Análise de risco da ocorrência de Sigatoka-negra baseada em modelos polinomiais: um estudo de caso

Abstract

A Sigatoka-negra (Mycosphaerella fijiensis) ameaça os bananais comerciais em todas as áreas produtoras do mundo e provoca danos quantitativos e qualitativos na produção, acarretando sérios prejuízos financeiros. Faz-se necessário o estudo da vulnerabilidade das plantas em diversos estádios de desenvolvimento e das condições climáticas favoráveis à ocorrência da doença. Objetivou-se com este trabalho desenvolver um modelo probabilístico baseado em funções polinomiais que represente o risco de ocorrência da Sigatokanegra em função da vulnerabilidade decorrente de fatores intrínsecos à planta e ao ambiente. Realizou-se um estudo de caso, em bananal comercial localizado em Jacupiranga, Vale do Ribeira, SP, considerando o monitoramento semanal do estado da evolução da doença, séries temporais de dados meteorológicos e dados de sensoriamento remoto. Foram gerados mapas georreferenciados do risco da Sigatoka-negra em diferentes épocas do ano. Um modelo para estimar a evolução da doença a partir de imagens de satélite foi obtido com coeficiente de determinação R² igual a 0,9. A metodologia foi desenvolvida para a detecção de épocas e locais que reúnem condições favoráveis à ocorrência da Sigatoka-negra e pode ser aplicada, com os devidos ajustes, em diferentes localidades, para avaliar o risco da ocorrência da doença em polos produtores de banana.

Black Sigatoka (Mycosphaerella fijiensis) threatens the banana trade in most of world's producing areas, damaging the production and bringing significant financial loss. It is necessary to study the plant's susceptibility in the various developmental stages and climatic conditions that favor the disease occurrence. This paper presents a probabilistic model based on polynomial functions for estimating the risk of Black Sigatoka occurrence. A case study was developed in a commercial banana plantation located in Jacupiranga, Vale do Ribeira, SP, Brazil, considering the weekly monitoring of the disease's state evolution (EE), time series of meteorological data and remote sensing data. Georeferenced risk maps were prepared for different dates. We obtained a model to estimate the evolution of the disease from satellite imagery, with a coefficient of determination of 0.9. This methodology was developed for the detection of times and locations that have favorable conditions to the occurrence of Black Sigatoka and can be applied, with appropriate adjustments for different locations, to assess the risk of disease occurrence in other areas of banana production.