Epidemiología y pronóstico2014
-
Upload
sinaveflab -
Category
Education
-
view
146 -
download
0
Transcript of Epidemiología y pronóstico2014
¿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
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
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
Antecedente Caso Colombia: Aplicación con base en la curva epidemiológica regional y con base en fenología
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?
Ejemplos de modelos de pronóstico casos:
1. Fusarium y Lasiodiplodia-Mango2. Colletotrichum sp-cítricos
Caso
1. Selección de los factores y variables epidemiológicas
Caso : MangoBrasil y MéxicoDaniela Lopez (Embrapa Brasil)Gustavo Mora A (CP Mexico)
PETROLINA
CASA NOVA
LAGOA GRANDE
CURAÇÁ
JUAZEIRO
SOBRADINHO
COPAFRUIT
UPA AGRÍCOLA
FRUITFORTBOA ESPERANÇA
NOVA FRONTEIRA
SÃO FRANCISCO
AGUISA (ABARÉ, BA)AGRODAN (IBÓ, PE)
2. Planeación regional: Número y localización de trampas de esporas y estaciones meteorológicas
Valle de San Francisco, Petrolina Brasil
MONITORAMENTO DE ESPOROS NA CULTURA DA MANGUEIRA
EMPRESA: Nova Fronteira
Data Patógeno/Total diário do número de esporosda Alternária Alternária Colletotrichum Fusarium Lasiodiplodia Oidium
Coleta alternata solani14/03/02 0 1 0 0 0 015/03/02 0 0 0 0 0 016/03/02 1 4 0 0 2 017/03/02 2 5 0 0 0 018/03/02 0 3 0 0 3 019/03/02 0 3 0 0 10 020/03/02 0 0 0 0 1 0
3. Medición de variables:
• Número de esporas diárias• Registro diário de temperatura, lluvia, etc.• Medición de daño (p.e. incidencia)
Fluctuación de esporas de Lasiodiplodia
0
50
100
150
200
250
300
350
400
450
500
04/07
/01
11/07
/01
18/07
/01
25/07
/01
01/08
/01
08/08
/01
15/08
/01
22/08
/01
29/08
/01
05/09
/01
12/09
/01
19/09
/01
26/09
/01
SFrancisco UPA Fruitfort
Importancia de la Calidad del Dato en Evaluaciones
Morte descendente da mangueira
05
101520253035404550
abr-0
1jun
-01
ago-0
1ou
t-01
dez-0
1fev
-02ab
r-02
jun-02
ago-0
2ou
t-02
dez-0
2fev
-03ab
r-03
jun-03
data
% ra
mos
/infl.
afe
tada
s
0
100
200
300
400
500
600
700
800
epidemias vegetativas epidemias florais floração
050
100150
200250
300
abr-0
1jun
-01
ago-
01
out-0
1
dez-
01
fev-
02
abr-0
2jun
-02
ago-
02
out-0
2
dez-
02
fev-
03
abr-0
3jun
-03
data
no. e
spor
osLa
siod
iplo
dia/
dia
Muerte Regresiva del Mango
Importancia de la Calidad del Dato en Evaluaciones
% in
flore
scen
cias
afe
ctad
as
Fecha
No.
