logo móvil
Contáctanos

Predecir el riesgo de marchitez por Verticillium en olivares utilizando lógica difusa

Autores: López-Escudero, Francisco Javier; Romero, Joaquín; Bocanegra-Caro, Rocío; Santos-Rufo, Antonio

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Predecir el riesgo de marchitez por Verticillium en olivares utilizando lógica difusa


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Ciencias Agrícolas y Biológicas Generales

Palabras clave

Modelos
Dinámica de enfermedades
Brotes de enfermedades
Manejo de enfermedades de plantas
Marchitez por verticillium
Lógica difusa

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 34

Citaciones: Sin citaciones


Descripción
Desarrollar modelos para comprender la dinámica de enfermedades y predecir el riesgo de brotes de enfermedades para facilitar la toma de decisiones es un componente integral del manejo de enfermedades de plantas. Sin embargo, estos modelos aún no se han desarrollado para una de las enfermedades más dañinas en las zonas de cultivo de olivos mediterráneos (la verticilosis (VW), causada por el hongo Kleb.), aunque hay parámetros (por ejemplo, nivel de inóculo en el suelo, nivel de susceptibilidad del cultivar de olivo, isoterma, coeficiente de variación de la precipitación estacional, etc.) que previamente se han correlacionado con la gravedad de la enfermedad. Utilizando los datos de estudios previos de VW realizados en el Valle del Guadalquivir de Andalucía (una de las áreas más dañadas a nivel mundial), en este trabajo se desarrolla un conjunto de modelos de lógica difusa (FL) con los mencionados parámetros de enfermedad y climáticos, y se comparan los resultados con modelos de aprendizaje automático (ML), de eficacia conocida, para predecir los niveles de riesgo de aparición de VW en un olivar. Bajo estas condiciones, ambos grupos de modelos fueron menos efectivos que los previamente estudiados con modelos más simples o modelos utilizados bajo condiciones controladas. Sin embargo, la precisión lograda con el modelo FL más eficiente (60%; sistema de clasificación basado en reglas difusas utilizando el método de Ishibuchi con un factor de ponderación) fue algo mayor que la eficacia lograda con el modelo ML más eficiente (59.0%; clasificador de árbol de decisiones), además de ser más apropiado (desde un punto de vista práctico) para la incorporación en un sistema de apoyo a decisiones al permitir conocer el riesgo de aparición de cada observación proporcionando reglas para cada una de las combinaciones de los diferentes parámetros con una precisión similar. Por lo tanto, en este estudio, proponemos la metodología FL como adecuada para actuar como un sistema experto para la futura creación de un sistema de apoyo a decisiones para VW en olivos.

Otros recursos que podrían interesarte

Temas Virtualpro