Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal

Sistema de Informacin Cientfica

Lenides Castellanos, Teresa Rivero, ngela Porras, Jos Pajn

MODELACIN MATEMTICA DE ALTERNARIA SOLANI SOR. EN PAPA EN FUNCIN DE LAS VARIABLES
METEOROLGICAS Y LA EDAD DEL CULTIVO
Fitosanidad, vol. 9, nm. 1, marzo, 2005, pp. 27-32,
Instituto de Investigaciones de Sanidad Vegetal
Cuba
Disponible en: http://www.redalyc.org/articulo.oa?id=209116169006

Fitosanidad,
ISSN (Versin impresa): 1562-3009
nhernandez@inisav.cu
Instituto de Investigaciones de Sanidad Vegetal
Cuba

Cmo citar?

Fascculo completo

Ms informacin del artculo

Pgina de la revista

www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

FITOSANIDAD vol. 9, no. 1, marzo 2005

MODELACIN MATEMTICA DE ALTERNARIA SOLANI SOR.

EN PAPA EN FUNCIN DE LAS VARIABLES METEOROLGICAS
Y LA EDAD DEL CULTIVO
Lenides Castellanos,1 Teresa Rivero,1 ngela Porras2 y Jos Pajn2
1

Laboratorio Provincial de Sanidad Vegetal. Carretera de Palmira Km 4, Cienfuegos,

c. e.: leonides@eimacfg.co.cu
2
Instituto de Investigaciones de Sanidad Vegetal. Calle 110 no. 514 e/ 5a. B y 5a. F, Playa, Ciudad
de La Habana, CP 11600

RESUMEN

ABSTRAC

Con la informacin de la dinmica de Alternaria solani Sor., causante

del tizn temprano de la papa durante 15 campaas del cultivo, se
desarroll un estudio de modelacin matemtica de varios parmetros
biolgicos de la enfermedad en funcin de la edad del cultivo y de las
variables meteorolgicas. Los modelos lineales no fueron eficientes,
mientras que el mejor ajuste y confiabilidad para caracterizar la tasa
de dispersin se logr con el modelo exponencial: Y = 1 exp (exp
(24,2205) x (edad ^ 4,083) x exp (0,0492 x Tmax 0,1441 x Tmin +
0,1328 x Tmed + 0,0482 x Hrmax 0,0232 x Hrmin + 0,0173 x Hrmed)
x edad), el cual demostr su eficiencia durante cinco campaas de la
papa en la Empresa de Cultivos Varios de Horquita.

A study to know the best mathematical modeling for several biological

parameters of Alternaria solani Sor., causal agent of potato early blight
disease, depending on the age of the cultivation and meteorological
variables was developed with the information of the dynamics of the
disease during 15 potato campaigns. Linear models were not efficient,
while the best adjustment and reliability to characterize the dispersion
rate of the disease was achieved with the exponential model: Y = 1
exp (exp (24,2205) x (age ^ 4,083) x exp (0,0492 x Tmax 0,1441
x Tmin + 0,1328 x Tmed + 0,0482 x Hrmax 0,0232 x Hrmin + 0,0173 x
Hrmed) x age), which demonstrated its efficiency during five potato
growing seasons in the Varied Crops Enterprise of Horquita in
Cienfuegos.

Palabras clave: Solanum tuberosum, Alternaria solani, modelos matemticos, diagnstico

Key words: Solanum tuberosum, Alternaria solani, mathematical

models, diagnosis

INTRODUCCIN

A nivel mundial la produccin de papa en el perodo

1991-1993 fue de 275 millones de toneladas en un rea
de 18 millones de hectreas, con un rendimiento promedio alcanzado de 15,3 t/ha. En Cuba se dedicaron al
cultivo 96 000 ha con rendimientos promedio de 11 t/ha
en el perodo 1962-1963, y en las ltimas dcadas ascendieron hasta 231 000 ha en el perodo 1991-1993, con
rendimientos de 15 t/ha [FAO, 1995].

este ltimo resultaron ms drsticos. En cinco provincias

(Matanzas, Cienfuegos, Villa Clara, Ciego de vila y
Camagey) A. solani present un ataque intensamente superior al 25% en ms de la tercera parte de las reas. De
ellas Cienfuegos result la ms crtica, ya que un 46,1% de
las reas dedicadas al cultivo mostraron una intensidad de
ataque superior al 25%. Estos datos explican la importancia que reviste hoy la patologa.

