[1] O documento descreve um modelo de previsão de surtos do gafanhoto vermelho em Moçambique usando variáveis climáticas como precipitação e evapotranspiração. [2] Dois modelos são desenvolvidos, porém o segundo modelo que inclui evapotranspiração não melhora significativamente o poder preditivo em relação ao primeiro modelo. [3] Recomenda-se coletar mais dados climáticos locais e incluir índices de vegetação para aprimorar os modelos de previsão no futuro.

1. FACULDADE DE AGRONOMIA E ENGENHARIA FLORESTAL
Projecto Final
Tema
MODELO DE PREVISÃO DE OCORRÊNCIA DE SURTOS DE
GAFANHOTO VERMELHO (Nomadacris septemfasciata
Serville) EM MOÇAMBIQUE
Supervisores:
Autor: Meizal N. Popat
Professor Doutor Emílio Tostão
Professora Doutora Luísa Santos

2. ESTRUTURA DA APRESENTAÇÃO
• INTRODUÇÃO;
Antecedentes;
Problema de Estudo;
Objectivos;
• METODOLOGIA;
• RESULTADOS E DISCUSSÃO;
• CONCLUSÕES E RECOMENDAÇÕES.

3. 1. INTRODUÇÃO
1.1. Antecedentes
Gafanhoto Vermelho: Principal espécie de praga
migratória em África.
Mais de 3 surtos nos últimos 160 anos (1930 – 1944,
Zâmbia e Tanzânia)

4. 1.2. Problema de Estudo
1996, Surto em Búzi
(Zimbábwè, Zâmbia,
Botswana, África do Sul);
Maio a Agosto 2008
(MINAG e IRLCO-CSA)
nuvens escapadas de
Búzi;
Modelo de previsão com
Fig.1: Gafanhoto Vermelho na fase adulta margem de erro enorme.

5. • 1.3. Objectivos
1.3.1. Geral:
• Aumentar a capacidade de previsão de surtos de Gafanhoto
Vermelho em Moçambique.
1.3.2. Específicos:
• Desenvolver um modelo matemático de previsão que inclua
a ETo, além da Pr, como variáveis explicativas;
• Comparar o desempenho preditivo de ambos modelos.

6. 2. METODOLOGIA
2.1. Zonas de Eclosão
8 zonas de eclosão:
Tanzânia (4)
Zâmbia (2)
Moçambique (2)
Planície do Lago Chirua, e
Planície de Búzi –
Gorongosa.
Fig.2: Zonas de Eclosão do Gafanhoto Vermelho, reconhecidas
pela IRLCO-CSA

7. 2.1. Zonas de Eclosão (cont.)
Em Moçambique
Fig.3: Zonas de Eclosão em Moçambique

8. 2. METODOLOGIA (cont.)
2.2. Variáveis Usadas no Modelo
Fig.4: Ciclo de Vida

9. 2.2. Variáveis Usadas no Modelo (cont.)
 Média da Pr acumulada de Abril a Outubro, de 3
anos consecutivos;
 Média da ETo acumulada dos meses secos, de 3 anos
consecutivos – Penman-Monteith.
A precipitação e as diversas variáveis usadas no
cálculo da ETo foram obtidos da estação
meteorológica da Beira

10. 2. METODOLOGIA (cont.)
2.3. Modelo de Regressão Logística
Baseado em uma série de 25 anos.
Yi*0 i Xi i ; Yi   1
0
se Yi * 0
caso não
e  0  i X i
Pj   0  i X i
; Assume-se Yi *  1  Pj  50%
1 e
o e  i estimados com base no método de máxima
verossimilhança;
Poder Explanatório do Modelo:
 Estrela ajustado
 Veall-Zimermann

11. 2. METODOLOGIA (cont.)
2.4. Calibração e Comparação entre os Modelos
 Calibração: 2001 – 2009
 Comparação entre os Modelos
 Teste de LR: LR 2(LL  LL ) ~ g
o B
2
 LLo – ponto máximo da função de verosimilhança, com restrição;
 LLB – ponto máximo da função de verosimilhança, sem restrição;
2
  g – Chi-quadrado com g restrições (graus de liberdade).
 Teste de Wald p (  i ) ~  ,   5 %

12. 3. RESULTADOS E DISCUSSÃO
3.1. Modelo Simples de Previsão
ˆ 1
P j  E (Y  1 X 1 ) 
1  e  ( 7 . 052  0 . 021 X i )
LR = 7.79 > Chi(1) = 3.84
Teste de Wald 5% p = 0.029 < 0.05 conclui-se que a precipitação tem efeito no
modelo.

13. 3.1. Modelo Simples de Previsão (cont.)
3.1.1. Comparação entre o Modelo Simples
Obtido, com o existente

14. 3.1.1. Comparação entre o Modelo Simples
Obtido, com o existente (cont.)
0.9
0.8 Modelo Desenvolvido por Santos et al.
0.7 Modelo Desenvolvido no Presente Trabalho
Probabilidade
0.6
0.5
0.4
0.3
0.2
0.1
0
1976 1978 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998
Anos
Fig.5: Probabilidades de ocorrência de surtos de Gafanhoto Vermelho em Búzi, obtidas
em ambos modelos, desde 1976 a 1999.

15. 3.1. Modelo Simples de Previsão (cont.)
3.1.2. Calibração do Modelo

16. 3. RESULTADOS E DISCUSSÃO (cont.)
3.2. Modelo de Previsão, Aumentado
ˆ 1
Pj  E (Y  1 X 1 , X 2 ) 
1  e  (3.991 0.0203 X 1  0.0038 X 2 )
Teste de Wald 5% : p_ β1 = 0.109 > 0.05 e p_ β2 = 0.901 > 0.05, não se rejeita a
hipótese nula para ambas variáveis

17. 3.2. Modelo de Previsão, Aumentado (cont.)
Razão que sustenta a insignificância de ambas
variáveis
 Colinearidade
Interpretação do CC (±): 0 a 0.19 – muito fraco; 0.2 a 0.39 – fraco; 0.4 a 0.69 – moderado; 0.7 a
0.89 – forte; 0.9 a 1.0 – muito forte.

18. 3. RESULTADOS E DISCUSSÃO (cont.)
3.3. Calibração e Comparação entre o Modelo
Simples e o Aumentado
LR = 0.016 < Chi(1) = 3.84

19. 3. RESULTADOS E DISCUSSÃO (cont.)
3.4. Justificativas para a não melhoria do Modelo
 Equação de Balanço de Água no Solo;
 Localização da região de eclosão (rios Búzi, Púngue e
Urema);
 Natureza da ET.
A origem das variáveis →percentagem de predições.

20. 4. CONCLUSÕES E RECOMENDAÇÕES
4.1. Conclusões
 A introdução da ETo como mais uma variável
explanatória em pouco ou nada melhorou o poder
de previsão do modelo;
 O modelo aumentado apresenta o mesmo poder
preditivo que o modelo simples.

21. 4. CONCLUSÕES E RECOMENDAÇÕES
(cont.)
4.2. Recomendações
 Criação de uma estação meteorológica em Búzi;
 (ET - ETa?) A inclusão do NDVI referente ao final do
período seco, sobretudo dos meses de Outubro
e Novembro;
 BASE DE DADOS!