Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Tecnología para el Sector Agrícola en Sistemas de
Alerta con Sensores Climáticos Computarizados
Aplicados a Café, Cítricos y Agave
Foro CYTED IBEROEKA Tecnologías de Información y Comunicación para Toma de Decisiones en Sector Agropecuario. Nuevas
Herramientas para adecuar las estrategias al clima y sus cambios. El Salvador, 21-23 Sep. 2016
Laboratorio Nacional de Referencia Epidemiológica Fitosanitaria
México
Dr. Gustavo Mora Aguilera (Ponente)
Ing. Gerardo Acevedo Sánchez
Ing. Verónica Martínez Bustamante
Ing. Viridiana López Bautista
Ing. Juan José Coria Contreras
Ing. Baldemar Santana Peñalosa
Ing. Coral Mendoza Ramos
Ing. Laura Jiménez González
MC. Eduardo Guzmán Hernández
Ing. Mayra Hernández Hernández
Ing. Eder Flores
Ing. José R Rubio Ríos
Ing. Pedro Robles (DGSV)
Ing. Rigoberto González (DGSV)
Colegio de Postgraduados
LANREF
¿Por qué el Clima
En la Fitosanidad?
Parte 1
2013-2014: http://www.ipcc.ch/report/ar5/
https://ccafs.cgiar.org/
http://www.cepal.org/es
Sitios WWW Referentes en tema Cambio Climático
Conferencia de Cambio climáticoCOP21-CMP11/Paris, Fr. 2015
195 países participantes
• 1° C de incremento de temperatura desde 1850• 2° C se considera el límite de un calentamiento global
demasiado peligroso.• 30% de incremento del nivel de CO2 desde la Revolución
Industrial (1760).• 4% reducción de glaciares del Ártico• 9 de 10 de los años más cálidos han ocurrido desde el 2000
Conclusión: El Clima debe ser parte de la planeación agrícola.Meta retener la emisión de carbono (Mannava V.K.SivakumarIPCC)
FUENTE: Matt McGrath, 2015. BBC
Objetivo principal: acuerdo para mantener el
calentamiento global por debajo de 2° C
2013-2014: http://www.ipcc.ch/report/ar5/
CCAFS: CGIAR 2011 http://www.bbc.com/mundo/noticias
Proyecciones IPPCC y CCAFS del incremento de Temperatura
¿Qué implicación tiene el cambio climático en la fitosanidad?
En México, ¿Cuál es la evidencia más clara de los
efectos del cambio climático en la Fitosanidad?
Direccionalidad y
velocidad de los
últimos huracanes en
Península de
Yucatán, México.
2000-2013
290 Km/h 97 Km/h260 Km/h
Huracanes y tormentas tropicales
Citado por CEPAL 2012
Ocurrencia de Eventos Hidrometeorológicos Extremos
en El Salvador
Dispersión de Plagas: Relación de Ocurrencia de Huracanes y Detección de Plagas
Cuarentenarias en México
y = 1.684 + 1.6112x - 0.0544x2 R² = 0.98
0
2
4
6
8
10
12
14
0 2 4 6 8 10
Pla
gas (
197
7-2
01
2)
Huracanes (1977-2013)
0
2
4
6
8
10
12
14
16
Belice Costa Rica El Salvador Guatemala Honduras Nicaragua Panama
1970-1989 1990-2008
Comparación de número de huracanes en Centro América en 1970-1989 vs 1990-2008
Mora et al., 2013
Nuevas/Reemergencia de Plagas Agrícolas en
México y Ocurrencia de HuracanesAño Plaga/Enfer.
Lugar de la
detecciónHuracán Zonas Afectadas
1977 ALC Cozumel, Qroo. - -
1978 Broca del Café Cacahuatán, Chiapas - -
1982 CTV Tamaulipas - -
1988 - - GilbertoYucatán, Tamaulipas,
Quintana Roo
1991 Moko del Plátano Tabasco - -
1994Minador Hoja
CítricosPenínsula Yucatán - -
1998 - - MitchPeninsula yucatán,
Costa EUA
2000 T.citricidaQuintana Roo y
Yucatán Keith Península
2002 D. citri / PierceTizimín /
Baja California- -
2003 - - ErikaQuintana Roo y
Yucatan
2004
Trips palmi /
Leprosis /
Cochinilla Rosada
Campeche / Chiapas /
BC, Bahía banderas,
Nayarit y Jalisco
- -
2005 Roya Asiática Tamaulipas y San Luis EmilyCaribe y Peninsula
Yucatan
2005 - - Wilma
Caribe, Quintana Roo,
Florida, Cuba,
Bahamas y America
Central.
2006 Palomilla Nopal Quintana Roo - -
2008 - - Norbert Baja California Sur
2009HLB
Acaro Rojo
Tizimín, Yucatán / Isla
MujeresAndrés Costa de Guerrero
2010 - - Alex
Chiapas, Guerrero,
Oaxaca, Tamaulipas,
NL y Coahuila
2011
Mosca del
Vinagre / Carbón
parcial / Roya
anaranjada
Michoacán / Sinaloa y
Sonora / Veracruz- -
2012 Roya del Café Chiapas Ernesto Península Yucatán
T. citricida (Foto: G. Hernández)
D. citri (Foto: G. Hernández)
AmarillamientoLetal cocotero
HLB
¿Qué hemos
Aprendido?
Parte 1
1. Existe consenso científico que un efecto del cambio
climático es el incremento de temperatura. Otras efectos
sobre eventos extremos, p.e. hidrológicos, están
documentándose y validándose.
