Revista de Protección Vegetal 40
enero-diciembre 2025, e09
ISSN: 1010-2752 | eISSN: 2224-4697
Código QR

Artículo original

Modelación de la densidad de larvas de Spodoptera frugiperda J. E. (Smith) en maíz (Zea mays L.) en la Provincia de Mayabeque, Cuba

Modeling Spodoptera frugiperda J. E. (Smith) larvae density in corn (Zea mays L.) in Mayabeque Province, Cuba

iDJosefina V. Gómez Piñar1Facultad de Agronomía. Universidad Agraria de La Habana (UNAH). Carretera de Tapaste y Autopista Nacional. CP 32 700. San José de las Lajas, Mayabeque, Cuba., iDYaisys Blanco Valdés2Instituto Nacional de Ciencias Agrícolas (INCA). San José de las Lajas. CP 32700. Mayabeque. Cuba, iDAvline Duvelsaint1Facultad de Agronomía. Universidad Agraria de La Habana (UNAH). Carretera de Tapaste y Autopista Nacional. CP 32 700. San José de las Lajas, Mayabeque, Cuba., iDNeisy Castillo Reyes1Facultad de Agronomía. Universidad Agraria de La Habana (UNAH). Carretera de Tapaste y Autopista Nacional. CP 32 700. San José de las Lajas, Mayabeque, Cuba., iDIleana Miranda Cabrera3Grupo de Plagas Agrícolas, Departamento de Sanidad Vegetal. Centro Nacional de Sanidad Agropecuaria (CENSA). Apartado 10. San José de las Lajas. CP 32700. Mayabeque. Cuba.*✉:ileanam@censa.edu.cu
1Facultad de Agronomía. Universidad Agraria de La Habana (UNAH). Carretera de Tapaste y Autopista Nacional. CP 32 700. San José de las Lajas, Mayabeque, Cuba.
2Instituto Nacional de Ciencias Agrícolas (INCA). San José de las Lajas. CP 32700. Mayabeque. Cuba
3Grupo de Plagas Agrícolas, Departamento de Sanidad Vegetal. Centro Nacional de Sanidad Agropecuaria (CENSA). Apartado 10. San José de las Lajas. CP 32700. Mayabeque. Cuba.
*Autor para correspondencia: ileanam@censa.edu.cu
Resumen

Con el objetivo de estimar la densidad de larvas de Spodoptera frugiperda J. E. (Smith), presentes en un área experimental de maíz (Zea mays L.), se implementó un modelo matemático que describe la relación población - clima. Para la elaboración del modelo se tomaron los datos de muestreos realizados en el cultivar de maíz ‘Francisco’, a partir de 28 días después de la germinación hasta la cosecha del cultivo. El maíz se estableció en un área experimental de 0,1 ha en el Instituto Nacional de Ciencias Agrícolas (N 22º59'40,79", 82º8'21,88"O), en Mayabeque. Cuba. Se revisó el interior de los cogollos en 80 plantas seleccionadas al azar, recorriendo el campo en forma de zigzag. En cada muestreo, se contabilizó el número de plantas con presencia de larvas de S. frugiperda y la densidad encontrada. Se describieron las curvas de porcentaje de infestación y densidad promedio de larvas. Se elaboró un modelo de regresión lineal que estimó la densidad de larvas a partir de los días posteriores a la germinación, la temperatura media, la radiación solar, la humedad relativa, la velocidad del viento y las precipitaciones acumuladas. Se estima que, para el 2030, en la provincia de Mayabeque, en los meses de febrero, marzo y abril, la temperatura media se mantendrá entre 22 y 25°C, pero las precipitaciones tendrán un descenso considerable, lo que incidirá en el incremento de las poblaciones de insectos. Una futura validación del modelo propuesto, en otras localidades, para este y otros cultivares, permitirá contar con una herramienta para la predicción de la densidad larval de S. frugiperda en escenarios climáticos futuros en el cultivo del maíz.

Palabras clave: 
plaga; cambio climático; fluctuación poblacional; instar larval; cogollero del maíz.
Abstract

With the objective of estimating the density of Spodoptera frugiperda J. E. (Smith) larvae in an experimental corn (Zea mays L.) area, a mathematical model that described the population-climate relationship was implemented. To develop the model, the data were taken from samplings carried out from day 28 after the crop emergence to harvest in an experimental area of ​​0.1 ha of the commercial corn cultivar “Francisco”. The interior of the buds on 80 randomly selected plants was examined by traveling across the field in a zigzag pattern. In each sampling, the plants with S. frugiperda larvae were counted and the density found recorded. The curves of infestation percentage and average density of larvae were described. It was developed a linear regression model that estimated larval density based on days after emergence, average temperature, solar radiation, relative humidity, wind speed, and accumulated precipitation. It was estimated that in the town of Mayabeque, Cuba, in 2030, the average temperature will remain between 22 and 25 °C in the months of February, March and April, but rainfall will show a considerable decrease, which will influence the increase in insect populations. A validation of the proposed model in other locations, for this and other cultivars, will provide a tool for predicting the larval density of S. frugiperda in future climate scenarios.

