Commercial Digital Camera to Estimate Postharvest Leaf Area Index in Vitis vinifera L. cv. Cabernet Sauvignon on a Vertical Trellis

anglais. The leaf area index (LAI) of a vineyard (Vitis vinifera L.) cv. Cabernet Sauvignon located in the commune of Cauquenes, Maule Region in Chile, was estimated from digital images obtained with a commercial camera using two indirect methods: Leaf Area Gap and Brightness (LAGB) and -Photogrammetric Leaf Area Quantification System (PLAQS). The latter requires deleafing of the grapevine. In a normalized difference vegetation index (NDVI) map, three points of vine vigor were selected: high, medium, and low for which horizontal and vertical images were obtained. Images were filtered with the Arc View GIS 3.1 program to provide only leaf images and corresponding pixel numbers. Image area and square meters per linear meter were calculated. The best models were selected from  three linear regression adjustments: i) LAI of LAGB vertical images of with LAI of PLAQS, ii) LAI of PLAQS horizontal images with and, iii) LAI of both types of images with PLAQS. The parameters in all models were significant. Adjustment between the LAGB and PLAQS vertical images provides greater simplicity and easy calculation since it requires only a vertical image to estimate LAI. Images thus obtained can accurately estimate LAI in this type of cultivar.

espagnol; castillan. En un viñedo (Vitis vinifera L.) cv. Cabernet Sauvignon ubicado en la comuna de Cauquenes, Región del Maule, se estimó el índice de área foliar (LAI) mediante imagen digital obtenida de una cámara fotográfica comercial, a partir de dos métodos indirectos: Espacio y Brillo �_rea Foliar (LAGB) y Sistema Cuantificador de �_rea Foliar por Fotogrametría (PLAQS). Este último, requiere el deshoje de la parra. En un mapa de índice vegetativo diferencial normalizado (NDVI), se seleccionaron tres puntos de vigor de las vides: alto, medio y bajo, en cada uno de los cuales se obtuvo una imagen horizontal y vertical. Las imágenes se filtraron con el programa Arc View GIS 3.1, dejando sólo las hojas y el número de píxeles correspondientes. Se calculó el área de la imagen y los metros cuadrados por metro lineal. Se seleccionaron los mejores modelos de tres ajustes de regresión lineal entre: i) el LAI de las imágenes verticales del LAGB con el LAI del PLAQS, ii) el LAI de las imágenes horizontales con el PLAQS, y iii) el IAF de ambos tipos de imágenes con el PLAQS. En todos los modelos los parámetros son significativos. El ajuste entre la imagen vertical del LAGB y el PLAQS, presenta mayor simpleza y facilidad de cálculo, requiriendo sólo una imagen vertical para estimar el LAI. Las imágenes así obtenidas pueden estimar con precisión el LAI en este tipo de cultivar y de conducción de la parra.