Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/11/11134/tde-11032020-114024/ |
Resumo: | Experimentos são ferramentas comumente utilizadas para comparar ou melhorar alguma variedade de determinada cultura de produção. Milho, cana-de-açúcar, café e laranja são alguns exemplos de culturas que muito são estudadas. Em particular, o milho é subsídio para alimentação humana e animal em forma de ração. E como toda produção em larga escala, está sujeita à presença de doenças e pragas. Portanto o monitoramento desses cultivos são ações importantes para prevenção e controle. Assim, coletas de uma mesma amostra, em determinados períodos acabam se tornado rotina e gera o que chamamos de série temporal e uma análise adequada deve ser feita, o que muitas vezes pesquisadores de áreas aplicadas não fazem. Portanto, uma análise espaço-temporal será abordada com a utilização de uma distribuição de Poisson inflacionadas de zeros (ZIP) para modelagem do componente de tendência, além da utilização de um variograma espaço temporal para captar o efeito não explicado por esse modelo. Um capítulo inteiro servirá de base à esses profissionais. É comum também em experimentos de campo existirem perdas de unidades observacionais, parcelas ou até mesmo de linhas inteiras por vários fatores que não são ou não podem ser controlados. Neste sentido, métodos de imputação são alternativas valiosas para preencher o valor de uma ou mais amostras que foram perdidas. Utilizando métodos de imputação múltipla já conhecidos na literatura como o MICE e o Hotdeck múltiplo, além do modelo de interpolação espacial SGLMM, a ideia foi fornecer cenários de perdas coerentes e comparar os diferentes métodos de imputação. O diferencial, em relação ao que já existe na literatura, é que agora levamos em conta a dependência espacial entre as amostras. Foi verificado no primeiro artigo que dentro de amostra, o MICE apresentou desempenho próximo ao SGLMM, todos os métodos apresentaram dificuldades de previsão, SGLMM apresenta melhor desempenho de extrapolação e Hotdeck múltiplo apresentou melhor desempenho em perdas limítrofes. No segundo artigo, verificou-se que habitats não cultivados podem favorecer a abundância de pragas, conforme colônias de pragas começaram a aparecer e a aumentar, houve o aumento de inimigos naturais que saíram de áreas adjacentes de floresta e que as moscas podem servir como indicador biológico no controle em culturas para amenizar o uso de agroquímicos nas lavouras de produção. |
id |
USP_f8f73f881eaeef7ee9454e3e91c87706 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-11032020-114024 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetosSpatial generalized linear mixed models applied in insects studiesAnálise espaço-temporalDependência espacialExperimental unitImputação múltiplaMultiple imputationParcelaPlotProduçãoProductionSpatial dependenceSpatio-temporal analysisUnidade experimentalExperimentos são ferramentas comumente utilizadas para comparar ou melhorar alguma variedade de determinada cultura de produção. Milho, cana-de-açúcar, café e laranja são alguns exemplos de culturas que muito são estudadas. Em particular, o milho é subsídio para alimentação humana e animal em forma de ração. E como toda produção em larga escala, está sujeita à presença de doenças e pragas. Portanto o monitoramento desses cultivos são ações importantes para prevenção e controle. Assim, coletas de uma mesma amostra, em determinados períodos acabam se tornado rotina e gera o que chamamos de série temporal e uma análise adequada deve ser feita, o que muitas vezes pesquisadores de áreas aplicadas não fazem. Portanto, uma análise espaço-temporal será abordada com a utilização de uma distribuição de Poisson inflacionadas de zeros (ZIP) para modelagem do componente de tendência, além da utilização de um variograma espaço temporal para captar o efeito não explicado por esse modelo. Um capítulo inteiro servirá de base à esses profissionais. É comum também em experimentos de campo existirem perdas de unidades observacionais, parcelas ou até mesmo de linhas inteiras por vários fatores que não são ou não podem ser controlados. Neste sentido, métodos de imputação são alternativas valiosas para preencher o valor de uma ou mais amostras que foram perdidas. Utilizando métodos de imputação múltipla já conhecidos na literatura como o MICE e o Hotdeck múltiplo, além do modelo de interpolação espacial SGLMM, a ideia foi fornecer cenários de perdas coerentes e comparar os diferentes métodos de imputação. O diferencial, em relação ao que já existe na literatura, é que agora levamos em conta a dependência espacial entre as amostras. Foi verificado no primeiro artigo que dentro de amostra, o MICE apresentou desempenho próximo ao SGLMM, todos os métodos apresentaram dificuldades de previsão, SGLMM apresenta melhor desempenho de extrapolação e Hotdeck múltiplo apresentou melhor desempenho em perdas limítrofes. No segundo artigo, verificou-se que habitats não cultivados podem favorecer a abundância de pragas, conforme colônias de pragas começaram a aparecer e a aumentar, houve o aumento de inimigos naturais que saíram de áreas adjacentes de floresta e que as moscas podem servir como indicador biológico no controle em culturas para amenizar o uso de agroquímicos nas lavouras de produção.Experiments are tools commonly used to compare or improve some variety of a particular production culture. Corn, sugar cane, coffee and orange are some examples of cultures that are studied. In particular, maize is a subsidy for human and animal food in the form of feed. And like all large-scale production, it is liable to the presence of diseases and pests. Therefore, the monitoring of these crops are important actions for prevention and control. Thus, collections from the same sample, in certain periods, end up becoming routine and generate what we call a time series and an adequate analysis must be made, which many times researchers in applied areas do not do. Therefore, a space-time analysis will be approached with the use of an inflated Poisson distribution