Modelos Agrometeorológicos-espectrais baseados em inteligência artificial para estimativa de cercosporiose no cafeeiro

• Processo: 21/03746-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2021
• Data de Término da vigência: 30 de junho de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Glauco de Souza Rolim
• Beneficiário: Gislaine Ferreira Barbosa
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Assunto(s): Estatística e probabilidade Ecossistemas agrícolas Agrometeorologia Inteligência artificial Cafeeiro Cercosporiose Regressão linear Modelagem
• Palavra(s)-Chave do Pesquisador: Ciências Exatas e da Terra | Epidemiologia | Índice de Vegetação | Inteligência Artifical | Modelagem | python | Inteligência Artificial

Resumo

O café é uma das bebidas mais consumidas e importantes do mundo. As variáveis climáticas influenciam na sua qualidade, produção e incidência de doenças, como a cercosporiose. O objetivo é realizar a estimativa da incidência da cercosporiose para as principais regiões produtoras de café do país, a partir de modelos agrometeorológicos-espectrais que possam ser utilizados em sistemas de alerta fitossanitários. Esses modelos são ferramentas que auxiliam nas tomadas de decisões e em estratégias de manejo mais sustentáveis. Os dados meteorológicos diários de Franca, Araxá, Patrocínio e Araguari, de 2015 a 2020, como temperatura do ar, precipitação, umidade relativa, velocidade do vento e saldo de radiação serão obtidas a partir da plataforma NASA-POWER. Com base nestes dados será estimado o balanço hídrico sequencial de Thornthwaite-Mather. Dados de NDVI e EVI serão extraídos da plataforma SATveg (Embrapa). Já os dados da cercosporiose serão obtidos do acompanhamento mensal do sistema da Fundação Procafé. A estimativa da doença será realizada usando os modelos de Regressão Linear Múltipla (RLM) e a máquina de aprendizado Random Forest (RF). A incidência real da doença, dados agrometeorológicos e o NDVI serão as variáveis independentes e a incidência será a variável dependente. Para o desempenho dos modelos serão analisados os coeficientes de determinação ajustado (R2 ajustado), erro sistemático (SE), erro do quadrado médio (RMSE) e erro absoluto percentual médio (MAPE). Espera-se obter modelo agrometeorológico-espectral suficientemente acurado que permita ao produtor ou administrador estimar o nível de incidência de cercosporiose nas áreas desejadas, permitindo decisões mais assertivas em relação ao sistema agrícola. (AU)