Aprendizado estatístico aplicado a dados espectrais com VIS-NIR: identificação precoce da murcha-de-ceratocystis em eucalipto

Abstract

A detecção precoce da murcha-de-Ceratocystis em eucalipto é um desafio, dado que métodos visuais são qualitativos e tardios. Diante da necessidade de diagnósticos precoces, este estudo propõe o uso da espectroscopia VIS-NIR, associada ao aprendizado estatístico, para a classificação de plantas infectadas ainda na fase assintomática. Para isso, a dissertação foi estruturada em dois capítulos: o primeiro estabelece a fundamentação teórica, enquanto o segundo apresenta um estudo experimental focado na modelagem preditiva para a discriminação entre amostras provenientes de plantas inoculadas com Ceratocystis e não inoculadas. A análise exploratória, baseada nos espectros médios de refletância dos grupos revelaram que as maiores distinções no visível (VIS) ocorrem entre 520 - 580 nm enquanto no infravermelho próximo (NIR) pequenas diferenças em muitos comprimentos de onda. A aplicação da distância euclidiana indicou que o grau de separação entre os grupos é dependente do tempo, com picos de dissimilaridade ocorrendo em 6 h para a região VIS e em 12 h para a região NIR. Embora tenha identificado períodos de contraste, a forte sobreposição visual dos espectros suscitou a investigação sobre se tais diferenças discretas seriam suficientes para garantir uma classificação consistente. Utilizou-se o algoritmo de Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA) para a classificação supervisionada, avaliado por métricas de acurácia e área sob a curva ROC (AUC). As análises mostram que a região NIR apresenta poder discriminante estatisticamente superior à VIS, com valores de AUC validados pelo teste de DeLong (p < 0,001). Os resultados corroboram que o modelo PLS-DA aplicado ao NIR como uma ferramenta adequada para a identificação precoce de plantas infectadas. Esses achados destacam o potencial da espectroscopia VIS–NIR, aliada ao aprendizado estatístico, como uma metodologia não destrutiva para triagem rápida e monitoramento da sanidade florestal. Palavras-chave: pls-da; modelagem preditiva; análise multivariada; murcha vascular; assintomática.The early detection of Ceratocystis wilt in eucalyptus is a significant challenge, as traditional visual methods are qualitative and late-stage. Addressing the need for early diagnosis, this study proposes the use of VIS-NIR spectroscopy, coupled with machine learning, for the classification of infected plants during the asymptomatic stage. The dissertation is structured into two chapters: the first establishes the theoretical framework, while the second presents an experimental study focused on predictive modeling to discriminate between samples from Ceratocystis-inoculated and non-inoculated plants. Exploratory analysis based on the mean reflectance spectra of the groups revealed that the greatest distinctions in the visible (VIS) region occur between 520–580 nm, whereas in the near-infrared (NIR) region, subtle differences are distributed across multiple wavelengths. The application of Euclidean distance indicated that the degree of separation between groups is time-dependent, with peak dissimilarity occurring at 6 h for the VIS region and at 12 h for the NIR region. Although the exploratory phase identified periods of contrast, the high visual overlap of the spectra prompted an investigation into whether such discrete differences would be sufficient to ensure consistent classification. Consequently, the Partial Least Squares-Discriminant Analysis (PLS-DA) algorithm was employed for supervised classification, evaluated through accuracy and Area Under the ROC Curve (AUC) metrics. The analyses confirmed that the NIR region possesses statistically superior discriminant power compared to the VIS region, with AUC values validated by DeLong’s test (p < 0.001). The results corroborate the PLS-DA model applied to the NIR region as a suitable tool for the early identification of infected plants. These findings highlight the potential of VIS–NIR spectroscopy, combined with statistical learning, as a non-destructive methodology for rapid screening and forest health monitoring. Keywords: pls-da; asymptomatic predictive modeling; multivariate analysis; vascular wil.