0,20 m e 0,20 – 0,40 m, calculados para cada área experimental (ver item 3.3). Conforme reportado por Bassoi et al. (2003), este intervalo de profundidade compreende a concentração de grande parte do sistema radicular de videiras irrigadas por método localizado. 3.8 Medidas de reflectância do dossel por sensoriamento proximal e estimativa de índices de vegetação para caracterização do vigor vegetativo das videiras Em todas as áreas experimentais a reflectância (ρ, adimensional) do dossel das videiras foi mensurada em três momentos distintos, denominados ocasiões de monitoramento (Ti, onde i = 1, 2, 3), no decorrer dos dois ciclos de produção de cada cultivar. Essas avaliações ocorreram durante o estádio fenológico de cacho fechado (T1, BBCH 79), bem como em ocasião imediatamente posterior ou próxima ao início da maturação (T2, BBCH 81) e em um último momento antes da colheita, no decorrer do estádio de amolecimento de bagas (T3, BBCH 85). Em cada ocasião de monitoramento mediu-se a ρ correspondente a três diferentes comprimentos de onda (λ, nm) equivalentes a 670 (ρR, vermelho), 730 (ρRE, vermelho limítrofe) e 780 nm (ρNIR, infravermelho próximo). Essas medidas foram obtidas por meio de sensoriamento proximal, com auxílio do sensor óptico ativo ACS-430 (Holland Scientific, Lincoln, NE, EUA), componente do sistema portátil Crop Circle. Além desse equipamento, utilizou- se conjuntamente o datalogger GeoSCOUT GLS-400 (Holland Scientific, Lincoln, NE, EUA) para armazenamento das medidas de ρ, as quais foram georreferenciadas 38 durante a sua aquisição por meio de receptores GNSS (Global Navigation Satellite System) HiPer GGD (TOPCON, Pleasanton, CA, EUA). Durante a amostragem dos dados, a porção da radiação emitida pelo equipamento e refletida pela folhagem foi detectada por foto-sensores. Na sequência, juntamente com a modulação da sua fonte de luz, o ACS-430 distinguiu seu próprio sinal daquele do ambiente, fato que permitiu a medida da ρ desconsiderando-se a variabilidade das condições luminosas locais. Detalhes do procedimento de amostragem dos dados de ρ são destacados na Figura 4. Figura 4 - Amostragem de dados georreferenciados da reflectância do dossel das videiras utilizando-se o sensor ativo ACS-430 As medidas de ρ foram tomadas a partir do posicionamento do sensor no topo do dossel das videiras, distanciado a uma altura de 0,30 m. Esta disposição do equipamento proporcionou um ângulo de observação em relação ao zênite (θv) correspondente à 0° (nadir view). Esta metodologia também assegurou um sentido paralelo da projeção do feixe de luz emitido pelo equipamento em relação à orientação das fileiras de plantas no momento da aquisição dos dados. De acordo com a Equação 12, a largura aproximada (w) deste feixe projetado sobre o dossel foi de 0,25 m, assumindo-se um ângulo de 45° (θ) correspondente ao campo de visão do equipamento, situado a uma altura h de 0,30 m em relação aos alvos. Fonte: Bruno Ricardo Silva Costa - 2019 39 w = 2.h.tan(θ/2) (12) A amostragem dos dados de ρ foi realizada segundo o método sistemático, uma vez que o sensor foi programado para realizar dez medidas por segundo enquanto era deslocado por caminhamento, com velocidade constante, ao longo da extensão longitudinal de todas as fileiras de plantas das áreas experimentais. Com base na razão entre as medidas de ρ em determinados λ, foram calculados dois índices de vegetação (IV): o índice de vegetação por diferença normalizada no vermelho limítrofe ou borda do vermelho (NDRE) e o índice de vegetação por diferença normalizada (NDVI) (ROUSE, 1974), de acordo com as Equações 13 e 14, respectivamente. NDRE = (ρ NIR -ρ RE ) (ρ NIR +ρ RE )⁄ (13) NDVI = (ρ NIR -ρ R ) (ρ NIR +ρ R )⁄ (14) Os IV foram então considerados variáveis regionalizadas utilizadas para fins de caracterização da distribuição e variabilidade espacial do vigor vegetativo das videiras. Desta forma, em razão da especificidade de cada índice, dada as bandas específicas do espectro utilizadas na sua fórmula de cálculo, a expressão vegetativa inferida a partir dos mesmos incorporou os atributos associados à estrutura e biomassa do dossel das videiras, bem como ao teor de pigmentos fotossintetizantes (clorofilas) presentes nas folhas. 3.8.1 Análise estatística descritiva e predição espacial do vigor vegetativo A análise exploratória das estimativas do NDRE e NDVI consistiu no cálculo de medidas de tendência central, dispersão e formato da distribuição dos dados, de modo semelhante ao descrito no item 3.3 desta metodologia. Além disso, verificou-se a normalidade dos conjuntos de dados de ambos os IV por meio do teste de Lilliefors, assumindo-se um nível nominal de significância de 5% para este fim. Esta primeira análise exploratória também foi utilizada para orientar a distinção e remoção de valores discrepantes, denominados outliers, anteriormente ao procedimento de predição espacial, assumindo-se a regra de Chebyshev para esse fim, uma vez que 40 se desconhecia o formato original da distribuição dos dados coletados antes da análise exploratória. Conforme enunciado por essa regra, o percentual de valores incluídos no intervalo delimitado por k desvios padrão no que diz respeito a sua distância em relação à média, foi calculado segundo a Equação 15. [1-(1 k 2⁄ )].100 (15) Desta forma, assumiu-se os valores da média ± 3 desvios padrões (k = 3) como os limites para a identificação de outliers, o que assegurou uma porcentagem mínima de 88,89% dos dados dos IV distribuídos em torno da medida de tendência central mencionada. A partir dos valores médios de cada IV correspondentes a cada época de monitoramento em ambos os ciclos de produção avaliados, analisou-se a relação entre a variação do vigor vegetativo e o avanço do ciclo da cultura, denotado pela contabilização dos dap. Isso se deu pelo cálculo do coeficiente de correlação linear de Pearson (r) e da análise de regressão, adotada para o ajuste de funções representativas da relação entre as variáveis citadas. Em seguida, fez-se a avaliação da dependência espacial de ambos os IV a partir da análise geoestatística para posterior delimitação de zonas homogêneas (ZH) do vigor vegetativo das videiras. Essa análise compreendeu as etapas de ajuste de semivariogramas e de predição espacial e foi realizada utilizando-se o software Vesper 1.6 Variogram Estimation and Spatial Prediction plus Error (MINANSY et al., 2005). Inicialmente, ajustou-se os semivariogramas teóricos aos semivariogramas experimentais utilizando-se o modo local disponibilizado no software mencionado, uma vez que a quantidade de observações de ρ e das posteriores estimativas do NDRE e NDVI em todas as avaliações ultrapassou 5000 pontos (OLIVEIRA, 2015). Em virtude desta densidade amostral, o ajuste dos semivariogramas teóricos foi feito de forma automática, a partir da predefinição do modelo teórico exponencial, seguida da delimitação dessas funções por uma janela móvel (HAAS, 1990), durante a etapa seguinte de predição espacial. Ainda neste processo, considerou-se a razão do número de pares pelo desvio padrão da semivariância de cada lag específica como ponderador no ajuste dos modelos teóricos aos empíricos, conforme o método de regressão não-linear ponderada (JIAN et al, 1996). De acordo com Oliveira (2015), 41 essa opção de ajuste é a mais utilizada nas análises realizadas a partir de conjuntos de dados provindos de monitoramento intensivo. Diferentemente dos métodos globais utilizados para a descrição de uma variável regionalizada, o método local adotado para a caracterização da dependência espacial do NDRE e NDVI considerou apenas as observações distribuídas nas proximidades predefinidas de cada posição da grade de interpolação. Segundo Oliveira (2015), o ajuste local é capaz de registrar a variação em torno dos pontos interpolados de uma forma mais apurada, dada a redução da escala de abrangência da predição. Logo, isso resulta em incremento na precisão da inferência espacial realizada a partir de dados oriundos de monitoramento intensivo, a exemplo do que