Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE

Autores/as

  • Alexandra Estefania Fajardo Rojas Universidad de Pamplona, Pamplona Colombia
  • Leónides Castellanos González Universidad de Pamplona, Pamplona. Colombia
  • Diego Alfonso Peláez Carrillo Universidad de Pamplona, Pamplona. Colombia

DOI:

https://doi.org/10.17981/ingecuc.19.2.2023.04

Palabras clave:

agricultura de precisión, agricultura 4.0, enfermedad, monitoreo, enfermedades

Resumen

Introducción: El cultivo de fresa se ve seriamente afectado por diferentes enfermedades que resulta en disminución de la producción y de la calidad de la fruta. Dentro de las enfermedades más importantes que atacan al cultivo de fresa se encuentra Mycosphaerella fragariae, agente causal de la peca de la hoja que en estados avanzados puede llevar a la perdida total de los cultivos. El monitoreo de esta enfermedad es una herramienta fundamental para su prevención y control. Las herramientas de agricultura de precisión y agricultura 4.0 como las imágenes obtenidas por drones facilitar la toma de decisiones por parte de los productores y optimizan las labores de cultivo como el monitoreo.

Objetivo: En este estudio se identificó la relación entre el porcentaje de área afectada por peca de la hoja (Mycosphaerella fragaraiae) y los índices NDVI y NDRE.

Metodología: El estudio se desarrolló en la provincia de Pamplona en Norte de Santander con alta presión de inoculo de Mycosphaerella fragariae. Se colectaron foliolos de plantas de fresa con diferentes grados de afectación causada por Mycosphaerella fragariae, este material vegetal se transportó garantizando su conservación hasta el laboratorio, donde se realizaron mediciones con el espectrorradiómetro portátil EPP2000 de la marca Stellar Net, de las cuales se tomaron los valores de la banda roja, infrarroja y del borde rojo de cada una para realizar el cálculo de varios índices incluyendo el NDVI y el NDRE, estos valores se promediaron para cada grado de afectación. A cada una de las hojas se le calculó el área de afectación exacta a partir del software Compu eye leaf and symptom área y se calcularon los coeficientes de correlación buscando una relación lineal mutua a partir de regresiones lineales simples.

Resultados: Se logró identificar que el índice NDRE se correlaciona en un 82% con el área afectada por Mycosphaerella fragariae hasta en un 70 %.

Conclusión: El porcentaje de área afectada por peca de la hoja (Mycosphaerella fragariae) se encuentra directamente relacionada con la respuesta espectral en términos de índices NDVI y NDRE

Descargas

Los datos de descargas todavía no están disponibles.

Citas

O. Carisse & V. McNealis, “Identification of weather conditions associated with the occurrence, severity, and incidence of black seed disease of strawberry caused by mycosphaerella fragariae,” Phytopathology, vol. 108, no. 1, pp. 83–93, Sept. 2017. https://doi.org/10.1094/PHYTO-04-17-0136-R

A. Petrache, V. Falup, S. Micle, V. Pop, C. Scheau, M. Cosovanu, T. Morar & E. Luca, “Organic treatments for the control of mycosphaerella fragariae infection in the ecological crop system of fragaria vesca,” Agriculture, vol. 113, no. 1-2, pp. 255–259, Jul. 2020. https://doi.org/10.15835/agrisp.v113i1-2.13812

C. Garrido, V. González-Rodríguez, M. Carbú, A. Husaini & J. Cantoral, “Fungal diseases of strawberry and their diagnosis”, in Strawberry: growth, development and diseases, A. Husaini & D. Neri (Eds), WLF, UK: CABI, 2016, Ch. 10, pp. 157–195. https://doi.org/10.1079/9781780646633.0157

FAO, “Food and agriculture data FAOSTAT,” Oct. 5, 2021. [Online. Available: https://www.fao.org/faostat/en/#home

DANE, “Encuesta Nacional Agropecuaria 2019”, jun. 30, 2019. [Online. Disponible en https://www.dane.gov.co/files/investigaciones/agropecuario/enda/ena/2019/boletin_ena_2019.pdf

A. Moreira, J. de Resende, G. Shimizu, F. Hata, D. do Nascimento, L. Oliveira, D. Zanin & K. Mariguele, “Characterization of strawberry genotypes with low chilling requirements for cultivation in tropical regions,” Sci. Hortic., vol. 292, pp. 1–10, Jan. 2022. https://doi.org/10.1016/j.scienta.2021.110629

M. Bolda, S. Dara, J. Soto, J. Fallon, M. Sánchez & K. Peterson, Manual de producción de Fresa para los agricultores de la Costa Central. Cdfa: CRCD, 2015.

