Título de la exposición
ILCYM 4.0 – UNA HERRAMIENTA AMIGABLE Y RAPIDA PARA LA 
PREDICCIÓN DEL RIESGO DE PLAGAS DE INSECTOS BAJO 
ESCENARIOS DE CAMBIO CLIMÁTICO
Pablo Carhuapoma Ramos
Lima, Perú  Fecha Abril 2019
Contenido
1. Introducción
2. Propiedades
3. Por que usar ILCYM 4.0?
4. Input data
5. Modelamiento y Simulación (Outputs)
6. Validación y simulación espacial (Outputs)
7. Transmisión de virus
8. Conclusiones y recomendaciones
9. Publicaciones
Introducción
• ILCYM 4.0 es la más reciente versión de ILCYM (Insect Life Cycle
Modeling), el cual es un programa para el desarrollo de modelos
fenológicos basados en la temperatura con aplicaciones globales y
regionales y evaluaciones y mapeo de riesgo de plagas.
• Fue Creado en el Centro Internacional de la Papa a cargo del Dr. Marc
Sporleder y el equipo de desarrollo del área de Entomología.
• Es comparado con otros Softwares como Climex y Maxent.
Propiedades (Desarrollo del modelo fenológico)
Validación del modelo
Tasa intrínseca de crecimiento
Simulación de parámetros Tasa finita de incremento
Tasa de reproducción neta
de tabla de vida Tiempo generacional
Tasa y tiempo de desarrollo
Modelos fenológicos Tasa y tiempo de oviposición
basados en la temperatura Senescencia
Tasa de mortalidad 
Oviposición total
(www.cipotato.org/ilcym)
 tiempo de desarrollo,
Estudios de tabla de vida  tiempo de supervivencia,
 mortalidad de inmaduros
 oviposición
Resultados estadísticos de varias fuentes bibliográficas (µ, σ) 
“Model builder”
Propiedades (Aplicación del modelo fenológico)
Distribución potencial a nivel mundial, 
regional y local
Con y sin filtros de cultivos
Clima actual: 2000 Clima futuro: 2050
(1950-2000: www.worldclim.org/) Down-scaled data SRES-A1B, IPCC (2007):
365 http://gisweb.ciat.cgiar.org/GCMPage
ERI= ∑𝑖𝑖=1 𝐼𝐼𝑖𝑖 ERI GI AI
𝐼𝐼 365
𝐼𝐼 AI= log10 � ?̂?𝜆𝑖𝑖
𝑖𝑖=1
∑365GI= 𝑖𝑖=1 365 /𝐺𝐺�𝐺𝐺𝑖𝑖 Índices de riesgo
365
Modelo fenológico generado 
previamente 
(www.cipotato.org/ilcym)
“Risk mapping”
Propiedades (Aplicación del modelo fenológico)
Conocimiento
de la plaga
Datos de 
Temperatura
Fenologia de la 
plaga
Mapas de Riesgo
¿Por que usar ILCYM 4.0?
 Simulación de la dinámica de poblaciones de insectos
 Evaluación del riesgo de plagas
 Manejo Integrado de Plagas 
• Control biológico clásico: Identificación de lugares potenciales para 
la liberación de enemigos naturales
• Simulación de frecuencia de aplicación (atracticida,  biopesticida)
 Cambio climático / planificación de la adaptación
*ILCYM ahora es más rápida, intuitiva en el proceso de modelamiento e
interactiva en todos sus módulos, haciendo que el usuario no tenga
complicaciones en su manejo, ya sea para el desarrollo de fenologías o para
predicciones
Input data
Individuos
20℃
4 días
9 días
Días 
evaluados
6 días
9 días y 88 huevos
Modelling
Información requerida: Datos de los ciclos de vida registrados a temperaturas 
constantes:
Creación o selección de 
proyectos
Carga de los datos de 
tabla de vidas (formato 
AFT) 
Detalles del Proyecto
Modelling
Abrir un proyecto que ya existente
Selección de un proyecto
Búsqueda de la carpeta con 
el nombre del proyecto
Modelling
Selección del proyecto y de la 
variable a modelar
Ingreso de opciones en 
el modelamiento y la 
vista de resultados
Modelling
Selección del mejor modelo para Tasa de desarrollo
Selección de la variable 
Selección a modelar
de 
modelos 
de fácil 
manejo
Lista de Indicadores 
para comparación
Gráficos de los valores 
observados y la curva 
estimada por cada 
modelo
Validación (Tuta absoluta)
Simulación a temperaturas 
fluctuantes comparado con 
el número de individuos 
observados
Aproximación a 1 Generación
Módulos – Simulation (Trialeurodes vaporariorum)
Simulación a 
temperaturas 
constantes de los 
parámetros de vida
Simulación a una 
temperatura 
fluctuante de las 
generaciones
Validación (Tuta absoluta)
Simulación a temperaturas 
fluctuantes comparado con 
el número de individuos 
observados
Aproximación a 1 Generación
Spatial Simulation
Histogramas 
de los Índices 
estimados
Mapas de cada uno de los Índices
Módulos – Simulation by Points
Registros de 
presencia de 
Trialeurodes
Vaporariorum
Indices de 
RiesgoTrialeurodes
Vaporariorum
Módulos – Simulation by Points
Registros de 
presencia de 
Trialeurodes
Vaporariorum
Parámetros de vida estimados de 
forma mensual
Riesgo regional bajo el clima actual y futuro
El CC reducirá las condiciones favorables en la zonas más cálidas (oeste de Brasil) y 
aumentará el establecimiento en las zonas templadas y altas. 
