Sampling plans and application of neural networks to forecast the seasonal dynamics of Bemisia tabaci in soybean crops

Abstract

Soybean Glycine max (L) (Merr) is the most produced, consumed, and traded legume worldwide. After its establishment in Brazil, Bemisia tabaci became a notorious sucking pest on soybean. Robust sampling plans and seasonal dynamic studies of B. tabaci in tropical soybean areas are essential to technicians and farmers early detect pest populations and plan sprays to manage this pest on time. The aim of this study is to determine a sampling plan and seasonal dynamics of B. tabaci in soybean crops through artificial neural networks. These studies were carried out in soybean commercial fields. Whitefly density, climatic elements and soybean age were assessed to support the dataset. In the seasonal dynamic studies, artificial neural networks were developed and selected to study this pest dynamic. The sampling design in this study is composed of 49 samples. The sampling unit and technique are the apical part of the soybean canopy and beating a plastic tray against plant apex, respectively, throughout the plant stages. The artificial neural network structure selected to determine the seasonal dynamic of B. tabaci in soybean crops has five entries (soybean age, average temperature, rainfall, wind speed, and atmosphere pressure) and four neurons in the hidden shell. This model previews whitefly adults with high accuracy from seven days of lag; it is reliable for modelling the seasonal dynamics of the whitefly B. tabaci in soybean crops. In conclusion, this study provides technical tools to scout, early detect, and plan sprays against the whitefly population, avoiding pest outbreaks.

Keywords:

Sucking pests. AI. Conventional sampling plan. Forecast.

A soja Glycine max (L) (Merr) é a leguminosa mais produzida, consumida e comercializada no mundo. Após seu estabelecimento no Brasil, Bemisia tabaci tornou-se uma praga sugadora notória da soja. Planos de amostragem robustos e estudos de dinâmicas sazonais de B. tabaci em áreas tropicais de soja são essenciais para que técnicos e agricultores detectem precocemente populações de pragas e planejem pulverizações para manejar essa praga a tempo. O objetivo deste estudo é determinar um plano de amostragem e dinâmica sazonal de B. tabaci em lavouras de soja por meio de redes neurais artificiais. Esses estudos foram realizados em campos comerciais de soja. Densidade de mosca branca, elementos climáticos e idade da planta de soja foram avaliados para compor o conjunto de dados. Nos estudos de dinâmica sazonal, uma rede neural foi desenvolvida e selecionada para estudar a dinâmica dessa praga. O plano de amostragem deste estudo é composto por 49 amostras. A unidade amostral e a técnica são a parte apical do dossel da soja e batida de bandeja plástica contra o ápice da planta, respectivamente, ao longo das fases da planta. A estrutura da rede neural selecionada para determinar a dinâmica sazonal de B. tabaci na cultura da soja possui cinco entradas (idade da planta de soja, temperatura média, precipitação, velocidade do vento e pressão atmosférica) e quatro neurônios na camada oculta. Este modelo prevê os adultos da mosca branca com alta precisão com sete dias de antecedência e é confiável para modelar a dinâmica sazonal da mosca branca B. tabaci em lavouras de soja. Em conclusão, este estudo fornece ferramentas técnicas para monitorar, detectar precocemente e planejar pulverizações contra mosca-branca, evitando surtos de pragas.

Palavras-chave:

Pragas sugadoras. IA. Plano de amostragem convencional. Previsão.