Key words: 
pest; climate change; population fluctuation; larval instar; corn bollworm.

Recibido: 25/3/2025; Aceptado: 24/6/2025

Declaración de conflicto de intereses: Los autores declaran que no existe conflicto de intereses.

Contribución de los autores: Josefina V. Gómez Piñar: Metodología, Investigación, Supervisión. Yaisys Blanco Valdés: Investigación, Visualización, Adquisición de fondos, Análisis formal. Avline Duvelsaint: Curación de datos. Neisy Castillo Reyes: Investigación, Análisis formal. Ileana Miranda Cabrera: Conceptualización, Análisis formal, Metodología, Escritura.

CONTENIDO

Introducción

 

El cultivo del maíz (Zea mays L.) es el tercer cereal más cultivado en el mundo, después del trigo (Triticum spp.) y el arroz (Oryza sativa L.). Forma parte de un gran número de productos industriales como aceites, harinas y se emplea en la elaboración de distintas formulaciones alimenticias para consumo humano y animal (11. Silva C L, Cote S P, Barón JA. Importancia del maíz en el turismo gastronómico en cuatro municipios de Cundinamarca, Colombia. Equidad y Desarrollo. 2022; 40:169-190. https://www.redalyc.org/articulo.oa?id=95776116007
). El contenido de nutrientes es 86 % de carbohidratos, 9 % de proteínas, 3 % de aceites y 2 % de fibras (22. Urbina-Briceño C, Vargas-Rojas JC, Vega-Villalobos E, Alvarado-Hernández A, Cabalceta-Aguilar G, Garbanzo-León G. Productividad de maíz (diamantes 8843) bajo diferentes densidades de siembra y dosis de potasio. Agronomía Costarricense. 2023; 47(1): 123-134.
), constituyendo un importante producto en la dieta de la población.

La producción de este cultivo se ve afectada por más de 50 especies nocivas, entre las que se destaca el gusano cogollero Spodoptera frugiperda J. E. (Smith) (Lepidoptera: Noctuidae) como la plaga principal, ya que el maíz es su hospedero preferencial (33. Overton K, Maino JL, Day R, Umina PA, Bett B, Carnovale D, et al. Global crop impacts, yield losses and action thresholds for fall armyworm (Spodoptera frugiperda): A review. Crop Protection. 2021; 145. https://doi.org/10.1016/j.cropro.2021.105641
).

Las larvas de este insecto pueden actuar como defoliadoras, cortadoras, barrenadoras y, también, pueden dañar la flor y la espiga. Si la larva llega a afectar el meristema apical la planta puede morir (44. Jaramillo-Barrios C I, Varón-Devia E H, Monje-Andrade B. Economic injury level and action thresholds for Spodoptera frugiperda (J.E. Smith) (Lepidoptera: Noctuidae) in maize crops. Rev. Fac. Nac. Agron. 2020; 73(1): 9065-9076.
). Por la acción de S. frugiperda los rendimientos pueden llegar a reducirse hasta 0,8 t ha-1 de maíz seco, lo que equivale al 40 % de la producción en las condiciones de Cuba. Las infestaciones más altas se presentan durante la etapa vegetativa, en la cual las larvas se alimentan del tejido foliar (55. García DMB, Arreguin EL, Patiño ER, Ortiz F C. Efecto de variedades de maíz en el desarrollo del gusano cogollero (Spodoptera fugiperda Smith). Revista Tecnológica CEA. 2021; 6(15): 262 - 270.
).

