1 IMPLEMENTACIÓN APLICADOS AL MONITOREO DE PLAGAS REGLAMENTADAS EN MÉXICO DE MODELOS ECOLÓGICOS Infraestructura software para la

2 La distribución natural de las especies es determinada, en gran medida, por factores climáticos (Parmesan y Yohen, 2003), por lo que una premisa fundamental para evaluar su potencial de establecimiento en una determinada zona, o su dispersión, es contar con un registro histórico de variables meteorológicas que permita la construcción de escenarios de referencia sobre su comportamiento. Un elemento fundamental en la instrumentación de estos estudios son los modelos matemáticos empleados. Algunos de éstos basan sus predicciones en la correlación observada entre variables climáticas y la presencia o ausencia de especies, mientras que otros atienden a consideraciones fisiológicas (Pearson y Dawson, 2003). Independientemente de su naturaleza, con frecuencia estos modelos son implementados sobre plataformas informáticas que permiten al usuario evaluar escenarios sobre un fenómeno determinado. Un sistema computacional que permite realizar esta clase de estudios cuenta con (al menos) los siguientes elementos: Registro histórico de variables meteorológicas; motor que implementa la lógica de acceso a los registros en la base de datos y las operaciones requeridas por los modelos ecológicos, e interfaz para especificar los parámetros de análisis y obtener los resultados. NAPPFAST pertenece a esta categoría de plataformas. A continuación se presentan los avances en la construcción de una plataforma que permite implementar modelos ecológicos aplicados al monitoreo de plagas reglamentadas en México.

3 LaNGIF compiló en años pasados una colección de datos meteorológicos provenientes de distintas fuentes que alimentan al SMN. Aunque heterogénea en cuanto a la disponibilidad de registros en ciertas zonas del país, esta colección agrupa un total de 5, 448 estaciones distribuidas sobre el territorio nacional que poseen datos para diez variables meteorológicas, cinco de las cuales son de corte cuantitativo y cinco más de corte cualitativo. Utilizando la tecnología de bases de datos geoespaciales ofrecida por PostgreSQL y PostGIS, esta colección de datos fue transformada en una base de datos geoespacial. Componentes de la infraestructura software: Base de Datos Geoespacial (BDG)

4 La infraestructura software desarrollada ofrece capacidades para la generación de una gran variedad de productos expresados en forma de gráficas y de mapas. Gracias al diseño de la base de datos geoespacial es posible obtener datos especificando criterios espacio – temporales. En el primer grupo de criterios se encuentran las escalas geográficas país, estado, municipio, cuenca y subcuenca; por otro lado, en términos de criterios temporales, la plataforma ofrece la generación de productos a nivel diario, semanal y mensual, para todos los años contenidos en la base (1902 - 2009). La agregación de datos a nivel semanal y mensual depende de la variable bajo estudio: para las temperaturas (máxima, mínima y ambiente a las 08:00 horas) se realiza un promedio, mientras que, para la precipitación y la evapotranspiración, se considera una suma.

5 Componentes de la infraestructura software: Generador de Información Meteorológica (GIM) Registros de precipitación correspondientes a la estación Culiacán (DGE), en Sinaloa. Abajo se muestran los valores para el mes de agosto y a la derecha se muestran los valores semanales y mensuales para todo el año.

6 Componentes de la infraestructura software: Generador de Información Meteorológica (GIM) Registros de precipitación correspondientes a la estación Guasave (DGE), en Sinaloa. Abajo se muestran los valores para el mes de agosto y a la derecha se muestran los valores semanales y mensuales para todo el año.

7 Componentes de la infraestructura software: Generador de Información Meteorológica (GIM)

8 Componentes de la infraestructura software: Generador de Información Meteorológica (GIM)

9 Componentes de la infraestructura software: Generador de Información Biológica (GIB) La temperatura controla la tasa de desarrollo de muchos organismos, desde plantas y animales invertebrados, hasta insectos y nematodos. El concepto de Grados Días, aplicado a insectos (Pruess, 1983), establece la relación entre la fenología de éstos y la temperatura. En su formulación más sencilla, Grados Días fue propuesto como un método que contabiliza el número de días en que la temperatura media diaria excede un determinado umbral inferior. Esta expresión del método fue conocida como Temperatura Media (Wang, 1960). Estudios posteriores (Arnold, 1960) demostraron que el método de la Temperatura Media presentaba grandes errores, por lo que se introdujeron alternativas para el cálculo de los Grados Días como el método de Triangulación (Sevacherian et al., 1977) y el de la Función Seno (Allen, 1976). En estos últimos dos métodos se plantean seis posibles escenarios de temperaturas mínimas y máximas, con respecto a un umbral de temperatura inferior y otro superior. El componente Generador de Información Biológica de la infraestructura software presentada aquí, implementa los tres métodos.