Segn Hernndez (1983), el cultivo es muy afectado en

Cuba por el tizn tardo (Phytophthora infestans (Mont) De
Bary) y el tizn temprano (Alternaria solani Sor.), la sarna
comn (Streptomyces scabies (Thaxt)), la rizoctoniasis
(Rhizoctonia solani Kuhn), as como las pudriciones blandas y
pierna negra, cuyo agente causal es la bacteria Erwinia spp.

Anderson y May (1986) y Cortias (1999) han propuesto la utilizacin de los mtodos de modelacin matemtica para datos binomiales, que se utilizan para las epidemias de los hombres tambin para enfermedades de las
plantas, siempre y cuando se disponga de datos de la
proporcin de individuos enfermos.

Durante el quinquenio 1993-1998 todas las provincias del

pas, con la excepcin de La Habana, sufrieron mayor incidencia del tizn temprano (A. solani) que del tardo (P. infestans),
aunque por la naturaleza repentina de los ataques, los de

El objetivo del trabajo fue realizar la modelacin matemtica del desarrollo epidemiolgico de Alternaria solani
en funcin de la edad de las plantas y las condiciones
meteorolgicas.
fitosanidad/27

Castellanos y otros

MATERIALES Y MTODOS
Las investigaciones se realizaron en la Empresa de Cultivos Varios de Horquita, del municipio de Abreus, donde
predominan los suelos ferraltico rojo tpico y ferraltico
rojo hidratado, y en el Laboratorio Provincial de Sanidad Vegetal ubicado en la Delegacin Provincial del Ministerio de la Agricultura (MINAGRI). Para las investigaciones realizadas en la empresa, situada al sur de la
provincia, la informacin meteorolgica se obtuvo en una
caseta estndar a 1,5 m de altura en el Puesto Meteorolgico de la Estacin Territorial de Proteccin de Plantas de
Yaguaramas, ubicado en la propia empresa.
Modelacin matemtica de la enfermedad
en funcin de la edad del cultivo y las variables
meteorolgicas por regresin lineal
Se analizaron los porcentajes de distribucin y de intensidad de la enfermedad en cada evaluacin semanal, las tasas de infeccin aparente del modelo de
Gompertz y los incrementos de intensidad desde la
campaa 1979-1980 hasta 1993-1994, para lo cual
fueron seleccionadas 49 curvas epidemiolgicas con el
objetivo de determinar las relaciones entre estos
indicadores, la edad del cultivo en das de plantado y
las variables meteorolgicas.
Las variables meteorolgicas que se tuvieron en cuenta
fueron: temperatura, humedad relativa mxima, mnima
y precipitaciones diarias. Los datos se promediaron a 7,
14, y entre 8-14 das antes de cada muestreo. En cada
uno de esos perodos se determinaron las nuevas variables meteorolgicas, es decir, los valores promedio de la
temperatura y humedad relativa mxima, media y mnima; la oscilacin de temperatura y humedad relativa diaria, as como del total de lluvia y das lluviosos. Se obtuvieron tambin para esos perodos la frecuencia de das
con temperatura mnima mayor de 18oC, media mayor
de 22oC, mxima mayor de 27oC, humedad relativa mnima mayor de 60%, media mayor de 84% y mxima
mayor de 90 y 95%.
De igual forma se obtuvo la temperatura y humedad relativa efectiva como la sumatoria de los valores por encima
de determinados umbrales, tales como temperatura mnima > 17, 18 y 19 C, media > 2, 19, 20, 21 y 22oC,
mxima > 26, 27 y 28oC, humedad relativa mnima > 55
y 60%, media > 80 y 84%, y mxima > 90 y 95%. En
todos los casos se calcularon tales variables, tres, cinco y
siete das antes de cada evaluacin.
Con la informacin procesada se realiz una matriz de
correlacin, as como un anlisis de regresin paso a paso
entre los indicadores biolgicos de la enfermedad, la edad
del cultivo y todas las variables meteorolgicas antes men28/fitosanidad

