* El estudio se realizó en los municipios de Obando y Caicedonia, en el Valle del Cauca, y Puerto Gaitán en la Orinoquia. Foto Cortesía: José Ignacio Rodríguez, candidato a Doctor en Ciencias Agrarias, UNAL Sede Palmira.
Agricultura & Ganadería
(UNAL – Lunes 16 de diciembre de 2024).- Mediante tecnologías de fenotipado de alto rendimiento –como sensores y cámaras de alta precisión–, las cuales se utilizan en la agricultura de precisión para desentramar rasgos involucrados en la respuesta de las plantas a diferentes factores –en este caso, cómo aprovechan la luz y responden a su entorno los cultivos de soya de Obando, Caicedonia (Valle del Cauca) y Puerto Gaitán (Orinoquia)– se desarrollan variedades más resistentes a los efectos del cambio climático.
Gracias a su alto contenido de proteínas, la soya es esencial para la alimentación mundial; no obstante, los cambios en las condiciones climáticas y la radiación solar que las plantas necesitan para realizar la fotosíntesis comprometen la producción de esta leguminosa que en 2023 alcanzó una demanda de más de 370 millones de toneladas, según la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO).
En las regiones estudiadas, las variaciones de la luz solar en diferentes momentos del día y bajo distintas condiciones climáticas dificultan la observación precisa de las características de resistencia en las plantas, un problema que representa una amenaza para la agricultura mundial y se exacerba con el calentamiento de la Tierra.
Ante este problema, el ingeniero agrónomo José Ignacio Rodríguez Valencia, estudiante del Doctorado en Ciencias Agrarias de la Universidad Nacional de Colombia (UNAL) Sede Palmira, identificó los genotipos de soya más eficientes y resistentes a la variabilidad solar, para lo cual empleó sensores –como MultispeQ ycámaras de alta precisión– que miden la eficiencia fotosintética y capturan datos relacionados con el uso eficiente de la luz; estas herramientas ofrecen información de calidad y son más económicas.
El interés del investigador Rodríguez nació del trabajo de su colega Diego Felipe Conejo Rodríguez –también candidato a Doctor en Ciencias Agrarias–, quien ha demostrado en fríjol tepary que el uso de descriptores digitales combinados con métodos clásicos mejora significativamente la precisión, el tiempo y la utilidad de los datos fenotípicos. “La fenómica permite traducir los datos complejos generados por sensores en información procesable que acelera la selección de genotipos superiores, optimizando así los programas de mejoramiento”.
“Usar técnicas avanzadas permite identificar variedades adaptadas y productivas en ambientes diversos. Este proyecto busca integrar dichas herramientas para optimizar el mejoramiento genético de precisión en soya, abordando tanto los desafíos de variabilidad ambiental como las limitaciones económicas en recursos tecnológicos”, explica el experto Conejo.
La investigación marca un avance en el uso de la fenómica, una disciplina emergente que integra tecnologías digitales y análisis de datos a gran escala revolucionando la gestión de recursos genéticos y la caracterización de rasgos fenotípicos, como son las cualidades de la planta que resultan de la interacción entre su genética (genotipo) y factores ambientales como el clima, el suelo o los nutrientes disponibles.
Prometedores resultados
En Caicedonia se observó una alta incidencia del hongo madura viche (Calonectria ilicicola), un patógeno que está entre las principales amenazas para los cultivos de soya en la región, lo que hace crucial evaluar la resistencia de las plantas bajo estas condiciones.
En el estudio también se evaluaron 6 genotipos testigos locales, seleccionados para comparar su comportamiento frente al patógeno y determinar cuál de las variedades evaluadas ofrece una mejor resistencia. Se destacaron 21 variedades resistentes al patógeno, entre ellas GS006, GS0013, GS0015 y GS21.
“Estos hallazgos impulsarían programas de mejoramiento de soya, ya que ofrecen opciones para mejorar el rendimiento y reducir las pérdidas económicas causadas por la enfermedad, favoreciendo la sostenibilidad en la producción local”, informa el investigador Rodríguez.
De cara al próximo semestre, el tesista planea incorporar el uso de índices como el de vegetación de diferencia normalizada (NDVI) –el más común de varios índices de vegetación derivados de observaciones en imágenes de percepción remota– para evaluar las enfermedades de manera más precisa y eficiente, lo que permitirá llevar un monitoreo detallado de la salud de los cultivos y mejorará la capacidad de respuesta ante futuros brotes de patógenos.
El uso de tecnologías como los sensores de bajo costo y los procesos de evaluación genética de variedades hace más asequible los programas de mejoramiento, y además la metodología propuesta por el investigador Rodríguez se puede replicar en diversas regiones, en otros cultivos estratégicos para el país.
Para el procesamiento de los datos y el análisis de las variables el tesista utiliza algoritmos de aprendizaje automático, como Random Forest y redes neuronales con el fin de identificar patrones de adaptación y genotipos superiores de la planta.
“Mi mayor interés es que los agricultores reconozcan a la UNAL como una fuente de información que les aporta en sus decisiones y en el mejoramiento de sus cultivos, para reactivar el agro en Colombia, especialmente en soya y maíz”, destaca.