Modelado prediccion enfermedades cultivos - edUTecNe ...

Modelado para la predicción de enfermedades en cultivos de alto valor comercial
4. SOLUCIÓN PROPUESTA
4.1. Colecta de datos y organización de la información
4.1.1. Introducción
El desarrollo de modelos predictivos, requiere la construcción de una base de
datos. El protocolo para la elaboración de la misma refiere a datos que
responden a dos orígenes. Por un lado, los registros de enfermedad, que en
este caso provienen de lotes de arándano, y por otro los meteorológicos, los
cuales resultan de estaciones meteorológicas convencionales o automáticas
ubicadas en las cercanías de las plantaciones de arándano.
4.1.2. Registros de enfermedad
4.1.2.1. Elección del método de evaluación de severidad
La elección de un método eficiente para evaluar una enfermedad foliar en
arándano es crítica para estudios epidemiológicos, medir pérdidas de
producción y evaluar prácticas de manejo [Lindow, 1983]. Sin embargo, si bien
se han desarrollado métodos para la evaluación de enfermedades en otros
cultivos, existen pocos trabajos referidos a enfermedades foliares en arándano
[Ojiambo y Scherm, 2006].
Tradicionalmente, la severidad de una enfermedad ha sido evaluada en forma
visual [Lindow y Webb, 1983; Kampmann y Hansen, 1994], cuantificando, en
porcentaje, el área afectada por un determinado patógeno [Niemira et al, 1999].
Comparado con otros métodos, el análisis visual posee algunas ventajas tales
como su rapidez y simplicidad y desventajas como subjetividad y falta de
exactitud [James, 1974; Lindow y Webb, 1983; Sherwood et al., 1983;
Olmstead et al., 2001].
Considerando las desventajas del análisis visual, se han desarrollado sistemas
informáticos para análisis y tratamiento de imágenes que están comenzando a
ser utilizados extensamente en la evaluación de enfermedades de plantas
[Martin y Rybicki, 1998; Niemira et al., 1999; Olmstead et al., 2001], y se
caracterizan por aumentar la precisión y exactitud de las determinaciones
[Todd y Kommedahl, 1994; Nilsson, 1995] siendo significativamente mejores
que las obtenidas por estimaciones visuales [Lindow y Webb, 1983; Martin y
Rybicki, 1998]. Uno de ellos es el Image Analysis Software for Plant Disease
85