10 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Tuta absoluta es una plaga devastadora del tomate. De acuerdo con su ficha técnica (SENASICA, 2013) actualmente no se encuentra presente en el país; sin embargo, el territorio nacional ofrece condiciones favorables para su establecimiento, lo cual, de ocurrir, podría afectar poco más de 119, 000 hectáreas de cultivos comerciales (tomate, papa, berenjena y tabaco), con un valor superior a los 27, 000 millones de pesos (SIAP, 2014). Considerando los valores de temperatura base (8.1°C) y de constante térmica (453.6 GD) reportados por Desneux et al. (2010), así como una temperatura umbral máxima de 35°C, se realizó un ejercicio para ilustrar el funcionamiento del componente Generador de Información Biológica.

11 Componentes de la infraestructura software: Generador de Información Biológica (GIB) El componente Generador de Información Biológica puede producir gráficas que presentan el comportamiento de los Grados Días a lo largo de un mes, para un año determinado, y para cada una de las 5, 448 estaciones meteorológicas incluidas en la base de datos geoespacial. Este tipo de gráficas muestran el número de Grados Días acumulados en el mes a manera de leyenda; además, pueden ser acompañadas de otras en donde se aprecia un comparativo de cada uno de los modelos implementados en el sistema.

12 Componentes de la infraestructura software: Generador de Información Biológica (GIB) También es posible obtener una representación espacial de los datos considerando los valores diarios.

13 Componentes de la infraestructura software: Generador de Información Biológica (GIB) También es posible obtener una representación espacial de los datos considerando los valores diarios.

14 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Aunque, típicamente, se opta por considerar los valores agregados mensualmente.

15 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Aunque, típicamente, se opta por considerar los valores agregados mensualmente.

16 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Aunque, típicamente, se opta por considerar los valores agregados mensualmente.

17 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Obtener el número de generaciones por año, también es una representación deseable de la información.

18 Componentes de la infraestructura software: Generador de Información Biológica (GIB) El número de generaciones por año, cuando se cuenta con un registro histórico como el que posee la base de datos geoespacial del LaNGIF, permite evaluar el comportamiento histórico de este parámetro.

19 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

20 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

21 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

22 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

23 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

24 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

25 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

26 Componentes de la infraestructura software: Generador de Información Biológica (GIB)

27 Componentes de la infraestructura software: Generador de Información Biológica (GIB) Cabe destacar, que los resultados mostrados son congruentes con los reportados por Desneux et al. (2010), quienes señalan que, en Sudamérica, el número de generaciones para esta plaga oscila entre las 10 y las 12 por año.

28 Componentes de la infraestructura software: Comentarios finales Los mapas mostrados en las láminas anteriores ilustran dos aspectos muy importantes sobre la plataforma desarrollada: la heterogeneidad en cuanto a la disponibilidad de datos a lo largo de los años y los efectos del criterio construido para representar espacialmente los datos. Con respecto al primer punto, la solución podría ser realizar una nueva búsqueda de registros meteorológicos históricos que complemente los que actualmente posee la base de datos, sobre todo para los años después del 2000. En cuanto al criterio para mapear los valores generados por los componentes GIM y GIB, consideramos que no es un problema, sino una representación más objetiva de la información. La incertidumbre en los resultados generados por modelos ecológicos está asociada a diversos factores, dentro de los cuales figura la representatividad espacial de los datos (Kooistra et al., 2005); en particular, cuando se consideran modelos que pretenden describir la distribución de especies, en función de variables meteorológicas, la escala espacial utilizada para representar los datos es de fundamental importancia (Pearson y Dawson, 2003). Por otro lado, aunque existen varios esquemas para representar datos en mallas espacialmente regulares que provienen de puntos geográficos distribuidos aleatoriamente (p. ej. Estaciones meteorológicas), a menudo están basados en supuestos que no siempre son aplicables a la realidad nacional; un ejemplo de esta clase de métodos es la propuesta introducida por Barnes (1964), la cual ha sido utilizada con frecuencia para representar espacialmente mediciones puntuales de variables atmosféricas; sin embargo, este método requiere que la distribución de los datos sea razonablemente uniforme sobre el espacio.

