La tecnología de la NASA puede identificar enfermedades de la uva desde el cielo

La NASA ha utilizado imágenes aéreas para ayudar a identificar enfermedades de la uva de vinificación, allanando el camino para una respuesta rápida por parte de los productores antes de que sea demasiado tarde. 

Según el LA Timesla tecnología puede detectar "signos tempranos" del virus del enrollamiento de la hoja de la vid, que transmite la cochinilla harinosa.

Tradicionalmente, debido a la naturaleza de la enfermedad, antes sólo podía identificarse mediante análisis cepa por cepa sobre el terreno -seguidos de pruebas-, que luego arrojaban resultados demasiado tarde para prevenir su aparición.

Las cifras indican que el virus causa daños y pérdidas por valor de hasta 3.000 millones de dólares anuales en EE.UU., y que el único tratamiento una vez que se ha propagado es la eliminación de las vides.

Pero la nueva tecnología de la NASA utilizó imágenes infrarrojas desde un avión para ver qué vides mostraban síntomas, lo que permitió a los cultivadores reaccionar antes de que fuera demasiado tarde. Como el virus tiene un periodo de latencia en el que las vides están infectadas pero no muestran síntomas visibles, resulta un modelo ideal para evaluar la escalabilidad de la detección de enfermedades basada en la espectroscopia de imágenes, señalaron los científicos. La tecnología podría utilizarse también en el futuro para otros usos agrícolas.

Los resultados se presentan en la revista Phytopathology, con el título Scalable early detection of grapevine virus infection with airborne imaging spectroscopy.

En la investigación llevada a cabo entre septiembre de 2020 y 2021, los colaboradores de la industria exploraron 317 hectáreas viña por viña en busca de síntomas virales visibles, y recogieron un subconjunto para pruebas de confirmación molecular. Se asumió que las vides sintomáticas identificadas en 2021 estaban infectadas de forma latente en el momento de la toma de imágenes con modelos de bosque aleatorio "entrenados en una señal espectroscópica de vides no infectadas e infectadas por la enfermedad del enrollamiento de la hoja". Los modelos fueron capaces de diferenciar entre vides infectadas y no infectadas con una resolución de 1 a 5 metros.

También demostró que los modelos con mejores resultados tenían una precisión del 87% para distinguir entre vides no infectadas y asintomáticas, y del 85% para distinguir entre vides no infectadas y asintomáticas + sintomáticas.

Y concluía "Descubrimos que la espectroscopia de imágenes aéreas y el aprendizaje automático pueden utilizarse para desarrollar modelos que identifiquen eficazmente la señal espectroscópica de la infección por GLRaV-3 (enrollamiento de la hoja) en vides a través de varias resoluciones espaciales, independientemente de la manifestación visible de los síntomas".

"El objetivo de nuestro trabajo no es sustituir las estrategias de exploración de campo o las pruebas moleculares existentes, sino desplegar estos recursos de forma más estratégica".