1. Pronóstico
Epidemiológico
Fit 612
G. Mora

2. ¿Qué factores determinan
la variabilidad?
El atributo mas importante
de una epidemia es la
variabilidad, es decir es
dinámica

3. Factores del Sistema Epidemiológico
Una epidemia resulta de la interacción de los factores epidemiológicos

4. La agresividad del patógeno (cantidad) contribuye con la
velocidad
Evento
Patogénesis
Periodo
Patogénesis
Condiciones
Favorables
Germinación
22 °C, sin radiación solar,
mojado foliar de 7 h
Periodo Latencia 17 a 25 °C
Periodo Incubación 19 a 26 °C Periodo Generación 17 a 26 °C
Tiempo de
ocurrencia
Germinación 1 - 5 horas Periodo Latencia
26 – 50 días
Periodo Incubación 17 – 42 días Periodo Generación 26 – 62 días
Hoja
Germinación Hoja nueva (0 – 20 días) Periodo Latencia Hoja madura (30 – 60 días)
Periodo Incubación Hoja madura (0 – 30 días) Periodo Generación Hoja madura (40 – 80 días)
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Incubación (Pi)
Latencia (Pl)
Generación (Pg)
Penetración 1° Síntoma visual Inicio
esporulación
Finaliza
esporulación

5. 3%5%
30%
Incremento de
velocidad
Epidemia 1982
a 1984
Incremento
de velocidad
epidemia
Con datos de Méndez, I. 1984
Una curva de daño es variable durante el ciclo(s) del cultivo
Una epidemia tiene variabilidad en su forma y velocidad
Predio 1 (780msnm):
cantidad inicial daño: 3-30%
Cantidad final: 25-100%
Predio 2 (1100msnm):
cantidad inicial daño: 0.05%
Cantidad final: 2.5-4%
1. Una epidemia tiene también variabilidad a nivel predio
Caso Tapachula, Chiapas 1982-84

6. Epidemia: Curva de daño con parámetros que miden su variabilidad e
intensidad. Ejemplo: Coatepeque, Guatemala
0
5
10
15
20
25
30
35
40
45
50
20.AGO.09
15.SEP.09
03.OCT.09
15.OC.09
30.OCT.09
15.NOV.09
27.NOV.09
22.DIC.09
22.ENE.10
20.FEB.10
29.FEB.10
08.MAR.10
25.MAR.10
10.ABR.10
01.MAY.10
15.MAY.10
30.MAY.10
15.JUN.10
19.JUL.10
Yf = 9.68ABCPE = 6150
% Ciclo cultivo
Ymax = 46.7
Y0 = 1.1
Velocidad=
0.38%día
Área bajo la curva de daño
Daño máximo (Incidencia, severidad,
hojas con roya, número de pústulas, etc.)
Daño Final (Incidencia,
severidad,
hojas con roya,
número de pústulas,
etc.)
Velocidad de epidemia.
Incremento promedio diario
Daño inicial (Incidencia,
severidad,
hojas con roya,
número de pústulas, etc.)

7. 2. Una epidemia tiene también variabilidad regional
0
10
20
30
40
50
60
0
10
20
30
40
50
60
70
80
90
100
#HOJASCONROYAEN20
RAMAS/10PLANTAS
INCIDENCIAYSEVERIDADDEROYA%
INCIDENCIA SEVERIDAD # T. H. ROYA
0
10
20
30
40
50
60
0
10
20
30
40
50
60
70
80
90
100
INCIDENCIAYSEVERIDADDEROYA%
#HOJASCONROYAEN20RAMAS/10
PLANTAS
# T. H. ROYA INCIDENCIA SEVERIDAD
Incidencia
Incidencia
Caso Guatemala 2009

8. ¿Cómo podemos restituir
el balance?
Una epidemia implica un
desbalance productiv0

9. ¿Cómo podemos
pronosticar la ocurrencia
de la roya del café?
La base es entender la
variabilidad

10. Antecedente Caso Colombia: Aplicación con base en la curva
epidemiológica regional y con base en fenología

11. Meta es definir umbrales manejo.
Por ejemplo: Cultivo del apio en Florida
Número de esporas/día Número de
aplicaciones/semana
0-100 1
100-300 2
300-500 3
>500 3-7
¿Podemos tener este tipo de pronóstico para roya del cafeto?

12. Ejemplos de modelos de
pronóstico casos:
1. Fusarium y Lasiodiplodia-Mango
2. Colletotrichum sp-cítricos

13. Caso
1. Selección de los factores y variables epidemiológicas
Caso : Mango
Brasil y México
Daniela Lopez (Embrapa Brasil)
Gustavo Mora A (CP Mexico)

14. PETROLINA
CASA NOVA
LAGOA
GRANDE
CURAÇÁ
JUAZEIRO
SOBRADINHO
COPAFRUIT
UPA AGRÍCOLA
FRUITFORT
BOA ESPERANÇA
NOVA FRONTEIRA
SÃO FRANCISCO
AGUISA (ABARÉ, BA)
AGRODAN (IBÓ, PE)
2. Planeación regional: Número y localización de trampas
de esporas y estaciones meteorológicas
Valle de San Francisco, Petrolina Brasil

15. MONITORAMENTO DE ESPOROS NA CULTURA DA MANGUEIRA
EMPRESA: Nova Fronteira
Data Patógeno/Total diário do número de esporos
da Alternária Alternária Colletotrichum Fusarium Lasiodiplodia Oidium
Coleta alternata solani
14/03/02 0 1 0 0 0 0
15/03/02 0 0 0 0 0 0
16/03/02 1 4 0 0 2 0
17/03/02 2 5 0 0 0 0
18/03/02 0 3 0 0 3 0
19/03/02 0 3 0 0 10 0
20/03/02 0 0 0 0 1 0
3. Medición de variables:
• Número de esporas diárias
• Registro diário de temperatura, lluvia, etc.
• Medición de daño (p.e. incidencia)

16. Fluctuación de esporas de Lasiodiplodia
0
50
100
150
200
250
300
350
400
450
500
04/07/01
11/07/01
18/07/01
25/07/01
01/08/01
08/08/01
15/08/01
22/08/01
29/08/01
05/09/01
12/09/01
19/09/01
26/09/01
SFrancisco UPA Fruitfort
Importancia de la Calidad del Dato en Evaluaciones

17. Morte descendente da mangueira
0
5
10
15
20
25
30
35
40
45
50
abr-01
jun-01
ago-01
out-01
dez-01
fev-02
abr-02
jun-02
ago-02
out-02
dez-02
fev-03
abr-03
jun-03
data
%ramos/infl.afetadas
0
100
200
300
400
500
600
700
800
epidemias vegetativas epidemias florais floração
0
50
100
150
200
250
300
abr-01
jun-01
ago-01
out-01
dez-01
fev-02
abr-02
jun-02
ago-02
out-02
dez-02
fev-03
abr-03
jun-03
data
no.esporosLasiodiplodia/dia
Muerte Regresiva del Mango
Importancia de la Calidad del Dato en Evaluaciones
%inflorescenciasafectadas
Fecha
No.esporasdeLasiodiplodia
Fecha
Epidemia en flores FloraciónEpidemia Vegetativas

18. Inc = Esp14 (0.0011) + T3014 (0.0030) + HR14 (0.0018)

19. 0.01
0 5 13 18 23 26 31 36 41 47 50
0,010
0,015
0,020
0,025
0,030
0,035
54
Inc = Esp14 (0.0011) + T3014 (0.0030) + HR14 (0.0018)
(0.0011) + (0.0030) + (0.0018) =
(0.0011) + (0.0030) + (0.0018) =
0.01 0 10.5 0.019
2.72 1 5.5 0.016
(0.0011) + (0.0030) + (0.0018) =0.01 3 4.5 0.017
R2=0.93 (p=0001)
Error=7%
CPm=3.0
Dias
Incidencia(arcsininc1/2)

