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