Inteligência artificial antecipa surtos de tripes

Pesquisadores da Texas A&M AgriLife Research desenvolveram modelos de inteligência artificial para prever o aumento populacional de tripes (Frankliniella occidentalis) em sistemas de produção de tomate e pimentão. Seu estudo mostrou acurácia de 87,7% em campo aberto e de 84,9% em túneis altos. A ferramenta pode antecipar o risco de surtos e apoiar decisões de manejo antes do dano nas lavouras.

A pesquisa avaliou modelos de aprendizado de máquina em dois ambientes produtivos contrastantes. O Random Forest apresentou o melhor desempenho em campo aberto. O XGBoost obteve a maior acurácia nos túneis altos (“high tunnels”). Os autores também testaram Gradient Boosting Machine, ou GBM. Os três algoritmos analisaram variáveis ambientais e biológicas ligadas à dinâmica do inseto.

Dados usados

O trabalho usou dados de 1.686 armadilhas adesivas amarelas instaladas semanalmente em áreas de tomate e pimentão na estação de pesquisa da Texas A&M AgriLife em Bushland, no Texas. Desse total, 903 armadilhas vieram de túneis altos e 783 de campos abertos adjacentes. Após padronização, os pesquisadores trabalharam com 2.254 unidades de modelagem.

Os pesquisadores combinaram as contagens de tripes com variáveis meteorológicas. A lista incluiu temperatura média, máxima e mínima, umidade relativa, precipitação, velocidade do vento e direção do vento. O estudo também incluiu a população registrada 14 dias antes da coleta. Esse intervalo corresponde ao tempo aproximado de desenvolvimento do inseto, do ovo ao adulto, nas condições avaliadas.

A população anterior do inseto, chamada no estudo de “parent population”, surgiu como o principal preditor de severidade nos dois ambientes. A temperatura apareceu em seguida. Umidade e vento tiveram efeitos secundários. Em campo aberto, a combinação entre população anterior elevada e maior umidade relativa contribuiu para níveis altos de severidade. Em túneis altos, o vento teve maior peso na previsão de alta severidade.

Diferença entre ambientes

A diferença entre os ambientes teve peso decisivo. Modelos treinados em um sistema falharam ao prever a população no outro. A acurácia ficou em 44,13% quando o modelo de túnel alto foi aplicado ao campo. O modelo de campo atingiu 38,22% quando aplicado aos túneis altos. Os autores concluíram que campo aberto e túnel alto funcionam como microecossistemas distintos, mesmo quando ficam lado a lado.

Essa constatação reforça a importância do microclima no manejo de pragas. Segundo os autores, túneis altos e campo aberto diferem em estabilidade térmica, umidade, vento e exposição. Essas condições alteram o desenvolvimento, a dispersão e o potencial de transmissão de vírus por Frankliniella occidentalis. O estudo indica que ferramentas de previsão precisam considerar essas diferenças para gerar alertas úteis ao produtor.

Mudança no manejo

A antecipação do risco pode mudar a lógica do manejo. Segundo Kiran Gadhave, entomologista da AgriLife Research e professor assistente no Departamento de Entomologia da Texas A&M, enxergar o risco uma semana antes desloca o controle de uma resposta ao dano para uma estratégia preventiva.

Os resultados também apontam limitações. Os autores informam que os modelos ainda não incorporam reguladores biológicos, como inimigos naturais e competição interespecífica. O estudo também usou dados meteorológicos de uma estação em campo aberto. Para túneis altos, sensores instalados dentro das estruturas podem melhorar a resolução espacial e a interpretação ecológica das relações entre clima e tripes.

Mais informações em doi.org/10.1016/j.ecoinf.2026.103690