Propuesta de modelos predictivos del brote de la Sigatoka Negra para las plantaciones de plátano al sur del Lago de Maracaibo, Venezuela

• Autores: Juan A. Freitez T., Magdiel Ablan, Carlos Gómez
• Localización: Revista Científica UDO Agrícola, ISSN-e 1317-9152, Vol. 9, Nº. 1, 2009, págs. 191-198
• Idioma: español
• Títulos paralelos:
  • Proposal of predictive models of Black Sigatoka for plantain plantations at south of Maracaibo Lake, Venezuela
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La Sigatoka Negra (Mycosphaerella fijiensis Morelet) es el principal problema fitosanitario del cultivo de musáceas en el país. El desarrollo de modelos para establecer un sistema de pronóstico temprano del brote de la enfermedad es una de las medidas de control más eficaces. El objetivo de este trabajo fue elaborar un modelo que permita en un futuro desarrollar un sistema de pronóstico de la enfermedad en los cultivos de plátano de la zona. Los modelos relacionan indicadores biológicos de ocurrencia con datos meteorológicos recolectados en la Estación Local Chama del Instituto Nacional de Investigaciones Agrícolas de Venezuela. Para su desarrollo se consideraron técnicas de análisis de datos y se elaboraron algoritmos que permiten la búsqueda iterativa de correlaciones de registros de días consecutivos (ventanas temporales) de las variables agro-climáticas y las variables biológicas. Los modelos desarrollados presentan una dinámica estacional, siendo diferentes si se consideran los datos globalmente o si subdividen y se ajustan modelos diferentes para la temporada seca y lluviosa.

    Las variables humedad relativa, precipitación, velocidad del viento y energía solar son las que mejor predicen la severidad de la enfermedad para la temporada seca (r2 = 0,79), con una antelación de hasta 29 días mientras en el caso de la temporada lluviosa lo hacen la temperatura del aire, evapotranspiración, humedad relativa y precipitación (r2 = 0,73) con 43 días de antelación. Considerados globalmente es posible predecir la variable Hoja Más Joven Manchada en un lapso de 23 días tomando en consideración la humedad relativa y la energía solar.

  • English

    Black Sigatoka (Mycosphaerella fijiensis Morelet) has been causing problems to the national Musacea producers. The development of models, that allow establishing an early prognosis system for the outbreak of the disease, is one of the most effective control measures. The objective of this study was to elaborate a model that would allow in the future the development of a prognostic system for the outbreak of Black Sigatoka in plantains crops in the area. These models relate biological indicators of occurrence of the disease with meteorological data gathered in the Estación Local Chama of Instituto Nacional de Investigaciones Agrícolas (INIA),. For the development of these models, techniques on data analysis were considered and algorithms that allow the iterative search for correlations between records of consecutive days (temporary windows) of the agro-climatic variables and the biological variables were elaborated. The developed models presented a seasonal dynamics. Different models are obtained if data is considered globally or discriminated according to the dry and wet seasons. Relative humidity, precipitation, wind velocity and solar energy are the variables that best predict the severity of the disease for the dry season 29 days ahead (r2 = 0.79); while air temperature, evapotranspiration, relative humidity and precipitation are the ones that predict severity 43 days ahead for the rainy season (r2 = 0.73). Taken globally, it is possible to predict spotted youngest leaf in 23 days ahead using relative humidity and solar energy.