Modelagem para a previsão de mortalidade de frangos de corte em climas quentes

Extremos climáticos são um dos principais causadores de perdas produtivas no mundo exigindo estratégias de mitigação. O calor extremo é um dos principais promotores do estresse de frangos de corte que enfrenta anualmente severos desafios com impactos relevantes em perdas produtivas que podem ser mitigados de forma estratégica. Mudanças climáticas ainda é tema controverso, porém, independente de sua contestação, o clima continua sendo fator determinante de perdas produtivas e sua mitigação pode ser compensadora com a redução de perdas decorrentes de extremos climáticos como as ondas de calor. Estratégias envolvendo métodos de previsão meteorológica e prognósticos de clima podem auxiliar na redução de mortalidade e perdas produtivas em frangos de corte. Estratégias mitigatórias envolvendo premissas preconizadas pelo IPCC (International Panel on Climatic Changes) com a redução da vulnerabilidade e dos riscos decorrentes dos extremos climáticos podem auxiliar na redução destas perdas. A modelagem da mortalidade por intermédio da Mineração de Dados é uma ferramenta importante no desenvolvimento de sistemas decisórios auxiliando na mitigação do clima.

 

Em regiões tropicais, a temperatura e a umidade do ar são dois dos principais fatores ambientais que afetam o conforto térmico das aves, sendo limitações para uma ótima produção (MACARI e FURLAN, 2001).

Entre 5 e 8 semanas de idade melhores ganhos de peso corporal e consumo de ração são observados em umidade relativa entre 60 e 65% (YAHAV et al., 1995). O estresse crônico em frangos de corte expostos às altas temperaturas (32 - 41°C), desencadeia alcalose respiratória, com redução do ganho de peso corporal, consumo de ração e elevação do pH sanguíneo (TEETER et al., 1985).

As altas temperaturas são um forte agente estressor para as aves, causando hipertermia com elevação da temperatura corporal. Essa elevação da temperatura corporal, letal para as aves em casos extremos, pode ser aumentada pela ingestão de alimento em razão da produção de calor corporal (incremento calórico), decorrente da elevação da atividade metabólica, desencadeando processos associados à digestão e ao metabolismo dos nutrientes, o que causa termogênese induzida pela alimentação (JULIAN, 2005).

A produtividade ideal da ave depende da temperatura efetiva, que reflete a combinação dos efeitos da temperatura de bulbo seco, da umidade relativa do ar, da radiação solar e da velocidade do vento a que a ave está submetida (MOURA, 2001), sendo que a interação de diversos fatores como a atividade física, densidade populacional e dieta, muitos dos quais de difícil controle, auxiliam no desencadeamento do estresse térmico (MACARI e FURLAN, 2001).

O frango de corte comercial, com sua genética continuamente melhorada para maior taxa de crescimento, apresenta paralelamente um aumento na produção de calor corporal, demandando meios mais eficientes e econômicos de melhorar a termotolerância e o ambiente destas aves. Uma das conseqüências do estresse por calor é a ocorrência de alcalose respiratória provocada pela ofegação (TEETER et al., 1985). Em apenas 30 minutos com exposição a uma condição extrema de calor (38º C), já se observa aumento da temperatura corporal e elevação do pH sanguíneo de frangos de corte (TOYOMIZU et al., 2005).

Este estudo realizado por TOYOMIZU et al. (2005), utilizando frangos de corte expostos a 38º C, constatou que o potencial de CO2 sanguíneo e a concentração de HCO3 - diminuem significativamente após 60 minutos de exposição a esta condição. A taxa respiratória das aves aumentou de 61 respirações por minuto (r/m) para 261 após este tempo de exposição.

O conceito de homeotermia em aves implica na existência de uma zona de termoneutralidade. Quando a ave se encontra em hipertermia utiliza o resfriamento evaporativo, aumentando a perda de calor latente, executado por intermédio da respiração. Por outro lado, perdas de calor sensível podem ser ampliadas por mudanças fisiológicas com o aumento das perdas urinárias (BALNAVE, 1998).

Esse mecanismo de aumento da taxa respiratória promove a redução da pressão parcial do CO2, levando à queda do HCO3 - sanguíneo em função da menor concentração de ácido carbônico (H2 CO3), aumento da excreção renal de HCO3 - e aumento da retenção do H+ . A alcalose respiratória é desencadeada pela ofegação alterando o equilíbrio do pH sanguíneo devido à excreção de HCO3 - e alteração do equilíbrio eletrolítico pelo aumento da excreção urinária de K+ (potássio) que está estreitamente relacionado ao Na+ (sódio) e à hidratação da ave (BORGES et al., 2003a). Particularmente para frangos de corte, essa consideração de um curto período de tempo já poder desencadear sintomas de hipertermia é fundamental.

O ambiente térmico por si não é o único responsável por aumentar as perdas produtivas. A deterioração do ambiente aéreo também agrava as condições de sobrevivência da ave. VALE et al. (2010) simulou condições semelhantes a ondas de calor para frangos de corte com idade de abate mantidos em câmara climática avaliando a deterioração ambiental. Nesta condição, cada grau Celsius em que a temperatura do ar aumenta, a concentração de amônia aumentou 2,86 ppm linearmente, a concentração de oxigênio reduziu 0,06 ppm, a umidade relativa aumentou 2,72 pontos percentuais e a temperatura da cama 0,46º C (VALE et al.; 2010; Figuras 1 a, b, c e d).

Somente estes fatores identificados por VALE et al. (2010) já são suficientes para o desencadeamento da mortalidade, porém, sistemas de baixa pressão são formados em ondas de calor devido ao rápido aquecimento de massas de ar, VALE et al. (2007) verificou em um estudo preliminar que a pressão atmosférica é um dos fatores associados à ocorrência de mortalidade alta em frangos de corte (Figura 2). Essas condições somadas podem ser as que promovem uma maior letargia e prostração das aves, dificultando as trocas gasosas do sangue com a atmosfera devido às severas alterações do microclima dos 20 cm imediatamente acima da cama do aviário. Estudos de YAHAV et al. (2004) indicam que a prostração pode impedir perdas de calor por condução pelas patas devido ao aquecimento da cama conforme observado por VALE et al. (2010). A idade da ave, completando o empenamento próximo aos 30 dias diminui severamente sua capacidade de trocar calor com o ambiente (CANGAR et al. 2008), formando um conjunto de fatores físicos determinantes para a incapacidade da ave perder calor em condições tão extremas como a de aviários durante ondas de calor e desencadeando a mortalidade por fadiga.

Figura 1 – Relações da Temperatura do ar (a), concentração de amônia (b), de oxigênico (c) e da temperatura da cama (d) em função da variação da temperatura do ar (VALE et al.; 2010). 

 

Figura 2 – Árvore de classificação de fatores ambientais causadores de alta mortalidade em frangos de corte durante ondas de calor (VALE et al., 2007).

 

A utilização de índices baseados em temperatura e umidade relativa do ar apresenta uma característica de grande praticidade, já que esses dados são comumente coletados nas estações meteorológicas. O ITU, Índice de Temperatura e Umidade do ar, é utilizado há mais de 30 anos nos EUA para alertar pecuaristas sobre riscos de estresse devido ao calor. Esse índice, inicialmente, foi proposto para humanos e, posteriormente, adaptado para bovinos (HARRINGTON e BOWLES, 2004).

