Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gesti ndePlagasconM ®todosgeoestad ¡Sticos
Gesti ndePlagasconM ®todosgeoestad ¡Sticos
Alumno
Cristina Ramírez León
Profesor Coordinador
Dr. Martín Alberto Díaz Viera
1
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Agradecimientos
Importante colaboración, vía Web al foro Master GIS, formado por todos los
alumnos de la séptima edición del Master de Sistemas de Información Geográfica de
la Fundación de la Universidad Politécnica de Cataluña. Inestimable colaboración
también al foro de Gabriel Ortiz y la RedIris.
2
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
3
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
INDICE
8 TECNOLOGÍA 67
9 BIBLIOGRAFÍA 68
4
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Con la idea de sacarle el máximo provecho a las tierras de cultivo, junto con el aumento
de extensiones dedicadas a la producción agrícola, se originó la ruptura del equilibro
ecológico y la extensión del fenómeno plaga.
Para el control de estas plagas fue necesario el uso de productos fitosanitarios lo que
consiguió la disminución de poblaciones de fauna auxiliar con el correspondiente
desequilibrio ecológico.
Con este panorama, era necesario adoptar medidas y mecanismos que devolvieran el
equilibrio a la naturaleza. Apareció entonces, la Lucha Dirigida, cuyas finalidades
principales eran: aplicar un umbral de tolerancia y seleccionar productos fitosanitarios
más adecuados para proteger esta fauna auxiliar.
Con este fin, nace el Decreto 1201/2002, que regula la Producción Integrada a nivel
nacional, donde se puede encontrar normas generales para llevar a cabo la
producción integrada, informando sobre requisitos a nivel fertilización así como
normativas nacionales específicas de cítricos y hortalizas.
5
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En el apartado 9, “BIBLIOGRAFÍA”
6
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Ante este panorama y con la aplicación de los Sistemas de Información Geográfica (en
adelante, SIG) conseguiríamos usar herramientas de gran capacidad de procesamiento
gráfico y alfanumérico. Estas herramientas vienen dotadas de procedimientos y
aplicaciones para captura, almacenamiento, análisis y visualización de la información
7
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
8
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
3.1. La Muestra
9
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Existen actualmente dos métodos para realizar estos cálculos. Métodos Clásicos
y Métodos Modernos. Por un lado, encontramos los Clásicos, incluyendo en estos, los
Bloques Geológicos y Perfiles de Parcelas, estos se caracterizan por el uso de valores
medios o medias ponderadas de los contenidos de la exploración de bloques
definidos convenientemente. Estos métodos son eficientes cuando la información
disponible presenta determinada regularidad, pero en la práctica, la gran diversidad
de formas en que se presentan los datos ha llevado a la utilización de técnicas
matemáticas y estadísticas para resolver un único problema, estimar valores
desconocidos a partir de conocidos, por lo tanto los métodos más eficientes que
proporcionan la mayor información posible de los datos disponibles son los Modernos.
Dentro de estos se encuentran el Inverso de la Distancia, Triangulación Splines y
buscando el mejor estimador que minimice la varianza del error de estimación, surge la
Geoestadística.
10
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Se puede entonces decir, que a cada punto X del espacio se le asocia una variable
aleatoria (VA) Z(x), para dos puntos diferentes se tendrán dos Vas Z(x) y Z(y) diferentes
pero no independientes, y es su grado de correlación el encargado de reflejar la
continuidad del objeto de estudio, de manera que esta técnica es la determinación
de la función de correlación espacial de los datos.
Una Variable Regionalizada es simplemente una función f(x) que toma valores
en todos los puntos (X, Y, Z) en el espacio. En nuestro caso, el dato Z será el número de
insectos recogidos en cada trampa por cada plaga. Sin embargo, es muy normal que
estas funciones varíen irregularmente en el espacio por lo que impiden su estudio
matemático directo y se hace necesario realizar un análisis de variabilidad de la
información disponible. En este aspecto, surgirá un estudio profundo de la función
variograma.
