Um modelo preditivo de incidência da ferrugem asiática da soja
uma aplicação no estado de Mato Grosso
DOI:
https://doi.org/10.5540/03.2025.011.01.0494Keywords:
Machine Learning, Regressão Logística, Support Vector Machines, Ferrugem AsiáticaAbstract
Este estudo apresenta um modelo preditivo para a incidência da ferrugem da soja, utilizando técnicas de ciência de dados. A modelagem proposta foi aplicada para prever ocorrências da doença no município de Campo Verde, localizado no estado de Mato Grosso. Duas abordagens de ciência de dados são comparadas para avaliar a eficácia e a robustez dos resultados do modelo.
Downloads
References
C. V. Godoy et al. “Asian soybean rust in Brazil: past, present, and future”. Em: Pesquisa Agropecuária Brasileira 51.5 (mai. de 2016), pp. 407–421. issn: 0100-204X. doi: 10.1590/s0100-204x2016000500002.
C. V. Godoy et al. Eficiência de fungicidas para o controle da ferrugem-asiática da soja, Phakopsora pachyrhizi, na safra 2022/2023: resultados sumarizados dos ensaios cooperativos. Circular Técnica 195. Londrina, PR: Embrapa Soja, jun. de 2023.
T. Hastie, R. Tibshirani e J. Friedman. The elements of statistical learning: data mining, inference and prediction. 2ª ed. Springer, 2009. isbn: 9787519296865.
INMET. Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP). Online. Acessado em: 12/11/2023, https://bdmep.inmet.gov.br.
B. Junior et al. Análise da produção, área cultivada, produtividade e estabilidade produtiva da soja nos estados brasileiros em 25 safras (1996/1997 a 2020/2021). Boletim de Pesquisa e Desenvolvimento 27. Londrina: Embrapa Soja, 2022, p. 20.
Laboratório de Epidemiologia de Plantas. Consórcio Antiferrugem. Online. Acessado em: 12/11/2023, http://www.consorcioantiferrugem.net/.
S. Li, W. F. Moore, B. L. Spinks, B. C. Wells, G. L. Sciumbato, S. J. Robinson e L. Libous-Bailey. “Occurrence of Asian Soybean Rust Caused by Phakopsora pachyrhizi in Mississippi”. Em: Plant Health Progress 8.1 (jan. de 2007). issn: 1535-1025. doi: 10.1094/php-2007-0917-02-br.
X. Li, P. D. Esker, Z. Pan, A. P. Dias, L. Xue e X. B. Yang. “The Uniqueness of the Soybean Rust Pathosystem: An Improved Understanding of the Risk in Different Regions of the World”. Em: Plant Disease 94.7 (jul. de 2010), pp. 796–806. issn: 1943-7692. doi: 10.1094/pdis-94-7-0796.
F. Pedregosa, G. Varoquaux, A. Gramfort, V. Michel, B. Thirion, O. Grisel, M. Blondel, P. Prettenhofer, R. Weiss, V. Dubourg, J. Vanderplas, A. Passos, D. Cournapeau, M. Brucher, M. Perrot e E. Duchesnay. “Scikit-learn: Machine Learning in Python”. Em: Journal of Machine Learning Research 12 (2011), pp. 2825–2830.