Nos EUA o ITU é utilizado para identificar a magnitude das ondas de calor por intermédio da intensidade e/ou duração, medido pelo ITU acumulado (HARRINGTON e BOWLES, 2004). Estes autores sugeriram a utilização do ITU horário, de forma semelhante ao horas graus dia de crescimento, habitualmente empregado na agricultura, como forma de melhor avaliar a onda de calor. Os cálculos de horas grau dia são muito aplicados em agricultura para controlar o estágio de crescimento das plantas em função do clima e no controle do momento da reprodução de peixes.

NIENABER e HAHN (2004) discutem sobre o monitoramento de perdas de produtividade em bovinos decorrentes de ondas de calor através do acompanhamento das condições ambientais pelo ITU, onde são determinadas condições específicas como a normal, alerta, perigo e emergência. Essas condições são citadas como faixas de condição ambiental de alto risco de mortalidade originados direta e indiretamente do estresse calórico.

O ITU foi aplicado em pequenos animais, como coelhos, apresentando valores em média cinco pontos acima das classificações aplicadas em ovinos ou bovinos, provavelmente porque a temperatura corporal dos coelhos é maior que a desses outros animais (MARAI et al., 2002).

Outros índices de conforto térmico foram desenvolvidos por PITARELLO (1994), aplicando modelos de simulação de desempenho e condições ambientais em escala reduzida para suínos. A autora gerou índices de conforto, obtendo faixas dos índices correspondentes ao conforto térmico, servindo de suporte à decisão no controle climático de instalações.

A aplicação do ITU para aves foi adaptada por GATES et al. (1995), constatando as variações regionais do ITU nos EUA e utilizando um modelo matemático para condição térmica de construções para aviários com e sem sistemas evaporativos de climatização.

Devido à interferência das perdas de calor por ventilação, TAO e XIN (2003) adaptaram o ITU para frangos de corte em idade de abate, ponderando temperatura de bulbo seco e temperatura de bulbo úmido e, posteriormente, informações sobre ventilação incorporadas ao ITU. Os autores desenvolveram o índice denominado THVI (temperature-humidity-velocity index, ou ITUV), onde também consideram a velocidade do vento, determinando os estados de conforto térmico normal, alerta, perigo e emergência, estabelecidos a partir da variação da temperatura corporal dessas aves.

Em experimentos conduzidos em aviários experimentais, com aplicação de técnicas de manejo convencionais, CHEPETE et al. (2005) desenvolveram o ITU para frangos com idades entre 3 e 4 semanas (ITU=0,62Tar+0,38Tbulbo úmido) e entre 5 e 6 semanas de criação (ITU=0,71Tar+0,29Tbulbo úmido), observando maior efeito da temperatura em ambientes não controlados em região de semi- árido.

OLIVEIRA et al. (2001) avaliaram o Índice de Temperatura de Globo negro e Umidade do ar (ITGU), em frangos de corte dos 22 aos 42 dias de idade, apresentando uma resposta quadrática para a conversão alimentar com melhora para o ITGU até 69 e aumento do ganho de peso corporal e consumo de ração para ITGU de 67 e 68, respectivamente, concluindo que ITGU maiores que 69 acarretam piora do desempenho entre 22 e 42 dias de idade dos frangos.

As temperaturas médias, mínimas e máximas diárias não são um indicador suficiente para as mensurações do impacto do estresse ambiental em frangos, o estudo de ST-PIERRE et al. (2003) utilizou a estimação das horas do dia acima de uma condição de estresse para estimar perdas produtivas em frangos de corte. A partir dos valores do ITU mínimo e máximo diárias estimouse a carga de ITU diária e as perdas potenciais (Figura 3).

Figura 3 – Estimação da carga de ITU diário (ST-PIERRE et al.; 2003)

Trabalhos como o de ST-PIERRE et al. (2003) são fundamentais para estimar impactos e a vulnerabilidade de sistemas de produção, bem como o sofrimento dos animais mediante extremos climáticos. O bem-estar animal tem sido foco de pesquisas, sendo que, instituições e governos mobilizam esforços estabelecendo padrões para a regulamentação da produção animal (MOURA et al. 2006; SILVA et al., 2011). O objetivo é obter normas para produção e comércio, com a finalidade de executar um processo produtivo dentro de condições éticas e do bem-estar animal mínimas (BAYVEL, 2004). Para tanto, há a necessidade de certificar a produção dentro de parâmetros de bem-estar, utilizando recursos de zootecnia de precisão em sistemas de mitigação de eventos causadores do estresse animal como os extremos climáticos.

 

Extremos climáticos sejam de chuva, de frio ou de calor, são os responsáveis pela maioria das perdas materiais no mundo. Nos países localizados nas zonas intertropicais e mais recentemente na Europa e EUA, devido às mudanças climáticas, extremos decorrentes do calor, têm sido relatados e denominados como ondas de calor (NIENABER e HAHN, 2004).

Ondas de calor são tidas como períodos de tempo com temperaturas desconfortáveis durante, pelo menos, dois dias acima de 32°C, podendo durar até semanas (INMET, 2013a). Essas ondas de calor são uma das principais causas de morte relacionadas ao clima e, considerando a possibilidade do aquecimento global, é razoável supor que a sua freqüência, severidade e duração aumentarão no futuro.

ROBINSON (2001) apresenta uma definição para a ocorrência de onda de calor quando as condições de índice de calor (Hi , índice de conforto para humanos adotado pelo National Weather Service, EUA) máximo diurno e mínimo noturno excedem, na mesma porcentagem, os limites de conforto em um período de 48 horas. ROBINSON (2001) ainda destaca que devido às mudanças climáticas, é necessária uma clara definição das ondas de calor, resguardando variações regionais, observação esta que deve ser ainda mais importante para o estudo de seu impacto em animais.

Ondas de calor não têm uma definição padrão. Uma das formas usuais de definição é a consideração do limite de uma variável relativa à temperatura absoluta ou ao período de tempo em que a máxima diária da temperatura do ar excede este limite. As ondas de calor que ocorrem no início do verão são mais severas no desencadeamento da mortalidade em humanos, sendo necessária uma definição mais dinâmica para se compreender esses eventos meteorológicos, considerando a capacidade de adaptação das pessoas quanto à elevação da temperatura (ABAURREA et al., 2006).

Para animais nas condições brasileiras são poucas as definições de extremos climáticos, dificultando seu reconhecimento e mensuração de impacto. Outro ponto fundamental dos extremos climáticos é a mensuração do impacto sobre a produção animal e as estimativas podem permitir melhor posicionamento sobre estratégias de mitigação.

No Brasil VALE et al. (2008a) classificaram ondas de calor com impacto na mortalidade de frangos de corte como sendo a condição de ITU médio diário acima de 23º C quando as instalações não são climatizadas. Para instalações com climatização mínima (ventilação e nebulização), o estudo de VALE et al. (2010) identificou as condições ITU máximo diário acima de 30,6º C como causador da mortalidade elevada em frangos de corte. A idade da ave também foi fator determinante, sendo que, para aves com idade maior que 30 e inferior a 40 dias, é necessário a ocorrência de um ITU máximo superior a 34,4º C.

Devido às perdas econômicas decorrentes de ondas de calor, órgãos de monitoramento climatológico e governos têm aumentado sua preocupação sobre estes eventos com a finalidade de mensurar e minimizar o seu impacto.

Na União Européia, o relatório do Comitê dês Organisations Professionalles de la Agricoles de la Communité Européenne e do Comitê General de la Cooperation Agricole (COPA / COGECA, 2004), sobre o impacto da onda de calor do verão de 2003 na Europa, apresentou as perdas gerais na agropecuária da União Européia, destacando prejuízos em torno de 42 milhões de Euros no setor de aves. Na França foram observadas perdas de aproximadamente 4 milhões de frangos, com redução de 15% da produtividade. Na Espanha, a redução do rebanho de frangos foi entre 15 a 20%, com redução na produtividade de 25 a 30%.

Nos Estados Unidos da América (EUA), os prejuízos econômicos anuais provenientes do estresse por calor foram estimados por ST-PIERRE et al. (2003), baseados na estimativa da redução de desempenho (ingestão de ração, crescimento, produção de leite e ovos), no aumento da mortalidade e na diminuição da reprodução em bovinos leiteiros, bovinos de corte, frangos de corte, poedeiras e perus. As perdas anuais médias estimadas foram de 897, 369, 299 e 128 milhões de Dólares, respectivamente, para as produções de leite, carne bovina, suína e aves. Para a estimativa destes dados, uma das ferramentas utilizadas foi o ITU (Índice de Temperatura e Umidade), calculado a partir de dados históricos de 257 estações meteorológicas norte americanas.

Um estudo de VALE (2008) sobre ondas de calor em frangos de corte estimou perdas produtivas de aproximadamente um milhão de Reais para uma integração com abate diário de 400 mil aves e a incidência de 25 dias de onda de calor no ano.

Desde 1861, a partir de quando se tornou possível seu monitoramento, a temperatura superficial da Terra vem aumentando em até 0,6º C acima da média, o que pode ser verificado principalmente nas décadas dos anos de 1910, 1940, e 1990 (Figura 4), devido a um efeito antrópico (FOLLAND et al., 2001).

O aquecimento global já é um fato aceito por vários pesquisadores e amplamente discutido no Painel Intergovernamental para Mudanças Climáticas, (Intergovernmental Panel on Climate Change; IPCC na sigla em inglês), sendo que as primeiras previsões sobre as tendências de aquecimento já foram constatadas pelo Grupo de Trabalho I do IPCC (IPCC, 2007a). Estudos meteorológicos de BENISTON e DIAZ (2004), referentes à onda de calor na Europa em 2003, indicam que em um futuro não muito distante o clima observado naquele ano pode vir a ser comum, devido às mudanças climáticas e à elevação das temperaturas globais.

As mudanças climáticas, particularmente para a temperatura, implicam na mudança da distribuição estatística das mesmas, alterando o formato da distribuição normal ou mudando a posição desta curva em conseqüência de uma elevação da média, da variância ou até mesmo de ambas.

A Figura 5 apresenta a representação esquemática dos três cenários de variação climática: a) com a elevação das temperaturas médias, onde ocorre maior número de eventos climáticos de calor extremo; b) com aumento da ocorrência de ambos extremos de frio e calor devido a uma maior variância; c) ambos os eventos ocorrendo. A distribuição normal mais achatada ou deslocada para uma temperatura média mais elevada implica na aceitação de que esses fenômenos meteorológicos extremos tenderão a ocorrer com maior freqüência (FOLLAND et al., 2001).

Figura 4 – Variação da temperatura superficial da Terra nos últimos 140 anos em Graus Celsius a partir da média (FOLLAND et al., 2001).

Figura 5 – Representação esquemática da distribuição de freqüência de temperaturas para três cenários de mudança climática, a, b e c (Adaptado de FOLLAND et al., 2001). 

 

No Brasil, SANT'ANA NETO e TOMMASELLI (2012) compararam séries de dados das normais climatológicas do período de 1961 a 1990 testando a possibilidade de haver diferença entre as temperaturas observadas no período 1991 a 2010. Os autores identificaram para várias regiões do Brasil (Caxias do Sul, RS; Cruz Alta, RS; Concórdia, SC; e Catalão, GO) temperaturas máximas diferentes entre os períodos, sendo que esta diferença foi superior em até 4º C, sendo que um dos impactos é que nas ultimas década, nas estações do Centro Sul houve um aquecimento generalizado que reflete um aumento no número de horas mais quente no dia (SANT'ANA NETO e TOMMASELLI, 2012).

 

As constatações do relatório do Grupo de Trabalho I do IPCC (IPCC, 2007a) indicam a origem dos problemas, mas não apresentam caminhos para solução. Compreendendo que as mitigações devem ter origem em processos e procedimentos, o Grupo de Trabalho II do IPCC (IPCC, 2007b) indica ações focadas na mensuração dos impactos, na adaptação e na vulnerabilidade dos sistemas aos extremos climáticos.

Da mesma forma, os sistemas de produção de aves, a partir da mensuração das perdas produtivas, devem considerar os impactos sua adaptação, vulnerabilidade a extremos climáticos e desenvolver estratégias de redução dos impactos, sendo a previsibilidade dos eventos extremos um ponto fundamental.

 

Fatalmente as ciências físicas de interpretação dos eventos meteorológicos atmosféricos estão entre as de maior incerteza. Eventos físicos da dinâmica atmosférica do clima, da terra e da astronomia são ainda pouco compreendidos e suas potenciais influências ainda necessitam de melhor esclarecimento, colocando dúvidas sobre o pensamento dominante e o consenso sobre as mudanças climáticas divulgadas pelo IPCC, sendo um dos pontos, a dúvida se ocorreu nas últimas décadas um aumento da exposição e vulnerabilidade ao clima dos sistemas da atividade humana (SANT'ANA NETO e TOMMASELLI, 2012).

A questão dos impactos, da exposição e da vulnerabilidade é um dos pontos fundamentais trabalhados na mitigação de extremos climáticos no Grupo de Trabalho II do IPCC (IPCC, 2007b), sendo que no Grupo de Trabalho III do IPCC (IPCC, 2007c) são trabalhadas as mitigações e redução dos impactos.

Um dos pontos importantes à mitigação é a utilização de previsões meteorológicas de tempo e clima. Desta forma, é importante definir tempo e clima. Segundo o INMET (2013a), previsão é a descrição detalhada de ocorrências futuras esperadas e inclui o uso de modelos objetivos baseados em parâmetros atmosféricos, associado com a interpretação de um meteorologista com habilidade e experiência. No caso da previsão de clima, essa é denominada como prognóstico. As previsões de tempo dizem respeito a um instante das condições físicas atmosféricas de uma determinada região, contrapartida um prognóstico do clima normalmente se refere às potenciais condições atmosféricas a serem enfrentadas por uma região em um determinado período, normalmente mês ou trimestre seguinte. Exemplos de previsão podem ser observados no site do INMET (2013b) e de prognósticos em INMET (2013b).

Para a agricultura, o uso de prognósticos é freqüente, destinados ao manejo mais adequado da irrigação, controle de pragas e planejamento de momento de plantio e fertilização. O Boletim Informativo do Conselho Permanente de Agrometeorologia Aplicada do Estado do Rio Grande do Sul pode ser um exemplo, emitido trimestralmente, informa sobre o prognóstico do clima para o próximo trimestre, fazendo um balanço do trimestre anterior (RS, 2013).

Para a produção animal poucos são os serviços diretamente dirigidos para estas espécies e muitas soluções devem ser tomadas localmente. O INMET (2013d) disponibiliza informações sobre o conforto térmico e a perda de produção para o gado leiteiro, porém, as informações são referente a período passado e não contempla previsão ou prognóstico, diferentemente do que se disponibiliza para produção vegetal. Nos EUA o USDA juntamente com o National Weather Service disponibiliza serviço de recomendações para avaliação do estresse animal de acordo com previsão de ITU (EIGENBERGH et al. 2007).