2. Existe amplia información a nivel macro-regional basado
en modelos simulativos relativo a impactos ambientales,
sociales, económicos, servicios ecológicos del cambio
climático. Pe. IPCC, CCAFS, CEPAL
3. En agricultura es necesario desarrollar investigación a nivel
regional y de cadenas productivas que permita la
planeación agrícola a corto y mediano plazo ante la
variabilidad y cambio climático.
4. El efecto del cambio climático y la variabilidad
climática en la multiplicación, dispersión y sobrevivencia de
plagas requiere sustentarse con bases científicas para
establecer estrategias fitosanitarias preventivas y
protectivas.
¿Qué son las Alertas
Tempranas y como se
puede implicar al
clima?
Parte 2
2) Información procedente del campo
A)Formato de enfermedades /
picudo
C) Resumen evaluación cargada
Análisis datos
3) Resultados
B) Registro de evaluaciones
1) Información procedente del campo
Patógeno
Manejo
Agronómico
Suelo
Clima
ni
Vector
Hospedante
Base racional:
Sistema epidemiológico
Una Alerta Temprana es parte de un Sistema Epidemiológico de Prevención y Manejo de Riesgos
Fitosanitarios
Datos y análisis
Entrada
Procesamiento
Procesamiento Salida
Registro de datos
Gestión del dato
Base de Datos
Alertas epidemiológicas
Análisis de la información
Carga de datos
Validación del dato
Desarrollo tecnológico de un Sistema de Vigilancia Epidemiológica modular
Alertas Tempranas
Alertas Preventivas
Criterios de Accionabilidad
Impactos Productivos
Unidades espaciales de
vigilancia
Plataformas Tecnológicas
Productores
Tomadores de decisiones
Investigadores
Técnico de Campo
Datos de campo
Técnico de Campo
Almacena-miento
Comunicación del Riesgo
Definición del Problema
Dividir el problema en Módulos/Líneas
Delimitar el problema
Solución del Problema
Planeación
Solución Integral del Problema
EjecuciónMódulos/Líneas
Aplicación
Gestión de la solución y la implementación
Validación
Análisis y parametrización
Líneas de investigación Líneas Tecnológicas Líneas de Gestión/Operación
Objetivos Hipótesis Metodologías
Diseño y estructurade la solución
Protocolos Manuales Revisión Literatura
Experimentos Protocolos
Análisis de requerimentos
Implementación
Pruebas Análisis
Datos de la implementación Análisis estadístico Reportes
Aplicación/ Retroalimentación
y ajustes de la solución
Validación
Recurso Tiempos de ejecución Planeación de actividades
Proceso tecnológico para la solución de problema con enfoque epidemiológico
Desarrollo de soluciones tecnológicas
Datos de campo
Técnico de Campo
WWW-SIVEA
Proceso para envío datos de APP a WWW
Captura vía APP
Envío al sistema
Análisis espacial
Análisis temporal
Modelo estructural de la App-SIVEA
Registro Plantación
Enfermedades
CaracterizaciónPlantaciones
Trampeo
Envió de Datos
BuscarPlantación
Evaluación
ResumenEvaluaciones
Registro Trampas
ConteoPicudos
ReporteGráfico
EvaluacionesEnfermedades
ConteoPicudos
Muestreo Estándar
MuestreoPersonalizado
Escalas de Evaluación
Evaluación
Registrar Conteo de Picudos
Editar TrampasEliminar
Reubicar
Editar
Registrar
Buscar
Registrar
Eliminar
Configurar
Registrar
Eliminar
Evaluación de plantas
Buscar Evaluaciones
Listar Evaluaciones
ResumenMuestreo
Registrar
Registrar
Buscar Conteosde Picudos Gráfico
Conteo/Picudos
Lista deEvaluaciones
Lista deConteos
Envió de datosWWW-SIVEA
Login
A B C
A B C
A B C
A B C
A B C
A
B
C
Empresas/Productores
Investigación
Otros usuarios
Aplicaciones
Caso 1
Roya del CafetoHongo: Hemileia vastatrix
¿Cómo se puede
desarrollar un sistema
regional para la
prevención y control de
brotes epidémicos?
Problema
0
10
20
30
40
50
60
70
80
90
100
E F M A M J J A S O N D
Inci
den
cia d
e ro
ya d
el c
afé
(%
)
Incidencia 1982-1983 México (aprox. 650 msnm)
CICLO 1982 CICLO 1983 CICLO 1984
A
1982
1983
1984
Detección H. vastatrix
1981 2014
Antecedentes
Baja prevalencia de H. vastatrix
2012 2013
Brote Epidémico Inicio PVEF-Cafeto
Ch
iap
as
Vera
cru
z
Ch
iap
as
Vera
cru
z
Pu
eb
la
• Cambio en la intensidad epidémica
• Variabilidad climática
Inicio del PVEF-Cafeto para monitoreo/muestreo regionalde H. vastatrix
Mancha de hiero(Cercospora coffeicola)
Nematodo Lesionador(Pratylenchus coffeae)
Roya del Café(Hemileia vastatrix)
Ojo de gallo(Mycena citricolor)
Ácaro Rojo del Café(Olygonychus coffeae
Brasil, Colombia
Antracnosis (Collecotrichum
kahawae)África, Brasil, Cuba
Cochinilla del café(Planococcus lilacinus)
Guatemala, Centroamérica, África, Asia, Australia
Nematodo agallador(Meloidogyne exigua)
Centroamérica y Caribe
Phoma(Phoma costarricensis)
Minador del café(Leucoptera coffeella)
¿Cuál es el efecto del
clima en el brote
epidémico clima?