esp
oras
de
Lasio
dipl
odia
Fecha
Epidemia en flores FloraciónEpidemia Vegetativas
0.01
0 5 13 18 23 26 31 36 41 47 500,010
0,015
0,020
0,025
0,030
0,035
54
Inc = Esp14 (0.0011) + T3014 (0.0030) + HR14 (0.0018)
(0.0011) + (0.0030) + (0.0018) =
(0.0011) + (0.0030) + (0.0018) =
0.01 0 10.5 0.019 2.72 1 5.5 0.016
(0.0011) + (0.0030) + (0.0018) =0.01 3 4.5 0.017
R2=0.93 (p=0001)Error=7%CPm=3.0
Dias
Inci
denc
ia (a
rcsin
inc 1/
2 )
0.00
0.01
0.02
0.03
0.04
0.05
0.06
Sep Nov En1 En3 Feb2 Mar May
Inci
denc
ia n
o A
cum
ulad
a
Criterio de inicio de control químico
0.00
100
200
300
0.00
0.20
0.40
0.60
0.80
Jun Ago Nov En1 En3 Feb2
Núm
ero de
Esp
oras
Velocida
d de
Vient
o
Criterio de Poda Previo a Brotación
r2=0.24 (P=059(Petrolina BR9
Aplicación del criterio fenológico en el control
Control Integrado
10
20
30
40
0.00.0
10
20
30
40
5070
Control Productor
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
50
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
Porc
enta
ge d
e B
rote
s Enf
erm
os
PromedioYo=6%
Poda
Poda
Control Químico
PromedioABCPE=300
Control Químico
PromedioABCPE=100
Manejo
PromedioYo=3.5%
Caso 2. CítricosCaída de Fruto Pequeño
Daño severo de la enfermedad Tachuelas adheridas a la ramaReyes, B. 2000
4. Definición de Variables en un Modeloprobabilístico
Variables SimbolosIndependientesNo. de esporas no acumuladas de Colletotrichum sp. Esp1-8
No. de esporas acumuladas de Colletotrichum sp. Esp21-8
Temperatura mínima Tmin1-8
Temperatura máxima Tmax1-8
Humedad Relativa Máxima HRmax1-8
Humedad Relativa Máxima acumulada HRmax21-8
DependientesPorcentaje de incremento de enfermedad Yt-Yt-1
Reyes, 2002
1. Relación daño con esporas y clima
0
5
10
15
20
25
30
0
5
10
15
20
25
30In
cide
ncia
abs
olut
aE
spor
asH
R (%
)
T (ºC)
3 5 7 9 11 13 15 17 19 21 23 25 27 29 3110
30
50
70
90
10
15
20
25
30
Tiempo (Días)
19c / 6
90% / 6
Inf. Latentes
Inf. Activas
Inc = 0.021 espo3 + 0.016 Tmi2
R2 = 0.93Cp = 1.09
VIF = 14.3
Modelos generados para predecir la ocurrencia
14.29*4.151.09550.910.93Inc=0.021espo3+0.016Tmi2
3.57*1.01.62120.690.72Inc=0.004HRmax7
4.35*1.00.46200.740.77Inc=0.017Tmi7
5.55*1.00.00760.800.82Inc=0.021Tmi6
16.66*1.00.75110.930.94Inc=0.024Tmi4
10.00*1.00.66860.890.90Inc=0.023Tmi3
5.00*1.01.00.780.80Inc=0.026espo3
4.76*1.00.21740770.79Inc=0.025espo2
VIFdVIFeCpRa2bR2Modeloa
El Cafeto Patógeno ClimaManejo
del Cultivo
El Marco Racional Epidemiológico
Variables
Fenología EsporasPatogénesisDaño
TemperaturaHumedad RelativaPunto de Rocío
VariedadSombraEdad, otras
ProductosImpactos productivo Indicadores epidémicos
El daño ocurre en ciclos La explosividad de una epidemia= a) mas ciclos b) ciclos cortos
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
CHIAPAS: Curva epidémica y clima. Caso Municipio A. A. Corzo: A 14 marzo, 2014
Pérdida estimada 28.7%Tapachula 8.5%
65% Severidad Máxima Periodo Sostenido Daño: Fruto en Desarrollo a cosecha
20-22oC >90%HR
CHIAPAS: Curva epidémica caso Parcela: A.A.Corzo – Gilberto Vázquez (pf.chi.ang.7 )
65% Severidad Máxima
20-22oC >90%HR
VERACRUZ : Ejemplo curva epidémica y clima. Caso Soteapan: hasta 14 marzo, 2014
65% Severidad Máxima
Periodo reducido Daño:Fruto maduro
>22oC
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
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
*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
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
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
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
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%
Modelo de Pronóstico generado a partir de Muestreo Nov-Dic 2012
0.0
14.3
28.6
42.9
57.1
71.4
85.7
100.
0
114.
30
20
40
60
80
100
120
140
0.00.10.20.30.40.50.60.70.80.91.0
0.08 0.08 0.08 0.090.14
0.33
0.64
1.00 1.00
Histograma de Frecuencias Incidencia
Clases
Frec
uenc
ia
0.0
10.7
21.5
32.2
43.0
53.7
64.5
75.2
85.9
020406080
100120140160180
0.00.10.20.30.40.50.60.70.80.91.0
0.07 0.08
0.22
0.67
0.890.99 1.00 1.00 1.00
Histograma de Frecuencias Severidad
Clases
Frec
uenc
ia
0.0
14.3
28.6
42.9
57.1
71.4
85.7
100.
0
114.
3020406080
100120140160180200
0.00.10.20.30.40.50.60.70.80.91.0
0.00 0.040.13
0.63
0.77
0.93 0.931.00 1.00
Histograma de Frecuencias Defoliación
Clases
Frec
uenc
ia
Variable Modelo y=1-e[-(t/b)c] Sig r2
Incidencia y=1-e[-(t/175.8) 5.5] 0.98
Severidad y=1-e[-(t/89.4) 3.05] 0.99
Defoliación y=1-e[-(t/99.67) 2.75] 0.97
Modelos de pronóstico
y=1-e[-(t/175.8) 5.5]
y=1-e[-(t/89.4) 3.05] y=1-e[-(t/99.67) 2.75]
1. Determinación del Número de Parcelas Centinela por Estado
1
Escalar Muestreo 1
Considerar Fracción de Ha 2
MunicipioSup_Café (has) Pond_Superf Pond_Foco Pond_Prec Pond_Altura Pond_Temp Fact_Pond Log Fact_Pond No. Sitios Ni Log Parcelas centinela
20101.74
390.0 14.01000 1000
7
No. Hectáreas
Cercanía de Foco Altitud
Temp. Prec.
Superficie Café
P. centinela= LogFact_Pond/ (Sup_Café^( ∑Fact_Pond)) *((t)*(2))
Factor Operativo
1
Escalar Muestreo 1
Considerar Fracción de Ha 2
Municipio Sup_Café (has) Pond_Superf Pond_Foco Pond_Prec Pond_Altura Pond_Temp Fact_Pond Log Fact_Pond No. Sitios Ni Log Parcelas centinelaACAPONETA 36 1 1 1 2 1 2.0 0.3 5.13 5.1 0.7873 0COMPOSTELA 6120 4 1 1 3 2 24.0 1.4 61.54 61.5 1.7961 0HUAJICORI 21.00 1 1 3 2 3 18.0 1.3 46.15 46.2 1.6735 0NAYAR EL 313.42 2 1 3 2 3 36.0 1.6 92.31 92.3 1.9699 1RUIZ 2848.32 3 1 4 2 2 48.0 1.7 123.08 123.1 2.0937 1SAN BLAS 3847 4 1 4 2 2 64.0 1.8 164.10 164.1 2.2178 1SANTA MARIA DEL ORO 27.00 1 1 1 3 2 6.0 0.8 15.38 15.4 1.2144 0SANTIAGO IXCUINTLA 2,445.00 3 1 4 2 2 48.0 1.7 123.08 123.1 2.0937 1TEPIC 931 2 1 3 3 2 36.0 1.6 92.31 92.3 1.9699 1XALISCO 3513 4 1 3 3 3 108.0 2.0 276.92 276.9 2.4439 2
20101.74 390.0 14.0 1000 1000 7
No. Hectáreas
2. Determinación del Número de Parcelas Centinela por Estado
Soporte Estadístico
Estado Sup. Café (Ha)
Porcentaje de Error2 (tecnicos)
1% 5% 10%
Chiapas 257367.99 94 68.7 37.6 48
Veracruz 156977.17 57.071 41.9 22.9 44
Oaxaca 154745.78 56.259 41.3 22.6 12
Puebla 71448.91 25.976 19.1 10.4 32
Guerrero 47161.75 17.146 12.6 6.9 36
Hidalgo 26333.26 9.574 7.0 3.8 14
Nayarit 20101.74 7.308 5.4 2.9 6
SLP 18379.5 6.682 4.9 2.7 10
Jalisco 3983 1.448 1.1 0.6 4
Colima 2573.5 0.936 0.7 0.4 6
n=[((N)*(ᵶ²)*(S²)/(N)*(d²)+(ᵶ²)*(S²))*(hai/hax)]*(Fact_Pond/∑Fact_Pond)
3. Criterios para selección de parcelas centinelas
1. Altitud.
2. Variedades susceptibles.
3. Manejo (orgánico y/o convencional).
4. Tipo de tecnificación.
5. Tipología de producción.
4. Metodología de Muestreo y Evaluación de Severidad en Planta y porcentaje de Defoliación en Planta
• Seleccionar en el centro de cada parcela centinela (1 ha) un bloque de 37 x 37 plantas, de tal forma que no se considere el bordo de la parcela.
• Seleccionar una planta cada cuatro, es decir, una planta sí y tres no, en total se evaluarán 100 plantas, las cuales se ilustran con un recuadro azul en la siguiente diapositiva.
• Evaluar en las 100 plantas seleccionadas la Severidad en Planta y el Porcentaje de Defoliación en Planta, en base a las escalas diagramáticas específicas para este fin.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21 22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
4. Metodología de Muestreo y Evaluación de Severidad en Planta y porcentaje de Defoliación en Planta
1 2 1 0 1 2 3 0 2 0
3 4 1 2 3 2 2 3 1 1
1 2 2 2 1 4 3 1 2 0
1 3 1 1 1 2 3 0 2 3
0 2 1 0 1 2 3 0 2 3
Escalas de Severidad en Planta y porcentaje de Defoliación en Planta
0(Sano)
1(3%)
2(10%)
3(30%)
4(60%)
0(Sana)
1(20%)
2(40%)
3(60%)
4(>60%)
Severidad en planta
Porcentaje de defoliación
5. Metodología de Muestreo y Evaluación de Severidad en Hoja y variables Fenológicas
• Seleccionar en el centro de cada parcela centinela (1 ha) un bloque de 37 x 37 plantas.
• Dentro del bloque de 37 x 37 plantas establecer el método cinco de oros compuesto, el cual consiste en seleccionar 5 puntos (4 esquinas y uno en el centro) en cada punto seleccionar cuatro plantas, para un total de 20 plantas, el método 5 de oros compuesto y las plantas a seleccionar se ilustran con el circulo amarillo, recuadro azul.
• Evaluar en las 20 plantas seleccionadas las siguientes variables: Severidad en Planta, Hoja, en base a las escalas diagramáticas diseñadas para este fin, y las siguientes variables Fenológicas: Fenología
• Hojas jóvenes• Hojas viejas• Brotación• Floración• Amarre de fruto• Fruto Acuoso
• Fruto Lechoso
• Fruto Consistente
• Fruto Maduro• Ramas
productivas
5. Metodología de Muestreo y Evaluación de Severidad en Hoja y variables Fenológicas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
Ubicación para evaluación de variables FenológicasSeveridad en Hoja
1
0
3
2
1
0
3
2
Estrato alto
Estrato medio
Estrato bajo
No. de brotes/rama seleccionada
No. de frutos amarre/rama
No. de rama productivas
No. de flores/rama
No. de frutos acuosos/rama
No. de frutos lechosos/rama
No. de frutos consist./rama
No. de frutos maduros/rama
Variables a evaluar
No. de brotes/rama seleccionada
No. de frutos amarre/rama
No. de rama productivas
No. de flores/rama
No. de frutos acuosos/rama
No. de frutos lechosos/rama
No. de frutos consist./rama
No. de frutos maduros/rama
6. Metodología de Evaluación de Variables Fenológicas
Viento dominante
Parcela centinela (1 ha)
37 plantas
37 p
lant
as
Borde de parcela
Borde de parcela
Trampas aerobiológicas pasivas
Trampas aerobiológicas pasivas
Estación Agroclimática
Trampa volumétrica
Datalogger
7. Monitoreo de esporas y evaluación de variables climáticas
500 ha
Parcela centinela (1 ha)
Parcela demostrativa
Investigación participativa
Muestreo dirigido
5 de oros compuesto
Variables experimentales
Productos químicos
Nutrición
Manejo planta
Parcelas Experimentales
Investigación con productor
cooperante
Criterios Decisión (UMB) Modelos de Pronostico local y
regional
Parcelas Experimentales
Investigación con productor cooperante
Parcela demostrativa
Investigación participativa
8. Distribución de parcelas centinela y área de acción
Variables de daño
Severidad en Planta y Hoja
Variables Fenológicas
Defoliación
Muestreo sistemático
Plataforma de Datos
Aprox. 50 parcelasEn Chiapas Méx.
Conclusiones • La roya de cafeto en México por mas de 30 años se ha comportado
endémico con baja prevalencia. En 2010 se reportaron incrementos atípicos de incidencia de roya en Colombia, Guatemala y Honduras.
• El incremento epidémico esta aparentemente asociado con variaciones climática, principalmente incremento de precipitación.
• Es importante un programa de monitoreo y evaluación regional de la
roya que permita determinar las acciones fitosanitarias mas adecuadas con bases biológicas y epidemiológicas.
• El uso de modelos de pronóstico a nivel local y regional con base en variables de clima, hospedante y patógeno pueden optimizar las acciones de vigilancia y control.
• El empleo de parcelas centinelas están concebidas para generar instrumentos de decisión con un adecuado soporte racional y operativo.
GRACIAS
Contacto: Dr. Gustavo Mora Aguilera Coordinador SINAVEF-LAB
[email protected] [email protected]
Tel: (01-595) 95-20200 Ext. 1620-1614