CAPÍTULO 6 LA ROYA ANARANJADA DEL CAFETO: MITO Y ...
CAPÍTULO 6 LA ROYA ANARANJADA DEL CAFETO: MITO Y ...
CAPÍTULO 6 LA ROYA ANARANJADA DEL CAFETO: MITO Y ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
) Factores biológicos y climáticos<br />
La Roya Anaranjada del C(lfeto: Milo y Realidad<br />
Con el objeto de mejorar esas ecuaciones, Oseguefé\ (1991), inspirándose<br />
de trabajos llevados a cabo por Kushalappa y Chaves (1980) y Kushalappa<br />
(1981) tomó en cuenta unas variables climáticas adicionales como la<br />
humedad relativa, la pluviometría y el número de días con lluvia, unas<br />
variables biológicas relativas al hospedero, como el total de hojas presentes<br />
y el total de hojas sanas, y unas variables biológicas relativas a la enfermedad,<br />
como el porcentaje y el total de hojas enfermas. Ocho modelos<br />
fueron desarrollados para predecir el porcentaje de hojas con roya anaranjada<br />
que se presentaría 15, 30, 45 Y 60 días después de la fecha del<br />
pronóstico, en dos localidades de Honduras con marcadas diferencias<br />
climátícas. Las variables independientes fueron evaluadas a partir de los<br />
datos obtenidos en los días anteriores a la fecha del pronóstico. Paril el<br />
análisis, se utilizó una técnica de regresión lineal múltiple paso a paso,<br />
que escoge como primera variable explicativa la que permite obtener el<br />
mayor coeficiente de determinación. Posteriormente, la segunda variable<br />
en participar en la regresión es la que mejor explica la variabilidad restante.<br />
Esto se realiza hasta que ya no se encuentren variables que expliquen<br />
significativamente la variable dependiente. Se entiende entonces, que si<br />
dos variables independientes, muy explicativas, están altamente correlacionadas<br />
entre sí, sólo una participe en la ecuación de pronóstico; pues al<br />
entrar la primera, se pierde gran parte del poder explicati\'o de la segunda.<br />
Pero esto, no le resta importancia a la variable eliminada. En el caso que<br />
nos interesa, ninguna ecuación incluyó por ejemplo la temperatura mínima,<br />
y sólo una consideró la pluviometría, aunque éstas son variables<br />
determinantes para el desarrollo de la epidemia. Posiblemente otras<br />
variables explicativas, correlacionadas con las anteriores, las excluyeron.<br />
Para que los modelos permanezcan siempre válidos, las correlaciones,<br />
especialmente entre las variables independientes que sirvieron para la<br />
elaboración de la ecuación de pronóstico y las variables que fueron eliminadas,<br />
no deben variar. Pues, de lo contrario, se perdería la justificación<br />
que llevó a excluir de la ecuación unas variables muy explicatlvas. El modelo<br />
se volvería inestable e impreciso con el tiempo (Kushalappa et al., 1983).<br />
6.1.4.2 Los modelos fundamentales<br />
Lo anterior llevó Kushalappa a desarrollar su modelo fundamental<br />
(Kushalappa et al., 1984). En este modelo, al contrario del modelo anterior,<br />
no se excluyó ninguno de los factores conocidos como necesarios a la<br />
219