Por la alta capacidad de dispersión del insecto y la influencia de las larvas en la disminución del rendimiento, es importante estudiar el comportamiento de la plaga desde el estado larval para establecer medidas de manejo de manera oportuna (33. Overton K, Maino JL, Day R, Umina PA, Bett B, Carnovale D, et al. Global crop impacts, yield losses and action thresholds for fall armyworm (Spodoptera frugiperda): A review. Crop Protection. 2021; 145. https://doi.org/10.1016/j.cropro.2021.105641
) ya que, en la mayoría de las investigaciones, se trata al adulto, que resulta de más fácil captura y conteo (11. Silva C L, Cote S P, Barón JA. Importancia del maíz en el turismo gastronómico en cuatro municipios de Cundinamarca, Colombia. Equidad y Desarrollo. 2022; 40:169-190. https://www.redalyc.org/articulo.oa?id=95776116007
, 55. García DMB, Arreguin EL, Patiño ER, Ortiz F C. Efecto de variedades de maíz en el desarrollo del gusano cogollero (Spodoptera fugiperda Smith). Revista Tecnológica CEA. 2021; 6(15): 262 - 270.
, 66. Tek W, Meagher RL, Czepak C, Groot AT. Spodoptera frugiperda: Ecology, Evolution, and Management. Options of an Invasive Species. Annual Review Entomology. 2023; 68:299-317.
).

Se realizaron diferentes estudios de ecología, evolución y manejo de S. frugiperda en los que se abordan aspectos importantes para su control (66. Tek W, Meagher RL, Czepak C, Groot AT. Spodoptera frugiperda: Ecology, Evolution, and Management. Options of an Invasive Species. Annual Review Entomology. 2023; 68:299-317.
). Sin embargo, se recomienda elaborar modelos para predecir las densidades de las poblaciones larvales en escenarios climáticos futuros, a fin de elaborar planes de adaptación que faciliten el manejo de la plaga (77. Phillis C, Han Y, Davies N, Kean J. Comparison of models for estimating the year-round range of Spodoptera frugiperda (Lepidoptera:Noctuidae) and predictions for New Zealand under current and future climates. Research Square. 2024; 1:1-40. https://doi.org/10.21203/rs.3.rs-4018821/v1
).

Por ello, el presente trabajo tuvo como objetivo elaborar un modelo matemático para estimar la fluctuación poblacional de larvas de S. frugiperda en correspondencia con la variabilidad del clima, en la provincia Mayabeque.

Materiales y Métodos

 

La investigación se desarrolló entre enero y abril del 2023, en áreas experimentales del Instituto Nacional de Ciencias Agrícolas (INCA) de Cuba, ubicadas en los 22º59'40,79" de latitud Norte y 82º8'21,88" de longitud Oeste, a una altitud de 138 m.s.n.m. El área experimental fue de 0,1 ha (1000 m2) ubicada sobre un suelo Ferralítico Rojo Lixiviado típico Eutrico, caracterizado por una fertilidad de media a alta (88. González-Robaina F, Toledo-Pérez LB, Cisneros-Zayas E, Duarte-Díaz C, Chaterlán - Durruthy Y. Estimación del rendimiento de maíz sembrado en suelo Ferralítico Rojo para el escenario climático SSP1-2.6. Ingeniería Agrícola. 2024; 14(2):1-10. https://cu-id.com/2284/v14n2e01
). Se sembró el cultivar ‘Francisco’ procedente del Instituto Nacional de Investigaciones Fundamentales en Agricultura Tropical “Alejandro de Humboldt” (INIFAT). Este cultivar es empleado como referente nacional (99. Fernández L, Crossa J, Fundora Z, Gálvez G. Caracterización de razas cubanas de maíz (Zea mays L.) mediante marcadores agromorfológicos en la colección nacional del cultivo. Cultivos Tropicales. 2009; 30(4):62-70.
) por poseer rendimientos de harina integral y purificada superiores a otros cultivares (1010. Ochoa M, Hernández W, Rosas B, Carrasco M. Evaluación de variedades de maíz cubano. Ciencia y Tecnología de Alimentos. 2009; 19(2):63-68.
). La siembra se realizó de forma manual, con un arreglo espacial de 0,90 m entre surcos y 0,30 m entre plantas. La fertilización se realizó en el momento de siembra con nitrógeno (50 kg ha-1) y potasio (100 kg ha-1). Las labores culturales se realizaron según las recomendaciones contenidas en las normas técnicas del cultivo (1111. Ministerio de la Agricultura (MINAG). Guía Técnica para la producción del cultivo del maíz (Zea mays L) en Cuba. 2000. Instituto de Investigaciones Hortícolas “Liliana Dimitrova”. Quivicán, La Habana, Cuba. 20 p. ISBN: 959-7111-11-X.
).

Para evaluar la fluctuación poblacional de S. frugiperda se realizó muestreo sistemático simple a partir de los 28 días después de la germinación hasta la cosecha, para un total de ocho muestreos (que se efectuaron a los 28, 34, 42, 49, 55, 63, 72 y 77 días después de la germinación). En cada muestreo se revisó en detalle el interior de los cogollos en 80 plantas seleccionadas al azar, recorriendo el campo en forma de zigzag.