Una variable aleatoria (VA) es una variable que puede tomar ciertos valores de
acuerdo a cierta distribución de probabilidades. Un valor medido en cada punto xi es
considerado como una realización z(xi) de una VA Z(xi) cuya media es m(xi). En los
puntos x donde no existen valores medios es desconocida la propiedad que se
estudia, pero están bien definidos y pueden asimismo considerarse variables aleatorias
Z(x). Al conjunto de todas las mediciones z(x) en el área de estudio de las variables
regionalizada puede considerarse como una realización particular del conjunto Vas
(Z(x), x V área de estudio). A este conjunto de VAs se le llama Función aleatoria y se
escribe Z(x). De modo que al extender el concepto de función aleatoria al espacio de
una o más dimensiones, aparece la noción aleatoria y estructural de una variable
regionalizada: primero Z(x) como VA y segundo que las VAs Z(x) y Z(x+h) no son en
general independientes, si no que están relacionadas por la estructura espacial de la
variable regionalizada original Z(x).
11
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Como se observa en la última expresión γ(h) y C(h), son dos herramientas que permiten
expresar la correlación entre la variable aleatoria regionalizada Z(xi) y Z(xi+h),
separadas por el vector h.
III- Hipótesis Intrínseca. Una función aleatoria Z(x) se dice intrínseca cuando:
b) Para todo vector h el incremento [Z(x+h) - Z(x)] tiene varianza finita y no depende
de la localización xi:
Var{Z(x+h) - Z(x)} = E{[Z(x+h) - Z(x)]2} = 2γ(h) ∀x
12
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Estadística descriptiva
Permiten determinar si la distribución de los datos es normal, log normal, o si no se
ajustan a una distribución estadística, lo cual implica tener conocimiento de:
13
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Mediana: Es el valor para el cual la mitad de los datos son menores y la otra mitad
están por encima de este valor.
Si ordenamos los datos en orden ascendente podemos calcular la mediana como.
X(n+1)/2 si n es impar.
M =
(Xn/2 + Xn/2+1)/2 si n es par.
La mediana es también llamada percentil 50, además los datos no solo se dividen en
dos grupos, sino que se pueden dividir en cuatro partes, cuartiles, donde Q1 = percentil
25, Q2 = Mediana y Q3 = percentil 75, si los datos se dividen en 10, tenemos los deciles.
De forma general estas medidas se pueden calcular por: [p(n+1)/100] ésima
observación de los datos ordenados ascendentemente, donde p es el percentil que se
desea calcular.
σ
2
= ∑
n − 1 i =1
( Xi − X m)
La razón principal por la que se aboga por la división entre n-1 en la estimación de la
varianza, es porque proporciona un mejor estimado; si dividimos por n-1 nos referimos a
la varianza muestral S2 como un estimador insesgado de la varianza poblacional σ2.
Esto significa que si un experimento fuera repetido muchas veces se podría esperar
que el promedio de los valores así obtenidos para S2 igualara a σ2. Por otra parte si
dividimos entre n los valores obtenidos para S2 serían como promedio demasiado
pequeño.
Desviación estándar: Describe la tendencia o dispersión de la distribución. Es la
medida de desviación alrededor de la media. Se calcula por:
σ= σ2
14
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
ε= σ2 /n
La distribución normal tiene un valor de error estándar menor que 1.25 y la distribución
log normal o una distribución con tendencia positiva, tiene valores de error estándar
mayores que 1.25.
Una vez realizado este estudio estadístico de los datos, nos acercamos al Análisis
Estructural o Estudio del Semivariograma.
Pasos:
1. El cálculo del semivariograma experimental.
2. El ajuste a este de un modelo teórico conocido.
15
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Var{Z(x+h)-Z(x)} = 2γ(h)
1 Np ( h )
γ ( h) = ∑
2 Np(h) i =1
[Z ( xi ) − Z ( xi + h)]2
Esta expresión de γ(h) representa el útil más importante en todo estudio geoestadístico.