Mas de 5 millones de datos de clima in situ
Ciclo 2013-2014Ciclo 2014-2015
Ciclo 2015-2016
Índice Horas Favorables para infección del hongo: caso Puebla
𝑰𝒖𝒆𝒋 =
𝟑∗
σ𝒊=𝟏𝒏 𝑺𝑷𝒊
𝒅𝒊𝒋𝟐
σ𝒊=𝟏𝒏 𝟏
𝒅𝒊𝒋𝟐
+ 𝟐∗
σ𝒊=𝟏𝒏 𝑺𝑯𝒊
𝒅𝒊𝒋𝟐
σ𝒊=𝟏𝒏 𝟏
𝒅𝒊𝒋𝟐
+ 𝟏∗σ𝒕…𝒏
𝒕𝟏 𝟐𝟎>°𝑪>𝟐𝟐 𝒚%𝑯𝑹>𝟗𝟎 𝟎𝟎:𝟎𝟎>𝑯𝒓𝒔>𝟎𝟖:𝟑𝟎
σ𝒕…𝒏
𝒕𝟏 𝑯𝒓𝒕𝒐𝒕𝒂𝒍𝒆𝒔
σ 𝟑,𝟐,𝟏
Ciclo 2014-2015Ciclo 2015-2016
Ciclo 2016-2017
Índice Horas favorables para Floración: caso Chiapas
Guatemala: Evidencia de Incremento anual del número de horas
favorables para la infección
0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0.0040
0.0045
-40
0
-36
0
-32
0
-28
0
-24
0
-20
0
-16
0
-12
0
-80
-400
40
80
120
160
200
240
280
320
360
400
2007
2008
2009
2010
2011
2012
DESPLAZAMIENTO DE MEDIA
318 000 mediciones de var. Clima /6 años
Mora et al., 2013
-300
0
-270
0
-240
0
-210
0
-180
0
-150
0
-120
0
-900
-600
-300
0
300
600
900
1200
1500
1800
2100
2400
2700
3000
3300
3600
3900
4200
4500
4800
5100
5400
2013-2014
ഥ𝒙=948σ = 596.6
2014-2015
ഥ𝒙=1054σ = 677.7
2016-2016
ഥ𝒙=2331σ = 730.5
Media
Horas Favorables por ciclo epidémico: Caso Puebla
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
50.0
55.0
60.0
65.0
70.0
1 3 5 7 9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
57
59
61
63
65
67
69
71
73
75
77
79
81
83
85
87
89
91
93
95
97
99
10
1
10
3
10
5
10
7
10
9
11
1
11
3
11
5
11
7
11
9
12
1
12
3
12
5
% s
everi
dad
pro
med
io f
oliar
Semanas
Curva Epidémica PUEBLA, 2014-2016
Promedio de %SEV. MED HOJA Promedio de %SEV. MED PLANTA
Media
LANREF-CNRF, 2016. No Publicado
20 22
Calculao
HF
Estimación de Horas Favorables en Ventanas de Inductividad Epidémica
Vi = Ventana de Inductividad-i
Shp = % Severidad de hoja ponderada
Spp = % Severidad de planta ponderada
Hf = Sumatoria de horas favorables (20-22oC, >90%HR)
Fi = Fenología-i (i=floración-fruto maduro)
Vi = f ( Shp, Spp, Hf, Fi )
Desarrollo en MS Excel con Programación y Macros
Santana-Peñaloza et al. 2015
20 22
Día 1 Día 21
Simula
Modelo de simulación basado en multiplicación, clima y manejo
<----------------------------------------------- Días ----------------------------------------------->
<-------------------------------------------- Días -------------------------------------------->
Gráficos
0
2000
4000
6000
8000
10000
12000
0
200
400
600
800
1000
1200
1400
1600
1800
2000
01
/0
9/2
01
3
11
/0
9/2
01
3
21
/0
9/2
01
3
01
/1
0/2
01
3
11
/1
0/2
01
3
21
/1
0/2
01
3
31
/1
0/2
01
3
10
/1
1/2
01
3
20
/1
1/2
01
3
30
/1
1/2
01
3
10
/1
2/2
01
3
20
/1
2/2
01
3
30
/1
2/2
01
3
09
/0
1/2
01
4
19
/0
1/2
01
4
29
/0
1/2
01
4
08
/0
2/2
01
4
18
/0
2/2
01
4
28
/0
2/2
01
4
10
/0
3/2
01
4
20
/0
3/2
01
4
30
/0
3/2
01
4
09
/0
4/2
01
4
19
/0
4/2
01
4
29
/0
4/2
01
4
09
/0
5/2
01
4
19
/0
5/2
01
4
29
/0
5/2
01
4
08
/0
6/2
01
4
18
/0
6/2
01
4
28
/0
6/2
01
4
08
/0
7/2
01
4
18
/0
7/2
01
4
Ho
jas co
n R
oy
a A
cu
mu
lad
as
Ho
jas co
n R
oy
a A
bso
luta
s
Hojas / Roya Hojas / Roya Acum
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
0
200
400
600
