Modelos de predição da ferrugem do cafeeiro (Hemileia vastatrix Berkeley & Broome) por técnicas de mineração de dados.

DI GIROLAMO NETO, C.; RODRIGUES, L. H. A.; MEIRA, C. A. A.

Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/991078

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	DI GIROLAMO NETO, C.	pt_BR
dc.contributor.author	RODRIGUES, L. H. A.	pt_BR
dc.contributor.author	MEIRA, C. A. A.	pt_BR
dc.date.accessioned	2014-07-25T06:17:10Z	-
dc.date.available	2014-07-25T06:17:10Z	-
dc.date.created	2014-07-22	pt_BR
dc.date.issued	2014	pt_BR
dc.identifier.citation	Coffee Science, Lavras, v. 9, n. 3, p. 408-418, jul./set. 2014.	pt_BR
dc.identifier.uri	http://www.alice.cnptia.embrapa.br/alice/handle/doc/991078	pt_BR
dc.description	RESUMO: A ferrugem é a principal doença do cafeeiro, podendo gerar perdas significativas na produção, caso medidas de controle não sejam adotadas. Modelos de alerta de doenças agrícolas são capazes de gerar informações para aplicações de defensivos somente quando necessário, reduzindo gastos por parte do produtor e impactos ambientais. Objetivou-se, neste trabalho, desenvolver, comparar e selecionar modelos de alerta baseados em técnicas de mineração de dados para a predição da ferrugem do cafeeiro, em anos de alta e baixa carga pendente de frutos. Foram utilizados dados obtidos em lavouras de café em produção, ao longo de 13 anos (1998-2011). Vinte e três atributos foram considerados como variáveis independentes (preditoras) e, como variável dependente, a taxa de progresso mensal da ferrugem do cafeeiro, obtida a partir de dados de incidência da doença. Os atributos mais importantes do conjunto de dados foram filtrados por métodos de seleção de atributos e a modelagem foi realizada por meio de quatro técnicas de mineração de dados: máquinas de vetores suporte, redes neurais artificiais, árvores de decisão e florestas aleatórias. Para anos de alta e baixa carga pendente de frutos, as melhores taxas de acerto foram 85,3% e 88,9%, respectivamente. Outras medidas de desempenho como sensitividade e especificidade também apresentaram valores altos e equilibrados. Os modelos desenvolvidos neste trabalho fornecem melhores subsídios para o monitoramento da doença, em anos de alta carga pendente de frutos do que outros modelos existentes, além de prover uma possibilidade de monitoramento, em anos de baixa carga pendente de frutos.	pt_BR
dc.language.iso	por	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Ferrugem do cafeeiro	pt_BR
dc.subject	Alerta de doenças	pt_BR
dc.subject	Florestas aleatórias	pt_BR
dc.subject	Máquinas de vetores suporte	pt_BR
dc.subject	Redes neurais artificiais	pt_BR
dc.subject	Árvores de decisão	pt_BR
dc.subject	Decision tree	pt_BR
dc.title	Modelos de predição da ferrugem do cafeeiro (Hemileia vastatrix Berkeley & Broome) por técnicas de mineração de dados.	pt_BR
dc.type	Artigo de periódico	pt_BR
dc.date.updated	2014-07-25T06:17:10Z	pt_BR
dc.subject.nalthesaurus	Neural networks	pt_BR
riaa.ainfo.id	991078	pt_BR
riaa.ainfo.lastupdate	2014-07-24	pt_BR
dc.contributor.institution	CESARE DI GIROLAMO NETO, Feagri/Unicamp; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; CARLOS ALBERTO ALVES MEIRA, CNPTIA.	pt_BR
Aparece nas coleções:	Artigo em periódico indexado (CNPTIA)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
68742651PB.pdf		1,15 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas