Trenes de vagones de machos en estado adulto apareados de la población de trips (clases 1+1) calculados mediante el modelo computacional programado en Matlab. Trenes de vagones de machos en estado de pupa de la población de trips (clases 9+1) calculados mediante el modelo computacional programado en Matlab.
INTRODUCCIÓN GENERAL
Además, los modelos de simulación proporcionan información sobre componentes críticos de la dinámica poblacional de plagas para elegir el momento y la forma adecuados de integrar las medidas de control. En particular, se enfatizan los aspectos metodológicos necesarios para generar modelos matemáticos dinámicos de poblaciones de trips.
REVISIÓN DE LITERATURA
Modelación de la dinámica poblacional de plagas insectiles
- Modelos matriciales
- Modelos fenológicos
- Ecuaciones diferenciales
- Modelos de competencia
- Ajuste de modelos
El alcance del control de la mosca blanca estuvo fuertemente influenciado por la variación en el tiempo de inactividad (GUT) de los parasitoides. El modelo de crecimiento de la población de mosca blanca se muestra en el diagrama relacional de la Figura 1.
Modelación para monitorear el riesgo de invasión por plagas
- Enfoque inductivo
- Enfoque deductivo
- Enfoques inductivo y deductivo
47 predicen la frecuencia de aparición en una celda determinada, definida como el número esperado de individuos en esa celda (Cao et al. 2013). Recientemente, se han utilizado modelos fenológicos para estimar la distribución potencial y realizar evaluaciones del riesgo de plagas de manera espacialmente explícita (Sporleder et al. 2013).
Desafíos en el modelado de distribución de insectos
Estos varían según el tipo de datos requeridos, la complejidad y la naturaleza de las funciones estimadas, y muy probablemente dependen hasta cierto punto de la especie en cuestión en términos de su desempeño predictivo. Los modelos que utilizan un enfoque inductivo tienen algunas ventajas porque son rápidos de implementar y pueden utilizar conjuntos de datos espaciales existentes que están ampliamente disponibles (Venette et al. 2010).
Innovaciones metodológicas para modelar insectos
- Redes neuronales artificiales
- Autómatas celulares (CA) acopladas con lógica difusa (FL)
- Fractal y multifractal
- Percolación y distribución de grupos o agregados
- Sincronización
- Enfoque basado en agentes
- Aplicación de la teledetección en la evaluación de plagas
El enfoque de redes neuronales artificiales (RNA) se utiliza a veces para predecir densidades de población potenciales (Yang, Peng, Zhang, Zhang y Yang, 2009). Las celdas de la cuadrícula son representaciones abstractas de las plantas dentro de un campo.
Modelación de la interacción plaga - cultivo
Actualmente, es necesario probar la viabilidad de utilizar conjuntos de datos de teledetección recientemente disponibles y rutinas innovadoras de procesamiento de datos para realizar un mapeo preciso (explícito) de cultivos, incluidas las tasas de infestación de plagas y de infección (Tonnang et al. 2017). Según Willocquet et al. 2008), el enfoque de situación de producción y daños se puede utilizar como marco para evaluar la nocividad de los complejos de plagas en una agricultura en constante cambio.
Modelación poblacional de trips en diferentes cultivos
Maino y Kearney (2015) presentan un modelo de crecimiento mecanicista para insectos y muestran que una mayor asimilación específica durante la fase de crecimiento puede explicar la trayectoria de crecimiento casi exponencial de los insectos. El modelo sugiere que los insectos logran una mayor eficiencia de producción y tasa de crecimiento aumentando la asimilación específica y las reservas de energía de biomasa, cuyo mantenimiento es menos costoso que la biomasa estructural.
LITERATURA CITADA
Application of an artificial neural network to predict the population dynamics of the forest pest pine needle gall midge (Diptera: cecidomyiida). Field infestation, life history and demographic parameters of the fruit fly Bactrocera invadens (Diptera: . Tephritidae) in Africa. Predicting the impact of climate change on regional and seasonal abundance of the mealybug Phenacoccus solenopsis Tinsley (Hemiptera: Pseudococcidae) using a temperature-driven phenology model linked to GIS.