20. Inc = Esp21 (0.00073) + Tmax21 (0.00014)
R2=0.42 (P=001)
Error 58%

21. 0.00
0.01
0.02
0.03
0.04
0.05
0.06
Sep Nov En1 En3 Feb2 Mar May
IncidencianoAcumulada
Criterio de inicio de
control químico
0.00
100
200
300
0.00
0.20
0.40
0.60
0.80
JunAgoNovEn1En3Feb2
NúmerodeEsporasVelocidaddeViento
Criterio de Poda
Previo a Brotación
r2=0.24 (P=059
(Petrolina BR9

22. Aplicación del criterio fenológico en el control
Control
Integrado
10
20
30
40
0.00.0
10
20
30
40
50
70
Control
Productor
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
50
Sep Oct Nov Dec En1 En2 En3 En4
Vegetative Blossom
PorcentagedeBrotesEnfermos
Promedio
Yo=6%
Poda
Poda
Control Químico
Promedio
ABCPE=300
Control Químico
Promedio
ABCPE=100
Manejo
Promedio
Yo=3.5%

23. Caso 2. Cítricos
Caída de Fruto Pequeño
Daño severo de la enfermedad Tachuelas adheridas a la rama

24. Monitoreo del patógeno. Trampas esporas de
volumétrica o succión

25. 4. Definición de Variables en un Modelo
probabilístico
Variables Simbolos
Independientes
No. de esporas no acumuladas de Colletotrichum sp. Esp1-8
No. de esporas acumuladas de Colletotrichum sp. Esp21-8
Temperatura mínima Tmin1-8
Temperatura máxima Tmax1-8
Humedad Relativa Máxima HRmax1-8
Humedad Relativa Máxima acumulada HRmax21-8
Dependientes
Porcentaje de incremento de enfermedad Yt-Yt-1
Reyes, 2002

26. 1. Relación daño con esporas y clima
0
5
10
15
20
25
30
0
5
10
15
20
25
30IncidenciaabsolutaEsporasHR(%)
T(ºC)
3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
10
30
50
70
90
10
15
20
25
30
Tiempo (Días)
19c / 6
90% / 6
Inf.
Latentes
Inf.
Activas
Inc = 0.021 espo3 + 0.016 Tmi2
R2 = 0.93
Cp = 1.09
VIF = 14.3

27. Modelos generados para predecir la ocurrencia
14.29*4.151.09550.910.93Inc=0.021espo3+0.016Tmi2
3.57*1.01.62120.690.72Inc=0.004HRmax7
4.35*1.00.46200.740.77Inc=0.017Tmi7
5.55*1.00.00760.800.82Inc=0.021Tmi6
16.66*1.00.75110.930.94Inc=0.024Tmi4
10.00*1.00.66860.890.90Inc=0.023Tmi3
5.00*1.01.00.780.80Inc=0.026espo3
4.76*1.00.21740770.79Inc=0.025espo2
VIFdVIFeCpRa2bR2Modeloa

28. ¿Qué avances se
tienen en pronóstico
local de roya del
cafeto en relación
brote actual?

29. El Cafeto Patógeno Clima
Manejo
del
Cultivo
El Marco Racional Epidemiológico
Variables
Fenología Esporas
Patogénesis
Daño
Temperatura
Humedad Relativa
Punto de Rocío
Variedad
Sombra
Edad, otras
Productos
Impactos productivo Indicadores epidémicos

30. El daño ocurre en ciclos
La explosividad de una epidemia= a) mas ciclos
b) ciclos cortos
Evento
Patogénesis
Periodo
Patogénesis
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Incubación (Pi)
Latencia (Pl)
Generación (Pg)
Penetración 1° Síntoma visual Inicio
esporulación
Finaliza
esporulación

31. CHIAPAS: Curva epidémica y clima. Caso Municipio A. A. Corzo: A 14 marzo, 2014
Pérdida estimada 28.7%
Tapachula 8.5%
65% Severidad Máxima
Periodo Sostenido Daño: Fruto en Desarrollo a cosecha
20-22oC
>90%HR

32. CHIAPAS: Curva epidémica caso Parcela: A.A.Corzo – Gilberto Vázquez (pf.chi.ang.7 )
65% Severidad Máxima
20-22oC
>90%HR

33. VERACRUZ : Ejemplo curva epidémica y clima. Caso Soteapan: hasta 14 marzo, 2014
65% Severidad Máxima
Periodo reducido Daño:Fruto maduro
>22oC

