Modelado prediccion enfermedades cultivos - edUTecNe ...

Modelado para la predicción de enfermedades en cultivos de alto valor comercial
if hrd10>65 and pr10>0.2 then do;DPrHR+1;end;if hrd11>65 and pr11>0.2
then do;DPrHR+1;end;if hrd12>65 and pr12>0.2 then do;DPrHR+1;end;
if hrd13>65 and pr13>0.2 then do;DPrHR+1;end;if hrd14>65 and pr14>0.2
then do;DPrHR+1;end;
if pr1>0.2 then do; fpr+1;end;if pr2>0.2 then do; fpr+1;end;
if pr3>0.2 then do; fpr+1;end;if pr4>0.2 then do; fpr+1;end;
if pr5>0.2 then do; fpr+1;end;if pr6>0.2 then do; fpr+1;end;
if pr7>0.2 then do; fpr+1;end;if pr8>0.2 then do; fpr+1;end;
if pr9>0.2 then do; fpr+1;end;if pr10>0.2 then do;fpr+1;end;
if pr11>0.2 then do;fpr+1;end;if pr12>0.2 then do;fpr+1;end;
if pr13>0.2 then do;fpr+1;end;if pr14>0.2 then do;fpr+1;end;
if tmin165 then dhr+1;
DATA J1;
SET SCON1 SCON2;
TID=TID*100;
DATA UC; MERGE J1 FC2; BY ANIO DJ; if tid=. then delete;
senesc=t/209;
if senesc 0.25 and senesc 0.50 and senesc 0.75 then Snc=4;
run;
Figura 44: Cálculo de las variables metrológicas regresoras y del factor de senescencia
(Snc) en los intervalos de 14 días previos a cada día de la curva epidémica ajustada para
Concordia (modelo Logístico) en el ciclo 2009/10.
174