Los modelos fenológicos tradicionales se basan exclusivamente en la temperatura (GDD) y asumen que la humedad no modifica la tasa de desarrollo. Sin embargo, investigaciones recientes (por ejemplo, en Spodoptera frugiperda y Frankliniella occidentalis) han demostrado que la humedad relativa puede influir en la viabilidad de los huevos y en la duración de los estadios, especialmente en condiciones de estrés hídrico.

Un estudio de la Universidad de Florida (2020) encontró que a humedades relativas inferiores al 40%, la mortalidad de huevos de trips aumentaba un 30%, pero los individuos que sobrevivían completaban su desarrollo más rápido, adelantando la emergencia de adultos. Esto implica que, en zonas áridas, el modelo debe ajustarse con un factor de corrección para no subestimar la velocidad de desarrollo.

En la práctica, los técnicos deben complementar los GDD con el seguimiento de la humedad del ambiente, especialmente en cultivos bajo plástico, donde la humedad puede ser muy diferente a la exterior.

El cálculo estándar de GDD utiliza la temperatura media diaria (promedio de máxima y mínima). Pero las temperaturas mínimas nocturnas tienen un impacto desproporcionado en el desarrollo de muchos insectos, especialmente en especies con umbral de desarrollo cercano a 10 °C.

Un trabajo publicado en Agricultural and Forest Entomology (2019) mostró que, para la mosca blanca, el uso de la temperatura mínima en lugar de la media reducía el error de predicción de la emergencia de adultos en un 18% en primavera, cuando las noches son frescas. La razón es que el desarrollo se detiene por debajo del umbral, y la media puede sobrestimar el calor útil si las noches son frías.

Recomendación: utilizar modelos que ponderan las horas acumuladas por encima del umbral (modelos de «horas-grado») en lugar de promedios simples, o aplicar un factor de corrección cuando la amplitud térmica diaria supera los 15 °C.

Los umbrales de desarrollo (temperatura base y constante térmica) son parámetros fisiológicos de la especie, pero pueden variar entre poblaciones debido a adaptaciones locales. Numerosos estudios han demostrado que las poblaciones de Bemisia tabaci en zonas tropicales tienen un umbral inferior ligeramente más alto (9,5 °C) que las de zonas templadas (8,5 °C), debido a la aclimatación.

Un meta-análisis de 15 estudios (2021) concluyó que, para la mayoría de las plagas agrícolas, la variación interpoblacional del umbral inferior es de ±1 °C, lo que puede traducirse en errores de predicción de hasta 7 días en la aparición de un estadio.

Por tanto, sí es recomendable calibrar los umbrales con datos locales de campo (trampas de adultos y seguimiento de estados) durante al menos dos ciclos, para ajustar el modelo a la realidad de la zona. Alternativamente, se pueden usar valores promedio globales y aplicar un margen de seguridad en la toma de decisiones.

La resistencia a insecticidas está directamente relacionada con el número de generaciones por año. Cuanto más corto es el ciclo de vida (más generaciones), mayor es la presión de selección y más rápido se fijan los alelos de resistencia. La fenología permite estimar el número de generaciones esperadas en una campaña y ajustar las estrategias de rotación de modos de acción.

Investigaciones en Frankliniella occidentalis (Universidad de Wageningen, 2022) demostraron que, en zonas donde el modelo fenológico predecía 8 generaciones por ciclo, la rotación de 3 grupos IRAC distintos reducía la frecuencia de resistencia a spinosad en un 65% en comparación con un programa fijo.

Los técnicos pueden utilizar el modelo para planificar «ventanas de descanso» sin insecticidas, aprovechando estadios no susceptibles (pupa en suelo, adultos en dispersión) para liberar la presión selectiva y prolongar la vida útil de los productos.

Los modelos fenológicos son herramientas predictivas basadas en relaciones temperatura-tasa de desarrollo, que suelen ser lineales en el rango óptimo. Sin embargo, el cambio climático introduce temperaturas extremas que pueden estar fuera del rango de validación de los modelos, especialmente olas de calor (>35 °C) que causan estrés y ralentizan el desarrollo (efecto de “plateau”).

Un estudio de simulación para Tuta absoluta en la cuenca mediterránea (2023) proyectó que, con un aumento de 2 °C, el número de generaciones anuales pasaría de 6 a 9, pero la ventana de tratamiento se acortaría un 30%, exigiendo una mayor frecuencia de monitoreo.

Se recomienda utilizar modelos no lineales (como el de Briere o Lactin) que incluyen efectos de temperaturas extremas, y actualizar los parámetros con datos locales de los últimos 5 años para capturar tendencias climáticas.

Ambos términos se usan indistintamente, pero técnicamente las Unidades Térmicas son un concepto más amplio que incluye diferentes métodos de acumulación (por ejemplo, con doble umbral, con corrección por fotoperiodo, etc.). Los GDD son el método más común y sencillo: (Tmax+Tmin)/2 – Tbase, con límite superior opcional.

Para Dalbulus maidis, el uso de Unidades Térmicas con umbral superior de 32 °C mejora la predicción de la aparición de adultos en un 15% respecto a los GDD simples, según datos de la Universidad de São Paulo (2021).

Los técnicos deben elegir el método de acumulación que mejor se ajuste a la biología de la plaga y a las condiciones climáticas de su región.

En un mismo campo, la temperatura puede variar varios grados debido a la orientación, la cobertura vegetal, la presencia de mulching o el riego. Esto genera asincronía en el desarrollo de la plaga a escala de parcela, lo que dificulta la toma de decisiones.

Un estudio en tomate de invernadero (Almería, 2020) midió diferencias de hasta 4 °C entre el centro y los laterales, lo que se traducía en un desfase de 5 días en la emergencia de Tuta absoluta entre ambas zonas.

La solución es utilizar modelos espacialmente explícitos (integrados con sensores térmicos o datos de estaciones meteorológicas distribuidas) o, en su defecto, tomar la temperatura en los puntos más representativos del cultivo y considerar un margen de incertidumbre de ±2 días en las predicciones.

El fotoperiodo (horas de luz diarias) actúa como señal ambiental que, en muchas especies, regula la diapausa o la velocidad de desarrollo. Para plagas como Spodoptera exigua o Helicoverpa armigera, el fotoperiodo puede modificar el umbral de temperatura efectiva.

Investigaciones en Frankliniella occidentalis mostraron que, bajo fotoperiodo corto (<12 h de luz), la tasa de desarrollo se reduce un 10% aunque la temperatura sea óptima, lo que retrasa la aparición de los adultos.

Los modelos fenológicos más avanzados incluyen un factor de corrección por fotoperiodo, pero la mayoría de los modelos prácticos no lo consideran. Los técnicos deben tenerlo en cuenta en latitudes altas o en cultivos de otoño‑invierno.

Sí, los modelos fenológicos son aplicables a cualquier organismo ectotermo, incluyendo enemigos naturales. La sincronización entre plaga y su controlador biológico es clave para el éxito del control biológico.

Un estudio de la Universidad de California (2021) modeló conjuntamente el desarrollo de Bemisia tabaci y su parasitoide Encarsia formosa, y demostró que liberar el parasitoide cuando la plaga alcanza el estadio de huevo‑ninfa temprana (según el modelo) aumenta la parasitación en un 40% respecto a liberaciones programadas por calendario.

Por tanto, los técnicos pueden utilizar los mismos principios fenológicos para optimizar las fechas de suelta de auxiliares, siempre que dispongan de los parámetros térmicos del enemigo natural.

La validación consiste en comparar las predicciones del modelo (fechas de inicio de cada estadio) con las observaciones reales realizadas mediante muestreos semanales. Se recomienda calcular el error medio absoluto (MAE) y el sesgo entre las fechas observadas y las estimadas.

Una validación robusta debe abarcar al menos dos ciclos del cultivo y diferentes condiciones climáticas. Para Spodoptera frugiperda, se considera aceptable un error de ±3 días en la predicción de la eclosión.

Si el modelo subestima o sobreestima sistemáticamente, se puede ajustar el umbral inferior o la constante térmica mediante métodos de optimización (ej. mínimos cuadrados). Los técnicos deben documentar estos ajustes para mejorar la fiabilidad del sistema año tras año.