Técnicas taxonómicas Técnicas de muestreo
INVERTEBRADOS TERRESTRES (NO ARTRÓPODOS)
ASPECTOS
APLICADOS
Ejemplo:
investigación aplicada
al control de plagas
de gasterópodos
en la agricultura
Diseño
Metodología
Resultados
Conclusiones
DESARROLLO DE UN MODELO DE PREDICCION DE ACTIVIDAD DE LA BABOSA GRIS, Deroceras
reticulatum, PARA SU APLICACIÓN EN PROGRAMAS DE CONTROL DE PLAGAS
EN
E
FE
B
MA
R
AB
R
MA
Y
JU
N
JU
L
AG
O
SE
P
OC
T
NO
V
DIC
BAJA
MEDIA
ALTA
MES
NIVEL DE
ACTIVIDAD
75-100
50-75
25-50
0-25
C
Y
C
L
E
ACTIVITY
ARTIFICIAL
NATURAL MODELLING
0
5
10
15
20
Métodos de control: 1. Plaguicidas (molusquicidas) químicos clásicos * metaldehído * carbamatos
*Eficacia Elevada, pero sólo a corto plazo *Inconvenientes Residuos (suelo, aguas, plantas) Efectos sobre otros animales
Métodos de control: 2. Nuevos plaguicidas químicos * fosfato de hierro
3. Control biológico * nematodos
*Eficacia Menor, sólo a corto plazo *Inconvenientes Caros Otros??
Métodos de control: 4. Nuevos métodos de control * protozoos (control biológico) * ovicidas químicos * cultivos-trampa * cultivos transgénicos * etc.
10 m
¿El “mejor”?
* Elevada eficacia * Bajo coste * Fácil aplicación * Amplia distribución
Objetivo:
Racionalización de su uso (utilizar menos cantidad de plaguicida, manteniendo o aumentando la eficacia)
¿CUANDOAPLICAR?
PLAGUICIDA PLAGA CULTIVO
CONTROL DE PLAGAS: Concepto tradicional: OBJETIVO: erradicar la plaga ESTRATEGIA: plaguicidas químicos
C.I.P (control integrado de plagas): OBJETIVO: mantener la plaga bajo control ESTRATEGIA: combinación de métodos
PLAGUICIDA PLAGA CULTIVO
PLAGUICIDA PLAGA CULTIVO
C.I.P (control integrado de plagas): “El C.I.P. es un proceso de integración de los conocimientos provenientes de multitud de disciplinas (biología, química, agronomía, economía, climatología, etc.) con el fin de desarrollar las estrategias de control de plagas más adecuadas desde el punto de vista económico, ambiental, y de salud pública” (Dent, 1991) “…el C.I.P. es un proceso de “toma de decisiones”: sobre la base de toda la información relevante disponible hay que decidir si se deben adoptar medidas de control y, en caso afirmativo, qué medidas adoptar, para que el control resulte eficaz, rentable y lo menos agresivo que sea posible desde el punto de vista ambiental” (Bechinski et col., 2002)
CAPACIDAD DE PREDICCIÓN DE: •Cuando se van a producir los daños (anticipación de riesgos) •Que efectos a largo plazo tienen los tratamientos sobre las poblaciones (anticipación de efectos)
JUSTIFICACIÓN DE LOS TRATAMIENTOS APLICADOS
SIN CAPACIDAD DE PREDICCIÓN: • No aplicación de plaguicidas (asumir riesgos) • Aplicación sistemática (asumir costes, sin justificación de la necesidad real de aplicación)
• los molusquicidas son muy baratos • son fáciles de aplicar • riesgo de daños por babosas es permanente • baja tolerancia de los cultivos a los daños (“daños cosméticos”)
DAÑOS COSMÉTICOS
DESARROLLO DE UN MODELO DE PREDICCION
POTENCIAL DE DAÑOS • Cantidad de animales • Estado de actividad o inactividad
FASES Y OBJETIVOS 1. Cantidad de animales conocer la dinámica y estructura de la población, y sus variaciones a lo largo del tiempo 2. Estado de actividad o inactividad
conocer la influencia de las condiciones ambientales sobre el nivel de actividad de los animales
3. Integrar toda la información obtenida en un modelo de predicción
• Estudio cuantitativo • Densidad de población (individuos/m2) (babosas, huevos) • Estructura de población (por grupos de edad, de talla, de madurez sexual) • Variaciones temporales
DINÁMICA y ESTRUCTURA DE POBLACIONES:
Metodología
MUESTREO DE
LA POBLACIÓN
HUEVOS
BABOSAS
• TAMAÑO (masa)
• FASE DE MADUREZ
SEXUAL
CUANTIFICACIÓN CARACTERIZACIÓN
(tamaño de población) (estructura de población)
Tipo de muestreo: muestras de suelo
Extracción mensual
de 20 muestras de
25 x 25 x 10 cm
10 cm
• Localización de las muestras en la parcela: al azar • Tamaño de la muestra: estándar
Determinación del número de muestras
• La figura representa la variación del grado de error y de la varianza del
número de babosas por muestra, en función del número de muestras.
