2 Dados de doenças de plantas em R

Os dados de doenças de plantas, são comumente armazenados em planilhas, em que cada linha corresponde às linhas de plantas nos talhões e cada coluna corresponde às plantas nas linhas. Além disso, mais de uma avaliação pode ter sido feita. Definimos algumas classes para representação em R, mas existem outras classes em outros pacotes de estatística espacial, tais como geoR (Ribeiro Jr. & Diggle 2001), splancs (Rowlingson, Diggle, adapted, packaged for R by Roger Bivand, pcp functions by Giovanni Petris & goodness of fit by Stephen Eglen 2006) ou sp (Pebesma & Bivand 2005).

Uma funcionalidade implementada, foi a importação de dados de arquivos texto:


  > dat1 <- read.citrus("vv303.csv", nrow = 20, row.id = 1, n.att = 15,
  +     sep = ";")
  > dat1


  Disease plant data in 25 evaluations of
  20 rows of plants and 48 plants in each row.

2.1 Validação de dados

Alguns procedimentos fizeram-se necessários:

  1. Troca utilizando a função change.code():


      > table(dat2 <- change.code(dat1, ori = c("O", "G"), mod = c(0,
      +     0)))


          0     1     2     3     F     R
      11101  6897  1363  4292    94   253
  2. Seleção utilizando a funcão select.code():


      > table(dat3 <- select.code(dat2, unselect = c("F", "R")))


          0     1     2     3
      11079  6897  1363  4286
  3. Validação temporal, função validStatusMSC.citrus():


      > table(dat4 <- validStatusMSC.citrus(dat3, corr = TRUE))


      9  inconsistences in  25 evaluations of 945 plants.
      
          0     1     2     3
      11079  6897  1363  4286

2.2 Descrição de dados de doenças em plantas

Método summary() para as três primeiras avaliações:


  > summary(dat4, eval = 1:3)


          01/08/2001 08/08/2001 16/08/2001
  Min.       0.00000    0.00000     0.0000
  1st Qu.    0.00000    0.00000     0.0000
  Median     0.00000    0.00000     0.0000
  Mean       0.03175    0.03492     0.1175
  3rd Qu.    0.00000    0.00000     0.0000
  Max.       3.00000    3.00000     3.0000
  NA's      15.00000   15.00000    15.0000

O método table():


  > table.citrus(dat4, eval = 1:3)


    01/08/2001 08/08/2001 16/08/2001
  0        922        919        872
  1         17         20         45
  2          5          5         18
  3          1          1         10

O método table(), usando proporções:


  > table.citrus(dat4, eval = 1:3, type = "p")


     01/08/2001  08/08/2001 16/08/2001
  0 0.975661376 0.972486772 0.92275132
  1 0.017989418 0.021164021 0.04761905
  2 0.005291005 0.005291005 0.01904762
  3 0.001058201 0.001058201 0.01058201

O método plot() produz um mapa para uma avaliação especificada.


  > par(mfrow = c(1, 3), mar = c(2, 2, 2, 0.1), mgp = c(1, 0.3,
  +     0))
  > for (i in 1:3) plot(dat4, eval = i, pch = 19, main = paste("Avaliação",
  +     i))


pict

Figura 1: Mapa para o status das plantas doentes nas três primeiras avaliações.


O método lines():


  > par(mar = c(2.5, 2.5, 0.5, 0.5), mgp = c(1, 0.5, 0))
  > lines(dat4)


pict

Figura 2: Linhas cumulativas do status da doença