ocorreu no presente estudo. O modelo exponencial adotado para ajuste dos semivariogramas teóricos foi descrito pela Equação 16. γ(h)=C0+C1[1-exp(-3 h a⁄ )] 0 < h < d (16) Onde: γ(h): semivariância; C0: efeito pepita; C1: patamar; a: alcance; h: distância e d: máxima distância na qual o semivariograma foi definido. Segundo Oliveira (2015), recomenda-se utilizar o modelo exponencial ou esférico no ajuste automático realizado no Vesper em detrimento daqueles de maior complexidade, uma vez que os mesmos se tornam instáveis neste processo. Contudo, dado o grande número de semivariogramas teóricos oriundos do método citado, não foi possível destacar os parâmetros individuais destes ou os seus indicadores de qualidade do ajuste nos resultados. Destaca-se ainda que foi desconsiderada a análise da anisotropia no estudo da dependência espacial dos IV nos vinhedos, uma vez que foi possível apenas o ajuste de semivariogramas isotrópicos a partir do software utilizado, o qual não dispunha de funções destinadas à avaliação dessa propriedade. A segunda etapa da análise geoestatística consistiu na predição espacial realizada pelo método de krigagem ordinária, adotado para estimativa de valores do NDRE e NDVI em posições não abrangidas pela amostragem. Desta forma, definiu- se os contornos dos vinhedos como limites para elaboração das grades regulares utilizadas na interpolação, estabelecidas conforme uma resolução espacial de 0,50 m. Na sequência, escolheu-se o método de krigagem em blocos de 25 m² (5 x 5 m) para 42 dimensionamento espacial das estimativas dos IV. Assumiu-se ainda um número mínimo e máximo, respectivamente, de 100 e 250 pontos requeridos para compor a vizinhança considerada na execução da krigagem efetuada com ajuste local de semivariogramas. Por fim, os resultados interpolados foram exportados em arquivos de formato matricial (raster) e constituíram os mapas temáticos do vigor vegetativo, os quais foram importados em SIG (Sistema de Informações Geográficas) para posterior processamento dos dados. 3.8.2 Estabilidade espaço-temporal e similaridade entre predições do vigor vegetativo inferido segundo diferentes índices de vegetação A avaliação da estabilidade espaço-temporal dos IV foi efetuada por meio da análise de tendência monotônica definida conforme a estatística S do teste não- paramétrico de Mann-Kendall (τ) (KENDALL, 1938; KENDALL, 1975; MANN, 1945), utilizada para definir a significância quanto a estimativa da inclinação (β1) das funções de regressão linear obtidas por meio do método de Theil-Sen (THEIL 1950; SEN 1968). Assim, considerou-se observações xi (i = 1, 2, ..., n) das séries temporais de dados interpolados de cada IV, correspondentes as ocasiões de monitoramento do vigor vegetativo realizadas no decurso dos ciclos de produção de 2018 e 2019 em cada área experimental. Neste sentido, a estatística S foi dada pela Equação 17. S= ∑ ∑ sinal(xj-xi) n j=i+1 n-1 i=1 (17) sinal(xj-xi)= { 1, se (xj-xi)>0 0, se (xj-xi)=0 -1, se (xj-xi)<0 (18) Onde: n: número de observações ou ocasiões de monitoramento dos IV; xi e xj: valor interpolado de um determinado IV na ocasião i = 1, 2, ..., n-1 e j = i + 1, ...., n, respectivamente. Assumindo-se a média E(S) = 0 e a variância var(S), dada conforme a Equação 19, a estatística do teste Z foi utilizada para testar a hipótese de nulidade no que se referiu a ausência de tendência significativa representativa da variação do vigor vegetativo em função do tempo. Adotando-se o nível de significância α = 0,05, inferiu- 43 se que a sequência de dados de cada IV ao nível de cada pixel da grade de interpolação apresentou uma tendência significativa quando Z > Z(1-α/2), a qual foi considerada negativa ou positiva, uma vez que Z < 0 e Z > 0, nesta ordem. var(S)= [n(n-1)(2n+5)] 18⁄ (19) Z= { (S-1) √var(S)⁄ , se S>0 0, se S=0 (S+1) √var(S)⁄ , se S>0 (20) Por sua vez, a magnitude da tendência de variação das séries temporais foi definida conforme a o cálculo de β1, segundo a Equação 21: β 1 =mediana[(xj-xi) (j-i)⁄ ]; i 