Modelos de previsión: de los datos al campo
Los retos a los que se enfrenta el agricultor moderno son múltiples, por lo que el uso de tencologías avanzadas para el registro y la explotación de los datos se está convirtiendo en algo impensable. En este sentido, comprender el potencial de los modelos de previsión y su funcionamiento es un requisito indispensable para quienes quieran gestionar sus parcelas de forma profesional.
El contexto actual:
El cambio climático de los últimos años ha provocado una reorganización de las estrategias de protección, sobre todo en aquellos cultivos en los que se requiere la gestión de muchas enfermedades e insectos. Debido a la alternancia de heladas y sequías, y a la ocurrencia de lluvias abundantes y mal distribuidas, se hace imprescindible anticipar la aparición de enfermedades e infestaciones de insectos para reaccionar rápidamente y limitar los posibles daños. En los últimos años, el interés por los sistemas de ayuda a la decisión (DSS) también ha aumentado debido a la normativa (Directiva 2009/128/C) relativa a la reducción de los insumos químicos en la gestión integrada de plagas. A esto hay que añadir todos los demás compromisos que Europa y fuera de ella nos imponen en materia de sostenibilidad medioambiental, como: El «Green Deal», la Agenda 2030, el Paquete de Plaguicidas y las estrategias «de la granja a la mesa». Todo ello se produce en un contexto en el que la superficie agrícola utilizada (SAU) y el número de patógenos y moléculas de gestión de plagas disminuyen, la contaminación atmosférica y la erosión del suelo aumentan, así como el número y la gravedad de las enfermedades y los insectos debido al uso no racional de los productos fitosanitarios y a la globalización; sin olvidar el aumento de la población mundial que llevará a todos los actores del sistema agroalimentario a tener que aumentar la cantidad y la calidad de los alimentos en un futuro próximo.
¿Qué es un modelo?
Un modelo de enfermedad vegetal es una simplificación de un sistema real formado por el patógeno/fitófago, la planta huésped y el entorno. Los modelos se utilizan en epidemiología para describir, comprender, predecir y comparar epidemias y sus componentes. La ayuda práctica para los cultivadores proviene de la predicción de enfermedades, que es un proceso de estimación en situaciones futuras, pasadas, presentes o desconocidas.
Para el desarrollo de los modelos de previsión, se necesitan la entrada de datos climáticos generales como la temperatura y la humedad relativa mínimas, medias y máximas, las precipitaciones diarias y mensuales y el número de días de lluvia, la velocidad y la duración del viento, el punto de rocío y las horas de sol. Dependiendo de la complejidad de los datos, también se utilizan datos climáticos históricos (por ejemplo, sobre una base de 30 años). Además, también se pueden solicitar datos sobre los cultivos y las plagas (patógenos y/o fitófagos). Por ejemplo, se pueden utilizar los siguientes parámetros: para los cultivos, la humedad de las hojas, la densidad de las plantas, los estados fenológicos, el índice de área foliar máxima, el déficit de presión de vapor, la irradiación neta por encima y por debajo del dosel, los estados fenológicos susceptibles; para los patógenos fúngicos, la tasa de liberación, maduración y germinación de las esporas, su número en las hojas, la cantidad de inóculo primario y secundario y la tasa de colonización. En el caso de los insectos (por ejemplo, L. botrana en las viñas): períodos de vuelo de los individuos masculinos (detectados con trampas de feromonas) y distribución de las capturas de machos entre generaciones.
¿Cómo y dónde se utilizan en la agricultura?
Los ámbitos de aplicación en la agricultura son diversos, desde el crecimiento y el desarrollo de los cultivos hasta la productividad de los mismos, el equilibrio hídrico y la defensa contra las adversidades bióticas y abióticas.
A medida que la calidad y la potencia de cálculo que ofrecen los ordenadores mejoran día a día, los modelos se incorporan cada vez más a los DSS, que son herramientas que ayudan a los usuarios en la toma de decisiones tácticas y operativas en materia de protección de cultivos para planificar mejor las aplicaciones de protección de cultivos en las estrategias de defensa. Los modelos también pueden formar parte de los sistemas locales de alerta de enfermedades (por ejemplo, observatorios fitosanitarios regionales, etc.). El uso de previsiones para la protección de los cultivos contra las enfermedades y plagas fúngicas no es tan nuevo (por ejemplo, la regla de 3-10 para el tizón de la vid y la regla de 10 para el tizón del tomate).
Ventajas y desventajas
Las principales ventajas de los DSS son la posibilidad de analizar diferentes escenarios, comprender mejor los procesos físicos y biológicos, realizar manipulaciones en el sistema real para probar hipótesis sobre su funcionamiento, evaluar el efecto de posibles intervenciones externas para cambiar el comportamiento del sistema, facilitar el intercambio de datos y permitir una mejor utilización de los datos y recursos. En cambio, los aspectos críticos consisten en una utilización que suele estar limitada por el desarrollo de paquetes de software y la necesidad de probar y validar los procedimientos en diferentes años.
Los modelos de predicción de xFarm Lab
En el contexto de la protección integrada de los cultivos, el uso de modelos de previsión es una herramienta valiosa que permite identificar la «ventana de tiempo útil» dentro de la cual un tratamiento puede ser más eficaz y eficiente en el control del patógeno/fitófago objetivo. De este modo, se consigue una metodología de toma de decisiones más racional y eficiente y, por tanto, se minimiza el número de aplicaciones y entradas introducidas en el sistema. Los modelos de predicción de xFarm Lab han sido concebidos, diseñados, calibrados y validados para proporcionar a los agricultores y a toda la cadena de suministro una herramienta técnica adicional que no se limita a complementar las otras ya disponibles (por ejemplo, agronómicas, biológicas, físicas, químicas), sino que las coordina todas para aumentar la eficiencia y la eficacia de las estrategias de protección y las técnicas de cultivo con el fin de aumentar la calidad y la cantidad de la producción.
Este concepto es tan válido para los agricultores con pequeñas parcelas como para las cadenas agroalimentarias que tienen la oportunidad, a gran escala, de amplificar el efecto positivo de una gestión racional y eficiente de los recursos.
El objetivo principal de xFarm Lab es apoyar a todo el sistema agroalimentario a través de la digitalización y las tecnologías aplicadas a la agricultura para salvaguardar la sostenibilidad de los procesos de producción en términos agronómicos, económicos y sociales.
References
Dubey, P.K., Singh, G.S., Abhilash, P.C. (2019). Adaptive agricultural practices: Building resilience in a changing climate. Springer.
Pertot, I.; Caffi, T.; Rossi, V.; Mugnai, L.; Hoffmann, C.; Grando, M.S.; Gary, C.; Lafond, D.; Duso, C.; Thiery, D.; Mazzoni, V.; Anfora, G. (2016). A critical review of plant protection tools for reducing pesticide use on grapevine and new perspectives for the implementation of IPM in viticulture. Crop Protection, (), S0261219416303489–.
Rossi, V., Giosuè, S., Caffi, T. (2010). Modelling plant diseases for decision making in crop protection. In Precision crop protection-the challenge and use of heterogeneity (pp. 241-258). Springer, Dordrecht.