Tecia solanivora: ERI y GI en Sudamérica
2000 2050 ERI cambio 2000 - 2050
2000 2050 GI cambio 2000 - 2050
Transmisión: Como predecir el Riesgo en caso de una 
propagación
1. Disponible: un modelo fenológico de la mosca blanca
(vector de virus)  sensible a la temperatura.
2.  Generar temperaturas que respondan al modelo de 
transmisión por adultos de mosca blanca.
3. Generar mapas de Riesgo de diseminación de virus por 
vectores de mosca blanca.
4.  Generar modelos epidemiológicos para dar soporte en el 
manejo de la enfermedad.
Transmisión: Incluir la propagación de virus
transmitido dentro del modelo
Determinar la eficiencia de transmisión de PYVV
por T. vaporariorum y el efecto de la temperatura
en la transmisión de virus
Desarrollo de un modelo matemático para la
temperatura dependiente de la transmisión de
PYVV por T. vaporariorum
Validación del modelo de transmisión bajo
condiciones naturales.
Calcular nuevos indices de Riesgo actuales y
futuros relacionados a la transmisión del virus.
Transmisión de PYVV por T. vaporariorum bajo temperaturas constantes    
( 10ºC, 12ºC, 14ºC, 15ºC, 16ºC, 20ºC, 25ºC, 28ºC) 
Aplicación: Eficiencia de transmision de PYVV por T. 
vaporariorum y el efecto de la temperatura en la 
transmisión
Porcentaje   
Temperatura Transmición (%)
10 0.04 10
12 0.1 12
12 0.18 12
12 0.08 12
12 0.12 12
14 0.4 14
: : :
Aplicación: Simulación
Modelamiento de la transmisión de virus y su predicción espacial
Distribución potencial a nivel mundial, 
regional y local
Con y sin filtros de cultivos
365
𝑃𝑃𝑃𝑃𝑃𝑃 𝑙𝑙𝑙𝑙𝑙𝑙,𝑙𝑙𝑙𝑙𝑙𝑙 = � 𝑝𝑝𝑘𝑘 𝑠𝑠𝑘𝑘 𝑜𝑜𝑘𝑘 ⁄365
𝑘𝑘=1
Clima actual: 2000 Potential Transmission(PT) y Clima futuro: 2050
(1950-2000: www.worldclim.org/) Potential Activity in the Down-scaled data SRES-A1B, IPCC (2007):
http://gisweb.ciat.cgiar.org/GCMPage
Transmission (PAT)
Índices de Transmisión
f(T)=p g(T)=s q(T)=o 
Riesgo de Transmisión
Porcentaje de transmisión, Supervivencia 
de todo el ciclo inmaduro y Oviposición
(www.cipotato.org/ilcym)
“Risk mapping”
Aplicación: Modelling
Selección del mejor modelo para Porcentaje de transmisión
Ingeso de la 
tabla que 
contiene las 
temperauras y el 
porcentaje de 
transmiion
Lista de Indicadores 
para comparación
Selección de 
modelos de fácil 
manejo
Gráficos de los valores 
observados y la curva 
estimada por cada 
modelo
Aplicación: Simulación
Histogramas 
de los Índices 
estimados
Mapas de cada uno de los Índices
Aplicación: Simulación por puntos
Registros de 
presencia de 
Trialeurodes
Vaporariorum
Ampliación en el Mapa
Aplicación: Simulación para Sudamérica (PAT)
Validación a temperaturas fluctuantes
Considerando que el Annual Mean Transmission (AMT) y el Annual Mean Survival 
(AMS) se operan para obtener el Potential Activity in the Transmission (PAT):
PAT=AMTlímite*AMSlímite*Ovipositionesperado
PATlímite=0.1*0.6*20
PATlímite=1.2
Precisión de predicción utilizando PAT: ((83 + 1034)/1509) *100 = 74%.
