UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

ESCUELA DE POSTGRADO - MAESTRA EN FITOPATOLOGA

Anlisis temporal y espacial del mildi Pseudoperonospora cubensis en pepinillo

(Cucumis sativus)

CURSO

Epidemiologa de las enfermedades de plantas

DOCENTE

Walter Apaza Tapia

SEMESTRE

2015 - I

ALUMNO

Acua Payano, Rosalyn

Cerna Rodriguez, Mildrek
Cabana Huamani, Kely
Florindez Chavez, Julissa

LIMA PERU

ANLISIS TEMPORAL Y ESPACIAL DEL MILDI Pseudoperonospora cubensis EN PEPINILLO

(Cucumis sativus)
SPATIAL AND TEMPORAL ANALYSIS OF Pseudoperonospora cubensis MILDEW ON CUCUMBER
(Cucumis sativus)

Acua, Rosalyn1; Cerna, Mildrek1; Cabana, Kely1; y Florindez, Julissa.1

1

Maestra de Fitopatologa - Universidad Nacional Agraria La Molina.

RESUMEN

El estudio se realiz en un campo experimental de la Universidad Nacional Agraria La

Molina,
se cuantific el comportamiento de la enfermedad en el patosistema
Psedoperonospora cubensis (Berkely & Curtis) Rostoytsew en pepinillo (Cucumis sativus),
que causa una enfermedad policclica. Las curvas del progreso de la epidemia se ajustaron al
modelo Gompertz determinado mediante los estadsticos R2, CME y buena distribucin de
los residuales para estimar los parmetros ( y ). Sin embargo, no se hallaron diferencias
significativas entre las
y ABCPEs de los tratamientos con la prueba de medias de
Tuckey. Tambin se realiz un transecto y se evalu la gradiente de dispersin de la
epidemia producida por P. cubensis, identificando los focos y determinando las gradientes
que se ajustaron al modelo exponencial y potencia inversa.
Palabras claves: Psudoperonospora cubensis, Gompertz, ABCPE

ABSTRACT
The study was conducted in an experimental field of the Universidad Nacional Agraria La
Molina, to quantify the behavior of the disease in the pathosystem Pseudoperonospora
cubensis (Berkeley & Curtis) Rostoytsew, in cucumber (Cucumis sativus). The curves of
progress of the epidemic to the Gompertz model were fitted by the R 2, CME and good
distribution of the residual to estimate the parameters ( and ). Tuckey test did not found
significant differences between
neather AUDCPs of treatments. However, the
gradients dispersion of the epidemic caused by P. cubensis, identified the outbreaks. Those
gradients that were adjusted to the exponential model and reverse power.
Keywords: Pseudoperonospora cubensis, Gompertz, AUDCP.

INTRODUCCIN
El mildiu de las cucurbitceas, causado por el oomyceto
Pseudoperonospora cubensis (Berk. Et Curt.) Rostovzev, es
un parsito biotrfico de plantas, perteneciente al reino
Chromista, clase Peronosporomycetes (Leveda y Cohen,
2011).
P. cubensis es un patgeno foliar, que ataca
exclusivamente a las hojas de cucurbitceas (Cohen, 1981;
Thomas, 1996 citado por Leveda y Cohen, 2011). Las
lesiones que causa el patgeno son fcilmente
reconocibles por el desarrollo de lesiones clorticas en la
superficie de las hojas, algunas veces con centros
necrticos. Estas lesiones estn restringidas por las venas
de las hojas, dando una apariencia angular (Savory, et al.,
2011). La alta humedad relativa y las temperaturas
moderadas favorecen el desarrollo de la enfermedad. Esta
puede manifestarse en periodos secos, ya que el roco
matinal es suficiente para permitir su desarrollo. (Rosa,
2001).
La Epidemiologa Agrcola, es la ciencia que estudia los
diversos factores que afectan el proceso y diseminacin de
las enfermedades en poblaciones de plantas cultivadas., en
consecuencia, una epidemia ocurre cuando se presenta
cualquier incremento en la cantidad de enfermedad, en
una poblacin de plantas a travs del tiempo (Achicanoy,
2000).
Los modelos epidemiolgicos se usan frecuentemente
como instrumento para evaluar diversas actividades de
manejo de las enfermedades, de tal forma, el valor de los
modelos epidemiolgicos reside en su capacidad de
estudiar hiptesis y de hacer que los responsables de
tomar decisiones sepan de antemano qu consecuencias
tendrn las incursiones de las enfermedades y qu impacto
tendrn las estrategias de control (Dub et al., 2007).
El objetivo del presente estudio se basa en realizar la
comparacin de los tratamientos mediante las tasas (Rho)
y los ABCPs para predecir el comportamiento de la
enfermedad en cada tratamiento y as como determinar
los focos de infeccin y sus respectivas gradientes.

