ANTT aprueba revisión en el cálculo de pisos mínimos de carga
Los cambios se sometieron a votación en una reunión del Directorio
Investigadores brasileños aplican una metodología innovadora que acelera la selección de plantas de maíz genéticamente modificadas para resistir la sequía y reduce los costos operacionales involucrados en la tarea. La técnica utiliza drones equipados con cámaras RGB para capturar imágenes de experimentos de campo y convertirlas en índices que evalúan la salud de las plantas. Con esta información, es posible identificar más rápidamente los ejemplares más prometedores y simular su desempeño en diferentes condiciones climáticas, haciendo que el proceso de selección sea más eficiente y preciso.
El estudio fue realizado por investigadores del Centro de Genómica Aplicada al Cambio Climático (GCCRC), un convenio entre Embrapa y la Universidad Estadual de Campinas (Unicamp), con el apoyo de la Fundación de Apoyo a la Investigación del Estado de São Paulo (Fapesp). Los resultados fueron publicados en la revista. La revista del fenómeno vegetal.
El aumento de la frecuencia y gravedad de las sequías debido al cambio climático hace esencial el desarrollo de cultivares más resilientes. Sin embargo, los métodos tradicionales de evaluación de campo consumen mucho tiempo y son costosos, lo que dificulta el progreso rápido. “En los métodos convencionales, es necesario esperar el ciclo completo de la planta y realizar mediciones manuales, muchas veces utilizando equipos costosos y procesos lentos”, explica Juliana Yassitepe, investigadora de Embrapa Agricultura Digital y autora del estudio.
Con la nueva metodología, se optimizó significativamente la recopilación de datos en el campo. “Antes, nos llevaba varios días medir el rendimiento del grano, el tiempo hasta la floración y la altura de las plantas. Ahora lo hacemos en pocas horas, con vuelos de drones y procesamiento de imágenes”, destaca Yassitepe.
Durante la estación seca de 2023, se realizaron dos experimentos en Campinas (SP), durante cinco meses. Se cultivaron 21 variedades de maíz, 18 con genes que se estaban probando para determinar su tolerancia a la sequía y 3 sin cambios genéticos, a modo de comparación. Las plantas fueron sometidas a condiciones de manejo controlado, con la diferencia en una sola variable: el riego. “Un grupo recibió agua durante todo el ciclo, mientras que el otro estuvo sometido a sequía”, detalla Yassitepe.
Los drones realizaron vuelos semanales en el campo experimental, capturando imágenes con cámaras RGB (convencionales) y multiespectrales (que captan espectros no visibles, como el infrarrojo). El análisis reveló que las cámaras RGB, que son significativamente más baratas que las cámaras multiespectrales, producen resultados fiables, lo que hace que la tecnología sea accesible para programas de mejora genética a gran escala.
Además de reducir los costos operativos, la metodología permite realizar estudios en áreas más pequeñas, lo que es especialmente útil en proyectos con recursos limitados. “Este tema del área plantada es a veces un cuello de botella en los estudios de mejoramiento genético vegetal, como tampoco lo hace el grupo de investigación. Siempre tiene muchas semillas viables para plantar en áreas muy grandes”, explica Yassitepe. “Con vuelos más bajos, es posible obtener imágenes de alta resolución, lo que permite probar más variedades de maíz en la misma área”, agrega Helcio Pereira, investigador postdoctoral del GCCRC y coautor del estudio.
Este enfoque también permite controlar el desarrollo de las plantas durante todo el ciclo de crecimiento. “El análisis temporal continuo fue esencial para comprender cómo responden las plantas al estrés hídrico”, explica Pereira.
Los datos detallados recopilados por los drones se utilizaron para desarrollar modelos predictivos que ayuden a seleccionar variedades de maíz adaptadas a diferentes condiciones ambientales. “Con estos modelos podemos predecir el comportamiento de las variedades vegetales sin necesidad de mediciones manuales frecuentes, lo que hace que el proceso sea más rápido y accesible”, afirma Pereira.
El estudio “Fenómica temporal de campo de eventos de maíz transgénico sujetos a estrés por sequía: escenarios de validación cruzada y modelos de aprendizaje automático”, escrito por Helcio Pereira, Juliana Nonato, Rafaela Duarte, Isabel Gerhardt, Ricardo Dante, Paulo Arruda y Juliana Yassitepe, se puede acceder en el siguiente enlace.
Reciba las últimas noticias sobre agricultura en su correo electrónico
Reciba las últimas noticias sobre agricultura en su correo electrónico