El Departamento de Agricultura (USDA) hizo gala de los logros de los científicos del Servicio de Investigación Agrícola (ARS), quienes se embarcaron en el desarrollo de una herramienta tecnológica para facilitar la predicción del riesgo de contaminación por hongos en los cultivos de maíz. Los expertos trabajan en el reconocimiento del Aspergillus flavus mediante paneles que combinan información para acelerar el rastreo de la plaga.
Tecnología para optimizar las labores de los agricultores
El progreso tecnológico, marcado por la aparición de sistemas que permiten el procesamiento de diversos datos en simultáneo, también llegó al sector agrícola, donde entidades como el ARS llevan a cabo investigaciones orientadas a desarrollar instrumentos que faciliten y optimicen las tareas a los productores.
Desde la aplicación de pesticidas, pasando por la predicción de las condiciones meteorológicas, hasta la detección de enfermedades y plagas que pueden comprometer el rendimiento de los cultivos, las innovaciones tecnológicas se presentan como la clave para la prosperidad de una industria fundamental en la economía estadounidense.
En esta línea, el USDA celebró el esfuerzo de un equipo de profesionales del ARS que, en conjunto con investigadores de otros organismos afines y universidades, desarrollan «paneles de control gratuitos» que permitirían a los agricultores cruzar datos geoespaciales e información histórica sobre el estado de los suelos para prevenir el avance de hongos como el Aspergillus flavus.
Considerando que estas plagas se propagan gracias a la convergencia de factores ambientales favorables para su reproducción, los expertos pretenden diseñar un recurso que, concentrando información integral, evalúe con precisión el riesgo de aparición de aflatoxinas (micotoxinas del Aspergillus flavus) y prevenga la pérdida de volúmenes importantes en los cultivos de maíz.
El equipo utilizó modelos de aprendizaje automático para determinar qué insumos se pueden agregar a los campos para controlar los hongos, puntualizaron desde el USDA. De momento, el recurso permanece en desarrollo, con miras a que el panel de control esté apto para su uso entre 2027 y 2028. La importancia de prevenir la proliferación de esta especie de hongo radica en que las aflatoxinas que liberan sus ejemplares son peligrosas para la salud humana y del resto de los animales, además de que el maíz contaminado podría costar «millones de dólares anuales» al sector en EE. UU.
Cómo se desarrolló el modelo predictivo
Las investigaciones comenzaron en Texas, donde los expertos buscaron determinar si la combinación de modelos mecanísticos y de aprendizaje automático podía mejorar la predicción de la aparición del hongo. Para tal fin, compararon el trabajo de tres modelos para determinar cuál predecía mejor el fenómeno.
Como principal hallazgo, el modelo basado en el índice de riesgo de Ratkowsky alcanzó los mejores resultados en la validación de datos de 2013: logró clasificar correctamente el 73 % de las observaciones de esa validación, identificó alrededor del 71 % de los casos con contaminación alta y clasificó correctamente el 74 % de los casos con contaminación baja.
Asimismo, factores como la temperatura, las precipitaciones, la humedad y las propiedades del suelo demostraron ser determinantes para el funcionamiento del sistema y la predicción exitosa. Además, se utilizaron datos geoespaciales de la NASA para monitorear los patrones climáticos y la base del Servicio Nacional de Estadísticas Agrícolas para determinar la composición del suelo. A futuro, los científicos buscarán incluir los patrones de viento para rastrear la dispersión de las esporas contaminantes.
Posibles aplicaciones
La herramienta del ARS jugaría un rol fundamental al momento de tomar decisiones como qué tipo de variedades de maíz sembrar, cuándo y cómo regar, la selección de fertilizantes y las medidas de prevención y mitigación a tomar en cultivos con riesgo de contaminación, reforzando la estrategia de vigilancia de los cultivos.
¿Te ha servido este artículo?
Recibe cada semana lo que de verdad importa
Análisis de energía, clima y naturaleza en tu correo. Gratis y sin spam.