0,10); P1: tendência positiva não significativa (β1 > 0 e valor-p > 0,10); P2: tendência positiva significativa (β1 > 0 e valor-p < 0,10); P3: tendência positiva significativa (β1 > 0 e valor-p < 0,05). As avaliações descritas a seguir foram realizadas a partir da a transformação linear dos dados interpolados dos IV por meio de escalonamento pela amplitude, conforme a Equação 22. xij(amp)= [xij-xj(min)] [xj(max)-xj(min)]⁄ (22) 44 Onde: xij(amp): valor escalonado pela amplitude correspondente ao i-ésimo ponto da grade de interpolação na j-ésima ocasião de monitoramento; xj(min) e xj(max): valor mínimo e máximo, respectivamente, da grade de interpolação na j-ésima ocasião de monitoramento. A partir dos dados interpolados normalizados, avaliou-se a estabilidade temporal do vigor vegetativo em cada ciclo de produção, no que se referiu a constância dos padrões de distribuição dos dados dos IV estimados nas ocasiões de monitoramento, de maneira semelhante à descrita por Kazmierski et al. (2011). Assim, a estabilidade temporal em escala intra-anual do vigor vegetativo foi avaliada conforme cálculo do coeficiente de correlação de postos de Spearman (rs), definido segundo a Equação 23, assumindo-se os valores estimados de cada IV nos mesmos locais da grade de interpolação em um dado ciclo produtivo, porém em diferentes ocasiões de monitoramento (Ti, i = 1, 2, 3 ocasiões). Por sua vez, também foi efetuada a análise da estabilidade temporal interanual entre o vigor vegetativo estimado em uma mesma fase fenológica da cultura, porém em ciclos distintos (Tij, i = 1, 2, 3 ocasiões e j = 1, 2 ciclos). Para fins de interpretação, a amplitude de resultados possíveis do coeficiente rs é definida pelos valores -1,0 e 1,0, os quais equivalem a uma associação perfeita negativa e positiva, respectivamente. rs=1- 6 ∑ [R(xij)-R(xij')] 2n i=1 n(n2-1)⁄ (23) Onde: n: número de pontos da grade de interpolação delimitada em cada área experimental; xij e xij’: valores interpolados normalizados estimados no i-ésimo ponto amostral na j-ésima e j’-ésima ocasião de monitoramento, nesta ordem; R(Xij) e R(Xij’): postos de xij e xij’ dentre todos os valores obtidos na j-ésima e j’-ésima ocasião de monitoramento, respectivamente. A estabilidade temporal intra-anual do vigor vegetativo ao longo de todo o período compreendido pelo monitoramento dos IV em cada ciclo de produção também foi avaliada globalmente, conforme o coeficiente de concordância de Kendall (W), determinado segundo as Equações 24 a 26. Neste sentido, as ocasiões de monitoramento foram consideradas como avaliadores no cálculo dessa estatística. Os 45 resultados do coeficiente W variam entre 0 e 1, os quais indicam uma completa concordância ou discordância entre avaliadores, respectivamente. W= ∑ (Ri-R̅) 2n i=1 [(1 12⁄ )k 2(n3-n)]⁄ (24) Ri= ∑ R(xij) k i=1 (25) R̅= (∑ Ri n i=1 ) n⁄ (26) Onde: n: número de pontos da grade de interpolação delimitada em cada área experimental; k: número de ocasiões de monitoramento; R̅: média de postos dentre todos os valores interpolados normalizados correspondentes aos pontos da grade de interpolação em cada ocasião de monitoramento. Utilizando-se a mesma estatística mencionada anteriormente, a concordância global em escala interanual entre os dois ciclos de produção foi estipulada, considerando-se conjuntamente as estimativas do vigor vegetativo obtidas em todas as ocasiões de monitoramento de cada IV mensurado nos dois anos. Em todos os casos, verificando-se a rejeição da hipótese de nulidade quanto a concordância global e, admitindo-se um nível nominal de significância de 5%, testes a posteriori foram adotados para determinação da concordância individual entre avaliadores e da contribuição de cada um desses na concordância global (LEGENDRE, 2005). Na sequência, os mapas temáticos constituídos pelos valores interpolados normalizados do NDRE e NDVI foram comparados entre si por meio do cálculo de estatísticas reportadas por Jones et al. (2016). Desta forma, quantificou-se a heterogeneidade e a estrutura