MATERIALES Y MTODOS
rea de estudio
El estudio fue realizado en un campo experimental del
programa de Horticultura (Figura 1), de la Universidad
Nacional Agraria La Molina, ubicado en dispersin del
campo de estudio para el mildiu del pepinillo (P. cubensis)
en el distrito de La Molina, departamento de Lima, situado
a -12 O083498 S de latitud, -76.947450W. G. de longitud y
243,7 m.s.n.m.
Las condiciones medioambientales en el periodo de
evaluacin (Abril y Mayo), la temperatura ambiental
promedio fue de 20.5 C, la humedad relativa fue de 85% y
la direccin del viento fue de Oeste a Este (2.6 km/h).

Figura 1. Ubicacin del campo evaluado

Colecta de datos:
Para el anlisis temporal se realiz el modelamiento de la
epidemia en un ensayo experimental (detallado en la tabla
1), para ello se colectaron datos en base a la severidad de
50 hojas de Cucumis sativus por tratamiento mediante
observacin directa, estas evaluaciones fueron realizadas
cada cuatro das, durante un mes.
Para el anlisis espacial, la identificacin de focos y el
anlisis de gradientes, se estableci un transecto diagonal
a lo largo de todo el campo de pepinillo y se evaluaron tres
hojas por planta cada 60 cm a lo largo del transecto
escalonado (Figura2).
La colecta de datos fue a los 0, 7, 14, 17, 21, 25, 28, 32, 35
y 39 das.
Tabla 1: Detalle de los tratamientos para el control de P. cubensis

Figura 3: Gradientes de dispersin de los focos de Pseudoperonospora cubensis en pepinillo.

Modelamiento de la epidemia:

Gradiente de dispersin:

Previo al modelamiento de la epidemia se realiz la grfica

de la curva de progreso de la enfermedad (Y vs t) y la tasa
absoluta de incremento de la enfermedad (dY/dt vs t). Los
datos de severidad (0 1) se transformaron por medio de
logaritmos naturales (ln) para ver a qu modelo se ajusta
mejor
mediante
linealizacin:
exponencial,
Monomolecular, Logstico y Gompertz. Se determinaron
los valores de los parmetros yo, r, y el modelo fue
seleccionado en base al anlisis de los estadsticos R2, CME
y buena distribucin de residuales. Se us el software
estadstico SAS, para el modelamiento no lneal, de
acuerdo a Madden (1980). Posteriormente, se procedi a
homologar las tasas mediante el clculo del parmetro Rho
(p); Campbell y Madden, 1990).

Para determinar los focos de la enfermedad se grafic la

severidad en funcin a la distancia a lo largo del transecto
(figura 3), posteriormente se caracteriz la gradiente de
dispersin en ambos lados del foco (derecho, izquierdo).

rea bajo la curva de Progreso de la enfermedad

Se hall el ABCPE de cada tratamiento de acuerdo a
Campbell y Madden (1990) mediante la siguiente ecuacin:

RESULTADOS y DISCUSIN

)(

Anlisis estadstico
Los datos obtenidos se sometieron a un anlisis de
varianza (ANOVA) y a la prueba de comparacin mltiple
de medias de Tukey (=0.05) con la finalidad de definir su
significancia estadstica.

El gradiente derecho correspondi a la orientacin este, y

el izquierdo al oeste. Para caracterizar las gradientes se
realiz un ajuste lineal y no lineal de los modelos
exponencial [ln(Y)= ln(a)-bes], y potencia inversa
[ln(Y)=ln(a)-bp ln(s+c)]. Para determinar el mejor ajuste del
modelo se evalu mediante regresiones, los estadsticos
R2, CME, y distribucin de residuales, as como y los
parmetros
y b. Se emplearon los programas
estadsticos Excel y SAS.