Em aves GATES et al. (1995), utilizando um modelo matemático para condição térmica de construções para aviários com e sem sistemas evaporativos por nebulização, monitorou as variações regionais do ITU nos EUA para avicultura.

 

A mortalidade de frangos de corte devido a extremos de calor pode desencadear severas perdas produtivas. A idade de desencadeamento de alta mortalidade devido ao calor se inicia acima dos 30 dias (VALE et al., 2010), quando a ave passa a apresentar um tamanho corporal mais elevado e completa o empenamento (CANGAR et al. 2008). Esse tipo de perda produtiva é uma das piores durante o processo produtivo, pois representam além da perda de um lucro ou remuneração potencial, a perda de capital investido na forma de rações já consumidas, espaço de alojamento, incubatórios, matrizeiros e demais recursos que permitiram obter uma ave com peso e idade próximos ao de abate até o momento da exposição ao calor.

Uma das alternativas à redução da mortalidade é a modelagem para a previsão de ocorrência dos eventos de alta mortalidade associado ao calor. Um exemplo de estratégia de mitigação é a previsão por intermédio de dados zootécnicos e meteorológicos. A correlação entre dados meteorológicos e os de estações locadas próximas a galpões foi verificada por MOURA et al. (2008) constatando que principalmente nos horários de maior calor a correlação é positiva, permitindo o uso de informações das estações meteorológicas para a modelagem de eventos bioclimáticos de ocorrência no interior de galpões como a mortalidade.

A mortalidade é um dos poucos eventos registrados diariamente sobre a rotina de uma granja de frangos de corte e a associação desta informação zootécnica com dados meteorológicos de estações próximas permite a formação de bancos de dados que contém padrões úteis e modeláveis por ferramentas como a Mineração de Dados (MD).

Com a evolução tecnológica dos computadores e seus processadores, aliada à redução do custo de armazenamento de dados, torna-se possível o armazenamento de um grande volume de dados, maior que a capacidade humana de interpretá-los de forma convencional. Dentro dos bancos de dados podem existir conhecimentos fundamentais, expressos na forma de padrões, que podem ser relevantes dentro da área de domínio a que se referem.

A Mineração de Dados é uma técnica computacional com a aplicação de um algoritmo para extrair padrões de bancos de dados, configurando um processo da Descoberta de Conhecimento em Bancos de Dados, KDD na sigla em Inglês (FAYYAD e STOLORZ; 1997). Este é um campo tecnológico interdisciplinar do conhecimento que combina a inteligência artificial, o gerenciamento e a visualização de dados, os algoritmos matemáticos e a estatística, promovendo metodologia diferenciada em processos de tomada de decisão, planejamento, diagnóstico, detecção e prevenção dentre outros (LIAO, 2003).

A MD, uma categoria de sistema especialista, pode ser definida como sinônimo de Extração de Conhecimento de Base de Dados (KDD), objetivando utilizar o conhecimento extraído em um processo decisório, por intermédio de tarefas de trabalho específicas, com emprego de um algoritmo que permite modelar, associar ou agrupar elementos semelhantes de um determinado conjunto de dados. A tarefa de MD preditiva (tarefas de classificação e regressão) consiste em generalizar exemplos ou experiências passadas, apresentando modelos capazes de reconhecer os padrões generalizados e prever um evento futuro (REZENDE et al., 2005).

Alguns algoritmos de MD para a classificação ou predição permitem uma visualização gráfica com a construção de uma árvore de decisão. O algoritmo C4.5, desenvolvido por QUINLAN (1993), induz modelos de classificação, conhecidos como árvores de decisão (QUINLAN, 1993; QUINLAN, 1996), com várias implementações, dentre elas o algoritmo J48, aplicado no programa computacional Weka® para gerar árvores de decisão em tarefas de classificação/predição.

O algoritmo J48 gera uma árvore de classificação ou predição, uma visualização gráfica na forma de uma árvore invertida, em que o nó raiz é a primeira variável com maior poder de classificação, apresentando abaixo de si os ramos, formados pelos demais atributos ou variáveis, e por fim a classificação ou folha da árvore. Cada ramo da árvore forma uma regra semântica de associação na forma de corpo → cabeça, ou antecedente → consequente (SE Variável x ≥ y ENTÃO Classe ou Predição) permitindo predição ou classificação dentro de um subdomínio dos dados. Para a construção da árvore e definição dos melhores atributos preditores (classificadores), são utilizados conceitos da teoria da informação, dependente do ganho de informação (diferença na entropia) escolhendo um dos atributos que dividirá (classificará) os dados em dois grupos (SHANNON, 1948).

O uso da MD na área zootécnica com a construção de árvores de decisão foi aplicada por McQUEEN et al. (1995) e (ZHANG et al., 2005) na produção de ruminantes que identificaram a MD como uma técnica promissora, inclusive para o uso por parte dos técnicos especialistas do domínio.

Na avicultura, VALE et al. (2008a), VALE et al., (2010), PEREIRA et al. (2010), LIMA et al., (2010) e FERREIRA et al. (2012) modelaram aplicando MD em estudos meta-analítica com frangos de corte, descrição de ondas de calor em aviários comerciais, mortalidade de poedeiras em aviários comerciais, produção de matrizes de poedeiras leves e melhoramento genético de matrizes poedeiras respectivamente, obtendo importantes descobertas de conhecimento e regras de suporte a decisão.

Os trabalhos de VALE et al. (2008a), VALE et al., (2010), PEREIRA et al. (2010), LIMA et al., (2010) e FERREIRA et al. (2012) aplicaram uma metodologia única padrão seguindo as recomendação do consócio CRISP-DM (CHAPMAN et al., 2000, Figura 6). Na proposta de metodologia CRISP-DM, cada processo de Mineração de Dados é dividido em fases distintas, sucedidos de forma cíclica, sendo a execução do projeto nas seguintes fases: 1) Entendimento do domínio de conhecimento ao que o estudo se refere; 2) Conhecimento e entendimento do banco de dados referente a este domínio; 3) Preparação dos dados (limpeza, construção, seleção, integração e formatação); 4) Modelagem; 5) Avaliação dos resultados.

Figura 6 – Esquema de desenvolvimento de projeto de mineração de dados CRISP-DM proposto por CHAPMAN et al. (2000).

Para estudo de MD, os termos "padrão", "atributo" e "variável" são compreendidos como sinônimos e podem ser descritos como um dado quantitativo ou qualitativo, que pode representar um padrão que permite classificar ou predizer um determinado evento ou observação (exemplo) do domínio de conhecimento em uma determinada classe.

Com os relatórios de comitês do COPA/COGECA (2004) e dados sobre as ondas de calor nos EUA (NIENABER e HAHN, 2004), principalmente referentes ao ano de 2003, pesquisadores brasileiros iniciaram estudos sobre ondas de calor com impacto em frangos de corte com o objetivo de modelar e prever sua ocorrência.

A partir das metodologias de MD aplicadas por VALE et al. (2008a) e VALE et al. (2010), foram desenvolvidos modelos preditivos para a ocorrência de mortalidade alta em frangos de corte com 24 e 48 horas de antecedência (Vale, 2008).