800
1000
1200
1400
1600
1800
01
/0
9/2
01
3
11
/0
9/2
01
3
21
/0
9/2
01
3
01
/1
0/2
01
3
11
/1
0/2
01
3
21
/1
0/2
01
3
31
/1
0/2
01
3
10
/1
1/2
01
3
20
/1
1/2
01
3
30
/1
1/2
01
3
10
/1
2/2
01
3
20
/1
2/2
01
3
30
/1
2/2
01
3
09
/0
1/2
01
4
19
/0
1/2
01
4
29
/0
1/2
01
4
08
/0
2/2
01
4
18
/0
2/2
01
4
28
/0
2/2
01
4
10
/0
3/2
01
4
20
/0
3/2
01
4
30
/0
3/2
01
4
09
/0
4/2
01
4
19
/0
4/2
01
4
29
/0
4/2
01
4
09
/0
5/2
01
4
19
/0
5/2
01
4
29
/0
5/2
01
4
08
/0
6/2
01
4
18
/0
6/2
01
4
28
/0
6/2
01
4
08
/0
7/2
01
4
18
/0
7/2
01
4
Le
sio
ne
s A
cu
mu
lad
as
Le
sio
ne
s A
bso
luta
s
LESIONES ABSOLUTAS LESIONES ACUMULADAS
Evidencia de importancia de clima versus Variabilidad del
hongo
Caso 1. Roya del
Cafeto (Hongo)
SoluciónWWW.lanref.royacafe.org.mx
Evaluación
RegionalRegistro Análisis Alerta
Acción de Control
El Modelo de Vigilancia Cafeto México
CESVi SAGARPADGSV
CNRF y LANREF
Manual TécnicoManual Operativo
Programa de Trabajo
Plataforma WWW.royacafe.lanref.org.mx Base de datos técnica y operativa
Presupuesto
Grupo de Trabajo
Metodología III. Variables y Algoritmos DesarrolladosÍndice/
Indicador
Epidémico Sev.
Hoja
Incid
encia
Hoja
s R
oya
Sev. P
lanta
Defo
liació
n
H J
óvenes
H V
ieja
s
Ram
as P
rod
F C
onsis
t.
F M
aduro
Edada
Hora
s F
av.
%H
um
.Rel
Tem
p°C
Ecuación
Pató
gen
o/D
añ
o
Daño
IntegralX X X X X
Severidad Integrada X X
Severidad Planta X
Severidad Hoja X
Defoliación X
Inóculo Potencial X
Índice Epidémico X X X X X X X
Inductividad por
Unidad EspacialX X X X X X X X
Pla
nta
/Fen
olo
gía
Vigor X X X X
Potencial
ProductivoX X X X X X
Brotación X
Senescencia X X
Juvenilidad X X
Tejido Susceptible X X
Clim
a
#Horas Favorables
de Ínductividad Epid.X X
Horas Favorables de
ÍnductividadX X X
Sist
ema
Epid
emio
-ló
gico
𝐈𝐄 =𝐒𝐇𝐦𝐞𝐝 + 𝐒𝐏𝐦𝐞𝐝 + #𝐇𝐑
σ 𝐒𝐇𝐦𝐚𝐱 + 𝐒𝐏𝐦𝐚𝐱 + #𝐇𝐑𝐦𝐚𝐱
𝐃𝐦𝐞𝐝
𝐌𝐚𝐱𝐃𝐦𝐞𝐝∗ 𝐈𝐏 +
𝐒𝐇𝐦𝐞𝐝 + 𝐒𝐏𝐦𝐞𝐝σ 𝐒𝐇𝐦𝐚𝐱 + 𝐒𝐏𝐦𝐚𝐱
+#𝐇𝐑
#𝐇𝐑𝐦𝐚𝐱+
𝐇𝐉
𝐇𝐉−𝐦𝐚𝐱+
𝐇𝐉
σ 𝐇𝐉 +𝐇𝐕
Variedades
Clima
ni
Manejo
Agronó-
micoFenología
Roya del
Cafeto
Café
𝒇(𝒚)=
𝑺𝑯𝒎𝒆𝒅𝒗𝒊,𝑺𝑷𝒎𝒆𝒅𝒗𝒊,𝑯𝒓𝒇𝒂𝒗𝒗𝒊,𝒇𝒊
∗𝑷𝒄𝒊
y0
yf
1. Se han generado y validado un total de 16 algoritmos Epidémicos.
Los cuales se integraron para generar 3 criterios de accionabilidad
App-PVEF Cafeto
Registrar una parcela
móvil obteniendo sus
coordenadas GPS
Evaluación manual
lleva mucho
tiempo; surge la
necesidad de una
App móvil
Evaluación de parcela
móvil y generación de
resumen estadístico de la
evaluación
Envío de evaluación al
servidor de roya del café
Desarrollo de App-PVEF café: Caso parcelas móviles
Evaluación en
campo de parcelas
móviles
Carga de datos en
el servidor de Roya
Café
Interacción entre App – WWW-RoyaCafé
Versiones de Android
soportadas por App
Café 4.4 – 6.0
Envío de datos
vía Http Post
Almacenamiento
en la base de
datos MySQL
Reflejo de
evaluación con
ayuda de API
Google Maps
Generación de
alertas
semanales
App Instrumentos para Vigilancia del PVEF-Cafeto
Toma de fotos
georeferenciadas
Compartir un
documento vía
bluetooth,
whatsapp,
correo, etc.
