Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The control of asian soybean rust depends on the application of fungicides at the right time. The use of forecasting systems is an important tool in the decision-making process. This work aims to estimate a prediction algorithm that generates risk levels of Phakopsora pachyrhizi infection based on rainfall, minimum temperature, sowing date, growth stage of the crop and local, aimed at applying fungicides products at the correct time. Four experiments were conducted in the experimental area of Phytus Institute, Itaara city, central region of Rio Grande do Sul, in the crop 2014/2015. Each experiment corresponded to a different sowing date and consisted of treatments: control (T1) without fungicide application; application as recommended in the algorithm to be assessed (T2), application of the scheduled program in days after emergence (DAE) (T3), based on growth stage of the crop (T4), application as recommended in the algorithm with seven days delay (T5), application of the scheduled program in days after emergence with seven days delay (T6) and application based on growth stage of the crop with seven days delay (T7). To evaluate the effect of treatments were determined to AUCPD, rate of progress, productivity, weight of a thousand grains, and correlations between the dependent and independent variables related to the first pustule and disease severity. The positioning defined by the use of the algorithm did not provide superiority over AUCPD variable rate of progress, productivity and weight of a thousand grains, compared to other treatments in none of the experiments. Asian rust occurred at different growth stages of soybean and the use of sowing dates may indirectly measure the pressure of inoculum of this pathogen. The seven-day period is not consistent for the calculation of the meteorological variables that precede the disease. Temperature was not relevant to explain the epidemic and its use in the algorithm not justified. Rainfall had decisive influence on the epidemic and the more periods of rain occurred, the higher were the severity levels. / O controle da ferrugem asiática da soja é dependente da aplicação de fungicidas no momento correto. O uso de sistemas de previsão é uma ferramenta importante no processo de tomada de decisão. O objetivo deste trabalho foi aferir um algoritmo de previsão que gera níveis de risco de infecção de Phakopsora pachyrhizi baseado em precipitação, temperatura mínima, época de semeadura, estádio fenológico da cultura e local, visando a aplicação de produtos fungicidas na época correta. Foram conduzidos quatro experimentos na área experimental do Instituto Phytus, município de Itaara, região central do Rio Grande do Sul, na safra 2014/2015. Cada experimento correspondeu a uma época de semeadura diferente e foi constituído dos tratamentos: testemunha (T1) sem aplicação de fungicida; aplicação de acordo com o recomendado no algoritmo a ser aferido (T2), aplicação do programa calendarizado em dias após a emergência (DAE)(T3), programa baseado nos estádios da soja (T4), aplicação com sete dias de atraso do recomendado pelo algoritmo (T5), aplicação calendarizada com sete dias de atraso (T6) e aplicação baseada em estádio fenológico com sete dias de atraso (T7). Para avaliar o efeito dos tratamentos, foram determinados a AACPD, taxa de progresso, produtividade, massa de mil grãos, e correlações entre as variáveis dependentes e independentes relacionadas a primeira pústula e a severidade da doença. O posicionamento definido pelo uso do algoritmo não propiciou superioridade sobre as variáveis AACPD, taxa de progresso, produtividade e peso de mil grãos, em relação aos demais tratamentos em nenhum dos experimentos. A ferrugem asiática ocorreu em diferentes estádios fenológicos da soja e o uso de épocas de semeadura pode medir indiretamente a pressão do inóculo deste patógeno. O período de sete dias não é consistente para cálculo das variáveis meteorológicas que precedem a doença. Temperatura não foi relevante para explicar a epidemia e seu uso no algoritmo não se justificou. A precipitação apresentou influência decisiva na epidemia e quanto mais períodos de chuva ocorreram, maiores foram os níveis de severidade.

