Resumen de Predictive model of the severity of leaf blight by Cercospora kikuchii using meteorological variables

Miguel Lavilla, Juan M. Martínez, A. Ivancovich, A. Díaz Paleo

• español

  Introducción. En el manejo integrado de enfermedades es importante incorporar elementos como umbrales de daño económico, monitoreo y sistemas de pronóstico de riesgo, los cuales constituyen herramientas para definir estrategias de control de las mismas. Objetivo. Desarrollar un modelo predictivo de la severidad del tizón foliar por Cercospora (TFC), mediante variables meteorológicas para el norte de la provincia de Buenos Aires, Argentina. Materiales y métodos. Se contó con datos de incidencia y severidad del TFC correspondientes a cinco ciclos productivos de soja (2013-2017) en Pergamino, Buenos Aires, relevados en distintos estados reproductivos R1 a R7. La variable dependiente fue la probabilidad de ocurrencia de niveles categorizados de la tasa de incremento (TI) de la severidad del TFC causado por C. kikuchii. Se registró diariamente la temperatura máxima y mínima, la precipitación y la humedad relativa. Se calculó el coeficiente de correlación no paramétrico de Kendall Tau-b entre los niveles categorizados binariamente de TI de la severidad del TFC y las variables meteorológicas. Resultados. Las variables meteorológicas con mayor correlación en relación a la TI del TFC fueron aquellas relacionadas con la humedad relativa [Días con humedad relativa (HR)>76 % (DHR), días con temperatura máxima (Tmax) <28 °C temperatura mínima (Tmin) >15 °C y HR >76 % (DHRT), días con Tmax <28 °C, Tmin >15 °C, lluvias >0,5 mm y HR >75 %(MOJro)]. La inclusión de una variable térmica (en los días donde Tmax <28 °C GDTmax: Σtemperatura máxima-28 ºC) resultó importante para el ajuste del modelo predictivo. Conclusión. Se pudo desarrollar un modelo de predicción de la severidad del TFC que incluyó dos variables meteorológicas, una relacionada con los días de humedad relativa y otra térmica relacionada con un límite de temperatura máxima para el desarrollo de la enfermedad. Para validar y robustecer el modelo propuesto es necesario contar con más datos de severidad a través de los años.

• English

  Introduction. In integrated disease management, it is important to incorporate elements such as economic damage thresholds, monitoring, and risk forecasting systems, which constitute tools to define disease control strategies. Objective. Develop a predictive model of the severity of Cercospora leaf blight (TFC) using meteorological variables for the north of the province of Buenos Aires, Argentina. Materials and methods. There were data on the incidence and severity of TFC corresponding to five relevant Pergamino, Buenos Aires, soybean production cycles (2013-2017) in different reproductive stages R1 to R7. The dependent variable was the probability of occurrences of categorized levels of the rate of increase (TI) of the severity of TFC caused by C. kikuchii. The elements and meteorological variables used were daily records of maximum and minimum temperature, precipitation, and relative humidity. The nonparametric Kendall Tau-b coefficient TI of connection between the TI binary categorized levels of TFC severity and the weather variables was calculated. Results. The meteorological variables with the greatest consequences in relation to the TI of the TFC were those related to relative humidity (DHR, MOJRO, DHRT). The inclusion of a thermal variable (GDTmax) was important for the adjustment of the predictive model. Conclusion. It was possible to develop a TFC severity prediction model that included two meteorological variables, one related to relative humidity days and another thermal related to a maximum temperature limit for the development of the disease. To validate and strengthen the proposed model, it is necessary to have more severity data over the years.