A temperature-based phenological model for predicting development, survival and population growth potential of the mealybug, Phenacoccus solenopsis Tinsley (Hemiptera: Pseudococcidae). Comparison of modeling approaches to simulate European corn borer phenology under future climate scenarios. Biological control of greenhouse whitefly with the parasitoid Encarsia formosa in tomato: An individual-based simulation approach.
ARTÍCULO CIENTÍFICO
INTRODUCCIÓN
Los pulgones ponen sus huevos de color amarillo a blanquecino en la parte inferior de las hojas, en los frutos jóvenes y en las hojas fructíferas. Para conocer las mejores condiciones de vida de la plaga, numerosos estudios se han centrado en ella. A partir de la información proporcionada por las tablas de vida, es posible predecir la dinámica de las poblaciones de trips en condiciones específicas utilizando diferentes enfoques.
Ya se han propuesto varios marcos de modelización dinámica para poblaciones de insectos, y la elección de un enfoque particular dependerá en gran medida del propósito del modelo y de la información disponible (Tonnang et al. 2017). El método describe dos enfoques para modelar poblaciones de trips en cultivos de aguacate: modelos simples y modelos complejos. El objetivo general de la investigación fue revisar el estado del arte en enfoques de modelado y simulación de poblaciones de trips en el cultivo de aguacate y la comparación de dos enfoques de modelado utilizando ecuaciones diferenciales ordinarias no lineales y la programación de los modelos en diferentes entornos de simulación.
MATERIALES Y MÉTODOS
- Modelo simple o compartimental de la población de trips
- Estructura del modelo
- Procedimiento de modelación
- Modelo computacional
- Análisis de sensibilidad
- Modelo complejo o distribuido de la población de trips
- Estructura del modelo
- Procedimiento de modelación
- Modelo computacional
Las tasas de desarrollo que dependen de la inversa del tiempo de residencia se representan en el lado derecho de las ecuaciones diferenciales. El número de EDO resultantes de la discretización depende del número de clases 𝑁 generadas para cada etapa de desarrollo de la población de insectos. Todas las tasas de desarrollo utilizadas en el modelo complejo fueron las mismas que las calculadas en el modelo simple o dividido.
Para cada etapa de desarrollo de la población de trips, se calculó el número de clases (vagones de tren) de acuerdo con las recomendaciones de Goudriaan y van Roermund (1993). En la Tabla 42 se muestra el número de clases obtenidas para cada etapa de desarrollo. Las tasas de mortalidad utilizadas en el modelo complejo o dividido fueron las mismas que las utilizadas en el modelo simple o dividido.
RESULTADOS
- Modelo simple o compartimental
- Modelo complejo o distribuido
Carros de casos de machos en el primer estadio larvario de la población de trips (clases 4+1) calculados mediante el modelo computacional programado en FST. Carros de casos de machos en el primer estadio larvario de la población de trips (clases 4+1) calculados mediante el modelo computacional programado en Matlab. Carros de casos de machos en etapa prepupa de la población de trips (6+1 clases) calculados mediante el modelo computacional programado en FST.
Carros de casos de machos en la etapa prepopa de la población de trips (6+1 clases) calculados mediante el modelo computacional programado en Matlab. Carros de casos de machos pupados de la población de trips (clases 9+1) calculados mediante el modelo computacional programado en FST. Carros de casos de machos en estado adulto apareado de la población de trips (clases 1+1) calculados mediante el modelo computacional programado en FST.
Trenes de contenedores de machos en larvas de segundo estadio de una población de trips (clases 6+1) calculados con un modelo informático programado en FST. Trenes de contenedores de machos en larvas de segundo estadio de una población de trips (6+1 clases) calculados con un modelo informático programado en Matlab.
