RESUMEN
La mezcla de vinos es una práctica muy utilizada para mejorar sus características organolépticas. En este estudio las variedades utilizadas han sido ‘Mencía’, ‘Treixadura’ y ‘Loureiro’ en 2021. Se han estudiado 5 tratamientos experimentales: un control con el 100% de ‘Mencía’ (T0); mezcla de ‘Mencía’ 95% y de ‘Treixadura’ 5% (T1); mezcla de ‘Mencía’ 85% y de. ‘Treixadura’ 15% (T2); mezcla de ‘Mencía’ 95% y de ‘Loureiro’ 5% (T3), y mezcla de ‘Mencía’ 85% y de ‘Loureiro’ 15% (T4). Los resultados indican que la composición fenólica se ve afectada por la mezcla de vinos. A nivel sensorial, la mayor aceptación por parte de los consumidores se produjo en la mezcla de T2, aportando una mejor evaluación en la calidad global. Por el contrario, el tratamiento menos valorado por parte del consumidor fue el vino control T0. Por lo tanto, a nivel sensorial las mezclas realizadas con distintos porcentajes han contribuido a una mejor valoración de la calidad global de los vinos.
Palabras clave: Antocianos, Polifenoles, Análisis organoléptico.

ABSTRACT
Variation of physical–chemical and sensory characteristics of ‘Mencía’ wine with different blends with white varieties. Blending wines is a common practice to improve their organoleptic characteristics. In this study, the varieties used were ‘Mencía’, ‘Treixadura’ and ‘Loureiro’ in 2021. Five experimental treatments were studied: a control of 100% ‘Mencía’ (T0); a blend of ‘Mencía’ 95% and ‘Treixadura’ 5% (T1); a blend of ‘Mencía’ 85% and ‘Treixadura’ 15% (T2); a blend of ‘Mencía’ 95% and ‘Loureiro’ 5% (T3); and a blend of ‘Mencía’ 85% and ‘Loureiro’ 15% (T4). The results show that the phenolic composition is influenced by the blend of wines. At the sensory level, the highest consumer acceptance was obtained with the T2 blend, which gave a better overall quality rating. On the contrary, the treatment least appreciated by the consumers was the T0 control wine. Therefore, at the sensory level, the blends made with different percentages contributed to a better evaluation of the overall quality of the wines.
Key words:  Anthocyanins, Polyphenols, Organoleptic analysis.

RESUMEN
En la última década se propuso el uso de Derivados de Levadura (YD, Yeast Derivatives en inglés) como una nueva estrategia para controlar la oxidación del vino (Comuzzo et al., 2015). Estos productos se obtienen de las levaduras por procesos autolíticos o hidrolíticos y son luego secados para obtener los productos comerciales. El objetivo de este trabajo fue llevar a cabo una investigación preliminar de YDs comerciales con diferentes composiciones para (i) comparar su capacidad para evitar la oxidación del vino blanco en comparación con el tratamiento convencional con SO₂, y (ii) evaluar sus impactos en la calidad del vino.
Palabras clave: Derivados de levadura, Oxidación, Tasa de consumo de oxígeno, Vino blanco.

ABSTRACT
Yeast derivatives: a promising alternative for white wine oxidation prevention. In the previous decade, the use of Yeast Derivatives (YD) was proposed as a new strategy to control wine oxidation. These products are obtained from yeasts by autolytic or hydrolytic processes and then dried to obtain the commercial products. The aim of this work was to carry out a preliminary investigation of commercial YDs with different compositions in order to (i) compare their capacity to prevent white wine oxidation in comparison with conventional treatment using SO₂, and (ii) evaluate their impact on wine quality.
Key words: Yeast derivatives, Oxidation, Oxygen consumption rate, White wine.

