Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
SERVICIO AGRÍCOLA Y GANADERODivisión Protección Agrícola y Forestal
SISTEMA DE ALERTA FITOSANITARIO RPF Roberto Tapia Opazo
Ingeniero Agrónomo, MSc.SECCIÓN DE INTELIGENCIA FITOSANITARIA (SIF)
División de Protección Agrícola y Forestal (DPAF)
SECCIÓN DE INTELIGENCIA FITOSANITARIA (SIF)Objetivo específicos
PROYECTOS Y ESTUDIOS RELACIONADOS
•Plataformas MAP Server
•SAT RPF Productores•SAT Programa Lobesia•Plataforma SIF
•Plataforma Arc GIS Server
• Identificación de Socios estratégicos de Convenios
• Generación de Grupos de trabajo
• Presentación de proyectos
• Definición de áreas de interés
• Priorización de Líneas de Investigación
• Desarrollo de proyectos internos.
• Buscador información internacional
• SAT Internacionales
• Análisis Manejo de Riesgo
• Sistema Experto Diagnóstico
• Generación de reportes Análisis de Información Fitosanitaria
Definición de líneas de
Investigación y Desarrollo
Gestión del Desarrollo de Sistemas de Información
Espacial
Generación de Alianzas Estratégicas
FIA Desarrollo de modelo para Lobesia botrana
FIA Desarrollo de Sistema de Análisis de Plagas (UACH)
Fondo Chile-México de Cooperación (4 plagas)
FIA Manejo integrado Bagrada hilaris (INIA)
IFI Lobesia botrana validación y ajuste modelo (INIA)
IFI Sistema Experto Patrón Diagnóstico Fitosanitario
Fondef IDEA II Desarrollo de modelo para P. auraria
(UCH)
FIA Desarrollo de modelo para C. blancos (PUC)
Análisis Establecimiento D. suzukii y B. hilaris (UCH)
Análisis Establecimiento HLB y H. halys (UCH)
TDR Análisis Establecimiento 10 plagas (UCH)
FIA Plataforma Satelital Eto (UTalca-UCH)
FIRMADOS
Convenio SAG-INIA.
Convenio SAG-DMC.
Convenio SAG-UCH FA.
Convenio SAG-PUC.
Convenio SAG-Vinos de Chile.
Convenio SAG-UTALCA.
Convenio SAG-UCH FCFM.
EN PROCESO
Convenio DGA.
CONVENIOS COOPERACIÓN TÉCNICA
PROYECTOS Y ESTUDIOS RELACIONADOS(normal) o en Desarrollo (negrita)
Análisis Establecimiento D. suzukii y B. hilaris (UCH)
Análisis Establecimiento HLB y H. halys (SIF-UCH)
TDR Análisis Establecimiento 10 plagas (SIF-UCH)
MVAE RPF SAG (TI/SIF SAG-UCH)
MVAE CMM UCH (TI/SIF SAG- LARES/CMM UCH)
FIA Desarrollo de modelo para Lobesia botrana
(INIA)
IFI Lobesia botrana validación y ajuste modelo
(INIA)
IFI Sistema Experto Patrón Diagnóstico
Fitosanitario (CPRSIG)
Fondef IDEA II Desarrollo de modelo para P.
auraria (UCH)
FIA Desarrollo de modelo para C. blancos
(PUC)
FIA Plataforma Satelital Eto (UTalca-UCH)
Fondo Chile-México de Cooperación (4
plagas)
FIA Manejo integrado Bagrada hilaris (INIA)
AREA MODELAMIENTO METEREOLÓGICO & FENOLÓGICO DE PLAGAS (RPF)
AREA MODELAMIENTO ESPACIAL
FACTORES QUE AFECTAN EL RIESGO DE INCIDENCIA DE PLAGAS Y ENFERMEDADES EN EL SECTOR SILVOAGROPECUARIO INTERNACIONAL.
Cambios de los nichos ecológicos de plagas y enfermedades producidos por el aumento de T° y patrones en las Pp.