As modelagens de VALE (2008) foram baseadas em um conjunto contendo três bancos de dados iniciais sendo: 1 – dados zootécnicos de fichas de acompanhamento de lotes de frangos de corte retroativos de cinco anos contendo informações de mortalidade diária e desempenho zootécnico de uma integração de frangos de corte; 2 – Dados de estação meteorológica contendo informações meteorológicas horárias, localizada a 46 km da locação média dos aviários e; 3 – Dados meteorológicos das Normais (temperaturas mínima, média, máxima e precipitação em mm) para estação a 23 km da locação média dos aviários.

A MD para a previsão da mortalidade com 24 horas de antecedência de VALE (2008) gerou uma árvore de predição com precisão de classificação para o modelo de 97,2% e precisão das classes mortalidade alta (MA) e normal (NO) de 93,3% e 97,6% respectivamente (Figura 7).

Figura 7 – Modelo de predição da mortalidade alta (MA) em frangos de corte com 24 horas de antecedência (VALE, 2008).

(ITU>valor = ITUhga>valor; número do índice = dias retroativos da leitura; MA, mortalidade alta; NO, mortalidade normal)

O modelo da Figura 7 utilizou dados das duas estações meteorológicas de temperatura máxima, média, mínima, ocorrência de chuva, umidade relativa média do ar e as derivações para o ITU mínimo, máximo e o ITU graus dia acumulado maiores que 22 e 24º. Para ambas as estações foram utilizados dados retroativos de até três dias. As variáveis utilizadas no modelo são reconhecidas por vários autores como relacionadas ao estresse térmico em aves (TEETER e BELAY, 1996; HUNKE et al., 2001; FURLAN e MACARI, 2002; CONY e ZOCCHE, 2004; DE OLIVEIRA et al., 2006; ABU-DIEYEH, 2006), com destaque para a aplicação do ITU em frangos de corte expostos ao calor (ST-PIERRE et al., 2003; HARRINGTON e BOWLES, 2004; CHEPETE et al., 2005).

Buscando a previsão com 48 horas de antecedência, VALE (2008) modelou a previsão da mortalidade alta devido a ondas de calor com 48 horas de antecedência (Figura 8). A precisão do modelo da Figura 8 foi alta (91,12%), porém, inferior para a classificação em mortalidade alta (66,9%).

Figura 8 – Modelo de predição da mortalidade alta (MA) em frangos de corte com 48 horas de antecedência (VALE, 2008).

Devido ao tamanho e complexidade da árvore de predição gerada na Figura 8, seus detalhes e regras devem ser interpretados computacionalmente e de forma automática para a predição. Apesar de uma menor precisão de acerto na mortalidade alta (66,9%) com 48 horas de antecedência, essa previsão pode dar suporte à tomada de decisão. Com 48 horas é possível disparar um comunicado de alerta para as ações do dia seguinte no preparo de ações mitigadoras. Caso seja confirmado no dia seguinte, previsões com 24 horas de antecedência devem dar continuidade às ações. Este tipo de procedimento pode ser implementado na forma de sistema de alerta conforme apresentado por NIENABER e HAHN (2004).

Os atributos utilizados para a construção do modelo da Figura 8 foram os dados diretamente registrados nas estações meteorológicas de pressão atmosférica, temperatura média e mínima, umidade relativa máxima e mínima de dois até quatro dias antes do evento da mortalidade alta. Os dados derivados utilizados foram os ITUhga maiores que 23, 22 e 21º C e o ITU médio, mínimo e máximo retroativos de dois a até quatro dias, o que reforça a importância destes atributos.

A metodologia aplicada no estudo de VALE (2008) e o desenvolvimento de sistemas especialistas de suporte a decisão podem auxiliar a redução de perdas. Com a redução dos custos das estações meteorológicas e a possibilidade de transmissão remota de dados, programas computacionais podem executar o serviço de alerta com pouca interferência humana.

 

Sistemas de alerta são de grande interesse de empresas e governo. Órgãos governamentais como INPE (Instituto Nacioanal de Pesquisas Espaciais), o INMET (Instituto Nacional de Meteorologia), o AGRITEMPO/EMBRAPA (Sistema de Monitoramento Agrometeorológico da Empresa Brasileira de Pesquisa Agropecuária), Rede Nacional de Agrometeorologia do MAPA (Ministério da Agricultura Pecuária e Abastecimento) e CEPAGRI – UNICAMP (Centro de Pesquisas Meteorológicas e Climáticas Aplicadas à Agricultura da Universidade de Campinas) dentre outros, já desenvolvem sistemas semelhantes a este, porém, poucos trabalhos são dirigidos à produção animal.

Sistemas de aviso e suporte a tomada de decisão podem perfeitamente ser aplicados utilizando programas computacionais específicos ou, simplesmente, utilizando-se planilhas do tipo Excell® ou Access® (CARLSON, 1983), configuradas com as regras obtidas nos modelos das Figuras 7 e 8 para que apresente uma resposta em formato de texto com uma recomendação previamente cadastrada.

Os cafeicultores do estado do Paraná têm um serviço disponível desde 2002 de aviso de geadas do café. Este serviço é uma parceria entre o IAPAR (Instituto Agronômico do Paraná), uma prestadora de telefonia móvel, outra prestadora de telefonia fixa e pela CELEPAR (Companhia de Informática do Paraná). O serviço é prestado pelo SMS (Short Message System) enviando comunicados sobre as condições climáticas aos cafeicultores do Norte do Paraná (CONIP, 2008).

Um sistema semelhante ao mencionado pelo CONIP (2008) pode ser aplicado à produção de frangos de corte. A predição de mortalidade de frangos de corte em função do clima, como um sistema de suporte às tomadas de decisão em operações de produção de frangos de corte ganha importância quando se considera redução de custos e conseqüentemente melhorar a competitividade.

Sistemas especialistas de suporte à decisão, elaborados a partir de modelos matemáticos Fuzzy (MOURA et al., 2004; CHIARINI et al., 2006; OWADA e NÄÄS, 2006), podem auxiliar no aumento da precisão das previsões de mortalidade com 48 horas de antecedência, permitindo iniciar ações coordenadas com maior acerto nas previsões.

Boletins de previsões meteorológicos e prognóstico do clima são fundamentais. Atualmente vários serviços oferecem estimativas razoáveis com até dez dias de antecedência e bom poder preditivo. Associando-se as previsões conforme as mencionadas pelo INMET (2013b) e de prognósticos em INMET (2013b), além de acompanhamentos por meteorologistas com análises de quadros sinóticos conforme os realizados por BRUM et al. (2011), é possível aumentar o período de previsibilidade do tempo e clima permitindo diferentes horizontes de mitigação no curto, médio e longo prazo.

As previsões de 24 e 48 horas de VALE (2008) podem permitir ações imediatas de amenização dos efeitos do calor. Estratégias de curto prazo podem ser praticadas em períodos de tempo relativamente curtos com a adição de sais via água (TEETER et al., 1985; SMITH e TEETER, 1992; NASEEN et al., 2005).

No médio prazo, as previsões meteorológicas com antecedência de até dez dias podem auxiliar na alteração de dietas com ajustes de densidade e balanço eletrolítico (BORGES et al., 2003; BORGES et al., 2004; GOUS e MORRIS, 2005; LONGO et al., 2006), sendo exclusivamente dependentes da capacidade logística das fábricas de ração.

Para o longo prazo, os boletins de prognósticos de clima da região podem auxiliar a estabelecer estudos nutricionais para alteração das concentrações energéticas dentro de cenários micro e macro econômicos da produção.