El paso siguiente será evaluar la expresión del semivariograma para todos los pares de
localizaciones separadas a la distancia h.
16
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Modelado de semivariogramas
17
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
El Alcance (Rango): La distancia h para la cual las variables Z(x) y Z(x+h) son
independientes, se denomina alcance y se representa por (a), es decir, las distancias
para la cual los valores de la variable dejan de estar correlacionados, o lo que es lo
mismo, la distancia para la cual el semivariograma alcanza su meseta.
El alcance siempre tiene valor positivo y puede ser obtenido a partir de la intersección
de las líneas descritas en los puntos anteriores, ese punto leído en la abscisa es una
fracción del propio alcance, fracción que se detallara posteriormente en la
explicación de los modelos teóricos.
1.- Su comportamiento en el origen, el cual puede ser linear, parabólico y con Efecto
de Pepita
2.- La presencia o ausencia de meseta.
18
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Modelo Exponencial: Este modelo a diferencia del esférico crece inicialmente más
rápido y después se estabiliza de forma asintótica.
19
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Este método consiste en ajustar un plano que pase por las tres muestras más
cercanas y adyacentes a la localización que se desea estimar.
La ecuación del plano es:
Z=ax+by+c
Cada muestra tiene coordenadas (x, y) y z representa el valor muestreado.
Con el objetivo de obtener la ecuación del plano que pase por las tres muestras se
construye el siguiente sistema de ecuaciones lineales:
a x1 + b y1 + c = z1
a x2 + b y2 + c = z2
a x3 + b y3 + c = z3
y así obtenemos los coeficientes a, b y c, entonces el valor de z en cualquier
localización dentro del triángulo correspondiente se puede obtener sustituyendo sus
coordenadas en la ecuación de Z.
Este método se basa en una combinación lineal dada por: Z*(x) = ∑ λi Z(xi)
En la que λi son los pesos proporcionales al inverso de la distancia euclidiana entre las
localizaciones muestreadas y la que se desea estimar, éstos pesos son calculados por:
λi = (1/doi)/ ∑1/doj
Donde: doi es la distancia entre la localización a estimar y la localización de la muestra
i.
Generalizando obtenemos:
Z*(x) = [∑i+1,n 1/doi Z(xi)] / ∑i=1,n1/doj
20
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Z*(v) = ∑ λi Z(xi)
Donde Z*(v) es el valor estimado y λi son los peso de krigeaje, de modo que los λi sean
obtenidos de tal forma que proporcione un estimador: insesgado E[Z*(v) - Z(v)] = 0 y
de varianza mínima Var[Z*(v) - Z(v)]
Krigeaje Simple
Estimador: Z*(v) = ∑ λi Z(xi) + m(1- ∑λi).
Sistema: ∑ λi C(xi, xj) = C(xj, v) j = 1,…,n
Varianza de krigeaje: σ2 = C(v,v) - ∑ λi C(xi, v)
Krigeaje Ordinario
En términos de la covarianza
Estimador: Z*(v) = ∑ λi Z(xi)
Sistema: ∑ λi C(xi, xj) - µ = C(xj, v) i,j = 1,…,n ∑ λi = 1
Varianza de krigeaje: σ2 = C(v,v) - ∑ λi C(xi, v) + µ
Krigeaje Universal
Uno de los problemas encontrados al modelar semivariogramas es la existencia de
tendencia en los datos, es decir, que los valores medidos aumentan o diminuyen en
21
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En ocasiones nos encontramos situaciones con características que las técnicas lineales
no permiten modelar, datos con alta asimetría por ejemplo. En estos casos se pueden
realizar transformación a los datos, y obtener configuraciones de estos que si pueden
ser explicados por el krigeaje, para lo que se han adoptado variantes como el Krigeaje
Log normal, Krigeaje de Indicadores, El Krigeaje Disyuntivo, El Krigeaje de
Probabilidades etc.
Validación cruzada
Sea Z(x) una función aleatoria estacionaria con semivariograma γ(h), su función
de covarianza C(h) viene dada por C(h) = σ2 - γ(h) donde σ2 es la varianza de Z(x).
Sea Zx1, Zx2,...,Zxn los valores de Z(x) en n puntos medidos. La validación cruzada
consiste en suprimir el i-ésimo valor medido Z(xi) y estimarlo a partir del resto de los
datos. El valor estimado Z*(xi) se calcula por krigeaje, procedimiento explicado más
adelante.
Si se repite este proceso para los N puntos, se pueden calcular n errores de validación:
E(xi) = Z*(xi)- Z(xi) i = 1, 2, . . . , N.
Así se van probando diferentes valores de los parámetros del semivariograma hasta
que los errores de validación cumplen los siguientes criterios estadísticos:
22
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Según ESRI, la extensión ArcGis Geostatistical Analyst, cumple con las siguientes
funcionalidades:
23
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
24
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Con el fin de promover una lucha eficaz contra las plagas, adversidades meteorológicas
y promover la creación de redes de seguimiento, previsión y realización de actuaciones
masivas, se ha estudiado la presencia de cuatro tipos de plagas en una zona concreta
de España, concretamente en la provincia de Lérida.
En cuanto a Cultivos y Plagas a estudiar, esta tesina se centrará en tres tipos de cultivo
(cítricos, manzana y pera) y cuatro tipos de plagas (mosca de la fruta, grafolita y
Roedores de la piel de la manzana y pera)
Partiremos de una base de datos con el número de capturas recogidas de cada una
de las plagas objeto de estudio durante una semana. Esta tabla también está
compuesta por las coordenadas X e Y de cada una de las trampas localizadas en la
zona objeto de estudio.
Una vez estos datos estén introducidos en el Gis, trataremos de seleccionar el método
de Krigenado que mejor se adapte a las características de los datos departida.
“El objetivo de esta tesina es el análisis de la distribución espacial de las plagas que
afectan a los cultivos, relacionando estos datos con otro tipo de variables con el fin
último de conseguir realizar un estudio de su distribución y sus posibles causas”.
25
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
26
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Las plagas a las que se le hace un seguimiento semanal son las cuatro de
mayor interés en la zona: Carpocapsa (Cydia Pomonella), Mosca de la Fruta (Ceratitis
captitata), Roedores de la piel de la Manzana y Pera (Adoxophyes Orana) y
(Pandemis hepaana).
Cada plaga tiene asociada un tipo de trampa a excepción de la Mosca de la fruta
que tiene asociada dos tipos.
Así, nos encontramos que todas las plagas usan trampas tipo DELTA y en el caso de la
moca de la fruta, en un tercio de los puntos de observación en los que hay trampa
DELTA, también hay TRIPACK.
Cada trampa, está formada por un receptáculo con una banda engomada con
distintos tipos de feromonas, donde quedan atrapados los insectos. Cada feromona es
específica para cada tipo de insecto.
Todas las trampas están georeferenciadas y colocadas según criterios concretos.
A título ilustrativo en la siguiente tabla, muestra información general sobre las trampas,
donde extraemos la conclusión de que en todas las trampas hay un seguimiento de la
plaga Carpocapsa y Pandemis.
Por la parte gráfica, contamos con las coordenadas UTM de cada una de las
estaciones, por lo que a partir de estos datos, obtenemos la capa capturas. Es esta
capa de puntos, junto con el número de capturas de cada plaga, el origen de todos
los estudios geoestadísticos.
Por otra parte, hemos obtenido a partir del Instituto Cartográfico de Cataluña y el
CNIG, distintas capas cartografías, tanto de ríos, ferrocarriles, carreteras y núcleos de
población de la zona objeto de estudio. En esta fuente también hemos obtenido
ortofotos de la zona, tanto para el estudio de la zona antes de realizar el estudio así
como para la posterior realización de mapas finales.
27
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
28
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
así lo conformen. La existencia de una montaña, por ejemplo, puede dar lugar a la
existencia de distintas variables que afecten a la distribución de plagas.
Aunque la ortofoto de la zona no nos muestra ningún tipo de relieve, realizando zoom
observamos que la zona objeto de estudio se encuentra en una zona prácticamente
llana. No obstante, se ha visitado la zona y se ha observado que las capturas se han
tomado en una gran llanura donde no existen elementos que puedan, inicialmente,
modificar los datos de una zona a otra.
Una vez obtenido la totalidad de datos para cada una de las plagas, se depurará la
información de manera que los datos seleccionados no incluyan valores erróneos. Es
deseable que la distribución espacial de los puntos de medición elegidos sea lo más
homogénea posible.
Normalmente, esta primera fase se realiza a través de la observación del mapa
temático donde se muestra el número de capturas recogidas en cada estación.
29
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
• Número de estaciones
• Distancia máxima entre estaciones
• Valor medio de capturas
• Varianza
• Desviación estándar
• Coeficiente de variación
• Valor mínimo de capturas
• Primer cuartil (0.25)
• Mediana
• Tercer cuartil (0.75)
• Valor máximo de capturas
Existen varias técnicas o índices que nos indicarán las modificaciones que hemos
de realizar a los datos con el objetivo de lograr una buena distribución de los datos
que cumplan las hipótesis de partida de la geoestadística.
30
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Dependiendo del valor del coeficiente de asimetría, deberemos o no, transformar los
datos.
Dependiendo del valor del coeficiente de variación, deberemos o no, eliminar outliers
y aplicar otro tipo de métodos geoestadísticos.
Los outliers son los valores atípicos de la muestra, por lo que es muy importante su
detección y posible eliminación, ya que podrían influir de manera significativa en los
resultados de las etapas posteriores.
• Los Outliers Distribucionales, son los que tienen valores que se alejan
significativamente del valor medio de la muestra.
31
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
• Los Outliers Espaciales, puntos que tienen un valor muy distinto a sus vecinos
más cercanos.
El criterio para clasificar a un dato como posible outliers es que sea menor al Primer
Cuartil -1,5 (Rango intercuartíl) o mayor que el Tercer Cuartil +1,5 (Rango intercuartíl).
Frequency
155 Coeficiente de Variación = 5.65
124
93
62
31
0 1 2 3 4 5 6 7 8 9 10
Data
-2
Frequency 10
4,25
3,4
2,55
1,7
0,85
Frequency 10
-1
Coeficiente de Variación = 2.68
14,4
Ceratitis
11,52
8,64
5,76
2,88
4,12
3,09
2,06
1,03
32
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
A la vista de los resultados arrojados, el estudio exploratorio de los datos nos indica
que debemos aplicar logaritmo en todos los casos, eliminar outlieres excepto en la
plaga Carpocapsa. Si con estas modificaciones no conseguimos unas distribuciones
normales de los datos, debemos olvidarnos de las técnicas de Geoestadística Lineal y
aplicaremos Geoestadística No Lineal.
33
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
• Realizamos el estudio
con los valores inferiores
a 1.5 número de
capturas para eliminar
Outlieres.
Adoxophyes
• Se han eliminado 5
outlieres
• Coeficiente de
Variación: 7.20.
Seguimos teniendo
problemas con los datos
extremos.
• Coef. Asimet.>1. Se han
de transformar los datos
• Realizamos el estudio
con los valores inferiores
a 3.5 número de
capturas para eliminar
Carpocapsa
Outlieres.
• Se han eliminado 84
outlieres
• Coeficiente de
Variación: 1.15
• Coef. Asimet.=0.87. Se
han de transformar los
datos mediante Raiz
Cuadrada
• Realizamos el estudio
con los valores inferiores
a 1.5 número de
capturas
• Se han eliminado 17
Ceratitis
outlieres
• Coeficiente de
Variación: 2.48.
Seguimos teniendo
problemas con los datos
extremos.
• Coef. Asimet>1.Se han
de transformar los datos
34
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
• Realizamos el estudio
con los valores inferiores
a 1.5 número de
capturas para eliminar
Outlieres.
• Se han eliminado 39
Pandemis
outlieres
• Coeficiente de
Variación: 3.76.
Seguimos teniendo
problemas con los datos
extremos.
• Coef. Asimet>1.Se han
de transformar los datos
Resumimos resultados.
35
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Hemos tratado de eliminar los posibles datos que podrían afectar a los
datos para conseguir una distribución normal. Con la eliminación de
outlieres no se ha conseguido.
Trataremos de modificar los datos, aplicando logaritmo a ver si
conseguimos unos resultados acordes a los que necesita la ciencia
Adoxophyes geoestadística lineal para su aplicación. En este caso, debido a la
existencia de elevados datos 0, no podremos calcular logaritmos.
Tendremos dos opciones:
1. Sumar una unidad a los datos y aplicar logaritmo
2. Olvidarnos de modificar datos e ir directamente a los métodos
de Geoestadística No Lineal.
Hemos tratado de eliminar los posibles datos que podrían afectar a los
datos para conseguir una distribución normal. Con la eliminación de
outlieres no se ha conseguido.
Trataremos de modificar los datos, aplicando logaritmo a ver si
conseguimos unos resultados acordes a los que necesita la ciencia
geoestadística lineal para su aplicación. En este caso, debido a la
Ceratitis
existencia de elevados datos 0, no podremos calcular logaritmos.
Tendremos dos opciones:
1. Sumar una unidad a los datos y aplicar logaritmo
2. Olvidarnos de modificar datos e ir directamente a los métodos
de Geoestadística No Lineal.
Hemos tratado de eliminar los posibles datos que podrían afectar a los
datos para conseguir una distribución normal. Con la eliminación de
outlieres no se ha conseguido.
Trataremos de modificar los datos, aplicando logaritmo a ver si
conseguimos unos resultados acordes a los que necesita la ciencia
Pandemis geoestadística lineal para su aplicación. En este caso, debido a la
existencia de elevados datos 0, no podremos calcular logaritmos.
Tendremos dos opciones:
1. Sumar una unidad a los datos y aplicar logaritmo
2. Olvidarnos de modificar datos e ir directamente a los métodos
de Geoestadística No Lineal.
36
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Tal y como observamos en los resultado, pasaremos ahora a transformar los datos.
Calcularemos logaritmos, excepto en el caso de la plaga Carpocapsa donde
tomaremos raíz cuadrada. Sumaremos una unidad a los datos para poder eliminar los
valores 0, una vez realizado esto, aplicaremos logaritmo en las plagas donde se había
decidido (todas excepto Carpocapsa, donde aplicaremos raíz cuadrada).
• Coeficiente de
Variación: 7.21.
Seguimos teniendo
problemas con los
Adoxophyes
datos extremos.
• Coef. Asimet.>1. Se
han de transformar
los datos
• Coeficiente de
Variación: 1.05.
Carpocapsa
• Coef. Asimet.<1. No
se tendrán
problemas con la
estimación.
• Coeficiente de
Variación: 2.48.
Seguimos teniendo
problemas con los
datos extremos.
• Coef. Asimet.>1. Se
Ceratitis
han de transformar
los datos
• Coeficiente de
Variación: 3.76.
Seguimos teniendo
problemas con los
datos extremos.
Pandemis
• Coef. Asimet.>1. Se
han de transformar
los datos
37
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Los pasos que se han llevado a cabo para poder llegar a esta situación y lo que se
tiene previsto realizar será como sigue:
Plaga Observaciones
38
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
4,25
3,4
2,55
1,7
0,85
γ 10
16,95
13,56
10,17
6,78
3,39
39
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
-1
γ 10
3,4
2,72
2,04
1,36
0,68
60
48
36
24
12
40
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
41
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
42
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
43
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
44
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
45
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Error Adoxophyes
En el caso de la plaga Adoxophyes, podemos dar por válido el estudio, ya que los
valores se encuentran muy próximos a lo que se esperaba.