Cambio en las tasas de dispersión producto del aumento del comercio internacional.
Cambio en las tasas de dispersión producto del aumento del movimiento de personas.
Puertos
Medios
de
transporte
Personas
&
Equipaje
Carga &
Courier
FACTORES QUE AFECTAN EL RIESGO DE INCIDENCIA DE PLAGAS Y ENFERMEDADES EN EL SECTOR SILVOAGROPECUARIO INTERNACIONAL.
Puertos
Medios
de
transporte
Personas
&
Equipaje
Carga &
Courier
Riesgo de Ingreso
Riesgo de Distribución
Propuesta de Manejo de Riesgo
WEB
Análisis de incertidumbre
FLUJO SAFARISModelos /
Herramientas
Categorías de
Análisis
Clima
Hospedantes
Puntos Ingreso
Integración 1
Integración 2
Bases de datos
BBDD Clima Histórico; ECC
BBDD
Espacial
Conocimiento Plaga/Enfermedad
Fenología (GDA)
Dinámica Poblaciones
Condiciones climáticas
Modelos de Dispersión
Análisis Económicos
Nicho Ecológico
BBDD Productos Primarios
Análisis compuestos
Proyección CC
Dinámica Poblaciones
Análisis de Riesgo
Análisis Rutas de ingreso
E. Impacto Económico
Probabilidad
establecimiento BBDD Productos
Intermedios
Proyección CC
Paneles para Toma Decisiones
Supervisor /
Inspector
Importaciones
Inspector Controles Fronterizos
Supervisor / Inspector Vigilancia
Analista Presupuesto
Jefaturas Regional
Supervisor
Controles
Fronterizos
Dasg
bo
ard
Entrega de
Resultados
Analista
Planificación
Jefaturas
Nacional
Sistemas de Apoyo a la Toma de Decisiones
Producto final
MARCO DE TRABAJO PARA MANEJO DE RIESGO DE DISTRIBUCIÓN
Convenio de Cooperación SAG- U de Chile
Estudio de Modelamiento de Nicho Ecológico para plagas cuarentenarias
Metodología estandarizada de modelamiento de nicho.
Plagas priorizadas:
Bagrada hilaris, Drosophila suzukki, Halyomorpha halys, HLB, Xylella fastidiosa.
SAG: SIF/Vigilancia/Mosca
UCH:LARES/CMM
Softwares disponibles:
Maxent
Bioclim
Domain
i-Risk (R software)
Climex
Multi-Model Framework (MMF)
COSAVE: Correr modelos en Chile centrados en países participantes. (HLB, Xilella, Lobesia)
Distribución potencial en Chile: utiliza solamente datos de presencias y ausencias en Chile.
Proyección global en Chile: utiliza datos de presencias y speudoausencias en el mundo y las proyecta en Chile.
Probabilidad establecimiento
Drosophila suzukii
Probabilidad establecimiento
Bagrada hilaris
Risk-Based Sampling(NAPPO)– Muestreo Fundamentado en el Riesgo Software: R
Script: Treemap
Datos: país de origen, producto, número de lotes, número de lotes con intercepción de plaga cuarentenaria
SAG: Importaciones/SIF
UCH: LARES/DSV
PROPUESTA DE TRABAJO CONJUNTO EN MODELAMIENTO ESPACIAL
MVA LINUX RPF/SAG AMBIENTE USUARIO SAG NLHPC
PROPUESTA DE TRABAJO CONJUNTO EN MODELAMIENTO ESPACIAL
MVA LINUX RPF/SAG AMBIENTE USUARIO SAG AL NLHPC
Capacidades: 4 CPU 16 Núcleos 64 Gb RAM 500 Gb DD
Participantes: Plataformas DTI SAG Sistema RPF SIF/SAG LARES FA/UCH
Capacidades de prueba: 10 CPU 40 Núcleos 24 Gb RAM 80 Gb DD
Participantes: Plataformas DTI SAG Sistema RPF SIF/SAG LARES FA/UCH Soporte NLHPC
S E R V I C I O A G R Í C O L A Y G A N A D E R O
Análisis por Zona de Alerta 2015-2017• Análisis de captura por
ZA.• 2 EM por ZA.• Análisis GDA por ZA.• Fenología por ZA.• Pronóstico de Alerta a 8
días por ZA.