Galería de fotos
georeferenciadas
Muestra documentos
con información
sobre algún tema en
específico
Imprimir un
documento
Alertas Quincenales
Critério Accionabilidad : Alertas quincenales basadas en hospedero, patógeno y enfermedad
Riesgo Alto: Control
Riesgo Moderado: Inspección
Riesgo Bajo: No action
Indice Epidemico
Manejo de Focos Regionales: ARCO’s dinámicos en tiempo y espacio
Región Frailesca
Criterio 1. Alerta Regional
Criterio 3: Alerta Semanal
Criterio 2. Alerta Quincenal
WWW.lanref.royacafe.org.mx
Comunicación de Riesgo
Dinámica
Equipos de
Cómputo
Dispositivos
Móviles
Tipos de Análisis
Nacional (+1edo)
-Estatal (+1reg)
-Regional (+1mun)
-Municipal (+1parc.)
-Parcelario
WWW.lanref.royacafe.org.mx
38
ARCO´s
Atendidos
Región C
Región A
Región B
Predios región A Predios región B Predios región C
CNRF: Aplicaciones en ARCO’s 2015
Fuente: Infografías DGSV-CNRF
Focos
pronosticados en
Alertas 2015-2016
1
a)
Efectos de las Aplicaciones en ARCO’s 2015: caso El Bosque
-2% sev. hoja
Vigilancia Epidemiológica
FitosanitariaAvances de Control Químico de la Roya del Cafeto en el Estado de Chiapas
1
a)
Predios atendidos en
los ARCO´s
de la región A
Acercamiento de predios atendidos
en los ARCO´s en cada región.Predios atendidos en
los ARCO´s
de la región B
Predios atendidos en
los ARCO´s
de la región C
Caso 2
HLB Cítricos
Bateria: Candidatus Liberibacter
asiaticus
Vector (insecto): Diaphorina citri
¿Cómo podría afectar
el cambio climático a D.
citri vector de la
Bacterial CLas y cual
sería el impacto en el
Control?
Problema
Estatus epidémico del HLB-Dc en México (2009-2015)
Epidemia: Ocurrencia estacional de una enfermedad a nivel parcela, subregional y regional
Colima:28 GP
Puebla:9 GP
Veracruz:19 GP
Antecedente: Número de Generaciones Potenciales de D. citri
Díaz-Padilla et al. 2014
La temperatura influye en el número de generaciones potenciales y esta es variable regionalmente
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
2012
49
2012
52
2013
3
2013
9
2013
12
2013
25
2013
28
2013
31
2013
34
2013
37
2013
40
2013
43
2013
46
2013
49
2013
52
2014
8
2014
11
2014
14
2014
17
2014
20
2014
23
2014
26
2014
37
2014
40
2014
43
2014
46
2014
49
2014
52
2015
3
2015
6
2015
9
2015
12
2015
15
2015
18
2015
21
2015
24
2015
28
2015
31
2015
34
2015
37
2015
40
2015
43
2015
46
2015
49
48
9
26
484547 45 43
48 48
5753
5754
60
Apatzingán Buenavista Mugica Parácuaro Tepalcatepec
2000-2004 2005-2009 2010-2015
Michoacán: Generaciones Potenciales (GP) y Fluctuación de D. citri en ARCO’s (datos:SIMDIA, 2015)
Mich. Estimación GP/ciclo
Mich: 50 000 D. citri
2013
2014
2015Colima: 80 000 D. citriYucatán: 1400 D. citri
10
15
20
25
30
35
40
1/1
/20
00
2/2
8/2
00
04
/26
/20
00
6/2
3/2
00
08
/20
/20
00
10
/17
/20
001
2/1
4/2
000
2/1
0/2
00
14
/9/2
00
16
/6/2
00
18
/3/2
00
19
/30
/20
01
11
/27
/20
011
/24
/20
02
3/2
3/2
00
25
/20
/20
02
7/1
7/2
00
29
/13
/20
02
11
/10
/20
021
/7/2
00
33
/6/2
00
35
/3/2
00
36
/30
/20
03
8/2
7/2
00
31
0/2
4/2
003
12
/21
/20
032
/17
/20
04
4/1
5/2
00
46
/12
/20
04
8/9
/20
04
10
/6/2
00
41
2/3
/20
04
1/3
0/2
00
53
/29
/20
05
5/2
6/2
00
57
/23
/20
05
9/1
9/2
00
51
1/1
6/2
005
1/1
3/2
00
63
/12
/20
06
5/9
/20
06
7/6
/20
06
9/2
/20
06
10
/30
/20
061
2/2
7/2
006
2/2
3/2
00
74
/22
/20
07
6/1
9/2
00
78
/16
/20
07
10
/13
/20
071
2/1
0/2
007
2/6
/20
08
4/4
/20
08
6/1
/20
08
7/2
9/2
00
89
/25
/20
08
11
/22
/20
081
/19
/20
09
3/1
8/2
00
95
/15
/20
09
7/1
2/2
00
99
/8/2
00
91
1/5
/20
09
1/2
/20
10
3/1
/20
10
4/2
8/2
01
06
/25
/20
10
8/2
2/2
01
01
0/1
9/2
010
12
/16
/20
102
/12
/20
11
4/1
1/2
01
16
/8/2
01
18
/5/2
01
11
0/2
/20
11
11
/29
/20
111
/26
/20
12
3/2
4/2
01
25
/21
/20
12
7/1
8/2
01
29
/14
/20
12
11
/11
/20
121
/8/2
01
33
/7/2
01
35
/4/2
01
37
/1/2
01
38
/28
/20
13
10
/25
/20
131
2/2
2/2
013
2/1
8/2
01
44
/17
/20
14
6/1
4/2
01
48
/11
/20
14
10
/8/2
01
41
2/5
/20
14
2/1
/20
15
3/3
1/2
01
55
/28
/20
15
7/2
5/2
01
59
/21
/20
15
11
/18
/20
15
T° Min. 2002-2015 en Apatzingán, Michoacán
4744 46
53
4745 4346
54
46
56 56 55
67
59
Armeria Colima Coquimatlán Manzanillo Tecomán
2000-2004 2005-2009 2010-2015
45GP
Colima
4 Dc Promedio/ Trampa
(3-9 umbral control)
Caso 2. HLB Cítricos
Solución
Modelo MonteCarlo para simulación de riesgos de HLB
Clima-Vector, Hospedanten (abundacia y susceptibilidad) y Focos
Calculo de: Diámetro de área ARCO (Km), Hectareas de manejo, Proporción de riesgode un estado y numero de ARCOs por estado
Mapa interpolado estatal basado en un Indice
Ponderado de variables delsistema epidemiológico
Simulación de tamaño de ARCO regional en diferentes escenarios de tiempo.
