Síndrome purpúreo en soja (Glycine max) y su relación con variables bioclimáticas

Autores/as

  • M. Lavilla Universidad Nacional del Noroeste de la provincia de Buenos Aires, Buenos Aires, Argentina https://orcid.org/0000-0002-7282-4696
  • A. Ivancovich Universidad Nacional del Noroeste de la provincia de Buenos Aires, Buenos Aires, Argentina
  • A. Díaz Paleo Instituto Nacional de Tecnología Agropecuaria, Buenos Aires, Argentina

DOI:

https://doi.org/10.15517/am.2023.53248

Palabras clave:

fitopatología, enfermedades, climatología

Resumen

Introducción. El tizón foliar por Cercospora (TFC) y la mancha púrpura de la semilla (MPS) son dos enfermedades endémicas de soja (Glycine max) en la Argentina. Objetivo. Seleccionar las variables bioclimáticas (VB) relacionadas con los valores de severidad mayor o igual al 90 % del TFC y/o de incidencia mayor o igual al 50 % de la MPS en Argentina. Materiales y métodos. En la región sojera de la Argentina durante los años 2015 y 2016 se utilizaron 45 VB disponibles en Worldclim (temperaturas, precipitaciones y radiación), para la modelización con el programa MaxEnt. De los mapas obtenidos en la modelización, se extrajeron las probabilidades de una severidad (SEV) del TFC ≥ 90 % y/o una incidencia (I) de la MPS ≥ 50 % para cada punto geográfico evaluado en esta experiencia, para luego utilizarlos en la generación de las regresiones lineales múltiples. Resultados. De las 45 VB analizadas las que más se relacionaron con ambas enfermedades fueron la precipitación y la temperatura. La radiación fue la VB con menos asociación tanto con la severidad (SEV) del tizón foliar por Cercospora como con la incidencia de la mancha púrpura de la semilla. Conclusión. Las variables bioclimáticas temperaturas (entre los 25 °C y los 30 °C) y las precipitaciones entre los meses de diciembre a abril tuvieron las mayores asociaciones con los valores de severidad mayor o igual al 90 % del TFC y/o de incidencia mayor o igual al 50 % de la MPS en Argentina.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Bonney, R., Cooper, C. B., Dickinson, J. L., Kelling, S., Phillips, T. B., Rosenberg, K. V., & Shirk, J. L. (2009). Citizen Science: A Developing Tool for Expanding Science Knowledge and Scientific Literacy. BioScience, 59(11), 977–984. https://doi.org/10.1525/bio.2009.59.11.9

Byass, P. (2009). Epidemiology without borders: an anational view of global health. Global Health Action, 2(1), Article 2052. https://doi.org/10.3402/gha.v2i0.2052

Carmona, M. A., Moschini, R. C., Cazenave, G. R., & Sautua, F. (2010). Relación entre la precipitación registrada en estados reproductivos de la soja y la severidad de Septoria glycines y Cercospora kikuchii. Tropical Plant Pathology, 35(2), 71–78. https://doi.org/10.1590/s1982-56762010000200001

Di Rienzo, J. A., Casanoves, F., Balzarini, M. G., Gonzalez, L., Tablada, M., & Robledo, C. W. (2011). Infostat - Software estadístico (versión 2011). Universidad Nacional de Córdoba. http://www.infostat.com.ar/index.php?mod=page&id=15

Elith, J., Phillips, S., Hastie, T., Dudík, M., Chee, Y. E., & Yates, C. J. (2010). A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17(1), 43–57. https://doi.org/10.1111/j.1472-4642.2010.00725.x

Fehr, W. R., Caviness, C. E., Burmood, D. T., & Pennington, J. S. (1971). Stage of Development Descriptions for Soybeans, Glycine Max (L.) Merrill 1. Crop Science, 11(6), 929–931. https://doi.org/10.2135/cropsci1971.0011183x001100060051x

Fick, S. E., & Hijmans, R. J. (2017). WorldClim 2: New 1-km Spatial Resolution Climate Surfaces for Global Land Areas. International Journal of Climatology, 37(12), 4302–4315. https://doi.org/10.1002/joc.5086

