Modelos agrometeorológicos para previsão de pragas e doenças em Coffea arabica L. em Minas Gerais

• Ano de defesa: 2019
• Autor(a) principal: Aparecido, Lucas Eduardo de Oliveira [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Fitopatologia; Modelagem; Aprendizado máquina; Big data; Plant pathology; Modelling; Machine learning
• Link de acesso: http://hdl.handle.net/11449/190699

O café é a bebida mais consumida no mundo e uma das principais causas para a redução da produtividade e qualidade são os problemas fitossanitários. A estratégia mais comum de controle dessas doenças e pragas é a aplicação de fungicidas e inseticidas foliares, dependendo da intensidade dos mesmos na região. Esse método tradicional pode ser melhorado utilizando de sistemas de alertas por meio de modelos de estimativas dos índices de doenças e pragas. Este trabalho tem como OBJETIVOS: A) Calibrar as variáveis meteorológicas: temperatura do ar e precipitação pluviométrica do sistema ECMWF em relação aos dados de reais de superfície mensurados pelo sistema nacional de meteorologia (INMET) para o estado de Minas Gerais; B) Avaliar quais os elementos meteorológicos exercem maior influência nas principais pragas (broca e bicho-mineiro) e doenças (ferrugem e cercosporiose) do cafeeiro arábica nas principais localidades cafeeiras do Sul de Minas Gerais e do Cerrado Mineiro; C) Desenvolver modelos agrometeorológicos para previsão de pragas e doenças em função das variáveis meteorológicas usando algoritmos de machine learning e procurando uma antecipação temporal suficiente para tomada de decisões. MATERIAL E MÉTODOS: Para o objetivo “A” foram utilizados dados climáticos mensais de temperatura do ar (T, ºC) e precipitação pluviométrica (P, mm) provenientes do ECMWF e do INMET no período de 1979 a 2017. A evapotranspiração potencial foi estimada por Thornthwaite (1948) e balanço hídrico por Thornthwaite e Mather (1955). As comparações entre o ECMWF e INMET foram realizadas pelos índices: acurácia (mean absolute percentage error, MAPE, e root mean squared error, RMSE) e precisão (coeficiente de determinação ajustado, R2adj). Para o objetivo “B” foram utilizados dados climáticos e fitossanitários de Boa Esperança, Carmo de Minas, Muzambinho e Varginha, situadas na região Sul de Minas (SOMG) e as localidades de Araxá, Araguari e Patrocínio situadas na região do Cerrado Mineiro (CEMG). Foram simulados a tendência de progresso das doenças e pragas ao longo de tempo usando modelos não lineares em função do índice térmico acumulado. Também foi estimada dos níveis de infestação de pragas e severidade de doenças usando regressão linear múltipla. A variável dependente foi os níveis de doenças e pragas e as variáveis independentes: graus dias (DD) acumulado, enfolhamento do café estimado por DD e número de nós estimado por DD. Para o objetivo “C” foram utilizados dados climáticos e fitossanitários da SOMG e CEMG. Os algoritmos calibrados e testados para a previsão das doenças e pragas do café foram 1) Regressão linear múltipla, 2) K-Neighbors, 3) Random Forest e 4) Redes Neurais. RESULTADOS E DISCUSSÃO: Os maiores desvios entre PINMET e PECMWF foram de 75 mm mo-1 e ocorreram no verão. O cafeeiro implantado no CEMG tem maiores índices de doenças e pragas em relação ao café do SOMG. O algoritmo random forest foi mais acurado na previsão da ferrugem, cercospora, bicho-mineiro e broca-do-cafeeiro em ambas as regiões. CONCLUSÃO: As variáveis climáticas oriundas do ECMWF são acuradas e podem modelar o balanço hídrico climatológico. É possível simular a tendência e ainda prever os índices de pragas e doenças do café usando como variáveis regressoras os dados climáticos e metodologia o machine learning.