SciELO - Scientific Electronic Library Online

 
vol.38 issue1Morphological and molecular characterization of Fusarium spp. associated to the regional occurrence of wilt and dry bud rot in Agave tequilanaEffect of biocontrol and promotion of peanut growth by inoculating Trichoderma harzianum and Bacillus subtilis under controlled conditions and field author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista mexicana de fitopatología

On-line version ISSN 2007-8080Print version ISSN 0185-3309

Rev. mex. fitopatol vol.38 n.1 Texcoco Jan. 2020  Epub Nov 27, 2020

https://doi.org/10.18781/r.mex.fit.1907-3 

Notas Fitopatológicas

Monitoreo de la severidad de Lophodermium sp. en bosque de pino con imágenes satelitales Sentinel 2

José Antonio Molina-Serrano1 

Marja Liza Fajardo-Franco1  * 

Martin Aguilar-Tlatelpa1 

Arturo Castañeda-Mendoza1 

1 Ingeniería Forestal Comunitaria1, Posgrado en Manejo Sustentable de Recursos Naturales. Universidad Intercultural del Estado de Puebla. Calle principal a Lipuntahuaca S/N. 73475, Lipuntahuaca, Huehuetla, Puebla, México.


Resumen.

En el presente estudio se estimó la severidad causada por el tizón de los pinos (Lophodermium sp.) en rodales de pino mediante imágenes provenientes del satélite Sentinel 2 y evaluaciones de campo. Para tal efecto, se utilizaron tres índices: a) Índice de Vegetación de Diferencia Normalizada (NDVI), b) Índice de Estrés de Humedad (MSI) y el Índice de Vegetación Ajustado al Suelo (SAVI); obtenidos de la combinación de bandas satelitales adquiridas mensualmente durante febrero a julio del 2017. Los valores obtenidos por los índices se correlacionaron con la severidad del tizón de los pinos, estimada en 24 sitios de muestreo. Los datos obtenidos mediante el MSI tuvieron una alta correlación positiva con los valores observados de la severidad (0.70783, p<0.0001), mientras que los valores estimados mediante el NDVI y el SAVI tuvieron una moderada (0.53316, p<0.0001) y baja correlación positiva (0.24844, p=0.0062), respectivamente. Los resultados mostraron que el uso de imágenes satelitales Sentinel 2 y el MSI tienen potencial para ser utilizados como una herramienta en el monitoreo de Lophodermium sp. en bosque de pino.

Palabras clave: Tizón; NDVI; MSI; SAVI; Pinus sp

Abstract.

In this paper, we evaluated satellite images from Sentinel 2 to estimate the severity of needle cast in pine and field evaluations. Three indexes were used: a) Normalized Difference Vegetation Index (NDVI), b) Moisture Stress Index (MSI), and c) Soil-adjusted Vegetation Index (SAVI). These indexes were obtained from the combination of satellite bands acquired monthly during February to July 2017. The values obtained by the indexes were correlated with the severity of needle cast of pine, estimated in 24 sampling sites. The values obtained from MSI correlated positively with the observed values of severity (0.70783, p<0.0001), the values obtained from NDVI had a moderate positive correlation with severity (0.53316, p<0.0001). Nevertheless, the data obtained from SAVI had a low positive correlation with severity (0.24844, p=0.0062). The results showed that the use of satellite images from Sentinel 2 and MSI can be used like a tool for monitoring the severity of Lophodermium sp. in pine forest.

