Actualidad
Di re cci n d e Sa n i d a d Ve g e t a l
B. Control mecnico:
Es la destruccin directa de la
plaga o modificacin del ambiente
hacindolo inapropiado para su
ingreso, implementando las
siguientes prcticas:
1. Recojo manual de adultos: Debi-
do a su comportamiento nocturno
se recomienda realizar el recojo
manual en la noche, el procedimien-
to consiste en sacudir las plantas
sobre depsitos (mantas de plsti-
co o baldes). Actualmente muchos
agricultores y comunidades han
adoptado esta prctica dejando
de lado el uso de insecticidas.
2. Barreras de plstico: Instalar
una barrera de plstico alrededor
del campo de papa, evitando el
ingreso de gorgojos adultos. Se
recomienda instalar las barreras
antes o al momento de la siembra,
para evitar que los primeros adul-
tos ingresen a los nuevos campos.
C. Control fsico:
Mediante el uso de factores
ambientales para destruir insec-
tos, principalmente temperatura
(altas, bajas), agua, humedad,
ambientes controlados; imple-
mentando las siguientes prcticas:
1. Soleado de tubrculos daados:
Antes de almacenar los tubrcu-
los, y en el caso de haber encon-
trado larvas, exponer los tubrcu-
los al sol. La exposicin al ambien-
te incrementa la temperatura, oca-
sionando prdida de humedad en
el tubrculo, obligando a las larvas
abandonar las galeras.
2. Almacenes rsticos de luz di-
fusa: El principio del uso de este
tipo de almacn es generar condi-
ciones adversas o modificaciones
en el medio ambiente, las cuales
deben afectar el normal desarrollo
13
del gorgojo al interior del tubrcu-
lo. Los almacenes de luz difusa
evitan que los tubrculos estn en
contacto directo con el suelo, facili-
tando que las larvas que abando-
nan los tubrculos caigan al suelo
donde pueden ser controlados.
D. Control biolgico:
Es la accin de enemigos natura-
les de la plaga, para mantenerla en
niveles bajos y que no ocasione
prdidas econmicas, implemen-
tado las siguientes prcticas:
1. Empleo de predadores de larvas
o pupas: Las aves de corral son
potenciales predadores de larvas
y pupas del gorgojo de los andes,
tanto durante la cosecha de tubr-
culos como a lo largo del proceso
de seleccin y almacenamiento de
los mismos.
2. Hongo Beauveria brongniartii
(hongo blanco): Se aplica debajo
del suelo y se cubre con una capa
de tierra, se depositan encima los
tubrculos daados con las larvas.
Cuando las larvas ingresan al suelo
se contaminan con el hongo y
mueren parasitadas por ste.
E. Control etolgico:
Se utiliza el comportamiento
del insecto frente a determinados
comportamientos: alimenticios,
sexuales, visual (color) y otros
para su captura.
1. Trampas de refugio (antes de la
siembra): Consiste en colocar una
manta debajo de la cual se colo-
can hojas de papa tratadas con
insecticida. Las trampas deben ser
colocadas en el campo un mes
antes de la siembra, a 10 m de
distancia cada una, y deben
permanecer hasta la emergencia
de las plantas de papa. Se deben
renovar las hojas cada semana.
Uso de modelos de prediccin como
2. Trampa con cebo: Plantas de
papa (follaje) tratadas con insecti-
cida y colocadas debajo de un
cartn o tela cerca de la planta.
herramienta para estimar el rea de
3. Trampas de cada: Botellas de
plstico, a las que se le corta la distribucin potencial de plagas
parte superior, se le hacen aguje-
ros pequeos que permitan la
salida del agua y se entierran al ras
del suelo.
4. Uso plantas repelentes: Se
debe emplear plantas aromticas
como la mua en el suelo y pare-
des del almacn
F. Control qumico:
Utilizacin de plaguicidas para el
control de la plaga. En un enfoque
de manejo integrado de plagas se
usan estos productos de forma
selectiva, eficiente y segura.
Tomando en cuenta que el ingreso
del gorgojo adulto a los campos
de cultivo de papa ocurre a travs
de los bordes, las aplicaciones de Ejemplos de modelos de distribucin potencial representados en un mapa.
insecticidas deben ser dirigidas
como barreras a lo largo del con-
torno del campo.
Un modelo es un instrumento que permite analizar factores ecolgicos
asociados a distintas poblaciones de especies; la informacin referida a
La aplicacin debe respaldarse en estos factores es analizada por distintos algoritmos, lo que permite
una evaluacin previa y la utiliza-
cin de insecticidas de baja toxici- proyectar a nivel geogrfico l rea potencial que ocupara una especie.
dad (etiqueta azul o verde), por
ejemplo, piretroides como betaci- La distribucin de los seres vivos competitivo en los procesos de mienta que permita orientar y
flutrina. es consecuencia de la combina- intercambio comercial. maximizar los esfuerzos de pre-
cin de mltiples factores ambien- vencin a travs del monitoreo y
Todas las estrategias menciona- tales, histricos y complejos Sin embargo, el comercio interna- prospeccin en campos de cultivo
das, o parte de ellas usadas en el procesos de adaptacin a lo largo cional de plantas y productos comerciales y familiares.
momento oportuno, darn buenos de miles de aos, lo que ha permi- vegetales, puede traer consigo el
resultados y nos ayudaran al con- tido la existencia de especies en ingreso, establecimiento y disper- Qu es un modelo?
trol del Gorgojo de los Andes diversos tipos de climas. sin de plagas para la produccin
nacional, es por ello que la Direc- Es un instrumento que permite ana-
El Per presenta 84 de los 114 cin de Sanidad Vegetal del lizar factores ecolgicos asociados
microclimas que existen en el SENASA, a travs de la Subdirec- a distintas poblaciones de espe-
mundo, esta variabilidad favorece cin de Anlisis de Riesgo y Vigi- cies; la informacin referida a estos
la biodiversidad de especies en lancia Fitosanitaria (SARVF), factores es analizada por distintos
flora y fauna; el racional aprove- viene implementando el desarrollo algoritmos, lo que permite proyec-
chamiento de estos recursos nos de modelos de distribucin poten- tar a nivel geogrfico l rea poten-
convierte en un pas altamente cial de plagas, como una herra- cial que ocupara una especie.