El número de plantas con presencia de larvas de la plaga y la densidad encontrada se contabilizó y calculó el porcentaje de infestación por muestreo y el número de larvas promedio. Se describió la curva polinomial de comportamiento de la densidad larval, en función de los días después de la emergencia y la relación de la densidad poblacional promedio con las variables meteorológicas: temperatura media, radiación solar, humedad relativa media, velocidad del viento (tomadas como promedio de los valores siete días antes del muestreo) y las precipitaciones acumuladas en igual periodo. Se formuló un modelo lineal que relacionó la densidad larval con los días después de la germinación y la variabilidad del tiempo atmosférico. Para estos análisis, se empleó Microsoft Excel 2016 y el paquete estadístico InfoStat versión 2020 (1212. Di Rienzo JA, Casanoves F, Balzarini MG, Gonzalez L, Tablada M, Robledo CW. InfoStat. 2020; Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina. http://www.infostat.com.ar
).

Finalmente, se analizó la variabilidad climática estimada para el 2030 en Mayabeque, según modelos de pronóstico para escenario climático probable RCP 4.5 ofrecidos por el Instituto de Meteorología (1313. Martínez-Álvarez M, Bezanilla-Morlot A, Centella-Artola A, Vichot-Llano A. Proyección de extremos climáticos futuros en Cuba bajo escenarios de geoingeniería. Revista Cubana de Meteorología. 2022; 28(2):1-13.
) y se estimó la posible repercusión en la densidad de larvas de S. frugiperda.

Resultados y Discusión

 

La mayor densidad de larvas y porcentaje de infestación ocurrió a los 34 días posteriores de la germinación, con una declinación después de los 42 días. No obstante, las larvas estuvieron presentes en todos los muestreos. Este resultado coincide con autores que refieren que todos los instares larvales están presentes durante todo el ciclo del cultivo (1414. He Y, Wang K, Du G, Zhang Q, Li B, Zhao L, He P, Chen B. Temporal and spatial distribution patterns of Spodoptera frugiperda fields in China. Insects. 2022; 13: 938. https://doi.org/10.3390/insects13100938
).

Investigaciones sobre el comportamiento de la densidad de diferentes instares de S. frugiperda, en correspondencia con la fenología del cultivo, informaron que estas curvas pueden ser descritas por polinomios de grado 3 o superior (1515. Braky MMS, Abdel-Baky NF. Population density of the fall armyworm, Spodoptera frugiperda (Smith) (Lepidoptera: Noctuidae) and its response to some ecological phenomena in maize crop. Brazilian Journal of Biology. 2023; 83: e271354 https://doi.org/10.1590/1519-6984.271354
). Para los datos obtenidos, un modelo polinomial de grado 4 permitió describir el comportamiento de la densidad de larvas (Fig. 1).

Fig. 1.  Fluctuación de la densidad promedio y el porcentaje de infestación de larvas de S. frugiperda en un área experimental de maíz cultivar ‘Francisco’ en Mayabeque, Cuba. Periodo enero -abril del 2023 / Fluctuation of the average density and percentage of infestation of S. frugiperda larvae in an experimental area of the corn cultivar ‘Francisco’ in Mayabeque, Cuba. Period January - April 2023.

Las etapas fenológicas del maíz que, principalmente, determinan la disponibilidad de alimento para las larvas de S. frugiperda son germinación, crecimiento vegetativo y floración. Durante las etapas iniciales, cuando las plantas están en crecimiento vegetativo, las larvas pueden tener acceso a hojas tiernas y nutritivas, lo que puede favorecer su crecimiento y desarrollo (1616. Omoregie ME, Enobakhare DA, Omoregie AO. Population dynamics of the fall armyworm, Spodoptera frugiperda JE Smith (Lepidoptera: Noctuidae) on early and late season maize. Animal Research International. 2023; 20(1): 4734-4740.
). De ahí que, pasado los 42 días después de la germinación, la población de larvas tienda a decrecer, a medida que el cultivo pasa de una fase fenológica a otra.

Por otra parte, a medida que el maíz avanza en su ciclo fenológico, las plantas pueden desarrollar mecanismos de defensa, como la producción de compuestos químicos que repelen a los herbívoros. Esto puede afectar negativamente el desarrollo de las larvas, reduciendo su tasa de crecimiento y supervivencia (1717. Chen YC, Chen DF, Yang MF, Liu JF. The Effect of temperatures and hosts on the life cycle of Spodoptera frugiperda (Lepidoptera: Noctuidae). Insects. 2022; 13: 211-218. https://doi.org/10.3390/insects13020211
).

