Modelo predictivo de la severidad del tizón foliar por Cercospora kikuchii mediante variables meteorológicas
DOI:
https://doi.org/10.15517/am.2023.54430Palabras clave:
Glycine max, hongo, patología, plagaResumen
Introducción. En el manejo integrado de enfermedades es importante incorporar elementos como umbrales de daño económico, monitoreo y sistemas de pronóstico de riesgo, los cuales constituyen herramientas para definir estrategias de control de las mismas. Objetivo. Desarrollar un modelo predictivo de la severidad del tizón foliar por Cercospora (TFC) mediante variables meteorológicas para el norte de la provincia de Buenos Aires, Argentina. Materiales y métodos. Se contó con datos de incidencia y severidad del TFC correspondientes a cinco ciclos productivos de soja (2013-2017) de Pergamino, Buenos Aires, relevados en distintos estados reproductivos R1 a R7. La variable dependiente fue la probabilidad de ocurrencia de niveles categorizados de la tasa de incremento (TI) de la severidad del TFC causado por C. kikuchii. Los elementos y variables meteorológicas utilizados fueron registros diarios de temperatura máxima y mínima, precipitación y humedad relativa. Se calculó el coeficiente de correlación no paramétrico de Kendall Tau-b entre los niveles categorizados binariamente de TI de la severidad del TFC y las variables meteorológicas. Resultados. Las variables meteorológicas con mayor correlación en relación con la TI del TFC fueron aquellas relacionadas con la humedad relativa (DHR, MOJRO, DHRT). La inclusión de una variable térmica (GDTmax) resultó importante para el ajuste del modelo predictivo. Conclusión. Se pudo desarrollar un modelo de predicción de la severidad del TFC que incluyó dos variables meteorológicas, una relacionada con los días la humedad relativa y otra térmica relacionada con un límite de temperatura máxima para el desarrollo de la enfermedad. Para validar y robustecer el modelo propuesto es necesario contar con más datos de severidad a través de los años.
Descargas
Citas
Agrios, G. N. (2005). Plant pathology (5th Ed.). Elsevier Academic Press.
Bombelli, E. C. (2011). Modelado para la predicción de enfermedades en cultivos de alto valor comercial [Tesis de Maestría, Universidad Tecnológica Nacional]. Universidad Tecnológica Nacional. http://www.edutecne.utn.edu.ar/tesis/modelado_prediccion_enfermedades.pdf
Carmona, M., Moschini, R., Cazenave, G., & 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
De Wolf, E. D., & Isard, S. A. (2007). Disease cycle approach to plant disease prediction. Annual Review of Phytopathology, 45(1), 203-220. https://doi.org/10.1146/annurev.phyto.44.070505.143329
El Jarroudi, M., Kouadio, L., Bock, C. H., El Jarroudi, M., Junk, J., Pasquali, M., Maraite, H., & Delfosse, P. (2017). A threshold-based weather model for predicting stripe rust infection in winter wheat. Plant Disease, 101(5), 693-703. https://doi.org/10.1094/pdis-12-16-1766-re
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
Henderson, D., Williams, C. J., & Miller, J. S. (2007). Forecasting late blight in potato crops of Southern Idaho using logistic regression analysis. Plant Disease, 91(8), 951-956. https://doi.org/10.1094/pdis-91-8-0951
Hughes, G, McRoberts, N., Madden, L. V., & Nelson, S. C. (1997). Validating mathematical models of plant-disease progress in space and time. Mathematical Medicine and Biology, 14(2), 85-112. https://doi.org/10.1093/imammb/14.2.85
Lavilla, M., & Ivancovich, A. (2021). Relación entre enfermedades y rendimiento de granos de soja. Agronomía Mesoamericana, 32(2), 141-148. https://doi.org/10.15517/am.v32i2.44057
Lavilla, M., Ivancovich, A. J., & Díaz-Paleo, A. (2021). Diagrammatic scale for assessment the severity of Cercospora leaf blight on soybean (Glycine max) leaflets. Agronomía Mesoamericana, 33(1), Article 43338. https://doi.org/10.15517/am.v33i1.43338
Lavilla, M., Ivancovich, A., & Díaz-Paleo, A. (2022). Tizón Foliar y la Mancha Púrpura de la semilla causados por Cercospora kikuchii en soja (Glycine max L. Merr.). Agronomía Mesoamericana, 33(3), Artículo 48944. https://doi.org/10.15517/am.v33i3.48494
March, G. J., Oddino, C. M., & Marinelli, A. D. (2010). Manejo de enfermedades de los cultivos según parámetros epidemiológicos (1ª ed.). Biglia Impresores.
Moschini, R. C., Sisterna, M. N., & Carmona, M. A. (2006). Modelling of wheat black point incidence based on meteorological variables in the southern Argentinean Pampas region. Australian Journal of Agricultural Research, 57(11), 1151-1156. https://doi.org/10.1071/ar05275
Montes, C., Ghulam Hussain, S., & Krupnik, T. J. (2022). Variable climate suitability for wheat blast (Magnaporthe oryzae pathotype Triticum) in Asia: results from a continental-scale modeling approach. International Journal of Biometeorology, 66(11), 2237-2249. https://doi.org/10.1007/s00484-022-02352-9
Yadav, R., Bharti, O., Pandya, R. K., Thakur, M. P., & Yadav, A. (2016). Correlation study of individual meteorological parameters and disease severity for prediction of pearl millet blast. International Journal of Current Research, 8(11), 41580-41582. http://www.journalcra.com/article/correlation-study-individual-meteorological-parameters-and-disease-severity-prediction-pearl
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 M. Lavilla, M. Martínez, A. Ivancovich, A. Díaz-Paleo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
1. Política propuesta para revistas de acceso abierto
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos morales de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución, no comercial y sin obra derivada de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista, no se puede hacer uso de la obra con propósitos comerciales y no se puede utilizar las publicaciones para remezclar, transformar o crear otra obra.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
