Show simple item record

dc.contributor.advisorÑaupari Vásquez, Javier Arturo
dc.contributor.advisorZárate Rendón, Daniel Alexis
dc.contributor.authorGodoy Padilla, David José
dc.date.accessioned2018-10-09T15:31:42Z
dc.date.available2018-10-09T15:31:42Z
dc.date.issued2018
dc.identifier.otherL72.G6-T BAN UNALM
dc.identifier.urihttp://repositorio.lamolina.edu.pe/handle/UNALM/3605
dc.descriptionUniversidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Producción Animales_PE
dc.description.abstractEl objetivo del presente estudio fue desarrollar y analizar mapas de riesgo de infección de Fasciola hepatica en vacunos lecheros utilizando sistemas de información geográfica (SIG) en los distritos de Matahuasi, Región Junín; y Baños, Región Huánuco. Se colectaron muestras de heces de vacunos para determinar las prevalencias (p) (categorizadas en bajo riesgo p ≤ 20%, moderado 21% ≤ p ≤ 50%, y alto p ≥ 51%) y cargas parasitarias de F. hepatica en cada área de estudio durante los meses de lluvia (entre noviembre y marzo) y de seca (entre junio y agosto); 2016 - 2017. Cada área de pastoreo de ocho productores en promedio por cada área de estudio, fue georreferenciada espacialmente para evaluar características del suelo en campo; y estimar variables climáticas (temperatura y precipitación mensual); geográficas (pendientes, elevación, y distancias hacia ríos, zonas urbanas y caminos); e índices de vegetación y agua (índice de vegetación de diferencia normalizada, NDVI; índice de vegetación mejorado, EVI; índice diferencial de agua normalizado, NDWI) a partir de imágenes de sensores remotos y procesadas en SIG. Se utilizaron redes neuronales para la generación de modelos predictivos de riesgo de F. hepatica en base a la relación entre variables evaluadas y las prevalencias observadas; y el coeficiente Kappa (k) para seleccionar aquellos modelos que tuvieran mayor concordancia con el riesgo de F. hepatica observado (k > 0.6). Los resultados revelan que las prevalencias por productor en Matahuasi variaron entre 20% y 100%, y en Baños entre 0% y 87.5%. El modelo predictivo basado en índices de vegetación y agua generados a partir de imágenes del sensor Sentinel 2 fue elegido como el mejor (k = 0.77) para el desarrollo de los mapas de riesgo. Las variables ambientales predictoras de mayor importancia fueron la pendiente y el índice de agua (NDWI). Los mapas de riesgo muestran que Matahuasi tiene mayores zonas de alto riesgo tanto en meses secos como de lluvias; mientras que en Baños las zonas de alto riesgo aumentan ligeramente en épocas secas respecto a las épocas de lluvias.es_PE
dc.description.abstractThe aim of this work was developing and analyzing risk maps of Fasciola hepatica infection in dairy cattle using geographical information system (GIS) in Matahuasi, Junín region; and Baños, Huánuco region. Dairy cattle stool samples were collected to determine the prevalence (p) (categorized in low risk p ≤ 20%, moderate risk 21% ≤ p ≤ 50%, and highrisk p ≥ 51%) and parasite loads of F. hepatica in every study area during wet seasons (November - March) and dry seasons (June - August) 2016 - 2017. Grazing areas of eight farmers in average were spatially georeferenced to assess soil characteristics in the field, and to estimate climatic variables (temperature and rainfalls per month), geographic variables (slope, elevation and distances from rivers, urban zones and roads) and vegetation and water indexes (Normalized difference vegetation index, NDVI; Enhanced vegetation index, EVI; normalized difference water index, NDWI), based on remote sensing images and GIS processing. Neural networks were used to generate F. hepatica predictive risk models based on the relationship between assessed factors and the observed prevalence; and Kappa coefficient (k) to select the predictive models that have more concordance with the observed risk of F. hepatica (k ≥ 0.6). Results reveal that prevalence per farmer in Matahuasi varied between 20% and 100%, and in Baños between 0% and 87.5%. The predictive model based on vegetation and water indexes generated by Sentinel 2 images was the best model (k=0.77) to develop risk maps. The most important predictive environmental factors were slope and water index (NDWI). Risk maps of F. hepatica show that Matahuasi has more high-risk areas in wet and dry seasons while in Baños high-risk areas slightly increase in dry seasons compare to wet seasons.en_US
dc.description.uriTesises_PE
dc.formatapplication/pdfen_US
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad Nacional Agraria La Molinaes_PE
dc.sourceRepositorio institucional - UNALMes_PE
dc.subjectGanado vacunoes_PE
dc.subjectFasciola hepáticaes_PE
dc.subjectPlagas de animaleses_PE
dc.subjectEnfermedades parasitariases_PE
dc.subjectEvaluación de riesgoses_PE
dc.subjectControl de plagases_PE
dc.subjectSistemas de información geográficaes_PE
dc.subjectSensoreses_PE
dc.subjectEpidemiologíaes_PE
dc.subjectFactores climáticoses_PE
dc.subjectFactores ambientaleses_PE
dc.subjectModelo de predicciónes_PE
dc.subjectZona de montañaes_PE
dc.subjectPerúes_PE
dc.subjectSensores remotoses_PE
dc.subjectFactores de riesgoses_PE
dc.subjectMapas de riesgoses_PE
dc.subjectMatahuasi (dist)es_PE
dc.subjectBaños (dist)es_PE
dc.subjectRegión Junínes_PE
dc.subjectRegión Huánucoes_PE
dc.subjectSierra Centrales_PE
dc.titleDesarrollo de un modelo espacial de riesgo de infección de Fasciola hepatica en vacunos lecheros de la sierra centrales_PE
dc.typeinfo:eu-repo/semantics/masterThesisen_US
thesis.degree.disciplineProducción Animales_PE
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Escuela de Posgradoes_PE
thesis.degree.nameMagister Scientiae - Producción Animales_PE
thesis.degree.levelMaestríaes_PE
dc.subject.ocdeGanaderíaes_PE


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess