Modelado prediccion enfermedades cultivos - edUTecNe ...

Modelado prediccion enfermedades cultivos - edUTecNe ... Modelado prediccion enfermedades cultivos - edUTecNe ...

edutecne.utn.edu.ar
from edutecne.utn.edu.ar More from this publisher
18.07.2014 Views

Modelado para la predicción de enfermedades en cultivos de alto valor comercial Figura 41: Lectura de registros diarios (año y día juliano) de temperatura máxima (Tmax) y mínima (Tmin), precipitación (Prec) y humedad relativa (Hrd), para los ciclos de crecimiento 2008/09 y 2009/10 en Concordia, Gualeguaychú y San Pedro. _______________________ 170 Figura 42: Programa elaborado con lenguaje del paquete estadístico SAS para ajustar modelos Logístico (L) y Gompertz (G) a los datos observados de severidad (sev) de Alternaria tenuissima en arándano, durante el ciclo de crecimiento 2009/10 en Concordia. _________ 171 Figura 43: Obtención de valores estimados de severidad cada 14 días y tasa de incremento epidémico diario (tid) por el modelo Logístico ajustado para el ciclo de crecimiento 2009/10 en Concordia. ________________________________________________________________ 172 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 Figura 45: Categorización ordinal de la variable respuesta (TId) y cálculo de los componentes interactivos. Sentencia para obtener el valor de correlación de Kendall para la variable FPr. 175 Figura 46: Método Stepwise de selección de variables del procedimiento Logistic del SAS. Variable respuesta binaria. Tabla de contingencia para observar la precisión de predicción del modelo ajustado. ___________________________________________________________ 176 Figura 47: Salida del programa elaborado con lenguaje del paquete estadístico SAS para ajustar el modelo Logístico (L) a los datos observados de severidad (sev) de Alternaria tenuissima en arándano, durante el ciclo de crecimiento 2009/10 en Concordia. _________ 178 Figura 48: Salida de la sentencia para obtener el valor de correlación de Kendall para la variable FPr (categorización ordinal). ___________________________________________ 179 Figura 49: Método Stepwise de selección de variables del procedimiento Logistic del SAS. Variable respuesta binaria. ____________________________________________________ 181 Figura 50: Tabla de contingencia para observar la precisión de predicción del modelo ajustado (LogitPrS= - 10,8126 + 4,2892*Snc). Cuatro casos de 65 fueron erróneamente clasificados. 182 10

Modelado para la predicción de enfermedades en cultivos de alto valor comercial RESUMEN La construcción de modelos matemáticos que predigan el comportamiento de enfermedades de las plantas, requiere la utilización de métodos que permitan la colecta de datos referidos a la enfermedad, al hospedante y al ambiente. Para ello se evaluó la severidad de manchas foliares, ocasionada principalmente por el hongo Altenaria tenuissima, en plantaciones de arándano alto (cultivar “O’Neal”) en tres localidades: San Pedro (S 33º 43' - W 059º 41'), Concordia (S 31º 24' - W 058º 02') y Gualeguaychú (S 33º 01' - W 058º 31'), durante los ciclos epidémicos primavero-estivo-otoñales de 2008/09 y 2009/10. Las formas linealizadas de los modelos Logístico y Gompertz, ajustaron apropiadamente (R 2 >0,66 a 0,94) para San Pedro y Concordia en ambos ciclos y Gualeguaychú sólo para 2008/09. A partir de las curvas de progreso epidémico ajustadas, se estimó la severidad y la tasa de incremento epidémico diario (TId%) cada 14 días (n=65). Los valores de TId%, en función de umbrales, se categorizaron binariamente en severo (TId%>=0,077) y moderado a nulo (TId%=0,101), moderado (TId%=0,029) y ligero a nulo (TId%

<strong>Modelado</strong> para la predicción de <strong>enfermedades</strong> en <strong>cultivos</strong> de alto valor comercial<br />

Figura 41: Lectura de registros diarios (año y día juliano) de temperatura máxima (Tmax) y<br />

mínima (Tmin), precipitación (Prec) y humedad relativa (Hrd), para los ciclos de crecimiento<br />

2008/09 y 2009/10 en Concordia, Gualeguaychú y San Pedro. _______________________ 170<br />

Figura 42: Programa elaborado con lenguaje del paquete estadístico SAS para ajustar modelos<br />

Logístico (L) y Gompertz (G) a los datos observados de severidad (sev) de Alternaria<br />

tenuissima en arándano, durante el ciclo de crecimiento 2009/10 en Concordia. _________ 171<br />

Figura 43: Obtención de valores estimados de severidad cada 14 días y tasa de incremento<br />

epidémico diario (tid) por el modelo Logístico ajustado para el ciclo de crecimiento 2009/10 en<br />

Concordia. ________________________________________________________________ 172<br />

Figura 44: Cálculo de las variables metrológicas regresoras y del factor de senescencia (Snc)<br />

en los intervalos de 14 días previos a cada día de la curva epidémica ajustada para Concordia<br />

(modelo Logístico) en el ciclo 2009/10. __________________________________________ 174<br />

Figura 45: Categorización ordinal de la variable respuesta (TId) y cálculo de los componentes<br />

interactivos. Sentencia para obtener el valor de correlación de Kendall para la variable FPr. 175<br />

Figura 46: Método Stepwise de selección de variables del procedimiento Logistic del SAS.<br />

Variable respuesta binaria. Tabla de contingencia para observar la precisión de predicción del<br />

modelo ajustado. ___________________________________________________________ 176<br />

Figura 47: Salida del programa elaborado con lenguaje del paquete estadístico SAS para<br />

ajustar el modelo Logístico (L) a los datos observados de severidad (sev) de Alternaria<br />

tenuissima en arándano, durante el ciclo de crecimiento 2009/10 en Concordia. _________ 178<br />

Figura 48: Salida de la sentencia para obtener el valor de correlación de Kendall para la<br />

variable FPr (categorización ordinal). ___________________________________________ 179<br />

Figura 49: Método Stepwise de selección de variables del procedimiento Logistic del SAS.<br />

Variable respuesta binaria. ____________________________________________________ 181<br />

Figura 50: Tabla de contingencia para observar la precisión de predicción del modelo ajustado<br />

(LogitPrS= - 10,8126 + 4,2892*Snc). Cuatro casos de 65 fueron erróneamente clasificados. 182<br />

10

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!