RESUMEN
Las imágenes de alta resolución de viñedos, tomadas desde UAVs, nos ofrecen una mayor resolución y flexibilidad temporal. Sin embargo, las normativas de vuelo actuales y la escasa duración de las baterías afectan a la elección del tamaño de píxel óptimo (GSD). Esto es crucial en imágenes multiespectrales de cultivos con cobertura parcial, como el viñedo, donde el valor de píxel difiere entre suelo–vegetación y, por tanto, su valor podría verse influenciado por el tamaño de píxel.
En este trabajo, se realizaron vuelos a 15 alturas diferentes con un sensor Micasense Altum sobre un viñedo en espaldera, para comparar cómo diferentes GSD afectan al índice de vegetación (NDVI). Los resultados muestran que el GSD óptimo depende del objetivo del vuelo, la altura máxima legal (120 m) y la alineación de bandas en vuelos por debajo de 30 m. Un GSD óptimo minimiza la contaminación de píxeles puros de vegetación (PPV) por la cobertura del suelo y mejora la eficiencia en la recolección de datos.
Palabras clave: Dron, GSD, Multiespectral, Resolución, Pixeles puros.

ABSTRACT
How does flight height affect the information obtained from the multispectral images captured? High–resolution aerial imagery of vineyards obtained from unmanned aerial vehicles (UAVs), offer higher resolution and temporal flexibility. However, current flight regulations and low battery life affect the choice of optimal pixel size (GSD). In multispectral images of crops with partial coverage, such as vineyards, where pixel value differs between soil and vegetation, this aspect is crucial, as the pixel value could be influenced by pixel size.
In this work, flight operations were performed at 15 different altitudes with a Micasense Altum sensor payload over a vertically trellised vineyard to compare how different GSDs affect the vegetation index (NDVI). The results show that the optimal GSD depends on: the flight objective, the maximum legal height of 120 m and band alignment in flights below 30 m. An optimal GSD minimizes contamination of pure vegetation pixels (PPVs) by ground cover and improves data collection efficiency.
Key words: Dron, GSD, Multispectral, Resolution, Pure pixels.

RESUMEN
Las imágenes de alta resolución de viñedos, tomadas desde UAVs, nos ofrecen una mayor resolución y flexibilidad temporal. Sin embargo, las normativas de vuelo actuales y la escasa duración de las baterías afectan a la elección del tamaño de píxel óptimo (GSD). Esto es crucial en imágenes multiespectrales de cultivos con cobertura parcial, como el viñedo, donde el valor de píxel difiere entre suelo–vegetación y, por tanto, su valor podría verse influenciado por el tamaño de píxel.
En este trabajo, se realizaron vuelos a 15 alturas diferentes con un sensor Micasense Altum sobre un viñedo en espaldera, para comparar cómo diferentes GSD afectan al índice de vegetación (NDVI). Los resultados muestran que el GSD óptimo depende del objetivo del vuelo, la altura máxima legal (120 m) y la alineación de bandas en vuelos por debajo de 30 m. Un GSD óptimo minimiza la contaminación de píxeles puros de vegetación (PPV) por la cobertura del suelo y mejora la eficiencia en la recolección de datos.
Palabras clave: Dron, GSD, Multiespectral, Resolución, Pixeles puros.

ABSTRACT
How does flight height affect the information obtained from the multispectral images captured? High–resolution aerial imagery of vineyards obtained from unmanned aerial vehicles (UAVs), offer higher resolution and temporal flexibility. However, current flight regulations and low battery life affect the choice of optimal pixel size (GSD). In multispectral images of crops with partial coverage, such as vineyards, where pixel value differs between soil and vegetation, this aspect is crucial, as the pixel value could be influenced by pixel size.
In this work, flight operations were performed at 15 different altitudes with a Micasense Altum sensor payload over a vertically trellised vineyard to compare how different GSDs affect the vegetation index (NDVI). The results show that the optimal GSD depends on: the flight objective, the maximum legal height of 120 m and band alignment in flights below 30 m. An optimal GSD minimizes contamination of pure vegetation pixels (PPVs) by ground cover and improves data collection efficiency.
Key words: Dron, GSD, Multispectral, Resolution, Pure pixels.