Las condiciones ambientales continúan siendo uno de los factores más importantes pues no solo influyen en el incremento o decremento de las poblaciones sino que, a su vez, pueden regular la fenología del cultivo. El desarrollo del cultivo está influenciado por factores climáticos como temperatura, humedad y precipitación. Estos factores pueden afectar tanto el crecimiento del maíz como la biología de S. frugiperda. Por ejemplo, temperaturas entre 24 y 27°C son consideradas óptimas pues favorecen el desarrollo de la plaga, aumentando su tasa de reproducción y crecimiento (1818. Person K, Cheremond E, Brandvain Y, Van-Tassel D, Murrell. Weight Gain of Spodoptera frugiperda larvae (Lepidoptera: Noctuidae) on leaf and floral tissues of Silphium integrifolium (Asterales: Asteraceae) differs by plant genotype. Environmental Entomology. 2022; 51(2): 397- 404. https://doi.org/10.1093/ee/nvab146
). Además, la fenología del maíz también puede influir en la presencia de enemigos naturales de S. frugiperda, como parasitoides y depredadores, que pueden variar en abundancia según la etapa del cultivo. Durante el periodo de floración hay mayor presencia de enemigos naturales, ya que el cultivo tiene propiedades que los atrae para complementar su nutrición y favorecer la reproducción. Esto puede tener un efecto significativo en la población de larvas, ya que una mayor presencia de enemigos naturales puede reducir la infestación (1919. Abbas A, Ullah F, Hafeez M, Han X, Dara MZN, Gul H, et al. Biological control of Fall Armyworm, Spodoptera frugiperda. Agronomy 2022; 12(11):2704. https://doi.org/10.3390/agronomy12112704
).

Se señaló la existencia de una relación polinomial entre la densidad larval de S. frugiperda y la temperatura media (2020. Salas-Araiza MD, Martínez-Jaime OA, Guzmán-Mendoza R, González-Márquez MA, Ávila-López A. Fluctuación poblacional de Spodoptera frugiperda (J. E. Smith) y Spodoptera exigua (Hubner) (Lepidoptera: Noctuidae) mediante el uso de feromonas en Irapuato, Gto, Mex. Entomología Agrícola. 2018; 5: 368−374
). Modelos matemáticos de ecuaciones diferenciales, donde interviene el desarrollo del insecto y de la planta, pueden ofrecer mejor predicción de las densidades (2121. Daudi S, Luboobi L, Kgosimore M, Kuznetsov D. Modelling the control of the impact of Fall Armyworm (Spodoptera frugiperda) infestations on maize production. International Journal of Differential Equations. 2021; 8838089:1-16. https://doi.org/10.1155/2021/8838089
, 2222. Gatwiri M B, Ronoh M, Ngari C, Gitonga K, Dominic M. Mathematical modelling of host-pest interaction in the presence of insecticides and resistance: A case of Fall Armyworm. Journal of Mathematics. 2024; 2886786:1-23. https://doi.org/10.1155/2024/2886786
). En este sentido, es importante señalar que esta investigación está dirigida a estimar las implicaciones que el cambio climático puede tener sobre las poblaciones del cogollero del maíz. Sin embargo, incluir en los modelos otros factores del agroecosistema pueden ayudar a entender mejor los mecanismos del insecto.

El modelo donde intervienen las variables meteorológicas resultó:

Y = 26,74 0,03 DDE + 0,01 RSolar 0,77 Tmed 0,04 HrMed 1,28 VV + 0,04 PP
 

Donde:

Y- Densidad promedio de larvas de S. frugiperda
DDE- Días después de la germinación
RSolar- Radiación solar promedio de siete días antes del muestreo
Tmed- Temperatura media promedio de siete días antes del muestreo
HrMed- Humedad relativa media promedio de siete días antes del muestreo
VV- Velocidad del viento promedio de siete días antes del muestreo
PP- Precipitación acumulada de siete días antes del muestreo

El coeficiente de determinación resultó 0,96, con cuadrado medio del error 2,78 indicando la adecuada estimación de los valores observados (Fig. 2).

Fig. 2.  Relación lineal entre valores observados y predichos según modelo Población - días después de la germinación y Clima, desarrollado con datos provenientes de un área experimental de maíz cultivar ‘Francisco’ en Mayabeque, Cuba. Periodo enero - abril del 2023 / Linear relationship between observed and predicted values according to the model Population- days after emergence and Climate developed with data from an experimental area of the corn cultivar ‘Francisco’ in Mayabeque, Cuba. Period January -April 2023.