Análisis a Nivel Predial
(Piloto 2015-2018)• Análisis de captura.• Estaciones de Monitoreo
ZA.• Fenología del cultivo.• Pronóstico a 8 días.• Programación de
aplicaciones.• Envío de avisos al SAG.
En que consiste el proyecto RPF
Nivel de Precisión
El proyecto RPF consiste en una iniciativa del Servicio Agrícola yGanadero que tiene el objetivo de generar sistemas deinformación de precisión y fácil acceso que apoyen la tomade decisiones tanto a nivel institucional como deproductores frutícolas para el mejor manejo fitosanitario.
Este proyecto ha tenido 3 etapas características:
• Etapa I (2009-2012): Proyecto conjunto SAG-UE por medio de AGCI• Etapa II (2014-2016): Desarrollo SAG en base al Sistema de Alerta para
Lobesia botrana.• Etapa III (2016-actual): Desarrollo en Sección de Inteligencia
Fitosanitaria.
Permite programar pronósticos y alertas fitosanitarias con 8 días de anticipación por cuartel/variedad para una plaga especifica.
Programar controles químicos.
Visualizar mapas agrometeorológicos a resolución de 90 por 90 metros.
Visualizar mapas de fenologías de plagas.
Consultar información de variables meteorológicas y de acumulación térmica por periodo, por estación meteorológica.
Permite generar un diagnóstico inicial ante síntomas producidos en diferentes órganos de la planta.
Sistema de Pronóstico Fitosanitario para Lobesia botrana.
Programación de alertas y controles químicos.
Mapa Información Agrometeorológica.
Mapa Fenología de Plagas.
Variables Meteorológicas en Estaciones.
Datos de GDA en EMA.
Control de Datos Agrometeorológicos.
SISTEMA DE ALERTA FITOSANITARIO
Sistema Experto de Arándanos. Sistema Experto de Frambuesas. Listado de plagas y enfermedades.
SISTEMA EXPERTO DE DIAGNÓSTICO
Es un conjunto de herramientas sistematizadas compuestas
por diferentes capas de información agroclimática,
geográfica y biológica que permiten modelar y pronosticar
la acumulación térmica diaria para diferentes áreas
agrícolas, por ende, determinar el desarrollo fenológico de
plagas claves en los distintos huertos hortofrutícolas del
territorio nacional, con el objetivo de alertar y sugerir
momentos oportunos de monitoreo y control fitosanitario.
Utiliza una serie de
herramientas tecnológicas
como Sistemas de
Información Geoespacial
(SIG), teledetección,
información meteorológica
(RAN & DMC),
modelamiento bio-
climático, sistema de
monitoreo y diagnóstico.
Análisis por Zona de Alerta 2015-2017• Análisis de captura por
ZA.• 2 EM por ZA.• Análisis GDA por ZA.• Fenología por ZA.• Pronóstico de Alerta a 8
días por ZA.
Análisis Regional
2008-2014
• Curvas de Vuelo por región.
• Varias EM por región.• Algunas EMA por región.
Análisis a Nivel Predial
(Piloto 2015-2018)• Análisis de captura.• Estaciones de Monitoreo
ZA.• Fenología del cultivo.• Pronóstico a 8 días.• Programación de
aplicaciones.• Envío de avisos al SAG.
Lobesia botrana
Nivel de PrecisiónBajo Alto
Número de EMA: 37Requeridas: 250 aprox.
