Review

Crop modelling applied to Portuguese viticulture: a brief overview

Modelação de culturas aplicada à viticultura Portuguesa: uma visão geral

¹ CERNAS-IPV Research Centre, Polytechnic Institute of Viseu, Campus Politécnico, Repeses, 3504-510 Viseu, Portugal
² CITAB - Centre for the Research and Technology of Agroenvironmental and Biological Sciences, CITAB, Inov4Agro, Universidade de Trás-os-Montes e Alto Douro, UTAD, Quinta de Prados, 5000-801 Vila Real, Portugal
³ LAQV-REQUIMTE- Associated Laboratory for Green Chemistry (LAQV) of the Network of Chemistry and Technology (REQUIMTE), University of Porto, Portugal

^* Corresponding author: Tel.: + 351914550082; e-mail: almeida.santos91@gmail.com

Received: 28 November 2024
Accepted: 7 March 2025

Abstract

Traditional viticulture is becoming increasingly insufficient to deal with the pressure from climate changes and market competitiveness. Due to these challenges, efficient modelling is needed to increase the efficiency and modernization of the sector. This work presents a review of the most relevant research on grapevine crop modelling, including an assessment of statistical and dynamic modelling, as well as machine learning techniques and applications. A brief overview of the viticultural sector (national and international) is given, highlighting the declining vineyard areas and economic fragmentation, particularly in Portugal. Drawing from agricultural systems science, recent studies on climate change effects on European viticulture, and advancements in dynamic and machine learning models, the research aims to address the complexities of vineyard management and climate change. The importance of crop models in viticulture is evidenced, and opportunities for future improvements are presented, such as enhanced phenological modelling and precision viticulture techniques. Challenges, including data quality issues and the need for region-specific models, are also identified. The resulting impact of overcoming these challenges can have a very significant influence on the long-term efficiency, productivity, resilience and sustainability of the Portuguese wine industry. The review concludes that the future of viticulture will rely on integrating advanced modelling techniques with traditional practices, emphasizing the need for interdisciplinary collaboration and real-time data processing to ensure adaptability in an uncertain climate.

Resumo

A viticultura tradicional está a tornar-se cada vez mais insuficiente para lidar com a pressão das alterações climáticas e da competitividade do mercado. Devido a estes desafios, é necessária uma modelação eficiente para aumentar a eficiência e a modernização do setor. Este trabalho apresenta uma revisão da investigação mais relevante sobre modelação de culturas de videira, incluindo uma avaliação da modelação estática e dinâmica, bem como técnicas e aplicações de aprendizagem automática. É apresentada uma breve visão geral do setor vitivinícola (nacional e internacional), destacando a diminuição das áreas de vinha e a fragmentação económica, particularmente em Portugal. Baseando-se na ciência dos sistemas agrícolas, em estudos recentes sobre os efeitos das alterações climáticas na viticulture europeia e nos avanços em modelos dinâmicos e de aprendizagem automática, a investigação visa abordar as complexidades da gestão das vinhas e das alterações climáticas. A importância dos modelos de culturas na viticultura é evidenciada, e são apresentadas oportunidades para melhorias futuras, como o aperfeiçoamento da modelação fenológica e técnicas de viticultura de precisão. São também identificados desafios, incluindo questões de qualidade dos dados e a necessidade de modelos específicos para cada região. O impacto resultante da superação destes desafios pode ter uma influência muito significativa na eficiência, produtividade, resiliência e sustentabilidade a longo prazo da indústria vitivinícola portuguesa. A revisão conclui que o futuro da viticultura dependerá da integração de técnicas de modelação avançadas com práticas tradicionais, enfatizando a necessidade de colaboração interdisciplinar e processamento de dados em tempo real para garantir a adaptabilidade num clima incerto.