Key words: Needle; NDVI; MSI; SAVI; Pinus sp

Lophodermium sp. es un hongo endófito que pertenece a la familia Rhytismataceae (Rhytismatales, Ascomycota). Se desarrolla intercelularmente entre la epidermis y la hipodermis en las acículas de los pinos, produciendo clorosis que pasa a formar pequeños cuerpos fructíferos tipo apotecio, estos se producen bajo el tejido epidermal de las acículas. El cuerpo fructífero presenta una abertura longitudinal, dentro del cual se encuentran ascosporas sin septos, filiformes y hialinas (Ortiz-García et al., 2003; Cibrián et al., 2007). Este patógeno causa defoliación y disminuye la productividad de los árboles infectados ya que inhibe la fotosíntesis, lo que origina pérdidas a nivel de vivero y bajo condiciones de campo. En Asia, Estados Unidos, Suecia e India, las detecciones e investigaciones se han dirigido hacia la mitigación del impacto de este patógeno en los bosques (Stenström y Ihrmark, 2005; Ahanger et al., 2017; Neimane et al., 2018).

En México Lophodermium sp. ha causado daños en bosques afectando varias especies de pino que muestran susceptibilidad como Pinus oaxacana, P. patula, P. montezumae, P. teocote, P. pseudostrobus y P. leiophylla (CONAFOR, 2018). En el 2015 la enfermedad afectó zonas forestales en los estados de Tlaxcala e Hidalgo, así como al menos 3,000 hectáreas de pino en la Sierra Norte de Puebla (Claudio et al., 2012; Reséndiz et al., 2015; Pérez et al., 2016). Se estima que ante los escenarios de cambio climático este patógeno podría encontrar condiciones favorables para una mayor distribución en México (Pérez et al., 2016). Por tal motivo, es necesario realizar investigaciones enfocadas al monitoreo y predicción de la enfermedad que contribuyan a minimizar la pérdida de la producción forestal y de sus servicios ecosistémicos (Sacristán, 2006; Sturrock et al., 2011; Millar y Stephenson, 2015; Seidl et al., 2017). Ante esta problemática, el uso de imágenes satelitales es una alternativa para el monitoreo y evaluación epidemiológica de Lophodermium, su viabilidad está fundamentada en los cambios biofísicos y bioquímicos que sufre la cubierta vegetal durante el desarrollo epidémico de la enfermedad, así como en alteraciones en los pigmentos que absorben la luz, en la estructura interna de la hoja y en el contenido de humedad a nivel celular, que se reflejan en la respuesta espectral (Chuvieco, 1996; Peña y Altmann, 2009; Rullan-Silva et al., 2013; Alizadeh et al., 2017). Estos cambios pueden ser identificados mediante la combinación de bandas satelitales proveniente del satélite Sentinel-2 y el uso de índices de vegetación como el índice de vegetación de diferencia normalizada (NDVI) y el índice de estrés de humedad (MSI), principalmente con bandas en el rango del infrarrojo cercano (NIR) y el infrarrojo medio o de onda corta (SWIR) (James et al., 2013; Houborg et al., 2015; Rullan-Silva et al., 2013; Yu et al., 2018).

Cano et al. (2005), utilizaron imágenes multiespectrales del sensor IKONOS e índices de vegetación para estudiar el proceso de decaimiento en masas de Quercus suber en el sur de España afectadas por Phytophthora cinnamomi. De igual forma, Navarro-Cerrillo et al. (2007) se apoyaron de las imágenes del satélite ASTER y del NDVI para cartografiar la defoliación causada por el decaimiento de masa de Pinus sylvestris y P. nigra en la Sierra de los Filabres en España. Yu et al. (2018) identificaron focos de infección y estimaron la severidad del daño ocasionado por Tomicus yunnanensis y Tomicus minor en Pinus yunnanensis mediante el NDVI, el Índice Normalizado de la Diferencia de Humedad (NDMI) y el MSI. Mientras que Sangüesa-Barrera et al. (2014) estudiaron la severidad de Thaumetopoea pityocampa en bosques de pino mediante índices de vegetación como el MSI, NDVI y SAVI. Por lo tanto, el objetivo del presente estudio fue evaluar la utilidad de las imágenes satelitales Sentinel 2 para estimar la severidad causada por el tizón de los pinos (Lophodermium sp.), mediante índices de vegetación.