  Presence Absence   
Estim_Presence 83 360   
Estim_Absence 32 1034   
  Total 1509 
La validación del  PAT se puede obtener utilizando datos georeferenciados sobre la 
presencia y ausencia del virus y su vector, ubicados en campos de zonas endemicas, 
validando el valor de PAT (valores mayores a 1.2), y con ello mejorando la capacidad
de predicción y alerta en tales zonas.
Conclusiones y desafíos
 La nueva versión de ILCYM optimiza la estimación de los
tiempos de vida por lo cual las predicciones refleja bien el
potencial de crecimiento de la plaga dependiente de la
temperatura.
 Los parámetros de población simulados predicen con
precisión el comportamiento de los insectos bajo
temperaturas fluctuantes en dos o mas agroecosistemas
contrastados de papa.
 El mapeo de riesgos de las plagas importantes permitió
predecir su distribución y abundancia futuras.
 Las predicciones tempranas podrían ayudar a la adaptación
al cambio climático mediante el desarrollo de estrategias
adecuadas de manejo de plagas para reducir las pérdidas de
rendimiento de la papa.
Conclusiones y desafíos
 La nueva versión de ILCYM optimiza la estimación de los
tiempos de vida por lo cual las predicciones refleja bien el
potencial de crecimiento de la plaga (vector) dependiente de
la temperatura.
 Se pudo determinar un patrón no lineal entre la temperatura
y el porcentaje de transmisión, donde la temperatura optima
de transmisión es 15ºC.
 La validación obtuvo un 74% de buena predicción lo cual
nos indica que esta herramienta tiene un alto nivel de
confiabilidad y poder de predicción.
 Las predicciones tempranas podrían ayudar a la adaptación
al cambio climático mediante el desarrollo de estrategias
adecuadas de control en la diseminación del virus por parte
del vector para reducir las pérdidas de rendimiento de la
papa.
Publicaciones
• Kroschel, J., Sporleder, M., Tonnang, H.E.Z., Juarez, H., Carhuapoma, P., Gonzales, J.C., Simon, R. 
2013. Predicting climate-change-caused changes in global temperature on potato tuber moth 
Phthorimaea operculella (Zeller) distribution and abundance using phenology modeling and GIS 
mapping. Agricultural and Forest Meteorology, Volume 170, 15.
• Hutchinson MF. 1995. Interpolating mean rainfall using thin plate smoothing splines. International 
Journal of Geographical Information Systems. 9: 385 – 403.
• Hutchinson MF. 2004. Anusplin Version 4.3. Centre for Resource and Environmental Studies. The
Australian National University: Canberra, Australia.
• Koenker, R. 1991, Quantile Smoothing Splines, Bureau of Economic and Business Research, 
University of Illinoi, U.S.A.
• Gamarra, H.; Carhuapoma, P.; Mujica, N.; Kreuze, J.; Kroschel, J. 2016. Greenhouse whitefly, 
Trialeurodes vaporariorum (Westwood 1956). In: Kroschel, J.; Mujica, N.; Carhuapoma, P.; Sporleder, 
M. (eds.). Pest distribution and risk atlas for Africa. Potential global and regional distribution and 
abundance of agricultural and horticultural pests and associated biocontrol agents under current 
and future climates. Lima (Peru). International Potato Center (CIP). ISBN 978-92-9060-476-1. DOI 
10.4160/9789290604761-12. pp. 154-168
• Sporleder, M., J. Kroschel, M. R. Gutierrez Quispe, and A. Lagnaoui. 2004. A temperature-based 
simulation model for the potato tuberworm, Phthorimaea operculella Zeller (Lepidoptera; 
Gelechiidae). Environmental Entomology 33: 477-486.
ILCYM
Muchas gracias por su atención!
CIP is a research-for-development organization with a focus on potato,
sweetpotato and Andean roots and tubers. It delivers innovative science-
based solutions to enhance access to affordable nutritious food, foster
inclusive sustainable business and employment growth, and drive the
climate resilience of root and tuber agri-food systems. Headquartered in
Lima, Peru, CIP has a research presence in more than 20 countries in
Africa, Asia and Latin America.
www.cipotato.org
CIP is a CGIAR research center
CGIAR is a global research partnership for a food-secure future. Its science
is carried out by 15 research centers in close collaboration with hundreds of
partners across the globe.
www.cgiar.org
CIP thanks all donors and organizations that globally support its work through their contributions to the CGIAR Trust Fund: www.cgiar.org/funders
This publication is copyrighted by the International Potato Center (CIP). It is licensed for use under the Creative Commons Attribution 4.0 International License