Aplicabilidade de modelos de previsão de taxas de crescimento de insetos-praga no armazenamento de grãos

Abstract

A modelagem e simulação computacionais são ferramentas eficazes em análises preditivas, pois fornecem informações realistas sob determinadas condições de tratamento. O presente trabalho foi conduzido com o objetivo de realizar a modelagem e a simulação do crescimento de populações dos insetos-praga Rhyzopertha dominica, Sitophilus oryzae, Oryzaephilus surinamensis e Tribolium castaneum no armazenamento de milho a granel, utilizando dados de sensores digitais de temperatura instalados em três unidades armazenadoras brasileiras de diferentes regiões. Os dados foram coletados através do sistema de gerenciamento CERES, desenvolvido pela empresa Procer Automação e Sistemas. Foram coletados dados de 01 de julho a 29 de setembro de 2019. Foi utilizado, em cada uma das unidades, um silo equipado com tais sensores para a coleta dos dados. O modelo adotado para a previsão da taxa de crescimento populacional foi o descrito por Driscoll; Longstaff; Beckett (2000). Foram descartados os outliers dos dados fornecidos pelos sensores, através do conceito de boxplot. Para aplicação no modelo foram utilizados dados de temperatura média semanal da massa de grãos e da umidade relativa intergranular média semanal, calculada a partir da Equação de Henderson Modificada. Foram plotados gráficos com as taxas de crescimento populacional das espécies de insetos-praga para cada unidade armazenadora, juntamente com gráficos de temperatura média semanal da massa de grãos e umidade relativa intergranular média semanal, além de gráficos associando as taxas de crescimento dessas espécies por unidade armazenadora. Além disso, foi feita uma estimativa da quantidade de insetos-praga na massa de grãos ao longo do tempo de armazenagem, a partir da suposição de uma população inicial de dois indivíduos adultos por quilograma de amostra representativa. Para todas as espécies de insetos-praga estudadas foram observadas as maiores taxas de crescimento populacional na unidade armazenadora 2; e as menores taxas na unidade armazenadora 1. A unidade armazenadora 3, apresentou taxas de crescimento intermediárias entre estas duas unidades. As unidades armazenadoras 2 e 3 apresentaram grande variação temporal nas taxas de crescimento durante o período estudado, quando comparadas com a unidade 1, que apresentou, em sua grande maioria, taxas de crescimento populacional negativas. As unidades armazenadoras que apresentaram maiores potenciais para taxas de crescimento populacional, estão sujeitas aos maiores riscos de níveis elevados de populações de insetos-praga ao longo do tempo. Palavras-chave: Modelo matemático. Monitoramento populacional. Sensores digitais. Termometria.

Computer modeling and simulation are effective tools in predictive analytics as they provide realistic information under certain treatment conditions. The present work was conducted with objective of model and simulating population growth of the pest insects Rhyzopertha dominica, Sitophilus oryzae, Oryzaephilus surinamensis and Tribolium castaneum in the storage of bulk maize using data from digital temperature sensors installed in. three brazilian storage units in different regions. Data were collected through the CERES management system, developed by Procer Automação e Sistemas. Data were collected from July 1 to September 29, 2019. A silo equipped with such sensors was used in each unit for data collection. The model adopted to predict population growth rate was that described by Driscoll; Longstaff; Beckett (2000). Data outliers provided by the sensors were discarded through the boxplot concept. For application in the model were used data of weekly average grain mass temperature and weekly average intergranular relative moisture, calculated from the Modified Henderson Equation. Graphs were plotted with population growth rates of pest insect species for each storage unit, along with graphs of weekly average grain mass temperature and weekly average intergranular relative moisture, as well as graphs associating the growth rates of these species per unit storage. In addition, an estimate of the amount of pest insects in the grain mass over storage time was made from the assumption of an initial population of two adult individuals per kilogram of representative sample. For all pest insects species studied, the highest population growth rates were observed in storage unit 2; and the lowest rates in storage unit 1. Storage unit 3 showed intermediate growth rates between these two units. Storage units 2 and 3 showed a large temporal variation in growth rates during the study period, when compared to unit 1, which presented, in its majority, negative population growth rates. Storage units that have the highest potential for population growth rates are subject to the highest risk of high levels of pest insect populations over time. Keywords: Mathematical model. Population monitoring. Digital sensors; Thermometry.