La epidemiología de plantas se define como la ciencia de las poblaciones y se basa en el estudio y la cuantificación de las interacciones entre patógenos, hospederos y el ambiente, proporcionando herramientas para el pronóstico del comportamiento de las enfermedades en la dimensión espacial y temporal como base para el diseño de estrategias de manejo sostenible (Madden et al., 2007). En la floricultura colombiana, donde el cultivo de rosas es de gran importancia económica, el manejo de Botrytis cinerea, causante del moho gris, es un desafío significativo debido a su alta plasticidad genética, capacidad de adaptarse a diferentes condiciones ambientales, la existencia de poblaciones con pérdida de sensibilidad a fungicidas con distritos ingredientes activos, la presencia e impacto tanto en precosecha como en postcosecha, entre otros (Elad et al., 2007).
El manejo del moho gris se ha basado casi exclusivamente en el uso de fungicidas, lo cual genera un alto riesgo de seleccionar poblaciones menos sensibles a los ingredientes activos existente, sino por el impacto ambiental y la salud humana. Es por esto que es necesario incluir otras herramientas de manejo que complemente el control químico y que además busquen la toma de decisiones basada en evidencia. Es así como el uso de modelos de pronóstico de las enfermedades o las dinámicas poblacionales de los agentes causales de las dimensiones espaciales y temporales permite optimizar los recursos utilizados para el manejo de los problemas fitosanitarios. Los modelos epidemiológicos integran datos climáticos, junto con parámetros poblaciones del patógeno y medidas de intensidad de las enfermedades, para determinar el riesgo de infección y la severidad potencial de la enfermedad (Shtienberg & Elad, 1997). A partir de esta información, se puede definir el momento óptimo de aplicación de fungicidas y el tipo adecuado según el nivel de riesgo o probabilidad de ocurrencia del problema fitosanitario. En este sentido, se podría realizar una programación de las aplicaciones de productos de contacto para prevenir infecciones iniciales, fungicidas translaminares para niveles bajos de enfermedad, y fungicidas sistémicos en situaciones de alta severidad (Gent et al., 2013).
Con base en criterios basado en evidencia para la ampliación de fungicidas, no solo representa un alto impacto económico al reducir el número de aplicaciones por ciclo del cultivo, sino que además, los modelos pueden predecir la probabilidad de selección de poblaciones de B. cinerea menos sensibles a fungicidas debido a su uso intensivo. La aplicación practica de estos conceptos facilitando la rotación y mezcla de productos para evitar el mayor riesgo de poblaciones resistentes. También permiten ajustar prácticas culturales y biológicas en función del pronóstico, como reducir la densidad de plantación, ajustar la frecuencia de riego para disminuir la humedad del dosel o el momento óptimo de la aplicación de organismos antagonistas.
Para garantizar un uso correcto, reproducible y efectivo de la modelación epidemiológica como herramienta de manejo de enfermedades en plantas, es fundamental no solo ajustar las curvas temporales y dinámicas espaciales de las enfermedades a modelos de pronóstico, sino también comprender cómo estas están influenciadas por factores clave como las variables climáticas, las prácticas culturales y el uso de fungicidas. Además, es esencial disponer de variables de medición de la intensidad de la enfermedad que sean informativas, junto con datos de alta calidad que permitan establecer umbrales adecuados para la toma de decisiones. Los avances tecnológicos ofrecen la posibilidad de integrar plataformas digitales y herramientas automatizadas que mejoran la precisión y eficiencia de los datos recolectados. Estas herramientas deben facilitar la captura, el almacenamiento, la limpieza, el análisis y la visualización de la información, permitiendo que los resultados estén disponibles en tiempo real en interfaces diseñadas para los usuarios finales.
La implementación de estos sistemas garantiza una toma de decisiones basada en evidencia por parte de los equipos técnicos, optimizando el manejo de las enfermedades y el uso de recursos, como los fungicidas. Así, se logra definir estrategias oportunas, desde la identificación del momento óptimo de aplicación hasta la selección del tipo de fungicida en función del riesgo de selección de poblaciones menos sensible, lo que contribuye a la sostenibilidad y eficiencia del manejo fitosanitario.
Referencias
Elad, Y., Williamson, B., Tudzynski, P., & Delen, N. (2007). Botrytis: Biology, Pathology and Control. Springer.
Gent, D. H., De Wolf, E., & Pethybridge, S. J. (2011). Perceptions of risk, risk aversion, and barriers to adoption of decision support systems and integrated pest management: An introduction. Phytopathology, 101(6), 630-643.
Madden, L. V., Hughes, G., & van den Bosch, F. (2007). The Study of Plant Disease Epidemics. APS Press.
Shtienberg, D., & Elad, Y. (1997). Incorporation of weather forecasting in integrated, biological-chemical management of Botrytis cinerea. Phytopathology, 87(3), 332-340.
Elaborado por: Joaquín Guillermo Ramírez Gil
Universidad Nacional de Colombia
Facultad de ciencias Agrarias, center of excellence in scientific computing.
jgramireg@unal.edu.co
Para: Interoc
