Aplicación de técnicas geo-estadísticas para estimar prevalencia de roya en café

Abstract

Two geo-statistical generalized linear models were fitted in a lot of coffee with a high incidence of rust. The models assumed normal distribution and binomial distribution, using different correlation functions and empirical semivariograms. Comparing the values of the AIC, BIC, mean estimation, correlation parameters estimation, pre- dicted incidence maps, residuals maps, and the sums of the square error, the normal exponential model is the best fit to data. This model has a smaller sum of squared errors than the binomial exponential model. Furthermore, the predicted incidence by this model is similar to the observed incidence of the disease. The normal exponential model provides a clearer picture to understand how the disease spreads in the region of study.

En un lote de café con una alta variedad de incidencia de roya se ajustaron dos modelos lineales generalizados geo-estadísticos. En los modelos se asumieron distribución normal y distribución binomial, utilizando distintas funciones de correlación y semivariogramas empíricos. Se compararon los valores de AIC, BIC, las estimaciones de la media, las estimaciones de los parámetros de correlación, mapas de incidencia predicha, mapa de residuales y sumas del cuadrados de error. El modelo exponencial normal fue el que mejor ajustó los datos, ya que mostró una suma de cuadrado de error menor que el modelo exponencial binomial. Además, la incidencia predicha por el modelo exponencial normal es parecida a la incidencia de la enfermedad observada. El modelo exponencial normal proporciona un panorama más claro para entender y comprender cómo la enfermedad se dispersa en la región de estudio.