cionadas, para lo cual se utiliz el paquete estadstico

SPSS para Windows, versin 8.
Modelacin matemtica de la dispersin
de la enfermedad en funcin de la edad del cultivo
y las variables meteorolgicas
Para realizar el estudio se utiliz la informacin de la distribucin de la enfermedad, la edad del cultivo y las variables
meteorolgicas de las 49 curvas epidemiolgicas. Se realiz
un anlisis estadstico por medio del mtodo de modelacin
matemtica para datos binomiales recomendado para enfermedades infecciosas [Anderson y May, 1986; Cortias,
1999]. Para ello se emple el porcentaje de distribucin de
la enfermedad, la edad del cultivo (das de plantado) y las
variables meteorolgicas temperatura mxima, mnima y
media promedio, la humedad relativa mxima, mnima y
media promedio, y el total de lluvia y das lluviosos, siete
das antes de cada muestreo. La informacin se organiz
segn la edad del cultivo, y se relacion con el promedio de
la distribucin o dispersin de la enfermedad en fraccin
(probabilidad) y de la lluvia semanal, y para el resto de las
variables meteorolgicas se tuvo en cuenta la moda o la
mediana segn recomendaciones de Cortias (1999).
El mtodo sustenta que la probabilidad de dispersin de
un agente infeccioso es p = 1 exp(a) x a. El proceso de
estimacin de la tasa de dispersin () se realiz mediante el ajuste al modelo binomial, para lo cual se utilizaron
cinco funciones de enlace del tipo log-log y logit, donde
se incluyeron las variables meteorolgicas en estudio de
dos formas en las que se consider a l como una funcin
montona de la edad y como dependiente de dos grupos
de edades con dos pendientes.
El procesamiento se realiz con el paquete estadstico SAS
System. Para la seleccin del modelo de mejor ajuste se
tuvieron en cuenta los valores ms bajos de los criterios
mejorados de Akaike y el de Scwarts, contenidos en ese
paquete estadstico.
El modelo seleccionado se comprob durante cuatro campaas del cultivo posteriores a las tenidas en cuenta en el
anlisis estadstico, para lo cual se utilizaron seis dinmicas de la enfermedad en la campaa 1994-1995, siete
en 1995-1996, ocho en 1997-1998 y seis en 1998-1999.
La informacin se organiz por edad del cultivo, y para
cada una de ellas se determin el promedio de la distribucin de la enfermedad en fraccin (probabilidad) y las
modas o medianas de las variables climticas que aparecen en el modelo. Para conocer la probabilidad de error,
al considerar similar la serie de datos reales de dispersin
de la enfermedad en cada campaa del cultivo con los
estimados por el modelo matemtico, se utiliz el test de
signos para los rangos de Wilconson contenido en el SAS
System.

Modelacin matemtica de...

RESULTADOS Y DISCUSIN
Modelacin matemtica de la enfermedad
en funcin de la edad del cultivo y las variables
meteorolgicas por regresin lineal
El porcentaje de distribucin de la enfermedad fue la variable biolgica que present los coeficientes de correlacin ms altos con la edad del cultivo y las variables meteorolgicas, seguido del porcentaje de intensidad. La
intensidad de la enfermedad present un coeficiente de
correlacin de 0,822 con la distribucin, lo cual da una

medida de la estrecha relacin que existe entre estos dos

indicadores biolgicos. Los coeficientes de correlacin
mayores de 0,25 fueron ms frecuentes para el porcentaje de distribucin, que alcanz un valor de 0,797 con la
edad del cultivo. Los valores de coeficientes de correlacin ms altos con las variables meteorolgicas se obtuvieron para la temperatura mxima en varios de los perodos y formas en que se proces, y en menor medida
para la humedad relativa mnima siete y catorce das
antes del muestreo, y para la temperatura media catorce
das antes (Tabla 1).

