Investigadores del Instituto de Agricultura Sostenible (IAS), del Consejo Superior de Investigaciones Científicas (CSIC), en Córdoba, han demostrado la existencia de indicadores espectrales específicos que permiten diferenciar el estrés en árboles asociado a la bacteria Xylella fastidiosa frente a otras causas de estrés, como las derivadas de la falta de agua. El hallazgo, que ha sido publicado en la revista Nature Communications, ha sido fruto del empleo de técnicas de teledetección monitorizando zonas afectadas por esta enfermedad vegetal.
Xylella fastidiosa es el patógeno de mayor riesgo a nivel internacional, pudiendo infectar más de 550 especies vegetales. Proveniente de América, su identificación en Europa devastando el olivar del sur de Italia y posteriormente en España, supone una amenaza para la agricultura a nivel internacional debido a su rápida expansión.
“En este trabajo utilizamos técnicas de espectroscopía de imagen mediante sensores hiperespectrales a bordo de aviones tripulados para escanear más de un millón de árboles de zonas infectadas por esta bacteria y diferentes niveles de estrés hídrico en árboles sanos. Demostramos la existencia de indicadores espectrales específicos que permiten diferenciar cambios fisiológicos asociados a dichas enfermedades respecto a los causados por el estrés hídrico”, afirma Pablo J. Zarco-Tejada, autor principal del artículo.
Junto a él han trabajado otros seis investigadores del IAS (J. A. Navas-Cortes, B. B. Landa, V. Gonzalez-Dugo, A. Hornero, M. Román-Écija y M. P. Velasco-Amo), y han contado con la colaboración de la Universidad de Melbourne (Australia), la Universidad de Cornell (Estados Unidos), el Joint Research Center (JRC) de Ispra (Italia), la Universidad de Swansea (Reino Unido) y el Instituto per la Protezione Sostenibilie delle Piante, del CNR (Italia).
La detección de enfermedades mediante técnicas de teledetección es un paso crítico para monitorizar zonas infectadas en estados iniciales que permitan su erradicación y posible tratamiento. Estudios previos demuestran el uso de imágenes de sensores remotos para tal efecto, pero los resultados obtenidos cuando se mezclan diferentes tipos de estrés (biótico vs. abiótico) dificultan su utilización en programas de sanidad vegetal a gran escala.
“En este estudio demostramos que la teledetección hiperespectral y algoritmos de machine learning, alimentados por modelos físicos de transferencia radiativa, permiten diferenciar el estrés causado por patógenos de aquel originado por causas asociadas a origen abiótico. Demostramos que existen indicadores espectrales característicos de cada enfermedad, y que dichos patrones son específicos para cada especie y patógeno”, explica el investigador.
«Y, fundamentalmente, probamos que dichos indicadores espectrales están modulados por el nivel de estrés hídrico. Dicha especificidad y caracterización de la modulación permiten la utilización de la espectroscopía de imagen para monitorizar grandes zonas y detectar diferencias entre tipos de estrés que concurren simultáneamente de forma natural, obteniendo resultados que superan el 90% de precisión en la detección de dichas enfermedades”, termina el investigador.
Más información: https://www.csic.es/es/actualidad-del-csic/un-estudio-del-csic-desarrolla-un-nuevo-metodo-de-teledeteccion-para-identificar