Aun cuando el modelo que se obtuvo debe ser validado con datos de próximas campañas, se estimó que según la variabilidad climática esperada para el 2030 (modelo de pronóstico de clima para escenario PRCP 4.5) (1313. Martínez-Álvarez M, Bezanilla-Morlot A, Centella-Artola A, Vichot-Llano A. Proyección de extremos climáticos futuros en Cuba bajo escenarios de geoingeniería. Revista Cubana de Meteorología. 2022; 28(2):1-13.
), el punto máximo de la densidad de larvas de S. frugiperda ocurrirá en igual momento y presentará valor superior al que presentó en 2023 (Fig. 3). Este resultado debe seguirse de cerca ya que, si se alcanza el umbral, el cultivo tendrá bajos rendimientos.

Fig. 3.  Estimación para el 2030 de la densidad promedio de larvas de S. frugiperda en un área experimental de maíz in Mayabeque, Cuba / Estimation for 2030 of the average larval density of S. frugiperda in an experimental corn area in Mayabeque, Cuba.

Implementar modelos de relación plaga - variabilidad del clima permite establecer momentos claves para la toma de medidas de adaptación (2323. Sumila TCA, Ferraz SET, Durigon A. Climate change impact on Spodoptera frugiperda (Lepidoptera: Noctuidae) life cycle in Mozambique. PLOS Clim. 2024; 3(1): 1-25. https://doi.org/10.1371/journal.pclm.0000325
).

Estos resultados coinciden con estudios meta-analíticos que refieren que, con el aumento de temperatura superior a 20°C, varios indicadores fisiológicos del gusano cogollero son significativamente mejorados. Cuando la temperatura alcanza los 32°C, las actividades fisiológicas de S. frugiperda están al máximo. A medida que aumenta la temperatura, la duración de cada etapa de desarrollo del gusano cogollero disminuye significativamente, acompañado de un aumento en la cantidad y el período de oviposición. Además, el tiempo de desarrollo pupal se acorta, lo que conduce a un aumento en la esperanza de vida de la polilla adulta (2424. Fu C, Liu Z, Xu D, Peng Y, Liu B, Zhuo Z. Effects of Global Climate Warming on the biological characteristics of Spodoptera frugiperda (J.E. Smith) (Lepidoptera: Noctuidae). Insects. 2024; 15(689):1-16. https://doi.org/10.3390/insects15090689
).

Conocer el clima en escenarios climáticos futuros puede avizorar sobre la ocurrencia de proliferación de plagas insectiles dependientes de los cambios ambientales (77. Phillis C, Han Y, Davies N, Kean J. Comparison of models for estimating the year-round range of Spodoptera frugiperda (Lepidoptera:Noctuidae) and predictions for New Zealand under current and future climates. Research Square. 2024; 1:1-40. https://doi.org/10.21203/rs.3.rs-4018821/v1
). El desarrollo de las poblaciones de insectos ectotermos dependerá, mayoritariamente, de la variabilidad de las temperaturas en combinación con factores como la humedad relativa y las precipitaciones. Por ejemplo, las poblaciones de S. frugiperda en Corea se verán favorecidas con temperaturas en el rango 28 - 32°C (2525. Lee S, Park Y, Hwang C, Park A, Lee S, Kim J. Prediction of growth characteristics and migration period of Spodoptera frugiperda (Lepidoptera: Noctuidae) according to temperature. Insects. 2022; 13(897):1-11. https://doi.org/10.3390/insects13100897
).

En investigaciones precedentes se determinó como umbral mínimo y máximo para el desarrollo de S. frugiperda temperaturas de 8,7 y 39,8°C, respectivamente (2626. Valdez-Torres J B, Soto-Landeros F, Osuna-Enciso T, Báez-Sañudo A. Modelo de predicción fenológica para maíz blanco (Zea mays L.) y gusano cogollero (Spodoptera frugiperda J. E. Smith). Agrociencia. 2012; 46:399-410.
). Por lo cual, el escenario climático 2030 será favorable al desarrollo del insecto. Las temperaturas se mantendrán en un rango óptimo y las precipitaciones disminuirán considerablemente, condición favorable para el incremento de las poblaciones insectiles (Fig. 4).

Fig. 4.  Estimación de temperatura media y precipitaciones en el escenario climático 2030 en contraste con lo ocurrido en el 2023 para Mayabeque, Cuba / Estimate of average temperature and rainfall in 2030 climate scenario in comparison with 2023 for Mayabeque, Cuba.

Se demostró que la temperatura ambiente puede afectar el desarrollo larvario de la especie económicamente importante S. frugiperda y el modelado es esencial para la toma de decisiones, lo que coincide con lo señalado en otras investigaciones (2727. Gergs A, Baden C.U. A. Dynamic energy budget approach for the prediction of development times and variability in Spodoptera frugiperda rearing. Insects. 2021; 12(300):1-9. https://doi.org/10.3390/insects12040300
).

