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:
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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
VARIABLE DEFINICION UNIDADES
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
VARIABLE DEFINICION UNIDADES
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
12
Info
rme
2009
VARIABLE DEFINICION UNIDADES
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.
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
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 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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
VARIABLE DEFINICION UNIDADES
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
Tasa Mortalidad Adultos
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
20
Info
rme
2009
VARIABLE DEFINICION UNIDADES
Tasa Desarrollo Ninfa 1-5
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
UC Unidades calor acumuladas por día = ((Tmax + Tmin)/2)-Tb °C /día
Tb Temperatura base o umbral a partir de la cual la mosca del mediterraneo puede desarrollarse = 10.45 °C
Tmax, Tmín Temperatura máxima diaria y Temperatura mínima diaria. °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.
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
VARIABLE DEFINICION UNIDADES
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
Tasa Mortalidad Adultos
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
VARIABLE DEFINICION UNIDADES
Tasa Desarrollo Ninfa 1-3
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
UC Unidades calor acumuladas por día = ((Tmax + Tmin)/2)-Tb °C /día
Tb Temperatura base o umbral a partir de la cual la cochinilla rosada puede desarrollarse = 14.5 °C
Tmax, Tmín Temperatura máxima diaria y Temperatura mínima diaria. °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)
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
VARIABLE DEFINICION UNIDADES
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria
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.
Top Related