espacial do vigor vegetativo, caracterizado em fases fenológicas distintas em cada ciclo de produção. A comparação entre pares de mapas temáticos dos IV estimados nas diferentes ocasiões de monitoramento (Ti, i = 1, 2, 3 ocasiões) em um mesmo ano foi realizada por meio do cálculo do índice de similaridade estrutural (Structural Similarity Index, SSIM index), conforme descrito por Jones et al. (2016). Assim, assumindo-se os mapas interpolados A e B, o SSIM foi obtido pelo produto de três componentes: a similaridade na média (Similarity in Mean, SIM), a similaridade na variância (Similarity in Variance, SIV) e a similaridade no padrão da covariância espacial (SIP), conforme a Equação 27 (JONES et al, 2016). SSIM(A,B)=[SIM(A,B)]α. [SIV(A,B)]β. [SIP(A,B)]γ (27) 46 Onde: α = β = γ = 1 O cálculo das métricas componentes do SSIM foi realizado a partir da definição de uma janela espacialmente localizada, sobreposta sobre cada ponto da grade de interpolação (célula) componente dos mapas a serem comparados, obtida conforme uma vizinhança delimitada por n unidades espaciais, dado um determinado ponderador (w) (JONES et al., 2016). Assim, considerando-se uma vizinhança definida por 3 x 3 unidades espaciais e ∑ 𝑤𝑖 𝑛 𝑖=1 = 1, calculou-se de forma iterativa, no espaço de n células delimitadas nessa região contígua, os valores locais quanto a média e variância de cada mapa, além da covariância entre os mesmos, conforme as Equações 28 a 32. μ a = ∑ wi.ai n i=1 (28) μ b = ∑ wi.bi n i=1 (29) σa 2= ∑ (ai-μa ) 2n i=1 (30) σb 2= ∑ (bi-μb ) 2n i=1 (31) σab= ∑ wi(ai-μa )n i=1 (bi-μb ) (32) Onde: μ a e μ b , σa 2 e σb 2, σab: medidas espacialmente localizadas da média, da variância e da covariância calculada para cada célula referente aos mapas A e B, respectivamente; ai e bi: valores interpolados normalizados de cada IV associados a i-ésima célula dos mapas A e B, respectivamente. A partir do cálculo dessas estatísticas, as componentes do SSIM foram determinadas de acordo com as Equações 33 a 35. SIM(A,B)= (2μ a . μ b +c1) (μ a 2+μ b 2+c1)⁄ (33) SIV(A,B)= (2σa. σb+c2) (σa 2+σb 2+c2)⁄ (34) SIP(A,B)= (σab+c3) (σaσb+c1)⁄ (35) 47 Onde: c1, c2 e c3: constantes estimadas heuristicamente a partir da amplitude (R) de valores dos mapas comparados, assumindo-se c1 = (k1R)², c2 = (k2R)² e c3 = c2/2, para k1 = 0,01 e k2 = 0,03. Para fins de interpretação dos resultados, os limites de valores possíveis quanto ao índice SSIM variam entre -1,0 e 1,0 e correspondem, respectivamente, ao grau de dessemelhança e semelhança completa entre a estrutura espacial dos mapas comparados. A amplitude de valores possíveis dos índices SIM e SIV varia entre 0,0 e 1,0, enquanto o SIP apresenta limites idênticos ao SSIM. Esses valores limites tem uma interpretação semelhante àquela associada ao SSIM. 3.9 Delimitação de zonas homogêneas do vigor vegetativo Os valores interpolados originais do NDRE e NDVI foram particionados em três intervalos de classes, as quais constituíram as zonas homogêneas (ZH) do vigor vegetativo, utilizando-se o método de quebras naturais ou método de otimização de Jenks (JENKS, 1967) para identificação dessas categorias. Esse método tem como princípio a delimitação de categorias homogêneas a partir da classificação de valores, feita de forma a minimizar as diferenças entre as observações contidas em um mesmo grupo e maximizar a diferença entre os grupos. Ressalta-se ainda que os resultados obtidos por essa regra de categorização são análogos aos obtidos pela adoção do algoritmo fuzzy k-means para classificação não-supervisionada de dados de uma única variável. De acordo com o método de quebras naturais, a partir da organização das observações em ordem crescente, calculou-se os limites de classes em um processo iterativo, orientado pelo índice GVF (goodness of variance fit ou índice de melhor ajuste da variância), obtido segundo a Equação 36. Os valores desse índice variam de 0 a 1 e indicam a ausência de ajuste e um ajuste perfeito, respectivamente. Anteriormente, calculou-se a soma dos quadrados dos desvios das observações em relação à média do conjunto de dados (sum of squared deviations from the array mean, SDAM) e em relação à média de cada classe delimitada (sum of squared deviations from the class means, SDCM) em cada repetição do processo, de acordo com as Equações 37 e 38. 