La investigación se realizó al noreste del estado de Puebla, México en el ejido de Xonocuautla, Tlatlauquitepec, a una altitud de 2,530 msnm, en las coordenadas 19.731326 y -97.5494835, durante febrero a julio del 2017 en 303 ha de uso forestal donde crecen especies de pino (Pinus patula, P. montezumae) susceptibles a Lophodermium sp. (CONAFOR, 2018). Se definieron 24 sitios de muestreo, los cuales estuvieron georreferenciados y distribuidos al azar. Cada sitio correspondió a parcelas circulares con un radio de 4.9 m, y un área de 75.4 m2, donde se evaluó la incidencia estimando la proporción de árboles enfermos. Mientras que la severidad se estimó considerando el porcentaje de copa en cada árbol ubicado dentro de la circunferencia, para lo cual se usó una escala de severidad donde 0=sin observación de síntomas, 1=clorosis del follaje >0-5%, 2=clorosis del follaje >5-25%, 3= clorosis y necrosis del follaje moderado >25-50%, 4=clorosis y necrosis del follaje grave >50-75% y 5=follaje con necrosis >75-100% (Campbell y Neher, 1994; Cayuela et al., 2014). En total se evaluaron 221 árboles. La identidad de Lophodermium sp. fue corroborada mediante observaciones al microscopio de disección y compuesto (Ortiz-García et al., 2003; Herrera y Ulloa, 2013; Koukol et al., 2015). Las evaluaciones se realizaron los días 23 de febrero, 18 de marzo, 16 de abril, 14 mayo, 3 de junio, 23 de junio y el 13 de julio del 2017, lo cual coincidió con la obtención de imágenes satelitales. Adicionalmente, se consultaron datos del Laboratorio Nacional de Referencia Epidemiológica Fitosanitaria relacionados con temperatura, humedad relativa y punto de rocío (mínimas, medias y máximas) del municipio de Tlatlauquitepec correspondientes al periodo de estudio (LANREF-DGSV, 2019).

Paralelamente, se obtuvieron cinco imágenes emitidas por el satélite Sentinel 2, descargadas desde la plataforma oficial de Sentinel: https://scihub.copernicus.eu/dhus/#/home, las cuales fueron elegidas por estar libres de nubosidad y corresponder con las fechas de evaluación de la enfermedad en campo. Las imágenes correspondieron a los días: 23 de febrero, 14 mayo, 3 de junio, 23 de junio y 13 de julio del 2017. Éstas fueron utilizadas debido al potencial de sus características, especialmente de las bandas infrarrojas (NIR), las cuales permiten diferenciar la reflectancia entre biomasa sana y enferma en ecosistemas forestales (ESA, 2015; Chemura et al., 2017; Zarco-Tejada et al., 2019).

Cada una de las imágenes satelitales fueron procesadas para convertir los números digitales (ND) a reflectancia TOA (top-of-atmosphere), para lo cual, este valor se dividió entre el factor de escala 10,000 (Gascon et al., 2016). Posteriormente, cada imagen fue sometida a un proceso de corrección atmosférica mediante el módulo ATCOR, el cual está basado en el modelo MODTRAN (Moderate Resolution Atmospheric Transmission), que modela las condiciones atmosféricas imperantes al momento de paso de la plataforma por un área dada (Peña y Altmann, 2009). Estos procesos fueron realizados mediante el software Geomatica 2017 y ArcGis 10.2. Con los datos multiespectrales corregidos se estimó el NDVI, el MSI y el SAVI (Rouse et al., 1974; Rock et al., 1986; Huete, 1988). Los resultados de cada uno de los índices estimados fueron re-escalados y se obtuvieron índices en niveles de cero a uno, donde uno correspondió a una severidad de 100% para el caso del índice NDVI y SAVI, mientras que para el MSI un valor de uno correspondió a la ausencia de la enfermedad (Sangüesa et al., 2014). Los índices de vegetación se estimaron mediante el procesamiento de las imágenes satelitales en el software ArcGis 10.2. Las variables climáticas se sometieron a análisis de correlación con la incidencia y severidad. Los valores de la severidad de Lophodermium sp. obtenidos en campo y los valores arrojados por los índices obtenidos mediante el procesamiento de las imágenes satelitales se sometieron a un análisis de correlación mediante el paquete estadístico R (Cano et al., 2005).