• Para obtener un grado de error menor o igual al 10%, serían suficientes
18 muestras
• Muestreo preliminar
• Para cada número de
muestras se calculó el grado
de error dividiendo la
desviación típica por la media
aritmética.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
nº de muestras
va
ria
nza
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
gra
do
de e
rro
r
varianza grado de error
Tramiento de las muestras de suelo
Lavado de las
muestras de tierra
sobre tamices
CUANTIFICACIÓN CUANTIFICACIÓN
Y CARACTERIZACIÓN
Caracterización de los individuos
Glándula
hermafrodita
(gónada)
Glándula
de la
albúmina
Masa corporal
Sacrificio
Disección
Extracción de:
Glándula de la
albúmina masa en miligramos
Caracterización de los individuos
Caracterización de los individuos
Glándula hermafrodita
masa en miligramos fijación en Carnoy
conservación
deshidratación
rehidratación
deshidratación MICROSCOPIO
ÓPTICO (determinación del estado de
madurez sexual)
inclusión en parafina
cortes de 8μ de espesor
tinción hematoxilina-eosina
25μ
Masa compacta de células indiferenciadas
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Espermatogonia
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Espermatocito
50μ
Células alargadas con el núcleo retirado a uno de sus extremos
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Espermátida
50μ 25 μ
Células similares a los espermatozoides pero con la cola rodeada de citoplasma
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Espermatozoo
50μ 25 μ
Células masculinas maduras
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Oocito
50μ 25 μ
Células femeninas maduras con el citoplasma cargado de vitelo
Estados (fases) de madurez sexual
(Runham y Laryea,1968)
Senescente
50μ 25 μ
Epitelio cuboidal en la cara interior de la pared del acino
Estados (fases) de madurez sexual
1. indiferenciado-espermatogonia
2. espermatocito
3. espermátida
4. espermatozoo
5. oocito
6. senescente
INDIVIDUOS INMADUROS
INDIVIDUOS MADUROS
(Runham y Laryea,1968)
Caracterización de los individuos
1. Masa corporal
2. Masa de la glándula de la albúmina
3. Masa de la glándula hermafrodita
4. Estado de madurez sexual
5. Índice de la glándula de la albúmina :
masa gl. albúmina x 100 / masa del individuo
6. Índice de la glándula hermafrodita:
masa gl. hermafrodita x 100 / masa del individuo
Cada individuo caracterizado por:
Resultados. Tamaño de población
0
10
20
30
40
50
60
70
j a s o n d e f m a m j j a s o n d e f m a m j
ba
bo
sa
s/m
2
1999 2000 2001
BABOSAS
MÁXIMOS : 68 babosas m-2(marzo, abril)
60,8 babosas m-2 (marzo)
mes
Resultados. Tamaño de población
0
10
20
30
40
50
60
70
j a s o n d e f m a m j j a s o n d e f m a m j
ba
bo
sa
s/m
2
1999 2000 2001
BABOSAS
MÍNIMOS: 0,8 babosas m-2 (septiembre, agosto)
mes
0
20
40
60
80
j a s o n d e f m a m j
ba
bo
sa
s/m
2
año 1 (julio-99 a junio-00)año 2 (julio-00 a junio01)
BABOSAS
Resultados. Tamaño de población
1er año
2º año
verano- otoño
10,8 babosas m-2
invierno-primavera
51,2 babosas m-2
verano- otoño
6,5 babosas m-2
invierno-primavera
32,9 babosas m-2
MÁXIMO: 248 huevos m-2 (enero-2000)
118,4 huevos m-2 (diciembre –2000)
MÍNIMO: períodos junio-septiembre
0
90
180
270
j a s o n d e f m a m j j a s o n d e f m a m j
hu
evo
s/m
2
1999 2000 2001
Resultados. Tamaño de población
HUEVOS
mes
Resultados. Ciclo de maduración
0
100
200
300
400
500
esper
mat
ocito
esper
mat
ida
esper
mat
ozoo
oocito
senes
cente
mg
0
1
2
3
4
5
6
7
%
I.G.H (%)
I.G.A. (%)
masa corporal (mg)
0
4
8
12
0 150 300 450
masa corporal (mg)
ma
sa
gl.