DISCUSIÓN DE RESULTADOS
182 poblaciones de trips en cada una de las etapas de desarrollo, mostrando variaciones significativas durante el período de simulación. A diferencia del análisis de sensibilidad, la calibración y la evaluación de modelos, utilizan conjuntos de datos de poblaciones de trips que aún no se han recopilado a partir de mediciones y experimentos de campo. La evaluación del modelo requiere mediciones diarias y semanales de las poblaciones de trips.
Este trabajo puede ser realizado por investigadores que deseen aplicar cualquiera de los enfoques de modelado aquí descritos para diseñar estrategias interesantes para controlar las poblaciones de trips en cultivos de aguacate. Ambos enfoques de modelización pueden aplicarse no sólo a otras plagas de los árboles de aguacate, sino también a otras plagas en otros cultivos anuales o perennes, como informaron Hoddle (2002), Robb (1989) o Gaum et al. 1994) para las poblaciones de trips. disponible. Actualmente, existen estudios que han reportado la fluctuación de las poblaciones de trips (Anguelov, Dufourd, & Dumont, 2017; Rasche & Taylor, 2019) mediante muestreos de los picos máximos de infestaciones de plagas.
CONCLUSIONES
183 poblaciones de trips teniendo en cuenta el desarrollo, la mortalidad, la oviposición y la proporción de sexos determinados experimentalmente. Se desarrolló un modelo matemático basado en una ecuación diferencial parcial para predecir tanto el comportamiento dinámico como los estados de desarrollo de las poblaciones de trips, teniendo en cuenta las tasas de desarrollo, dispersión, mortalidad, oviposición y proporción de sexos determinadas experimentalmente. Ambos modelos se desarrollaron utilizando datos experimentales de tablas de vida de poblaciones de trips.
El modelo simple o compartimental sólo permite predecir el comportamiento de las poblaciones de trips en el dominio del tiempo. El análisis de sensibilidad realizado en este modelo nos permite mostrar la importancia de la relación entre los parámetros machos y hembras en la dinámica poblacional de trips durante todo el período de simulación. El modelo complejo basado en una ecuación diferencial parcial predice no sólo el comportamiento dinámico de las poblaciones de trips, sino también el comportamiento de la población a lo largo de las etapas de desarrollo de los trips.
LITERATURA CITADA
Seasonal trends in the population growth rate of Frankliniella occidentalis (Thysanoptera: Thripidae) on cucumber. EPIC-GILSYM: Modeling crop-pest insect interactions and management with a novel coupled crop-insect model.
APÉNDICES
DREGG=AFGEN(DREGGT,TEMP) DRML1=AFGEN(DRML1T,TEMP) DRFL1=AFGEN(DRFL1T,TEMP) DRML2=AFGEN(DRML2T,TEMP) DRFL2=AFGEN(DRFL2T,TEMP) DRMPP=AFGEN(DRMPPT,TEMP) DRFPP= AFGEN(DRFPPT,TEMP) DRMPUP=AFGEN(DRMPUT,TEMP) DRFPUP=AFGEN(DRFPUT,TEMP) DRMUA=AFGEN(DRMUAT,TEMP) DRFUA=AFGEN(DRFUAT,TEMP) DRMMA=AFGEN(DRMMAT,TEMP) DRFMA=AFGEN( DRFMAT,TEMP). BOXCAR(INTEGER_INPUT,INPUT_ARRAY,INPUT,INPUT,INPUT,INPUT,INTE GER_INPUT,... OUTPUT,OUTPUT_ARRAY,OUTPUT,OUTPUT,OUTPUT,OUTPUT,OUTPUT) DEFINE_CALL. DREGG=AFGEN(DREGGT,TEMP) DRML1=AFGEN(DRML1T,TEMP) DRFL1=AFGEN(DRFL1T,TEMP) DRML2=AFGEN(DRML2T,TEMP) DRFL2=AFGEN(DRFL2T,TEMP) DRMPP=AFGEN(DRMPPT,TEMP) DRFPP= AFGEN(DRFPPT,TEMP) DRMPUP=AFGEN(DRMPUT,TEMP) DRFPUP=AFGEN(DRFPUT,TEMP) DRMUA=AFGEN(DRMUAT,TEMP).