Tabla 1. Coeficientes de correlacin mayores de 0,25

Parmetros
Distribucin (%)
Intensidad (%)
Gompit
K (Gompertz)
Increm. de intensidad
Das de plantacin
T.mx 7 das
T.mx 8-14 das
T.mx 14 das
T.med 14 das.
Hr mn 7 das
Hr mn 14 das
Hr med 7 das
Osc. Hr 14 das
S T.med > 25 3 das
S T.mx > 25 7 das
S T.mx > 26 5 das
S T.mx > 26 7 das
S .Tmx 27 3 das
S T.mx > 27 5 das
S T.mx > 27 7 das

Distribucin
(%)
1,00**
0,822**
0,673**
0,629**
0,797**
0,288**
0,294**
0,319**
0,253**
0,265*
0,283**
0,314**
2,71**
2,70**
0,297**
0,286**
0,294**
0,294**
0,310**
0,293**

Intensidad
(%)
0,822**
1,00**
0,841**
0,460**
0,797**
0,588**
0,262**
0,266**
0,276**

Gompit

K (Gompertz)

Incremento
de intensidad
0,629**
0,797**
0,744**
0,562**
1,00**
0,437**

0,673**
0,841**
1,00**
0,780**
0,744**
0,466**

0,259**

0,460**
0,780**
1,00**
0,562**

0,261**
0,258**
0,268**

0,265**
0,258**
0,272**

0,281**
0,273**

0,280**
0,278**

**: Significativos para p < 0,01.

En general predominaron los valores ms altos de los coeficientes de correlacin cuando las variables meteorolgicas se procesaron siete das antes del muestreo, lo que
resulta lgico si se tiene en cuenta que se comprob en los
estudios epidemiolgicos [Castellanos, 2000], que el perodo de incubacin vari entre dos y seis das, y la duracin de la generacin entre cinco y quince. La correlacin
negativa con la humedad relativa mnima no puede
interpretarse como que este factor es negativo a la enfermedad, sino que en las condiciones de Cuba la humedad
relativa alta, en el perodo invernal, est asociada a la
entrada de frentes fros con un cambio general en el estado del tiempo, donde se presentan adems temperaturas
bajas, nublados y lluvias [Lecha, 1994], y que, segn
Mayea et al. (1975) y Gmez (1999), favorecen al tizn
tardo causado por Phytophthora infestans Mont; pero como

demostr Castellanos (2000), alargan el perodo de

incubacin y la duracin de la generacin de A. solani.
De los modelos matemticos lineales obtenidos por el
mtodo de regresin paso a paso para el porcentaje de
distribucin de la enfermedad, el mejor fue el que incluy
los das de brotado el cultivo, la temperatura mxima
promedio durante catorce das, la oscilacin de humedad relativa durante ese mismo tiempo, la temperatura
efectiva mxima por encima de 18 y 19oC durante siete
das, y la humedad relativa mxima > 95% durante cinco das, con un coeficiente de determinacin ajustado de
0,666 (Tabla 2).
Para el porcentaje de intensidad el mejor modelo solo alcanz un coeficiente de determinacin ajustado de 0,388,
y qued en funcin de las temperaturas mximas promefitosanidad/29

Castellanos y otros

dio durante catorce das, la temperatura mxima efectiva

por encima de 25oC durante cinco das, los das de brotado el cultivo y la humedad relativa mxima efectiva por

encima de 90% durante siete das. Para el incremento de

intensidad de ataque semanal los coeficientes de determinacin ajustados fueron muy bajos.

Tabla 2. Resumen de los modelos para la distribucin

de la enfermedad (%) por el mtodo de regresin paso a paso
Modelo

1
2
3
4
5
6
7
8

0,775 a
0,797 b
0,802 c
0,810 d
0,813 e
0,816 f
0,818 g
0,821 h

R2
0,600
0,635
0,644
0,656
0,661
0,666
0,670
0,673

R2 ajustado
0,599
0,633
0,641
0,652
0,656
0,661
0,663
0,666

Error estndar
de la estimacin
23,18326
22,18560
21,93964
21,58463
21,46587
21,33252
21,24022
21,14881

a Predictores: constante, D. brot.

b Predictores: constante, D. brot., Tmax
c Predictores: constante, D. brot., Tmax 14 DLL 14
d Predictores: constante, D. brot., Tmax 14 DLL 14, OSCHR 14
e Predictores: constante, D. brot., Tmax 14 DLL 14, OSCHR 14, FHMA9014
f Predictores: constante, D. brot., Tmax 14 DLL 14, OSCHR 14, FHMA9014,
Tm 18-7
g Predictores: constante, D. brot., Tmax 14 DLL 14, OSCHR 14, FHMA9014,
Tm 18-7, Tm19-7
h Predictores: constante, D. brot., Tmax 14 DLL 14, OSCHR 14, FHMA9014,
Tm 18-7, Tm19-7, hrm95-5