34. Indicadores Epidemiológicos: Puebla

35. Pronostico con base en cantidad de inoculo estimado con cantidad
pústulas senescentes (viejas( y nuevas
INÓCULO 1º
SOROS
SENESCENTES
INÓCULO 2º
SOROS NUEVOS
HOJAS CON ROYA
- Inóculo 1°; lesiones necróticas del año anterior, que pueden o no esporular al borde.
- Inóculo 2°; pústulas de color naranja-amarillo de diámetro variable que puede o no estar esporulando.
G. Calderón, 2012. Datos no publ.
Aloinfección
Autoinfección

36. Aplicación formal de relaciones de variables:
1. Modelos de pronóstico a nivel parcelario y localidad en Guatemala
Modelo
Var.
Indep.
R2 R2
aj. Cp VIF LOCALIDAD
HROY = 4.54SSEN2 SSEN2 0.86 0.84 8.93 1.00 R3 ESCUINTLA
HROY = 2.69SSEN4 SSEN4 0.68 0.67 0.05 1.00 R2 SAMAYAC
HROY = 1.71SSEN1 +
1.69SSEN4
SSEN1,
SSEN4
0.94 0.93 1.78 1.09 R1 EL QUETZAL
HROY = 2.71SSEN1 SSEN1 0.98 0.97 -1.76 1.00 R1 EL PALMAR 1
HROY = 2.27SSEN2 SSEN2 0.92 0.91 5.20 1.00 R1 EL TUMBADOR
HROY = Hojas con roya en ramas laterales
SSEN = Soros senescentes por hoja (con sus lag 1, 2, 3 y 4, estos son a cada 15 días)
G. Calderón y Col. 2012. Datos no
publicados

37. Modelo de Pronóstico con base en Densidad de Inóculo
Modelo Var. Indep. R2 R2
aj. C(p) VIF LOCALIDAD
No. Hojas Roya = 2.27 (SSEN2)
SEN2 es No. Soros Senescentes en 30 días
SSEN2 0.92 0.91 5.20 1.00 R1 EL TUMBADOR
G. Calderón et al., 2012
Datos no publicados
*
*
*
---------------------- region=1 local=ElTumba -----------------------------
Trazado de hroy*dias. El símbolo usado es '*'.
Trazado de hroyest*dias. El símbolo usado es 'o'.
hroy |
100 |
|
|
| o
| o
|
| o o o
|
| o o o
50 | o
| o*
| o *
| *
| * * *
| o *
|
|
| * * * * * *
0 |*** ** *o o*o o
-|------------------|------------------|--
0 200 400
días
Epidemia Campo
Epidemia pronóstico
R2= 0.91
Región 1 El Tumbador

38. La variabilidad parcelaria se
debe integrar a variabilidad
regional
¿Cómo podemos pronosticar
la ocurrencia de la roya del
café a nivel regional?

39. Incidencia
Severidad
Soros
Hojas
con roya
Condiciones
Favorables
Hrs
favorables
#
mojados
Mm
lluvia
T°
HR
PP
Datos
estaciones
El modelo epidemiológico aplicado en ventanas
inductivas caso Guatemala
Condiciones
Favorables
Fenología
EdadFollaje

40. Problema: La defoliación factor de subestimación del
efecto de clima
Fluctuación del número de hojas con roya en el tiempo, respecto a
la brotación y desarrollo de hojas en la planta. Esto permitió
corregir por defoliación. Se calculó incrementos absolutos.
-30
-20
-10
0
10
20
30
-100
-80
-60
-40
-20
0
20
40
60
80
100
#HOJASEN20RAMAS/10PL.
S/AC. H.T. S/AC. H.R.
0
10
20
30
40
50
60
70
80
#HOJASEN20RAMAS/10PL
H.T. H.R.
CAMBIO ABSOLUTO CAMBIO ABSOLUTO CORREGIDO

41. Datos climáticos: Fundamental para la aplicación del
concepto. Red de estaciones climáticas de ANACAFE
Área de monitoreo de roya del café en los años 2009 - 2010

