epidemiología y pronóstico2014

Pronóstico Epidemiológico

Fit 612G. Mora

¿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

¿Cómo podemos restituir el balance?

Una epidemia implica un desbalance productiv0

¿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

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

Inc = Esp14 (0.0011) + T3014 (0.0030) + HR14 (0.0018)

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 )

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

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

Monitoreo del patógeno. Trampas esporas de volumétrica o succión

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

¿Qué avances se tienen en pronóstico

local de roya del cafeto en relación

brote actual?

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



Incubación (Pi)Latencia (Pl)

Generación (Pg)



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

Indicadores Epidemiológicos: Puebla

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


Hrs favorables

# mojadosMm lluvia

T°HR

PP

Datos estaciones

El modelo epidemiológico aplicado en ventanas inductivas caso Guatemala


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





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

Pronóstico regional con ventanas de Inductividad Climática Ver: 13marzo13

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

¿Qué avances se tienen en pronóstico regional de roya del cafeto en relación

brote actual?

Severidad Oct-12

Severidad Nov-12

Mapas de intensidad de daño. Chiapas

Defoliación Oct-12

Defoliación Nov-12

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


% 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


% d

e da

ño

Desarrollo Madurez fisiologica0

10

20

30

40

50

60

70

80

90


% 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]

¿Cómo se integra esta información al Plan

Estratégico para el Manejo Preventivo de la roya?

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.

Mapa de producción café a nivel Nacional

Mapa de altitud y superficie de café

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

Escala de Severidad en Hoja

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

mailto:[email protected]

mailto:[email protected]

epidemiología y pronóstico2014

Education