Los métodos tradicionales de predicción de cosecha, ampliamente utilizados, se basan en determinar en un número limitado de cepas los componentes del rendimiento, definidos por el número de raci- mos, el número de bayas por racimo y el peso de la baya (Tardaguila et al., 2012) siendo medidas puntuales que pueden no representar la reali- dad del conjunto de la parcela. La implementación de las técnicas de agricultura de precisión en la viticultura ocurrió más tarde que en otros cultivos. Este retraso no fue debido a la falta de interés de los viticultores, sino a las dificultades de las características del viñedo, su organización en filas y su cubierta discontinua, que requiere imágenes de muy alta resolución para segmentar la cubierta vegetal del suelo (Matese et al., 2015). En los últimos años, la viticul- tura de precisión se ha centrado en la delimitación dentro de un viñedo de áreas con características homogéneas. Estas áreas son definidas a partir de información proporcionada por índices de vegetación (IVs) derivados de imágenes aéreas, y características del suelo, obtenidas con métodos no destructivos. En la captura de imágenes aéreas de muy alta resolución juegan un papel muy importante los drones. Diferentes tipos de senso- res embarcados en un dron permiten la extracción de información útil, haciendo posible la delimi- tación de áreas de gestión dentro de un viñedo para hacer distintos manejos de riego, fertiliza- ción, aclareo de racimos, separación de las uvas en diferentes lotes según su calidad (Santesteban, 2019) y evaluación temprana de rendimiento (Di Gennaro et al., 2019). Al igual que se puede determinar estrés hídrico con sensores multiespectrales y RGB (López- García et al., 2019), se evalúa la posibilidad de predecir cosecha con estas técnicas de telede- tección de rango cercano. Con este objetivo, es necesario el uso de máquinas de aprendi- zaje que permite extraer información útil de los productos geomáticos de alta resolución. El objetivo de este trabajo es la predicción de cosecha en viña a partir de bandas multiespec- trales derivadas de imágenes adquiridas por una cámara multiespectral embarcada en un dron, aplicando máquinas de aprendizaje. Materiales y métodos El viñedo en el que se calibró la metodología se encuentra situado en el término municipal de Fuente-Álamo (Albacete), con coordenadas geográficas 38o 43’ 43.3’’ Norte y 1o 28’ 12.6’’ Oeste, con una altitud de 820 m y una pendiente media del 5%, de 7,5 ha de superficie, ocupando el ensayo 0,6 ha. La parcela se ubica dentro de una zona regable de la Sociedad Agraria de Transformación (SAT) Las Colleras (Figura 1). PREVENDIMIA 30 La utilización de los drones para obtener productos geomáticos útiles tiene numerosas ventajas sobre el uso de satélites y de los vehículos aéreos de resolución media Utilización de drones para la predicción de cosecha en viña Uno de los aspectos a mejorar en viticultura es la predicción de cosecha, necesaria para prevenir excesos de producción, muchas veces regulado por las Denominaciones de Origen o por ley, pero también por sus efectos sobre la calidad de la uva. Con el objetivo de producir cantidades de uva óptimas cada campaña, la predicción temprana de rendimiento permite ajustar la carga de racimos promoviendo la correcta maduración de la uva. Además, permite organizar las tareas de vendimia así como el requerimiento de espacio, maquinaria y personal en bodega (De La Fuente et al., 2015). López-García, P1.; Martínez-Moreno, A.2; Ramirez-Cuesta, J.M. 2; Buesa, I.2; Intrigliolo, D.S.2; Ortega, J.F.1; Moreno, M.A.1; Ballesteros, R.1 1Instituto de Desarrollo Regional (IDR), UCLM 2Centro de Edafología y Biología Aplicada del Segura (CEBAS-CSIC)