Modelacin matemtica de la dispersin

de la enfermedad en funcin de la edad
del cultivo y las variables meteorolgicas
El resultado del anlisis estadstico para la modelacin
matemtica no lineal de la probabilidad de dispersin de
la enfermedad arroj que un modelo que utiliz una funcin Log-log como enlace, con un grupo de edades y donde participan como predictores la edad y seis variables
meteorolgicas, manifest los valores ms bajos de los criterios mejorados de Akaike y de Scwarts, por lo que se
consider el de mejor ajuste (Tabla 3). En este modelo
exponencial creciente participan la edad del cultivo en
das de plantado, la temperatura mxima, mnima y media, y la humedad relativa mxima, mnima y media, siete das antes de cada evaluacin, y su expresin matemtica es:
Y = 1 exp (exp (24,2205) x (edad ^ 4,083) x exp (0,0492
x Tmx 0,1441 x Tmn + 0,1328 x Tmed + 0,0482 x Hrmx
0,0232 x Hrmn + 0,0173 x Hrmed) x edad)

El criterio mejorado de Akaike fue recomendado por Lake

et al. (1997) para la seleccin del modelo de mejor ajuste
en los procesos estadsticos de modelacin matemtica
por ser ms fuerte que el coeficiente de determinacin
ajustado, y segn Marn y Almacellas (1998) penaliza
en mayor medida el nmero de parmetros en la ecuacin.
30/fitosanidad

Las variables meteorolgicas temperatura mxima y media, y la humedad relativa mxima y media aportan positivamente, y el resto de forma negativa. Los menores
aportes fueron de la temperatura mxima y la humedad
relativa media, pero con una probabilidad de error en la
prueba de X2 menor de 0,023 (Tabla 4). La temperatura
y la humedad relativa tienen, de alguna forma, un rol
importante en el comportamiento epidemiolgico de
Alternaria solani. Son variables meteorolgicas que se tuvieron en cuenta en anteriores mtodos de pronstico del
tizn temprano como el de Gmez et al. (1990).
El modelo logr un buen ajuste a la dinmica de los crecimientos y decrecimientos de los valores originales observados (Fig. 1). El anlisis de los residuos corrobor la
confiabilidad de este modelo al distribuirse los datos uniformemente, sin ningn patrn de comportamiento (Fig. 2).
El modelo permite conocer la probabilidad de encontrar
plantas enfermas en el campo de forma dinmica, en dependencia de la edad de la planta y las condiciones meteorolgicas de humedad relativa y temperatura que concurren, y por consiguiente inferir la intensidad de ataque,
variable estrechamente relacionada con la distribucin,
como se demostr anteriormente. El conocimiento de la
probabilidad de dispersin del tizn temprano tiene gran
utilidad, ya que permite tomar decisiones en edades tempranas del cultivo con respecto a las medidas de control.
Una rpida dispersin de la enfermedad indicar la
ocurrencia de condiciones favorables del tiempo y redun-

Modelacin matemtica de...

dar en una severidad de ataque alta, si las medidas curativas no logran la efectividad requerida.
La comprobacin del modelo matemtico exponencial
durante cuatro campaas en la Empresa de Cultivos
Varios de Horquita arroj que la serie de datos observa-

dos de la probabilidad de dispersin de la enfermedad

era similar al de los valores estimados por el modelo
matemtico, con un margen de error menor al 1,2%
(p < 0,012), lo que representa un alto nivel de
confiabilidad.

Tabla 3. Resumen de los modelos para la dispersin de la enfermedad

por datos binomiales
Modelo
1
2
3
4
5

Funcin
de enlace
Logit
Logit
Log-log
Log-log
Log-log

Nmero
de grupos
1
2
1
1
2

Nmero
de parmetros
6
12
10
8
12

Criterio
de Akaike
6 180,39
10 962,65
10 962,65
6 164,71
8 584,60

Criterio
de Scwarts
822,59
10 899,63
10 889,63
6 200,51
6 654,47

1 Predictores: constante, edad, Tmin., Tmed., Hrmx, Hrmin.

2 Predictores: constante, edad, edad1, edad2, Lluv., T mx., T mn., T med., Hrmx, Hrmn.,
Hrmed. D. lluv.
3 Predictores: constante, edad, Lluv., Tmx., Tmn., T med., Hrmx, Hrmn., Hrmed. D. lluv.
4 Predictores: constante, edad, Tmx., Tmn., Tmed., Hrmx, Hrmn., Hrmed.
5 Predictores: constante, edad, edad1, edad2, Lluv., Tmx., Tmn., T med., Hrmx, Hrmn.,
Hrmed. D. lluv.