Áreas de cobertura RPF (zona en verde en rango óptimo de modelamiento)
Densidad de EMA: 0,0 -0,08(L. Morales, LARES, U. de Chile)
Estudio de micrometeorología
• Se realizó en Antumapu. Se observó diferencias de temperaturas
según posición del data logger en el dosel o copa
Lo mismo ocurrió en arándanosInterior
Exterior
Portal Productor RPF
Hay 3 módulos que operan por zona:• Modulo Administración y Análisis.• Modulo Adquisición y Modelamiento.• Modulo Atención a Consultas.
Sistema de Alerta
para el PNLb
CRAN+DMC445 EMA
ServidorRAN/MINAGRI
375 EMA
ServidorDMC
70 EMA
ServidorSAG-Meteo
RPF
Servidor VichuquénRPF/SAG445 EMA
Módulo de Adquisición y Modelamiento
Módulo de Atención a Consultas
Módulo de Administración
y Análisis
Este modelo está basado en algoritmos de cálculo de ruta de mínimo costo desde la estación agrometeorológica al huerto, cuyas variables son:
Distancia Pendiente Sinuosidad de la ruta
Opera por funciones de costo, buscando la ruta de mínimo costo:CostoTot = Σ Costo (p(i),p(i+1)) en que
Costo(p(i),p(i+1)) =k1*C1 (distancia)+k2*C2 (ángulo giro)+k3*C3 (pendiente)k1,k2,k3 se obtienen estadísticamente
M1. Modelo de áreas de influencia de cada estación
(o de “validez de la extrapolación de los datos climáticos”)
Del modelo digital de terreno: Altitud. Pendiente. Exposición. Perfil vertical en la
dirección del viento.
De las estaciones meteorológicas cercanas: T°. Velocidad del viento. Humedad relativa. Presión atmosférica. Radiación.
M2. Modelo de ajuste local de la temperatura que usa los siguientes datos:
Tp = Te + F (ΔH, Δrad, V*d etc.)
Te
Tp
Modulo de ponderación y áreas de influencia
Selecciona estaciones agrometeorológicas cercanas desde las que es factible extrapolar usando el modelo de área de influencia.
Elimina cambios locales en las temperaturas de las estaciones seleccionadas por efecto de:• Compresiones adiabáticas.• Radiación solar incidente.
Extrapola la temperatura a la localización dada según el gradiente en altura SNMM, latitud y longitud (dependiendo de la hora), para cada una de las estaciones seleccionadas:
Aplica los cambios locales en las temperaturas por efecto de:• Compresiones adiabáticas.• Radiación solar incidente.
Pondera cada una de estas T° extrapoladas según el modelo de áreas de influencia.
Calcula el promedio ponderado para determinar la temperatura local.
Modelo discreto Modelo continuo
Data espacial vectorial Data espacial raster
Método de búsqueda radial, Interpola grados
día entre estaciones agrometeorológicas
Extrapola temperaturas desde las estaciones a
cada punto del área de interés, cada una hora
Calcula grados día integrando la temperatura en
cada punto
No extrapola bien a rinconadas o entornos de
lomas.
Cubre los valles hasta los bordes.
Opera por algoritmos de visibilidad, distancia y
diferencias de altura
Opera por algoritmos de cálculo de ruta de
mínimo costo
Opera en celdas de 500 x 500 m Opera en celdas de 30 x 30 m y entrega
resultados en celdas de 90 x 90 m.
Alto costo de proceso. Bajo costo de proceso.
Evolución de los modelos de temperaturas-Grados días
Modelo discreto Modelo continuo
Data espacial vectorial Data espacial raster
Método de búsqueda radial, Interpola grados
día entre estaciones agrometeorológicas
Extrapola temperaturas desde las estaciones a
cada punto del área de interés, cada una hora
Calcula grados día integrando la temperatura en
cada punto
No extrapola bien a rinconadas o entornos de
lomas.
Cubre los valles hasta los bordes.
Opera por algoritmos de visibilidad, distancia y
diferencias de altura
Opera por algoritmos de cálculo de ruta de
mínimo costo
Opera en celdas de 500 x 500 m Opera en celdas de 30 x 30 m y entrega
resultados en celdas de 90 x 90 m.
