Resumo |
A traça das brássicas, Plutella xylostella (Lepidoptera: Plutellidae), causa grandes prejuízos em brássicas. As lagartas consomem as folhas, levando a redução da produtividade e da qualidade dessas hortaliças. Diversos fatores influenciam a dinâmica temporal de populações de pragas, incluindo as plantas hospedeiras e os elementos climáticos. Redes neurais artificiais (RNA), estruturas baseadas em neurônios humanos, são técnicas recentes de modelagem de dados. Por meio de diferentes topologias de RNA, é possível desenvolver modelos de previsão para auxiliar a tomada de decisão. O objetivo desse estudo foi avaliar a eficiência de redes neurais artificiais na predição da dinâmica temporal de P. xylostella. Avaliações quinzenais foram realizadas durante dois anos em lavouras de brássicas (brócolis, couve-flor e repolho) localizadas em Coimbra, MG. Em cada avaliação, as plantas (20 por hospedeiro) eram inspecionadas por inteiro e o número de lagartas e pupas de P. xylostella era registrado. Os dados de precipitação pluviométrica, temperatura e umidade relativa do ar foram obtidos do site Agritempo. Redes neurais foram elaboradas para predizer a densidade média de P. xylostella em função do hospedeiro e das variáveis climáticas (valores médios de duas semanas anteriores às avaliações). As análises foram realizadas usando o software R. Primeiramente os dados foram divididos em conjunto de treinamento (70%) e validação (30%). As redes foram desenvolvidas usando a função nnet do pacote nnet e adotando o algoritmo de treinamento “back-propagation”, função de ativação linear e uma camada escondida com número variável de neurônios (1, 2, 4 e 6 neurônios.). A topologia mais adequada (i.e., número de neurônios) foi selecionada com base na raiz quadrada do erro-médio e do coeficiente de correlação de Pearson do conjunto de validação. A performance das redes foi comparada com a de um modelo linear generalizado (GLM, função glm.nb do pacote MASS) contendo os mesmos preditores. Por fim, a importância relativa de cada preditor na topologia mais precisa foi determinada usando o algoritmo de Olden (função olden do pacote NeuralNetTools). Independente da topologia, as RNA apresentaram melhor desempenho que o modelo GLM. Dentre as redes, a topologia com 4 neurônios obteve melhor performance. A precipitação, negativamente relacionada com a abundância de P. xylostella, foi a variável climática mais importante. Repolho e couve apresentaram menores densidades da praga em relação ao brócolis. Nosso trabalho ilustra a efetividade de RNA na predição e estudo de fatores determinantes da abundância de P. xylostella. |