Estimando a produção comercial de peixes em Santa Catarina, Brasil, com base em registros de trânsito animal e modelos matemáticos

Autores

DOI:

https://doi.org/10.52945/rac.v38i1.1895

Palavras-chave:

Piscicultura, Previsão, Tilápia, Truta

Resumo

Este estudo investigou a correlação entre dados de trânsito de peixes, registrados nas Guias de Trânsito Animal (GTAs), e estimativas de produção da piscicultura, com o objetivo de desenvolver modelos matemáticos para prever a produção comercial de peixes em Santa Catarina. Foram utilizados dados de GTA obtidos junto à Companhia Integrada de Desenvolvimento Agrícola de Santa Catarina (Cidasc) e estimativas de produção feitas pela Epagri, ambos gerados entre 2015 e 2021. Os dados foram combinados e modelos de regressão linear foram desenvolvidos a partir dos dados de diferentes grupos de peixes. Os resultados mostraram correlação significativa entre dados de GTA e estimativas de produção, com correlações importantes para tilápias (R²=0,69) e trutas (R²=0,55). Quando a produção do ano anterior foi adicionada aos modelos como variável preditora, os valores de R² dos modelos para tilápias e trutas aumentou para 0,89 e 0,80, respectivamente. A validação desses dois modelos para os anos de 2022 e 2023 indicou bom desempenho, com ótimo ajuste entre as previsões dos modelos e as estimativas da Epagri (R² acima de 0,95). No entanto, o modelo desenvolvido para trutas apresentou a tendência de subestimar a produção. Conclui-se que os modelos desenvolvidos são eficazes para prever a produção comercial de tilápias e, em menor grau, de trutas, em Santa Catarina.

Métricas

Carregando Métricas ...

Publication Facts

Metric
This article
Other articles
Peer reviewers 
2
2.4

Reviewer profiles  Indisp.

Author statements

Author statements
This article
Other articles
Data availability 
N/A
16%
External funding 
No
32%
Competing interests 
Indisp.
11%
Metric
This journal
Other journals
Articles accepted 
33%
33%
Days to publication 
273
145

Indexed in

Editor & editorial board
profiles
Publisher 
Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina - Epagri

Biografia do Autor

Robson Ventura de Souza, Epagri/Cedap

Médico-veterinário, doutor em aquicultura. Desde 2009 atua como pesquisador do Centro de Desenvolvimento em Aquicultura e Pesca da Epagri, onde lidera o trabalho de estimativas da produção da aquicultura em Santa Catarina, e participa de projetos de pesquisa relacionados à poluição marinha e ao controle higiênico sanitário na produção de moluscos bivalves, além do uso de automação e inteligência artificial aplicada à aquicultura.

André Luis Tortato Novaes, Epagri

This study investigated the correlation between fish transit data, recorded in the Animal Transit Guides (GTA), and fish farming production estimates to develop mathematical models to predict commercial fish production in Santa Catarina. GTA data provided by Cidasc and production estimates made by Epagri between 2015 and 2021 were used. The data was combined and linear regression models were developed based on data from different fish groups. The results showed a significant correlation between GTA data and production estimates, with important correlations for tilapia (R²=0.69) and trout (R²=0.55). When the previous year's production was added to the models as a predictor variable, the models' R² values for tilapia and trout increased to 0.89 and 0.80, respectively. The validation of these two models for 2022 and 2023 indicated good performance, with an excellent fit between the model's predictions and Epagri’s estimates (R² above 0.95). However, the model developed for trout tended to underestimate production. It is concluded that the models produced are effective in predicting the commercial production of tilapia and, to a lesser extent, trout in Santa Catarina.

Referências

CAMPBELL, T.; DIXON, K. W.; DODS, K.; FEARNS, P.; HANDCOCK, R. Machine Learning Regression Model for Predicting Honey Harvests. Agriculture, v.10, n.4, p.1-17, 2020. DOI: https://doi.org/10.3390/agriculture10040118

EPAGRI. Observatório Agro Catarinense. Epagri, Centro de Socioeconomia e Planejamento Agrícola. Disponível em: https://www.observatorioagro.sc.gov.br/areas-tematicas/producao-agropecuaria/paineis/ Acesso em: 24 jul. 2024.

HERRERA, L.J.; POMARES, H.; ROJAS, I.; GUILLÉN, A.; PRIETO, A.; Valenzuela, O. Recursive prediction for long term time series forecasting using advanced models. Neurocomputing, v.70, n.16–18, p. 2870-2880, 2007. DOI: https://doi.org/10.1016/j.neucom.2006.04.015.

OTWINOWSKA-MINDUR, A.; GUMUŁKA, M.; KANIA-GIERDZIEWICZ, J. Mathematical Models for Egg Production in Broiler Breeder Hens. Annals of Animal Science, v.16, n.4., p. 1185–1198, 2016. Disponível em: https://sciendo.com/article/10.1515/aoas-2016-0037. Acesso em: 04 abr. 2025.

RANAPURWALA, S.I.; CAVANAUGH, J.E.; YOUNG, T.; WU, H.; PEEK-ASA, C.; RAMIREZ, M.R. Public health application of predictive modeling: an example from farm vehicle crashes. Injury Epidemiology, v.6, 31. p. 1-11, 2019. DOI: https://doi.org/10.1186/s40621-019-0208-9

SADENOVA M.A.; BEISEKENOV N.A.; RAKHYMBERDINA M.Y.; VARBANOV P.S.; KLEMEŠ J.J. Mathematical Modelling in Crop Production to Predict Crop Yields. Chemical Engineering Transactions, v. 88, 1225-1230, 2021. DOI: https://doi.org/10.1515/aoas-2016-0037

SILVA, B. C. da; DELLA GIUSTINA, E. G.; MARCHIORI, N. da C.; MASSAGO, H.; SILVA, F. M. Desempenho produtivo da piscicultura catarinense. Agropecuária Catarinense, v.30, n.1, p.15–18, 2017. Disponível em: https://publicacoes.epagri.sc.gov.br/rac/article/view/176. Acesso em: 4 abr. 2025.

SOUZA, R. V. de .; SILVA, B. C. da; NOVAES, A. L. T. A aquicultura de Santa Catarina em números. Documentos, (354), 2022. Disponível em: https://publicacoes.epagri.sc.gov.br/DOC/article/view/1532. Acesso em: 04 abr. 2025.

Downloads

Publicado

2025-04-30

Como Citar

de Souza, R. V., & Tortato Novaes, A. L. (2025). Estimando a produção comercial de peixes em Santa Catarina, Brasil, com base em registros de trânsito animal e modelos matemáticos. Agropecuária Catarinense, 38(1), 57–61. https://doi.org/10.52945/rac.v38i1.1895

Edição

Seção

Artigo Científico

Artigos mais lidos pelo mesmo(s) autor(es)

<< < 1 2