Fractional Model and Numerical Algorithms for Predicting Cactus Cochineal (Dactylopius opuntiae) Infestation on Prickly Pear with Quarantine and Treatment Strategies

En los paisajes áridos del norte de África, el nopal es más que una simple planta; es un salvavidas. Durante siglos, estos resistentes árboles han proporcionado alimento, forraje e ingresos para las comunidades rurales en todo Marruecos y la región más amplia del Magreb. Sin embargo, desde 2014, un insecto diminuto pero devastador conocido como la cochinilla del nopal ha amenazado con borrar este patrimonio agrícola. Esta plaga, que se alimenta de la savia del nopal, es difícil de controlar porque se esconde bajo una capa protectora de cera blanca similar al algodón que la protege de los tratamientos estándar. Cuando una infestación se vuelve severa, cubriendo más de tres cuartas partes de una penca de nopal, la planta se marchita y muere. Para combatir esto, las autoridades han implementado medidas estrictas, incluyendo la cuarentena de zonas enteras, el tratamiento de plantas infectadas y la destrucción de aquellas que están demasiado avanzadas. No obstante, a pesar de estos esfuerzos, la plaga continúa propagándose y casi tres cuartas partes de los cultivos en algunas áreas permanecen infestados.

Comprender cómo se mueve esta plaga y cómo detenerla requiere más que simplemente contar plantas muertas; requiere comprender la historia oculta de la infección. Los modelos tradicionales suelen asumir que la reacción de una planta ante una infestación ocurre instantáneamente, como si se accionara un interruptor de luz. Sin embargo, la naturaleza rara vez es tan inmediata. Los efectos de un ataque de una plaga, el tiempo que tarda una colonia en volverse visible y el impacto persistente de las condiciones climáticas pasadas crean una especie de "memoria" en el sistema. Un nuevo estudio realizado por investigadores en Marruecos y Francia explora si el uso de matemáticas que tengan en cuenta esta memoria puede predecir mejor la propagación de la cochinilla y mejorar las estrategias utilizadas para combatirla. Al tratar la propagación de la plaga no como una reacción simple e instantánea, sino como un proceso influenciado por su pasado, los investigadores pretenden perfeccionar las herramientas utilizadas por agricultores y responsables políticos para proteger el nopal.

Los investigadores construyeron un modelo matemático detallado que divide la población de nopales en seis grupos distintos: plantas sanas, aquellas que portan secretamente la plaga antes de que aparezcan los síntomas, aquellas que muestran signos visibles de infección, las que están en cuarentena, las que reciben tratamiento y las que han sido destruidas. Luego aplicaron un tipo específico de matemáticas avanzadas, conocida como derivada fraccionaria, a este modelo. En términos sencos, esta herramienta matemática permite al modelo recordar los estados pasados del sistema. En lugar de preguntar solo qué está sucediendo en este preciso momento, el modelo considera cómo la situación actual fue moldeada por eventos que ocurrieron días o semanas atrás. Este enfoque refleja la realidad de la cochinilla, cuya cera protectora retrasa el efecto de los tratamientos y cuyas colonias tardan tiempo en ser visibles para los inspectores.

Cuando el equipo realizó sus simulaciones, descubrieron que este efecto de memoria cambia significamente la cronología de un brote. Si bien el número final de plantas infectadas se mantuvo igual independientemente de si el modelo incluía la memoria o no, el camino para llegar allí fue diferente. En el modelo basado en la memoria, el pico de la infestación llegó más tarde y fue ligeramente menos intenso que en los modelos tradicionales. Este retraso es crucial para la gestión; sugiere que el sistema reacciona más lentamente a los cambios, otorgando a las autoridades una ventana de tiempo ligeramente más larga para actuar antes de que la situación se vuelva crítica. El estudio también probó cómo funcionarían diferentes medidas de control, como la cuarentena de plantas sanas o el tratamiento de plantas infectadas, bajo estas condiciones. Descubrieron que la cuarentena de plantas sanas para evitar que entren en el ciclo de infección era mucho más efectiva para reducir el pico del brote que el tratamiento de plantas que ya estaban enfermas. Esto concuerda con la lógica de que detener la propagación en la fuente es mejor que intentar curar el daño una vez que este ha ocurrido.

