One factor of precision agriculture is remote sensing, through which we can monitor vegetation health and condition. Much research has been conducted in the field of remote sensing and agriculture analyzing the applications, while the reviews gather the research on this field and examine different scientific methodologies. This work aims to gather the existing vegetation indices used in viticulture, which were calculated from imagery acquired by remote sensing platforms such as satellites, airplanes and UAVs. In this review we present the vegetation indices, the applications of these and the spatial distribution of the research on viticulture from the early 2000s. A total of 143 publications on viticulture were reviewed; 113 of them had used remote sensing methods to calculate vegetation indices, while the rejected ones have used proximal sensing methods. The findings show that the most used vegetation index is NDVI, while the most frequently appearing applications are monitoring and estimating vines water stress and delineation of management zones. More than half of the publications use multitemporal analysis and UAVs as the most used among remote sensing platforms. Spain and Italy are the countries with the most publications on viticulture with one-third of the publications referring to regional scale whereas the others to site-specific/vineyard scale. This paper reviews more than 90 vegetation indices that are used in viticulture in various applications and research topics, and categorized them depending on their application and the spectral bands that they are using. To summarize, this review is a guide for the applications of remote sensing and vegetation indices in precision viticulture and vineyard assessment.

Los mapas de susceptibilidad de deslizamientos representan una práctica herramienta en la planificación urbana y de espacios naturales. Así, puede aplicarse a la determinación de los usos de terrenos, en el diseño de construcción civil y para la planificación de gran variedad de actividades. En este estudio se generaron dos tipos diferentes de mapas de susceptibilidad basados en GIS para la parte montañosa de la prefectura de Trikala en Tesalia (Grecia Central). Estos se llevaron a cabo usando dos métodos de correlación de los factores que pueden tener un efecto en la generación de deslizamientos. Los factores de desestabilización tenidos en cuenta fueron: litología, aspectos tectónicos, pendiente, red de carreteras, red de drenaje, uso de la tierra y pluviometría. La distribución de frecuencias de la media de eventos de deslizamiento en cada clase de factores de desestabilización, fue utilizada para clasificar cada una de dichas clases. Para combinar los factores de desestabilización y estimar la susceptibilidad a la generación de deslizamientos, se usaron dos tipos de modelos: el Weight Factor Model (WeF), basado en estimaciones estadísticas, y el Multiple Factor Model (MuF) basado en operadores lógicos. Los mapas producidos se dividieron en cuatro zonas en función de su grado de susceptibilidad: Bajo, Moderado, Alto y Muy Alto. Su validez se ponderó a partir de los valores medios de deslizamientos detectados en cada zona. Se propone que la evaluación de cada modelo se puede optimizar mediante la aplicación de un factor denominado Indicador de Modelos de Deslizamientos (Landslide Models Indicator, La.M.I.).