Modelo de Pronóstico Roya Café
-
Upload
sinaveflab -
Category
Documents
-
view
285 -
download
0
Transcript of Modelo de Pronóstico Roya Café
Modelos de pronóstico casos: 1. Fusarium y Lasiodiplodia-Mango 2. Colletotrichum sp-cítricos 3. Roya del cafeto
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
Caso
1. Selección de los factores y variables epidemiológicas
Caso : Mango Brasil y México Daniela Lopez (Embrapa Brasil)
Gustavo Mora A (CP Mexico)
PETROLINA
CASA NOVA
LAGOA GRANDE
CURAÇÁ
JUAZEIRO
SOBRADINHO
COPAFRUIT
UPA AGRÍCOLA
FRUITFORT
BOA 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 esporos
da Alternária Alternária Colletotrichum Fusarium Lasiodiplodia Oidium
Coleta alternata solani
14/03/02 0 1 0 0 0 0
15/03/02 0 0 0 0 0 0
16/03/02 1 4 0 0 2 0
17/03/02 2 5 0 0 0 0
18/03/02 0 3 0 0 3 0
19/03/02 0 3 0 0 10 0
20/03/02 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
04/0
7/01
11/0
7/01
18/0
7/01
25/0
7/01
01/0
8/01
08/0
8/01
15/0
8/01
22/0
8/01
29/0
8/01
05/0
9/01
12/0
9/01
19/0
9/01
26/0
9/01
SFrancisco UPA Fruitfort
Importancia de la Calidad del Dato en Evaluaciones
Morte descendente da mangueira
0
5
10
15
20
25
30
35
40
45
50
abr-0
1
jun-
01
ago-
01
out-0
1
dez-
01
fev-02
abr-0
2
jun-
02
ago-
02
out-0
2
dez-
02
fev-03
abr-0
3
jun-
03
data
% r
am
os/in
fl. afe
tad
as
0
100
200
300
400
500
600
700
800
epidemias vegetativas epidemias florais floração
0
50
100
150
200
250
300
abr-01
jun-
01
ago-
01
out-0
1
dez-
01
fev-
02
abr-02
jun-
02
ago-
02
out-0
2
dez-
02
fev-
03
abr-03
jun-
03
data
no
. e
sp
oro
sL
as
iod
iplo
dia
/dia
Muerte Regresiva del Mango
Importancia de la Calidad del Dato en Evaluaciones
% in
flo
resc
en
cias
afe
ctad
as
Fecha
No
. esp
ora
s d
e L
asi
od
iplo
dia
Fecha
Epidemia en flores Floración Epidemia Vegetativas
Inc = Esp14 (0.0011) + T3014 (0.0030) + HR14 (0.0018)
0.01
0 5 13 18 23 26 31 36 41 47 50
0,010
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
de
nci
a (a
rcsi
n in
c 1
/2)
Inc = Esp21 (0.00073) + Tmax21 (0.00014)
R2=0.42 (P=001) Error 58%
0.00
0.01
0.02
0.03
0.04
0.05
0.06
Sep Nov En1 En3 Feb2 Mar May
In
cid
en
cia
no
Acu
mu
lad
a
Criterio de inicio de control químico
0.00
100
200
300
0.00
0.20
0.40
0.60
0.80
JunAgoNovEn1En3Feb2
Número de Esporas
Velocidad de Viento
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
50
70 Control
Productor
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
50
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
Po
rcen
tage
de
Bro
tes
En
ferm
os
Promedio
Yo=6%
Poda
Poda
Control Químico
Promedio
ABCPE=300
Control Químico
Promedio
ABCPE=100
Manejo
Promedio
Yo=3.5%
Caso 2. Cítricos Caída de Fruto Pequeño
Daño severo de la enfermedad Tachuelas adheridas a la rama
Reyes, B. 2000
Monitoreo del patógeno. Trampas esporas de
volumétrica o succión
1. Relación daño con esporas y clima
0
5
10
15
20
25
30
0
5
10
15
20
25
30 In
cid
en
cia
abso
luta
E
sp
ora
s
H R
(%
)
T (ºC
)
3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 10
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 = 0.93
Cp = 1.09
VIF = 14.3
4. Definición de Variables en un Modelo probabilístico
Variables Simbolos
Independientes
No. 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
Dependientes
Porcentaje de incremento de enfermedad Yt-Yt-1
Reyes, 2002
Modelos generados para predecir la ocurrencia
14.29* 4.15 1.0955 0.91 0.93 Inc=0.021espo3+0.016Tmi2
3.57* 1.0 1.6212 0.69 0.72 Inc=0.004HRmax7
4.35* 1.0 0.4620 0.74 0.77 Inc=0.017Tmi7
5.55* 1.0 0.0076 0.80 0.82 Inc=0.021Tmi6
16.66* 1.0 0.7511 0.93 0.94 Inc=0.024Tmi4
10.00* 1.0 0.6686 0.89 0.90 Inc=0.023Tmi3
5.00* 1.0 1.0 0.78 0.80 Inc=0.026espo3
4.76* 1.0 0.2174 077 0.79 Inc=0.025espo2
VIFd VIFe Cp Ra2b R2 Modeloa
Antecedente Caso Colombia: Aplicación con base en la curva epidemiológica regional y con base en fenología
Caso 3. Roya del Café / Café
Pronostico con base en cantidad de inoculo estimado con cantidad pústulas senescentes (viejas( y nuevas
INÓCULO 1º SOROS
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 laterales SSEN = 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., 2012 Datos 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?
Incidencia
Severidad
Soros
Hojas con roya
Condiciones Favorables
Hrs favorables
# mojados
Mm lluvia
T°
HR
PP
Datos estaciones
El modelo epidemiológico aplicado en ventanas inductivas caso Guatemala
Condiciones Favorables
Fenología
Edad Follaje
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.
-30
-20
-10
0
10
20
30
-100
-80
-60
-40
-20
0
20
40
60
80
100
# H
OJA
S EN
20
RA
MA
S/1
0 P
L.
S/AC. H.T. S/AC. H.R.
0
10
20
30
40
50
60
70
80
# H
OJA
S EN
20
RA
MA
S/1
0 P
L
H.T. H.R.
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
Incr
em
en
to A
bs.
Nú
m. h
oja
s
H.R. H.T.
V1
# días
ABCPE
V2 V3
Ciclo de producción
Tejid
o +
ino
culo
N
o c
lima
ind
uct
ivo
Tejid
o +
ino
culo
C
lima
ind
uct
ivo
Tejid
o +
ino
culo
C
lima
ind
uct
ivo
ABCPE
Ventana Inductiva= f(V1,V2,V3)
El concepto de ventana= Cambio estacional absoluto de daño (en un año productivo)
# días 0
10
20
30
40
50
60
70
80
# H
OJA
S
H.R. H.T.
ABCPE
Tejid
o +
ino
culo
C
lima
ind
uct
ivo
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
2
4
6
8
10
12
0.0
27.3
54.7
Frecu
en
cia
Clases
Horas Favorables t° 20-22°c y HR > 90% m
0
2
4
6
8
10
12
0.0
26.5
53.0
Frecu
en
cia
Clases
Eventos de mojado (numero de precipitacione
0
2
4
6
8
10
12
14
16
0.0
123.6
247.3
Frecu
en
cia
Clases
Mm de Lluvia Coatepeque, 536 m
Vi= (Clase TH)(Frec.) + (Clase M)(Freqc.) +(Clase P)(Frec.) VI= V1+V2+V3
Modelo Aditivo
Modelo Ponderativo
Vi= 1.5(Clase TH)(Frec.) + (Clase M)(Freqc.) +2(Clase P)(Frec.) VI= V1+V2+V3
*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 Roya x = Incidencia
Mapa de intensidad de severidad de roya del cafeto. Guatemala 2012
Pronóstico regional con ventanas de Inductividad Climática Ver: 13marzo13