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

Summary: Esta pesquisa objetivou identificar zonas de risco de entrada da praga Xanthomonas oryzae pv. oryzae no Brasil, a partir de fatores de risco como: presença de portos e aeroportos; importação de frutos hospedeiros; vias e volume de transporte de carga e pessoas; proximidade a centros urbanos; proximidade com países onde a praga é presente e áreas de fronteira com dispersão ativa. Foram aplicados três métodos de clusterização de dados ordinais, baseados na análise de correlação múltipla combinada com o k-médias, na segmentação do mapa autoorganizável, e na segmentação da tabela de contingência multidirecional. Os resultados foram comparados com a superfície de risco elaborada a partir da média ponderada das classes ordinais, consideradas como valores intervalares. Dentre as zonas de risco, os métodos baseados no mapa auto-organizável e na análise de correlação múltipla obtiveram melhor desempenho. A partir da análise da assimetria para cada variável-agrupamento, foi possível identificar que as variáveis relacionadas ao transporte aéreo de pessoas e de cargas, à proximidade com regiões com registro da praga e ao ingresso por dispersão ativa estão mais associadas ao risco de entrada. Por sua vez, as variáveis relacionadas aos municípios com importação de hospedeiros de países em que a praga está presente e à proximidade às áreas urbanas são as que menos estão associadas ao risco de entrada, o que pode indicar ajustes sobre os pesos de cada variável no cálculo da média ponderada, presente no método de geração de superfície de risco. Abstract:This research aimed to identify areas at risk of entry of the Xanthomonas oryzae pv. oryzae pest in Brazil, based on risk factors such as: the presence of ports and airports; import of host fruits; routes and volume of transportation of cargo and people; proximity to urban centers; proximity to countries where the pest is present and bordering areas with active dispersal. We applied three ordinal data clustering methods based on Multiple Correlation Analyses combined with k-means, SelfOrganizing Map segmentation, and multidirectional contingency table segmentation. We compared the results with the risk surface prepared from the ordinal classes' weighted average, which are considered as interval values for these thematic maps. Among the risk zones, the methods based on the Self-Organizing Map and the Multiple Correlation Analysis obtained better results. From the analysis of asymmetry for each grouping variable, we determined that the variables related to air transport of people and cargo, proximity to regions with a record of the plague, and entry through dispersion are the ones most associated with entry risk. The variables related to municipalities importing hosts from countries where the pest is present and proximity to urban areas are least related with entry risk, which may indicate adjustments to the weights of each variable when calculating the weighted average present in the risk surface generation method.

Publication year: 2024

Types of publication: Paper in annals and proceedings

Unit: Embrapa Territorial

Keywords: Análise de correlação múltipla, Artificial Neural Networks, Mapa auto-organizável, Multidirectional Contingency Table, Multiple Correlation Analysis, Redes neurais artificiais, Self-Organizing Map, Tabela de contingência multidirecional