Tecnificación*
Sanidad
Riego*
Daño*
Carga de
inóculo
Dinámicas
poblacionales
Carga de
inóculo
Generaciones
potenciales
Mapas
Generaciones
Potenciales
Vigor
Edad*
Colima: Manejo Integral Regional
Predios
Y
Arcos
HLB, abril
2010
Tecomán
Incremento
en la
Producción
Situación Actual HLB en Colima 2016
0
20
40
60
80
100
0 5 10 15 20 25 30 35 40 45
Incid
en
cia
del
HL
B
Tiempo (meses)
Inc=1-Exp^(t/0.09)^1.4
r2=0.99
LANREF 2016
0
2
4
6
8
10
12
14
16
18
0 25 50 75 100
Pro
du
cc
ión
ob
ten
ida (
kg
/árb
ol)
0
2
4
6
8
10
12
14
16
18
0 25 50 75 100
Efecto de SEVERIDAD en el impacto PRODUCTIVO del HLB
80% 62.8%
Severidad de síntomas de HLB en dosel (%)
LANREF 2016
Viveristas
Productores
Comercializadores
nacionales
Exportadores
en fresco Procesadores
de jugo
Procesadores
de gajo
Transportistas
Vendedores
a detalle
Tiendas de
autoservicio
Envasadores
Distribuidores de
productos procesados
CESV
GOB. ESTADO
SENASICA
SAGARPA
Aplicado en una Plataforma de Manejo Regional del HLB:
Colima SIREMI-HLB
utilizar Paquete Tecnológico A
Caso 3
Sanidad de
Agave tequilana
1 Bateria
2 Hongos
1 Insecto
Ciclo Suelo-Sanidad-Agave
SUELOPlantaSana
PlantaVulnerada
CONTROL
DA
ÑO
QU
ÍMIC
O-F
ÍSIC
OB
IOLÓ
GIC
OS
CLI
MA
AG
AV
E
Matriz de Variables SIVEA-Agave
Caso 3
Sanidad de
Agave tequilana
Solución
Parte pública de SIVEA
Acceso personalizado
Desarrollo de un Sistema de Información Fitosanitaria del Agave
Parte privada
Fuentes de datos:CRT
LANREFProductores
Empresas
Plantación de Agave
Evaluación de variables de dañoEnfermedades del Agave
App-SIVEACaptura de datos de enfermedad
Plataforma WWW-SIVEA
1
2
3
4
1. App-SIVEA: Módulo Enfermedades: variables daño
Plantación de Agave
Evaluación conteo de picudos
App-SIVEACaptura de trampeo
Plataforma WWW-SIVEA1
2
3
4
Módulo Trampeo picudo (insecto): variables daño
Enfermedades
CaracterizaciónPlantaciones
Login
Visualizar Resumen de Muestreo
Componentes de App-SIVEA
12
3
Trampeo Envió de DatosMuestreos
Envió de DatosTrampeos
Componentes de App-SIVEA4 5
6
Placa
electrónica
Sensor Aéreo Sensor
Suelo
Batería
Micro SD
Extracción de datos climáticos vía Bluetooth
Modulo Bluetooth
<<< Componentes >>>75.00
80.00
85.00
90.00
95.00
100.00
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
17:40:36 18:10:38 18:40:40 19:10:41 19:40:43 17:50:15 18:20:17 18:50:18 19:20:19 19:50:21 20:20:22 20:50:23 21:20:24 21:50:26
28/04/2016 28/04/2016 28/04/2016 28/04/2016 28/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016 29/04/2016
Hu
me
dad
(%
)
Te
mp
era
tura
(ºC
)
Humedad %Aérea
Temperatura ºCAérea
Temperatura ºCSuelo
Humedad %Suelo
<<< Validación >>>
3. Desarrollo de sensores
de var. clima
T°, Humedad de Suelo y Aire
Jalpan, Pue. (Café, 2015)
Coatepec, Ver. (Café, 2014)
Hueytamalco, Pue. (Cítricos), 2014
El clima se mide por medio de sensores comerciales costosos.
