Resumen de Variabilidad espacial de la gomosis (Xanthomonas vasicola pv. vasculorum) en caña de azúcar

Rosalba Quiñones Valdez, Hilda Victoria Silva Rojas, J. R. Sánchez Pale, Apolonio Valdez Balero, Álvaro Castañeda Vildózola, Omar Franco Mora, Alejandra Contreras Rendón

• español

  El agroecosistema cañero del centro de México es afectado por la gomosis, inducida por Xantho-monas vasicola pv. vasculorum de manera sistémica; reduce la formación de sacarosa y forma una sustancia gomosa, que al mezclarse con los jugos, retarda su cristalización. El manejo integrado sustentable se apoya en el modelado espacio-temporal para la toma de decisiones. El objetivo fue modelar el patrón espacio-temporal de X. vasicola pv. vasculorum en la zona del ingenio Emiliano Zapata, en Morelos, México. En 2016 y 2017 se georeferenciaron 80 puntos de forma aleatoria para determinar la incidencia en la región y analizarse geoestadísticamente. El patrón espacial obtenido fue agregado, ajustado al modelo esférico en 2016, con incidencia de 19.12 por ciento. En 2017, se ajustó al modelo lineal, con una incidencia de 38.08 por ciento. Los mapas permiten ubicar los puntos de infestación para direccionar las medidas de manejo; también posibilitan visualizar cambios de ubicación y dispersión en tiempo y espacio.

• English

  The sugar cane agroecosystem of central Mexico is affected by gumming disease, which is caused by Xanthomonas vasicola pv. vasculorum, a systemic bacterium that reduces the formation of su-crose and forms a gummy substance, which, when mixed with cane juice, slows its crystalli-zation. Integrated and sustainable management is supported by spatial-temporal models for decision making. The objective was to generate a spatial-temporal model of X. vasicola pv. vascu-lorum around the Emiliano Zapata sugar mill, in Morelos, Mexico. In 2016 and 2017, 80 points were randomly and regionally georeferenced to determine the incidence and to carry out statisti-cal analyses. The spatial pattern obtained was aggregated, fitting a spherical model in 2016 with an incidence of 19.12%. In 2017, it was fitted to a linear model, with an incidence of 38.08%. The maps allow the location of points of infestation to direct management measures; they also make it possible to visualize changes in the location and dispersion through time and space.