Submitted by Liliane Ferreira (ljuvencia30@gmail.com) on 2018-11-19T11:07:15Z No. of bitstreams: 2 Dissertação - Júnio Santos Bulhões - 2018.pdf: 4626907 bytes, checksum: 268499105ec64b2e9abf04faa47a91e2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-11-19T11:41:27Z (GMT) No. of bitstreams: 2 Dissertação - Júnio Santos Bulhões - 2018.pdf: 4626907 bytes, checksum: 268499105ec64b2e9abf04faa47a91e2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-11-19T11:41:27Z (GMT). No. of bitstreams: 2 Dissertação - Júnio Santos Bulhões - 2018.pdf: 4626907 bytes, checksum: 268499105ec64b2e9abf04faa47a91e2 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-10-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work proposes a methodology that uses spectral analysis and system identification in order to fill gaps in time series. The methodology proposes the implementation of predictions in time series of physical and chemical variables that are related with flood areas that are collected with no frequency. It is used predictive neural network with autoregressive model and classification neural network. Collected values are extracted from the original data set in order to later test and validate the proposed methodology. The results demonstrated the effectiveness of the methodology, which is able to predict the behavior of different variables using the previously recognized patterns in the time series. / Este trabalho propõe metodologia que utiliza análise espectral em conjunto com modelo de identificação de sistema para preenchimento de lacunas em séries temporais. A metodologia propõe realizar previsão em séries temporais de variáveis físicas e químicas relacionadas as inundações com frequência de coleta variável. Utiliza-se rede neural artificial de previsão com modelo autorregressivo e rede neural classificatória. Valores coletados são armazenados para posteriormente testar e validar a metodologia proposta. Os resultados alcançados demonstram a eficácia da metodologia, que é capaz de prever o comportamento de diferentes variáveis utilizando os padrões reconhecidos previamente nas séries temporais.

Made available in DSpace on 2016-03-15T19:38:06Z (GMT). No. of bitstreams: 1 Tatiana Ferreira Raffaelli.pdf: 1372071 bytes, checksum: 274f2a97f290810c43d6e7c6e0730d1a (MD5) Previous issue date: 2007-09-18 / The existence of a highly reliable prediction system to detect the occurrence of large solar flares (class X) is still an unsolved problem. Despite many studies performed so far, no such a system has been found yet. In this work, we have developed a method using Bayesian Network - an Artificial Intelligence technique for the detection of giant solar flares. The Bayesian Networks software learned the relation among the variables that describe the sunspots within an active region and built a network with the relationships among them based on conditional probabilities. The studies were divided into two stages one to detect whether the sunspot would produce a big flare or not and another phase where some networks were built to discover the day the flare would occur. The first phase results were very satisfactory reaching a reliability of 77%. The second phase was more complex and the results were about 77% (with day constraints) and 54% (a wider range of days). / A existência de um sistema de previsão, de alta confiabilidade, para a detecção de ocorrência de grandes explosões solares (classe X) ainda é um problema sem solução. Existem diversos estudos nesta área, porém ainda não foi encontrado nenhum sistema eficiente. Para este trabalho foi desenvolvido um método utilizando-se redes Bayesianas, técnica de Inteligência Artificial, para a previsão das grandes flares (explosões) solares. O software de redes Bayesianas aprendeu a relação entre as variáveis que descrevem as regiões ativas e constroem uma rede com os relacionamentos entre elas baseados em probabilidades condicionais. Os estudos foram divididos em duas etapas, uma rede para detectar se a mancha solar irá produzir uma grande explosão ou não, e uma outra etapa em que foram construídas redes para prever o dia em que a explosão irá ocorrer. Os resultados obtidos na primeira etapa foram bem satisfatórios, atingindo 84% de confiabilidade. Já a segunda etapa do trabalho mostrou-se mais complexa e os resultados obtidos foram de 77% (com restrições de dias) e 54% (sem restrições de dia).

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The tomato (Lycopersicon esculentum Mill) is an important crop in the world and an important product for trade "in nature and for industry. The amount of fungicides used in tomato crop for control of diseases is high and contributes significantly to production costs of tomato, besides the high risk of intoxication of the applicator and environmental problems. So, the use of disease forecasting systems based on mathematical models to manage the applications of fungicides for foliar diseases control in tomato may to reduce production costs, by decreasing the number of fungicide applications and machinery operation during the culture cycle. The objective was to test the systems for predicting occurrence of late blight (Phytophthora infestans) and early blight (Alternaria solani) on irrigated tomato under two climatic conditions and estimate the cost of deployment. Three experiments were conducted, the first experiment in the spring of 2007, in Santa Maria - RS. The other two were accomplished in Cristalina - GO. There were two seasons of transplanting (01/04/08 and 03/05/08). Used the hybrid U2006 (UNILEVER), with growth habit determined. The spacing between the rows of plants was 1.3 m between plants in rows of 0,3 m. The randomized block design with three replications was used, each plot of 5,2 m wide, consisting of 4 rows of plants with 5 m long. The systems for predicting disease FAST, to early blight, and Blitecast to late blight were used. Irrigation was performed by spraying in Santa Maria and sprinkler, surface drip and subsurface in Cristalina-GO. The results showed that the use of disease forecasting systems is the most appropriate way to control diseases in tomato, as with the use of disease forecasting systems that can significantly reduce the number of fungicide applications in relation the calendar, based on weekly applications in areas with conditions generally unfavorable to the development of disease. Considering the scenarios of reductions of the number of fungicide applications (30, 43 and 65%), compared to the weekly application, in climatic conditions unfavorable to disease development, it is possible to recover the costs of implementing the system prediction in all scenarios. / A cultura do tomate (Lycopersicon esculentum Mill) é uma das mais expressivas culturas no cenário agrícola mundial, constituindo importante produto para o comércio in natura e indústria de extratos. O volume de fungicidas utilizado na cultura do tomateiro no controle das principais doenças é elevado e contribui significativamente nos custos de produção de tomate, além do elevado risco de intoxicação do aplicador e dos problemas ambientais. Nesse sentido, utilização de sistemas de previsão e aviso, baseados em modelos matemáticos para gerenciar o manejo das aplicações de fungicidas para o controle das principais doenças foliares no tomateiro poderá auxiliar na redução dos custos de produção, através da diminuição do número de aplicações de fungicidas e de operações de máquinas durante o ciclo de desenvolvimento da cultura. O objetivo do trabalho foi testar os sistemas de previsão de ocorrência de requeima e alternaria em tomateiro industrial irrigado sob duas condições climáticas e estimar o seu custo de implantação. Foram realizados três experimentos, o primeiro experimento no segundo semestre de 2007, em Santa Maria RS. Os outros dois foram realizados no município de Cristalina GO. Realizaram-se duas épocas de transplante (01/04/08 e 03/05/08). Utilizou-se a cultivar híbrida U2006 (UNILEVER), de hábito de crescimento determinado. O espaçamento entre as fileiras de plantas foi de 1,3 m e entre as plantas nas fileiras de 0,3 m. Utilizou-se o delineamento experimental de Blocos ao Acaso com três repetições, sendo cada parcela de 5,2 m de largura, composta de 4 fileiras de plantas com 5 m de comprimento. Utilizaram-se os sistemas de previsão de doenças FAST, para mancha de alternaria, e BLITECAST, para requeima. A irrigação foi realizada por aspersão em Santa Maria e por aspersão, por gotejamento superficial e subsuperficial em Cristalina. Os resultados mostraram que o uso de sistemas de previsão de doenças é a maneira mais adequada para o controle de doenças na cultura do tomateiro, pois com o uso de sistemas de previsão de doenças se consegue reduzir significativamente o número de aplicações de fungicidas, em relação ao calendário semanal, em regiões com condições geralmente desfavoráveis ao desenvolvimento de doenças. Considerando-se os cenários de reduções do número de aplicação de fungicidas (30, 43 e 65%), em relação ao calendário semanal de aplicação, condições climáticas desfavoráveis ao desenvolvimento de doenças, é possível recuperar os custos de implantação do sistema de previsão em todos os cenários.