Una nueva metodología sería la respuesta para que los cultivos de arroz en regiones como Huila o Cauca no sucumban ante la piricularia, enfermedad producida por un hongo que daña las hojas y los granos de forma contundente y en poco tiempo. Gracias al poder de detección que tiene, se reducirían los tiempos y el esfuerzo asociado a la identificación. Sabiendo qué ocurre en tan solo 100 lotes de arroz, se puede llegar a saber lo que está pasando hasta en 230.
El arroz es el más consumido en el mundo, y por lo menos el tercer cereal que más se produce, después del maíz y el trigo. En Colombia, según el DANE, el consumo promedio por persona en 2021 fue de 42 kilogramos, un dato que no es ajeno a lo que ocurre en Latinoamérica, que en Ecuador para el mismo periodo tuvo un consumo de 53,11 kilogramos per cápita, y en Perú de 76,44.
Además, las cifras de la Federación Nacional de Arroceros (Fedearroz), muestran que en el país su cultivo y producción se realiza en 210 municipios y 23 departamentos, demostrando la importancia económica que representa para miles de familias, así como el impacto que tiene la aparición de enfermedades como la piricularia o “quemado del arroz”, producida por el hongo Pyricularia grisea Sacc, que desprende una serie de esporas que contaminan los cultivos.
En vista de su impacto, que trae grandes pérdidas económicas para las más de 407.000 hectáreas destinadas al cultivo de arroz país, y que mata lentamente la planta provocándole manchas verdosas que resquebrajan las hojas, Luis David Velásquez Tafur, magíster en Estadística de la Universidad Nacional de Colombia (UNAL), diseñó y probó por primera vez una metodología de muestreo para detectar la enfermedad.
Según cuenta el investigador, los métodos tradicionales “basados en listas”, que habían sido utilizados desde la estadística para identificar este tipo de problemas, tienen limitaciones para identificar la enfermedad, pues se necesita una muestra demasiado grande para saber lo que está ocurriendo, generando demoras y largos y extensos recorridos por cada lote de arroz.
Por ello, decidió estudiar una alternativa que hasta ahora está comenzando a “hacer ruido” en el campo de la agricultura, el método basado en redes; que tiene condiciones distintas para analizar un fenómeno, pues los datos están conectados de manera más clara y no existen inconvenientes tan marcados para trabajar con grandes cantidades de datos.
Fue así como al estar indagando sobre las estructuras de redes llegó el trabajo en colaboración con Fedearroz; estaban interesados en implementar alguna técnica avanzada para que la piricularia no siguiera haciendo de las suyas y le proporcionaron al investigador y al profesor Leonardo Trujillo, del Departamento de Estadística, información histórica -desde 2015- de 230 lotes de cultivos de arroz en todo el país.
El magíster encontró que con este método tan solo se necesitan 100 lotes de esos 230 para saber si existen afectaciones en el cultivo, mientras que con los métodos convencionales se necesita saber qué ocurre en por lo menos 200 cultivos, lo cual resulta dispendioso y poco práctico para los agricultores.
“Las estructuras de redes se pueden explicar como si fueran un árbol genealógico, en donde todo está conectado, lo cual permite observar mejor las relaciones existentes entre cada descendencia, y cómo cada individuo está ligado a otro, en este caso los cultivos de arroz; y, aunque a veces son muchas relaciones entre datos, si se ejecutan de la mejor manera son muy útiles en campos como la agricultura”, asegura el magíster en Estadística.
La información de los lotes incluyó las condiciones climáticas y las variedades de arroz por región, estos se evaluaron teniendo en cuenta que las temperaturas más óptimas para el desarrollo del hongo oscilan entre 24 y 28 ° C; por otro lado, se estudiaron múltiples tipos de este grano de las principales regiones que cultivan este producto. Se tenían 4 agrupaciones de datos, una que no presentaba la enfermedad y tres que sí.
“Se obtuvo un coeficiente de variación de alrededor de un 8 % con 100 muestras; en métodos de muestreo el resultado es prometedor, lo que indica una precisión alta para determinar la incidencia de la enfermedad, lo cual no se lograría con los métodos tradicionales”, indica.
La metodología de muestreo se construyó en los lenguajes de programación RStudio y Python, que ofrecen las herramientas indicadas para que los datos establezcan las relaciones que se requieren en la predicción de la enfermedad.