Alto costo de proceso. Bajo costo de proceso.
Evolución de los modelos de temperaturas-Grados días
Es una plataforma web
que pone al servicio de
los productores
agrícolas un sistema de
apoyo a la toma de
decisiones para reducir
el impacto de las plagas
y enfermedades en el
sector hortofrutícola
nacional.
Determinación de Umbrales Térmicos de una plaga
Determinación de modelos fenológicos de una plaga
Dirección: https://vigilanciarpf.sag.gob.cl/rpf/
Programar alertas• Traer Polígonos del SRA.• Establecer seguimiento.
Monitorear pronóstico
• Seguimiento de pronósticos por cuartel.
• Envío de alertas vía mails.
Recepción alertas• Programar controles
químicos.• Envío de avisos de aplicación
(PNLb).
Programar alertas• Traer Polígonos del SRA.• Establecer seguimiento.
Monitorear pronóstico
• Seguimiento de pronósticos por Cuartel.
• Envío de alertas vía mails.
Recepción alertas• Programar controles químicos.• Envío de avisos de aplicación
(PNLb).
Programar alertas• Traer Polígonos del SRA.• Establecer seguimiento.
Monitorear pronóstico
• Seguimiento de pronósticos por cuartel.
• Envío de alertas vía mails.
Recepción alertas• Programar controles
químicos.• Envío de avisos de aplicación
(PNLb).
Programar alertas• Traer Polígonos del SRA.• Establecer seguimiento.
Monitorear pronóstico
• Seguimiento de pronósticos por cuartel.
• Envío de alertas vía mails.
Recepción alertas• Programar controles
químicos.• Envío de avisos de
aplicación (PNLb).
Mapa dinámico a escala diaria de la Evapotranspiración
de Referencia (ETo) para determinar las necesidades
de riego en ChilePYT-2017-0877
Santiago, 23 de enero de 2017.
Modelos para estimar ET combinan imágenes térmicas con datos meteorológicos. Para estimar la energía latente (LE) como resido de la ecuación de balance de energia.
• LE = Rn - G - H
LE= energia latente (disponible para evapotranspirar; Rn= Radiación neta; G flujo de calor hacia el suelo; H= calor sensible.
En los días sin nubes la LE derivada de imágenes térmicas (obtenidas a medio día) pueden ser convertidas a valores de ET diaria con razonable precisión.
Evapotranspiración y coeficientes de cultivo
Remote Sensing for Crop ManagementPaul J. Pinter, Jr., Jerry L. Hatfield, James S. Schepers, Edward M. Barnes, M. Susan Moran, Craig S.T. Daughtry, and Dan R. Upchurch Photogrammetric Engineering & Remote Sensing Vol. 69, No. 6, June 2003, pp. 647–664.
ET map using Lansat TM5Metric Model
Allen et al. Satellite-based ET estimation in agriculture using SEBAL and METRICHydrol. Process. 25, 4011–4027 (2011)
RAN
Módulo deRecolección
de datos
Procesamientode la
Información
Visualizaciónde la
Información
Los datos de la RAN son
recolectados por RPF por un sistema
automatizado.
Los datos de recolectados son validados y corregidos para entrar a
los algoritmos de computo de
mapas.
Los datos se visualizan
puntualmente por variable y estación.
DatosSensor MODIS
Temperatura de superficie (LST)Índice de Vegetación (NDVI)(1 km resolución espacial)
Índice de Vegetación (NDVI)250 m
DatosMeteorológicos Validados
RAN
EspacializaciónVariables meteorológicas(1 km resolución espacial)
Se generan mapas espacializados de las
variables meteorológicas a escala diaria:
Temperatura máxima, temperatura mínima,
radiación solar,…
8.17
m
g
HSd TR
kET
Evapotranspiración de ReferenciaMétodo de Hargreaves-Samani
Temperatura máxima, temperatura mínima, radiación solar
www.sag.cl