Modelo logístico e Wavelets para o diagnóstico de doença em clones híbridos de E. grandis x E. urophylla Márcia Lorena Alves dos Santos 1 , Eniuce Menezes de Souza 2 , José Raimundo de Souza Passos 3 , João Ricardo Favan 4 , André S. Jim 5 e Edson Luiz Furtado 6 1 Mestre em Bioestatística - Universidade Estadual de Maringá - UEM 2 Departamento de Estatística - Universidade Estadual de Maringá - UEM 3 Instituto de Biociências - Departamento de Bioestatística - Universidade Estadual Paulista - UNESP/ Botucatu 4 Doutorando no Programa de Pós - Graduação em Ciência Florestal FCA/UNESP/Botucatu 5 Doutorando no Programa de Pós - Graduação em Ciência Florestal FCA/UNESP/Botucatu 6 Docente do Depto de Proteção Vegetal FCA/UNESP/Botucatu RESUMO Os clones híbridos de E. grandis x E. urophylla predominam as áreas de plantio florestal no Brasil, atividade que gera milhões de empregos nos diversos segmentos da base florestal plantada. A redução da sua produtividade está associada a bacteriose foliar, doença caracterizada por lesões sobre as folhas. A reflectância foliar é utilizada para detectar a doença, a qual é medida ao longo de comprimentos de onda. Este estudo objetiva investigar as medições das reflectâncias com o propósito de definir quais comprimentos de onda são mais sensíveis à infecção provocada pela bacteriose em mudas de clones híbridos de E. grandis x E. urophylla, propondo o diagnóstico precoce. Mudas infectadas e sadias foram sorteadas diariamente para a tomada das medidas da reflectância ao longo de 128 comprimentos de onda. Considerando a variável resposta binária, foi investigada a possibilidade de predição da infecção a partir do modelo logístico. Devido a baixa qualidade preditiva deste modelo, foi construído um modelo logístico híbrido, em que as covariáveis são os coeficientes wavelets de detalhes e coeficientes escala suaves das covariáveis de reflectância. A partir da transformada wavelet discreta não decimada foi possível extrair informações sobre a doença em diferentes níveis de resolução e predizer o diagnóstico. Os modelos foram avaliados neste primeiro momento de acordo com o Pseudo R 2 de Mc Fadden. Os resultados mostraram que apenas os coeficientes de escala do último nível suave possuem informações suficientes para explicar o diagnóstico. Verificou-se que medições da reflectância para comprimentos de onda superiores a 1126 nm são suficientes para a detecção da doença. Palavras chave: Wavelets, Regressão Logística, Coeficiente de determinação, Eucalyptus, Bacteriose Foliar. 1. INTRODUÇÃO O setor de base florestal brasileiro tem participação significativa na economia nacional com números em torno dos 3,5% do PIB nacional[1]. No ano de 2011 o valor bruto da produção florestal atingiu 53,91 bilhões de reais, gerando 4,73 milhões de empregos diretos nos diversos segmentos da cadeia produtiva de base florestal plantada, cuja área atingiu 6,5 milhões de hectares[2]. Desse total, a área ocupada por plantios florestais de clones híbridos de E. grandis x E. urophylla e Pinus no Brasil totalizou 6.515.844 ha, sendo 74,8% correspondente à área de plantios de clones híbridos e 25,2% aos plantios de Pinus. Mediante tais considerações, fica evidente a importância de investigar os fatores que contribuem para a redução da produtividade florestal. Predominante nas áreas de plantios florestais, a redução da produtividade de clones híbridos de E. grandis x E. urophylla está vinculada a ocorrência da bacteriose foliar, uma doença caracterizada por lesões concentradas nas margens ou distribuídas aleatóriamente sobre o limbo das folhas[3]. Os agentes causais da bacteriose foram identificados como Xanthomonas axonopodis e Pseudomonas cichori[4]. Os danos causados pela doença são de 3 milhões de mudas por ano, o que acarreta em perdas estimadas de 2,4 milhões de reais por ano[5].