El mejor ajuste de los datos de cada tratamiento, de

severidad para el desarrollo de la epidemia, correspondi
al modelo no lineal de Gompertz (Tabla 2).
Tabla 2:
y Frmula para los diferentes tratamientos de
Pseudoperonospora cubensis en pepinillo.
TRATAMIENTO

T0

0.0045

0.0983

T1

2.88E-25 0.1706

T2

5.71E-07 0.1186

T3

0.0001

0.1390

T4

0.0005

0.0933

T5
MODELO
PROMEDIO

1.84E-08 0.1304
0.0009

0.1250

Frmula

Tabla 3: ANOVA y prueba de Tukey para; ABCPE,

, valor de (k=1, K=y mximo) para ajuste lineal y no lineal de los tratamientos.

Ajuste Lineal
Tratamiento

ABCPE

T0
T1
T2
T3
T4
T5
CV

1353.6 A
1405.5 A
1309.7 A
1553.7 A
1271.6 A
996.5 A
33.462

0.004 A
0.000 A
0.000 A
0.005 A
0.006 A
0.000 A
273.410

61.08 A
65.55 A
63.33 A
68.58 A
59.55 A
48.58 A
31.330

No se hallaron diferencias significativas entre los

tratamientos con el ANOVA ni con la prueba de Tuckey,
cuando se compararon las tasas (rho; cuando k=1, o
k=
), el
. Tampoco se hallaron diferencias (p >
0.05) entre las ABCPEs de los tratamientos; los coeficientes
de variabilidad fueron aceptables para
, tasas (cuando
K=1, ajuste no lineal), as como para los ABCPEs, los CV
para rho (K=1, no lineal) fue de 29.96, para es de 273.41,
para
de 31.33 y para ABCPE es de 33.46, como se
muestra en la tabla 3. Las gradientes de dispersin G1 y G3
se ajustaron al modelo potencia inversa, mientras que G2 y
G4 se ajustaron al modelo exponencial negativo (Tabla 4).
Tabla 4: Parmetros
la epidemia.

y frmula de los modelos para gradientes de

DISCUSIN
De acuerdo a Campbell y Maden (1990), la seleccin de un
modelo apropiado para describir la curva de progreso de la
enfermedad es uno de los aspectos ms importantes para
el anlisis temporal; de igual modo, la seleccin del modelo
requiere la evaluacin de los estadsticos: R2 cercano a 1, el
menor valor del CME y una buena distribucin de
residuales. De tal forma, los parmetros estimados por el
modelo constituirn la base para el anlisis estadstico y la
comparacin de la curva del progreso de las epidemias.
Durante el anlisis de los datos para la comparacin de las
epidemias graficadas en la Figura 1, el modelo Gompertz
(tabla 2) proporcion la mejor descripcin de la curva de
progreso de la enfermedad en todos los tratamientos.
Dado que Pseudoperonospora cubensis es considerada una

Ajuste No Lineal

p (K=1)

p (K=max)

p (K=1)

p (K=max)

