simulaciones espaciales y temporales de...

Producto 13

1

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

SIMULACIONES ESPACIALES Y TEMPORALES DE ESCENARIOS DE RIESGO FITOSANITARIO

Introducción

Las simulaciones espaciales y temporales con el uso de modelos biológicos forman parte de un enfoque

o metodología científica más amplio, denominado Dinámica de Sistemas, el cual comprende una serie de

principios filosóficos relacionados con la manera de ver e interpretar la realidad, así como una serie de

técnicas para el análisis de procesos y sistemas. Dentro de estas últimas, la construcción de modelos y la

simulación han sido ampliamente difundidas como herramientas para apoyo de la investigación y la

transferencia de tecnología y conocimientos, (Quijano, 2001). Existen varios tipos de modelos entre ellos

están los estáticos o dinámicos. Los modelos dinámicos representan a los sistemas cuyo estado varía

con en el tiempo y los modelos estáticos representan a los sistemas cuyo estado es invariable a través

del tiempo. Frecuentemente estos modelos estáticos son componentes de los dinámicos. (Rabbinge et

al., 1989).

Los modelos de simulación dinámica, por su gran capacidad para representar el comportamiento de

procesos complejos, son una herramienta muy útil para apoyar el manejo de problemas fitosanitarios,

donde las interacciones entre las condiciones climáticas, el estado de desarrollo del cultivo y la población

de la plaga determinan que: El organismo pueda establecerse en una región en la que con anterioridad

no se encontraba, Este organismo se disemine a otras zonas de importancia agrícola y, Ocasione daños

a la producción de especies cultivadas.

El modelo de simulación es la herramienta que permite utilizar la información disponible para calcular el

resultado de las interacciones entre el Cultivo, el Ambiente físico (representado por el suelo y el clima) y

los organismos dañinos para llevar a cabo pronósticos de la producción de los cultivos y del efecto de las

plagas y enfermedades sobre la misma.

Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria

2

Info

rme

2009

CONVENIO INIFAP-UASLP

DESARROLLO DE MODELOS DE PRONÓSTICO MULTITEMPORAL Y

MULTIVARIADO DE PLAGAS REGLAMENTADAS

INFORME FINAL, MARZO 2010

Producto 13

3

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

DESARROLLO DE MODELOS DE PRONÓSTICO MULTITEMPORAL Y MULTIVARIADO DE PLAGAS REGLAMENTADAS

Antecedentes

El Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria es una iniciativa de la Dirección General

de Sanidad Vegetal, enmarcada tanto en la Ley Federal de Sanidad Vegetal, el reglamento interior de la

SAGARPA así como en diversos artículos de la Convención Internacional de Protección Fitosanitaria y

tiene entre sus principales funciones las siguientes:

Recopilar información para definir el inventario nacional de plagas reglamentadas y su

epidemiología;

Identificar problemas fitosanitarios para priorizar programas, necesidades de investigación y

transferencia de tecnología;

Documentar, detectar y alertar en forma oportuna los brotes de plagas reglamentadas;

Detectar rutas migratorias y/o establecer la regionalización epidemiológica de dispersión de

plagas y requerimientos bioclimáticos;

Simular con criterios espaciales y temporales escenarios de riesgo fitosanitario para la toma

de decisiones en materia fitosanitaria;

Elaborar mapas descriptivos que permitan visualizar la ubicación espacial de focos de

infestación; Implementar una plataforma informática para el manejo coordinado de plagas

reglamentadas y su epidemiología.

Con la finalidad de desarrollar tanto el SINAVEF como los productos que de éste se esperan, la

Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación, SAGARPA, a través del

Servicio Nacional de Sanidad, Inocuidad y Calidad Alimentaria, SENASICA ha suscrito un convenio de

colaboración con la Universidad Autónoma de San Luis Potosí, UASLP, el cual permitirá desarrollar el

soporte técnico y científico que requiere este sistema.

En tal contexto, se plantea la colaboración entre el INIFAP y la UASLP en el desarrollo de elementos

tecnológicos para la vigilancia fitosanitaria como son los modelos de pronóstico de plagas y

enfermedades y los sistemas informáticos de alerta fitosanitaria.

Objetivos

Desarrollar, validar e implementar dentro de la plataforma informática del SINAVEF los modelos de

pronóstico multitemporal y multivariados de las plagas que se enlistan a continuación:


4

Info

rme

2009

Mosca del Mediterráneo, Ceratitis capitata

Huanglongbing de los cítricos y su vector el psílido asiático de los cítricos, Diaphorina citri

Palomilla del nopal, Cactoblastis cactorum Berg

Cochinilla rosada, Macconellicocus hirsutus

Langosta centroamericana, Schistocerca piceifrons piceifrons

Roya asiática, Phakopsora pachyrizi

La plataforma utilizada para el desarrollo de los modelos es Vensim versión 4.2a. Para la validación de

estos modelos se ha utilizado información de la literatura, las fichas técnicas y datos de las campañas

fitosanitarias como en el caso de la Langosta.

En el caso de los modelos de Langosta y de Diaforina se han llevado a cabo simulaciones múltiples que

involucran a diferentes años y estaciones climatológicas de todo el país en apoyo a la delimitación de

zonas de riesgo para estos organismos. Los resultados de la simulación se han convertido en capas de

información (shape files), los cuales permitirán su inserción en la plataforma SCOPE sin ningún

problema.

Se plantea que el Laboratorio de Análisis de Bioprocesos y Modelaje de Organismos Dañinos, LABDIN,

ubicado en el Campo experimental Bajío, apoye al LANGIF en la ejecución de los modelos desarrollados

para complementar la información generada por el SCOPE de acuerdo con la Figura 1.

Figura 1. Esquema para la ejecución de los modelos desarrollados.