48 GVF= (SDAM-SDCM) SDCM⁄ (36) SDAM= ∑ (xi-x̅)2n i=1 (37) SDCM= ∑ ∑ (xi-Zc)2n i=1 K c=1 (38) Onde: N: número de observações; xi: valor da i-ésima observação, x̅: média do total de observações; K: número de classes e Zc: média de cada c-ésima classe. Essa regra de classificação assumiu inicialmente um GVF = 1, o que correspondeu a uma classe por observação, e prosseguiu estabelecendo as demais possibilidades de agrupamentos. Desta forma, calculou-se novamente o GVF em cada iteração, até que se obteve um número de classes que apresentou um desvio mínimo possível entre si e que resultou em valor maximizado do índice em questão. A partir da adoção deste método, foram delimitados os intervalos de classes dos dados interpolados de NDRE e NDVI, cujo número de três categorias foi definido previamente. Assim, as ZH dos IV mencionados foram representadas pelas notações C1, C2 e C3, e representaram os níveis de vigor vegetativo denominados “baixo”, “médio” e “alto”, respectivamente. Contudo, além da classificação em três categorias, os dados interpolados dos IV foram igualmente submetidos a categorização em dois agrupamentos utilizando-se novamente o método de quebras naturais. Esta nova classificação foi realizada em razão da extensão das áreas experimentais, de modo a evitar o excesso de subdivisões nos vinhedos, no intuito de favorecer a representação da distribuição espacial das categorias de vigor. Assim, as classes delimitadas nessa segunda categorização foram então identificadas com as notações C1 e C2 e representaram as ZH de “baixo” e “alto” vigor vegetativo, nesta ordem. 3.9.1 Concordância interavaliadores adotados para delimitação de zonas homogêneas do vigor vegetativo Após a definição das ZH dos IV, os mapas categorizados correspondentes a cada ocasião de monitoramento foram comparados entre si. Isso se deu entre as categorias C1 e C2 classificadas para a cada IV, os quais foram considerados os avaliadores em questão. Esta análise representou um indicativo da semelhança entre 49 o NDRE e NDVI na detecção de possíveis correspondências e discordâncias nos padrões de variação das classes do vigor vegetativo estimado em estádios fenológicos distintos. Isso foi pressuposto uma vez que a mesma regra de classificação foi adotada para delimitação de ZH desse atributo, independentemente do IV considerado para tal finalidade. Assim, procedeu-se com a estimativa da concordância interavaliadores obtida a partir da organização dos dados em matrizes de contingência, compostas por J = 2 categorias e do cálculo de duas estatísticas: o coeficiente kappa (K) (COHEN, 1960) e o índice de Bangdiwala (B) (BANGDIWALA, 1985). A formula do coeficiente K foi definida segundo a Equação 39 e representou a proporção de concordância após desconsiderar-se o acaso (COHEN, 1960). K= (p o -p c ) (1-p c )⁄ (39) Onde: po: proporção de observações nas quais os avaliadores concordaram e pc: proporção de observações nas quais a concordância foi esperada ao acaso. Assumindo-se a matriz de contingência destacada na Tabela 3, as proporções indicadas pelos termos po e pc foram calculadas segundo as Equações 40 e 41. Por sua vez, o índice B foi calculado pela Equação 42 (MUNOZ e BANGDIWALA, 1997). Tabela 3 - Matriz de contingência para duas categorias IV referência C1 (j = 1) C2 (j = 2) Σ Total IV comparação C1 (i = 1) n11 (TP) n12 (FN) Σn1j N1 C2 (i = 2) n21 (FP) n22 (TN) Σn2j N2 Σ Σni1 Σni2 Nij IV: índice de vegetação; C1: categoria de menor vigor; C2: categoria de maior vigor; n ii: número de observações pertinentes a categoria i associada ao IV de referência e correspondentes a categoria i associada ao IV de comparação; Σnii: totais marginais correspondentes a i-ésima linha e i-ésima coluna da