En trabajos futuros, utilizando variables ambientales, se pueden estimar las condiciones óptimas de supervivencia para cada estado de insecto del gusano cogollero. Estos hallazgos pueden ayudar a predecir la dinámica poblacional del gusano cogollero y a formular estrategias de gestión apropiadas. Estas investigaciones están alcanzando una mayor relevancia dado que se conoce de la resistencia a insecticidas que ha ido adquiriendo S. frugiperda (2828. Paredes-Sánchez FA, Rivera G, Bocanegra-García V, Martínez-Padrón H Y, Berrones-Morales M, Niño-García N, et al. Advances in control strategies against Spodoptera frugiperda. A Review. Molecules. 2021; 26(5587):1-19. https://doi.org/10.3390/molecules26185587
).

Referencias

 
1. Silva C L, Cote S P, Barón JA. Importancia del maíz en el turismo gastronómico en cuatro municipios de Cundinamarca, Colombia. Equidad y Desarrollo. 2022; 40:169-190. https://www.redalyc.org/articulo.oa?id=95776116007
2. Urbina-Briceño C, Vargas-Rojas JC, Vega-Villalobos E, Alvarado-Hernández A, Cabalceta-Aguilar G, Garbanzo-León G. Productividad de maíz (diamantes 8843) bajo diferentes densidades de siembra y dosis de potasio. Agronomía Costarricense. 2023; 47(1): 123-134.
3. Overton K, Maino JL, Day R, Umina PA, Bett B, Carnovale D, et al. Global crop impacts, yield losses and action thresholds for fall armyworm (Spodoptera frugiperda): A review. Crop Protection. 2021; 145. https://doi.org/10.1016/j.cropro.2021.105641
4. Jaramillo-Barrios C I, Varón-Devia E H, Monje-Andrade B. Economic injury level and action thresholds for Spodoptera frugiperda (J.E. Smith) (Lepidoptera: Noctuidae) in maize crops. Rev. Fac. Nac. Agron. 2020; 73(1): 9065-9076.
5. García DMB, Arreguin EL, Patiño ER, Ortiz F C. Efecto de variedades de maíz en el desarrollo del gusano cogollero (Spodoptera fugiperda Smith). Revista Tecnológica CEA. 2021; 6(15): 262 - 270.
6. Tek W, Meagher RL, Czepak C, Groot AT. Spodoptera frugiperda: Ecology, Evolution, and Management. Options of an Invasive Species. Annual Review Entomology. 2023; 68:299-317.
7. Phillis C, Han Y, Davies N, Kean J. Comparison of models for estimating the year-round range of Spodoptera frugiperda (Lepidoptera:Noctuidae) and predictions for New Zealand under current and future climates. Research Square. 2024; 1:1-40. https://doi.org/10.21203/rs.3.rs-4018821/v1
8. González-Robaina F, Toledo-Pérez LB, Cisneros-Zayas E, Duarte-Díaz C, Chaterlán - Durruthy Y. Estimación del rendimiento de maíz sembrado en suelo Ferralítico Rojo para el escenario climático SSP1-2.6. Ingeniería Agrícola. 2024; 14(2):1-10. https://cu-id.com/2284/v14n2e01
9. Fernández L, Crossa J, Fundora Z, Gálvez G. Caracterización de razas cubanas de maíz (Zea mays L.) mediante marcadores agromorfológicos en la colección nacional del cultivo. Cultivos Tropicales. 2009; 30(4):62-70.
10. Ochoa M, Hernández W, Rosas B, Carrasco M. Evaluación de variedades de maíz cubano. Ciencia y Tecnología de Alimentos. 2009; 19(2):63-68.
11. Ministerio de la Agricultura (MINAG). Guía Técnica para la producción del cultivo del maíz (Zea mays L) en Cuba. 2000. Instituto de Investigaciones Hortícolas “Liliana Dimitrova”. Quivicán, La Habana, Cuba. 20 p. ISBN: 959-7111-11-X.
12. Di Rienzo JA, Casanoves F, Balzarini MG, Gonzalez L, Tablada M, Robledo CW. InfoStat. 2020; Grupo InfoStat, FCA, Universidad Nacional de Córdoba, Argentina. http://www.infostat.com.ar
13. Martínez-Álvarez M, Bezanilla-Morlot A, Centella-Artola A, Vichot-Llano A. Proyección de extremos climáticos futuros en Cuba bajo escenarios de geoingeniería. Revista Cubana de Meteorología. 2022; 28(2):1-13.
