Estatística aplicada à aquicultura, desafios e métodos para a modelagem de crescimento do camarão cinza

• Ano de defesa: 2023
• Autor(a) principal: Zarzar, Carlos Antônio
• Orientador(a): Oliveira, Izabela Regina Cardoso de
• Banca de defesa: Bueno Filho, Julio Silvio de Sousa, Silva, Luis Otavio Brito da, Lobos, Cristian Marcelo Villegas
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Estatística
• País: brasil
• Palavras-chave em Português: Aquicultura 4.0; Carcinicultura; Modelos bayesianos; Ciência de dados; Algoritmo; Aquaculture 4.0; Shrimp farming; Bayesian models; Data science; Algorithm; Bayesian hierarchical; Sigmoid models
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://repositorio.ufla.br/handle/1/58110

A aquicultura (cultivo de organismos aquáticos) no Brasil vem se destacando no agronegócio nos últimos anos, apesar de ser um setor relativamente recente quando comparado com a bovinocultura e avicultura. A produção aquícola do Brasil em 2020 segundo o IBGE foi de 629,3 mil toneladas. A vasta rede hidrográfica (75 mil km) em rios, lagos e lagoas (cerca de 167 mil km2), além da extensão da costa litorânea (7.367 km do Amapá ao Rio Grande do Sul), aliado com o clima favorável, tornam o Brasil um país com grande potencial para o setor. Para destacar a aquicultura frente o mercado competitivo (nacional e internacional) é necessário acompanhar a evolução dos novos recursos estatísticos e da inteligência artificial na busca de produções mais eficientes. Dentro do universo empresarial aquícola a receita, os custos e lucros são baseados no peso da proteína animal vendida no mercado. Portanto a modelagem de crescimento de organismos cultivados é utilizada como ferramenta de gestão da produção. Alguns dados de crescimento na aquicultura possuem características peculiares que geram consequências na análise e modelagem. Geralmente são incompletos ou limitados. Isso significa que os dados são restritos a poucas observações e muitas vezes são limitados a observações abaixo do ponto de inflexão da curva sigmoide devido a estratégia econômica das fazendas ou simplesmente a exigência do mercado consumidor. Essa limitação dos dados observados presumivelmente causa viés na inferência de modelos não lineares. Por meio de simulações de crescimento do camarão com dados limitados e comparações de curvas de crescimento de animais selvagens oriundos da pesca, os resultados apoiaram essa hipótese. Como consequência, foi proposto um método para correção deste possível viés por meio de uma abordagem bayesiana hierárquica. Dados reais foram utilizados para compará-la com a abordagem frequentista tradicional utilizada. A sensibilidade em detectar o melhor tratamento pode fazer com que o novo método seja uma poderosa ferramenta de gerenciamento na produção animal, inclusive em ensaios delineados para pesquisa científica. No segundo capítulo, com base na metodologia bayesiana proposta, seis modelos hierárquicos não lineares foram avaliados para modelagem do crescimento do camarão cinza (Litopenaeus vannamei) (Morgan-Mercer-Flodin, Michaelis-Menten,Weibull, von Bertalanffy, Gompertz e Logístico) e ajustados aos dados reais de uma fazenda de produção. A equação de crescimento de Weibull se destacou. O modelo final foi validado mostrando uma precisão de 95,76% e 85,71% nos níveis hierárquicos de viveiro e ciclo produtivo, respectivamente. Finalmente, uma análise de sensibilidade foi realizada para detectar diferenças sutis entre cultivos aparentemente semelhantes e concluímos que a nova abordagem é muito eficiente para comparação de tratamentos quando contraposto a índices zootécnicos usualmente praticados nas fazendas comerciais de camarão.