Cuantificación digital aérea y terrestre de la severidad causada por cenicilla polvosa en frijol Ayocote (Phaseolus coccineus)
por
Alfonso Muñoz Alcalá,
Gerardo Acevedo Sánchez,
Diana Gutiérrez Esquivel,
Oscar Bibiano Nava,
Ivonne García González,
Norma Ávila Alistac,
María José Armenta Cárdenas,
María del Carmen Zúñiga Romano,
Juan José Coria Contreras,
Serafín Cruz Contreras,
Gustavo Mora Aguilera*
* Autor de Correspondencia. Correo electrónico: / Institución: Colegio de Postgraduados
Aceptado: 06/3/2024 – Publicado: 19/2/2024 – DOI: https://doi.org/10.18781/R.MEX.FIT.2312-1
Resumen Antecedentes/Objetivo. La investigación epidemiológica en Phaseolus coccineus es insipiente. El objetivo fue desarrollar y validar metodologías digitales para cuantificación de severidad asociada a la cenicilla polvosa en frijol ayocote.
Materiales y Métodos. Se seleccionó una parcela de frijol ayocote con 65.3 % de incidencia y 22.7 % de severidad promedio foliar de cenicilla polvosa. A partir de 250 foliolos colectados en campo con distintos grados de severidad, se diseñaron y validaron ocho escalas logarítmicas-diagramáticas (ELD) de 7 y 8-clases en entorno controlado (VEC) y campo (VCa). En Rstudio®, se determinó exactitud (β), precisión (R2), reproducibilidad (r), y concordancia con el índice kappa de Cohen (κw) y coeficiente de concordancia de Lin (LCC). Adicionalmente, se realizó un Hierarchical Cluster Analysis (HCA) por escala y entorno para agrupación por similitud de evaluación. Imágenes RGB-dron se procesaron en ArcMap® v10.3. En un bloque de 15-cuadrantes se realizó un análisis de ‘segmentación de imagen’ mediante clasificación supervisada y máxima probabilidad para estimar severidad de cenicilla y un indicador de cobertura de vigor (ICV).
Resultados. En VEC-1, escalas v1r2 (ELD-7c; β=1.07, R2=0.93, r=0.87) y v1r1 (ELD-8c; β=0.97, R2=0.85, r=0.87) resultaron mejor evaluadas. En VEC-2, comparando clústeres conformados en el HCA, ELD-7c fue la mejor evaluada con exactitud perfecta (β>0.96), precisión muy alta (R2>0.94), reproducibilidad muy alta (r=0.97–0.99) y concordancia muy buena (κw>0.96; LCC>0.97); y en ELD-8c disminuyó reproducibilidad y concordancia. En VCa, ELD-7c mantuvo métricas óptimas, pero ELD-8c alcanzó parámetros ideales para una ELD preventiva en etapas iniciales de la cenicilla polvosa (β>0.98, R2>0.98, r=0.99, κw=0.99–0.999, LCC=0.98–0.999). El análisis de imagen RGB-drone estimó severidad = 8.4 % (CI = 5.3 – 12.6 %) e ICV = 0.88 (CI = 0.76 – 0.99), contrastante con la evaluación de campo 47 % (CI = 38.8 – 55.3 %) y 0.46 (CI = 0.76 – 0.99), respectivamente, principalmente con ICV>0.94 debido a menor exposición de hojas sintomáticas. Sugiere aplicabilidad para estimaciones de vigor y con restricciones para severidad en función de expresión patogénica.
Conclusión. Se propone una metodología para desarrollo de ELD integrada por: toma, procesamiento y cuantificación de imágenes; validación controlada y campo. Estadísticos de validación incluyeron precisión (R2); exactitud (β); reproducibilidad (coeficiente de Pearson y Hierarchical Cluster Analysis); y concordancia (Co-eficiente de Lin e Índice de Kappa), propuestos por primera vez de manera integral. Se proponen imágenes RGB-drone para estimar un índice de cobertura de vigor y severidad integral.
