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

morag@colpos.mx

¿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!