Modelagem da distribuição espaço-temporal da broca do café (Hypothenemus hampei Ferrari) em uma cultura de região central colombiana

Abstract

O estudo da distribuição de pragas em espaço e tempo em sistemas agrícolas fornece informação importante sobre os mecanismos de dispersão das espécies e sua interação com fatores ambientais. Esse tipo de estudos também é de muita ajuda no desenvolvimento de planos de amostragem, na otimização de programas de manejo integrado de pragas e no planejamento de experimentos. O objetivo deste trabalho foi comparar vários modelos hierárquicos na modelagem da variação espaço- temporal da infestação da broca do café visando produzir mapas de risco da infestação que descrevam adequadamente o processo de infestação. Foram usadas diferentes combinações de efeitos aleatórios representando variabilidade não estruturada, com diferentes escolhas de distribuições a priori para os parâmetros e os hiperparâmetros dos modelos. Foram também usados diferentes esquemas de vizinhança para representar a correlação espacial dos dados. O ajuste dos modelos foi feito usando métodos MCMC. A estatística deviance e funções de perda quadrática foram usadas para a comparação entre modelos. Os resultados são apresentados como uma seqüência de mapas de risco de infestação.Study of agricultural pests distribution in space and time provides important information about the species dispersion mechanisms and its interaction with environmental factors. It also helps the development of sampling plans, the integrated pest management and planning of experiments. The aim of this work was to compare several hierarchical models in modelling the spatio-temporal variation of the coffee berry borer infestation in order to produce risk maps. Different combinations of random effects representing spatially structured and unstructured variability were used, with different prior distributions for the parameters and hyperparameters. Also different neighbourhood schemes were used to represent the spatial correlation of the data. The model fitting was done using MCMC methods and deviance and squared loss function were used for the comparison between models. The results are presented as a sequence of risk maps.