La adecuación a sistemas de epidemiológicos de vigilancia es una oportunidad
Variables importantes: TemperaturaPrecipitaciónVelocidad de vientoHumedad relativaRadiación Solar
Registro digital y AutomatizadoFuente de energía: solar
Temp / HR del Suelo y Tem/HR
Aérea
Se utilizaron 2 sensores:
AM2315
DHt22
Panel solar 6V 330 Mah
Batería 3.7V 5300mAH
Base para montar el
datalogger
Línea de desarrollo del CIVECLIM 4V
18/12/2015
Inconvenientes Técnicos:
Consumo eléctrico: Batería
El sistema solo funciono 4 horas
continuas
Temperatura del Suelo y
Humedad del Suelo
Se utilizaron 2 sensores:
Higrómetro
DS18b20
Batería 9 V 220mAH
Regulador de voltaje
10/02/2016
Desarrollo se realiza en Arduino
Inconvenientes Técnicos:
Consumo eléctrico: Power Bank
El sistema deja de funcionar durante la
noche
Placa electrónica integral:
Tiene el controlador
de carga integrado
Reloj PCF5863
Se utilizo solo 1 sensor
DHT22Tem/HR Aérea
Panel solar 6V 150mAH
• Se integro modo sleep para un
menor consumo de
alimentación
Inconvenientes Técnicos:
Consumo eléctrico: Batería de
baja calidad
28/04/2016 12/07/2016
=
=
=
Microcontrolador
Sensores
Baterías
Inconvenientes Técnicos:
Las placas electrónicas tenían
inconsistencia eléctricas:
Reloj tenia un desfase en el tiempo
DHT22 tiene variaciones en la s lecturas
Panel solar
=
20/09/2016
Visualización de los Datos
Temporales
Procesamiento de Datos
(Algoritmos
Transferencia de Datos
Extracción de Datos
Mediante Bluetooth
Mediciones:
Humedad Aérea
Temperatura Aérea
Humedad Suelo
Temperatura suelo
Instalación del Datalogger
Proceso general de medición de temperatura y humedad:
Aereo y Suelo
Programación del
Datalogger
Lista de Sensores
Componentes Número de partes Fabricante DistribuidorCosto
MXN
Microcontrolador
ATMEGA328P
Arduino Nano Genérico V3 ATMEL A-electronics 129.31
Sensor áereo Tem/HR SHT15 Sensirion Sparkfun 890.00
Sensor de temperatura
de suelo DS18B20 Maxim integrated Adafruit185.00
Sensor de humedad
de suelo
WATERMARK 200SS Irrometer Protolab 638.00
Micro SD 8 GB Kingston Kingston 50.00
Modulo Micro SD Catalex V1.0 Catalex A-electronics 60.34
Bluetooth HC-05 A-electronics 172.41
Reloj tiempo real DS1307 Maxim integrated A-electronics 77.59
Batería Lithium Ion 3.7V 4400mAH - 18650 Adafruit A-electronics 387.93
Controlador de carga Li- Po Rider v1.3 Seeed Studio Teslabem 369.00
Panel Solar 6V 330mA 2W Adafruit A-electronics 253.50
Caja Plexiglas 88.50
Otros componentes,
complementos y
aditamentos
Headers macho y hembra, Resistencias,
Diodo, borneras, reed switch, impresiòn y
otros
313
Lista de materiales del datalogger
4 variablesTotal:
$3,600-4,000
2variablesHOBO + Extract:$9,000-10,000
Microcontroller ATmega328
Operating Voltage(logic level)
5 V
Input Voltage(recommended)
7-12 V
Input Voltage (limits) 6-20 V
Digital I/O Pins14 (of which 6 provide PWM output)
Analog Input Pins 8
DC Current per I/O Pin 40 mA
Flash Memory32 KB (ATmega328) of which 2 KB used by bootloader
SRAM1 KB (ATmega168) or 2 KB (ATmega328)
EEPROM512 bytes (ATmega168) or 1 KB (ATmega328)
Clock Speed 16 MHz
Dimensions 0.73" x 1.70"
Length 45 mm
Width 18 mm
Weigth 5 g
Especificaciones Técnicas:
CIVECLIM
Sensor SHT15
Arduino nano v3
Operating Voltage (logic
level):
2.4V min - 5.5V max
Measurement range:
0-100% RH
Absolute RH accuracy:
+/- 2% RH (10…90% RH)
Repeatability RH:
+/- 0.1% RH
Temp. Accuracy:
+/- 0.3°C @ 25°C
Low power consumption typ.
30 µW
2 factory calibrated sensors for
relative
Digital 2-wire interface (Not
I2C, but similar)
Precise dewpoint calculation
possible
Low power consumption (typ.
