Detección precoz de Pseudococcus spp. en cítricos de la Comunitat Valenciana mediante teledetección y machine learning.

Abstract

[ES] En València (España) la producción de cítricos es fundamental desde el punto de vista económico, especialmente en la provincia de Castellón, donde se cultivan variedades cuya recolección comprende desde principios de septiembre hasta finales de abril. Sin embargo la aparición de plagas representa un desafío para la producción de cítricos, como es el caso de Delottococcus aberiae.Esta plaga es una especie de pseudoccóccido conocida comúnmente como cotonet , introducida desde África y produce una deformación en los frutos que reduce significativamente la producción comercial, y por otro lado, produce un debilitamiento al árbol que reduce su vigor . Estos daños causan pérdidas económicas significativas en la industria de cítricos a corto y largo plazo.A pesar de los esfuerzos en el control de la plaga, el problema persiste, lo que ha llevado a explorar alternativas como el control biológico y el uso de feromonas, dentro de una estrategia Integrated Program Management (IPM). Un control de la plaga efectivo requiere una detección precoz para desarrollar estrategias IPM, que contribuyan a mejorar la sostenibilidad económica (productividad) y ambiental de la industria de cítricos. En este contexto, la teledetección se ha convertido en una herramienta fundamental para el manejo agronómico de plagas y enfermedades. Mediante el uso de las bandas multiespectrales y los índices de vegetación se pueden percibir cambios en la reflectancia de la vegetación que podrían indicar la presencia de plagas como Delottococcus aberiae, por estar estrechamente correlacionado su efecto sobre el cultivo con el color, el tamaño de las hojas y el canopy del cultivo. Por todo ello, el objetivo de este trabajo es estudiar la influencia de la variedad y el portainjertos en la detección precoz de la incidencia de cotonet en unaparcela, de acuerdo con el material vegetal cultivado, usando sensores remotos. Se analizarán 101 hectáreas de las de las cuales 49 hectáreas correspondían a parcelas afectadas y 51 hectáreas a parcelas sanas. Estas parcelas se ubican en los términos municipales de Burriana, Nules, Betxí, Onda y Alcora durante los periodos de 2020 a 2021. Para ello se utilizarán imágenes por satélite obtenidas Multi-Spectral Instrument (MSI) a bordo de la constelación Sentinel-2A/B, con una frecuencia de 5 días, excluyendo los días nublados. Se utilizaron las bandas espectrales a 10m: B4 (rojo) y B8 (NIR). Se seleccionarán y procesarán las fechas libres de nubes correspondientes al tile T30SYJ (producto Level 1-C), aplicando la corrección atmosférica. La clasificación de las parcelas se realizará mediante técnicas de machine learning supervisado. La bondad del modelo obtenido se evaluará calculando su matriz de confusión y las métricas derivadas de ella (exactitud, precisión, sensibilidad y especificidad).

[EN] In Valencia (Spain), citrus production is fundamental from an economic point of view, especially in the province of Castellón, where varieties are grown and harvested from the beginning of September to the end of April. However, the appearance of pests represents a challenge for citrus production, as is the case of Delottococcus aberiae. This pest is a species of pseudococcus commonly known as cotonet , introduced from Africa and produces a deformation in the fruit that significantly reduces commercial production. On the other hand, it weakens the tree and reduces its vigor. These damages cause significant economic losses in the citrus industry in the short and long term.

Despite pest control efforts, the problem persists, leading to exploring alternatives, such as biological control and pheromones, within an Integrated Program Management (IPM) strategy. Effective pest control requires early detection to develop IPM strategies that contribute to improving the citrus industry's economic (productivity) and environmental sustainability. In this context, remote sensing has become a fundamental agronomic pest and disease management tool. Through the use of multispectral bands and vegetation indices, changes in vegetation reflectance can be perceived that could indicate the presence of pests such as Delottococcus aberiae, since their effect on the crop is closely correlated with the color, leaf size and canopy of the crop. Therefore, this work aims to study the influence of variety and rootstock on the early detection of cotonet incidence in a plot, according to the cultivated plant material, using remote sensing. 101 hectares will be analyzed, of which 49 hectares correspond to affected plots and 51 to healthy plots. These plots are located in Burriana, Nules, Betxí, Onda, and Alcora municipalities from 2020 to 2021. Satellite images obtained by Multi-Spectral Instrument (MSI) on board the Sentinel-2A/B constellation, with a frequency of 5 days, excluding cloudy days, will be used for this purpose. Spectral bands at 10m were used: B4 (red) and B8 (NIR). Cloud-free dates corresponding to tile T30SYJ (Level 1-C product) will be selected and processed, applying the atmospheric correction. The classification of the plots will be performed using supervised machine-learning techniques. The goodness of the obtained model will be evaluated by calculating its confusion matrix and the metrics derived from it (accuracy, precision, sensitivity, and specificity).