0.019AB
0.026AB
0.037 A
0.026 AB
0.028 AB
0.016 B
35.761

1.167 A
1.837 A
2.398 A
1.816 A
1.793 A
0.838 A
66.051

2.049 A
2.085A
2.060 A
2.075 A
2.057 A
2.065 A
29.964

5.067 A
7.473 A
6.144 A
6.764 A
5.415 A
5.201 A
45.118

enfermedad policclica. (Palty y Cohen, 1982), el modelo

Gompertz es apropiado para la descripcin de este tipo de
epidemias, y es utilizado con frecuencia para describir
muchos ciclos de infeccin durante el periodo del cultivo
as como lo manifiesta Achicanoy (2000). No obstante, es
necesario mencionar que durante el procesamiento de los
datos, dos repeticiones en dos tratamientos diferentes
(T3R1 y T4R2, observadas en el ANEXO 2 y 3) desarrollaron
un mejor ajuste para el modelo exponencial no lineal. El
desarrollo del modelo exponencial es explicado por
Vanderplank (1963), quien indica que en epidemias
policclicas el incremento de la enfermedad sigue un
patrn exponencial slo en las primeras etapas de
desarrollo de la epidemia. Precisamente, estas repeticiones
tuvieron un retraso en el desarrollo de la planta
probablemente por deficiencia de agua y por tal razn no
fueron considerados en el anlisis final, generalizando para
todos los tratamientos el modelo Gompertz.
En el ensayo evaluado los tratamientos fueron: T0 (testigo
sin fertilizacin), T1 (con fertilizacin), y los tratamientos
T2, T3, T4 y T5 (Agrostemn, Phyllum, Fertimar y Ecoalga,
respectivamente). Los tratamientos de prueba constituyen
bioestimulantes foliares (protohormonas de citoquininas,
auxinas y giberelinas) formulados a base de algas marinas.
Losbioestimulantes promueven la resistenciacontra
agentes biticos y abiticos, se energiza elnivel
inmunolgicovegetalypromuevenqueloscultivosse
defiendanporssolos frenteaproblemaslimitados a
larutadelcidosaliclico que ayuda a la
autodefensa contra patgenos biotrficos. Estos
principios son utilizados por promover la mejora de los
diversos procesos fisiolgicos de la planta; sin embargo, no
se evidenci un efecto directo sobre la resistencia a
Pseudoperonospora cubensis como se comprob en el

Figura 1. Curvas de Progreso de la enfermedad de Pseudoperonospora cubensis en pepinillo; y tasa absoluta de los tratamientos.

presente estudio, donde no se obtuvieron diferencias

estadsticas significativas (p > 0.05) sobre el control de la
enfermedad entre los diferentes tratamientos, tanto para
la tasa ( ) as como para
que son los que definen
completamente la epidemia para las enfermedades
policclicas, si el modelo es apropiado (Campbell y Maden,
1990). El desarrollo de Pseudoperonospora cubensis,
requiere de altas humedades relativas, as como
temperaturas entre 8-30C con ptimas de 15-27C,

siempre y cuando prevalezcan rocos y neblinas (Mendoza,

1996), tales condiciones se presentaron en el campo de
estudio durante el tiempo de evolucin con 20.5 C de
temperatura y alta HR del 85 %. El efecto de las hormonas
(tratamientos), reflejado en las tasas de cambio de
incremento de la enfermedad ( ) y el ABCPE de cada
tratamiento, segn lo determinado en la Tabla 3, no
contribuy a la prevencin de infeccin de la enfermedad,
ms aun, como se observ, el estrs de las plantas en

campo, por falta de riego y las condiciones ambientales

favorables (T y %HR) propiciaron el desarrollo del
patgeno. De tal forma, los tratamientos de prueba en el
ensayo experimental tuvieron poco o ningn efecto en el
control de la epidemia, ya que por lo comn el control de
P. cubensis es con fungicidas sintticos (Cristobal et al.,
2006). El viento juega un rol importante en la dispersin de
P. cubensis. Los esporangios son transportados desde las
plantas infectadas a travs de las corrientes de aire a
lugares locales o distantes (Colucci y Holmes, 2010).
Se determin que la fuente de inculo inicial provena de
un campo cercano ubicado al Oeste. Para evaluar el
transecto, se realizaron diferentes evaluaciones durante la
fenologa del cultivo (Anexo 5) determinado que la primera
evaluacin era la que mejor representaba el desarrollo de
los focos de infeccin, por lo cual se evaluaron cuatro
gradientes de dispersin (Figura 2). Para ello se realiz la
grfica de la gradiente de dispersin (Y vs s) y la tasa de
dispersin del foco (dY/ds vs s) como se observa en el
Anexo 6. Se obtuvo el ajuste al modelo exponencial para
las gradientes G2 y G4 y el ajuste al modelo Potencia
inversa para las gradientes G1 y G3 (Anexo 4). En
epidemiologa, los modelos comnmente reportados en
estudios de dispersin son el exponencial negativo y el de
Potencia inversa (Gregory), pues tienen una explicacin
biolgica, ya que estiman un nico parmetro de tasa de
dispersin asociado con la distancia (Campbell y Madden,
1990). Fitt et al. (1987) analizaron 325 publicaciones y no
encontraron una clara diferencia entre el modelo
exponencial y potencia inversa. En la mayora de los casos
el buen ajuste de los dos modelos a los datos fue muy
cercano, frecuentemente con valores R2 que diferan en
menos de 10%. Por lo tanto a pesar de que existen algunas
diferencias fundamentales en la teora de ambos modelos
en muchas situaciones las diferencias parecen ser
menores.
CONCLUSIN
En el anlisis temporal el modelo Gompertz es el que
mejor represento el comportamiento de P. cubensis en
Pepinillo para todos los tratamientos evaluados.
No hubo diferencia estadstica significativa entre las tasas y
las ABCPEs de los tratamientos.
Las evaluaciones al inicio de la epidemia son las ms
importantes para establecer el foco y la gradiente de
dispersin e identificar la fuente de inoculo inicial.

REFERENCIA BIBLIOGRFICA
Achicanoy, H. 2000. Descripcin cuantitativa de las epidemias de
las plantas. Rev. Fac. Nal. Agr. Medelln. Vol.53, No.1,
941-968 p.
Arneson, P.A. 2001 Epidemiologa de las Enfermedades de las
Plantas: Los Aspectos Temporales. The Plant Health
Instructor. DOI: 10.1094/PHI-A-2001-0524-01. .
Campbell, C. L., and L. V. Madden. 1990. Introduction to Plant
Disease Epidemiology. Wiley-Interscience, NY. 255-259
p.
Colucci, S.J. and G.J. Holmes. 2010. Downy Mildew of
Cucurbits. The Plant Health Instructor. DOI:
10.1094/PHI-I-2010-0825-01
Cristbal J, Caamal L, Tun J, Prez A, Latournerie L y Gutirrez.
2006. Epidemiologa del mildi de las cucurbitceas
(Pseudoperonospora cubensis Berk & Curt) en
materiales de meln (Cucumis melo l.). FITOSANIDAD
vol. 10, no. 3.
Dub, C.; Garner, G.; Stevenson, M.; Sanson, R.; Estrada, C.;
Willeberg, P. 2007. Utilizacin de modelos
epidemiolgicos para la gestin de las enfermedades
animales. Conf. OIE, 25-35 p.
Fred Brauer, Carlos Castillo-Chvez. 2001. Mathematical Models
in Population Biology and Epidemiology. Springer
Science & Business Media, 416 p.
Madden, L; Hughes, G; and Van den Bosch F. 2007. The Study of
Plant Disease Epidemics. APS Press, St. Paul, MN.
Mendoza, Z. C.: Enfermedades fungosas de hortalizas, Ed.
Universidad Autnoma Chapingo, Mxico. 1996, . 3033 p.
Otten, W., Filipe, J and Gilligan A. 2004.An empirical method to
estimate the effect of soil on the rate for transmission
of damping-off disease. DOI: 10.1111/j.14698137.2004.01011.x
Palty, J. and Cohen, Y. 1980. Downy mildew of cucurbits
(Pseudoperonospora cubensis): the fungus and its
hosts, Distribution, Epidemiology and Control.
Phytoparasitica 8(2): 109-147 p.
Peleg, M., and Cole, M. B. 1998. Reinterpretation of microbial
survival curves. Crit. Rev. Food Sci. Nutr. 38:353-380.
Shlevin, Eli I. Sam Saguy, Yitzhak Mahrer, and Jaacov Katan. 2003.
Modeling the Survival of Two Soilborne Pathogens
Under Dry Structural Solarization. Phytopathology
93:10, 1247-1257 p.
Vanderplank, J. E. 1963. Plant diseases: Epidemics and control.
Academic, New York, 344 p.
Waggoner, P. E. 1986. Progress cuves of foliar disease: their
interpretation and use. Plant Disease Epidemiology
Vol. 1: Population Dynamics and Management
(Leonard, K.J. and Fry W.E. eds.). Macmillan, New
York, 3-37 p.
Weibull, W. 1951. A statistical distribution of wide applicability. J.
Appl. Mechanics 18:293-297.

