Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/305364
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Desenvolvimento de ensembles para alerta da ferrugem do cafeeiro em período crítico de progresso da doença
Title Alternative: Development of ensembles to coffee rust warning in critical period of disease progress
Author: Thamada, Thiago Toshiyuki, 1986-
Advisor: Meira, Carlos Alberto Alves
Abstract: Resumo: A ferrugem, causada pelo fungo Hemileia vastatrix, é a principal doença do cafeeiro. Em média, causa perdas de 35% na produção. Seu controle é realizado por meio de fungicidas seguindo um calendário fixo, iniciado em dezembro. A curva de progresso padrão da ferrugem começa entre dezembro e janeiro, atinge o pico por volta de junho e decresce. Variações no clima podem adiar sua epidemia ou manter altos seus índices ao fim de seu ciclo, em agosto (ferrugem tardia). Nessas situações o controle tradicional é ineficiente, sendo preciso revê-lo e readaptá-lo. O correto posicionamento das aplicações de fungicidas permite controlar eficientemente a doença durante seu ciclo. Uma ferramenta que pode auxiliar neste posicionamento são os sistemas de alerta de doenças de plantas que, por meio de modelos preditivos baseados em técnicas de mineração de dados, predizem quando uma doença atingirá níveis críticos. Modelos preditivos para ferrugem do cafeeiro foram criados para lavouras com alta e baixa carga pendente de frutos. Os modelos prediziam se a taxa de progresso da doença seria maior ou igual a um limiar. Modelos para baixa carga quando avaliados com novos dados apresentaram desempenho inferior em relação à obtida em sua criação. O ensemble, comitê de modelos preditivos, é uma nova abordagem que pode criar modelos com desempenho superior aos atuais e auxiliar na predição da ferrugem tardia. Para isso, foi proposto usar dados do período crítico para epidemia da ferrugem, dezembro a junho, e definir um novo limiar para baixa carga. Ensembles desenvolvidos mostraram acurácia acima de 70,00% para alta (78,00% ¿ limiar de 5 pontos percentais (p.p). / 73,33% ¿ 10 p.p.) e baixa carga (72,64% ¿ 5 p.p.). Novo limiar para baixa carga foi definido em 3 p.p. Ocorrências da ferrugem tardia foram detectadas em 40,00% e 66,67% dos casos nos ensembles de alta e baixa carga, respectivamente. Atributos ligados ao molhamento foliar foram mais relevantes para ferrugem tardia em lavouras com alta carga, em cafeeiros com baixa carga a temperatura máxima e precipitação foram as mais relevantes. Ensembles com valor de incidência da ferrugem no mês anterior apresentaram, na média, melhor desempenho preditivo. Variáveis relacionadas ao número de dias favoráveis, em um mês, à ferrugem não auxiliaram no desenvolvimento de ensembles melhores. Os ensembles criados nesse estudo mostraram desempenho superior aos modelos preditivos atuais

Abstract: Coffee leaf rust is caused by the fungus Hemileia vastatrix and it is the main coffee disease. Usually, it causes losses of 35%. Its control is done by fungicides through fixed calendar starting in december. The typical coffee rust progress curve starts in december/january, reaches its maximum around june and decreases. Climate variations can delay its epidemy or maintain high disease rates until the end of its cycle, in august (late rust). In these situations the typical disease control is inefficient and must be reviewed and readapted. Fungicide applications in proper time can efficiently control the disease during its cycle. Plant disease warning systems are tools capable to assist in these applications and can, through predictive models based on data mining techniques, predict when a disease will reach critical levels. Predictive models for coffee rust were developed in crops with high and low fruit load. The models predicted if the rust progress rate is equal or greater than a threshold. Models for low fruit load showed lower performance when evaluated with new data compared to that obtained in its creation. Ensembles, committee of predictive models, are a new approach that can create models with better performance than the current ones and assist in predicting late rust. This study proposed the use of data in critical period to coffee rust epidemy, december to june and find a new threshold for crops with low fruit load. Ensembles developed in this work showed accuracy up to 70.00% for high (78.00% ¿ 5 percentage points (pp) as threshold / 73.33% ¿ 10 pp) and low fruit load (72.64% ¿ 5 p.p.). The new threshold found for low fruit load data was 3 p.p. Occurrences of late rust in high and low fruit load crop were identified in 40.00% and 66.67% cases, respectively. Attributes based on leaf wetness were most relevant for predicting late rust in high fruit load crops. Maximum temperature and rainfall were the most relevant for late rust predictions in low fruit load crops. Ensembles with incidence value of the previous month presented, on average, better predictive performance. Variables related to the number of favorable days to coffee rust incidence, in a month, did not help to develop bettter ensembles. Ensembles created in this study showed better results in comparison to actual predictive models
Subject: Mineração de dados (Computação)
Hemileia vastatrix
Cafe - Doenças e pragas
Modelagem
Doenças - Controle
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FEAGRI - Tese e Dissertação

Files in This Item:
File SizeFormat 
Thamada_ThiagoToshiyuki_M.pdf3.28 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.