Modelado agroclimático para la predicción de Monilia (Moniliophthora roreri) en el cultivo de cacao (Theobroma cacao L.) en la República de Colombia

• Autores: Pinzón Correa, Eduar Enrique
• Año de publicación: 2021
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Moschini, Ricardo Carlos; Wright, Eduardo R.
• Materia: CACAO; MONILIA; INCIDENCIA; MODELO; COEFICIENTES DE CORRELACION; VARIABLES REGRESORAS; PERIODO CRITICO; INFECCION; HABILIDAD PREDICTIVA; COCOA; MONILIA; INCIDENCE; MODEL; CORRELATION COEFFICIENTS; RETURNABLE VARIABLES; CRITICAL PERIOD; INFECTION; PREDICTIVE ABILITY
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

El cacao es un cultivo de gran relevancia económica, social y ambiental para Colombia, constituyéndose en una especie primordial del sistema agroforestal campesino de muchas regiones. Sin embargo, existen varios factores que afectan la calidad y producción de los granos de cacao, siendo las enfermedades la principal limitante. La monilia, causada por el hongo Moniliophthora roreri, se destaca como el problema fitosanitario que afecta al cacao en Latinoamérica con mayor severidad. En Colombia, esta enfermedad puede causar pérdidas que oscilan entre el 40% y 100% de la producción, lo cual está relacionado con la severidad del ataque del patógeno, las condiciones ambientales y el manejo del cultivo. En este trabajo se elaboraron modelos matemáticos que permiten identificar y cuantificar el efecto ambiental-genético sobre los niveles de enfermedad, siendo una herramienta de apoyo en el manejo integrado del cultivo. Para satisfacer este objetivo, se utilizaron datos mensuales de incidencia (Inc%) de monilia, durante el periodo 2005 – 2011, registrados por Fedecacao en dos sitios: La Cabaña y Chimita, pertenecientes al Departamento Santander, Colombia. En primer lugar, se analizaron los efectos año y mes sobre la incidencia de M. roreri, resultando significativos al 1% en ambos sitios. Por el test de Duncan, el clon FLE-2 (>Incidencia de monilia, más susceptible) difirió significativamente del clon CCN-51 (1mm en ambos días) se asociarían a la satisfacción del requerimiento de mojado del fruto, necesario para el proceso de infección fúngica. En Chimita, los más altos coeficientes de correlación (rk= 0,34 y 0,29, para respuesta ordinal y binaria) se observaron para la variable PPrec8 (períodos de dos días con precipitación >8mm en ambos días) En ambos sitios, la variable discreta Susc presentó coeficientes de correlación moderados y positivos (rk de 0,31 a 0,23). Utilizando la técnica de regresión logística se pudieron desarrollar modelos preliminares para predecir las probabilidades de ocurrencia de niveles (binarios y ordinales) de incidencia de monilia, en base a variables genético-ambientales en ambos sitios. Los mayores índices de habilidad predictiva fueron alcanzados por los modelos de regresión logística de respuesta binaria en ambos sitios. En La Cabaña, el modelo de regresión binario más preciso (precisión de predicción: 84,5%) incluyó a las variables PPrec1, PrecAc (precipitación acumulada, pendiente negativa) y Susc (0 o 1: comportamiento de los clones). En Chimita, el más preciso modelo binario (precisión de predicción: 77,3%) incluyó una variable simple (PPrec8) y la interacción de la variable discreta (Susc) con DPrec8 (días con precipitación >8mm). PPrec8 y DPrec8 podrían asociarse a la ocurrencia de lluvias con energía suficiente (se descartan los días con lloviznas) necesaria para la dispersión de conidios del patógeno y a la película de agua necesaria para la infección fúngica. Para este estudio, se observó que el período crítico susceptible en el cual se calculan las variables meteorológicas tuvo una extensión de 40 días (inicio y fin: 80 y 40 días previos al fin de cada mes), coincidente con la aparición de síntomas externos después de 40 a 80 días del evento de infección.
Cocoa is a crop of economic, social and environmental relevance for Colombia, becoming a primary species in the peasant agroforestry system in many regions. However, there are several factors that affect the quality and production of cocoa beans, with diseases being the main limitation. Monilia, caused by the fungus Moniliophthora roreri, stands out as the phytosanitary problem that affects cocoa in Latin America with the greatest severity. In Colombia, this disease can cause losses that range between 40% and 100% of production, which is related to the severity of the pathogen attack, environmental conditions and crop management. In this work, mathematical models were elaborated that allow to identify and quantify the environmental-genetic effect on the disease levels, being a support tool in the integrated management of the crop. To meet this objective, monthly incidence data (Inc%) of monilia were used, during the period 2005 - 2011, registered in Fedecacao in two locations: La Cabaña and Chimita in San Vicente de Chucuri Santander, Colombia. Data from the daily rainfall of the period 2005 - 2011, registered by the automatic meteorological station San Vicente de Chucurí, to calculate the meteorological variables. In the first place, the year and month effects on the incidence of M. roreri were reported, being significant at 1% in both sites. By the Duncan test, the clone FLE-2 (> monilia Incidence, more susceptible) differed significantly from clone CCN-51 ( 1mm on both days) would be associated with the satisfaction of the requirement of wetting of the fruit, necessary for the process of fungal infection. In Chimita, the highest correlation coefficients (rk = 0.34 and 0.29, for ordinal and binary response) were observed for the variable PPrec8 (two-day periods with precipitation > 8mm on both days) In both sites, the discrete variable Susc presented moderate and positive correlation coefficients (rk from 0.31 to 0.23). Using the logistic regression technique, preliminary models could be developed to predict the probabilities of occurrence of levels (binary and ordinal) of monilia incidence, based on genetic-environmental variables in both sites. The highest predictive ability indexes were reached by the binary response logistic regression models at both sites. In La Cabaña, the most accurate binary regression model (prediction accuracy: 84.5%) included the variables PPrec1, PrecAc (accumulated precipitation, negative slope) and Susc (0 or 1: behavior of the clones). In Chimita, the most accurate binary model (prediction accuracy: 77.3%) included a simple variable (PPrec8) and an interactive one that arises from the product of the discrete variable (Susc) with DPrec8 (days with precipitation> 8mm). PPrec8 and DPrec8 could be associated to the need of the fungus of the occurrence of rains with sufficient energy (the days with drizzles are discarded) for the dispersion of conidia of the pathogen and at the same time serve as a source of wet of the ears, necessary for the fungal infection. For this study, it was observed that the critical susceptible period in which the meteorological variables are calculated had an extension of 40 days (beginning and end: 80 and 40 days prior to the end of each month), coinciding with the appearance of external symptoms after 40 to 80 days after the infection event.
Fil: Pinzón Correa, Eduar Enrique. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.