Error Carpocapsa
En este caso, podemos dar por válido el estudio, ya que los valores se encuentran
muy próximos a lo que se esperaba.
Error Ceratitis
En este caso, podemos dar por válido el estudio, ya que los valores se encuentran
muy próximos a lo que se esperaba.
Error Pandemis
En este caso, podemos dar por válido el estudio, ya que los valores se encuentran
muy próximos a lo que se esperaba.
46
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
47
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
48
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
350.000.000
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
49
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
50
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En el caso de la Plaga Ceratitis, vemos que las zonas donde se encuentra una mayor
probabilidad de que exista plaga, no se corresponde con el área de influencia de la
contaminación lumínica de las carreteras que circulan por la zona. Tan solo un solo
foco, situado en el suroeste, coincide con el paso de varias carreteras.
Al igual que en las anteriores plagas, la mayoría de la superficie que cubre el área de
influencia de las carreteras, coincide con zonas donde la probabilidad de que exista
plaga es mínima. También recordar que la mayor parte de la zona de nuestro estudio
geoestadístico esta formado por zonas donde la probabilidad es muy pequeña.
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
51
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En el caso de la Plaga Pandemis, vemos que las zonas donde se encuentra una mayor
probabilidad de que exista plaga, no se corresponde con el área de influencia de la
contaminación lumínica de las carreteras que circulan por la zona. Tan solo un solo
foco, situado en el suroeste, coincide con el paso de varias carreteras.
Si observamos el gráfico de superficie que ocupa cada una de la zonas del estudio
geoestadístico observamos de nuevo que la mayor parte de la superficie del área de
influencia de las carreteras se encuentran en zonas donde la probabilidad de que
exista plagas es muy pequeña, pero observamos también que existe mucha superficie
donde coincide que existen probabilidades altas y áreas de influencia de carreteras.
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
52
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Municipios Población
Mollerussa 10.004
Les Borges Blanques 5.425
Bellpuig 4.243
Juneda 3.023
Linyola 2.529
Bellvis 2.207
53
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En el caso de la Plaga Adoxophyes, vemos que la zona donde más probabilidad hay
que exista plaga, coincide con la intersección del área de influencia de varios
municipios. Los municipios que más afectan son Les Borges Blanques y Juneda.
350.000.000
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
54
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
180.000.000
160.000.000
140.000.000
120.000.000
100.000.000
80.000.000
60.000.000
40.000.000
20.000.000
0
1 2 3 4 5 6 7 8 9 10
55
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
350.000.000
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
56
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
300.000.000
250.000.000
200.000.000
150.000.000
100.000.000
50.000.000
0
1 2 3 4 5 6 7 8 9 10
57
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
58
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
En caso de la Plaga Ceratitis, que hasta ahora, no parece coincidir con el resto de
plagas, coincide bastante su presencia cuando se encuentra la plaga pandemis, no
estudiada su relación hasta ahora. Bastante poca coincidencia con la plaga
carpocapsa y ningún tipo de presencia con la plaga Adoxophyes.
59
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
60
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Una vez estudiados cada una de las variables por separado, observemos el mapa de
la zona con toda la información al completo con el fin de obtener alguna otra
conclusión no observada hasta ahora.