he
rma
fro
dit
a (
mg
)
0
6
12
18
24
0 150 300 450
masa corporal (mg)
ma
sa
gl.
de
la
alb
úm
ina
(m
g)
Resultados. Estructura poblacional
328
227
(43,1%)
(29,8%)
206
(27,1%)
≤ 20 mg estado indiferenciado otros estados de madurez
De las 761 babosas capturadas:
• 328 no fueron diseccionadas al
poseer una masa corporal inferior a 20
mg.
• 227 presentaban una glándula
hermafrodita indiferenciada a pesar de
presentar una masa corporal > 20 mg.
• 206 se encontraban en alguno de los
otros estados de madurez
328
227
Resultados. Estructura poblacional
(43,1%)
(29,8%)
25
22
65
6
88
(3,3%)
(2,9%)
(8.5%)
(11,6%)
(0,8%)
≤ 20 mg espermatozoo indiferenciado oocito espermatocito senescente espermátida
Resultados. Estructura poblacional
0.8%
79.1%
20.1%
Inmaduros Maduros Senescentes
Resultados. Estructura poblacional
• La población está formada mayoritariamente por individuos inmaduros durante casi
todo el año.
• Sólo a principios del otoño (octubre y noviembre) las babosas maduras fueron las
más abundantes en la población.
0
20
40
60
80
j a s o n d e f m a m j j a s o n d e f m a m j
ba
bo
sa
s/m
2
inmaduros maduros senescentes
1999 2000 2001mes
Resultados. Dinámica generacional
0.00
0.50
1.00
1.50
2.00
2.50
3.00
3.50
j a s o n d e f m a m j j a s o n d e f m a m j
log
mg
peso corporal
1999 2000 2001
G5
G1
G2
G3
G4
Resultados. Dinámica generacional
0.00
0.50
1.00
1.50
2.00
2.50
3.00
3.50
j a s o n d e f m a m j j a s o n d e f m a m j
log
mg
peso corporal
1999 2000 2001
G5
G1
G2
G3
G4
GENERACIONES OTOÑALES (G2, G4): SURGEN EN EL OTOÑO
GENERACIONES PRIMAVERALES (G1, G3, G5): SURGEN EN INVIERNO/PRIMAVERA
Resultados. Dinámica generacional
Primavera
Verano
Otoño
Invierno
Generaciones otoñales
Generaciones primaverales
GENERACIONES
OTOÑALES
• maduración rápida
(3-5 meses)
GENERACIONES
PRIMAVERALES
• maduración lenta
(6-7 meses)
• muchos efectivos
(max. densidad
de población)
• pocos efectivos
(mín. densidad
de población)
• reproducción en
inv./prim.
• reproducción en
otoño
• pocas puestas • puestas numerosas
• aparición otoñal • aparición inv./prim.
• maduran con un
tamaño menor
• maduran con un
tamaño mayor
Comparación con otros trabajos
Sucesión directa de
generaciones
(sur de Europa)
Sucesión alterna de
generaciones
(centro y norte de Europa)
Comparación con otros trabajos
Sucesión directa:
Período de incubación
de los huevos en el
suelo = 1-2 meses
Sucesión alterna:
Período de incubación
De los huevos en el
Suelo = 3-7 meses
Comparación con otros trabajos
M F E D N O S A J J M A
INVIERNO OTOÑO VERANO PRIMAVERA
LENINGRADO (RUSIA)
Dimitrieva (1969)
ROTHAMSTED Y NEWCASTLE
(INGLATERRA); Bet (1960)
Hunter y Symonds (1971), South (1989b)
TOULOUSSE (SUR DE FRANCIA)
Ballanger y Champolivier (1990)
SANTIAGO DE COMPOSTELA
(ESPAÑA) Presente trabajo
Existe un gradiente latitudinal respecto a la localización temporal de las
época del año más favorable (elevada densidad de población y
reproducción) para las poblaciones de D. reticulatum
ESTUDIO DE LA ACTIVIDAD
Tipo de muestreo: sólo individuos activos
Muestreos durante 3
noches consecutivas por
mes, 24 meses
• Temperatura del suelo
• Temperatura del aire
• Humedad del aire (%HR)
Registro de
variables ambientales
Modelo
Datos de
actividad observada
3 categorías de
actividad
BAJA
MEDIA
ALTA
Variable dependiente
(de respuesta)
Variables independientes
(de predicción)
Variables ambientales registradas
en estación meteorológica Variables ambientales
registradas in situ
Variables de tipo
temporal
Variables
poblacionales
Procedimiento estadístico
REGRESIÓN ORDINAL
(McCullagh, 1980; McCullagh y Nelder, 1989)
• Variable de respuesta
cualitativa con más de
dos categorías: - actividad baja
- actividad media
- actividad alta
• Variables de predicción
cualitativas (factores): - presencia/ausencia
de lluvia in situ
- mes
- estación
• Variables de predicción
cuantitativas (covariables) - temperaturas
- precipitaciones
- %HR
- días desde la última
precipitación
-insolación, etc.
)/( xjYP Actividad de las babosas
Categoría: baja, media, alta
Variables de predicción
Variable de respuesta (actividad):
actividad baja
actividad media
actividad alta
= 1
= 2
= 3
Procedimiento estadístico
Categorías de actividad
0.00
0.05
0.10
0.15
0.20
0.25
<50
51-1
00
101-
150
151-
200
201-
250
251-
300
301-
350
351-
400
401-
450
451-
500
501-
550
551-
600
601-
650
651-
700
701-
750
751-
800
nº de babosas activas
fre
cu
en
cia
Número medio de babosas activas por noche = 201,2 individuos
Valor máximo de actividad = 779 individuos
Valor mínimo de actividad = 16 individuos
ACTIVIDAD OBSERVADA
0.00
0.05
0.10
0.15
0.20
0.25
<50
51-1
00
101-
150
151-
200
201-
250
251-
300
301-
350
351-
400
401-
450
451-
500
501-
550
551-
600
601-
650
651-
700
701-
750
751-
800
nº de babosas activas
fre
cu
en
cia
Categorías de actividad para el desarrollo del modelo de predicción:
ACTIVIDAD BAJA: noches con un nº de babosas activas ≤ 100
ACTIVIDAD MEDIA: noches con un nº de babosas activas > 100 y ≤ 300
ACTIVIDAD ALTA: noches con un nº de babosas activas > 300
P25 = 96
P75 = 302
Categorías de actividad
0
100
200
300
400
500
baja media alta
categoría de actividad
nº
de
ba
bo
sa
s a
cti
va
s
nº de casos Actividad media
Actividad baja 22 53
babosas/noche
Actividad media 31 173,8
babosas/noche
Actividad alta 19 419,3
babosas/noche
Categorías de actividad
Desarrollo del modelo
• Densidad de población
• Temperatura del aire in situ
• % de humedad relativa del aire in situ
• Mes
• Lluvia in situ
COVARIABLES
FACTORES
30 variables de predicción
Eliminación, una a una, de aquellas
que no eran significativas (P > 0,05)
Regresión ordinal (SPSS)
log (-log( 1- P(Y j / X ))= θj- [-0,0687 DENSPOB +
+0,268 TAINSITU +
+0,122 HRINSITU +
+2,027 (si LLUVIA = 0)+
-2,564 (si MES = 10)]
-3,866 (si MES = 9) +
+3,122 (si MES = 1) +
+2,395 (si MES = 2) +
+6,124 (si MES = 3) +
+3,790 (si MES = 4) +
Y= actividad de las babosas
j = 1 (baja), 2 (media), 3 (alta)
θ= valor de tolerancia para
cada categoría de actividad
DENSPOB= densidad de población
(nº babosas m-2)
TAINSITU= temperatura del aire in situ
(ºC)
HRINSITU= humedad relativa del
aire in situ (%)
LLUVIA= lluvia in situ
(0=ausencia; 1=presencia)
MES= mes del año (1= enero, .....