Para asegurar que su modelo fuera fiable, los investigadores lo probaron contra datos sintéticos, que son escenarios generados por computadora que imitan las encuestas de campo del mundo real. Intentaron ver si el modelo podía identificar correctamente las tasas específicas a las que la plaga se propaga y qué tan efectivas son las medidas de cuarentena. Los resultados fueron alentadores para algunos factores, pero revelaron un desafío para otros. El modelo pudo identificar con precisión la efectividad de los esfuerzos de cuarentena, una pieza de información clave para los responsables políticos. Sin embargo, le costó distinguir entre la tasa a la que la plaga se propaga naturalmente y la tasa a la que funcionan los tratamientos cuando solo se observa el número total de plantas infectadas. Esto sugiere que, para obtener la imagen más precisa, las autoridades necesitarían medir la propagación de la plaga mediante la observación directa de los insectos, en lugar de depender únicamente del conteo de plantas infectadas.

El estudio fue un paso más allá al preguntar cuál sería la mejor estrategia posible si las autoridades pudieran ajustar sus esfuerzos dinámicamente a lo largo del tiempo. Utilizando un método que encuentra el camino más eficiente hacia una meta, simularon un escenario donde los controles biológicos, como la liberación de mariquitas depredadoras, y los controles administrativos, como patrullajes reforzados para hacer cumplir la cuarentena, podrían aumentarse o disminuirse según sea necesario. La simulación mostró que el enfoque más efectivo implica un estallido rápido e intenso de medidas de cuarentena justo al inicio de un brote, seguido de una reducción gradual a medida que la amenaza retrocede. Esta estrategia podría reducir el número máximo de plantas infectadas en casi un 72 por ciento en comparación con no hacer nada. Sin embargo, el modelo también reveló un difícil compromiso. Las medidas de cuarentena agresivas que logran detener la propagación también provocan la destrucción de más plantas sanas. Debido a que la zona de cuarentena es estricta, muchas plantas que en realidad están sanas pero que se encuentran dentro del área restringida son eventualmente destruidas como precaución. Los investigadores encontraron que, al ajustar el modelo para valorar explícitamente la preservación de las plantas sanas, los responsables de la toma de decisiones podían encontrar un equilibrio entre detener la plaga y salvar el cultivo, aunque la pérdida de algunas plantas sanas sigue siendo inevitable bajo una cuarentena estricta.

Finalmente, el equipo aplicó esta estrategia de control óptimo directamente a su modelo basado en la memoria. Encontraron que, cuando se tiene en cuenta la memoria del sistema, la estrategia de control se vuelve ligeramente más eficiente. La "memoria" del sistema significa que los efectos de las intervenciones pasadas perduran, lo que permite que la estrategia óptima logre un resultado marginalmente mejor con el mismo esfuerzo. Esto sugiere que la propia naturaleza de la propagación lenta y acumulativa de la cochinilla del nopal puede convertirse en una ventaja si la respuesta se programa correctamente. El estudio concluye que, si bien las herramientas matemáticas utilizadas son complejas, los conocimientos que ofrecen son prácticos. Al reconocer que la propagación de esta plaga no es un evento instantáneo sino un proceso con historia, las autoridades pueden mejorar el tiempo de sus intervenciones. La investigación destaca que, si bien ninguna estrategia puede eliminar la amenaza por completo, una combinación de cuarentena temprana y agresiva junto con un tratamiento cuidadoso y dirigido ofrece la mejor oportunidad de proteger la industria del nopal, siempre que se acepte que la pérdida inevitable de algunas plantas sanas es parte de la defensa necesaria.