Autoria: SILVA, M. A. S. da; DOMPIERI, M. H. G.; SANTOS, P. K. A.; MATOS, L. N.; MIRANDA JÚNIOR, G. F.; MINGOTI, R.; KANO, C.

Resumo: Esta pesquisa teve como objetivo a avaliação de diferentes técnicas de identificação, via clusterização, de zonas de risco de entrada da praga Xanthomonas Oryzae pv. oryzae no Brasil, a partir de mapas temáticos com classes ordinais relacionados a fatores de risco. Foram aplicados métodos baseados na Análise de Correlação Múltipla/k-médias, na segmentação do Mapa Auto Organizável, e na limiarização da tabela de contingência. Os resultados foram comparados com a superfície de risco elaborada a partir da média ponderada das classes. Para avaliar a qualidade dos agrupamentos foram avaliados se para variável e grupo o histograma tinha uma única moda proeminente, com as frequências das demais modalidades decaindo em torno da moda e se os grupos eram diferenciáveis pelas modas. A análise da assimetria dos histogramas permitiu identificar grupos com maior risco. A rede neural apresentou o melhor resultado e as assimetrias dos histogramas permitiu identificar as variáveis associadas ao risco. Abstract: This study aimed to evaluate different techniques for clustering areas at risk of entry of the pest Xanthomonas Oryzae pv. oryzae in Brazil, based on thematic maps with ordinal classes related to risk factors. We applied Methods based on Multiple Correlation Analysis/k-means, Self-Organizing Map segmentation, and contingency table thresholding. We compared the results with the risk surface developed from the weighted average of the classes. To assess the quality of the clusters, we evaluated whether the histogram had a single prominent mode for the variable and group, with the frequencies of the other modalities decreasing around the mode, and whether the groups were distinguishable by the modes. The analysis of the asymmetry of the histograms allowed us to identify groups with higher risk. The neural network presented the best result, and the asymmetries of the histograms allowed us to identify the variables associated with risk.

Ano de publicação: 2025

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Territorial

Palavras-chave: Análise de Correlação Múltipla, Artificial Neural Networks, Contingency Table, Mapa Auto Organizável, Multiple Correlation Analysis, Redes Neurais Artificiais, Tabela de contingência