Enfermedades en Trigo: Análisis Campaña 19/20

Las enfermedades en Trigo son uno de los factores más importantes a la hora de ver las posibles pérdidas en la concreción de rendimiento del cultivo. Para “perder” menos kg, es importante tener presente cómo evoluciona el problema con el paso del tiempo,es por esto que el siguiente gráfico vemos como fue la evolución de los monitoreos para la campaña 19/20, según los registros de SIMA.

Proporción de monitoreos con y sin enfermedades

Fuente: Equipo Data Science de SIMA

Bajo una cierta lógica de crecimiento del cultivo junto a factores climáticos que aceleran y promueven más la aparición de enfermedades, vemos que a medida que salimos del invierno, los monitoreos para enfermedades crecen.

Según el monitoreo de nuestros usuarios, la enfermedad que más se detectó en Trigo durante la campaña 19/20 fue roya de la hoja (Puccina recondita), aunque también es bueno aclarar que según la región que analicemos, Drechslera aparece como una enfermedad de relevancia.

Perfil sanitario por zonas

En las siguientes dos gráficas podemos observar como interacutan las enfermedades en función del ambiente

Zona Núcleo Norte

Fuente: Equipo Data Science de SIMA

Zona Núcleo Sur

Fuente: Equipo Data Science de SIMA

Si observamos las barras, podemos ver que en la zona norte, se detectó mayor presencia de roya que en la zona sur, en proporción con las demás enfermedades, mientras que en la zona sur pareciera ver mas proporción de septoria que en la zona Norte.

Este perfil de enfermedades no depende solo de la zona donde se siembra el cultivo, sino también pudimos detectar algunas comportamientos claros en función de las variedades que se utilizan.

Comportamiento sanitario por variedad

Para este bloque vamos a utilizar como ejemplos, para sintetizar el análisis, las 2 variedades más utilizadas por nuestros usuarios y las analizaremos para una región agroecológica sola, para minimizar el efecto de las distintas variables climáticas.

Variedad A

Fuente: Equipo Data Science de SIMA

Variedad B

Fuente: Equipo Data Science de SIMA

Como venimos analizando, estas barras muestran, de los monitoreos que los usuarios de SIMA detectaron enfermedades, cómo fue la proporción de las que se encontraron.

Así podemos observar que para un mismo estado fenológico, la variedad A pareciera ser más susceptible a las Royas en general que las variedad B, incluso para la variedad A se detectó roya de tallo que para la variedad B no se registraron en casi todo el ciclo.

No sólo el efecto de las enfermedades en las variedades es distinto, sino que también repercute en los rendimientos observados al final del ciclo, así dependiendo de las variedades y de la enfermedad que se detectó, las pérdidas reales de rendimiento a campo, pudieron estar entre el 10 y el 30% .

¿Qué se hace para el control de las enfermedades?

La selección de variedades es un factor importante para poder comenzar a “controlar” las enfermedades, pero la fecha de siembra y la elección del lote también son importantes. Igualmente la buena combinación de las distintas variables no garantiza que no se tengan que hacer aplicaciones de fungicidas para poder tener las enfermedades en niveles donde no se repercuta el rendimiento.

Cuáles fueron los fungicidas más utilizados, según los registros de SIMA

Los fungicidas mas utilizados son las mezclas de Estrobirulinas con Triazoles, casi el 80% de los registros de SIMA son con 2ble mezcla, mientras que el 10% son aplicaciones con fungicidas 3ple mezcla. La estrobilurina mas utilizada, es Azoxistrobin, la cual se pudo detectar en el mas del 45% de las ordenes de aplicación que se hacen a través de la App.

Si vemos las aplicaciones por las variedades, podemos decir que la variedad B tuvo menos aplicaciones en promedio que la variedad A, lo cual condice con la información previa analizada sobre la susceptibilidad frente a las enfermedades.

Dejar registro de las actividades que hacemos en los lotes, no sólo nos permite ver qué es lo que pasa en el cultivo que tenemos en el lote, sino qué nos sirve de insumo para poder tomar decisiones a futuro. Analizar los datos nos ayuda a hacer una #agriculturainteligente.