Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Modelos agrometeorológicos baseados em machine learning para previsão da cercosporiose em milho
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/11449/296426
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Rolim, Glauco de Souza | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Fantin, Gisèle Maria | - |
| Autor(es): dc.contributor | Aparecido, Lucas Eduardo de Oliveira | - |
| Autor(es): dc.creator | Lima, Rafael Fausto de | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:48:48Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:48:48Z | - |
| Data de envio: dc.date.issued | 2025-04-15 | - |
| Data de envio: dc.date.issued | 2025-02-21 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/296426 | - |
| Fonte completa do material: dc.identifier | http://lattes.cnpq.br/9679970721497083 | - |
| Fonte completa do material: dc.identifier | http://lattes.cnpq.br/7838769590779294 | - |
| Fonte completa do material: dc.identifier | http://lattes.cnpq.br/5932953033135209 | - |
| Fonte completa do material: dc.identifier | http://lattes.cnpq.br/1805687336632729 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/296426 | - |
| Descrição: dc.description | O milho é uma commodity agrícola muito importante para o setor agropecuário brasileiro. No entanto, doenças foliares, como a cercosporiose, causada por patógenos do gênero Cercospora spp., têm provocado prejuízos. Nesse contexto, a agricultura digital, caracterizada pelo uso intensivo de dados e pela aplicação de inteligência artificial e machine learning, tem se destacado no aprimoramento do gerenciamento agrícola. A previsão antecipada da cercosporiose por meio de algoritmos de machine learning associados a variáveis meteorológicas representa uma ferramenta essencial para o diagnóstico precoce da doença. Dessa forma, o objetivo desse projeto foi identificar as condições meteorológicas que mais influenciam a ocorrência da cercosporiose no milho de segunda safra e utilizar essas variáveis para prever a doença no estado de São Paulo por meio de modelos de machine learning. Para isso, foram utilizados dados de severidade da doença e produtividade, obtidos a partir de um amplo projeto de pesquisa da Agência Paulista de Tecnologia dos Agronegócios (APTA). Os dados abrangem 27 localidades do estado de São Paulo e foram coletados ao longo de 22 anos, no período de 2001 a 2022. Dados meteorológicos de temperatura, precipitação e umidade relativa foram obtidos da plataforma NASA/POWER. Inicialmente, foi realizada uma análise de correlação entre as variáveis meteorológicas com a produtividade e com a severidade da cercosporiose pelo método de Spearman, seguido de uma análise de agrupamento com o algoritmo K-means. Por fim, os dados de severidade combinados com variáveis meteorológicas foram utilizados para a previsão. Os modelos escolhidos foram Extreme Gradient Boosting (XGBoost), Random Forest (RF), Support Vector Regressor (SVR) e Regressão linear Multipla (RLM). A avaliação dos modelos considerou a precisão (R2adj), acurácia (RMSE) e tendencia (EME). Os resultados indicaram que condições meteorológicas como temperatura máxima entre 22 e 27 °C, umidade relativa entre 75 e 90% e umidade do solo constante estão associadas a uma maior severidade da cercosporiose. Além disso, na faixa de severidade da doença entre 13,5% e 100%, houve uma redução média na produtividade de 0,97% para cada aumento de 1% na severidade. Entre os modelos testados, o XGBoost apresentou o melhor desempenho, com um R² ajustado de 0,9952 no treinamento e 0,7486 no teste, demonstrando boa capacidade preditiva. Em contrapartida, a Regressão Linear Múltipla mostrou desempenho insatisfatório, com um R² ajustado de apenas 0,0001 no teste, evidenciando sua baixa eficácia na previsão da severidade da cercosporiose. Assim, o uso de machine learning pode contribuir para estratégias mais eficazes de controle e mitigação de perdas na cultura do milho. | - |
| Descrição: dc.description | Corn is a very important agricultural commodity for the Brazilian farming sector. However, foliar diseases such as gray leaf spot (GLS), caused by pathogens of the Cercospora spp. genus, have caused damage. In this context, digital agriculture, characterized by the intensive use of data and the application of artificial intelligence and machine learning, has excelled in improving agricultural management. Early prediction of GLS using machine learning algorithms associated with meteorological variables is an essential tool for early diagnosis of the disease. The aim of this project was to identify the weather conditions that most influence the occurrence of GLS in second crop corn and to use these variables to predict the disease in the state of São Paulo using machine learning models. To do this, data on the severity of the disease and productivity was used, obtained from an extensive research project by the São Paulo Agency for Agribusiness Technology (APTA). The data covers 27 locations in the state of São Paulo and was collected over 22 years, from 2001 to 2022. Meteorological data on temperature, rainfall and relative humidity were obtained from the NASA/POWER platform. Initially, a correlation analysis was carried out between the meteorological variables and productivity and the severity of GLS using the Spearman method, followed by a cluster analysis using the K-means algorithm. Finally, the severity data combined with meteorological variables was used for forecasting. The models chosen were Extreme Gradient Boosting (XGBoost), Random Forest (RF), Support Vector Regressor (SVR) and Multiple Linear Regression (MLR). The evaluation of the models considered precision (R2adj), accuracy (RMSE) and trend (EME). The results indicated that weather conditions such as maximum temperature between 22 and 27 °C, relative humidity between 75 and 90% and constant soil moisture are associated with greater GLS severity. Furthermore, in the range of disease severity between 13.5% and 100%, there was an average reduction in productivity of 0.97% for each 1% increase in severity. Among the models tested, XGBoost showed the best performance, with an adjusted R² of 0.9952 in the training and 0.7486 in the test, demonstrating good predictive capacity. On the other hand, Multiple Linear Regression showed unsatisfactory performance, with an adjusted R² of only 0.0001 in the test, showing its low effectiveness in predicting the severity of gray leaf spot. Thus, the use of machine learning can contribute to more effective strategies for controlling and mitigating losses in the corn crop. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | FAPESP: 2023/04344-8 | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | Climatologia agricola | - |
| Palavras-chave: dc.subject | Big data | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Milho safrinha | - |
| Título: dc.title | Modelos agrometeorológicos baseados em machine learning para previsão da cercosporiose em milho | - |
| Título: dc.title | Agrometeorological models based on machine learning for forecast cercosporiosis in maize | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo