Un estudio dirigido por CABI ha desarrollado los primeros modelos de pronóstico dirigidos a las etapas larvarias del gusano cogollero; utilizando datos de observación de la tierra en tiempo real y la ocurrencia de plagas en el campo de un agricultor….. ( )
por CABI
Un estudio dirigido por CABI ha desarrollado los primeros modelos de pronóstico dirigidos a las etapas larvarias del gusano cogollero; utilizando datos de observación de la tierra en tiempo real y la ocurrencia de plagas en el campo de un agricultor, los modelos ayudarán en la lucha contra la devastadora plaga del gusano cogollero (FAW). , que solo en África se estima que causa pérdidas de rendimiento anuales de USD $ 9.4 mil millones.
Una nueva investigación realizada por un equipo internacional, dirigido por la investigadora Alyssa Lowry, ha demostrado cómo los modelos desarrollados para las poblaciones de larvas de gusano cogollero en África pueden ayudar a los pequeños agricultores a predecir con mayor precisión el mejor momento para realizar una intervención de gestión en sus cultivos para evitar daños. La plaga (Spodoptera frugiperda) favorece al maíz, pero también puede afectar a más de 100 especies de plantas.
El estudio, publicado en la revista Crop Protection y con el apoyo de colegas de la Organización de Investigación Agrícola y Ganadera de Kenia (KALRO) y el Instituto de Investigación Agrícola de Zambia (ZARI), construyó dos modelos de emergencia de poblaciones de larvas basados en datos de campo de maíz en Zambia. . Luego, los modelos se validaron utilizando datos similares de varios sitios de maíz en Kenia.
El control efectivo del gusano cogollero debe implementarse en una etapa temprana del ciclo de cultivo cuando las larvas pueden ser difíciles de detectar. La ventana de tiempo durante la cual se podrían controlar las larvas en etapa temprana es bastante amplia, y los modelos ayudan a definir la ventana en la que se podría realizar una intervención si la plaga está presente, o cuando las actividades de monitoreo y exploración serían óptimas.
El modelo novedoso de la aparición y el desarrollo de la población de larvas en estadio temprano y tardío, en relación con el tiempo fisiológico desde la siembra, ahora permite enviar alertas a los agricultores antes de una intervención/tiempo de exploración, lo que les permite tomar medidas preventivas como parte de su Integrado. Planes de manejo de plagas.
Lowry y sus colegas destacan cómo este modelo ya ha dado sus frutos como parte del Servicio de información sobre riesgos de plagas (PRISE) dirigido por CABI, que proporciona alertas en tiempo real, a través de mensajes SMS, a los agricultores aconsejándoles cuándo actuar para proteger sus cultivos de las plagas. .
Al final de la temporada de lluvias cortas 2019/2020 en Kenia, por ejemplo, una encuesta separada reveló que el 59% de los agricultores, que recibieron el servicio de pronóstico, cambiaron sus prácticas para lidiar con el gusano cogollero.
Las intervenciones de PRISE, basadas en el modelado de datos de observación de la tierra resaltados por la investigación de CABI, dieron como resultado una población reducida de gusano cogollero y un aumento en la cosecha de maíz. De hecho, el 87 % de los productores de maíz encuestados en una investigación separada creían que el tiempo recomendado por PRIZE para actuar era el correcto.
El análisis de los datos de impacto recientes de PRIZE muestra un retorno de la inversión de 1:182. Esto significa que los 1,8 millones de agricultores alcanzados por PRISE, en los cinco años desde que se lanzó el proyecto en 2017, ganaron £ 1500 millones adicionales en valor de producción.
El Dr. Sean T Murphy, uno de los arquitectos principales del proyecto PRIZE y líder del equipo de modelado, dijo: “Es imperativo desarrollar estrategias y herramientas efectivas de manejo de plagas para el gusano cogollero, como los modelos simples que se pueden implementar que se presentan en este estudio. Aunque se desarrollaron para la iniciativa PRIZE, los modelos FAW podrían usarse en los otros sistemas de pronóstico de plagas que tienen acceso a conjuntos de datos de temperatura continuos en tiempo real y la capacidad de procesarlos”.
Lowry agrega que “los modelos no requieren que los agricultores calculen directamente los umbrales de acción y se pueden mejorar fácilmente en el futuro cuando los datos sobre los umbrales de acción estén disponibles para África. Como el resultado de estos modelos es un momento para la acción, se pueden utilizar junto con una variedad de métodos de control tales como biopesticidas o para el momento de la liberación de parasitoides larvales locales o exóticos de estadio específico.
“El tipo de modelado utilizado en este estudio se puede aplicar fácilmente a otras plagas de insectos importantes de los cultivos agrícolas en África y el trabajo ya está muy avanzado en varias otras especies dentro del proyecto PRIZE. El equipo espera que los modelos puedan contribuir a un ‘positivo cambio gradual’ en el sistema nacional de sanidad vegetal de África”.
Emmanuel Bakirdjian, director regional de África, Precision Development (PxD), socio en la investigación, dijo que “dado que la infestación de plagas es fácilmente visible para los agricultores en Kenia, tienen un gran interés en recibir información procesable sobre el manejo de plagas. Agricultores en el MoA -El servicio de INFO a menudo termina aplicando pesticidas demasiado pronto, lo que resulta en una mayor infestación más tarde, o demasiado tarde, lo que significa que las plagas son más resistentes y han causado más daño.
“A través de nuestra asociación con CABI, la información de PRIZE ha ayudado a casi 100 000 agricultores en el servicio MoA-INFO administrado por PxD a saber cuándo es más probable que los pesticidas sean efectivos. Esto ha ayudado a los agricultores a recuperar más cultivos que han sido infestados por plagas. y evitar la aplicación excesiva de pesticidas, lo que reduce los riesgos para la salud humana y los daños a otros organismos importantes en el ecosistema local”.
