Soluciones innovadoras para la predicción de enfermedades fúngicas en vid

Soluciones innovadoras para la predicción de enfermedades fúngicas en vid Débora Franco Monet Viticultura

wwww.bibliotecahorticultura.com

2021

Soluciones innovadoras para la predicción de enfermedades fúngicas en vid

Débora Franco debora@monet-ti.com Monet Viticultura

Índice 1. Introducción .............................................................................................................................. 1 2. Modelo de predicción de riesgo de mildiu................................................................................ 2 3. Modelo de predicción de riesgo de oídio.................................................................................. 3 4. Modelo de predicción de botritis .............................................................................................. 4 5. Modelo de predicción de esporas ............................................................................................. 4 6. Sobre VITICAST .......................................................................................................................... 5

Esta obra está bajo una licencia de Creative Commons ReconocimientoNoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0)

Técnicas de cultivo, Viña

1. Introducción VITICAST es un grupo operativo de carácter supra-autonómico que desarrolla un proyecto de innovación centrado en proporcionar al sector vitivinícola soluciones innovadoras para la predicción de enfermedades fúngicas en la vid.

La viticultura es una actividad de gran tradición en España y uno de los motores del sector agrario nacional. Sin embargo, viticultores y bodegas se enfrentan cada año a enfermedades fúngicas de la vid, como la botritis, el oídio y el mildiu que pueden provocar pérdidas importantes de producción.

Para hacer frente a esta situación se emplean tratamientos fitosanitarios, en muchas ocasiones atendiendo a calendarios previamente marcados o siguiendo criterios exclusivamente meteorológicos. Si bien con ello se consigue una reducción de la incidencia de dichas enfermedades, la falta de precisión en cuanto al momento adecuado para aplicar el tratamiento, acaba derivando en un uso excesivo de estos productos. Ante una sociedad cada vez más concienciada y que exige productos de calidad y respetuosos con el medioambiente, el sector vitivinícola ha iniciado un camino de no retorno hacia la sostenibilidad.

Figura 1. La instalación de captadores de esporas (izquierda) y estaciones meteorológicas (derecha) en las parcelas, permite disponer de información detallada e individualizada con la que mejorar la precisión de los modelos de predicción

VITICAST es un proyecto de innovación que se alinea dentro de esta hoja de ruta, ya que el grupo operativo busca desarrollar una herramienta que identifique de forma precisa el riesgo de infección de forma individualizada en cada parcela. La idea detrás de esta herramienta es la aplicación de productos fitosanitarios únicamente cuando exista un riesgo real y objetivo de infección. En la práctica esto supondrá la optimización del uso de fungicidas, mejorando la calidad del vino y la protección del medio ambiente, a la vez que se reducen los costes de producción.

La innovación detrás de esta herramienta de aviso es la incorporación de datos aerobiológicos (concentración de esporas en el ambiente) a los modelos de predicción. De esta manera, el modelo tiene en cuenta parámetros meteorológicos, el estado fenológico en el que se encuentra el viñedo y la presencia del fitopatógeno en el ambiente.

Los trabajos de VITICAST para el desarrollo de la mencionada herramienta comenzaron en 2019, año de su aprobación. Actualmente el proyecto se encuentra en la fase final de

www.bibliotecahorticultura.com

1

Soluciones innovadoras para la predicción de enfermedades fúngicas en vid

ejecución, y después de dos años, los resultados muestran que esta herramienta puede reducir el uso de tratamientos fitosanitarios en viticultura hasta en un 40%, lo que confirma la viabilidad del uso de técnicas de inteligencia artificial para este tipo de aplicaciones.

2. Modelo de predicción de riesgo de mildiu El mildiu es una enfermedad originada por el hongo Plasmopara viticola que afecta a las hojas, los brotes jóvenes, los pedúnculos y los racimos. Su ciclo de vida comienza con la maduración de la oospora de invierno. Así, el modelo de predicción de riesgo de mildiu se inicia calculando las condiciones necesarias para que se produzca dicha maduración. Los resultados de los modelos se han cotejado en las dos anualidades con el resultado del protocolo de maduración de oospora en campo que realiza la Estación Fitopatolóxica Areeiro. En la campaña 2021, los modelos indicaron que la maduración de oospora en la subzona Condado de Rías Baixas y en el Ribeiro se completó el día 17 de marzo, tal y como confirmó la Estación Fitopatolóxica Areeiro con su protocolo (Figura 2). La siguiente zona en la que completó la maduración fue Valdeorras, el 30 de marzo y, por último, Ribera de Duero el 9 de mayo.

Figura 2. Maduración de la oospora de invierno de mildiu

Una vez que la oospora completa su maduración se empiezan a calcular las condiciones para que se produzca la primera infección primaria. En la zona más adelantada en la campaña 2021 la primera infección primaria se completó el día 2 de abril (Figura 3). Cada infección inicia un proceso de incubación asociado que puede llegar a término o no. En este caso sí llegó a término el día 10 de abril. Cuando un proceso de incubación se encuentra en altos niveles es posible empezar a encontrar manchas de mildiu si no se ha aplicado un tratamiento fitosanitario. En esta zona en concreto, las primeras manchas se notificaron el 7 de abril.

Una vez que la incubación primaria termina se empiezan a calcular las condiciones de esporulación. En la Figura 4 se observa que dichas condiciones se alcanzan el 10 de abril cuando el proceso de esporulación llega al 100%. Cuando una esporulación llega a término se empiezan a calcular las condiciones de infecciones secundarias y sus incubaciones asociadas con el mismo protocolo que se ha descrito para las infecciones primarias en un proceso cíclico que se repite durante toda la campaña.

2

www.bibliotecahorticultura.com

Poscosecha

Figura 3. Infección e incubación primaria de mildiu

Figura 4. Esporulación, Infección e incubación secundaria de mildiu

3. Modelo de predicción de riesgo de oídio Provocado por el hongo Uncinula necator, el oídio afecta a todos los órganos verdes de la vid: hojas, sarmiento y racimos. Los modelos desarrollados tienen en cuenta el nivel de presión de la enfermedad, es decir, si las condiciones son favorables o no para el desarrollo y la reproducción del hongo. Cuando el riesgo es bajo el patógeno se reproduce lentamente, por lo que es posible alargar el período entre tratamientos. Cuando el riesgo es alto, el patógeno se reproduce a gran velocidad y el intervalo entre tratamientos se debería reducir. En la Figura 5 se muestran los resultados de una de las parcelas experimentales de la campaña 2021 para dos modelos diferentes. La línea continua muestra los resultados de un modelo basado exclusivamente en condiciones climáticas. La línea discontinua muestra los resultados para un modelo en el que se ha incorporado la fenología con el objetivo de desarrollar un modelo enfocado en proteger el racimo. Por esto, el nivel de riesgo se pondera con el estado fenológico en el que se encuentra el viñedo.

Vemos que, en el período de protección de racimo, marcado entre las dos líneas verdes, los dos modelos proporcionan un riesgo alto. Sin embargo, el 20 de julio, se aprecia una diferencia de un 80% en el riesgo proporcionado por ambos modelos. Esto significa que, utilizando el modelo que incluye la fenología sería posible alargar el intervalo entre tratamientos y por tanto, optimizar el uso de fitosanitarios.

www.bibliotecahorticultura.com

3

Soluciones innovadoras para la predicción de enfermedades fúngicas en vid

Figura 5. Comparativa del riesgo proporcionado por dos modelos de oídio en una de las parcelas experimentales

4. Modelo de predicción de botritis En el caso de la botritis, causada por el hongo Botrytis cinerea, los daños más graves se producen en el racimo a partir del envero. El nivel de riesgo proporcionado por el modelo desarrollado se ha comparado con los boletines fitosanitarios emitidos por la Estación Fitopatolóxica Areeiro (EFA, Deputación de Pontevedra), donde se refleja la incidencia de la enfermedad sobre la vid. En esta campaña, se detectaron cuatro episodios de botritis. Dos de ellos fueron esporádicos y no generaron síntomas en viñedo. Sin embargo, a principios del mes de julio se encadenaron tres episodios consecutivos de botritis. De manera similar, a principios de agosto, dos nuevos episodios. En ambos casos, el nivel de riesgo alto coincidió con la detección de síntomas de botritis en el viñedo por parte de la EFA, que emitió sendos avisos fitosanitarios el 9 de julio y el 6 de agosto.

5. Modelo de predicción de esporas Por último, se ha desarrollado un modelo de predicción de esporas. La Figura 6 representa una de las redes neuronales utilizadas para el desarrollo del modelo. Las entradas al modelo son los datos meteorológicos y la salida es el riesgo de enfermedad. Esta red neuronal tiene en cuenta el recuento de esporas y las observaciones realizadas por los técnicos de campo, tanto a nivel de fenología como de síntomas de enfermedad.

Figura 6. Red neuronal utilizada para el desarrollo del modelo de predicción de esporas

El conjunto de datos recogidos en la campaña 2020 y en la campaña 2021 se ha dividido en dos grupos de datos. El primer grupo son los datos de entrenamiento del modelo y el segundo grupo son datos de test. Con los datos de test el modelo ha obtenido los desempeños que se muestran en la Tabla 1. El mejor desempeño se ha obtenido para el oídio, con un porcentaje

4

www.bibliotecahorticultura.com

Poscosecha

de éxito cercano de un 97%. Además del éxito, la Tabla 1 también refleja también los falsos positivos, es decir, los momentos en los que el sistema detecta riesgo cuando no lo hay, y los falsos negativos en los que no se detecta el riesgo cuando sí lo hay. Este último caso es el más desfavorable y el que se busca minimizar.

Tabla 1. Desempeño del modelo de predicción de esporas

6. Sobre VITICAST El grupo operativo VITICAST está integrado por un equipo multidisciplinar que abarca las comunidades de Galicia y Castilla y León, y se desarrolla en las DDOO Rías Baixas, Ribeiro, Ribera del Duero y Valdeorras. VITICAST está formado por Monet Tecnología e Innovación (representante del GO), la Fundación Empresa-Universidad Gallega (FEUGA), la Estación Fitopatolóxica Areeiro (EFA, Deputación de Pontevedra), la Universidad de Vigo (UVigo) y las bodegas Hacienda Monasterio, Matarromera y Viña Costeira.

Además, VITICAST cuenta con la colaboración de la Plataforma Tecnológica del Vino (PTV), la Asociación de Colleiteiros y Embotelladores del Ribeiro (ACER) y la Asociación Galega de Viticultura (AGV). Por otro lado, la Universidad de Santiago de Compostela (USC), actúa como entidad subcontratada.

Más información sobre el proyecto de innovación en su web: www.viticast.es VITICAST es un proyecto de innovación cofinanciado en un 80% por el Fondo Europeo Agrícola de Desarrollo Rural (FEADER) de la Unión Europea y en un 20% por el Ministerio de Agricultura,

www.bibliotecahorticultura.com

5

Soluciones innovadoras para la predicción de enfermedades fúngicas en vid

Pesca y Alimentación, en el marco del Programa Nacional de Desarrollo Rural 2014-2020.

Presupuesto total del proyecto: 615.249,08 eur, Subvención total: 599.957,08 eur.

6

www.bibliotecahorticultura.com

ESPECIALISTES EN SERVEIS PER A LA PRODUCCIÓ EDITORIAL, SL Doctor Manuel Candela 26, 11ª 46021 VALENCIA – ESPAÑA Tel.: +34-649 48 56 77 / info@poscosecha.com NIF: B-43458744

www.poscosecha.com www.postharvest.biz www.bibliotecahorticultura.com www.tecnologiahorticola.com www.actualfruveg.com