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

• Autor(a) principal: Barbosa, Gislaine Ferreira
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/250256
• topic: Inteligência Artifical; Café Doenças e pragas; Python (Linguagem de programação de computador)

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 do trabalho 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 alertas fitossanitários. 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 foram obtidas a partir da plataforma NASA-POWER. Com base nestes dados foi estimado o balanço hídrico sequencial de Thornthwaite-Mather. Dados de NDVI e EVI forma extraídos da plataforma SATveg (Embrapa). Já os dados de incidência de cercosporiose foram obtidos do acompanhamento mensal do sistema da Fundação Procafé. A estimativa da doença foi realizada usando os modelos de Regressão Linear Múltipla (RLM), redes neurais Multilayer perceptron (MLP) e a máquina de aprendizado Random Forest (RF). A incidência real da doença, dados agrometeorológicos, NDVI e EVI foram as variáveis independentes e a incidência foi a variável dependente. Os resultados confirmaram a influência das variáveis climáticas sobre a incidência da cercosporiose no cafeeiro. Os modelos RLM, MLP, RF, obtiveram RMSEs no período de treinamento iguais a, 12,48; 0,49; 8,0 para carga alta, e 10,6; 2,34; 4,22 cargas baixa respectivamente.