Logotipo del repositorio

Análisis espacio-temporal y detección de focos de pudrición de cogollo en ASOPALMAR (Cesar): un enfoque mediante geolocalización con datos parciales

dc.contributor.advisorBermúdez Rubio, Dagoberto
dc.contributor.authorOvallos Gaona, Ludy
dc.contributor.authorDuque solano, Carolina
dc.contributor.evaluatorSepúlveda Murillo, Fabio Humberto
dc.date.accessioned2026-05-22T19:28:52Z
dc.date.created2026-04-02
dc.date.issued2026-04-02
dc.description.abstractSe realizó un diagnóstico espacio-temporal de la Pudrición de Cogollo (PC) en palma de aceite para los predios asociados a la Asociación de Palmeros de San Martín (Cesar), a partir de registros georreferenciados de eventos sanitarios, con el fin de identificar focos de riesgo recurrentes. El objetivo central fue cuantificar la dinámica mensual de la enfermedad y evaluar el agrupamiento espacial, además de detectar hotspots persistentes y predios atípicos para orientar la priorización del monitoreo y el control fitosanitario. La principal limitante correspondió a la cobertura parcial: no todos los predios fueron evaluados en todos los meses y el sistema de captura registró principalmente palmas con afectación, lo que exigió el uso de estimaciones (p. ej., palmas sembradas por hectárea) y un manejo cuidadoso de indicadores. El procedimiento incluyó depuración y estandarización de bases, construcción de polígonos por predio mediante convex hull y capas puntuales, cálculo de métricas (tasa por 1.000 palmas, intensidad por 100 palmas e intensidad basada en eventos) y análisis de autocorrelación espacial mediante el Índice global de Moran y LISA bajo vecindades KNN, comparando resultados en Python y ArcGIS Pro. El marco conceptual se apoyó en la literatura clásica de estadística espacial, especialmente en los aportes de Moran, Geary y Anselin. Se encontró autocorrelación espacial positiva y significativa en la mayoría de los meses, se identificaron hotspots Alto–Alto recurrentes y un grupo de predios con persistencia de foco, y se evidenciaron meses sin patrón global significativo donde predominó la heterogeneidad. En conclusión, la PC mostró agrupamientos temporales y focos persistentes susceptibles de intervención focalizada; además, se demostró que, aun con información parcial, fue posible generar evidencia útil para decisiones operativas, documentando supuestos, variación mensual de cobertura y la diferencia entre incidencia (casos nuevos) y recurrencia (casos anteriores).
dc.description.abstractenglishSpatio-temporal diagnostic assessment of Bud Rot (BR) in oil palm for the farms associated with the ASociaciónd e Palmeros de San Martín Cesar ASOPALMAR, built from georeferenced sanitary event records and aimed at identifying recurrent risk hotspots. The main objective is to quantify the monthly dynamics of the disease and evaluate the presence of spatial clustering, as well as to detect persistent hotspots and atypical farms to support the prioritization of monitoring and phytosanitary control actions. The primary limitation is the partial coverage of information: not all farms are assessed every month, and the data-collection system mainly records affected palms, which requires the use of estimates (e.g., planted palms per hectare) and careful handling of indicators. The procedure included data cleaning and standardization, construction of farm polygons (convex hull) and point layers, calculation of metrics (rate per 1,000 palms, intensity per 100 palms, and event-based intensity), and spatial autocorrelation analysis using the Global Moran’s I and LISA under KNN neighborhood structures, comparing outputs from Python and ArcGIS Pro. The conceptual framework draws on the foundational literature in spatial autocorrelation and spatial statistics, particularly the contributions of Moran and Geary, and Anselin’s development of local indicators (LISA), along with approaches to point-pattern analysis and spatial epidemiology. Key results include positive and statistically significant spatial autocorrelation in most months, the identification of recurrent High–High hotspots and a group of farms with persistent hotspot behavior, and the occurrence of months without significant global patterns where heterogeneity predominates. Overall, Bud Rot shows temporally varying spatial clustering and persistent hotspots that can be targeted through focused interventions; moreover, the analysis demonstrates that—even with partial information—useful evidence can be produced for operational decision-making, provided that assumptions, month-to-month coverage variability, and the distinction between incidence (new cases) and recurrence (previous cases) are clearly documented.
dc.description.degreelevelEspecialización
dc.description.degreenameEspecialista en Estadística
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/47507
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programEspecialización en Estadística
dc.publisher.schoolEscuela de Matemáticas
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-SinDerivadas 2.5 Colombia (CC BY-ND 2.5 CO)
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectPudrición de cogollo
dc.subjectEDA
dc.subjectÍndice de Morán
dc.subjectEstadística Espacial
dc.subjectLISA
dc.subjectGeolocalización
dc.subjectPalma de Aceite
dc.subject.keywordBud Rot
dc.subject.keywordSpatial Statistics
dc.subject.keywordExploratory Spatial Data Analysis
dc.subject.keywordMoran’s I
dc.subject.keywordLISA
dc.subject.keywordGeolocation
dc.subject.keywordOil Palm
dc.titleAnálisis espacio-temporal y detección de focos de pudrición de cogollo en ASOPALMAR (Cesar): un enfoque mediante geolocalización con datos parciales
dc.title.englishSpatio-temporal analysis and detection of bud rot hotspots in ASOPALMAR (Cesar): a geolocation approach with partial data
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Especialización

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Carta de autorización.pdf
Tamaño:
276.69 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
3.01 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de proyecto.pdf
Tamaño:
600.9 KB
Formato:
Adobe Portable Document Format

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
2.17 KB
Formato:
Item-specific license agreed to upon submission
Descripción:

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031