42. El concepto de ventana= Cambio estacional absoluto
de daño (en un año productivo)
0
10
20
30
40
50
60
70
80
IncrementoAbs.Núm.hojas
H.R. H.T.
V1
# días
ABCPE
V2 V3
Ciclo de producción
Tejido+inoculo
Noclimainductivo
Tejido+inoculo
Climainductivo
Tejido+inoculo
Climainductivo
ABCPE
Ventana Inductiva= f(V1,V2,V3)

43. El concepto de Ventana= Periodo estacional inductivo de
daño en función a variables de clima
# días
0
10
20
30
40
50
60
70
80
#HOJAS
H.R. H.T.
ABCPE
Tejido+inóculo
Climainductivo
ABCPE
V1
Ventana Inductiva= f (V1, V2, V3)
T (20-22ºC) y HR(>90%)
Núm. de eventos lluvia (mojado)
Total de precipitación
Vi
Germinación Colonización Multiplicación
Deposición Infección Clorosis Liberación de inóculo
Penetración 1° Síntoma visual Inicio
esporulación
Finaliza

44. 0
2
4
6
8
10
12
0.0
27.3
54.7
Frecuencia
Clases
Horas Favorables t° 20-22°c y HR > 90% m
0
2
4
6
8
10
12
0.0
26.5
53.0
Frecuencia
Clases
Eventos de mojado (numero de precipitacione
0
2
4
6
8
10
12
14
16
0.0
123.6
247.3
Frecuencia
Clases
Mm de Lluvia Coatepeque, 536 m
Vi= (Clase TH)(Frec.)
+ (Clase M)(Freqc.)
+(Clase P)(Frec.)
VI= V1+V2+V3
Modelo Aditivo
Modelo Ponderativo
Vi= 1.5(Clase TH)(Frec.)
+ (Clase M)(Freqc.)
+2(Clase P)(Frec.)
VI= V1+V2+V3

45. ¿Cómo podemos aplicar el
pronóstico de variables
climáticas en la estimación
de ventanas inductivas en
estudios regionales?

47. Validación del Modelo
• Se compararon Mapas de ventanas inductivas regionales con
Mapas de Incidencia y Severidad.
• Los datos de incidencia fueron obtenidos mediante encuesta a
técnicos regionales de ANACAFE. La severidad se estimó
mediante el modelo siguiente.
y = 0.0066x2 - 0.3131x + 6.1746
R² = 0.8631
0
5
10
15
20
25
30
35
40
45
50
0 20 40 60 80 100
SEVERIDAD
INCIDENCIA

48. *Variable estimada con datos de Calderón (2009-2010) bajo
el modelo de regresión lineal simple:
y = 0,660x + 0,991
r² = 0,774
Dónde:
y = Hojas Roya
x = Incidencia
Mapa de intensidad de severidad de roya del cafeto.
Guatemala 2012

49. Pronóstico regional con ventanas de Inductividad Climática
Ver: 13marzo13

50. Evidencia de incremento de horas favorables en el tiempo.
Coatepeque, Quetzaltenango (600 msnm)
0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0.0040
0.0045
-400
-360
-320
-280
-240
-200
-160
-120
-80
-40
0
40
80
120
160
200
240
280
320
360
400
2007
2008
2009
2010
2011
2012
DESPLAZAMIENTO DE MEDIA
Incidencia 2009-2010
318 000 mediciones/6 años

51. ¿Qué avances se
tienen en pronóstico
regional de roya del
cafeto en relación
brote actual?

52. Severidad Oct-12
Severidad Nov-12
Mapas de intensidad de daño. Chiapas

53. Defoliación Oct-12
Defoliación Nov-12

54. Comportamiento de la roya Chiapas. Muestreo Nov-Dic 2012
0
10
20
30
40
50
60
70
80
90
100
ACACOYAGUA
AMATENANGODELAFRONTERA
CACAHOATAN
ELPORVENIR
ESCUINTLA
HUIXTLA
MOTOZINTLA
OCOZOCOAUTLADEESPINOSA
TAPACHULA
TUZANTAN
UNIONJUAREZ
%dedaño
Incidencia Severidad Defoliación
0
10
20
30
40
50
60
70
80
90
BOURBON CATUAI CATURRA TYPICA
%dedaño
Incidencia Severidad Defoliación
Por municipio
Por variedad

