A batata é uma importante cultura para a agricultura venezuelana. Entretanto, sua produção é altamente afetada pela ocorrência da requeima (Phytophtora infestans), já que as condições climáticas são normalmente favoráveis para essa doença. O objetivo deste estudo foi determinar as datas de semeadura com os menores riscos climáticos para a ocorrência da requeima na região andina da Venezuela, considerando o uso de um modelo agrometeorológico de previsão da doença e um sistema de informação geográfica (GIS). O modelo de estimativa da doença utilizado foi o desenvolvido por Hyre (1954), o qual requer dados diários de chuva e temperatura. Esses dados foram obtidos de 106 estações meteorológicas, situadas nos estados de Mérida, Táchira e Trujillo, para períodos de 31 anos. O modelo de Hyre foi aplicado para todas as estações, obtendo-se as seguintes variáveis: número de dias favoráveis à doença (DFD); número de períodos com dez dias favoráveis consecutivos, denominado de ocorrência (O); e número de pulverizações requeridas para o controle da doença (S). Essas variáveis foram utilizadas para calcular o Índice de Máximo Risco (MRI) e o Índice de Risco Provável (PRI). A interpolação desses índices foi usada para gerar mapas de risco climático para cada época de semeadura. Os mapas de MRI e PRI mostraram que os maiores riscos para a proliferação da requeima da batata ocorre na estação chuvosa, de maio a julho, decrescendo durante as estações seca e de transição. Entretanto, alta variabilidade do risco para a doença foi observada em todas as épocas de semeadura. Os mapas gerados pela combinação do modelo agrometeorológico de previsão da doença e GIS também mostraram que em boa parte das áreas produtoras de batata na região andina da Venezuela a redução do número de pulverizações pode ser possível, no entanto há necessidade de novas pesquisas para se comprovar isso.

Potato is an important crop for Venezuelan agriculture. However, its production is highly affected by late blight (Phytophtora infestans), since weather is commonly favorable for this disease. The aim of this study was to determine the sowing dates of low climatic risk for potato late blight in the Andes region of Venezuela, with an agrometeorological disease model and geographical information system (GIS) tools. The disease model used in this study was developed by Hyre (1954) which requires daily rainfall and temperature data which were obtained from 106 weather stations, located at the States of Mérida, Táchira, and Trujillo, for a period of 31 years. Hyre's model was applied for all stations obtainig the following variables: number of disease favorable days (DFD); number of periods with ten consecutive favorable days, named disease occurrence (O); and number of sprays required for disease control (S). These variables were used to calculate the Maximum Risk Index (MRI) and the Probable Risk Index (PRI). The interpolation of these indexes was used to generate maps of climatic risk for each sowing date. MRI and PRI maps showed that the highest climatic risk for potato late blight occurrence was during the rainy season, from May to July, decreasing during dry and mid seasons. However, high disease risk variability was observed for all seasons. The maps generated by coupling an agrometeorological disease model and GIS also show that in great part of potato areas of Andes region the number of sprays could be reduced, but more investigations about that must be carried out.

O objetivo deste trabalho foi determinar regiões homogêneas baseadas na sazonalidade da precipitação pluvial mensal e a distribuição de probabilidade que melhor se ajusta à precipitação dessas regiões no Estado de Táchira, Venezuela. Utilizaram-se valores da precipitação mensal de 25 estações climatológicas, que apresentam séries entre 24 e 62 anos. Aplicou-se o método de Ward no agrupamento dos meses com precipitação pluvial mensal similar e também no das localidades com precipitação similar (regiões homogêneas). Avaliaram-se os ajustes das funções de densidade exponencial, gama, Gumbel, normal, log-normal a três parâmetros, e Weibull aos dados observados de precipitação mensal. A variação sazonal da precipitação no Estado de Táchira apresenta três períodos estatisticamente definidos como: seco, transição e úmido. Os períodos seco e úmido apresentam quatro regiões homogêneas de precipitação mensal similar e o de transição três. No período seco, a distribuição de probabilidade recomendada para as estimativas mensais é a exponencial, com exceção da região homogênea com os maiores valores de precipitação pluvial do período, onde a gama se sobressai. No período chuvoso, em todas as regiões homogêneas, a distribuição normal predomina, com exceção de agosto, em que a gama prevalece. Já nos meses de transição, destacam-se as distribuições gama, em abril, e normal, em novembro.

The objective of this work was to determine regions of monthly pluvial precipitation based on the seasonal and the probability distribution that best fit to precipitation of those areas in the State of Táchira, Venezuela. Long-term series of 24 throughout 62 years of monthly precipitation data of 25 climatological stations were used. The Ward's clustering methods of analyses was used to group the months with similar monthly pluvial precipitation and also the climatological locations with similar precipitation (homogeneous regions). The adjust of the probability density functions exponential, Gamma, Gumbel, normal, log-normal were evaluated with three parameters as well as Weibull distributions in order to observe monthly precipitation data. The precipitation seasonal variation at the State of Táchira presents three periods statistically defined as: dry, transition, and wet. For the dry and wet periods, four homogeneous regions of locations with similar monthly precipitation could be identified and, in the transition period, three regions. In the dry period, the recommended probability distribution is the exponential, except for the homogeneous regions with the largest rainfall values during that period, when Gamma distribution is better. In the wet period, in all regions, normal distribution prevails, except for August, when Gamma prevails. As far as transition periods are concerned, Gamma distributions are better in April and normal distribution, in November.