Proposta de uma Plataforma para o Desenvolvimento e Análise Visual de Modelos Preditivos para Doenças da Soja

  • Cristiano C. Kemmer UEL
  • Luana P. Reis UEL
  • João G. Rodrigues-Silva UEL
  • Luigi B. Scolin UEL
  • Marcelo G. Canteri UEL
  • Daniel S. Kaster UEL

Resumo


Modelos de previsão de comportamento na área agronômica têm sido essenciais para auxiliar os produtores na tomada de decisões. Os modelos permitem prever situações desfavoráveis e melhorar a gestão para reduzir custos e aumentar a produtividade. Este trabalho propõe uma arquitetura de software para apoiar o desenvolvimento de modelos e aplicações, oferecendo funções para capturar, preparar e processar dados agrometeorológicos. Também é mostrada uma aplicação de exemplo construída sobre a arquitetura para simular a evolução da ferrugem da soja sob diferentes manejos.

Referências

Beruski, G. C., Del Ponte, E. M., Pereira, A. B., Gleason, M. L., Câmara, G. M., Araujo Junior, I. P., and Sentelhas, P. C. (2020). Performance and profitability of rain-based thresholds for timing fungicide applications in soybean rust control. Plant disease, 104(10):2704–2712.

Han, E., Baethgen, W. E., Ines, A. V., Mer, F., Souza, J. S., Berterretche, M., Atunez, G., and Barreira, C. (2019). Simagri: An agro-climate decision support tool. Computers and electronics in agriculture, 161:241–251.

Megeto, G. A., Oliveira, S. R. d. M., Ponte, E. M. d., and Meira, C. A. (2014). Decision tree for classification of soybean rust occurence in commercial crops based on weather variables. Engenharia Agrícola, 34:590–599.

Meyer, M. C., Campos, H. D., Godoy, C. V., Utiamada, C., Dias, A., De Souza, D., et al. (2019). Eficiência de fungicidas para controle de mofo-branco (sclerotinia sclerotiorum) em soja, na safra 2018/19: Resultados sumarizados dos experimentos cooperativos. Brasilia: Brazilian Agricultural Research Corporation.

Munir, M. (2018). Plant disease epidemiology: disease triangle and forecasting mechanisms in highlights. Hosts Virus, 5(1):7–11.

Pavan, W., Fraisse, C., and Peres, N. (2011). Development of a web-based disease forecasting system for strawberries. Computers and electronics in agriculture, 75(1):169–175.

Perondi, D., Fraisse, C. W., Dewdney, M. M., Cerbaro, V. A., Andreis, J. H. D., Gama, A. B., Junior, G. J. S., Amorim, L., Pavan, W., and Peres, N. A. (2020). Citrus advisory system: A web-based postbloom fruit drop disease alert system. Computers and Electronics in Agriculture, 178:105781.

Perondi, D., Fraisse, C. W., Staub, C. G., Cerbaro, V. A., Barreto, D. D., Pequeno, D. N., Mulvaney, M. J., Troy, P., and Pavan, W. (2019). Crop season planning tool: Adjusting sowing decisions to reduce the risk of extreme weather events. Computers and Electronics in Agriculture, 156:62–70.

Reis, E., Sartori, A., and Câmara, R. (2004). Modelo climático para a previsão da ferrugem da soja. Summa Phytopathologica, 30(2):290–292.

Yang, X., Dowler, W., and Tschanz, A. (1991). A simulation model for assessing soybean rust epidemics. Journal of Phytopathology, 133(3):187–200.

Yorinori, J., Paiva, W., Frederick, R., Costamilan, L., Bertagnolli, P., Hartman, G., Godoy, C., and Nunes Jr, J. (2005). Epidemics of soybean rust (phakopsora pachyrhizi) in brazil and paraguay from 2001 to 2003. Plant Disease, 89(6):675–677.
Publicado
08/11/2023
KEMMER, Cristiano C.; REIS, Luana P.; RODRIGUES-SILVA, João G.; SCOLIN, Luigi B.; CANTERI, Marcelo G.; KASTER, Daniel S.. Proposta de uma Plataforma para o Desenvolvimento e Análise Visual de Modelos Preditivos para Doenças da Soja. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 14. , 2023, Natal/RN. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 326-333. ISSN 2177-9724. DOI: https://doi.org/10.5753/sbiagro.2023.26575.