ANEXOS
Anexo 1. Resumen de estadsticos para el ajuste lineal, en los modelos: exponencial, monomolecular, logstico, gompertz.

Anexo 2. Resumen de estadsticos para el ajuste no lineal, en los modelos: exponencial, monomolecular, logstico, gompertz.
Cuadro de Ajuste No Lineal
Trat.
T0

T1

T2

T3

T4

T5

Bloque
Modelo
R2
CME
Residuales
R2
CME
Residuales
R2
CME
Residuales
R2
CME
Residuales
R2
CME
Residuales
R2
CME
Residuales

I
Ex
Monit
0.98138 0.80274
0.00322 0.01470
B
M
0.96951 0.77216
0.00676 0.02880
R
M
0.98258 0.78470
0.00525 0.03560
B
M
0.9596 0.3482
0.0056 0.0512
R
M
0.9797 0.7603
0.0019 0.0104
R
M
0.9673 0.363
0.0014 0.0168
B
M

II
III
IV
Logit Gomp
Ex
Monit Logit Gomp
Ex
Monit Logit Gomp
Ex
Monit Logit Gomp
0.98138 0.98376 0.98467 0.02595 0.28822 0.99769 0.97155 0.74116 0.28402 0.99728 0.97404 0.71623 0.28677 0.83149
0.00322 0.00322 0.00244 0.09020 0.11370 0.00042 0.00749 0.04130 0.18850 0.00082 0.00254 0.01630 0.06970 0.00044
B
B
B
M
M
B
R
M
M
B
B
M
M
B
0.48358 0.99697 0.97145 0.70977 0.28070 0.99782 0.97408 0.64704 0.28063 0.99879 0.95190 0.33020 0.30533 0.98783
0.11450 0.00077 0.00289 0.01850 0.07310 0.00025 0.00969 0.08120 0.26920 0.00052 0.00716 0.05930 0.10340 0.00207
M
B
R
M
M
B
R
M
M
B
R
M
M
B
0.35899 0.99791 0.96853 0.74083 0.28169 0.99704 0.97383 0.51340 0.28305 0.99914 0.99653 0.55226 0.27975 0.99913
0.19320 0.00072 0.01040 0.04970 0.23710 0.00112 0.00402 0.04760 0.11030 0.00015 0.00008 0.00787 0.01970 0.00002
M
B
R
M
M
B
R
M
M
B
B
M
M
B
0.2853 0.9903 0.9751 0.6644 0.0026 0.9854 0.9434 0.6115 0.8614 0.898 0.924 0.5542 0.0027 0.9349
0.0982 0.0015 0.0063 0.0457 0.2539 0.0042 0.0098 0.0423 0.024 0.0202 0.0082 0.0268 0.1082 0.0081
M
B
R
M
M
B
R
M
M
B
M
M
M
R
0.9477 0.9912 0.9312 0.4653 0.0044 0.7916 0.976 0.5663 0.0776 0.9978 0.9679 0.6366 0.0219 0.9952
0.0055 0.0009 0.0093 0.0435 0.1347 0.0322 0.0056 0.0644 0.2477 0.0006 0.0013 0.0085 0.038 0.0002
B
B
RB
M
M
RM
B
M
M
B
RB
M
M
B
0.025 0.993 0.9751 0.7001 0.2583 0.9979 0.9844 0.2641 0.0304 0.9941 0.9324 0.45 0.3763 0.9829
0.0409 0.0003 0.0038 0.0258 0.113 0.0004 0.0005 0.0151 0.0283 0.0002 0.0069 0.0325 0.0635 0.0017
M
B
RB
M
M
B
RB
M
M
M
R
M
M
B

Anexo 3. Resumen del anlisis de varianza y prueba de comparacin de medias Tukey para; ABCPE, Y
mximo, Yo, valor de (k=1, K=y mximo) para ajuste lineal y no lineal
TRAT. BLOQUE
T0
T0
T0
T0
T1
T1
T1
T1
T2
T2
T2
T2
T3
T3
T3
T3
T4
T4
T4
T4
T5
T5
T5
T5

1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

Yo

(k =1)

(k=ymax)

MODELO

K
(estimado)