Hartman, G. L., Rupe, J. C., Sikora, E. J., Domier, L. L., Davis, J. A., & Steffey, K. L. (2015). Compendium of soybean diseases and pests (5th ed.). American Phytopathological Society. https://doi.org/10.1094/9780890544754

Kantolic, A. G., Mercau, J. L., Slafer, G. A., & Sadras, V. O. (2007). Simulated yield advantages of extending post-flowering development at the expense of a shorter pre-flowering development in soybean. Field Crops Research, 101(3), 321–330. https://doi.org/10.1016/j.fcr.2006.12.008

Kumar Shukla, P., Baradevanal, G., Rajan, S., & Fatima, T. (2020). MaxEnt prediction for potential risk of mango wilt caused by Ceratocystis fimbriata Ellis and Halst under different climate change scenarios in India. Journal of Plant Pathology, 102(3), 765–773. https://doi.org/10.1007/s42161-020-00502-9

Lavilla, M., & Ivancovich, A. (2021). Relación entre enfermedades y rendimiento de granos de soja. Agronomía Mesoamericana, 32(2), 479–486. http://doi.org/10.15517/am.v32i2.44057

Lavilla, M., Ivancovich, A., & Díaz-Paleo, A. (2021). Evaluación del tizón foliar y la mancha púrpura en semilla de soja en Argentina. Agronomía Mesoamericana, 32(2), 619–628. http://doi.org/10.15517/am.v32i2.43359

Lavilla, M., Ivancovich, A., & Díaz-Paleo, A. (2022a). Diagrammatic scale for assessment the severity of Cercospora leaf blight on soybean (Glycine max) leaflets. Agronomía Mesoamericana, 33(1), Artículo 43338. https://doi.org/10.15517/am.v33i1.43338

Lavilla, M., Ivancovich, A., & Díaz-Paleo, A. (2022b). Tizón Foliar y la Mancha Púrpura de la semilla causados por Cercospora kikuchii en soja (Glycine max L. Merr.). Agronomía Mesoamericana, 33(1), Artículo 48494. https://doi.org/10.15517/am.v33i3.48494

Mathioni, S. M., de Carvalho, S. V., Regiane Brunelli, K., Beló, A., & Aranha Camargo, L. E. (2006). Aggressiveness between genetic groups I and II of isolates of Cercospora zeae-maydis. Scientia Agricola, 63(6), 547–551. https://doi.org/10.1590/s0103-90162006000600006

Panagopoulos, I., Bornman, J. F., & Björn, L. (1992). Response of sugar beet plants to ultraviolet-B (280-320 nm) radiation and Cercospora leaf spot disease. Physiologia Plantarum, 84(1), 140–145. https://doi.org/10.1111/j.1399-3054.1992.tb08776.x

Pei, Y. L., Shi, T., Li, C. P., Liu, X. B., Cai, J. M., & Huang, G. X. (2014). Distribution and pathogen identification of cassava brown leaf spot in China. Genetics and Molecular Research, 13(2), 3461–3473. https://doi.org/10.4238/2014.april.30.7

Phillips, S., & Dudík, M. (2008). Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, 31(2), 161–175. https://doi.org/10.1111/j.0906-7590.2008.5203.x

Phillips, S., Anderson, R. H., & Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190(3-4), 231–259. https://doi.org/10.1016/j.ecolmodel.2005.03.026

QGIS. (2023). Geographic Information System. QGIS Association. http://www.qgis.org

Soberón, J., & Peterson, A. T. (2004). Biodiversity informatics: managing and applying primary biodiversity data. Philosophical Transactions of the Royal Society B, 359(1444), 689–698. https://doi.org/10.1098/rstb.2003.1439

Upchurch, R. G., Walker, D. C., Rollins, J. A., Ehrenshaft, M., & Daub, M. E. (1991). Mutants of Cercospora kikuchii Altered in Cercosporin Synthesis and Pathogenicity. Applied and Environmental Microbiology, 57(10), 2940–2945. https://doi.org/10.1128/aem.57.10.2940-2945.1991

Publicado

2023-08-25

Cómo citar

Lavilla, M., Ivancovich, A., & Díaz Paleo, A. (2023). Síndrome purpúreo en soja (Glycine max) y su relación con variables bioclimáticas. Agronomía Mesoamericana, 34(3), 53248. https://doi.org/10.15517/am.2023.53248

Artículos más leídos del mismo autor/a