Tabla 4. Anlisis de mxima igualdad estimada para los parmetros

del modelo de mejor ajuste
Variables
0
1
2
3
4
5
6
7

(intercepto)
(edad)
(temp. mxima)
(temp. mnima)
(temp. media)
(Hr mxima)
(Hr mnima)
(Hr media)

Parmetro
estimado
24,2205
4,0830
0,0492
0,1441
0,1328
0,0482
0,0232
0,0178

Error estndar
1,3961
0,1076
0,0215
0,0237
0,0289
0,00954
0,00672
0,00734

Probabilidad
de error X2
0,0001
0,0001
0,0228
0,0001
0,0001
0,0001
0,0006
0,0185

Figura 1. Probabilidad de dispersin del tizn temprano (campaa 1994-1995).

fitosanidad/31

Castellanos y otros

Figura 2. Anlisis de los residuos del modelo exponencial seleccionado.

CONCLUSIONES
Los modelos lineales resultaron menos efectivos para
explicar el desarrollo epidemioldico de Alternaria solani
en el cultivo de la papa.
El modelo exponencial para datos binomiales en funcin de la edad de las plantas y seis variables climticas
Y = 1 exp (exp (24,2205) x (edad ^ 4,083) x exp
(0,0492 x Tmx 0,1441 x Tmn + 0,1328 x Tmed +
0,0482 x Hrmx 0,0232 x Hrmn + 0,0173 x Hrmed)
x edad) demostr el mejor ajuste y gran confiabilidad
para explicar la tasa de dispersin del tizn temprano.

REFERENCIAS
Anderson, R. M.;R. M. May: The Invasion, Persistence and Spread of
Infectious Diseases Within Animal and Plant Communities,
Philosophical Transaction of Royal Society of London 314:533-570,
1986.
Castellanos, L.: Nocividad, epidemiologa y manejo del tizn temprano
(Alternaria solani Sor.) en el cultivo de la papa. Tesis presentada
en opcin del grado cientfico de Doctor en Ciencias Agrcolas, Universidad Central Martha Abreu, Villa Clara, Cuba, 2000.
Cortias, J.: Metodologa de regionalizacin. Informe final de etapa
de investigacin, INISAV, La Habana, 1999.

32/fitosanidad

Centro Nacional de Sanidad Vegetal.(CNSV): Informe de campaa del

cultivo de la papa, La Habana, 1998.
FAO: La papa en la dcada de 1990. Situacin y perspectivas de la
economa de la papa a nivel mundial, Roma, 1995.
Gmez, G.; J. Rodrguez; L. Castellanos: Pronstico a corto plazo de
Alternaria solani en papa y tomate. Resmenes. II Seminario Cientfico Internacional de Sanidad Vegetal, La Habana, 1990, p. 189.
Gmez, G.: Sistema de pronstico para el tizn tardo de la papa
causado por Phytophthora infestans Mont (De Bary) en Cuba. Resumen de tesis para alcanzar el grado de Doctor en Ciencias, INISAV,
La Habana, 1999.
Hernndez, S.: Estudio sobre las enfermedades del tizn tardo y
temprano de la papa. Tesis de grado, Universidad Central Martha
Abreu, Villa Clara, Cuba, 1983.
Lake, J. V.; G. R. Bock; J. A: Goode: Precision Agriculture: Spatial and
Temporal Variability of Enviromental Quality, Ciba Foundation
Symposium-210, New York, 1997.
Lecha, B. L.; L. R. Paz; B. Lapinel: El clima de Cuba. Ed. Academia, La
Habana, 1994.
Marn, J. V.; J. Almacellas: Anlisis de datos en los experimentos de
control de las enfermedades, Phytoma 103:102-107, 1998.
Mayea, S.; A. Alonso; J. Gerardo; O. Saucedo: Algunos mtodos para
el pronstico del tizn tardo de la papa y posibilidades de su utilizacin en Cuba, Centro Agrcola 2(2-3):77-85, 1975.