PLAGA ADOXOPHYES
61
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
PLAGA CARPOCAPSA
62
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
PLAGA CERATITIS
63
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
PLAGA PANDEMIS
64
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
Conclusiones Generales
65
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
66
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
8. TECNOLOGÍA
Hardware
Hemos trabajado con un PC de escritorio con las siguientes características:
Intel ®
Pentium ® 4 CPU 3.00 GHz
2.99 GHz, 504 MB de RAM
Software
Microsoft Windows XP
Profesional
Versión 2002
Service Pack 2
Microsoft Excel
Software Gis:
ArcInfo 9.0 con con la extensión de ESRI, ArcGis Geostatistical Analyst
67
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
9. BIBLIOGRAFÍA
• Asesoramiento vía Web de Dr. Martín Alberto Díaz Viera. Investigador C-34
Programa de Investigación en Yacimientos Areno-Arcillosos. Instituto Mexicano
del Petróleo (IMP)
• Agricultura Técnica. ISSN 0365-2807 versión impresa. Variabilidad Espacial del
Rendimiento de uva y calidad de mosto en cuarteles de Vid cv. Cabernet
Sauvignon y Chardonnay en Respuesta a la variabilidad de algunas
propiedades del suelo.
http://www.scielo.cl/scielo.php?pid=S036528072005000200011&script=sci_arttext
&tlng=es
• An Experimental Comparison of Ordinary and Universal Kriging and Inverse
Distance Weighting. Mathematical Geology. Vol 31. Nº4. 1999
• Análisis comparativo de técnicas de interpolación en la estimación de la
variación espacial de factores en una cuenca hidrográfica. Universidad de
Colima.
• Análisis de Dispersión.
http://www.pucpr.edu/facultad/atorres/DESCRIPTIVO_Dispersion.htm
• Aplicación de la geoestadística en las ciencias ambientales. Ecosistema.
Revista científica y técnica de ecología y medio ambiente. Año XIII.
Nº1/2004.Enero-Abril
• Aplicación de la geoestadística en las ciencias ambientales. Francisco Jesús
Moral García. Dpto. de Expresión Gráfica, Escuela de Ingenierías Industriales,
Universidad de Extremadura.
• ArcGis. Geostatistical Analyst: Statistical Tools for data exploration, modeling
and advanced surface generation.
• Comparing Ordinary and Universal Kriging Results of ArcInfo, ArcMap, ArcView,
Idrisi 32, Surfer and Rtm. Victorino A. Bato. Departament of Geography.
Michigan State University.
• Creating Continnuous surfaces from Point Dataj. Charpter 5.
• Curso de Geoestadística desarrollado por la Unieversidad Agrícola de Lérida.
Manel Ribes.
• Dispersión espacial del pulgón ruso Diuraphis noxia en trigo, en el Partido de
Villarino, Provincia de Buenos Aires, Argentina. Departamento de agronomía,
zoología agrícola. Universidad Nacional del sur. 8000. Bahía Blanca. Argentina.
• Estimación por Kriging usando variogramas dinámicos. Instituto Superior Minero
Metalúrgico.
• Estudio Geoestadístico de la Distribución Espacial de la Helicoverpa armigera
Hb. en el cultivo del tomate en las vegas bajas del Guadiana. Arranz A.M. 2002.
Trabajo fin de carrera. Escuela de ingenierías agrarias. Universidad de
Extremadura. Badajoz.
• Evaluación de recursos naturales con geoestadística y Kriging. IV Jornadas
cuidemos nuestro mundo (CNM) para contribuir a la implementación de un
modelo ambiental para San Luís. 155p.
• Fundamentos de manejo de Plagas. Santiago Clavijo A. ISBN: 980-00-0612-2.
Código UCV: 2109301.
• Geoestadística: una apreciación global. Tannure, Claudia L. Mazza, Silvia M.
Facultad de Cs. Agrarias-Universidad Nacional del Nordeste. Argentina.
• Introducción a la geoestadística. Kart Vanderlinden. Grupo de Ríos y Embalses.
Universidad de Granada.
• La Cuantificación de las poblaciones de plaga. http://www.plagas-
agricolas.info.ve/doc/html/manejo_plagas/capitulo_4.html
68
Tesina de Gestión de Plagas con Métodos Geoestadísticos
Cristina Ramírez León
Febrero 2006
69