29 Componentes de la infraestructura software: Comentarios finales

30 Componentes de la infraestructura software: Comentarios finales

31 Componentes de la infraestructura software: Comentarios finales La infraestructura software aquí presentada es un prototipo completamente operacional de una plataforma tipo NAPPFAST; permite al usuario producir información histórica sobre el comportamiento de las variables meteorológicas contenidas en la base de datos, o bien, generar información conjugada a partir de dichas variables. Tal es el caso de la implementación del modelo Grados Días, según los métodos de la temperatura media, triangulación y función seno. Al igual que NAPPFAST, esta plataforma produce sus resultados en forma de mapas y de gráficas, pero a diferencia de ésta, la infraestructura software propuesta por el LaNGIF posee una base de datos de variables meteorológicas propia, misma que puede crecer actualizando los registros de las variables existentes o incorporando nuevas variables. Dado que aún se encuentra en fase de prototipo, la infraestructura software descrita presenta ciertas limitaciones. Actualmente el medio de interacción entre el usuario y el sistema es mediante una interfaz tipo CLI (Command Line Interface); además, únicamente contiene implementado el modelo de Grados Días en sus tres variantes. En términos de representación espacial de los datos, no ofrece la posibilidad de utilizar otro método de interpolación salvo el descrito. Por otro lado, la base de datos meteorológica presenta algunos inconvenientes: no existen registros después del 2009 y la disponibilidad de estaciones decrece notablemente después del año 2000. A pesar de lo anterior, creemos que el producto generado en esta primera aproximación, abre un panorama más claro hacia la consolidación de la plataforma SCOPEmx como una herramienta no sólo de corte gerencial, sino también científico.

32 Referencias Bibliográficas Allen, J. C. 1976. A modified sine wave method for calculating degree days. Environmental Entomology 5: 388 – 396. Arnold, C. Y. 1960. Maximum – minimum temperatures as a basis for computing heat units. Journal of the American Society of Horticultural Science 76: 682 – 692. Barnes, S. L. 1964. A Technique for Maximizing Details in Numerical Weather Map Analysis. Journal of Applied Meteorology 3: 396 – 409. Desneux, N., E. Wajnberg, K. A. G. Wyckhuys, G. Burgio, S. Arpaia, C. A. Narváez – Vasquez, J. González – Cabrera, D. C. Ruescas, E. Tabone, J. Frandon, J. Pizzol, C. Poncet, T. Cabello and A. Urbaneja. 2010. Biological invasión of European tomato crops by Tuta absoluta: ecology, geographic expansion and prospects for biological control. Journal of Pest Science 83: 197 – 215. Kooistra, L., M. A. J. Huijbregts, A. M. J. Ragas, R. Wehrens, and R. S. E. W. Leuven. 2005. Spatial Variability in Ecological Risk Assessment: A Case Study on the Potential Risk of Cadium for the Little Owl in a Dutch River Flood Plain. Environmental Science & Technology 39: 2177 – 2187.

33 Referencias Bibliográficas Parmesan, C. and G. Yohe. 2003. A globally coherent fingerprint of climate change impacts across natural systems. Nature 41: 37 – 42. Pearson, R. G. and T. P. Dawson. 2003. Predicting the impacts of climate change on the distribution of species: are bioclimate envelope models useful? Global Ecology & Biogeography 12: 361 – 371. Pruess, K. P. 1983. Day – degree methods for pest management. Environmental Entomology 12: 613 – 619. SENASICA. 2013. Palomilla del tomate (Tuta absoluta Meyrick). Dirección General de Sanidad Vegetal – Sistema Nacional de Vigilancia Epidemiológica Fitosanitaria. México, D.F. Ficha Técnica No. 28. 20 p. Sevacherian, V., V. M. Stern, and A. J. Mueller. 1977. Heat accumulation for timing Lygus control measures in safflower – cotton complex. Journal of Economic Entomology 70: 399 – 402. Servicio de Información Agroalimentaria y Pesquera (SIAP). 2014. Secretaria de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación. [En línea]. Disponible en http://www.siap.gob.mx/http://www.siap.gob.mx/ Wang, J. Y. 1960. A critique of the heat unit approach to plant response studies. Ecology 41: 785 – 790.