La incidencia de Lophodermium sp. fue moderada a alta (64 - 98%) con severidades bajas a moderadas (< 33 %). En el mes de febrero se observó una severidad promedio de 7.1%, en el mes de marzo la severidad incrementó y alcanzó un valor de 13.8%. Sin embargo, en el mes de abril y mayo se observó un decremento en la severidad (11.9% y 10.6% respectivamente), esto pudo deberse a la caída de acículas enfermas. Durante los primeros días del mes de junio la severidad incrementó (13.0%) y continuó con esta tendencia durante la siguiente evaluación (25.7%). Finalmente, para el mes de julio la severidad alcanzó un valor de 32.8% (Figura 1A). Durante este periodo, la humedad relativa fue alta (61.0 - 99.6%) con temperaturas medias entre 15.7 y 24.5 °C (Figura 1B).

Estas condiciones son favorables para el desarrollo de Lophodermium, ya que se ha reportado que una alta humedad relativa con temperaturas entre 14 y 22 °C son óptimas para su desarrollo, aunque sobrevive a temperaturas mínimas entre -2 a 1 °C y máximas de 25 a 35 °C (Ahanger et al., 2016; Polmanis et al., 2017).

Figura 1. Incidencia y severidad de Lophodermium sp. en bosque de pino en Xonocuatla, Tlatlauquitepec y su relación con variables climáticas. A) Desarrollo del tizón de los pinos. B) Variables climáticas. Cada punto representa la media. 

La severidad mostró una correlación moderada con las variables climáticas, principalmente con la humedad relativa (0.50938, p=0.2429). Mientras que la incidencia tuvo una correlación positiva con la humedad relativa media (0.8611, p=0.0128) y con el punto de rocío medio (0.8415, p=0.0175). Estos resultados coinciden con lo reportado por Ahanger et al. (2016) y Polmanis et al. (2017) quienes indicaron que la combinación de temperaturas óptimas con alta humedad relativa influye en la expresión y dispersión de Lophodermium sp.

El análisis de correlación realizado con los datos estimados por el MSI y los valores observados indicó una correlación de 0.70783, p<0.0001; la estimación de la severidad con este índice se muestra en la Figura 2. El MSI se ha utilizado en la evaluación de la defoliación de bosques de pino debido a su sensibilidad para detectar los cambios en el contenido del agua en la vegetación lo cual está estrechamente relacionado con la debilidad o vulnerabilidad del pino ante el ataque de plagas y enfermedades (Townsend et al., 2012; Sangüesa et al., 2014; Rullán et al., 2015).

Figura 2. Severidad de Lophodermium sp. en Xonocuautla, Tlatlauquitepec, estimada mediante el Índice de Estrés de Humedad (MSI) obtenido de imágenes satelitales Sentinel 2 en el año 2017: A) 23 febrero, B) 14 de mayo, C) 03 de junio, D) 23 de junio, E) 13 julio. Las zonas blancas en cada mapa corresponden a áreas de cultivo. 

Por otra parte, los datos estimados por el NDVI y los observados tuvieron una correlación de 0.53316, p<0.0001; los valores estimados por este índice se presentan en la Figura 3. James et al. (2013) y Zarco-Tejada et al. (2018), probaron que el NDVI obtenido a partir de imágenes Sentinel 2, tuvieron una adecuada capacidad para evaluar el contenido de clorofila. El MSI y el NDVI son índices que están fuertemente relacionados al contenido de clorofila y agua que tienen los árboles, y han sido utilizados en la evaluación del decaimiento de las masas forestales a causa de plagas o enfermedades foliares (Peña y Altmann, 2009; Olsson et al., 2016).

Figure 3. Severity of damage caused by Lophodermium sp. in Xonocuautla, Tlatlauquitepec, estimated using the Normalized Difference Vegetation Index (NDVI) obtained using images from the Sentinel 2 satellite in 2017: A) February 23; B) May 14; C) June 03; D) June 23; E) July 13. The white areas on each map indicate cropping regions. 

Estos resultados coinciden con lo reportado por Yu et al. (2018), donde el MSI tuvo una mayor precisión para estimar la severidad de Tomicus sp. en Pinus yunnanensis, en comparación con el NDVI y el Índice Normalizado de la Diferencia de Humedad (NDMI).

La severidad estimada mediante el índice SAVI tuvo una baja correlación con la severidad observada (0.24844, p=0.0062), lo que implicó una sobreestimación de dicha variable, aunado al efecto del suelo sobre la reflectancia (Figura 4). Sangüesa et al. (2014), utilizaron el índice SAVI para estudiar la defoliación en bosques de pino causada por Thaumetopoea pityocampa sin embargo, este índice mostró limitaciones para distinguir los cambios en la cobertura vegetal.

Figura 4. Severidad de Lophodermium sp. estimada en Xonocuautla, Tlatlauquitepec, mediante el Índice de Vegetación Ajustado al Suelo (SAVI) obtenido de imágenes satelitales Sentinel 2 en el año 2017: A) 23 febrero, B) 14 de mayo, C) 03 de junio, D) 23 de junio, E) 13 julio. Las zonas blancas en cada mapa corresponden a áreas de cultivo. 

El análisis permitió detectar diferencias en la sensibilidad de cada índice para evaluar los cambios en la sanidad del dosel vegetal. El índice MSI tuvo una correlación positiva y superior en comparación a los índices NDVI y SAVI. Por lo tanto, los resultados sugieren que las imágenes satelitales Sentinel 2 y el índice MSI pueden ser utilizados como una herramienta en el monitoreo de la severidad del tizón de los pinos; estos resultados proveen información sobre el comportamiento espacio-temporal de Lophodermium sp. en bosques de pino en México, que previa validación con estudios de mayor duración, pueden ser utilizados en programas de manejo forestal.

Literatura Citada

Ahanger, FA., Dar, GH., Beig, MA., Sofi, TA., and Ganie, SA. 2016. Effect of weather parameters on Blue pine (Pinus wallichiana J.) needle blight and ascospore release of Lophodermium pinastri in India. International Journal of Agricultural Technology 12:1099-1112. http://www.ijat-aatsea.com/past_v12_n6.htmlLinks ]

Ahanger, FA., Hassan, DG., Being, MA., Sofi, TA., Shah, MD. and Ganaie, SA. 2017. In vitro evaluation of fungicides against Lophodermium pinastri causing needle blight disease of blue pine in Kashmir (India). SKUAST Journal of Research 19:66-71. http://www.indianjournals.com/ijor.aspx?target=ijor:skuastjr&volume=19&issue=1&article=007Links ]

Alizadeh, M., Moharrami, M. and Rasouli, AA. 2017. Geographic Information System (GIS) as a Tool in the Epidemiological Assessment of Wetwood Disease on elm Trees in Tabriz City, Iran. Cercetari Agronomice in Moldova 50:91-100. https://doi.org/10.1515/cerce-2017-0018 [ Links ]

Campbell, CL. and Neher, DA. 1994. Estimating Disease Severity and Incidence. Pp. 117-147. In: Campbell, CL. y Benson, DM. (eds.). Epidemiology and Management of Root Diseases. Springer, Berlin, Heidelberg. 344 p. https://doi.org/10.1007/978-3-642-85063-9_5 [ Links ]

Cano, F., Navarro, RM., García, A., y Sánchez De La Orden, M. 2005. Evaluación de la defoliación mediante imágenes IKONOS en masas de Quercus suber L. en el sur de España. Investigaciones Agrarias: Sistemas y Recursos Forestales 14:242-252. https://recyt.fecyt.es/index.php/IA/article/view/2280/1687Links ]

Cayuela, L., Hernández, R., Hódar, JA., Sánchez, G. and Zamora, R. 2014. Tree damage and population density relationships for the pine processionary moth: Prospects for ecological research and pest management. Forest Ecology and Management 328:319-325. https://doi.org/10.1016/j.foreco.2014.05.051 [ Links ]

Chemura, A., Mutanga, O. and Dube, T. 2017. Separability of coffee leaf rust infection levels with machine learning methods at Sentinel-2 MSI spectral resolutions. Precision Agriculture 18:859-881. https://doi.org/10.1007/s11119-016-9495-0 [ Links ]

Chuvieco, E. 1996. Fundamentos de Teledetección espacial. Editorial Rialp. Madrid. 568 p. [ Links ]

Cibrián, TD., García, DS., Alvarado, RD., Colomo, GI., Palacios, HG., Meléndez, HF. y Sámano, MJ. 2007. En: Cibrián, TD., Alvarado, RD., García, DS. 2007. Enfermedades Forestales en México. 1ra. Ed. Universidad Autónoma de Chapingo. Estado de México, México. 585 p. [ Links ]

Claudio, GL., Góngora, RF., Toledo, GS., Jaime, GR. y García, QE. 2012. Evaluación de daños por patógenos fúngicos en Pinus y Quercus del Área de Protección de Flora y Fauna “La Primavera” Jalisco, México. Acta Universitaria 22:5-12. http://www.actauniversitaria.ugto.mx/index.php/acta/article/view/397Links ]

CONAFOR. 2018. Diagnóstico fitosanitario del estado de Puebla. Comisión Nacional Forestal. Gerencia Estatal Puebla. México. 25 p. http://sivicoff.cnf.gob.mx/frmProgramasdetrabajoanuales.aspxLinks ]

ESA. 2015. Sentinel-2 User handbook. Standar document. European Space Agency. Issue 1, Review 2. 64 p. [ Links ]

Gascon, F., Thépaut, O., Jung, M., Francesconi, B., Louis, J., Lonjou, V., Lafrance, B., Massera, S., Gaudel-Vacaresse, A., Languille, F., Alhammoud, B., Viallefont, F., Pflug, B., Bieniarz, J., Clerc, S., Pessiot, L., Trémas, T., Cadau, E., De Bonis, R., Isola, C., Martimort, P. and Fernandez, V. 2016. Copernicus Sentinel-2 Calibration and Products Validation Status. Remote Sensing 9:584. https://doi.org/10.3390/rs9060584 [ Links ]

Herrera, T. y Ulloa, M. 2013. El reino de los hongos. Micología básica aplicada. Segunda Reimpresión. UNAM. Fondo de Cultura Económica. México, D.F. 551 p. [ Links ]

Houborg, R., Fisher, JB. and Skidmore, AK. 2015. Advances in remote sensing of vegetation function and traits. International Journal of Applied Earth Observation and Geoinformation 43:1-6. http://dx.doi.org/10.1016/j.jag.2015.06.001 [ Links ]

Huete, A. 1988. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment 25:295-309. https://doi.org/10.1016/0034-4257(88)90106-X [ Links ]

James, FW., Dash, J., Watmough, G. and James, ME. 2013. Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation. Journal of Photogrammetry and Remote Sensing 82: 83-92. https://doi.org/10.1016/j.isprsjprs.2013.04.007 [ Links ]

Koukol, O., Pusz, W. and Minter, D. 2015. A new species of Lophodermium on needles of mountain pine (Pinus mugo) from the Giant Mountains in Poland. Mycological Progress 14:1-13. https://doi.org/10.1007/s11557-015-1038-y [ Links ]

