Enfoques no invasivos para la evaluación y el monitoreo de enfermedades vegetales

Autores/as

  • Siva K. Balasundram
  • Carlos Arenas París

Palabras clave:

protección vegetal de precisión, detección temprana, espectroscopia sin imágenes, espectroscopia de imágenes, índice espectral de enfermedades

Resumen

La evaluación de enfermedades vegetales se realiza para analizar las mediciones de enfermedades/ patógenos (fitopatometría), siendo fundamental para estimar la intensidad y las pérdidas de cultivos. Ayuda a los investigadores y agricultores a determinar la causa de la enfermedad y el grado del daño (físico y económico). Se requiere de un enfoque preciso y confiable para validar su identificación y estimar su gravedad. Las técnicas contemporáneas desarrolladas para la detección de enfermedades vegetales giran en torno al concepto de métodos de muestreo no destructivos. Estos pueden llevarse a cabo rápida y rigurosamente, sin afectar el crecimiento del cultivo. Se han estudiado varias técnicas espectroscópicas y de imagen para detectar los organismos dañinos que las causan. Las enfermedades que se evalúan, según sus síntomas visuales en el cultivo, son llamadas sintomáticas. Es importante analizar el tipo de daño, la causa del síntoma, el efecto y las maneras de prevenir una mayor propagación. Generalmente, se sabe que la mayoría de las enfermedades que atacan los cultivos tienen efectos adversos sobre el rendimiento. A continuación, se describe el uso de herramientas de la agricultura de precisión, tales como la espectroscopia de reflectancia y redes neuronales artificiales, para evaluar y monitorear enfermedades vegetales.

Cómo citar

Balasundram, S. K. . ., & Arenas París, C. . (2019). Enfoques no invasivos para la evaluación y el monitoreo de enfermedades vegetales. Palmas, 40(Especial T), 204–219. Recuperado a partir de https://publicaciones.fedepalma.org/index.php/palmas/article/view/13050

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2019-12-19

Número

Sección

Módulo 1 Sesión 4

Métricas

QR Code