Projeto visa criar modelo de previsão para mapeamento e alerta de doenças no cafeeiro

Docentes do IFSULDEMINAS - Campus Muzambinho, do IFMS e da UNESP estão desenvolvendo um modelo de previsão da taxa de infecção por mancha-de-phoma em função do clima, usando a tecnologia machine learning (ML).

A pesquisa foi contemplada na Chamada nº 01/2021 - DEMANDA UNIVERSAL da Fundação de Amparo à Pesquisa do Estado de Minas Gerais - FAPEMIG e receberá fomento para sua execução.

Os responsáveis pelo projeto são os professores do IFSULDEMINAS - Campus Muzambinho, Lucas Eduardo de Oliveira Aparecido, Paulo Sergio de Souza, Geraldo Gomes de Oliveira Júnior e Diego Saqui; do IFMS o professor Guilherme Botega; e da UNESP, o professor Jose Reinaldo Moraes. A iniciativa conta ainda com o apoio da estudante de Agronomia Camilla Cabral.

O projeto

Segundo o professor Lucas Aparecido o objetivo é criar um modelo de previsão "bem adaptado, simples de entender, fácil de usar, acurado e preciso, para desenvolver um sistema de mapeamento e alerta de doenças para racionalizar o controle químico nas regiões produtoras do Brasil".

"Previsões antecipadas de doenças como a mancha-de-phoma colaboram em tomadas de decisões em todos os níveis da cadeia produtiva de forma mais eficiente e sustentável, uma vez que reduz drasticamente a aplicação de agroquímicos. Existem poucos estudos a respeito dos índices de mancha-de-phoma em cafeeiros, não apenas no Brasil, mas em todos os países onde essa planta é cultivada. A estratégia mais comum de controle dessa doença é a aplicação de fungicidas foliares, dependendo da intensidade da mesma na região. Infelizmente, este método tradicional não considera a influência das condições climáticas no desenvolvimento da mancha-de-phoma. Com o uso de algoritmos de machine learning (ML) os computadores podem tomar as decisões com acurácia dos melhores momentos de aplicação de agroquímicos para o controle de doença. Assim, não haverá aplicação de agroquímicos sem a real necessidade, reduzindo os riscos de contaminação ambiental (solo, ar e água) e também contaminação humana", citou o professor.

Segundo dados da pesquisa "as previsões serão feitas com variáveis climáticas do período antes da incubação da doença: temperatura do ar, precipitação, irradiância solar global, velocidade do vento, saldo de radiação e umidade relativa proveniente de dados em grid do sistema NASA-POWER. Dados de componentes do balanço hídrico também serão utilizados, tais como: evapotranspiração de referência e real, armazenamento de água do solo, deficiência e excedentes hídricos, além do molhamento foliar. Todos os dados climáticos utilizados serão do período de 2002 a 2021 e será feita uma seleção dos dados meteorológicos mais importantes para cada região por análise de componentes principais".

Vale ressaltar que este projeto é interdisciplinar e conta com o conhecimento de professores e alunos dos cursos de Agronomia e Ciência da Computação.

O projeto começará em dezembro de 2021, terá duração de 24 meses e visa garantir informações sobre o tema para produtores, pesquisadores e estudantes da área da cafeicultura.

O apoio da FAPEMIG

De acordo com o professor Lucas Aparecido, a verba da FAPEMIG será usada para pagamento de bolsa para um estudante, por um período de 12 meses, e para compra de materiais permanentes como computadores, monitores e câmeras fotográficas.

O professor ainda ressaltou a importância deste fomento dizendo que "neste momento de cortes governamentais, os fomentos externos como este são de extrema importância para que ocorra a execução correta do projeto. A bolsa incentiva os alunos a entrar na pesquisa e aprender todo conhecimento necessário. São os bolsistas que vão coletar os dados em diferentes plataformas, criar algoritmos em diferentes linguagens de programação, fazer calibração e validação dos modelos agrometeorologicos, utilização de software de GIS para interpolação dos dados e criar os mapas, além de realizar pesquisas bibliográficas para discussão dos dados. Os equipamentos são fundamentais para que o bolsista consiga realizar todas essas atividades e desenvolver os algoritmos de previsão da doença".

Texto: ASCOM - Assessoria de Comunicação
Informações: Professor Lucas Aparecido