DETECCIÓN Y CUANTIFICACIÓN DE ENFERMEDADES FÚNGICAS EN CEBADA EMPLEANDO SENSORES REMOTOS
Palavras-chave:
ENFERMEDADES FÚNGICAS, CEBADAResumo
En este trabajo se sintetizan los primeros resultados obtenidos en laboratorio sobre la identificación espectral de enfermedades foliares en Cebada y la determinación de severidad mediante procesamiento digital de imágenes, realizados en el marco de una tesis de maestría (David, 2022). Se presentan además avances de la tesis doctoral del Ing. Agr. (MSc) E. David, actualmente en progreso en el Doctorado en Ciencias Agrarias de la FA-UNCPBA, denominada “Desarrollo de un sistema para la asistencia en el monitoreo de enfermedades foliares en el cultivo de cebada (Hordeum vulgare) basado en el análisis de firmas espectrales e imágenes RGB”. Y se comentan los pasos que se están siguiendo en los proyectos “Diagnóstico de enfermedades en cultivos de invierno a través de sensores remotos, un desafío necesario para la producción sostenible de alimentos” acreditado por la SPU y “Detección y diagnóstico de enfermedades foliares en cereales de invierno: estimación de incidencia y severidad a partir de imágenes RGB adquiridas por drones de uso masivo” de la Red de Investigación y Desarrollo en Ejes Estratégicos de la Provincia de Buenos Aires financiado por la Comisión de Investigaciones Científicas de la Provincia de Buenos Aires (Proyecto RIDEE-PBA).
Referências
Ashourloo, D., Mobasheri, M.R. & Huete, A. 2014. Evaluating the effect of different wheat rust disease symptoms on vegetation indices using hyperspectral measurements. Remote Sensing, 6, 5107-5123. doi:10.3390/rs6065107
Bock, C. H., Barbedo, J. G., Del Ponte, E. M., Bohnenkamp, D., & Mahlein, A. K. 2020. From visual estimates to fully automated sensor-based measurements of plant disease severity: status and challenges for improving accuracy. Phytopathology Research, 2(1), 1-30. https://doi.org/10.1186/s42483-020-00049-8
Bock, C. H., Chiang, K.-S., & Del Ponte, E. M. 2021. Plant disease severity estimated visually: A century of research, best practices, and opportunities for improving methods and practices to maximize accuracy. Tropical Plant Pathology. https://doi.org/10.1007/s40858-021-00439-z
Bock, C. H.; Poole, G. H.; Parker, P. E.; Gottwald, T. R. 2010. Plant Disease Severity Estimated Visually, by Digital Photography and Image Analysis, and by Hyperspectral Imaging. , 29(2), 59–107. https://doi:10.1080/07352681003617285
Carmona, M., & Sautua, F. 2017. La problemática de la resistencia de hongos a fungicidas. Causas y efectos en cultivos extensivos. Agronomía & Ambiente, 37(1). http://agronomiayambiente.agro.uba.ar/index.php/AyA/article/view/60/59
Chiang, KS., Bock, C.H. 2022. Understanding the ramifications of quantitative ordinal scales on accuracy of estimates of disease severity and data analysis in plant pathology. Tropical plant pathology 47, 58–73 https://doi.org/10.1007/s40858-021-00446-0
Cooke, B. M. 2006. Disease assessment and yield loss. In The epidemiology of plant diseases (pp. 43-80). Dordrecht: Springer Netherlands.
David, E. 2022. “Desarrollo y aplicación de índices espectrales para la detección y cuantificación de manchas foliares en cebada cervecera (Hordeum vulgare L.)” [Tesis de Maestría] Universidad del Centro de la Provincia de Buenos Aires.
Erreguerena, I., Quiroz, F., & Gimenez, F. 2017. Red de Protección ante Enfermedades de Cebada.https://inta.gob.ar/sites/default/files/inta_repec_informefinal_campana2016-2017.pdf
Franke, J., & Menz, G. 2007. Multi-temporal wheat disease detection by multi- spectral remote sensing. Precision Agriculture, 8(3), 161-172. https://doi.org/10.1007/s11119-007-9036-y
Henrich, V., Krauss, G., Götze, C., Sandow, C. 2012. IDB - www.indexdatabase.de, Entwicklung einer Datenbank für Fernerkundungsindizes. AK Fernerkundung, Bochum, 4.-5. 10.
Kiehr, M. E., Wehrhahne, L. N., Daddario, J. F., Storm, A. C., Delhey, R. R., Carmona, M., & Sautua, F. 2016. Enfermedades de la Cebada en Argentina: Diagnóstico y manejo (1a ed.). Centro regional de Ingenieros Agrónomos de Tres Arroyos.
Kranz J 1988. Measuring plant disease. Pages 35–50 In: Experimental techniques in plant disease epidemiology (J.Kranz and J.Rotem, eds.), Springer-Verlag, New York.
Lechenet, M., Dessaint, F., Py, G., Makowski, D., & Munier-Jolain, N. 2017. Reducing pesticide use while preserving crop productivity and profitability on arable farms. Nature Plants 3: 17008.
Lencina, A., & Weber, C. 2019. Maximum discrimination index: A tool for land cover identification. 2019. https://doi.org/10.1007/s13762-019-02547-5
Mahlein, A. K., Kuska, M. T., Behmann, J., Polder, G., & Walter, A. 2018. Hyperspectral sensors and imaging technologies in phytopathology: state of the art. Annual review of phytopathology, 56, 535-558.
Malthus, T. J., & Madeira, A. C. 1993. High resolution spectroradiometry: Spectral reflectance of field bean leaves infected by Botrytis fabae. Remote Sensing of Environment, 45(1), 107-116. https://doi.org/10.1016/0034-4257 (93)90086-D
Oerke, E. C. 2020. Remote sensing of diseases. Annual review of phytopathology, 58, 225-252.
Oerke EC, Gerhards R, Menz G, Sikora RS. 2010. Preface. In Precision Crop Protection: The Challenge and Use of Heterogeneity, ed. EC Oerke, R Gerhards, G Menz, RA Sikora, pp. v–viii. Dordrecht, Neth.: Springer
West, J. S., Bravo, C., Oberti, R., Lemaire, D., Moshou, D., & McCartney, H. A. 2003. The potential of optical canopy measurement for targeted control of field crop diseases. Annual Review of Phytopathology, 41(1), 593-614. https://doi.org/10.1146/annurev.phyto.41.121702.103726
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 E. David, B. Lara, A. Lencina, L. Monterroso
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Atribución – No Comercial – Compartir Igual (by-nc-sa): No se permite un uso comercial de la obra original ni de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