LANREF-DGSV. 2019. Datos climáticos. Laboratorio Nacional de Referencia Fitosanitaria-Dirección General de Sanidad Vegetal. http://www.royacafe.lanref.org.mx (Consulta, octubre 2019). [ Links ]

Millar, CI. and Stephenson, NL. 2015. Temperate forest health in an era of emerging megadisturbance. Science 349:823-826. https://doi.org/10.1126/science.aaa9933 [ Links ]

Navarro-Cerrillo, RM., Varo, MA., Lanjeri, S., y Hernández-Clemente, R. 2007. Cartografía de defoliación en los pinares de pino silvestre (Pinus sylvestris L.) y pino salgareño (Pinus nigra Arnold.) en la Sierra de los Filabres. Ecosistemas 16: 163-171. https://www.revistaecosistemas.net/index.php/ecosistemas/article/download/464/445Links ]

Neimane, U., Polmnis, K., Zaluma, A., Klavina, D., Gaitnieks, T. and Jansons, A. 2018. Damage caused by Lophodermium needle cast in open-pollinated and control-crossed progeny trials of Scots pine (Pinus sylvestris L.). The Forestry Chronicle 94:155-161. https://doi.org/10.5558/tfc2018-024 [ Links ]

Olsson, PO., Lindström, J. and Eklundh, L. 2016. Near real-time monitoring of insect induced defoliation in subalpine birch forests with MODIS derived NDVI. Remote Sensing of Environment 181:42-53. https://doi.org/10.1016/j.rse.2016.03.040 [ Links ]

Ortiz-García, S., Gernandt, DS., Stone, JK., Johnston, PR., Chapela, IR., Salas, LR. and Alvarez, BE. 2003. Phylogenetics of Lophodermium from pine. Mycologia 95:846-859. https://doi.org/10.1080/15572536.2004.11833044 [ Links ]

Peña, MA. y Altmann, SH. 2009. Reconocimiento del efecto de Cinara cupressi (Hemiptera: Aphididae) en el estado sanitario de Austrocedrus chilensis mediante imágenes multiespectrales. Bosque 30:151-158. http://dx.doi.org/10.4067/S0717-92002009000300005 [ Links ]

Pérez, MR., Romero, SM., González, HA., Pérez, SE. y Arriola, PJ. 2016. Distribución Potencial de Lophodermium sp. en Bosques de Coníferas de Puebla y Estados Próximos, con Escenarios de Cambio Climático. Revista Mexicana de Ciencias Forestales 7:81-97. https://doi.org/10.29298/rmcf.v7i36.61 [ Links ]

Polmanis, K., Gaitnieks, T., Beļevičam, V., Rungis, D. and Baumane, A. 2017. Occurrence of Lophodermium spp. in young scots pine stands in Latvia. Forestry and Wood Processing 1:1-20. [ Links ]

Reséndiz, MJ., Guzmán, DL., Muñoz, VA., De Pascual, PC. y Olvera, CL. 2015. Enfermedades foliares del arbolado en el Parque Cultural y Recreativo Tezozómoc, Azcapotzalco, D.F. Revista Mexicana de Ciencias Forestales 6:106-123. https://doi.org/10.29298/rmcf.v6i30.211 [ Links ]

Rock, BN., Vogelmann, JE., Williams, DL., Vogehnann, AF. and Hoshizaki, T. 1986. Remote detection of forest damage. Ecology from Space 36:439-445. https://doi.org/10.2307/1310339 [ Links ]

Rouse, JW., Haas, RH., Schell, JA. and Deering, DW. 1974. Monitoring vegetation systems in the Great Plains with ERTS. Pp. 309-317. In: Freden SC, Mercanti EP, Becker MA. (eds.). Third Earth Resources Technology Satellite-1 Symposium, Washington DC. 1008 p. https://ntrs.nasa.gov/search.jsp?R=19740022614Links ]