V. Obregón, J. Ibañez y T. Lattar, Guía para la identificación de las enfermedades de frutilla. Prov. BsAs: INTA, 2020. Recuperado de https://repositorio.inta.gob.ar/bitstream/handle/20.500.12123/7799/INTA_CRCorrientes_EEABellaVista_Obregon_VG_Guia_para_la_identificacion_de_las_enfermedades_de_frutilla.pdf?sequence=1

O. Carisse & V. McNealis, “Development of action threshold to manage common leaf spot and black seed disease of strawberry caused by mycosphaerella fragariae,” Plant Dis., vol. 103, no. 3, pp. 563–570, Jan. 2019. https://doi.org/10.1094/PDIS-06-18-1107-RE

N. Delhomez, O. Carisse, M. Lareau & S. Khanizadeh, “Susceptibility of Strawberry Cultivars and Advanced Selections to Leaf Spot Caused by Mycosphaerella fragariae,” HortSci., vol. 30, no. 3, pp. 592–595, Jun. 1995. https://doi.org/10.21273/hortsci.30.3.592

K. Ferentinos, “Deep learning models for plant disease detection and diagnosis,” Comput. Electron. Agric., vol. 145, pp. 311–318, Feb. 2018. https://doi.org/10.1079/9781780646633.0157

X. Yang & T. Guo, “Machine learning in plant disease research”, IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. Available from https://www.ijrte.org/wp-content/uploads/papers/v8i4/D7857118419.pdf

L. Priya, G. Rajathi & R. Vedhapriyavadhana, “Crop disease detection and monitoring system,” IJRTE, vol. 8, no. 4, pp. 3050–3054, Nov. 2019. http://dx.doi.org/10.35940/ijrte.D7857.118419

D. Chauhan, R. Walia, C. Singh, M. Deivakani, & M. Kumbhkar, “Detection of Maize Disease Using Random Forest Classification Algorithm,” TURCOMAT, vol. 12, no. 9, pp. 715–720, Apr. 2021. https://doi.org/10.17762/turcomat.v12i9.3141

A. Ati y K. Fuentes, “Establecimiento de modelos parametrizados para estimación de posible presencia de contaminación y enfermedad del suelo mediante drones en la zona Cayambe”, Trabajo titulacion, UPS Ecu, QUI, EC, 2020. Available: http://dspace.ups.edu.ec/handle/123456789/18284

W. Maes & K. Steppe, “Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture,” Trends Plant Sci., vol. 24, no. 2, pp. 152–164, Dec. 2018. https://doi.org/10.1016/j.tplants.2018.11.007

E. Ávila, N. Escobar & C. Morantes, “Applying satellite images to spectral signature development of maize production (Zea mays L.) under colombia’s middle tropics conditions,” Entramado, vol. 15, no. 2, pp. 256–262. Jun. 2019. https://doi.org/10.18041/1900-3803/entramado.2.5734

StellarNet Inc. “Spectrometer Systems in Stock and Fast Shipping,” 2016. [Online. Available: https://www.stellarnet.us/

F. Menges Software-Entwicklung, “Spectragryph –optical spectroscopy software–,” 2022. [Online. Available: https://www.effemm2.de/spectragryph/down.html

W. Püntener, O. Zahner, Manual for field trials in plant protection, 2 Ed., BSL, CH: CIBA-Geigy, 1981.

E. Bakr, “A new software for measuring leaf area, and area damaged by Tetranychus urticae Koch,” J. Appl. Entomol., vol. 129, no. 3, pp. 173–175, Apr. 2005. https://doi.org/10.1111/j.1439-0418.2005.00948.x

RProject.Org. “R: A Language and Environment for Statistical Computing,” 2021. [Online. Available: http://www.Rproject.org/

H. Gausman, “Leaf reflectance near infrared,” Photogramm. Eng. Remote Sens., vol. 40, no. 2, pp. 183–191, Jun. 1974. Available in: https://www.asprs.org/wp-content/uploads/pers/1974journal/feb/1974_feb_183-191.pdf

D. Kusumandari, M. Adzkia, S. Gultom, M. Turnip & A. Turnip, “Detection of Strawberry Plant Disease Based on Leaf Spot Using Color Segmentation,” J. Phys.: Conf. Ser., vol. 1230, pp. 1–9, Dec. 2018. https://doi.org/10.1088/1742-6596/1230/1/012092

B. Boiarskii & H. Hasegawa, “Comparison of NDVI and NDRE Indices to Detect Differences in Vegetation and Chlorophyll Content,” J. Mech. Cont.& Math. Sci., no. Special 4, pp. 20–29, Nov. 2019. https://doi.org/10.26782/jmcms.spl.4/2019.11.00003

J. Jorge, M. Vallbé & J. Soler, “Detection of irrigation inhomogeneities in an olive grove using the NDRE vegetation index obtained from UAV images,” Eur. J. Remote Sens., vol. 52, no. 1, pp. 169–177, Jan. 2019. https://doi.org/10.1080/22797254.2019.1572459

A.-K. Mahlein, U. Steiner, H-W. Dehne & E.-C. Oerke, “Spectral signatures of sugar beet leaves for the detection and differentiation of diseases,” Precis. Agric., vol. 11, no. 4, pp. 413–431, Jun. 2010. https://doi.org/10.1007/s11119-010-9180-7

Publicado

2023-05-08

Cómo citar

Fajardo Rojas, A. E., Castellanos González, L., & Peláez Carrillo, D. A. . (2023). Firma espectral de peca de la hoja (Mycosphaerella fragariae (Tul.)) en plantas de fresa (Fragaria x ananassa Duch) relacionada a índices NDVI y NDRE. INGE CUC, 19(2), 45–52. https://doi.org/10.17981/ingecuc.19.2.2023.04

Artículos más leídos del mismo autor/a

<< < 1 2