Desarrollo de un modelo predictivo del brote de la sigatoka negra para las plantaciones de plátano al sur del lago de Maracaibo.

Abstract

Desarrollo de un modelo predictivo del brote de la sigatoka negra para las plantaciones de plátano al sur del lago de Maracaibo. (Freitez T., Juan A.)

Resumen

El cultivo de musáceas (plátanos y bananos) es una actividad agrícola de importancia para numerosos países tropicales. En Venezuela, la Zona sur del Lago de Maracaibo es la región que más se destaca en este rubro por poseer el 55% de la superficie sembrada de Musáceas en el país. En la última década, la Sigatoka Negra causada por el hongo Mycosphaerella Fijiensis Morelet ha causado preocupación a los productores de plátano de la zona por su impacto directo en la producción del cultivo y por ende en los costos (48.6 %) necesarios para su control, siendo la aplicación aérea de agroquímicos con periodicidad mensual la técnica más utilizada para combatir la enfermedad. El desarrollo de modelos que permitan establecer un sistema de pronóstico temprano del brote o estadios de enfermedad tiene gran importancia como medio de racionalizar el uso de agroquímicos, reducir los costos de producción y mantener las plantaciones en buen estado sanitario. El objetivo de este trabajo fue elaborar un modelo que permita desarrollar un sistema bioclimático de pronóstico de la Sigatoka Negra en los cultivos de plátano en la zona Sur del Lago de Maracaibo, a fin de decidir el momento más oportuno de efectuar la aplicación de fungicida. A tal fin se elaboraron modelos que tratan de relacionar indicadores biológicos de ocurrencia de la enfermedad con datos meteorológicos recolectados en la Estación Local Chama - INIA que se encuentran en el repositorio bioclimático del Centro de Cálculo de la Universidad de los Andes (CECALCULA). Para el desarrollo del modelo se consideraron técnicas de minería de datos y herramientas que permiten la búsqueda iterativa de correlaciones entre la suma o promedio de registros de días consecutivos (ventanas temporales) de las variables climáticas y la fecha de medición de las variables biológicas. Además del criterio de discriminación por temporada de lluvia para el estudio del comportamiento dinámico estacional de la enfermedad. Los modelos generados son de calidad variable y presentaron dinámica estacionaria. En algunos casos logran predecir la severidad de la enfermedad, con y sin discriminación por temporada climática (lluvia y sequía) con correlaciones hasta de 79,22 %, donde destacan las variables humedad relativa, precipitación, velocidad del viento y energía solar como las que mejor predicen la severidad de la enfermedad para la temporada seca (r2 = 0.79), mientras en el caso de la temporada lluviosa lo hacen la temperatura del aire, evapotraspiración, humedad relativa y precipitación (r2 = 0.73). Se recomienda validar los modelos con nuevos datos de campo a una escala piloto para hacer el diseño definitivo del sistema de pronóstico a ser utilizado por los productores de plátano.