1.79E-02
1.03E-06
1.28E-26
1.64E-16
9.25E-33
1.95E-41
1.15E-24
6.47E-79
3.44E-07
6.81E-48
1.63E-34
1.94E-06
4.14E-26
4.19E-04
0.02130
2.97E-77
1.58E-03
0.02440
6.87E-12
5.21E-13
3.95E-27
6.30E-08
1.04E-08
1.05E-80

0.02510
0.08400
0.15220
0.13200
0.16690
0.16590
0.14620
0.20340
0.09440
0.17930
0.15580
0.04500
0.15500
0.05800
0.0932
0.20410
0.05510
0.0855
0.10680
0.11810
0.14100
0.09760
0.07240
0.21050

2.01255
2.04200
2.07610
2.06600
2.08345
2.08295
2.07310
2.10170
2.04720
2.08965
2.07790
2.02250
2.07750
2.02900
0.09320
2.10205
2.02755
0.08550
2.05340
2.05905
2.07050
2.04880
2.03620
2.10525

2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
0.09320
2.00000
2.00000
0.08550
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000

G
G
G
G
G
G
G
G
G
G
G
G
G
G
E
G
G
E
G
G
G
G
G
G

5.01120
1.03830
0.87910
0.56460
0.74050
0.54840
1.09850
0.52470
1.18990
0.90570
0.71160
3.55970
0.71630
2.23910
1.00000
0.44350
1.10670
1.00000
1.35320
0.45740
0.48290
0.99230
1.07000
0.50870

Frmula
5.0112*exp(-5.63462997350972*exp(-0.0251*t))
1.0383*exp(-13.8196605422053*exp(-0.084*t))
0.8791*exp(-59.4914957177887*exp(-0.1522*t))
0.5646*exp(-35.7750274829059*exp(-0.132*t))
0.7405*exp(-73.4602548720049*exp(-0.1669*t))
0.5484*exp(-93.1374091088862*exp(-0.1659*t))
1.0985*exp(-55.2162259023245*exp(-0.1462*t))
0.5247*exp(-179.392117629727*exp(-0.2034*t))
1.1899*exp(-15.0553313343718*exp(-0.0944*t))
0.9057*exp(-108.506645189952*exp(-0.1793*t))
0.7116*exp(-77.4590738237884*exp(-0.1558*t))
3.5597*exp(-14.4224988565392*exp(-0.045*t))
0.7163*exp(-58.1128604246462*exp(-0.155*t))
2.2391*exp(-8.58371363745729*exp(-0.058*t))
0.0213*exp(-0.0932*t))
0.4435*exp(-175.397432730494*exp(-0.2041*t))
1.1067*exp(-6.55171304623186*exp(-0.0551*t))
0.0244*exp(-0.0855*t))
1.3532*exp(26.0063291676187*exp(-0.1068*t))
0.4574*exp(-27.5008293557639*exp(-0.1181*t))
0.4829*exp(-60.0681362458236*exp(-0.141*t))
0.9923*exp(-16.5719252353595*exp(-0.0976*t))
1.07*exp(-18.4481576027933*exp(-0.0724*t))
0.5087*exp(-183.482120448201*exp(-0.2105*t))

Anexo 4. Parmetros estimados con el ajuste lineal y no lineal para los modelos exponencial y
potencia inversa.
AJUSTE LINEAL
AJUSTE NO LINEAL
Valores
Potencia
Tratamiento
Exponencial
Potencia
Parmetros
Inversa
Exponencial
Inversa
ln (y) vs s ln(y) vs (s+c)
a*
4.02698
3.65043
43.49210
26.4815
G1
b
-0.32163
-0.73581
0.18790
0.24910
c
-0.49340
a*
16.59607
49.47497
5.45E+04 1.63E+20
G2
b
-0.90205
-17.06360
0.52380 16.77230
c
-0.18980
a*
16.96013
65.26756
1.75E+08 5.39E+27
G3
b
-0.33354
-16.62411
0.38140 16.36380
c
-0.67120
a*
14.73983
60.55176
3.90E+13 1.85E+26
G4
b
-0.31139
-15.69997
0.66370 15.68570
c
0.00749

Anexo 5. Grficas del transecto del campo evaluado y la dispersin de los puntos en las diferentes
fechas evaluadas
Dispersin de puntos en el transecto del 27 de Abril
50

