Caracterización de moko en banano causado por Ralstonia solanacearum mediante índices de vegetación y dos sensores de percepción remota.

Abstract

A nivel mundial, el banano está posicionado como el cuarto cultivo alimenticio más importante después del maíz, arroz y trigo, ha llegado a representar un 15 % del volumen total de la producción de frutas del mundo, La principal amenaza son plagas y enfermedades dentro de la que destaca Ralstonia solanacearum causante del moko, el proyecto radicaba en indagar sobre la posible relación que pudieran tener síntomas visuales presentados por la planta debido a la afección del moko y valores de diferentes índices de vegetación en el cultivo del banano (Musa AAA), debido a la alta tasa de infección de esta enfermedad, el control e identificación mediante los métodos tradicionales de identificación visual, control químico, orgánico y tratamientos de prevención utilizados hasta el momento, no nos brindan una total seguridad contra la enfermedad, de aquí surge la necesitad de buscar métodos alternativos. Se utilizaron dos fuentes de obtención de imágenes multiespectrales: Imágenes satelitales de la empresa Planet e imágenes obtenidas del sensor multiespectral 4P series de la empresa SLANTRANGE acoplado a un vehículo aéreo no tripulado modelo “Matrice 600 pro” de la empresa DJI. Realizando muestreos cada 3 semanas durante 4 meses, cada planta se georreferenciaba mediante un GPS modelo 60CSx Garmin. A estos valores y una escala del uno al cuatro que representaba la severidad de los síntomas, se les aplico el coeficientes de correlación de Spearman, los valores obtenidos fueron catalogados como correlación fuerte, existe una diferencia que se podría explicar con la resolución que tienen las imágenes del dron con respecto a las satelitales. Añadido a esto, de cada planta diagnosticada con síntomas muy tempranos, se tomaba una muestra de los hases vasculares, estas muestras fueron llevadas al laboratorio para realizar un aislamiento de la bacteria. Los resultados obtenidos fueron que el 100% de las plantas tenían presencia de la bacteria, lo que nos hace recapacitar sobre el alcance que puede llegar a tener la enfermedad antes de que las plantas muestren los síntomas visuales.

Worldwide, bananas are positioned as the fourth most important food crop after corn, rice and wheat, has come to represent 15% of the total volume of fruit production in the world, The main threat are pests and diseases within which Ralstonia solanacearum that causes moko stands out, the project was to investigate the possible relationship that could have visual symptoms presented by the plant due to the condition of the moko and values of different vegetation index in the cultivation of bananas (Musa AAA), due to the high rate of infection of this disease, the control and identification through the traditional methods of visual identification, chemical control, organic and prevention treatments used so far, do not provide us with total security against the disease, hence the need to look for alternative methods. Two sources of multispectral imaging were used: Satellite images from the company Planet and images obtained from the 4P series multispectral sensor of the company SLANTRANGE coupled to an unmanned aerial vehicle model "Matrice 600 pro" of the company DJI. Sampling every 3 weeks for 4 months, each plant was georeferenced by means of a GPS model 60CSx Garmin. To these values and a scale from one to four that represented the severity of the symptoms, the Spearman correlation coefficients were applied, the values obtained were cataloged as strong correlation, there is a difference that could be explained with the resolution of the drone images with respect to satellites. Added to this, from each plant diagnosed with very early symptoms, a sample of the vascular bundles was taken, these samples were taken to the laboratory to perform a bacterial isolation. The results obtained were that 100% of the plants had the presence of the bacteria, which makes us think about the extent that the disease can have before the plants show the visual symptoms.