14. He Y, Wang K, Du G, Zhang Q, Li B, Zhao L, He P, Chen B. Temporal and spatial distribution patterns of Spodoptera frugiperda fields in China. Insects. 2022; 13: 938. https://doi.org/10.3390/insects13100938
15. Braky MMS, Abdel-Baky NF. Population density of the fall armyworm, Spodoptera frugiperda (Smith) (Lepidoptera: Noctuidae) and its response to some ecological phenomena in maize crop. Brazilian Journal of Biology. 2023; 83: e271354 https://doi.org/10.1590/1519-6984.271354
16. Omoregie ME, Enobakhare DA, Omoregie AO. Population dynamics of the fall armyworm, Spodoptera frugiperda JE Smith (Lepidoptera: Noctuidae) on early and late season maize. Animal Research International. 2023; 20(1): 4734-4740.
17. Chen YC, Chen DF, Yang MF, Liu JF. The Effect of temperatures and hosts on the life cycle of Spodoptera frugiperda (Lepidoptera: Noctuidae). Insects. 2022; 13: 211-218. https://doi.org/10.3390/insects13020211
18. Person K, Cheremond E, Brandvain Y, Van-Tassel D, Murrell. Weight Gain of Spodoptera frugiperda larvae (Lepidoptera: Noctuidae) on leaf and floral tissues of Silphium integrifolium (Asterales: Asteraceae) differs by plant genotype. Environmental Entomology. 2022; 51(2): 397- 404. https://doi.org/10.1093/ee/nvab146
19. Abbas A, Ullah F, Hafeez M, Han X, Dara MZN, Gul H, et al. Biological control of Fall Armyworm, Spodoptera frugiperda. Agronomy 2022; 12(11):2704. https://doi.org/10.3390/agronomy12112704
20. Salas-Araiza MD, Martínez-Jaime OA, Guzmán-Mendoza R, González-Márquez MA, Ávila-López A. Fluctuación poblacional de Spodoptera frugiperda (J. E. Smith) y Spodoptera exigua (Hubner) (Lepidoptera: Noctuidae) mediante el uso de feromonas en Irapuato, Gto, Mex. Entomología Agrícola. 2018; 5: 368−374
21. Daudi S, Luboobi L, Kgosimore M, Kuznetsov D. Modelling the control of the impact of Fall Armyworm (Spodoptera frugiperda) infestations on maize production. International Journal of Differential Equations. 2021; 8838089:1-16. https://doi.org/10.1155/2021/8838089
22. Gatwiri M B, Ronoh M, Ngari C, Gitonga K, Dominic M. Mathematical modelling of host-pest interaction in the presence of insecticides and resistance: A case of Fall Armyworm. Journal of Mathematics. 2024; 2886786:1-23. https://doi.org/10.1155/2024/2886786
23. Sumila TCA, Ferraz SET, Durigon A. Climate change impact on Spodoptera frugiperda (Lepidoptera: Noctuidae) life cycle in Mozambique. PLOS Clim. 2024; 3(1): 1-25. https://doi.org/10.1371/journal.pclm.0000325
24. Fu C, Liu Z, Xu D, Peng Y, Liu B, Zhuo Z. Effects of Global Climate Warming on the biological characteristics of Spodoptera frugiperda (J.E. Smith) (Lepidoptera: Noctuidae). Insects. 2024; 15(689):1-16. https://doi.org/10.3390/insects15090689
25. Lee S, Park Y, Hwang C, Park A, Lee S, Kim J. Prediction of growth characteristics and migration period of Spodoptera frugiperda (Lepidoptera: Noctuidae) according to temperature. Insects. 2022; 13(897):1-11. https://doi.org/10.3390/insects13100897
26. Valdez-Torres J B, Soto-Landeros F, Osuna-Enciso T, Báez-Sañudo A. Modelo de predicción fenológica para maíz blanco (Zea mays L.) y gusano cogollero (Spodoptera frugiperda J. E. Smith). Agrociencia. 2012; 46:399-410.
27. Gergs A, Baden C.U. A. Dynamic energy budget approach for the prediction of development times and variability in Spodoptera frugiperda rearing. Insects. 2021; 12(300):1-9. https://doi.org/10.3390/insects12040300
28. Paredes-Sánchez FA, Rivera G, Bocanegra-García V, Martínez-Padrón H Y, Berrones-Morales M, Niño-García N, et al. Advances in control strategies against Spodoptera frugiperda. A Review. Molecules. 2021; 26(5587):1-19. https://doi.org/10.3390/molecules26185587