Mejora de modelos predictivos para el manejo de plagas y enfermedades en la vid (Vitis vinifera L.) mediante nuevas metodologías: revisión bibliográfica
DOI:
https://doi.org/10.12706/itea.2026.001Palabras clave:
Gestión integrada de plagas, sistemas de apoyo a la toma de decisiones, aprendizaje automático, redes neuronales artificiales, inóculo aéreo, detección molecular, integrated pest management, decision support systems, machine learning, artificial neural networks, airborne inoculum, molecular detectionResumen
Las plagas y enfermedades marcan la rentabilidad de las explotaciones de la vid (Vitis vinífera L.), uno de los cultivos leñosos más importantes del mundo. Los modelos predictivos son un recurso de gran utilidad para los sistemas de apoyo a la toma de decisiones, un pilar de la gestión integrada de plagas. Esta revisión repasa la aplicabilidad de nuevas metodologías en el desarrollo de estos modelos predictivos. El uso de sistemas cognitivos para desarrollar modelos permite combinar datos heterogéneos de múltiples fuentes y realizar clasificaciones y predicciones con alta precisión gracias a su gran capacidad de aprendizaje. Entre estos datos, los relativos a la identificación de patógenos a partir de inóculo aéreo mediante técnicas moleculares pueden resultar de gran valor para predecir el riesgo de enfermedades con mayor precisión y así evitar los calendarios arbitrarios de pulverizaciones preventivas. Mejorar los modelos predictivos para la gestión de plagas y enfermedades de la vid, frente a versiones clásicas que no reflejan el efecto de diversas variables, permitiría discernir relaciones entre la afección por patógenos y condicionantes no utilizados por los modelos clásicos.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Joaquín Balduque-Gil, Ana Garcés-Claver, Juan J. Barriuso-Vargas, Oreto Fayos (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos publicados en ITEA estarán sujetos a una licencia de Creative Commons licencia de Creative Commons - Reconocimiento, No Comercial, Sin Obra Derivada - 4.0 (CC BY-NC-SA 4.0 Internacional). Esta licencia permite a otros copiar y redistribuir el material en cualquier medio o formato, así como remezclar, transformar y construir a partir del material, siempre que sea reconocida la autoría y la publicación inicial en esta revista, además, debe indicar si se han realizado cambios. Nunca puede hacer uso de esta publicación para fines comerciales y si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la misma licencia del original.
Datos de los fondos
-
Innovation and Networks Executive Agency
Números de la subvención INEA/CEF/ICT/A2018/1837816 -
Gobierno de Aragón
Números de la subvención A11-23R PROVESOS;A08-23R;P25_064;AGROALNEXT;PRTR C 17 I 1 -
NextGenerationEU
Números de la subvención PRTR C 17 I 1;AGROALNEXT