30 µW)
Watermark 200
Operating Voltage : 2.8 V
Measurement range:
0 to 239 cb (kPa)
Stainless steel enclosure
Fully solid state
Will not dissolve in soil
Not affected by freezing
temperatures
Internal compensation for
commonly found salinity levels
Inexpensive
Easy to use
No maintenance
Operating Voltage : 3.0V to 5.5V
power/data
Usable temperature range: -55 to
125°C (-67°F to +257°F)
9 to 12 bit selectable resolution
Uses 1-Wire interface- requires only
one digital pin for communication
Unique 64 bit ID burned into chip
±0.5°C Accuracy from -10°C to +85°C
Multiple sensors can share one pin
Query time is less than 750ms
DS18B20 Temp Suelo
Modulo Micro SD
Batería Li-on 3.7v 4400mAh
Operating Voltage : 4.5V to
5.5V power/data
Current: 0.2~200mA
Interface electrical level: 3.3V /
5V
Modulo Micro SD
Capacity : 8GB
Card dimension: 11 X 15 X 1mm
Operating temperature: -25°C –
85°C
Storage temperature: -40°C – 85°C
Almacenamiento Reloj RTC
Operating Voltage : 4.5~5.5V
Real-time clock (RTC) counts
seconds, minutes, hours, date of
the month, month, day of the
week, and year with leap-
year compensation valid up to
2100
56-byte, battery-backed,
nonvolatile (NV) RAM for data
storage
Two-wire serial interface
Programmable squarewave
output signal Automatic power-fail
detect and switch circuitry
Consumes less than 500nA in
battery backup mode with
oscillator running
Optional industrial temperature
range: -40°C to +85°C
Dimention: 28x25x8.4mm
Cargador Li-po Reader v1.3
Nominal Capacity 4400mAh
±5%
Nominal Voltage 3.7V
Standard Charge Current 0.2
C5A
Max Charge Current 1C5A
Charge cut-off Voltage 4.2V
Standard Discharge Current
0.5C5A
Discharge cut-off Voltage 2.75V
Cell Voltage 3.7-3.9V
Impedance ≤35mΩ
Weight Approx:85.0g
Storage humidity 65±20% RH
Stable 5V USB power supply regardless
of source
Jst 2.0 connector
Charge/Recharge algorithms built into
chip
Charge Lithium Polymer Battery through
solar power or USB
Stable supply voltage through either
lithium battery or USB
2 x USB ports let you program your kit
while charging your Lithium battery
Scalable to multiple lithium batteries and
large/multiple solar panels through
simple end-user modifications
Working Voltage: 6
Power: 3W
Working Current: 0-
250mA
Size:
136*110*3mm
Photovoltaic
system
Panel Solar
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
J1
SHT15
1
2
3
4
J6
Reloj
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
J3
Micro SD
R3
4.7k
1
2
3
4
5
6
J4
Bluetooth
D1
Diodo R4
4.7K
D2
Diodo
R54.7K
R1
10K
R2
10K
1
2
J5
Watermark
1
2
3
4
J2
DS18B20
Microcontrolador
Diseño de Placa electrónica
Circuito Impreso con componentes montados
Diagrama Electrónico en PCB WizardDiagrama Esquemático en Proteus
1) Satélite
2) Drone-
4) Uso de imágenes satelitales y Drones para de
Identificación de Focos de Daño y Asistencia en
modelos de Estres Hídrico
Phantom 4k
Cámara RGB de 14 mpx
Resolución hasta 2.5cm
Baterias 30min
Vuelos verticales para
DELIMITACIÓN DE
FOCOS
50m
80m
100m
30m
30m50m80m100m
Análisis Geoespacial en ArcGis y Surfer
0.62
0.92 0.92 0.92
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
1
2
3
4
5
6
7
8
9
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.23 0.230.31
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
1
2
3
4
5
6
7
8
9
10
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.69
1.00 1.00 1.00 1.00 1.00
0.0
0.2
0.4
0.6
0.8
1.0
0
2
4
6
8
10
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.31
0.92
1.00 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
1
2
3
4
5
6
7
8
9
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.08
0.77
0.92 0.921.00 1.00
0.0
0.2
0.4
0.6
0.8
1.0
0
2
4
6
8
10
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.00
0.38
0.85
1.00 1.00 1.00
0.0
0.2
0.4
0.6
0.8
1.0
0
1
2
3
4
5
6
7
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.38
0.77
1.00 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
1
2
3
4
5
6
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
0.15
0.54
0.92
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
1
2
3
4
5
6
0
10
25
45
65
85
Fre
cuencia
Clases
Histograma de Frecuencias
Evaluación directa de campo para validación
Uso de DRONE para estimación de Inventarios
Productivos
1970
plantas
estimadas
Análisis imágenes RGB: Método de clasificación por
criterios y máxima probabilidad. De ArgGis
Clasificación x clases…
Histogramas de bandas RGB
por clase definida
Análisis Correlación
de bandas RGB
por clase definida
Daño
estimado
20-33%
¿Qué hemos
Aprendido?
Parte 1 y 2
Tiempo
(años)
Fuente: G Mora CP-LANREF
Variabilidad /Cambio Climático
Impacto Sustentabilidad
Productiva
Efecto en Biología de
Plagas
Efecto en Estructura de
Epidemias
Efecto en Seguridad Alimentaria
Efecto Económico-
Social
Efecto Agroecosistemas
Regionales
Condiciones
Ambientales
Efecto en Modelo
Productivo
Potencial Productivo del Cultivo
Efecto Directo en Fisiología del
Cultivo
Conclusiones
• El cambio climático (CC) es un fenómeno global
derivado de las actividades del hombre.
• Existen evidencias razonables del impacto del CC
en la dispersión e incremento de plagas,
principalmente en la región central del continente
como consecuencia del efecto Niño/Niña.
• Se proporcionaron evidencias científicas del
efecto de la variabilidad climática en biología de
plagas y enfermedades casos roya cafeto y HLB.
Su mostró la integración en modelos de alertas
fitosanitarias.
Reflexiones 1. La innovación permite el desarrollo de talento humano. Un
enfoque complementario al modelo educativo clásico.
2. La tecnología no precede a la ciencia. Hay una tendencia depromover la herramientas computacional como ´´lasolución´´.
3. La solución es un algoritmo. La APP u otro sistema es un
medio para masificar y democratizar procesos.
4. El estudio del clima representa una oportunidad tecnológica.
5. Los déficits tecnológicos relativos a hardware y software
representan un reto y una oportunidad para países en
desarrollo.
6. Es necesaria la cooperación regional científica-tecnológica
para desarrollar capacidades humanas e infraestructura con fines de
manejo de riesgos fitosanitarios.
¡Gracias del Equipo CP-LANREF
México!