12=diciembre)
Modelo obtenido
Modelo: ejemplo de cálculo
log (-log( 1- P(Y j / X ))= θj- [-0,0687 DENSPOB +
+0,268 TAINSITU +
+0,122 HRINSITU +
+2,027 (si LLUVIA = 0)+
-2,564 (si MES = 10)]
-3,866 (si MES = 9) +
+3,122 (si MES = 1) +
+2,395 (si MES = 2) +
+6,124 (si MES = 3) +
+3,790 (si MES = 4) +
DENSPOB= 4,0 babosas m-2
TAINSITU= 11,7ºC
HRINSITU= 89%
SIN LLUVIA
MES = octubre
Y= 1 (actividad baja)
θ= 12,117 (Valor de la Tolerancia para la categoría
de actividad baja)
DENSPOB= 4,0 babosas m-2
TAINSITU= 11,7 ºC
HRINSITU= 89,0 %
LLUVIA= 0 (ausencia)
MES= 10 (octubre)
Modelo: ejemplo de cálculo
Paso 1. Cálculo de la probabilidad de actividad baja
log (-log( 1- P(Y1 / X ))= 12,117- [(-0,0687 x 4,0) +
+ (0,268 x 11,7) +
+ (0,122 x 89,0) +
+ (2,027) +
+ (-2,564)]
log (-log( 1- P(Y1 / X ))= -1,03456
P (Y 1/ X) = 0,3
Probabilidad de actividad baja= 30,0%
Modelo: ejemplo de cálculo
Paso 2. Cálculo de la probabilidad de actividad media
log (-log( 1- P(Y2 / X ))= 15,088- [(-0,0687 x 4,0) +
+ (0,268 x 11,7) +
+ (0,122 x 89,0) +
+ (2,027) +
+ (-2,564)]
Y= 2
θ= 15,088
DENSPOB= 4,0 babosas m-2
TAINSITU= 11,7 ºC
HRINSITU= 89,0 %
LLUVIA= 0 (ausencia)
MES= 10 (octubre)
log (-log( 1- P(Y2 / X ))= 1,93644
P (Y 2/ X) = 0,999
Probabilidad de actividad media= 69,9%
P (Y 2/ X) - P (Y 1/ X) = P (Y= 2/ X)
0,999 - 0,3 = 0,699
Modelo: ejemplo de cálculo
Paso 3. Cálculo de la probabilidad de actividad alta
P (Y 3/ X) = 1
P (Y= 3/ X) = 1 - P (Y= 2/ X) - P (Y= 1/ X)
P (Y= 3/ X) = 1 - 0,699 - 0.3
Probabilidad de actividad alta= 0,1%
Probabilidad de actividad alta= 0,1%
DENSPOB= 4,0 babosas m-2
TAINSITU= 11,7 ºC
HRINSITU= 89,0 %
LLUVIA= 0 (ausencia)
MES= 10 (octubre)
Probabilidad de actividad media= 69,9%
Probabilidad de actividad baja= 30,0%
Modelo: ejemplo de cálculo
Análisis del modelo: global
0
100
200
300
400
500
600
700
800
j a s o n d e f m a m j j a s o n d e f m a m j
nº
de
ba
bo
sa
s a
cti
va
s
1999 2000 2001
Numero de casos pronosticados
Categorías
de actividad
Baja
Media
Alta
Total
% de acierto
Numero de
casos
observados
Baja
Media
Alta
16
3
0
5
25
3
1
3
16
22
31
19
72,7%
80,6%
84,2%
Total 19 33 20 72 79,2%
χ2=70,4
g.l.=4
P<0,001
Actividad baja
Actividad media
Actividad alta
Análisis del modelo: por variables
0
10
20
30
40
baja media alta
Categoría de actividad
ind
ivid
uo
s m
-2
DENSIDAD DE POBLACIÓN: NS
0
2
4
6
8
10
12
14
baja media alta
Categoría de actividad
ºC
TEMPERATURA DEL AIRE: NS
75
80
85
90
95
100
baja media alta
Categoría de actividad
%H
R
*
HUMEDAD RELATIVA DEL AIRE: P<0,05 LLUVIA in situ: P<0,05
0
0.2
0.4
0.6
0.8
baja media alta
Categoría de actividad observada
fre
cu
en
cia
lluvia si lluvia no
0
0,2
0,4
0,6
0,8
1
frecu
en
cia
ene feb mar abr may jun jul ago sep oct nov dic
Mes
0
0,2
0,4
0,6
0,8
1
frecu
en
cia
ene feb mar abr may jun jul ago sep oct nov dic
Mes
Observado
Pronosticado
Actividad baja
Actividad media
Actividad alta
MES DEL AÑO: P<0,001
Análisis del modelo: por variables
Actividad baja
Actividad media
Actividad alta
0
0,2
0,4
0,6
0,8
1
frecu
en
cia
ene feb mar abr may jun jul ago sep oct nov dic
Mes
0
0,2
0,4
0,6
0,8
1
frecu
en
cia
ene feb mar abr may jun jul ago sep oct nov dic
Mes
Observado
Pronosticado
Actividad baja
Actividad media
Actividad alta
Análisis del modelo: por meses
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
Observado
Pronosticado
% DE ACIERTO EN EL PRONÓSTICO
primavera: 88,9%
Actividad baja
Actividad media
Actividad alta
Análisis del modelo: por estaciones
Análisis del modelo: por estaciones
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
Observado
Pronosticado
