5 3. epidemiología temporal-previsao ferrugem
-
Upload
sinaveflab -
Category
Documents
-
view
210 -
download
0
Transcript of 5 3. epidemiología temporal-previsao ferrugem
Tema 5-3 Temporal analises: Ferrugem do café.
Um estudo de caso regional
• Objetivo
Analisar e discutir princípios e aplicações do temporal analises na epidemiologia.
Créditos do trabalhos discutidos: Gustavo Mora Aguilera, CP y Sinavef Lab, Méx.Gabriela Calderón Estrada, ANACAFE Guatemala
Gerardo Acevedo Sánchez , Sinavef LabJorge Flores, Sinavef Lab
Santiago Domínguez, Sinavef Lab
Um enfoque regional de
previsao: Caso Café
¿Qué debemos entender por
Epidemia?
Una epidemia es un proceso de contagio de una que resulta en la pérdida de la salud de
un cultivo
Evento Fenológico
YEMA BOTÓN FLOR FORMACIÓN DE FRUTOS LLENADO DE FRUTOS MADURACIÓN COSECHA
FLORACIÓN EMISIÓN DE HOJAS HOJAS MADURAS
Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
La epidemia se representa como una curva de daño.La curva de daño tiene dos propiedades: forma y velocidad
Inte
nsid
ad d
e Da
ño
La genética de la planta condiciona la forma
La agresividad del patógeno (cantidad) contribuye con la velocidad
Evento Patogénesis
Periodo Patogénesis
Condiciones Favorables
Germinación 22 °C, sin radiación solar, mojado foliar de 7 h Periodo Latencia 17 a 25 °C
Periodo Incubación 19 a 26 °C Periodo Generación 17 a 26 °C
Tiempo de ocurrencia
Germinación 1 - 5 horas Periodo Latencia 26 – 50 días
Periodo Incubación 17 – 42 días Periodo Generación 26 – 62 días
HojaGerminación Hoja nueva (0 – 20 días) Periodo Latencia Hoja madura (30 – 60 días)
Periodo Incubación Hoja madura (0 – 30 días) Periodo Generación Hoja madura (40 – 80 días)
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Incubación (Pi)Latencia (Pl)
Generación (Pg)
Penetración 1° Síntoma visual Inicio esporulación
Finaliza esporulación
¿Qué factores determinan la variabilidad?
El atributo mas importante de una epidemia es la
variabilidad, es decir es dinámica
Factores del Sistema Epidemiológico
MANEJO CULTIVO
CAFÉ
Hemileia vastatrix
CLIMA
Una epidemia resulta de la interacción de los factores epidemiológicos
3%5%30%
Incremento de velocidadEpidemia 1982 a 1984
Incremento de velocidadepidemia
Con datos de Méndez, I. 1984
Una curva de daño es variable durante el ciclo(s) del cultivoUna epidemia tiene variabilidad en su forma y velocidad
Predio 1 (780msnm): cantidad inicial daño: 3-30%Cantidad final: 25-100%
Predio 2 (1100msnm): cantidad inicial daño: 0.05%Cantidad final: 2.5-4%
1. Una epidemia tiene también variabilidad a nivel predioCaso Tapachula, Chiapas 1982-84
Epidemia: Curva de daño con parámetros que miden su variabilidad e intensidad. Ejemplo: Coatepeque, Guatemala
20.A
GO
.09
15.S
EP.0
9
03.O
CT.0
9
15.O
C.09
30.O
CT.0
9
15.N
OV.
09
27.N
OV.
09
22.D
IC.0
9
22.E
NE.1
0
20.F
EB.1
0
29.F
EB.1
0
08.M
AR.1
0
25.M
AR.1
0
10.A
BR.1
0
01.M
AY.1
0
15.M
AY.1
0
30.M
AY.1
0
15.J
UN.1
0
19.J
UL.1
0
0
5
10
15
20
25
30
35
40
45
50
Yf = 9.68ABCPE = 6150 % Ciclo cultivo
Ymax = 46.7
Y0 = 1.1
Velocidad = 0.38%día
Área bajo la curva de daño
Daño máximo (Incidencia, severidad, hojas con roya, número de pústulas, etc.)
Daño Final (Incidencia,severidad, hojas con roya, número de pústulas, etc.)
Velocidad de epidemia. Incremento promedio diario
Daño inicial (Incidencia, severidad, hojas con roya, número de pústulas, etc.)
2. Una epidemia tiene también variabilidad regional
06.JUL.0
9
01.AGO.09
29.AGO.09
02.OCT.09
30.OCT.0
9
28.NOV.09
22.ENE.1
0
19.FEB.10
25.MAR.10
01.MAY.10
30.MAY.10
0102030405060708090
100
0
10
20
30
40
50
60
INCIDENCIA SEVERIDAD # T. H. ROYA
INCI
DEN
CIA
Y SE
VERI
DAD
DE R
OYA
%
#HO
JAS
CON
RO
YA E
N 2
0 RA
MAS
/10P
LAN
TAS
06.JUN.09
01.JUL.0
9
29.AGO.09
03.SEP.09
30.OCT.0
9
28.NOV.09
23.ENE.10
20.FEB.10
25.MAR.10
20.ABR.10
31.MAY.10
18.JUL.1
00
102030405060708090
100
0
10
20
30
40
50
60
# T. H. ROYA INCIDENCIA SEVERIDAD
# HO
JAS
CON
RO
YA E
N 2
0 RA
MAS
/10
PLAN
TAS
INCI
DEN
CIA
Y SE
VERI
DAD
DE R
OYA
%
Incidencia
Incidencia
Caso Guatemala 2009
Comportamiento de la roya Chiapas. Muestreo Nov-Dic 2012AC
ACO
YAG
UA
AMAT
ENAN
GO D
E LA
FRO
NTER
A
CACA
HO
ATAN
EL P
ORV
ENIR
ESCU
INTL
A
HU
IXTL
A
MO
TOZI
NTL
A
OCO
ZOCO
AUTL
A D
E ES
PIN
OSA
TAPA
CHU
LA
TUZA
NTA
N
UN
ION
JUAR
EZ
0102030405060708090
100
Incidencia Severidad Defoliación
% d
e da
ño
BOURBON CATUAI CATURRA TYPICA0
10
20
30
40
50
60
70
80
90
Incidencia Severidad Defoliación
% d
e da
ño
Por municipio
Por variedad
Data DGSV LANREF 2012
Gráficos de Muestreo Nov-Dic 2012
Intensivo Organico ( certi-ficado )
Semintensivo Tradicional0
10
20
30
40
50
60
70
80
90
Incidencia Severidad Defoliación
% d
e da
ño
Desarrollo Madurez fisiologica0
10
20
30
40
50
60
70
80
90
Incidencia Severidad Defoliación
% d
e da
ño
Por Manejo del Cultivo
Por fenología
Data DGSV LANREF 2012
Gráficos de Muestreo Nov-Dic 2012
8.0
12.6
17.1
21.7
26.3
30.9
35.4
40.0
44.6
0
50
100
150
200
250Histograma de Frecuencias Edad
Clases
Frec
uenc
ia
> 50%
Data DGSV LANREF 2012
¿Cómo podemos restituir el balance?
Una epidemia implica un desbalance productiv0
1. Conocer el potencial productivo del cultivo e impacto del daño. 2. Conocer variabilidad epidémica parcelaria-regional y sus causas.
4. Reingeniería del cultivo: variedades y manejo agronómico
3. Prevención y control mediante pronóstico del daño y de etapas críticas del cultivo
Para restituir el balance productivo requerimos:
¿Cómo podemos pronosticar la ocurrencia
de la roya del café?
La base es entender la variabilidad
Antecedente Caso Colombia: Aplicación con base en la curva epidemiológica regional y con base en fenología
Data: FNC Colmbia 2012
Meta es definir umbrales manejo.Por ejemplo: Cultivo del apio en Florida
Número de esporas/día Número de aplicaciones/semana
0-100 1
100-300 2
300-500 3
>500 3-7
¿Podemos tener este tipo de pronóstico para roya del cafeto?
¿Qué avances se tienen en pronóstico
local de roya del cafeto en relación
brote actual?
El daño ocurre en ciclos: Infección - - -> Esporulación La explosividad de una epidemia Número de ciclos/región
Evento Patogénesis
Periodo Patogénesis
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Incubación (Pi)Latencia (Pl)
Generación (Pg)
Penetración 1° Síntoma visual Inicio esporulación
Finaliza esporulación
Germinación de Esporas de Roya del CaféHongo: Hemileia vastatrixProducción de esporas y germinación
Planta de Café
Pronostico con base en cantidad de inoculo estimado con cantidad pústulas senescentes (viejas( y nuevas
INÓCULO 1ºSOROS
SENESCENTES
INÓCULO 2º SOROS NUEVOS
HOJAS CON ROYA- Inóculo 1°; lesiones necróticas del año anterior, que pueden o no esporular al borde.- Inóculo 2°; pústulas de color naranja-amarillo de diámetro variable que puede o no estar esporulando.
G. Calderón, 2012. Datos no publ.
Aloinfección
Autoinfección
Aplicación formal de relaciones de variables:1. Modelos de pronóstico a nivel parcelario y localidad en Guatemala
Modelo Var. Indep. R2 R2
aj. Cp VIF LOCALIDAD
HROY = 4.54SSEN2 SSEN2 0.86 0.84 8.93 1.00 R3 ESCUINTLA
HROY = 2.69SSEN4 SSEN4 0.68 0.67 0.05 1.00 R2 SAMAYAC
HROY = 1.71SSEN1 + 1.69SSEN4
SSEN1, SSEN4
0.94 0.93 1.78 1.09 R1 EL QUETZAL
HROY = 2.71SSEN1 SSEN1 0.98 0.97 -1.76 1.00 R1 EL PALMAR 1
HROY = 2.27SSEN2 SSEN2 0.92 0.91 5.20 1.00 R1 EL TUMBADOR
HROY = Hojas con roya en ramas lateralesSSEN = Soros senescentes por hoja (con sus lag 1, 2, 3 y 4, estos son a cada 15 días)
G. Calderón y Col. 2012. Datos no publicados
Modelo de Pronóstico con base en Densidad de Inóculo
Modelo Var. Indep. R2 R2aj. C(p) VIF LOCALIDAD
No. Hojas Roya = 2.27 (SSEN2) SEN2 es No. Soros Senescentes en 30 días
SSEN2 0.92 0.91 5.20 1.00 R1 EL TUMBADOR
G. Calderón et al., 2012Datos no publicados
*
**
------------------------------------ region=1 local=ElTumba ------------------------------------ Trazado de hroy*dias. El símbolo usado es '*'. Trazado de hroyest*dias. El símbolo usado es 'o'. hroy | 100 | | | | o | o | | o o o | | o o o 50 | o | o* | o * | * | * * * | o * | | | * * * * * * 0 |*** ** *o o*o o -|------------------|------------------|-- 0 200 400 días NOTA: 10 obs tiene valores ausentes. 6 obs ocultas.
Epidemia Campo Epidemia pronóstico R2= 0.91
Región 1 El Tumbador
La variabilidad parcelaria se debe integrar a variabilidad
regional
¿Cómo podemos pronosticar la ocurrencia de la roya del
café a nivel regional?
IncidenciaSeveridad
Soros
Hojas con roya
Condiciones Favorables
Hrs favorables
# mojadosMm lluvia
T°HR
PP
Datos estaciones
El modelo epidemiológico aplicado en ventanas inductivas caso Guatemala
Condiciones Favorables
Fenología
EdadFollaje
AMBIENTEHOSPEDERO
PATÓGENO
G. Calderón et al., 2012Datos no publicados
Problema: La defoliación factor de subestimación del efecto de clima
Fluctuación del número de hojas con roya en el tiempo, respecto a la brotación y desarrollo de hojas en la planta. Esto permitió corregir por defoliación. Se calculó incrementos absolutos.
-100-80-60-40-20
020406080
100
-30
-20
-10
0
10
20
30
S/AC. H.T. S/AC. H.R.
# HO
JAS
EN 2
0 RA
MAS
/10
PL.
0
10
20
30
40
50
60
70
80
H.T. H.R.
# HO
JAS
EN 2
0 RA
MAS
/10
PL
CAMBIO ABSOLUTO CAMBIO ABSOLUTO CORREGIDO
Datos climáticos: Fundamental para la aplicación del concepto. Red de estaciones climáticas de ANACAFE
Área de monitoreo de roya del café en los años 2009 - 2010
El concepto de ventana= Cambio estacional absoluto de daño (en un año productivo)
0
10
20
30
40
50
60
70
80
H.R. H.T.
Incr
emen
to A
bs. N
úm. h
ojas
V1
# días
ABCPE
V2 V3
Ciclo de producción
Tejid
o +
inoc
ulo
No
clim
a in
ducti
vo
Tejid
o +
inoc
ulo
Clim
a in
ducti
vo
Tejid
o +
inoc
ulo
Clim
a in
ducti
vo
ABCPE
Ventana Inductiva= f(V1,V2,V3)
El concepto de Ventana= Periodo estacional inductivo de daño en función a variables de clima
# días0
10
20
30
40
50
60
70
80
H.R. H.T.
# HO
JAS
ABCPE
Tejid
o +
inóc
ulo
Clim
a in
ducti
vo
ABCPE
V1
Ventana Inductiva= f (V1, V2, V3)
T (20-22ºC) y HR(>90%) Núm. de eventos lluvia (mojado) Total de precipitación
Vi
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Penetración 1° Síntoma visual Inicio esporulación
Finaliza esporulación
0.0
13.7
27.3
41.0
54.7
0
2
4
6
8
10
12 Horas Favorables t° 20-22°c y HR > 90% m
Clases
Frec
uenc
ia
0.0
13.3
26.5
39.8
53.0
66.3
0
2
4
6
8
10
12 Eventos de mojado (numero de precipitacione
ClasesFr
ecue
ncia
0.0
61.8
123.
6
185.
4
247.
2
309.
1
02468
10121416 Mm de Lluvia Coatepeque, 536 m
Clases
Frec
uenc
ia
Vi= (Clase TH)(Frec.) + (Clase M)(Freqc.) +(Clase P)(Frec.)VI= V1+V2+V3
Modelo Aditivo
Modelo PonderativoVi= 1.5(Clase TH)(Frec.) + (Clase M)(Freqc.) +2(Clase P)(Frec.)VI= V1+V2+V3
¿Cómo podemos aplicar el pronóstico de variables
climáticas en la estimación de ventanas inductivas en
estudios regionales?
Validación del Modelo
• Se compararon Mapas de ventanas inductivas regionales con Mapas de Incidencia y Severidad.
• Los datos de incidencia fueron obtenidos mediante encuesta a técnicos regionales de ANACAFE. La severidad se estimó mediante el modelo siguiente.
0 10 20 30 40 50 60 70 80 90 10005
101520253035404550
f(x) = 0.00658310168658465 x² − 0.313086989261018 x + 6.17457297633206R² = 0.863080994197113
INCIDENCIA
SEVE
RIDA
D
Severidad Oct-12
Severidad Nov-12
Mapas de intensidad de daño. Chiapas
*Variable estimada con datos de Calderón (2009-2010) bajo el modelo de regresión lineal simple:
y = 0,660x + 0,991 r² = 0,774
Dónde:y = Hojas Royax = Incidencia
Mapa de intensidad de severidad de roya del cafeto. Guatemala 2012
Pronóstico regional con ventanas de Inductividad Climática Ver: 13marzo13
Conteo de Horas Ventana Inductiva
(HVI):1. Temp >20 y <222. Hum. Rel >90
3. HVI son acumuladas al 18 de Octubre
Ej. HVIsem6 + HVIsem…n
Evidencia de incremento de horas favorables en el tiempo. Coatepeque, Quetzaltenango (600 msnm)
-400
-360
-320
-280
-240
-200
-160
-120-8
0-4
004080120
160
200
240
280
320
360
400
0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0.0040
0.0045
20122104
21962287
23802471
25632655
27642838
29303022
31143206
32983390
34823574
36663758
3850
20072008
2009201020112012
DESPLAZAMIENTO DE MEDIA
Incidencia 2009-2010318 000 mediciones/6 años
Conclusões: A epidemiologia temporal e importante em estudos de previsão.
Os modelos de previsão podem ser probabilísticos o determinísticos e podem ser aplicado a nível de parcela e region. O enfoque regional representa um futuro na epidemiologia. O base para desenvolver um modelo e o sistema epidemiológico e devem ser planeado com uma forte base biológica.
A exploração da estrutura das epidemias e importante para formular hipóteses prévio ao execução de analises matemático.