55. Gráficos de Muestreo Nov-Dic 2012
0
10
20
30
40
50
60
70
80
90
Intensivo Organico ( certificado
)
Semintensivo Tradicional
%dedaño
Incidencia Severidad Defoliación
0
10
20
30
40
50
60
70
80
90
Desarrollo Madurez fisiologica
%dedaño
Incidencia Severidad Defoliación
Por Manejo del Cultivo
Por fenología

56. Gráficos de Muestreo Nov-Dic 2012
0
50
100
150
200
250
8
13
17
22
26
31
35
40
45
Frecuencia
Clases
Histograma de Frecuencias Edad
> 50%

57. Modelo de Pronóstico generado a partir de Muestreo Nov-Dic 2012
0.08 0.08 0.08 0.09
0.14
0.33
0.64
1.00 1.00
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0
20
40
60
80
100
120
140
0
14
29
43
57
71
86
100
114
Frecuencia
Clases
Histograma de Frecuencias Incidencia
0.07 0.08
0.22
0.67
0.89
0.99 1.00 1.00 1.00
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0
20
40
60
80
100
120
140
160
180
0
11
21
32
43
54
64
75
86
Frecuencia
Clases
Histograma de Frecuencias Severidad
0.00
0.04
0.13
0.63
0.77
0.93 0.93
1.00 1.00
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0
20
40
60
80
100
120
140
160
180
200
0
14
29
43
57
71
86
100
114
Frecuencia
Clases
Histograma de Frecuencias Defoliación
Variable Modelo y=1-e[-(t/b)c] Sig r2
Incidencia
y=1-e[-(t/175.8) 5.5] 0.98
Severidad
y=1-e[-(t/89.4) 3.05] 0.99
Defoliación
y=1-e[-(t/99.67) 2.75] 0.97
Modelos de pronóstico
y=1-e[-(t/175.8) 5.5]
y=1-e[-(t/89.4) 3.05] y=1-e[-(t/99.67) 2.75]

58. ¿Cómo se integra esta
información al Plan
Estratégico para el Manejo
Preventivo de la roya?

59. 1. Determinación del Número de Parcelas Centinela por Estado
1
Escalar Muestreo
1
Considerar Fracción de Ha 2
Municipio
Sup_Café (has) Pond_Superf Pond_Foco Pond_Prec Pond_Altura Pond_Temp Fact_Pond Log Fact_Pond No. Sitios Ni
Log
Parcelas centinela
ACAPONETA
36
1
1
1
2
1
2.0
0.3
5.13
5.1 0.7873
0
COMPOSTELA
6120
4
1
1
3
2
24.0
1.4
61.54 61.5 1.7961
0
HUAJICORI
21.00
1
1
3
2
3
18.0
1.3
46.15 46.2 1.6735
0
NAYAR EL
313.42
2
1
3
2
3
36.0
1.6
92.31 92.3 1.9699
1
RUIZ
2848.32
3
1
4
2
2
48.0
1.7
123.08 123.1 2.0937
1
SAN BLAS
3847
4
1
4
2
2
64.0
1.8
164.10 164.1 2.2178
1
SANTA MARIA DEL ORO
27.00
1
1
1
3
2
6.0
0.8
15.38 15.4 1.2144
0
SANTIAGO IXCUINTLA
2,445.00
3
1
4
2
2
48.0
1.7
123.08 123.1 2.0937
1
TEPIC
931
2
1
3
3
2
36.0
1.6
92.31 92.3 1.9699
1
XALISCO
3513
4
1
3
3
3
108.0
2.0
276.92 276.9 2.4439
2
20101.74
390.0
14.0
1000
1000
7
No. Hectáreas
Cercanía
de Foco
Altitud
Temp. Prec.
Superficie
Café
P. centinela= LogFact_Pond/(Sup_Café^( ∑Fact_Pond)) *((t)*(2))
Factor
Operativo
1
Escalar Muestreo 1
Considerar Fracción de Ha 2
Municipio Sup_Café (has) Pond_Superf Pond_Foco Pond_Prec Pond_Altura Pond_Temp Fact_Pond Log Fact_Pond No. Sitios Ni Log Parcelas centinela
ACAPONETA 36 1 1 1 2 1 2.0 0.3 5.13 5.1 0.7873 0
COMPOSTELA 6120 4 1 1 3 2 24.0 1.4 61.54 61.5 1.7961 0
HUAJICORI 21.00 1 1 3 2 3 18.0 1.3 46.15 46.2 1.6735 0
NAYAR EL 313.42 2 1 3 2 3 36.0 1.6 92.31 92.3 1.9699 1
RUIZ 2848.32 3 1 4 2 2 48.0 1.7 123.08 123.1 2.0937 1
SAN BLAS 3847 4 1 4 2 2 64.0 1.8 164.10 164.1 2.2178 1
SANTA MARIA DEL ORO 27.00 1 1 1 3 2 6.0 0.8 15.38 15.4 1.2144 0
SANTIAGO IXCUINTLA 2,445.00 3 1 4 2 2 48.0 1.7 123.08 123.1 2.0937 1
TEPIC 931 2 1 3 3 2 36.0 1.6 92.31 92.3 1.9699 1
XALISCO 3513 4 1 3 3 3 108.0 2.0 276.92 276.9 2.4439 2
20101.74 390.0 14.0 1000 1000 7
No. Hectáreas

