Banca de DEFESA: LETÍCIA WALÉRIA OLIVEIRA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LETÍCIA WALÉRIA OLIVEIRA DOS SANTOS
DATA: 12/07/2024
HORA: 14:00
LOCAL: Remota (google meet)
TÍTULO: Stepwise com Machine Learning como Ferramenta para Previsão Populacional de Dysmicoccus brevipes em Abacaxizeiro: Um Modelo para Desenvolvimento de Sistemas de Alerta
PALAVRAS-CHAVES: Fatores meteorológicos; Manejo de pragas; Modelagem populacional.
PÁGINAS: 27
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitossanidade
ESPECIALIDADE: Entomologia Agrícola
RESUMO: O abacaxi (Ananas comosus L.) é uma cultura amplamente cultivada com alto valor nutricional e econômico. Entre as pragas, a cochonilha Dysmicoccus brevipes (Hemiptera: Pseudococcidae) é responsável por causar danos que podem resultar em perdas na produtividade. Entender quais os fatores meteorológicos que podem influenciar em sua densidade populacional são imprescindíveis. Assim, o presente estudo busca identificar fatores meteorológicos que afetam a população de D. brevipes utilizando a combinação de modelos stepwise e técnicas de machine learning. O experimento foi realizado em condições de campo entre os meses de novembro/2023 a junho/2024, em uma propriedade na Microrregião de Itapororoca-PB. Os levantamentos populacionais foram realizados diretamente nas plantas e posteriormente em laboratório para validação da densidade populacional. As amostragens foram realizadas em 20 pontos/hectare e os dados meteorológicos foram coletados da estação meteorológica da propriedade. Foi utilizado o modelo de regressão stepwise, funções do pacote olsrr, e o comando “ols_step_both_p” do software R, que fornecem uma sequência de modelos e informações como Model Summary, ANOVA e os Parameter Estimates onde insere e remove preditores com base em valores de beta e p dos modelos nas etapas de seleção, até que não haja nenhuma variável para verificar. Os resultados demonstraram que ninfas e adultos foram influenciados pelo fator climático umidade relativa do ar, com altos coeficientes de correlação (R=0,94/0,88), porcentagem alta nos coeficientes de determinação (R2=89/78), e (R2 ajustado=86/73), valores baixos de Erro Quadrático Médio de Raiz (RMSE=13,2/4,6) e Erro Absoluto Médio (MAE=11,25/3,86), menores valores nos Critérios de Informação de Akaike (AIC=54,05/41,36) e Bayesiano de Schwarz (SBC=53,42/40,73), respectivamente. Indicando que o modelo é preciso e eficaz em sua previsão e que através da combinação dos modelos de stepwise e machine learning é possível desenvolver sistemas de alerta.
MEMBROS DA BANCA:
Presidente - 1840849 - JOSE BRUNO MALAQUIAS
Interno - 1126094 - JACINTO DE LUNA BATISTA
Externo ao Programa - 1701091 - LEONARDO DANTAS DA SILVA
Externo ao Programa - 1934322 - VALERIA PEIXOTO BORGES
Externo à Instituição - ANTÔNIO ROGÉRIO BEZERRA DO NASCIMENTO