Modelado prediccion enfermedades cultivos - edUTecNe ...
Modelado prediccion enfermedades cultivos - edUTecNe ...
Modelado prediccion enfermedades cultivos - edUTecNe ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Modelado</strong> para la predicción de <strong>enfermedades</strong> en <strong>cultivos</strong> de alto valor comercial<br />
microscópicas. Se realizaron también cámaras húmedas y siembra de tejidos<br />
en medios de cultivo, procediendo en ambos casos a la desinfección de<br />
aquellos que resultaron afectados [Fernández Valiela, 1978]. Todos los datos<br />
obtenidos se relacionaron con el manejo del cultivo, comportamiento de los<br />
cultivares, estado fenológico de las plantas, aplicación de fitoterápicos,<br />
rendimientos y sobre todo incidencia de los factores meteorológicos.<br />
1.3.2. Elaboración de bases de datos<br />
Se determinaron en primer lugar los <strong>cultivos</strong> y sus localidades, los cultivares y<br />
el número de plantas dentro de cada cultivar, así como las <strong>enfermedades</strong> que<br />
por su representatividad, fueron utilizadas para el desarrollo de los modelos<br />
predictivos. Se construyeron bases de datos para cada conjunto<br />
cultivar/enfermedad con registros de la severidad en cada planta del cultivar<br />
escogida para el estudio, los valores de la misma a intervalos de tiempo<br />
definidos y los datos meteorológicos (temperaturas máxima y mínima,<br />
precipitación y humedad relativa) en un período previo a cada medición.<br />
La medición de las <strong>enfermedades</strong> sobre las plantas se evaluó por más de una<br />
metodología, definiéndose sólo una de ellas a posteriori, a través del uso de un<br />
sistema de valoración exhaustivo. Se registró la aparición y evolución de la<br />
enfermedad sin necesidad de remoción de material afectado (colecta de datos<br />
no destructiva).<br />
Dichos datos se tomaron para un número mínimo de 2 campañas, que permitió<br />
identificar con certeza los factores meteorológicos asociados a la enfermedad.<br />
Las observaciones desarrolladas en varios sitios de una misma región<br />
geográfica, permitieron obtener un grado de variabilidad adecuado para el<br />
desarrollo de los modelos y así reducir el período de recolección de datos. Por<br />
ejemplo, Moschini et al. [2006] utilizaron observaciones de incidencia de<br />
escudete negro (Alternaria alternata y Bipolaris sorokiniana) en trigo fideo de 5<br />
sitios y 3 campañas para ajustar modelos predictivos de regresión lineal<br />
múltiple y logística basados en 2 variables meteorológicas.<br />
1.3.3. Diseño de modelos predictivos<br />
Los modelos predictivos se basaron en el conocimiento elaborado a partir de la<br />
información recogida de acuerdo a las reglas formuladas para la construcción<br />
de la base de datos y a los procedimientos estadísticos adoptados para el<br />
16