Modelo de predição da ocorrência de ferrugem asiática na cultura da soja a partir de variáveis climáticas e clusterização

Página do item simplificado
dc.contributor.advisor1Abdalla, Klaus de Oliveira
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8041644148923970pt_BR
dc.contributor.referee1Abdalla, Klaus de Oliveira
dc.contributor.referee2Wander, Alcido Elenor
dc.contributor.referee3Heinemann, Alexandre Bryan
dc.creatorCôrtes, Filipe da Silva
dc.creator.Latteshttp://lattes.cnpq.br/0958055076264359pt_BR
dc.date.accessioned2022-03-31T13:51:37Z
dc.date.available2022-03-31T13:51:37Z
dc.date.issued2022-02-24
dc.description.abstractAsian rust is a disease with a significant impact on soybean in Brazil. Despite the great economic relevance of soybeans for Brazilian agribusiness, there are few studies on the conditions that cause the disease. This work aimed to create a predictive model considering the influence of climatic variables (temperature, precipitation, humidity and solar radiation), based on a dataset of rust occurrence, using the decision tree induction technique and logistic regression . The model was created with data on the occurrence of the disease in the cities of Cristalina, Jataí and Rio Verde - GO in the harvests from 2004/05 to 2016/17. For each occurrence record (detection), a corresponding “non-occurrence” was generated, this being the thirtieth day prior to the day of detection, assuming that on this date there would be no inoculum present in the field. The training set for the modeling has 10 variables totaling 393 records. The predictive model was proposed from the comparison of the best performance between the decision tree and logistic regression algorithms. After the accuracy results obtained (decision tree 77.88%, against 56.53% of the logistic regression algorithm), we used the clustering algorithm to group the data in the data preparation phase, again comparing the result between decision tree and logistic regression. With the support of clustering, we obtained the average accuracy in the range between 99 and 100% for decision tree and 66.75 and 100% for logistic regression.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2022-03-30T12:11:07Z No. of bitstreams: 2 Dissertação - Filipe da Silva Côrtes - 2022.pdf: 1004651 bytes, checksum: b6e1fb513da7da637f31980893013d3f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2022-03-31T13:51:37Z (GMT) No. of bitstreams: 2 Dissertação - Filipe da Silva Côrtes - 2022.pdf: 1004651 bytes, checksum: b6e1fb513da7da637f31980893013d3f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-03-31T13:51:37Z (GMT). No. of bitstreams: 2 Dissertação - Filipe da Silva Côrtes - 2022.pdf: 1004651 bytes, checksum: b6e1fb513da7da637f31980893013d3f (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2022-02-24en
dc.description.resumoA ferrugem asiática é uma doença com impacto significativo na cultura de soja do Brasil. Apesar da grande relevância econômica da soja para o agronegócio brasileiro, são poucos os estudos sobre as condições que provocam a doença. Este trabalho objetivou a criação de um modelo preditivo considerando a influência de variáveis climáticas (temperatura, precipitação, umidade e radiação solar), embasados em um conjunto de dados de ocorrência da ferrugem, por meio da técnica de indução de árvores de decisão e regressão logística. O modelo foi criado com dados da ocorrência da doença nas cidades de Cristalina, Jataí e Rio Verde - GO nas safras de 2004/05 a 2016/17. Para cada registro de ocorrência (detecção), foi gerado um correspondente de “não ocorrência” sendo esse o trigésimo dia anterior ao dia da detecção, assumindo-se que nesta data não haveria presença de inóculo no campo. O conjunto de treinamento para a modelagem possui 10 variáveis totalizando 393 registros. O modelo preditivo foi proposto a partir da comparação de melhor desempenho entre os algoritmos de árvore de decisão e regressão logística. Após os resultados de acurácia obtidos (árvore de decisão 77,88%, contra 56,53% do algoritmo regressão logística), utilizamos o algoritmo de clusterização para agrupar os dados na fase de preparação de dados novamente comparamos o resultado entre árvore de decisão e regressão logística. Com o apoio da clusterização obtivemos a acurácia média na faixa entre 99 e 100% para árvore de decisão e 66,75 e 100% para regressão logística.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.identifier.citationCÔRTES, F. S. Modelo de predição da ocorrência de ferrugem asiática na cultura da soja a partir de variáveis climáticas e clusterização. 2022. 56 f. Dissertação (Mestrado em Agronegócio) - Universidade Federal de Goiás, Goiânia, 2022.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/11988
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola de Agronomia - EA (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Agronegócio (EA)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectAprendizado de máquinapor
dc.subjectMachine learningeng
dc.subjectModelos preditivospor
dc.subjectAgricultura de precisãopor
dc.subjectAgrometeorologiapor
dc.subjectFerrugem asiática da sojapor
dc.subjectPredictive modelseng
dc.subjectPrecision agricultureeng
dc.subjectAgrometeorologyeng
dc.subjectAsian soybean rusteng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRApt_BR
dc.titleModelo de predição da ocorrência de ferrugem asiática na cultura da soja a partir de variáveis climáticas e clusterizaçãopt_BR
dc.title.alternativePrediction model of the occurrence of asian rust in soybean culture from climate variables and clusterizationeng
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Filipe da Silva Côrtes - 2022.pdf
Tamanho:
981.1 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Agronegócio (EA)