LANGIF

LABDIN

SCOPE

LANGIF

LABDIN

SCOPE

Producto 13

5

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Los usuarios del SINAVEF accederán al SCOPE y podrán ligarse al LABDIN para generar escenarios o

pronósticos del comportamiento de los organismos que podrán agregar a las capas de información

disponibles en el SCOPE.

Características generales de los modelos.

Los modelos de simulación dinámica forman parte de un enfoque o metodología científica más amplio,

denominado Dinámica de Sistemas, el cual comprende una serie de principios filosóficos relacionados

con la manera de ver e interpretar la realidad, así como una serie de técnicas para el análisis de procesos

y sistemas. Dentro de estas últimas, la construcción de modelos y la simulación han sido ampliamente

difundidas como herramientas para apoyo de la investigación y la transferencia de tecnología y

conocimientos, (Quijano, 2001).

Existen varios tipos de modelos entre ellos están los estáticos o dinámicos. Los modelos dinámicos

representan a los sistemas cuyo estado varía con en el tiempo y los modelos estáticos representan a los

sistemas cuyo estado es invariable a través del tiempo. Frecuentemente estos modelos estáticos son

componentes de los dinámicos. (Rabbinge et al., 1989).

Los modelos de simulación dinámica, por su gran capacidad para representar el comportamiento de

procesos complejos, son una herramienta muy útil para apoyar el manejo de problemas fitosanitarios,

donde las interacciones entre las condiciones climáticas, el estado de desarrollo del cultivo y la población

de la plaga determinan que:

• El organismo pueda establecerse en una región en la que con anterioridad no se encontraba,

• Este organismo se disemine a otras zonas de importancia agrícola y,

• Ocasione daños a la producción de especies cultivadas.

El modelo de simulación es la herramienta que permite utilizar la información disponible para calcular el

resultado de las interacciones entre el Cultivo, el Ambiente físico (representado por el suelo y el clima) y

los organismos dañinos para llevar a cabo pronósticos de la producción de los cultivos y del efecto de las

plagas y enfermedades sobre la misma.


6

Info

rme

2009

Modelo de la dinámica de población de la Langosta Centroamericana Schistocerca piceifrons

piceifrons.

Este modelo se adaptó a partir del modelo de dinámica poblacional de Langosta generado por Yáñez y

colaboradores en el 2009. El modelo estima el desarrollo fenológico del insecto a partir de las

condiciones para la reproducción de los adultos, incorporando las diferentes fases del ciclo de vida del

mismo.

Con respecto a variables externas, el modelo considera en primer lugar a la precipitación como la

variable que permite establecer si existen las condiciones para el crecimiento de la vegetación y por lo

tanto para la reproducción del insecto, la oviposición y la eclosión de los huevecillos. También se

considera a la temperatura como un factor determinante para calcular la tasa de cambio en cada estadio,

utilizando para ello el índice unidades calor para cada etapa.

De acuerdo a las condiciones que favorecen la reproducción de la langosta, ésta completa dos

generaciones en un año, lo cual es representado en el modelo de simulación (Cuadro 1).

Cuadro 1. Variables más importantes del modelo de simulación de langosta.

VARIABLE DEFINICION UNIDADES

Huevo Cantidad de huevecillos, la cual varía en función de la oviposición, la eclosión y la mortalidad de los mismos. = INTEG (Tasa oviposicion-Eclo-Tmort hue,)

Individuos

Ninfa 1

Cantidad de ninfas del primer estadio, la cual se calcula a partir de la eclosión de los huevecillos. =INTEG (Eclo-TDN 1-Tasa Mort n1)

Individuos

Ninfa 2-Ninfa 6

Cantidad de individuos en los estadios de ninfa 2 a la 6. = INTEG (TDN -TDN -Tasa Mort N) Individuos

Adulto

Cantidad de Adultos, esta variable se calcula a partir de una población inicial y a través del desarrollo de los estadios inmaduros. = INTEG (TDN 6-Tasa Mort A-Tmort nat Adultos)

Individuos

Tasa oviposicion1

Cantidad de huevecillos que la población de hembras fértiles deposita cada día en el suelo = Prolificidad de hembra/Periodo de oviposicion

Individuos/día

Producto 13

7

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo


Tmort hue

Cantidad de huevecillos que mueren por día en función de la humedad del suelo = Huevo*tabla mort Hue(Hum Rel Suelo/Hum Rel Ref)

Huevecillos/día

Tasa Mort n1-N6

Cantidad de Ninfas que mueren por día =Fmort N1*Ninfa 1 Individuos/día

Tasa Mort A Cantidad de Adultos que mueren por día =Adulto*fmort adulto

Eclo

Cantidad de huevecillos que eclosionan en función de la humedad y la temperatura =IF THEN ELSE(Selección UCA>uc n1, Huevo/Días desarrollo,0)

Individuos/día

TDN 1-TDN6

Cantidad de ninfas que se desarrollan por día en función de temperatura = IF THEN ELSE(UCA>uc n2,Ninfa 1/Días Desarrollo N1,0)

Individuos/día

UC Unidades calor acumuladas por día sobre la temperatura base. = ((Tmax + Tmin)/2)-Tb

oC/día

UCA Unidades calor acumuladas durante el ciclo IF THEN ELSE(UCA 0<=UC final Adultos, UC 0,0)

oC

Tb Temperatura base o umbral a partir de la cual la langosta puede desarrollarse. = 13

oC

Tmax, Tmín Temperatura máxima diaria y Temperatura mínima diaria =Data

oC

Rain Lluvia acumulada por día =Data

mm/día


8

Info

rme

2009

En la Figura 2, se muestra el Diagrama de Flujo del Modelo, en el cual se detallan los componentes y sus

relaciones.

Se realizaron simulaciones con el modelo para estimar la dinámica poblacional con datos de clima del

2009 de la estaciones de Biofresco en el estado de Yucatán y de INIFAP Ebano, en el estado de San

Luís Potosí.

En la Figura 3 se observa que la primera generación de langosta inicia el mes de Mayo y la segunda en

el mes de Septiembre para el municipio Ebano, San Luís Potosí, 2009.

Figura 2. Diagrama de Flujo del Modelo de dinámica de población de la Langosta Schistocerca piceifrons piceifrons Walker.

Producto 13

9

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

En la Figura 4 se observa que para el estado de Yucatán la primera generación de langosta inicia en el mes de Junio y la segunda generación a finales del mes de Septiembre.

INIFAP Ebano

0

5000

10000

15000

20000

25000

30000

35000

40000

00-Ene 19-Feb 09-Abr 29-May 18-Jul 06-Sep 26-Oct 15-Dic 03-FebFecha

Pobl

ació

n

Ninfa 1Ninfa 2Ninfa 3ninfa 4Ninfa 5Ninfa 6Adulto

Figura 3. Dinámica poblacional de Langosta Schistocerca piceifrons piceifrons Walter en Ebano, San Luís Potosí en el 2009.


10

Info

rme

2009

Biofresco Yucatan

0

10000

20000

30000

40000

50000

60000

19-May 08-Jul 27-Ago 16-Oct 05-Dic 24-EneFecha

Pobl

ació

n

Ninfa 1Ninfa 2Ninfa 3ninfa 4Ninfa 5Ninfa 6Adulto

Figura 4. Dinámica poblacional de Langosta Schistocerca piceifrons piceifrons Walter en Yucatán en el 2009

Producto 13

11

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Modelo de la dinámica de población de la Palomilla del Nopal Cactoblastis cactorum Berg.

Al igual que en el caso de la Langosta, el modelo de la Palomilla del Nopal permite estimar la aparición

sucesiva de los diferentes estadios del insecto (Cuadro 2 y Figura 5). Este modelo puede iniciar tanto a

partir de una población inicial de huevecillos o adultos como de una población migrante de adultos, cuyo

dato podrá ser alimentado a partir de las trampas de feromona. De acuerdo a las condiciones climáticas

este insecto puede completar hasta tres generaciones en un año.

Cuadro 2. Variables más importantes del modelo de simulación de la palomilla del nopal, C. cactorum.


Huevo Cantidad de huevecillos, la cual varía en función de la oviposición, la eclosión y la mortalidad de los mismos. = INTEG (Eclo-Tm H+Tovip)

Individuos

Larva 1

Cantidad de larvas del primer estadio, la cual se calcula a partir de la eclosión de los huevecillos. =INTEG (Eclo-TDL 1-TM L1)

Individuos

Larva 2-Larva 5

Cantidad de individuos en los estadios de Larva 2 a la 5. = INTEG (TDL 1-TDL 2-TM L2)

Individuos

Pupa Cantidad de individuos, la cual se calcula a partir de larva 5. TDL5-Tasa Mort Pupa-TDP

Individuos

Adulto

Cantidad de Adultos, esta variable se calcula a partir de una población inicial y a través del desarrollo de los estadios inmaduros. = INTEG (Adultos migrantes+TDP-Tasa Mort A-Tmort nat Adultos)

Individuos

Tovip

Cantidad de huevecillos que la población de hembras fértiles deposita cada día. = Prolificidad de hembra/Periodo de oviposición

Individuos/día

Tm H

Cantidad de huevecillos que mueren por día en función de la temperatura. = Huevo*tabla mort Hue(UCA/UC eclo)

Huevecillos/día

TM L1-L4 Cantidad de larvas que mueren por día =(Mort Larvas*Larva 1-4)/TL1-T4 Individuos/día


12

Info

rme

2009


Tm P Cantidad de pupas que mueren por día en función de la temperatura. (Mort Larvas*Pupa)/TP

Individuos/día

Tm A Cantidad de Adultos que mueren por día =Adulto*fmort adulto Individuos/día

Eclo

Cantidad de huevecillos que eclosionan en función de la temperatura. =IF THEN ELSE(Selección UCA>uc n1, Huevo/Días desarrollo,0)

Individuos/día

TDL 1-TDL 5

Cantidad de larvas que se desarrollan por día en función de temperatura = IF THEN ELSE(UCA>uc n2,L 1/Días Desarrollo L1,0)

Individuos/día

TDP

Cantidad de pupas que desarrollan por día en función de la temperatura. IF THEN ELSE(UCA>=UC req Pupa, ((Pupa*(1-Mort Larvas))/max(TP*factor P,1)), 0)*(1-EDFIS/5)

Individuos/día

Hembras Cantidad de hembras de la población existente. = Adulto*FHF Individuos

UC Unidades calor acumuladas por día = ((Tmax + Tmin)/2)-Tb °C/día

UCA Unidades calor acumuladas durante el ciclo. IF THEN ELSE(UCA 0<=UC final Adultos, UC 0,0) °C

Tb Temperatura base o umbral a partir de la cual la

palomilla del nopal puede desarrollarse. =13.13

°C

Tmax, Tmín Temperatura máxima diaria y Temperatura mínima

diaria =Data

°C

Producto 13

13

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Se realizaron simulaciones con el modelo para estimar la dinámica y el numero de generaciones con datos de clima del 2009 de la estación Pozo 5 del estado de Yucatán (Figura 6), donde se observa que para este año se pueden presentar cuatro generaciones de C. cactorum.

Figura 5. Diagrama de Flujo del Modelo de dinámica de población de la Palomilla del Nopal, Cactoblastis cactorum Berg.


14

Info

rme

2009

Pozo 5, Yucatan

0

10000

20000

30000

40000

50000

60000

00-Ene 09-Feb 20-Mar 29-Abr 08-Jun 18-Jul 27-Ago 06-Oct 15-Nov 25-DicFecha

Pobl

ació

n

Larva 1Larva 2Larva 3Larva 4Larva 5PupaAdulto

Figura 6. Dinámica poblacional de Palomilla del Nopal Cactoblastis cactorum en Yucatán en el 2009.

Producto 13

15

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Modelo de la dinámica de población del Psílido asiático de los cítricos Diaphorina citri Kuwayama

El Modelo de dinámica de población del Psílido asiático de los cítricos (Diaforina) estima el proceso de

desarrollo de este insecto a través de los 5 estadios ninfales, el adulto y el huevecillo. Por su gran

adaptación a las condiciones climáticas de nuestro país esta plaga puede completar, en las zonas

tropicales, más de 20 generaciones en un año (Cuadro 3). En este modelo, además de las variables

climáticas que regulan la tasa de desarrollo, se ha incluido una variable que se refiere a la etapa de

desarrollo del hospedante, en este caso el cítrico, la cual determina que se inicie la reproducción del

insecto y la oviposición en los brotes vegetativos.

Cuadro 3. Variables más importantes del modelo de Diaphorina citri.


Huevo Cantidad de huevecillos, la cual varía en función de la oviposición, la eclosión y la mortalidad de los mismos. = INTEG (Tasa oviposición-Ecloción-Mortalidad huevo)

Individuos

Ninfa1

Cantidad de ninfas del primer estadio, la cual se calcula a partir de la eclosión de los huevecillos. =INTEG (Ecloción-Tasa Desarrollo Ninfa1-Tasa Mortalidad Ninfa1)

Individuos

Ninfa2-5

Cantidad de individuos en los estadios de ninfa 2 a la 5. = INTEG (Tasa Desarrollo Ninfa-Tasa Desarrollo Ninfa-Tasa Mortalidad Ninfa)

Individuos

Adulto

Cantidad de Adultos, esta variable se calcula a partir de una población inicial y a través del desarrollo de los estadios inmaduros = INTEG (Tasa Desarrollo Ninfa5-TDA-Tasa Mortalidad Adultos)

Individuos

Hembras Fértiles Numero de hembras fértiles del total de adultos =Adultos*FHF

Individuos/día

Duración del adulto

(FLongevidadAdulto)

Duración del adulto en días dependiendo de la temperatura =TLongevidadAdulto(tmed)

Individuos/día

Mortalidad huevo Cantidad de huevecillos que mueren por día en función de la temperatura. = Huevo*fracción mortalidad huevo

Huevecillos/día


16

Info

rme

2009

Tasa Mortalidad Ninfas

Cantidad de ninfas que mueren por día =(Ninfas*Fmort) Individuos/día

Tasa Mortalidad Adultos

Cantidad de Adultos que mueren por día =fracción mortalidad adulto*Adultos Individuos/día

Eclosión

Cantidad de huevecillos que eclosionan en función de la temperatura. =Huevo/Días desarrollo

Individuos/día

Tasa Desarrollo Ninfa 1-5

Cantidad de ninfas que se desarrollan por día en función de temperatura = Ninfas/Días Desarrollo Ninfas

Individuos/día

Hembras Cantidad de hembras de la población existente. = Adulto*FHF Individuos

UC Unidades calor acumuladas por día = ((Tmax + Tmin)/2)-Tb °C /día

Tb Temperatura base o umbral a partir de la cual el psílido de los cítricos puede desarrollarse =10.45 °C

Tmax, Tmín Temperatura máxima diaria y Temperatura mínima diaria. °C

Producto 13

17

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

En la Figura 7 se presenta el Diagrama de Flujo de este Modelo

Cuando el psílido, Diaforina citri, está presente en campo se pueden observar, al mismo tiempo,

diferentes estadios de desarrollo de este insecto (traslape de generaciones). Se realizaron simulaciones

con el modelo de D. citri con datos de clima de 2009 de la estación de Gallo verde en el estado de

Veracruz para estimar la dinámica poblacional, en la cual se observa que durante todo el año está

presente y se traslapan las generaciones de este insecto (Figura 8).

Figura 7. Diagrama de Flujo del Modelo de dinámica de población del Psílido asiático de los cítricos Diaphorina citri Kuwayama


18

Info

rme

2009

Gallo Verde, Veracruz

0

1000

2000

3000

4000

5000

6000

7000

8000

00-Ene 19-Feb 09-Abr 29-May 18-Jul 06-Sep 26-Oct 15-Dic 03-Feb 25-Mar

Fecha

Pobl

ació

n

Ninfa 1Ninfa 2Ninfa 3ninfa 4Ninfa 5Adultos

Figura 8. Dinámica poblacional del psilido Diaforina citri en Veracruz, 2009.

Producto 13

19

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Modelo de la dinámica de población de la mosca del mediterráneo Ceratitis capitata Wiedemann

El Modelo de dinámica de población de la mosca del mediterráneo (Ceratritis capitata) estima el proceso

de desarrollo de este insecto a través de Huevo, larva, pupa y adulto.

Este modelo puede iniciar tanto a partir de una población inicial de huevecillos o adultos como de una

población migrante de adultos, cuyo dato podrá ser alimentado a partir de las trampas de feromona. El

ciclo de vida de esta mosca es muy corto por lo que en un año puede completar más de 15

generaciones.

Cuadro 4. Variables más importantes del modelo Ceratritis capitata.


Huevo

Cantidad de huevecillos, esta variable se calcula a partir de una población inicial y la eclosión de larvas, la oviposición y la mortalidad de los mismos. = INTEG (Oviposición-Tasa Desarrollo Larvas-Tasa Mortalidad Huevo)

Individuos

Larva

Cantidad de Larvas, las cuales se calculan a partir de la eclosión de los huevecillos. =INTEG (Tasa Desarrollo Larvas-Tasa Desarrollo Pupas-Tasa mortalidad Larvas)

Individuos

Pupa

Cantidad de individuos, los cuales se calculan a partir de las larvas = INTEG (+Tasa Desarrollo Pupas-Tasa Desarrollo Adulto-Tasa Mortalidad Pupas)

Individuos

Adulto

Cantidad de Adultos, los cuales se calculan a partir de la pupas = INTEG (Tasa Desarrollo Adulto-TDA-TMortalidadA)

Individuos

Mortalidad huevo Cantidad de huevecillos que mueren por día en función de la temperatura. = Función Mortalidad Huevo*Huevo

Huevecillos/día

Tasa Mortalidad Larva

Cantidad de larvas que mueren por día =( Función Mortalidad Larva*Larva) Individuos/día

Tasa de Mortalidad de

Pupa

Cantidad de Pupas que mueren por día =(Función Mortalidad Pupa*Pupa) Individuos/día


Cantidad de Adultos que mueren por día = Adulto*Función Mortalidad Adulto Individuos/día

Eclosión

Cantidad de huevecillos que eclosionan en función de la temperatura. =Huevo*Dias Desarrollo larva

Individuos/día


20

Info

rme

2009



Cantidad de ninfas que se desarrollan por día en función de temperatura = Ninfas/Días Desarrollo Ninfas

Individuos/día

Hembras Fértiles Numero de hembras fértiles del total de adultos =FHF*Adulto Maduro

Individuos/día


Tb Temperatura base o umbral a partir de la cual la mosca del mediterraneo puede desarrollarse = 10.45 °C


En la Figura 9 se presenta el Diagrama de Flujo de este Modelo

Figura 9. Diagrama de Flujo del Modelo de dinámica de población de la mosca del mediterráneo Ceratitis capitata (Wiedemann)

Producto 13

21

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Se realizaron simulaciones con el modelo de moscamed (C. capitata) con datos de clima del 2009 de la estación de Cecech en el estado de Chiapas. En la Figura 10 se observa la dinámica poblacional donde se aprecia que a principios del año las poblaciones de este insecto disminuyen fuertemente y en verano vuelve a incrementar la población, también se observa que se presentan varias generaciones en el 2009.

Cecech, Chiapas

0

50

100

150

200

250

300

350

400

450

00-Ene30-Ene

29-Feb30-M

ar29-Abr

29-May

28-Jun28-Jul

27-Ago26-Sep

26-Oct

25-Nov25-Dic

Fecha

Pobl

ació

n

0

5

10

15

20

25

30

35

40LarvaPupaAdulto

Figura 10. Dinámica poblacional de la mosca del mediterráneo C. capitata en Chiapas, 2009.


22

Info

rme

2009

Modelo de la dinámica de población de la cochinilla rosada Maconellicoccus hirsutus Green

El Modelo de dinámica de población de la cochinilla rosada al igual que el de Diaforina y el de la

moscamed, estima el proceso de desarrollo de este insecto a través de Huevo, larva, pupa y adulto.

Este modelo puede iniciar tanto a partir de una población inicial de huevecillos o adultos como de una

población migrante de adultos, cuyo dato podrá ser alimentado a partir de las trampas de feromona. El

ciclo de vida de la cochinilla rosada es muy corto por lo que en un año puede completar más de 15

generaciones (Cuadro5).

Cuadro 5. Variables más importantes del modelo de Maconellicoccus hirsutus.


Huevo

Cantidad de huevecillos, esta variable se calcula a partir de una población inicial y la eclosión de larvas, la oviposición y la mortalidad de los mismos. = INTEG (Oviposición-Tasa Desarrollo Huevo-Tasa Mortalidad Huevo)

Individuos

Ninfa1

Cantidad de ninfas del primer estadio, la cual se calcula a partir de la eclosión de los huevecillos. =INTEG (Ecloción-Tasa Desarrollo Ninfa1-Tasa Mortalidad Ninfa1)

Individuos

Ninfa2

Cantidad de individuos en el estadio de ninfa 2. = INTEG (+Tasa Desarrollo Ninfa 1-Tasa Desarrollo Ninfa 2-Tasa Mortalidad Ninfa2)

Individuos

Ninfa3 Cantidad de individuos en el estadio de ninfa 3. = INTEG (+Tasa Desarrollo Ninfa 2-TDNinfa3hembras-TMortalidadA-TDesarrollo ninfa 3)

Individuos

Pupa

Cantidad de individuos en pupa para pasar a Adulto macho. = INTEG (+TDesarrollo ninfa 3-Tasa desarrollo adulto macho-TmortalidadPupa)

Individuos

Adulto Hembra = INTEG (Cantidad de individuos en estadio de Adulto. (TDNinfa3hembras-Tmortalidad Amaduro) Individuos

Adulto Macho

Cantidad de individuos en estadio de Adulto. = INTEG (Tasa desarrollo adulto macho-mortalidad adultos macho)

Individuos

Hembras Fértiles Numero de hembras fértiles del total de adultos = FHF*Hembra adulta

Individuos/día

Mortalidad huevo Cantidad de huevecillos que mueren por día en función de la temperatura. = Función Mortalidad Huevo*Huevo

Huevecillos/día

Tasa Mortalidad Ninfas

Cantidad de ninfas que mueren por día =( Función Mortalidad Ninfas *Ninfa ) Individuos/día


Cantidad de Adultos que mueren por día =Adulto macho/5 Individuos/día

Eclosión

Cantidad de huevecillos que eclosionan en función de la temperatura. = IF THEN ELSE (UCacumulada>101.7,Huevo*FDiasHuevo,0)

Individuos/día

Producto 13

23

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo



Cantidad de ninfas que se desarrollan por día en función de temperatura = IF THEN ELSE(UCacumulada>170,Ninfa 1*FDias ninfa 1,0) = IF THEN ELSE(UCacumulada>230,Ninfa 2*FDias ninfa 2,0) = IF THEN ELSE(UCacumulada>295,(FuncionDias Ninfa 3*Ninfa 3)*0.5,0)

Individuos/día

Tasa de desarrollo de Adultos

Cantidad de adultos que se desarrollan por día en función de la temperatura = IF THEN ELSE(UCacumulada>347,(Ninfa 3*Dias desarrollo ninfa3 hembras)*0.5,0) IF THEN ELSE(UCacumulada>364,Pupa*FuncionDias Pupa,0)

Individuos


Tb Temperatura base o umbral a partir de la cual la cochinilla rosada puede desarrollarse = 14.5 °C


En la Figura 11 se muestra el diagrama de flujo de este modelo

Figura 11. Diagrama de Flujo del Modelo de dinámica de población de la cochinilla

rosada Maconelicoccus hirsutus (Green)


24

Info

rme

2009

Se realizaron simulaciones con el modelo para estimar la dinámica poblacional de la cochinilla con datos de clima de 1988 de la estación Acapetlahuaya del estado de Guerrero, en la Figura 12 se puede observar que durante todo el año se presenta este insecto, sin embargo en otoño la población disminuye.

Acapetlahuaya, Guerrero

0

50

100

150

200

250

300

350

400

450

00-E

ne

30-E

ne

29-Feb

30-M

ar

29-A

br

29-M

ay

28-Ju

n28

-Jul

27-A

go

26-S

ep

26-O

ct

25-N

ov

25-D

ic

Fecha

Pobl

ació

n

Ninfa 1Ninfa 2Ninfa 3PupaHembra adultaAdulto macho

Figura 12. Dinámica poblacional de la cochinilla rosada Maconelicoccus hirsutus Green, 1988.

Producto 13

25

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Modelo de infección de la Roya Asiática de la Soya Phakopsora pachyrizi

Este modelo se adaptó a partir del modelo de la roya del frijol desarrollado dentro del Sistema de Alerta

Fitosanitaria del Estado de Guanajuato (SIAFEG). A partir del inóculo inicial y una fecha de siembra del

cultivo establecida se estima el inóculo depositado; el cuál germinará y generará los primeros sitios

infecciosos, los cuales producirán inóculo potencialmente infeccioso. También estima la superficie del

tejido enfermo (severidad).

Con respecto a variables externas, el modelo considera en primer lugar a la temperatura la cual

determina la tasa de cambio por día de una variable de estado a otra, humedad relativa afecta la tasa de

mortalidad de las esporas depositadas y germinadas (Cuadro 6).

Cuadro 6.Variables más importantes del modelo de simulación de la roya asiática.


Esporas Depositadas

Las esporas que llegan al tejido vegetal. =INTEG (tasa esporas depositadas-mortalidad esporas depositadas-tasa de germinación)

Esporas

Esporas Germinadas

Es la cantidad de esporas depositadas en tejido que logran germinar. = INTEG (tasa de germinación-mortalidad esporas germinadas-Tasa infección)

Esporas

Infección Latente

Sitios en los cuales la espora depositada ha germinado y penetrado en tejido sano. =INTEG (Tasa infección-Tasa lesiones infecciosas-Mortalidad infección latente)

Lesiones/ha

Lesiones Infecciosas

Lesión que después de un periodo de latencia ha mostrado síntomas en los cuales ya existen esporas potencialmente infectivas. =INTEG (Tasa lesiones infecciosas-Envejecimiento lesiones-Mortalidad lesiones infecciosas)

Lesiones/ha

Lesiones No Infecciosas

Lesiones en las cuales ha cesado la producción de esporas. =INTEG (Envejecimiento lesiones-Tasa mortalidad lesiones no infecciosas)

Lesiones/ha

BIOMASA Kg. de materia seca. Incremento biomasa kg/ha

Severidad Porcentaje de tejido vegetal enfermo =IF THEN ELSE(Iaf>0,sitios totales ocupados/No máximo sitios infecciosos,0)*100

porcentaje

Iaf Índice de área foliar. =BIOMASA*AFE ha/ha

No máximo sitios infecciosos

Número máximo de sitios infecciosos en función del área foliar y el tamaño de una lesión. =Iaf/AREA POR LESION*CTE LES

lesión/ha

fracción tejido enfermo

Proporción del tejido enfermo =IF THEN ELSE(Iaf=0,0,sitios totales ocupados/No máximo sitios infecciosos)

adimensional

sitios totales ocupados

Sitios que han sido ocupados =Infección Latente+Lesiones Infecciosas+Lesiones lesión/ha


26

Info

rme

2009

VARIABLE DEFINICION UNIDADES No Infecciosas

Área de una lesión Área promedio de una lesión =3.5/1e+007 ha/ha

Tasa esporas depositadas

Esporas depositadas en tejido sano por día =(Esporas Efectivas*Lesiones Infecciosas*Fracción de esporas interceptadas*Iaf*(1-fracción tejido enfermo)+Esporas)

esporas/(día*ha)

Mortalidad esporas

depositadas

Cantidad de esporas depositadas que mueren por día. =Esporas Depositadas*MortRelEspDep

esporas/(día*ha)

Tasa de germinación

Cantidad de esporas que germina por día en función de la temperatura. =Esporas Depositadas*(1-MortRelEspDep)/PERIODO GERMINACION

esporas/(día*ha)

mortalidad esporas

germinadas

Cantidad de esporas germinadas que mueren por día. =Esporas Germinadas*FRACCCION

MORTALIDAD ESPORAS GERMINADAS esporas/(día*ha)

Tasa infección

Cantidad de lesiones latentes por día = Esporas Germinadas*(1-fracción tejido enfermo*AJUSTE)/TIEMPO PARA INFECTAR COLONIZAR

esporas/(día*ha)

Mortalidad infección latente

Cantidad de lesiones latentes que no llegan a ser infecciosas por día. =Infección Latente*FRACC MORT INFEC LAT/PERIODO DE LATENCIA

Lesiones/(día*ha)

Tasa lesiones infecciosas

Cantidad de lesiones infecciosas por día. = Infección Latente*(1-FRACC MORT INFEC LAT)/PERIODO DE LATENCIA

Lesiones/(día*ha)

Mortalidad lesiones

infecciosas

Cantidad de lesiones que mueren por día. =Lesiones Infecciosas*(Tasa Senescencia de hojas/PERIODO INFECCIOSO)

Lesiones/(día*ha)

Envejecimiento lesiones

Cantidad de lesiones que senesen por día. =Lesiones Infecciosas/PERIODO INFECCIOSO Lesiones/(día*ha)

Tasa mortalidad lesiones no infecciosas

Cantidad de lesiones que no infecciosas que mueren. =Lesiones No Infecciosas*Tasa Senescencia de hojas Lesiones/(día*ha)

Producto 13

27

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

En la Figura 13, se muestra el Diagrama de Flujo del Modelo, en el cual se detallan los componentes y

sus relaciones

Se realizaron simulaciones con el modelo de roya asiática con datos de clima del 2009 de la estación el Nuevo en Tamaulipas en donde se muestra la cantidad de esporas depositadas y la germinación de estas a partir de una fecha de siembra. En la Figura 14 se observa que el depósito de inoculo de esporas de roya asiática ocurre a partir del mes de octubre hasta el mes de Noviembre y la germinación de estas ocurre casi inmediatamente después de que fueron depositadas.

Figura 13. Diagrama de Flujo del Modelo de infección de la Roya Asiática de la Soya Phakopsora pachyrizi


28

Info

rme

2009

También el modelo representa y determina cuando aparecerán los sitios infecciosos de esta enfermedad. En la Figura 15 se puede apreciar que tanto la infección latente, las lesiones infecciosas y no infecciosas como la severidad de la enfermedad ocurren casi en las mismas fechas que cuando fueron depositadas las esporas.

Figura 14. Número y dispersión de esporas depositadas y germinadas de roya asiática Phakopsora pachyrizi, 2009.

Nuevo, Tamaulipas

0

500000

1000000

1500000

2000000

2500000

3000000

27-Ago 16-Sep 06-Oct 26-Oct 15-Nov 05-Dic 25-DicFecha

Pobl

ació

n

Esporas DepositadasEsporas Germinadas

Producto 13

29

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

En los Cuadro 7 y 8 se detallan los parámetros fisiológicos de los organismos considerados

Cuadro 7. Parámetros fisiológicos de los insectos considerados.

Organismo Temperatura base Unidades calor Autor

Cactoblastis cactorum 13.3 845 (18) y 1387 (34) Jesusa Crisostomo

Legaspi and Benjamín C. Legaspi (1996)

Ceratitis capitata

11.2 (pupa) 143 Messoussi et al. (2007)

10.2 260 P.F. Duycka1 and S. Quilici (2002)

9.6 28.5 33

338 GROUT Tim G. ; STOLTZ Kim C. (2007)

9.7 142.8(Huevo-Larva)

182.4(Pupa)

Tassan, R. L., K. S. Hagen, A. Cheng, T. K.

Palmer, G. Feliciano

Figura 15. Infección y severidad de roya Asiática Phakopsora pachyrizi, 2009

Nuevo, Tamaulipas

0

1000000

2000000

3000000

4000000

5000000

6000000

7000000

27-Ago 16-Sep 06-Oct 26-Oct 15-Nov 05-Dic 25-Dic

Fecha

Pobl

ació

n

0

10

20

30

40

50

60

70

80Infeccion LatenteLesiones InfecciosasLesiones No InfecciosasSEVERIDAD ROYA


30

Info

rme

2009

Organismo Temperatura base Unidades calor Autor and T. L. Bough. 1982

11.7(Tmax) 35.6(Tmín)

29.1(Huevo)

Messenger, P. S., and N. E. Flitters. 1958

11.98 39.34 M. Muñiz y A. Gil (1984)

10.45 251.7 NAPFAST

Diaphorina citri

12 (Huevo) 13.9(Ninfas)

13.5(Huevo-Adulto)

52.6(H) 156.9(N)

210.9(H-A)

D. E. Nava 1 , M. L. G. Torres 2 , M. D. L.

Rodrigues 2 , J. M. S. Bento 2 and J. R. P.

Parra 2 (2007)

11.7 10.7 10.1 10.5 10.9

YING HONG LIU 1 JAMES H TSAI(2000)

13.66 (H) 11.53(N)

46.93(H) 192.27(N)

Tadafumi NAKATA* (2006)

9.18 10.39 10.13

Yang(1989)

8.96 10.81 10.45

67.50 185.19 249.88

Liu y Tsai (2000)

Schistocerca piceifrons piceifrons 13

405-432 110-114 137-143 137-144 151-157 166-173

Retana(2000)

15.3 (Tb) 38.5 (Tmáx) Rodriguez y Col.(2009)

Maconellicoccus hirsutus 17.5 347 (300) Juang-Horng Chong,

Amy L. Roda, Catharine M. Mannion (2007)

Producto 13

31

Nom

bre Producto

Sim

ulac

ione

s es

paci

ales

y te

mpo

rale

s de

esc

enar

ios

de ri

esgo

Cuadro 7. Parámetros fisiológicos del hongo causal de la roya asiática.

Organismo Condición favorable Autor

Phakopsora pachyrizi Temperatura para germinación de uredosporas 15-25°C, con 6 horas de rocío

CPC

Infección entre 11-18 °C

Optimo de 19-24 °C y 6 horas de rocío

Duración de uredio

De 6 a 7 días a temperaturas de 16-22 °C

Bajo Condiciones Favorables cada 10 a 11 días el hongo tiene capacidad de producir urediosporas

Literatura Consultada

Crisóstomo J. Legaspi and B. Legaspi C. 1996. Degree-Day Models for Predicting Levels of Attack by

Slash Pine Flower Thrips (Thysanoptera: Phlaeothripidae) and the Phenology of Female

Strobilus Development on Slash Pine.Environmental Entomology, Vol. 25, Nº 4, pags. 727-735.

CAB Internacional, 2005. Crop Protection Compendium. Wallingford, UK: CAB International.

Duyck P.F. and Quilici S. 2002. Survival and development of different life stages of three Ceratitis spp.

(Diptera: Tephritidae) reared at five constant temperaturas. Bulletin of Entomological Research,

92:461-469 Cambridge University Press.

Grout Tim G.; Stoltz Kim C. 2007. Simulation of temperature effect of the polulation dynamic of the

Mediterraneam Fruit Fly Ceratitis capitata (Diptera: Tephritidae). Journal of Agronomy 6(2):374-

377.

HONG Y. L. TSAIH. J. 2000. Biology of Diaphorina citri (Homoptera: Psyllidae) on Four Host Plants J.

Econ. Entomol. 93(6): 1721-1725.

Horng C. J. Roda L. A. y Mannion M.C. 2008. Life History of the Mealybug, Maconellicoccus hirsutus

(Hemiptera: Pseudococcidae), at Constant Temperatures. Environ Entomol. 37(2):323-32.

Liu H., and J.H. Tsai, 2000. Effects of temperature and biology on life table parameters of the Asian citrus

Psyllid, Diaphorina citri Kuwayama (Homoptera: Psyllidae), Ann. Appl. Biol. 137 (2000), pp. 201–

206.

Messenger, P. S., y Flitters, N. E.. 1958. Effect of constant temperature environments on the egg stage of

three species of Hawaiian fruit flies. Ann. Ent. Soc. Amer. 51: 109-119.

http://dialnet.unirioja.es/servlet/listaarticulos?tipo_busqueda=EJEMPLAR&revista_busqueda=499&clave_busqueda=66576�


32

Info

rme

2009

Messoussi, S. E. Hafid, H, Lahrouni, A. y Afif, M. 2007. Simulation of Temperature Effect on the

Population Dynamic of the Mediterranean Fruit Fly Ceratitis capitata (Diptera; Tephritidae).

Journal of Agronomy, 6:374-377.

Muñiz M y M Gil. 1984. Laboratory studies on isolated pairs of Ceratitis capitata (Wied.): Results obtained

during the last three years in Spain. Fruit Fly of economic importance 84.

Nava D.E., Torres M. L. G , Rodrigues M. D. L Bento ., J. M. S. and Parra J. R. P. 2007. Biology of

Diaphorina citri (Hem., Psyllidae) on different hosts and at different temperatures. J. Appl.

Entomol. 131, pp. 709–715.

Rabbinge R, Ward S.A, Van Laar H.H. 1989. Simulation and systems managemente in crop protection.

Monographs 32. Pudoc, Wageningen. 254–328.

Retana B. J.A. 2000. Relación entre algunos aspectos climatológicos y el desarrollo de la langosta

centroamericana Schistocerca piceifrons piceifrons en el Pacífico Norte de Costa Rica durante

la fase cálida del fenómeno El Niño-Oscilacion Sur (ENOS). Top. Meteor. Oceanog., 7(2):73-87.

Rodriguez A. J., Almaguer S. P., Barrientos L. L. y Rodríguez F. H. 2009. Thermal Time Clock for

Estimating Phenological Development of Schistocerca Piceifrons Piceifrons Walker (Orthoptera:

crididae) in Northeastern Mexico. Journal of Orthoptera Research 18(1):65-73.

Quijano, C., J. A. 2001. Metodología para la construcción y calibración de modelos de simulación

dinámica de sistemas agrícolas. Documento de investigación, INIFAP Bajío, Celaya, Gto.

Tadafumi N. 2006. Temperature-dependent development of the citrus psyllid, Diaphorina citri (Homoptera:

Psylloidea), and the predicted limit of its spread based on overwintering in the nymphal stage in

temperate regions of Japan. Appl. Entomol. Zool. 41 (3): 383–387.

Tassan, R. L., K. S. Hagen, A. Cheng, T. K. Palmer, G. Feliciano and T. L. Bough. 1982. Mediterranean

fruit fly life cycle estimations for the California eradication program. CEC/IOBC Symposium

Athens November 1982. pp. 564-570.

Yang, Y, 1989. Effects of light, temperature and humidity on the development, reproduction and survival of

citrus psylla, Acta Phytophylacica.

Yañez-López R., Hernández Z. M. I., Quijano C. J. A,, Rocha R. R., Arreguín C. J. H., Valencia M. H. G.

y Cuellar Z. C. 2009. Modelo de simulación de la dinámica poblacional de langosta Schistocerca

piceifrons piceifrons (Walker). Memorias del XLIV Congreso Nacional de Entomología. Los

Cabos, B.C.S.

simulaciones espaciales y temporales de...

Documents