La bacteria Xylella fastidiosa (Xf) está considerada como uno de los patógenos vegetales de mayor preocupación global, ya que amenaza a los principales cultivos agrícolas de todo el mundo. Estudios previos han demostrado la capacidad de las imágenes aerotransportadas hiperespectrales y térmicas para detectar tanto en olivos como en almendros la infección por Xf antes de la aparición de síntomas a través de cambios sutiles en rasgos funcionales de la planta. En este trabajo, investigamos cómo los cambios espectrales revelados por diferentes conjuntos de rasgos (i.e., pigmentos, contenido estructural o de proteínas en hoja) pueden ayudar a capturar la dinámica espacial de propagación de Xf. Para ello acoplamos un modelo epidemiológico de dispersión espacial con la probabilidad de infección por Xf estimada por un modelo de máquina de vectores de soporte basado en indicadores fisiológicos. El trabajo demuestra cómo la combinación de modelos de dispersión espacial y la teledetección puede conducir a predicciones muy precisas de la distribución espacial árboles afectados por enfermedades causadas por Xf.
El aumento del comercio y los viajes a nivel mundial en un contexto de cambio climático ha hecho que varias plagas y enfermedades de plantas se extiendan a múltiples continentes y causen importantes impactos agrícolas, ambientales y socioeconómicos (EFSA, 2019a). Xylella fastidiosa (Xf) se considera una de las bacterias fitopatógenas más peligrosas del mundo ya que puede infectar a más de 600 especies de plantas (EFSA, 2022). Xf está catalogada como una plaga prioritaria para la Unión Europea (UE) en base a su probabilidad de propagación, establecimiento y consecuencias devastadoras para la UE (Reglamento Delegado (UE) 2019/1702 de la Comisión). Hasta la fecha, no hay ninguna medida de control disponible para erradicar Xf una vez establecida en condiciones de campo (EFSA, 2019b). En este sentido, la erradicación temprana de Xf que requiere una detección temprana de la infección es prioritaria para lograr su control (Almeida, 2016). Por estas razones, es crucial el desarrollo de metodologías a gran escala y de rápida respuesta para la detección precoz de la enfermedad en áreas afectadas o cercanas a éstas.
En los últimos años, el uso de modelos de transferencia radiativa y algoritmos de aprendizaje automático han ganado importancia en la cuantificación de rasgos fisiológicos y detección de plagas y enfermedades mediante el uso de la teledetección. En este sentido, Zarco-Tejada y col. (2018; 2021) demostraron que los vínculos entre los síntomas fisiológicos y la respuesta de las plantas a la infección por Xf pueden evaluarse a partir de sensores hiperespectrales y térmicos. En este trabajo hemos integrado la probabilidad de infección por Xf basado en información espectral con un modelo de epidemiológico de dispersión espacial que permite capturar la dinámica espacial de la enfermedad basándose en la distancia entre árboles, así como el efecto de la estructura espacial del huésped.
