La red NDAWN utiliza información meteorológica y del suelo para elaborar alertas que ayudan a decidir dónde y cuándo aplicar medidas fitosanitarias
Redactor: Santiago Duarte
Editor: Karem Díaz S.
Una red de 250 estaciones meteorológicas automatizadas está convirtiendo datos de temperatura, humedad, viento y suelo en herramientas para anticipar enfermedades agrícolas en Estados Unidos. El sistema, administrado por la Universidad Estatal de Dakota del Norte, permite que productores e investigadores evalúen el riesgo fitosanitario de los cultivos antes de tomar decisiones sobre fungicidas y otras medidas de manejo.
La North Dakota Agricultural Weather Network, conocida por sus siglas NDAWN, cubre Dakota del Norte y áreas de Minnesota y el noreste de Montana. Su función ya no se limita a registrar precipitaciones y temperaturas: la información localizada y en tiempo real alimenta modelos para soja, cereales, canola, papa, remolacha azucarera e insectos agrícolas.
Una red que pasó de seis estaciones a 250
NDAWN comenzó en 1989 con seis estaciones automáticas financiadas mediante una subvención del High Plains Climate Center. Cerca de cuatro décadas después, la red dispone de 250 puntos de observación distribuidos en una extensa región agrícola del norte estadounidense.
Las estaciones proporcionan registros actuales e históricos con resolución local. Dependiendo del equipamiento instalado, pueden medir temperatura del aire y del suelo, humedad relativa, humedad del terreno, velocidad y dirección del viento, precipitaciones y otras variables relevantes para la producción.
Estos datos permiten establecer relaciones entre el ambiente y el desarrollo de patógenos. El mismo principio sustenta otras herramientas de vigilancia, como el uso de drones para detectar enfermedades agrícolas antes de que los síntomas sean visibles.
El manejo de enfermedades impulsó la red desde sus inicios
A comienzos de la década de 1990, productores de papa financiaron estaciones meteorológicas para respaldar modelos sobre el tizón tardío. El funcionamiento de esa herramienta aportó una de las primeras demostraciones de que los datos locales podían transformarse en recomendaciones prácticas para el control de enfermedades.
Durante el mismo periodo también avanzaron investigaciones orientadas al pronóstico de la cercosporiosis en remolacha azucarera. A mediados de la década, NDAWN amplió sus aplicaciones hacia pequeños cereales, canola e insectos, mientras se desarrollaban modelos de enfermedades y programas de manejo integrado de plagas.
La red no diagnostica directamente una infección en cada parcela. Sus modelos estiman la probabilidad de que las condiciones ambientales favorezcan la aparición de un patógeno o de su fuente de inóculo. La observación del cultivo y el asesoramiento agronómico continúan siendo necesarios antes de aplicar un tratamiento.
Mapas diarios calculan el riesgo de moho blanco en soja
Una de las incorporaciones recientes es el sistema NDAWN White Mold Risk Maps, destinado a estimar el riesgo de moho blanco en soja. La enfermedad, causada por Sclerotinia sclerotiorum, puede provocar pérdidas relevantes cuando coinciden un cultivo susceptible y condiciones ambientales favorables.
El modelo original fue desarrollado en la Universidad de Wisconsin y se utilizó mediante la aplicación móvil Sporecaster. Wade Webster, fitopatólogo de soja y profesor asistente de la Universidad Estatal de Dakota del Norte, lo ajustó y validó con observaciones procedentes de campos comerciales donde se había desarrollado la enfermedad.
La nueva versión combina los datos de NDAWN con variables como temperatura, humedad relativa y velocidad del viento. El objetivo es predecir el desarrollo de apotecios, estructuras del hongo que liberan las esporas responsables de iniciar la infección.
El seguimiento ambiental complementa otros sistemas de alerta fitosanitaria. En Brasil, por ejemplo, una red de trampas e inteligencia artificial vigila las esporas de la roya asiática de la soja para orientar las decisiones de los productores.
La herramienta establece tres niveles de riesgo
Los mapas de moho blanco emplean tres colores para comunicar la estimación diaria. El azul representa un riesgo bajo, el amarillo señala una probabilidad moderada y el rojo identifica condiciones de riesgo elevado, en las que el sistema recomienda considerar una aplicación fungicida.
La interpretación depende también del estado del cultivo. NDAWN advierte que la herramienta debe utilizarse cuando las plantas de soja presentan flores, entre las etapas R1 y R3, y después del cierre del dosel. Sin floración o sin suficiente cobertura vegetal, la posibilidad de infección disminuye considerablemente.
El modelo alcanzó una precisión del 78% en Dakota del Norte, pero puede fallar en determinados microambientes. Diferencias locales de humedad, densidad del cultivo, riego, variedad y antecedentes de la parcela pueden generar condiciones que una estación cercana no represente completamente.
La herramienta fue validada exclusivamente para soja. NDAWN desaconseja trasladar automáticamente sus resultados a canola, frijoles secos o girasol, aunque estos cultivos también puedan ser afectados por el patógeno.
El moho blanco causó pérdidas superiores a 60 millones de dólares
Los investigadores estimaron que el moho blanco ocasionó más de 60 millones de dólares en pérdidas de rendimiento para la industria sojera considerada en el desarrollo del proyecto. La magnitud económica explica el interés por disponer de alertas que permitan actuar durante la ventana en la que el control puede resultar efectivo.
Un fungicida aplicado sin riesgo suficiente representa un costo innecesario y añade presión ambiental. Una intervención tardía, cuando la infección ya se ha establecido, puede ofrecer un control limitado. El valor del pronóstico consiste en acercar la aplicación al periodo en que coinciden el cultivo vulnerable y las condiciones favorables para el patógeno.
Este enfoque resulta especialmente importante en campañas con lluvias frecuentes y temperaturas moderadas. La relación entre clima y sanidad vegetal también se observa en el manejo del mildiu de la patata durante periodos húmedos y templados.
Los modelos apoyan el manejo integrado, no lo sustituyen
La información meteorológica puede ayudar a reducir aplicaciones innecesarias, mejorar la oportunidad de los tratamientos y concentrar la vigilancia en parcelas con mayor riesgo. Sin embargo, los modelos deben combinarse con recorridos de campo, historial de enfermedades, susceptibilidad varietal, rotación y recomendaciones técnicas locales.
El sistema tampoco garantiza que una enfermedad aparezca cuando el mapa señala riesgo alto. Indica que el ambiente reúne condiciones favorables, pero el desarrollo efectivo depende además de la presencia del patógeno, la disponibilidad de tejido susceptible y las prácticas de manejo.
La integración de clima, observaciones agronómicas y herramientas digitales representa una respuesta práctica ante campañas cada vez más variables. Esta necesidad se relaciona con el debate sobre el uso más preciso de fertilizantes y productos fitosanitarios frente a la incertidumbre climática.
Para los productores, el principal aporte de NDAWN es convertir mediciones ambientales en una señal operativa. La lluvia, la humedad o la temperatura dejan de ser registros aislados y pasan a formar parte de modelos que ayudan a decidir cuándo vigilar, cuándo intervenir y cuándo una aplicación puede evitarse.
Fuentes referenciales:
Phys.org
Universidad Estatal de Dakota del Norte
North Dakota Agricultural Weather Network