of zeros (ZIP) for modeling the trend component, in addition to the use of a space-time variogram to capture the effect not explained by this model. An entire chapter will serve as a basis to these professionals. It is also common in field experiments to have losses of observational units, plots or even entire lines due to various factors that are not or cannot be controlled. In this sense, imputation methods are valuable alternatives to fill the value of one or more samples that have been lost. Using multiple imputation methods already known in the literature, such as MICE and multiple Hotdeck, in addition to the spatial interpolation SGLMM model, the idea was to provide coherent loss scenarios and compare the different imputation methods. The difference, in relation to what already exists in the literature, is that we now take into account the spatial dependence between the samples. It was verified in the first article that within the sample, MICE performed close to SGLMM, all methods showed difficulties in forecasting, SGLMM presented better extrapolation performance and multiple Hotdeck showed better performance in borderline losses. In the second article, it was found that uncultivated habitats can favor the abundance of pests, as pest colonies began to appear and increase, there was an increase in natural enemies that left adjacent forest areas and that flies can serve as a biological indicator in crop control to mitigate the use of agrochemicals in production crops.Biblioteca Digitais de Teses e Dissertações da USPDias, Carlos Tadeu dos SantosMello, Marcello Neiva de2020-01-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/11/11134/tde-11032020-114024/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2020-03-13T15:42:02Zoai:teses.usp.br:tde-11032020-114024Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212020-03-13T15:42:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos Spatial generalized linear mixed models applied in insects studies |
title |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
spellingShingle |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos Mello, Marcello Neiva de Análise espaço-temporal Dependência espacial Experimental unit Imputação múltipla Multiple imputation Parcela Plot Produção Production Spatial dependence Spatio-temporal analysis Unidade experimental |
title_short |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
title_full |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
title_fullStr |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
title_full_unstemmed |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
title_sort |
Modelos lineares generalizados espaciais mistos aplicados em estudos de insetos |
author |
Mello, Marcello Neiva de |
author_facet |
Mello, Marcello Neiva de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Dias, Carlos Tadeu dos Santos |
dc.contributor.author.fl_str_mv |
Mello, Marcello Neiva de |
dc.subject.por.fl_str_mv |
Análise espaço-temporal Dependência espacial Experimental unit Imputação múltipla Multiple imputation Parcela Plot Produção Production Spatial dependence Spatio-temporal analysis Unidade experimental |
topic |
Análise espaço-temporal Dependência espacial Experimental unit Imputação múltipla Multiple imputation Parcela Plot Produção Production Spatial dependence Spatio-temporal analysis Unidade experimental |
description |
Experimentos são ferramentas comumente utilizadas para comparar ou melhorar alguma variedade de determinada cultura de produção. Milho, cana-de-açúcar, café e laranja são alguns exemplos de culturas que muito são estudadas. Em particular, o milho é subsídio para alimentação humana e animal em forma de ração. E como toda produção em larga escala, está sujeita à presença de doenças e pragas. Portanto o monitoramento desses cultivos são ações importantes para prevenção e controle. Assim, coletas de uma mesma amostra, em determinados períodos acabam se tornado rotina e gera o que chamamos de série temporal e uma análise adequada deve ser feita, o que muitas vezes pesquisadores de áreas aplicadas não fazem. Portanto, uma análise espaço-temporal será abordada com a utilização de uma distribuição de Poisson inflacionadas de zeros (ZIP) para modelagem do componente de tendência, além da utilização de um variograma espaço temporal para captar o efeito não explicado por esse modelo. Um capítulo inteiro servirá de base à esses profissionais. É comum também em experimentos de campo existirem perdas de unidades observacionais, parcelas ou até mesmo de linhas inteiras por vários fatores que não são ou não podem ser controlados. Neste sentido, métodos de imputação são alternativas valiosas para preencher o valor de uma ou mais amostras que foram perdidas. Utilizando métodos de imputação múltipla já conhecidos na literatura como o MICE e o Hotdeck múltiplo, além do modelo de interpolação espacial SGLMM, a ideia foi fornecer cenários de perdas coerentes e comparar os diferentes métodos de imputação. O diferencial, em relação ao que já existe na literatura, é que agora levamos em conta a dependência espacial entre as amostras. Foi verificado no primeiro artigo que dentro de amostra, o MICE apresentou desempenho próximo ao SGLMM, todos os métodos apresentaram dificuldades de previsão, SGLMM apresenta melhor desempenho de extrapolação e Hotdeck múltiplo apresentou melhor desempenho em perdas limítrofes. No segundo artigo, verificou-se que habitats não cultivados podem favorecer a abundância de pragas, conforme colônias de pragas começaram a aparecer e a aumentar, houve o aumento de inimigos naturais que saíram de áreas adjacentes de floresta e que as moscas podem servir como indicador biológico no controle em culturas para amenizar o uso de agroquímicos nas lavouras de produção. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-01-24 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/11/11134/tde-11032020-114024/ |
url |
http://www.teses.usp.br/teses/disponiveis/11/11134/tde-11032020-114024/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256857000804352 |