60. 2. Determinación del Número de Parcelas Centinela por Estado
Soporte Estadístico
Estado
Sup. Café
(Ha)
Porcentaje de Error
2 (tecnicos)
1% 5% 10%
Chiapas 257367.99 94 68.7 37.6 48
Veracruz 156977.17 57.071 41.9 22.9 44
Oaxaca 154745.78 56.259 41.3 22.6 12
Puebla 71448.91 25.976 19.1 10.4 32
Guerrero 47161.75 17.146 12.6 6.9 36
Hidalgo 26333.26 9.574 7.0 3.8 14
Nayarit 20101.74 7.308 5.4 2.9 6
SLP 18379.5 6.682 4.9 2.7 10
Jalisco 3983 1.448 1.1 0.6 4
Colima 2573.5 0.936 0.7 0.4 6
n=[((N)*(ᵶ²)*(S²)/(N)*(d²)+(ᵶ²)*(S²))*(hai/hax)]*(Fact_Pond/∑Fact_Pond)

61. 3. Criterios para selección de parcelas centinelas
1. Altitud.
2. Variedades susceptibles.
3. Manejo (orgánico y/o convencional).
4. Tipo de tecnificación.
5. Tipología de producción.

62. Mapa de producción café a nivel Nacional

63. Mapa de altitud y superficie de café

64. 4. Metodología de Muestreo y Evaluación de Severidad en Planta y porcentaje de
Defoliación en Planta
• Seleccionar en el centro de cada parcela centinela (1 ha) un
bloque de 37 x 37 plantas, de tal forma que no se considere el
bordo de la parcela.
• Seleccionar una planta cada cuatro, es decir, una planta sí y tres
no, en total se evaluarán 100 plantas, las cuales se ilustran con
un recuadro azul en la siguiente diapositiva.
• Evaluar en las 100 plantas seleccionadas la Severidad en Planta
y el Porcentaje de Defoliación en Planta, en base a las escalas
diagramáticas específicas para este fin.

65. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
4. Metodología de Muestreo y Evaluación de Severidad en Planta y porcentaje de Defoliación en
Planta
1 2 1 0 1 2 3 0 2 0
3 4 1 2 3 2 2 3 1 1
1 2 2 2 1 4 3 1 2 0
1 3 1 1 1 2 3 0 2 3
0 2 1 0 1 2 3 0 2 3

66. Escalas de Severidad en Planta y porcentaje de Defoliación en Planta
0
(Sano)
1
(3%)
2
(10%)
3
(30%)
4
(60%)
0
(Sana)
1
(20%)
2
(40%)
3
(60%)
4
(>60%)
Severidad en planta
Porcentaje de defoliación

67. 5. Metodología de Muestreo y Evaluación de Severidad en Hoja y
variables Fenológicas
• Seleccionar en el centro de cada parcela centinela (1 ha) un
bloque de 37 x 37 plantas.
• Dentro del bloque de 37 x 37 plantas establecer el método cinco
de oros compuesto, el cual consiste en seleccionar 5 puntos (4
esquinas y uno en el centro) en cada punto seleccionar cuatro
plantas, para un total de 20 plantas, el método 5 de oros
compuesto y las plantas a seleccionar se ilustran con el circulo
amarillo, recuadro azul.
• Evaluar en las 20 plantas seleccionadas las siguientes variables:
Severidad en Planta, Hoja, en base a las escalas diagramáticas
diseñadas para este fin, y las siguientes variables Fenológicas:
Fenología
• Hojas jóvenes
• Hojas viejas
• Brotación
• Floración
• Amarre de fruto
• Fruto Acuoso
• Fruto
Lechoso
• Fruto
Consistente
• Fruto Maduro
• Ramas
productivas

68. 5. Metodología de Muestreo y Evaluación de Severidad en Hoja y variables Fenológicas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
Ubicación para evaluación de variables FenológicasSeveridad en Hoja
1
0
3
2
1
0
3
2

69. Escala de Severidad en Hoja

70. Estrato alto
Estrato medio
Estrato bajo
No. de brotes/rama
seleccionada
No. de frutos
amarre/rama
No. de rama
productivas
No. de flores/rama
No. de frutos
acuosos/rama
No. de frutos
lechosos/rama
No. de frutos
consist./rama
No. de frutos
maduros/rama
Variables a evaluar
No. de brotes/rama
seleccionada
No. de frutos
amarre/rama
No. de rama
productivas
No. de flores/rama
No. de frutos
acuosos/rama
No. de frutos
lechosos/rama
No. de frutos
consist./rama
No. de frutos
maduros/rama
6. Metodología de Evaluación de Variables Fenológicas

71. Viento
dominante
Parcela centinela (1 ha)
37 plantas
37plantas
Borde de
parcela
Borde de
parcela
Trampas aerobiológicas
pasivas
Trampas aerobiológicas
pasivas
Estación Agroclimática
Trampa volumétrica
Datalogger
7. Monitoreo de esporas y evaluación de variables climáticas

72. 500 ha
Parcela centinela
(1 ha)
Parcela
demostrativa
Investigación
participativa
Muestreo
dirigido
5 de oros
compuesto
Variables experimentales
Productos químicos
Nutrición
Manejo planta
Parcelas
Experimentales
Investigación
con productor
cooperante
Criterios Decisión
(UMB) Modelos de
Pronostico local y
regional
Parcelas
Experimentales
Investigación
con productor
cooperante
Parcela
demostrativa
Investigación
participativa
8. Distribución de parcelas
centinela y área de acción
Variables de daño
Severidad en Planta y Hoja
Variables Fenológicas
Defoliación
Muestreo
sistemático
Plataforma de Datos
Aprox. 50 parcelas
En Chiapas Méx.

73. Conclusiones
• La roya de cafeto en México por mas de 30 años se ha comportado
endémico con baja prevalencia. En 2010 se reportaron incrementos
atípicos de incidencia de roya en Colombia, Guatemala y Honduras.
• El incremento epidémico esta aparentemente asociado con
variaciones climática, principalmente incremento de precipitación.
• Es importante un programa de monitoreo y evaluación regional de la
roya que permita determinar las acciones fitosanitarias mas
adecuadas con bases biológicas y epidemiológicas.
• El uso de modelos de pronóstico a nivel local y regional con base en
variables de clima, hospedante y patógeno pueden optimizar las
acciones de vigilancia y control.
• El empleo de parcelas centinelas están concebidas para generar
instrumentos de decisión con un adecuado soporte racional y
operativo.

74. GRACIAS
Contacto: Dr. Gustavo Mora Aguilera
Coordinador SINAVEF-LAB
morag@colpo.mx
sinaveflab@gmail.com
Tel: (01-595) 95-20200
Ext. 1620-1614