Palabras clave:
Erysiphe vignae, escalas-logarítmicas, Rstudio
Figura 1. Versiones finales de escalas logarítmicas-diagramáticas de severidad foliar para cenicilla en frijol Ayocote (Phaseolus coccineus), seleccionadas para validación en campo. Escalas logarítmicas-diagramáticas de A) 7 clases; B) 8 clases.
Figura 2. A1 y B1. Escala logarítmica-diagramática de 7 y 8 clases para evaluación de severidad de cenicilla en foliolos de frijol Ayocote (P. coccineus), durante el proceso de Validación en Entorno Controlado (VEC) de 30 hojas por nueve evaluadores. A2 y B2. Heatmap del coeficiente de correlación de Pearson (r) entre nueve evaluadores por escala de severidad. Los valores de r = 0.8 – 1 indican la reproducibilidad de cada escala entre evaluadores. A3 y B3. Heatmap de clase de severidad en 30 hojas evaluadas por escala y evaluador. El color representa el valor de la clase asignada por el evaluador para cada hoja. Por evaluador y hojas se traza un Hierarchical cluster analysis agrupado por el método ‘complete’ y distancia Euclidiana
Figura 3. Gráficos de correlación entre severidad (y) evaluada mediante escala y valores reales (x) de nueve evaluadores durante la Validación en Entorno Controlado (VEC) con 30 hojas de Phaseolus coccineus. Se ajusta la ecuación de regresión lineal (y = βo + βx + e) para determinar parámetros β, R2 y p-value mediante la función stat_poly_eq. Escalas logarítmicas-diagramáticas de A. 7 clases. B. 8 clases.
Figura 4. A1 y B1. Escala logarítmica-diagramática de 7 y 8 clases para evaluación de severidad de cenicilla en foliolos de frijol Ayocote (P. coccineus), durante el proceso de validación de 30 hojas en campo por cuatro evaluadores seleccionados. A2 y B2. Heatmap del coeficiente de correlación de Pearson (r) entre nueve evaluadores por escala de severidad. Los valores de r = 0.8 – 1 indican el nivel de reproducibilidad de cada escala entre evaluadores. A3 y B3. Heatmap de clase de severidad en 30 hojas evaluadas por escala y evaluador. El color representa el valor de la clase asignada por el evaluador para cada hoja. Por evaluador y hojas se traza un Hierarchical cluster analysis agrupado por el método ‘complete’ y distancia Euclidiana.
Figura 5. Gráficos de correlación entre severidad (y) evaluada mediante escala y valores reales (x) de nueve evaluadores durante la Validación en campo (VCa) con 30 hojas de Phaseolus coccineus. Se ajusta la ecuación de regresión lineal (y = βo + βx + e) para determinar parámetros β, R2 y p-value mediante la función stat_poly_eq. Escalas logarítmicas-diagramáticas de A. 7 clases. B. 8 clases
Figura 6. Estimación de indicadores de vigor y daño mediante imagen RGB (13 mpx) de Phantom 3 procesada mediante algoritmo supervisado de segmentación en ArcMap® v10.3. A1. Imagen del área total del experimento (40 x 52 m). Toma a 50 m altura. A2. Bloque de 15 cuadrantes seleccionados por uniformidad en continuidad de hospedero, vigor y máxima inductividad. En líneas continuas amarillas muestran división de cuadrantes. Líneas blancas discontinuas representan bloques seleccionados para representar estimación vía algoritmo versus imagen real. Toma a 27 m. A3. Imagen a 5 m de sector seleccionado para diseño de ‘firma RGB’ con categorías del cultivo (tejido foliar, floración, cenicilla y cobertura suelo).
Cuadro 1. Promedio de exactitud (β), precisión (R2) y reproducibilidad (r) de ocho escalas logarítmicas-diagramáticas de severidad para evaluar cenicilla en Phaseolus coccineus.
Cuadro 2. Comparación paramétrica de nueve evaluadores con respecto al valor real, para determinar exactitud (βx), precisión (R2) y nivel de concordancia (LCC, κw) por clase de severidad evaluada durante el proceso de validación en entorno controlado (VEC) y en campo (VCa).
Cuadro 3. Comparativo de índice de cobertura vigor (ICV), vigor de planta (ICP) y porcentaje de severidad de cenicilla, estimados con imagen RGB de dron y evaluaciones de campo