Rullan-Silva, CD., Olthoff, AE., Delgado de la Mata, JA. and Parajes-Alonso, JA. 2013. Remote monitoring of forest insect defoliation. A review. Forest Systems 22:377-391. https://doi.org/10.5424/fs/2013223-04417 [ Links ]

Rullán-Silva, C., Olthoff, AE., Pando, V., Pajares, JA. and Delgado, JA. 2015. Remote monitoring of defoliation by the beech leaf-mining weevil Rhynchaenus fagi in northern Spain. Forest Ecology and Management 347:200-208. https://doi.org/10.1016/j.foreco.2015.03.005 [ Links ]

Sacristán, RF. 2006. La Teledetección satelital y los sistemas de protección Ambiental. Universidad Complutense de Madrid. Aqua TIC 24:13-41. https://doi.org/10.22518/16578953.701 [ Links ]

Sangüesa, BG., Camarero, JJ., García, MA., Hernández, R. and De la Riva, J. 2014. Remote-sensing and tree-ring based characterization of forest defoliation and growth loss due to the Mediterranean pine processionary moth. Forest Ecology and Management 320:171-181. https://doi.org/10.1016/j.foreco.2014.03.008 [ Links ]

Seidl, R., Thom, D., Kautz, M., Martín, BD., Peltoniemi, M., Vacchiano, G., Wild, J., Ascoli, D., Petr, M., Honkaniemi J, Lexer, M., Trotsiuk, V., Mairota. P,, Svoboda, M., Fabrika, M. A., Nagel, T. and Reyer, C. 2017. Forest disturbances under climate change. Nature Climate Change 7:395-402. https://doi.org/10.1038/nclimate3303 [ Links ]

Stenström, BE. and Ihrmark, K. 2005. Identification of Lophodermium seditiosum and L. pinastri in Swedish forest nurseries using species-specific PCR primers from the ribosomal ITS region. Forest Pathology 35:163-172. https://doi.org/10.1111/j.1439-0329.2005.00398.x [ Links ]

Sturrock, RN., Frankel, SJ., Brown, AV., Hennon, PE., Kliejunas, JT., Lewis, KJ., Worrall, JJ. and Woods, AJ. 2011. Climate change and forest diseases. Plant Pathology 60:133-149. https://doi.org/10.1111/j.1365-3059.2010.02406.x [ Links ]

Townsend, PA., Singh, A., Foster, JR., Rehberg, NJ., Kingdon, CC., Eshleman, KN. and Seagle, SW. 2012. A general Landsat model to predict canopy defoliation in broadleaf deciduous forests. Remote Sensing of Environment 119:255-265. https://doi.org/10.1016/j.rse.2011.12.023 [ Links ]

Yu, L., Huang, J., Zong, S., Huang, H., and Luo, Y. 2018. Detecting shoot beetle damage on yunnan pine using landsat time-series data. Forests 9:2-14. https://doi.org/10.3390/f9010039 [ Links ]

Zarco-Tejada, PJ., Hornero, A., Becka, PSA., Kattenbornd,. T, Kempeneersa, P. and Hernández-Clemente, R. 2019. Chlorophyll content estimation in an open-canopy conifer forest with Sentinel-2A and hyperspectral imagery in the context of forest decline. Remote Sensing of Environment 223:320-335. https://doi.org/10.1016/j.rse.2019.01.031 [ Links ]

Zarco-Tejada, PJ., Hornero, A., Hernández-Clemente, R. and Beck, PS. 2018. Understanding the temporal dimension of the red-edge spectral region for forest decline detection using high-resolution hyperspectral and Sentinel-2a imagery. ISPRS Journal of Photogrammetry and Remote Sensing 137:134-148. https://doi.org/10.1016/j.isprsjprs.2018.01.017 [ Links ]

Recibido: 31 de Julio de 2019; Aprobado: 15 de Noviembre de 2019

* Autor para correspondencia: azilmar@gmail.com

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons