Tema 5-3 Temporal analises: Ferrugem do café.

Um estudo de caso regional

• Objetivo

Analisar e discutir princípios e aplicações do temporal analises na epidemiologia.

Créditos do trabalhos discutidos: Gustavo Mora Aguilera, CP y Sinavef Lab, Méx.Gabriela Calderón Estrada, ANACAFE Guatemala

Gerardo Acevedo Sánchez , Sinavef LabJorge Flores, Sinavef Lab

Santiago Domínguez, Sinavef Lab

Um enfoque regional de

previsao: Caso Café

¿Qué debemos entender por

Epidemia?

Una epidemia es un proceso de contagio de una que resulta en la pérdida de la salud de

un cultivo

Evento Fenológico

YEMA BOTÓN FLOR FORMACIÓN DE FRUTOS LLENADO DE FRUTOS MADURACIÓN COSECHA

FLORACIÓN EMISIÓN DE HOJAS HOJAS MADURAS

Meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

La epidemia se representa como una curva de daño.La curva de daño tiene dos propiedades: forma y velocidad

Inte

nsid

ad d

e Da

ño

La genética de la planta condiciona la forma

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

¿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

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

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

Data DGSV LANREF 2012

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

Data DGSV LANREF 2012

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%

Data DGSV LANREF 2012

¿Cómo podemos restituir el balance?

Una epidemia implica un desbalance productiv0

1. Conocer el potencial productivo del cultivo e impacto del daño. 2. Conocer variabilidad epidémica parcelaria-regional y sus causas.

4. Reingeniería del cultivo: variedades y manejo agronómico

3. Prevención y control mediante pronóstico del daño y de etapas críticas del cultivo

Para restituir el balance productivo requerimos:

¿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

Data: FNC Colmbia 2012

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?

¿Qué avances se tienen en pronóstico

local de roya del cafeto en relación

brote actual?

El daño ocurre en ciclos: Infección - - -> Esporulación La explosividad de una epidemia Número de ciclos/región

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

Germinación de Esporas de Roya del CaféHongo: Hemileia vastatrixProducción de esporas y germinación

Planta de Café

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

G. Calderón et al., 2012Datos no publicados

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

Severidad Oct-12

Severidad Nov-12

Mapas de intensidad de daño. Chiapas

*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

Conteo de Horas Ventana Inductiva

(HVI):1. Temp >20 y <222. Hum. Rel >90

3. HVI son acumuladas al 18 de Octubre

Ej. HVIsem6 + HVIsem…n

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

Conclusões: A epidemiologia temporal e importante em estudos de previsão.

Os modelos de previsão podem ser probabilísticos o determinísticos e podem ser aplicado a nível de parcela e region. O enfoque regional representa um futuro na epidemiologia. O base para desenvolver um modelo e o sistema epidemiológico e devem ser planeado com uma forte base biológica.

A exploração da estrutura das epidemias e importante para formular hipóteses prévio ao execução de analises matemático.