% DE ACIERTO EN EL PRONÓSTICO
invierno y otoño: 77,8%
Actividad baja
Actividad media
Actividad alta
Análisis del modelo: por estaciones
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
0
0.2
0.4
0.6
0.8
1
frecu
en
cia
invierno primavera verano otoño
Estación
Observado
Pronosticado
Actividad baja
Actividad media
Actividad alta % DE ACIERTO EN EL PRONÓSTICO
verano: 72,2%
• Cálculo de la probabilidad de las tres categorías de actividad para todas las
situaciones posibles
* para cada mes
* condiciones con y sin lluvia
* para valores de temperatura del aire entre 2ºC y 20ºC,
con incrementos de 1ºC
* para valores de %HR del aire entre el 70% y 100%HR,
con incrementos del 2%
* para los valores mensuales de densidad de población obtenidos
en el estudio de la dinámica de poblaciones
Aplicación: predicción de la actividad de las babosas
Aplicación: predicción de la actividad de las babosas
Categoría de actividad pronosticada con una probabilidad 50%
Actividad baja
Actividad media
Actividad alta
DICIEMBRE (SIN LLUVIA)
70
75
80
85
90
95
100
2 4 6 8 10 12 14 16 18 20
Temperatura (ºC)
%H
R
Aplicación: predicción de la actividad de las babosas
NOVIEMBRE
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
Probabilidad de que la actividad sea alta
CAPACIDAD DE PREDICCIÓN: •Cuando se van a producir los daños (anticipación de riesgos) •Que efectos a largo plazo tienen los tratamientos sobre las poblaciones (anticipación de efectos)
JUSTIFICACIÓN DE LOS TRATAMIENTOS APLICADOS
IMPLICACIONES
I. Predicción del riesgo de daños causados por D. reticulatum
(mayor probabilidad de actividad alta mayor probabilidad de
daños)
II. Formulación de una estrategia de control a largo plazo
IMPLICACIONES
IMPLICACIONES. 1. Anticipación de riesgos
E F M A M J J A S O N D
Densidad de población
• Elevada densidad de población
E F M A M J J A S O N D
INMADUROS MADUROS SENESCENTES
• Abundancia de individuos de gran talla
• Elevada densidad de población
IMPLICACIONES. 1. Anticipación de riesgos
E F M A M J J A S O N D
• Abundancia de individuos de gran talla
• Elevada densidad de población
• Elevada probabilidad de actividad alta
IMPLICACIONES. 1. Anticipación de riesgos
IMPLICACIONES. 1. Anticipación de riesgos
E F M A M J J A S O N D
• Abundancia de individuos de gran talla
• Elevada densidad de población
• Elevada probabilidad de actividad alta
• Elevada susceptibilidad de los cultivos
IMPLICACIONES. 1. Anticipación de riesgos
E F M A M J J A S O N D
• Abundancia de individuos de gran talla
• Elevada densidad de población
• Elevada probabilidad de actividad alta
• Elevada susceptibilidad de los cultivos
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
IMPLICACIONES. 2. Anticipación de efectos
INVIERNO PRIMAVERA VERANO OTOÑO
E F M A M J J A S O N D
Control de las poblaciones
Preguntas de examen:
• Que tipo de grupos o clases utilizarías para describir la estructura de una
población de babosas (ej. grupos establecidos por la edad de los animales, por
sexos, por su estado de madurez sexual, por tamaños....)
• Como harías un muestreo para determinar la densidad de población, en una
población de babosas?
• Por qué resulta útil disponer de capacidad de predicción en el ámbito del
control de plagas? Que es lo que se intenta predecir?
• Que es el “control integrado de plagas”?
• En el desarrollo del modelo matemático para pronosticar el nivel de actividad
de D. reticulatum en función de variables ambientales, se trabajó con dos tipos
de variables. Cita alguna de las variables de predicción cualitativas (factores) y
alguna de las cuantitativas (covariables).