14
 Actualidad
Cmo se construye un modelo?
El modelado de distribucin de una
especie se basa en el principio que
la distribucin estimada de sta
debe coincidir con la distribucin
conocida o deducida a partir de las
condiciones ambientales, climti-
cas, topogrficas, antrpicas y otras
que influyan directa o indirecta-
mente a la especie.
a) Los datos biolgicos de la espe-
cie, pueden ser solamente de
presencia o presencia/ausencia.
Algunos algoritmos solo pueden
utilizar los primeros, mientras que
existen algoritmos que pueden utili-
zar ambos. Los datos pueden
provenir de base de datos de colec-
ta especializada, colecciones de
museos, investigaciones cientficas,
coleccionistas privados o datos
disponibles en la red.
b) Las principales variables que
participan en un modelo son las
variables ambientales, especial-
mente las climticas referidas a
precipitacin y temperatura; otras
variables sujetas a evaluacin son
aquellas del tipo topogrfico (alti-
tud, pendiente, orientacin), varia-
bles antrpicas (uso de suelos,
zonas urbanas, vas de transporte,
entre otros).
c) Las diferentes tcnicas y meto-
dologas que se emplean para la
generacin de modelos de distribu-
cin de especies, han permitido el
uso de diversos tipos de algoritmos;
algunos de los modelos aplican
mtodos estadsticos como mode-
los lineales generalizados o mode-
los lineales aditivos, otros aplican
tcnicas de aprendizaje como
mxima entropa o inteligencia
artificial, algunos modelos incluso
hacen una mezcla de algoritmos.
15
Los modelos como herramienta de
Datos Biolgicos Variables climticas y otras Mapa predictivo de apoyo en las actividades de vigi-
variables no climticas distribucin potencial lancia fitosanitaria
Sistema de
Evaluacin informacin a) Modelo de distribucin potencial
Determinacin de variables importantes geogrfica
representado en un mapa: las zonas
Campo Estadstica de color rojo-naranja, representan
los lugares que renen las condicio-
Datos para Datos para nes adecuadas para el estableci-
validacin modelo BIOCLIM GARP miento de una especie (plaga).
Evaluacin
Algoritmos b) Delimitacin de una seccin del
modelo, el cual estar sujeto a
Evaluacin estadstica Modelo de inspeccin en campo.
MAXENT DOMAIN
distribucin potencial Estructura del
desarrollo b.
de un modelo.
a.
El producto es la generacin de mapas predictivos de la distribucin Avances en el uso de modelos para Distribucin potencial de Stenoma
potencial de especies en el espacio geogrfico. predecir la distribucin potencial catenifer; plaga reglamentada cono-
de plagas, ejecutados en el SENASA cida como el Barrenador del fruto
Consideraciones para la elaboracin de modelos del palto.
Actualmente se vienen desarrollando
La calidad de los resultados de un modelo depender de la calidad de los modelos de distribucin potencial
datos que se le proporcione al algoritmo; por ello normalmente el 98% del de diversas plagas de importancia
tiempo que demanda realizar un modelo se destina en validar los elemen- econmica, entre las que destacan: c) Imagen area para la identifica-
tos que participan de l. cin de campos de cultivo.
Distribucin potencial de Diapho-
a) Conocer detalladamente a la especie sujeta a modelacin; entre los rina citri; insecto vector de la bacte-
factores a considerar se encuentra la tasa de desarrollo de la especie, los ria Candidatus Liberibacter spp,
coeficientes trmicos de sobrevivencia, patrones espaciales, hbitat y eco- causante del Huanglongbing (HLB),
loga de la especie. enfermedad considerada como la
ms destructiva de los ctricos.
b) Los datos de presencia de la especie es la parte central de todo modelo; Distribucin potencial de Achatina
las ubicaciones tienen que ser sometidas a un proceso de validacin, el cual fulica; especie extica conocida
principalmente es estadstico y de corroboracin en campo. como el Caracol Gigante Africano,
especie considerada dentro de las
c) Las variables predictivas que participarn en el modelo deben tener un 100 especies exticas invasoras ms d) Especialistas en Sanidad Vegetal
sustento estadstico y ecolgico de la especie; se debe evitar las variables dainas del mundo. del SENASA realizando la inspec-
correlacionadas, las cuales sobreestimarn el modelo, dando lecturas o cin preventiva en las reas predi-
informacin incorrecta o de bajo nivel predictivo. chas por el modelo.
d) Existen algoritmos que funcionan mejor con unas especies que con
otras, por lo que resulta conveniente aplicar varios mtodos predictivos a
la misma especie para seleccionar el modelo que mejor se ajuste a los
datos de evaluacin.
e) Considerar el procesamiento de imgenes de satlite para obtener
procesos dinmicos, de las reas de cobertura vegetal.
16