 

Os modelos descritos neste estudo não são propriamente uma recomendação geral para qualquer localidade brasileira. A diversidade de regiões, como as observadas entre as Sul e Centro Oeste, tanto no clima quanto na homogeneidade das tipologias construtivas, implicam que mais importante são as estratégias e as metodologias de modelagem e mitigação. Estas considerações implicam que a expectativa de um serviço nacional único seja improvável e que cada localidade de integração avícola precisa desenvolver seus modelos localmente.

A aplicação de MD como método de modelagem pode não ser a abordagem matematicamente mais precisa, mas permite como primeiro passo a obtenção de conhecimentos fundamentais sobre o ambiente de produção local e quais fatores são mais relevantes. Um estudo realizado por BROWNBRANDL, et al. (2005) compararam dois modelos estatísticos de regressão (linear e quadrático, SAS), dois modelos fuzzy (Mamdani e TS) e uma rede neural artificial (NeuroShell 2.0), para a avaliação da capacidade de predição do estresse por calor em bovinos, sendo que a capacidade de predição da rede neural artificial e do modelo fuzzy de TS apresentaram os melhores resultados. O problema com as redes neurais é que estes apresentam apenas o resultado final, não explicitando o caminho para se chegar ao modelo proposto.

Tabela 1 – Coeficientes de determinação de cinco modelos de predição de taxa respiratória de bovinos (Adaptado de BROWN-BRANDL, et al., 2005).

Diferentes regiões apresentam diferentes tipologias construtivas. Sistemas especialistas fuzzy podem melhorar a capacidade preditiva dos modelos corrigindo as diferenças envolvidas com a tipologia construtiva. RODRIGUEZ et al. (2012) desenvolveram modelos para a predição da temperatura horária em galpões de frangos de corte com pressão negativa (Figura 9).

Figura 9 – Modelo de predição do ITU interno de aviário com pressão negativa a partir da temperatura e umidade relativa do ar externos (RODRIGUEZ et al., 2012).

Outro aspecto fundamental da mitigação do clima é referente à economia de energia devido à mínima utilização de sistemas de climatização. Diferentes dias quentes ou de extremo de calor podem exigir diferentes estratégias de arrefecimento e o conhecimento do comportamento horário das instalações é fundamental (ROZA et al., 2011; LASSEN et al., 2011: Figura 10) para a identificação do real potencial de redução da temperatura do ar com mecanismos evaporativos (VALE et al, 2008b).

Figura 10 – Comportamento horário interno e externo da temperatura e umidade relativa do ar (ROZA et al., 2011; a e b), do ITU (LASSEN et al., 2011; c) e do potencial de redução da temperatura do ar (VALE et al, 2008b; d) em aviários durante dias normais e de ondas de calor.

Apesar de nos horários de pico de calor haver maior potencial de redução da temperatura do ar (Figura 10c), os dias mais quentes exigem maior ventilação inclusive noturna para diminuir as concentrações de gases como amônia e para o arrefecimento das instalações com o ar mais ameno da noite, diminuindo o potencial de elevação da temperatura do aviáro no dia seguinte.

Extremos climáticos como as ondas de calor são eventos complexo e exigem ações coordenadas de forma sistemática. Há tecnologia disponível para a mitigação destes extremos de clima, porém, ainda observa-se menor organização das instituições para a mitigação.

 

ABAURREA, J.; ASIN, J.; CEBRIAN, A. C.; CENTELLES, A. On the need of a changing threshold in heat wave definition. Geophysical Research Abstract, v. 8, Abs.:09142, 2006.

ABU-DIEYEH, Z.H.M. Effect of chronic heat stress and long-term feed restriction on broiler performance. International Journal of Poultry Science, v. 5, n. 2, p. 185- 190, 2006.

BALNAVE, W.L. Increase utilization of sensible heat loss mechanisms in high temperature, high humidity conditions. Word's Poultry Science Journal, v. 54, p. 69-72, 1998.

BAYVEL, A.C.D. The OIE animal welfare strategic initiative – Progress, priorities and prognosis. In: GLOBAL CONFERENCE ON ANIMAL WELFARE: AN OIE INITIATIVE. 2004, Paris. Proceedings… Italy: OIE. 2004. p 13-17.

BENISTON, M.; DIAZ, H. F. The 2003 heat wave as an example of summers in a greenhouse climate? Observations and climate model simulations. Global and Planetary Change, v. 44, p. 73-81, 2004.

BORGES, S. A.; FISCHER DA SILVA, A. V.; ARIKI, J.; HOOGE, D. M.; CUMMINGS, K. R. Dietary electrolyte balance for broiler chickens under moderately high ambient temperature and relative humidity. Poultry Science, v. 82, n. 2, p. 301-308, 2003.

BORGES, S. A.; FISCHER DA SILVA, A. V.; MAIORKA, A.; HOOGE, D. M.; CUMMINGS, K. R. Physiological responses of broiler chickens to heat stress and dietary electrolyte balance (sodium plus potassium minus chloride, milliequivalents per kilogram). Poultry Science, v. 83, p. 1551-1558, 2004.

BROWN-BRANDL, T.M.; BECK, M.M.; SCHULTE, D.D.; PARKHUST, A.M.; DESHAZER, J.A. Temperature humidity index for growing tom turkeys. Transaction of the ASAE, v. 40, n. 1, p. 203-209, 1997.

BRUM, B. V., ACEVEDO, O. C., BATTISTI, A., NEDEL, A. S., VALE, M. M. Análise meteorológica de dias com mortalidade alta em frangos de corte In: JORNADA ACADÊMICA INTEGRADA (JAI), 2011, Santa Maria-RS. Anais 26ª Jornada Acadêmica Integrada. , 2011. Disponível em: http://portal.ufsm.br/jai/anais/trabalho.html Acesso em: 05/12/2012

CANGAR, Ö.; AERTS, J-M.; BUYSE, J.; BERCKMANS, D. Quantification of the spatial distribution of surface temperatures of broilers. Poultry Science, v. 87, p. 2493- 2499, 2008.

CARLSON, E.D. An approach for decision support systems. In: BENNETT, J. L. Building Decision Support Systems. Addison-Wesley Publishing Company. California, 1983, p. 15-39.

CHAPMAN, P.; CLINTON, J.; KERBER, R.; KHABAZA, T.; REINARTZ, T.; SHEARER, C.; WIRTH, R. CRISP-DM 1.0. Step-by-step data mining guide. 78 p.. 2000. Disponível em: http://www.crisp-dm.org/CRISPWP-0800.pdf. Acesso em: 31/10/2005.

CHEPETE, H.J.; CHIMBOMBI, E.M.; TSHEKO, R. Production performance and temperature humidity index of broilers reared in naturally ventilated houses in Botswana. Botswana Journal of Agriculture and Applied Sciences, v. 1, n. 1, p. 19-28, 2005.

CHIARINI, A. M.; TOLON, Y. B.; NÄÄS, I. A.; MOURA, D. J.; CAMPOS, L. S. L.; SANTOS, R. C. Uso da lógica fuzzy para o desenvolvimento de um modelo padrão de avaliação do ambiente de maternidade de suínos. IN: SIMCRA 2006. 2006, Campinas-SP. Resumos do Simpósio de Construções Rurais e Ambientes Protegidos. CD-ROM.

