Estimation of the time-varying apparent infection rate from plant disease progress curves: a particle filter approach
dc.contributor.advisor | Del Ponte, Emerson Medeiros | |
dc.contributor.author | Alves, Kaique dos Santos | |
dc.contributor.authorLattes | http://lattes.cnpq.br/3166163630863998 | pt-BR |
dc.date.accessioned | 2022-10-13T18:23:30Z | |
dc.date.available | 2022-10-13T18:23:30Z | |
dc.date.issued | 2019-08-12 | |
dc.degree.date | 2019-08-12 | |
dc.degree.department | Departamento de Fitopatologia | pt-BR |
dc.degree.grantor | Universidade Federal de Viçosa | pt-BR |
dc.degree.level | Mestrado | pt-BR |
dc.degree.local | Viçosa - MG | pt-BR |
dc.degree.program | Mestre em Fitopatologia | pt-BR |
dc.description.abstract | The parameters of the simplest (two-parameter) epidemiological models that best fit plant disease progress curve (DPC) data are biologically meaningful: one is the surrogate for initial inoculum (𝑦 0 ) and the other is the (constant) apparent infection rate (𝑟), both being useful for understanding, predicting and comparing epidemics. The assumption that 𝑟 is constant is not reasonable and fluctuations are expected due to systematic changes in factors affecting infection (e.g. weather, host susceptibility, etc.), thus leading to a time-varying 𝑟, or 𝑟 𝑘 , being 𝑘 = 1,2, . . . , 𝑁 and 𝑁the final epidemic time. A rearrangement in formulation of these models (e.g. logistic, monomolecular, etc.) can be used to obtain 𝑟 between two time points, given the disease (𝑦) data are available. We evaluated one of the several data assimilation techniques, the Particle Filter (PF), as an alternative method for estimating 𝑟 𝑘 . Synthetic DPC data for hypothetical polycyclic epidemics were simulated using the logistic differential equation for scenarios that combined five patterns of 𝑟 𝑘 (constant, increasing, decreasing, random or sinusoidal); five increasing time assessment interval (𝛥𝑡 = 1, 3, 5, 7 or 9 time units - t.u.); and two levels of noise (0.1 or 0.25) assigned to 𝑦 𝑘 . The analyses of 50 simulated 60-t.u. DPCs showed that the errors of PF-derived𝑟̂ 𝑘 were lower (RMSE < 0.05) for 𝛥𝑡 < 5 t.u. and less affected by the presence of noise in the measure compared with the logit-derived 𝑟 𝑘 . The ability to more accurately estimate 𝑟 𝑘 may be useful to increase knowledge of field epidemics and identify within-season drivers of 𝑟 𝑘 behaviour. Keywords: Data assimilation. Inverse problems. Sequential Monte Carlo. | en |
dc.description.abstract | Os dois parâmetros dos modelos (não flexíveis) de epidemias de doenças de plantas que são ajustados às curvas de progresso de doenças (CPD), representam o inóculo inicial (𝑦 0 ) e a taxa (fixa) de infecção aparente (𝑟), sendo ambos úteis para entendimento, predição e comparação de epidemias. O pressuposto de que 𝑟 é constante não é apropriado visto que flutuações são esperadas devidos à mudanças nos fatores que afetam o processo de infecção (ambiente, suscetibilidade do hospedeiro etc.) levando assim a uma 𝑟 com variação temporal ou 𝑟 𝑘 , sendo 𝑘 = 1,2, . . . , 𝑁, e 𝑁o tempo final. O rearranjo das equações desses modelos simples (logístico, monomolecular etc.), pode ser utilizado para obter 𝑟 entre dois tempos, uma vez que a medida de doença (𝑦) esteja disponível. Nesse estudo, foi avaliado uma das várias técnicas de assimilação de dados, o Filtro de Partículas (FP), como um método alternativo para estimar 𝑟 𝑘 . Dados de CPD sintéticas de epidemias policíclicas hipotéticas foram simuladas utilizando o modelo logístico em cenários em que foram combinados cinco padrões temporais, simulados, de 𝑟 𝑘 (constante, aumentando, diminuindo, aleatório ou sinusoidal), cinco intervalos de tempo crescentes (𝛥𝑡 = 1, 3, 5, 7 ou 9 unidades de tempo - ut), e dois níveis de ruído (0.1 ou 0.25) para 𝑦 𝑘 . A análise de 50 CPD simuladas com 60 ut mostraram que os erros𝑟̂ 𝑘 provenientes do FP foram menores para 𝛥𝑡 < 5 ut e menos afetados pela presença de ruídos nas medidas quando comparado com resultado do método de rearranjo do modelo. A habilidade de estimar 𝑟 𝑘 mais acuradamente pode ser útil para aumentar o conhecimento de epidemias de campo e identificar fatores sazonais que possam influenciar no comportamento de 𝑟 𝑘 . Palavras-chave: Assimilação de dados. Problemas inversos. Monte Carlo sequencial. | pt-BR |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt-BR |
dc.identifier.citation | ALVES, Kaique dos Santos. Estimation of the time-varying apparent infection rate from plant disease progress curves: a particle filter approach. 2019. 26 f. Dissertação (Mestrado em Fitopatologia) - Universidade Federal de Viçosa, Viçosa. 2019. | pt-BR |
dc.identifier.uri | https://locus.ufv.br//handle/123456789/30075 | |
dc.language.iso | eng | pt-BR |
dc.publisher | Universidade Federal de Viçosa | pt-BR |
dc.publisher.program | Fitopatologia | pt-BR |
dc.rights | Acesso Aberto | pt-BR |
dc.subject | Plantas - Doenças e pragas - Modelos matemáticos | pt-BR |
dc.subject | Problemas inversos (Equações diferenciais) | pt-BR |
dc.subject | Método Monte Carlo | pt-BR |
dc.subject.cnpq | Fitopatologia | pt-BR |
dc.title | Estimation of the time-varying apparent infection rate from plant disease progress curves: a particle filter approach | en |
dc.title | Estimação da taxa aparente de infecção de variação temporal a partir de curvas de progresso de doença: uma abordagem usando filtro de partículas | pt-BR |
dc.type | Dissertação | pt-BR |