KNOXVILLE, TN, 8 de julio de 2026 /24-7PressRelease/ -- Un nuevo índice de mildiu polvoriento del trigo (WPMI) ofrece una forma práctica de detectar, cuantificar y rastrear una enfermedad fúngica importante del trigo de invierno a múltiples escalas espaciales. Al integrar espectroscopia a nivel de hoja, mediciones de dosel en tierra, imágenes hiperespectrales de vehículos aéreos no tripulados (UAV) y análisis de puntos calientes, el estudio proporciona una herramienta específica para identificar áreas infectadas y monitorear cómo se propaga o se recupera el mildiu polvoriento del trigo dentro de los campos.

El mildiu polvoriento del trigo (WPM) es una enfermedad fúngica destructiva que daña los tejidos de las hojas, debilita el crecimiento de las plantas y puede causar pérdidas severas de rendimiento o incluso la pérdida total de la cosecha. El diagnóstico de campo actual todavía depende en gran medida de la inspección visual experta, que es laboriosa, subjetiva y difícil de escalar. Aunque la teledetección hiperespectral ha mostrado promesa para la detección de enfermedades de cultivos, muchos índices de vegetación (VIs) existentes se desarrollaron para el monitoreo general de pigmentos, biomasa o estrés, en lugar de respuestas específicas de patógeno-huésped. Los métodos de aprendizaje automático también pueden requerir conjuntos de datos de entrenamiento grandes y de alta calidad. Debido a estos desafíos, se necesita investigación en profundidad para desarrollar un método específico, estable y escalable para la detección de WPM desde escalas terrestres hasta escalas de vehículos aéreos no tripulados (UAV).

Un equipo de investigación del Laboratorio Clave de Sistemas de Agricultura Inteligente, Ministerio de Educación, Universidad Agrícola de China; el Centro de Investigación en Tecnología de la Información, Academia de Ciencias Agrícolas y Forestales de Beijing; el Instituto de Protección Vegetal, Academia China de Ciencias Agrícolas; y la Facultad de Ciencias y Tecnología de la Tierra, Universidad Agrícola de China, informó (DOI: 10.34133/remotesensing.0955) el estudio en Journal of Remote Sensing el 10 de abril de 2026. El estudio aborda la necesidad de un monitoreo rápido a escala de campo de WPM en pequeñas explotaciones agrícolas, donde la propagación de la enfermedad puede ser espacialmente desigual y difícil de capturar solo mediante inspección manual.

El estudio desarrolló dos formas de WPMI: WPMIG = (R760 − R554)/(R661 + R554) y WPMIR = (R760 − R661)/(R661 + R554). Estos índices se diseñaron a partir de bandas sensibles a enfermedades en las regiones verde, roja e infrarroja cercana (NIR). En comparación con los VIs tradicionales, el índice de mildiu polvoriento del trigo (WPMI) distinguió de manera más consistente el trigo sano e infectado y cuantificó mejor el índice de enfermedad (DI) en escalas de hoja, dosel en tierra y dosel de UAV. WPMIG mostró un rendimiento particularmente fuerte y fue seleccionado para el análisis de puntos calientes basado en UAV para revelar posibles áreas de infección y recuperación.

Los investigadores recopilaron datos de tres años de experimentos de invernadero y campo realizados de 2022 a 2024. El conjunto de datos incluyó 1,260 espectros de hoja y 804 espectros de dosel en diferentes condiciones de infección, variedades de trigo y escalas espaciales. A escala de hoja, WPMI logró la precisión de clasificación general más alta (OCA), alcanzando el 85% y 86% para WPMIG y WPMIR, respectivamente, en el experimento de invernadero de 2022. En condiciones de campo, los dos índices alcanzaron precisiones del 81% y 80% en 2023, y del 80% y 81% en 2024. Para la estimación de la severidad de la enfermedad, WPMIG alcanzó valores de R² de 0.55 a 0.93 a escala de tierra y de 0.48 a 0.90 a escala de UAV. Los mapas de WPMIG derivados de UAV, combinados con el análisis de puntos calientes de Getis–Ord Gᵢ*, identificaron grupos de probable infección y rastrearon cambios espacio-temporales en parcelas de pequeños agricultores durante tres temporadas de cultivo.

Los investigadores señalaron que un índice espectral específico de enfermedad puede llevar el monitoreo de enfermedades de cultivos más allá de la simple comparación de imágenes. Al vincular imágenes hiperespectrales de UAV con análisis espacial de puntos calientes, el método puede ayudar a revelar dónde está surgiendo, expandiéndose o disminuyendo el WPM, ofreciendo una base potencial para una alerta más temprana y un manejo de enfermedades más específico.

Los espectros de hoja se recolectaron usando una cámara hiperespectral portátil, mientras que los espectros de dosel se adquirieron usando un espectrómetro de tierra y un UAV DJI M600 equipado con una cámara hiperespectral Pika L. Se utilizó análisis discriminante lineal (LDA) para seleccionar bandas sensibles y evaluar el rendimiento de clasificación. El DI se midió mediante encuestas de campo siguiendo estándares nacionales. La regresión lineal evaluó la relación entre WPMI y DI, mientras que el análisis de puntos calientes mapeó grupos de infección espacial a partir de imágenes de UAV.

Con una validación adicional en regiones, variedades de trigo, sensores y condiciones de enfermedad, el monitoreo con UAV basado en WPMI podría apoyar la protección fitosanitaria de precisión y los sistemas de alerta temprana para la producción de trigo. El enfoque puede ayudar a los agricultores a identificar puntos calientes de enfermedad antes de que ocurran brotes severos, reducir el uso innecesario de pesticidas y mejorar la toma de decisiones a nivel de campo. De manera más amplia, esta estrategia proporciona un marco para desarrollar índices de teledetección específicos de enfermedades para otros sistemas cultivo-patógeno, contribuyendo a un monitoreo agrícola más inteligente y resiliente.

Referencias
DOI
10.34133/remotesensing.0955

URL de la fuente original
https://spj.science.org/doi/10.34133/remotesensing.0955

Información de financiamiento
Este trabajo fue apoyado por el Programa Nacional de Investigación y Desarrollo Clave (Subvención No. 2021YFD2000103), el Fondo Nacional de Ciencias Naturales (Subvención No. 32371995), la Fundación de Ciencias Postdoctorales de China (2025M782465), el Programa de Avances Científicos y Tecnológicos de Henan (262102110349), el Fondo de Guía Central para Proyectos de Desarrollo Científico y Tecnológico Local en Mongolia Interior (2024ZY0145), el Programa de Desarrollo de Talentos 2115 de la Universidad Agrícola de China, el Programa Clave de Investigación y Desarrollo de la Provincia de Shandong (2022CXGC020708) y el Proyecto de Reforma de Formación de la Facultad (SZ-2024-02).

Acerca de Journal of Remote Sensing
El Journal of Remote Sensing, una revista de acceso abierto solo en línea publicada en asociación con AIR-CAS, promueve la teoría, la ciencia y la tecnología de la teledetección, así como la investigación interdisciplinaria dentro de las ciencias de la tierra y la información.

Chuanlink Innovations, donde las ideas revolucionarias encuentran su verdadero potencial. Nuestro nombre, arraigado en la esencia de la transmisión y la conexión, refleja nuestro compromiso de fomentar la innovación y facilitar el viaje de las ideas desde su concepción hasta su realización.

Enlace relacionado:
http://chuanlink-innovations.com

Descargo de responsabilidad: Esta traducción ha sido generada automáticamente por NewsRamp™ para 24-7 Press Release (colectivamente referidos como "LAS EMPRESAS") utilizando plataformas de inteligencia artificial generativas de acceso público. LAS EMPRESAS no garantizan la exactitud ni la integridad de esta traducción y no serán responsables por ningún error, omisión o inexactitud. La confianza en esta traducción es bajo su propio riesgo. LAS EMPRESAS no son responsables por ningún daño o pérdida resultante de tal confianza. La versión oficial y autoritativa de este comunicado de prensa es la versión en inglés.