45

45

40

40

35

35

Severidad (%)

Severidad (%)

Evaluacin del transecto del 27 de Abril

50

30
25
20
15
10

30
25
20
15
10

0
0

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

35

35

30

30

25
20
15
10

25
20
15

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

50

60

70

80

Dispersin de puntos en el transecto del 04 de Mayo

45

45

40

40

35

35

30

Severidad (%)

Severidad (%)

40

Distancia (m)

Evaluacin del transecto del 04 de Mayo

25
20
15

10

30
25
20
15

10

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

50

60

70

80

Distancia (m)

Evaluacin del transecto del 08 de Mayo

Dispersin de puntos en el transecto del 08 de Mayo

80

80

70

70

60

60

Severidad (%)

Distancia (m)

80

0
0

50
40
30

20

50
40
30

20

10

10

0
0

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

50

60

70

80

Distancia (m)

Evaluacin del transecto del 11 de Mayo

Dispersin de puntos en el transecto del 11 de Mayo

80

80

70

70

60

60

Severidad (%)

Severidad (%)

70

50
40
30
20

50
40
30
20

10

10

0
0

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

50

60

70

80

Distancia (m)

Evaluacin del transecto del 15 de Mayo

Dispersin de puntos en el transecto del 15 de Mayo

60

60

50

50

40

Severidad (%)

Severidad (%)

60

10

30
20
10

40

30
20
10

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

50

60

70

80

Distancia (m)

Evaluacin del transecto del 18 de Mayo

Dispersin de puntos en el transecto del 18 de Mayo

60

60

50

50

40

Severidad (%)

Severidad (%)

50

Dispersin de puntos en el transecto del 30 de Abril

40

Severidad (%)

Severidad (%)

Evaluacin del transecto del 30 de Abril

30
20
10

40
30
20
10

0
0

10

20

30

40

50

60

70

80

10

20

30

Distancia (m)

40

50

60

70

80

Distancia (m)

Evaluacin del transecto del 22 de Mayo

Dispersin de puntos en el transecto del 22 de Mayo

70

70

60

60

50

50

Severidad (%)

Severidad (%)

40

Distancia (m)

40
30
20
10

40
30
20
10

0
0

10

20

30

40

Distancia (m)

50

60

70

80

10

20

30

40

Distancia (m)

50

60

70

80

Anexo 6. Graficas de las cuatro gradientes de dispersin con los valores estimados a partir de los
modelos exponencial y potencia inversa; tasa de dispersin de esas gradientes.
Tasa de dispersin de la gradiente 1
40

50

30

40

20

10

30

d(Y)/ds

Severidad (%)

Gradiente de dispersion 1 y valores aproximados del modelo

Exponencial y Potencia inversa

20
10

0
-10 0

-30

-40

-50

Distancia (m)

-60
Severidad

Exponencial

Distancia (m)

Potencia inversa

Tasa de dispersin de la gradiente 2

Gradiente de dispersion 2 y valores aproximados del modelo

Exponencial y Potencia inversa

15

45

10

40
35

30
0

25

d(Y)/ds

Severidad (%)

-20

20
15

-5

13

15

17

19

21

23

25

-10

10

-15

5
0

-20

10

12

-25

Distancia (m)
Severidad

Exponencial

Tasa de dispersin de la gradiente 3

Gradiente de dispersion 3 y valores aproximados del modelo

Exponencial y Potencia inversa

12

10
8

d(Y)/ds

Severidad (%)

Distancia (m)

Potencia inversa

43

45

47

49

51

53

55

57

59

-1
-2

2
0

10

12

14

-3

16

Distancia (m)
Severidad

-4

Exponencial

Tasa de dispersin de la gradiente 4

Gradiente de dispersion 4 y valores aproximados del modelo

Exponencial y Potencia inversa

12

Distancia (m)

Potencia inversa

4
3

2
1

d(Y)/ds

Severidad (%)

10

6
4

0
-1 43

45

47

49

51

-2
-3
-4

-5
0
0

10

12

Distancia (m)
Severidad

Exponencial

Potencia inversa

14

-6
-7

Distancia (m)

53

55

57