CONIP Instituto CONIP, Conhecimento, Inovação e Práticas de TI na Gestão Pública. Disponível em: http://www.conip.org.br/mgov/?q=info_gerais. Acesso em: 01/04/2008

CONY, A. V.; ZOCCHE, A. T. Manejo de frangos de corte. In: MENDES, A. A.; NÄÄS, I. A.; MACARI, M. Produção de Frangos de Corte. Campinas. FACTA, 2004. Cap. 8, p. 117 – 136.

COPA / COGECA. COMITÊ DÊS ORGANISATIONS PROFESSIONALLES DE LA AGRICOLES DE LA COMMUNITÉ EUROPÉENNE / COMITÊ GENERAL DE LA COOPERATION AGRICOLE. Assessment of the impact of the heat wave and drought of the Summer 2003 on agricultural and forestry. Cologne, Alemanha. 15 p. 2004. Disponível em: http://www.meteo.unikoeln.de/content/klimadiagnose/summerheat2003/pocc_03_78i4_1e.pdf; Acesso em 26/01/2005.

DE OLIVEIRA, G.A.; OLIVEIRA, R.F.M.; DONZELE, J.L.; CECON, P.R.; VAZ, R.G.M.V.; ORLANDO, U.A.D. Efeito da temperatura sobre o desempenho e as características de carcaça de frangos de corte de 22 aos 42 dias. Revista Brasileira de Zootecnia, v. 35, n. 4, p. 1398-1405, 2006.

EIGENBERG, R.A.; BROWN-BRANDL, T.M.; NIENABER J.A. Development of a livestock weather safety monitor for feedlot cattle. Applied Engineering in Agriculture, v. 23, n.5, p. 657-660, 2007.

FAYYAD, U.; STOLORZ, P. Data mining and KDD: Promise and challenges. Future Generation Computer Systems, v. 13, p. 99 – 115, 1997.

FERREIRA, P.B.; VALE, M.M.; MACEDO, A.; BOEMO, L.S. PAULO ROBERTO NOGARA RORATO, P.R.N.; BECK, T.B. Classificação de características produtivas fenotípicas de diferentes raças de poedeiras através da mineração de dados. Ciência Rural. On line. 2012. Disponível em: http://www.scielo.br/pdf/cr/2012nahead/a2713cr2012-0012.pdf Acesso em: 08/04/2013

FOLLAND, C. K.; KARL, T.,R.; CHRISTY, J. R.; CLARKE, R. A.; GRUZA, G. V.; JOUZEL, J.; MANN, M. E.; OERLEMANS, J.; SALINGER, M .J.; WANG, S. W. Observed Climate Variability and Change. In: HOUGHTON, J. T.; DING, Y.; GRIGGS, D. J.; NOGUER, M.; VAN DER LINDEN, P. J.; DAI, X.; MASKELL, K.; JOHNSON C. A. Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change (EDS.). CAMBRIDGE UNIVERSITY PRESS, CAMBRIDGE, UNITED KINGDOM. 2001. P. 59 - 84.

GATES, R. S.; ZHANG, H.; COLLIVER, D. G.; OVERHULTS, D. G. Regional variation temperature humidity index for poultry housing. Transaction of the ASAE. Vol. 38, n. 1, p. 197-205. 1995. Abstract. Disponível em: http:www.bae.uky.Edu/~gates/Reprints/rsg_r33.htm . Acesso em: 28/02/2005.

GOUS, R.M.; MORRIS, T.R. Nutritioinal interventions in alleviating the effects of high temperatures in broiler production. Wolrd's Poultry Science Journal, v. 61, n. 3, 463-474, 2005.

HARRINGTON, JR. J. A.; BOWLES, E. A climatology of hourly THI values for livestock producers. In: EXTENDED ABSTRACT OF 14th CONFERENCE ON APPLIED CLIMATOLOGY. 84 ANNUAL MEETING OF AMERICAN METEOROLOGICAL SOCIETY. 2004, Jan., p. 1-12. Seattle, WA. Disponível em: http://ams.confex.com/ams/pdfpapers/72785.pdf . Acesso em: 27/01/2005.

HUNKE, R.L.; McCOWAN, L.C.; MERAZ, G.M.; HARP, S.L.; PAYTON, M.E. Determining the frequency and duration of elevated temperature-humidity index. PROCEEDINGS OF THE 2001 ASAE ANNUAL MEETING, 2001. Paper n. 01- 4111. Sacramento, California, USA, 2001.

INMET, ISTITUTO NACIONAL DE METEOROLOGIA, BR. Glossário. Disponível em: http://www.inmet.gov.br/informacoes/glossario/glossario.html. Acesso em: 27/01/2013a.

INMET, ISTITUTO NACIONAL DE METEOROLOGIA, BR. Previsões. Disponível em: http://www.inmet.gov.br/portal/index.php?r=tempo/previsaoPorTipo&type=regional Acesso em: 27/01/2013b.

INMET, ISTITUTO NACIONAL DE METEOROLOGIA, BR. Prognóstico Climático Trimestral. Disponível em: http://www.inmet.gov.br/portal/index.php?r=tempo/previsaoPorTipo&type=regional Acesso em: 27/01/2013c.

INMET, ISTITUTO NACIONAL DE METEOROLOGIA, BR. Prognóstico Climático Trimestral. Disponível em: http://www.inmet.gov.br/portal/index.php?r=agrometeorologia/indiceConfortoTermic o Acesso em: 27/01/2013d.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE, IPCC Mudança do Clima 2007: A Base das Ciências Físicas: Contribuição do Grupo de Trabalho I ao Quarto Relatório de Avaliação do Painel Intergovernamental sobre Mudança do Clima. 25 p., 2007a. Disponível em: http://www.ipcc.ch/publications_and_data/ar4/wg1/en/contents.html. Acesso em: 21/12/2012.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE, IPCC Mudança do Clima 2007: Impactos, Adaptação e Vulnerabilidade: Contribuição do Grupo de Trabalho II ao Quarto Relatório de Avaliação do Painel Intergovernamental sobre Mudança do Clima. 32 p., 2007b. Disponível em: http://www.ipcc.ch/publications_and_data/ar4/wg2/en/contents.html. Acesso em: 21/12/2012.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE, IPCC Mudança do Clima 2007: Mitigação da Mudança do Clima: Contribuição do Grupo de Trabalho III ao Quarto Relatório de Avaliação do Painel Intergovernamental sobre Mudança do Clima. 42 p., 2007c. Disponível em: http://www.ipcc.ch/publications_and_data/ar4/wg3/en/contents.html. Acesso em: 21/12/2012.

JULIAN, R. J. Production and growth related disorders and other metabolic diseases of poultry – a review. The Veterinary Journal. 2005. v. 169, n.3, p. 350- 369.

LASSEN P.G., BRUM, B.V., MOURA D.J., NÄÄS, I.A., VALE, M. M. Dinâmica do Ambiente interno e externo de galpões de frangos de corte durante dias de choque de calor In: XL Congresso Brasileiro de Engenharia Agrícola, 2011, Cuiabá-MT. Anais... Jaboticabal: SBEA, 2011. On CD-Ron

LIAO, S.H. Knowledge management technologies and applications – literature review from 1995 to 2002. Expert Systems with Applications, v. 25, p. 155-164, 2003.

LIMA, M.G.F.; RODRIGUES, L.H.A. Árvore de decisão aplicada em dados de incubação de matrizes de postura hy-line W36. Ciência Agrotécnica, v. 34, n. 6, p. 1550-1556, 2010.