matriz; Nii: número total de instâncias; TP: verdadeiro positivo; TN: verdadeiro negativo; FP: falso positivo; FN: falso negativo. po= (n11-n22) Nij⁄ (40) pc= (∑ ni1. ∑ n1i. + ∑ ni2. ∑ n2i) Nij 2⁄ (41) B= ∑ aii 2J i=1 (∑ ni. J i=1 .n.i)⁄ = (n11 2+n22 2) (∑ ni1. ∑ n1i. + ∑ ni2. ∑ n2i)⁄ (42) 50 Onde: aii: número de observações concordantes correspondentes a i-ésima linha e i-ésima coluna, assumindo-se i = 1, 2, ..., J categorias; ni.: total marginal correspondente a i-ésima linha da matriz, assumindo-se i = 1, 2, ..., J categorias; n.i: total marginal correspondente a i-ésima coluna, assumindo-se i = 1, 2, ..., J categorias. O grau de concordância determinado de acordo com o índice K foi classificado segundo McHugh (2012), conforme as seguintes designações e intervalos entre valores: ausente (0 < K ≤ 0,20); mínima (0,21 ≤ K ≤ 0,39); fraca (0,40 ≤ K ≤ 0,59); moderada (0,60 ≤ K ≤ 0,79); forte (0,80 ≤ K ≤ 0,90); quase perfeita (0,90 < K). De acordo com a interpretação dessa estatística, o valor do coeficiente K varia entre -1 (ausência de concordância) e 1 (concordância perfeita). A conformidade interavaliadores descrita pelo índice B, cujo resultado varia entre 0 (ausência de concordância) e 1 (concordância perfeita), foi representada em gráficos específicos (BANGDIWALA e SHANKAR, 2013). Os gráficos de concordância foram compostos por quadriláteros externos e internos, que representaram as categorias e os totais marginais dessas, respectivamente, identificadas conforme dois avaliadores. A ocorrência de uma concordância perfeita entre dados categóricos produziria um número n de quadriláteros externos perfeitos, representativos dos totais marginais de cada categoria comparada, os quais seriam de dimensões iguais àquelas dos quadriláteros internos sombreados, resultando em um valor do índice B igual a 1. Além disso, o viés referente a concordância, avaliado conforme a disposição dos quadriláteros externos em relação à linha diagonal que cruza o gráfico, seria tanto menor quanto maior a concordância entre o encontro de dois vértices de cada um desses polígonos com o centro do segmento de reta mencionado. Ainda para propósitos de comparação entre as classes de vigor C1 e C2 dispostas nos mapas categorizados referentes ao NDRE e NDVI, calculou-se as componentes de discordância em quantidade e alocação, conforme descrito por Pontius Junior e Millones (2011). Assim, a divergência em relação a quantidade resultou no cálculo da diferença existente entre os mapas comparados no que diz respeito à proporção entre as suas categorias constituintes. Por sua vez, a divergência em alocação representou a quantidade de diferença observada quanto à variação da localização dessas mesmas categorias nos pares de mapas comparados. A estimativa da divergência em quantidade e alocação fundamentou-se na matriz de proporção 51 apresentada na Tabela 4, determinada a partir da matriz de contingência destacada na Tabela 3, e calculada pela Equação 43. Tabela 4 - Matriz de proporções para duas categorias 1V referência C1 (j = 1) C2 (j = 2) Σ comparação IV comparação C1 (i = 1) p11 p12 Σp1j C2 (i = 2) p21 p22 Σp2j Σ referência Σpi1 Σpi2 1 IV: índice de vegetação; C1: categoria de menor vigor; C2: categoria de maior vigor; p ij: proporção de observações pertinentes a categoria j associada ao IV de referência e correspondentes a categoria i associada ao IV de comparação; Σpij: totais marginais correspondentes a categoria j associada ao IV de referência e correspondentes a categoria i associada ao IV de comparação. p ij =(nij ∑ nij J i=1⁄ )(Ni ∑ Ni J i=1⁄ ) (43) Assim, as componentes de discordância relacionadas a quantidade e a alocação foram determinadas de acordo com as Equações 44 a 47 (PONTIUS JUNIOR e MILLONES, 2011) q g =|(∑ pig J i=1 ) − (∑ pgj J i=1 )| (44) Q= ∑ qg J g=1 2⁄ (45) ag=2min[(∑ pig J i=1 ) − pgg, (∑ pig J i=1 ) − pgg] (46) A= ∑ ag J g=1 2⁄ (47) D = Q + A Onde: qg: discordância na quantidade para uma categoria arbitrária g, assumindo-se que o primeiro e o segundo somatório da