LONGO, F. A.; SAKOMURA, N. K.; RABELLO, C. B.; FIGUEIREDO, A. N.; FERNANDES, J. B. K. Exigências energéticas para mantença e para crescimento de frangos de corte. Revista Brasileira de Zootecnia, v. 35, n. 1, p. 119-125. 2006.

MACARI, M.; FURLAN, R. L. Ambiência na produção de aves em clima tropical. In: DA SILVA, I. J. O. (Ed.) Ambiência na produção de aves em clima tropical. Piracicaba – SP, 2001. p. 31-87.

MARAI, I. F. M., HABEEB, A. A. M.; GAD, A. E. Rabbit's' productive, reproductive and physiological performance traits as affected by heat stress: a review. Livestock Production Science, v. 78, p. 71 – 90, 2002.

McQUEEN, R. J.; GARNER, S. R.; NEVILL-MANNING, C. G.; WITTEN, I. H. Applying machine learning to agricultural data. Computers and Eletronics in Agriculture, v. 12, p. 275 – 293, 1995.

MOURA DJ; NÄÄS IA; PEREIRA DF; SILVA RBTR; CAMARGO GA Animal welfare concepts and strategy for poultry production: A Review. Brazilian Journal of Poultry Science, v. 8, n. 3, p. 137 – 148, 2006.

MOURA, D.J., VALE, M. M., NÄÄS, I.A., CARVALHO, T.M. Correlação da temperatura do ar de estações meteorológicas locadas à distância das granjas e internamente a golpões de frangos de corte. Revista Brasileira de Ciência Avícola, Suplemento, v.10. p. 25, 2008.

MOURA, D. J. Ambiência na produção de aves de corte. In: SILVA, I. J. O. (Ed.) Ambiência na produção de aves em clima tropical. Piracicaba – SP, v.2. 2001. p. 75-149.

MOURA, D. J.; NÄÄS, I. A.; QUEIROZ, M. P. G.; AMENDOLA, M. Estimativa do ITGU em diferentes orientações de galpões de frangos de corte, usando a teoria dos conjuntos fuzzy. Revista Brasileira de Ciência Avícola, sup. 6, p. 133, 2004.

NASEEM, M.T.; NASEEM, S.; YOUNUS, M.; IQBAL CH., Z.; GHAFOOR, A.; ASLAM, A.; AKHTER, S. Effect of potassium and sodium bicarbonate supplementation on thermotolerance of broiler exposed to heat stress. International Journal of Poultry Science, v. 4, n. 11, p. 891-895, 2005.

NIENABER, J. A.; HAHN, G. L. Engineering and management practices to ameliorate livestock heat stress. In: INTERNATIONAL SYMPOSIUM OF THE CIGR. 2nd Technical Section. NEW TRENDS IN FARM BUILDNGS. Evora, Portugal. May, 2004. CD-Rom.

OLIVEIRA, G.A.; OLIVEIRA, R.F.M.; DONZELE, J.L.; VALÉRIO, S.R.; ORLANDO, U.A.D.; VAZ, R.G.V. Influência do ambiente térmico sobre o desempenho de frangos de corte dos 22 aos 42 dias de idade. Anais: XXXVIII REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 2001. FEALQ. Piracicaba. 2001. P. 26-27.

OWADA, A. N.; NÄÄS, I. A. Utilização da lógica fuzzy para a avaliação do bem-estar de frangos de corte. IN: SIMCRA, 2006. 2006, Campinas-SP. Resumos do Simpósio de Construções Rurais e Ambientes Protegidos. CD-ROM.

PEREIRA, D.F.; VALE, M.M.; ZEVOLLI, B.R.; SALGADO, D.D. Estimating mortality in laying hens as the environmental temperature increases. Brazilian Journal of Poultry Science, v.12, n.4, P. 265–271, 2010.

PITARELLO, D. J. M. Estimativa de conforto térmico aplicado à produção de suínos, utilizando modelos em escala distorcida. 1994. 54 p.. Dissertação (Mestrado) – Universidade Estadual de Campinas, Campinas.

QUINLAN, J.R. C4.5: Programs for machine learning. Morgan Kaufmann Publishers, 1993, 302 p.

QUINLAN, J.R. Improved use of continuous attributes in C4.5. Journal of Artificial Intelligence Research, v. 4, p. 77-90, 1996.

RODRIGUES, M.W., ALONCO, A.S., VALE, M.M., CARDINAL, K.M., ROSSATO, F.P. Estimativa do índice de temperatura e umidade (ITU) em galpões de pressão negativa para frangos de corte a partir da temperatura e umidade externa In: 27ª JORNADA ACADÊMICA INTEGRADA, 2012, Santa Maria-RS. Anais... , 2012.

REZENDE, S. O.; PUGLIESI, J. B.; MELANDA, E. A.; DE PAULA, M. F. Mineração de Dados. In: REZENDE, S. O. Sistemas Inteligentes: fundamentos e aplicações. São Paulo. Ed. Manole. 2005. p. 307-336. 2005.

ROBINSON, P. J. On the definition of a heat wave. Journal of Applied Meteorology, v. 40, n. 4, p. 762-775, 2001.

ROZA, DP, DULILIUS, A.P., ZANELLA, I., MOURA, D.J., NÄÄS, I.A., VALE, M. M. Temperatura e umidade do ar em ambiente interno e externo de galpões de frangos de corte durante dias de onda de calor In: 48a Reunião Anual da Sociedade Brasileira de Zootecnia, 2011, Belém-PA. Anais... Sociedade Brasileira de Zootecnia, 2011. On CD-Ron

SANT'ANA NETO, J.L.; TOMMASELLI, J.T.G. Vriabilidade e mudanças climáticas e seus efeitos na avicultura brasileira. MACARI, M.; SOARES, N.M. Água na avicultura brasileira. 2ª Ed. FACTA, Campinas-SP. p. 25-38, 2012.

SHANNON, C.A. Mathematical theory of communication. Bell System Technical Journal, v.27, p. 379-423, 1948.

SILVA RBTR; NÄÄS IA; BROOM DM; O'DRISCOLL K Poultry welfare scenario in south america: norms and regulations. Brazilian Journal of Poultry Science, v. 13, n. 2, p. 83 – 89, 2011.

SMITH, M.O.; TEETER, R.G. Effect of potassium chlorine supplementation on growth of heat-distressed broiler. Journal Applied of Poultry Research, v. 1, p. 321-324, 1992.

ST-PIERRE, N. R.; COBANOV, B.; SCHNITKEY, G. Economic losses from heat stress by livestock industries. Journal of Dairy Science, E. Suppl., p. 52-77, 2003.

TAO, X.; XIN, H. Temperature-Humidity-Velocity Index for market-size broilers. PROCEEDINGS OF THE 2003 ASAE ANNUAL INTERNATIONAL MEETING, 2003. Paper n. 034037. Nevada-USA, 2003.

TEETER, R. G.; BELAY, T. Broiler management during acute heat stress. Animal Feed Science Technology, v. 38, p. 127-142, 1996.

TEETER, R. G.; SMITH, M. O.; OWENS, F. N.; ARP, S. C.; SANGIAH, S.; BREAZILE, E. Chronic heat stress and respiratory alkalosis: Occurrence and treatment in broiler chicks. Poultry Science, v. 64, n. 6, p. 1060-1064, 1985.

TOYOMIZU, M.; TOKUDA, M.; MUJAHID, A.; AKIBA, Y. Progressive alteration to core temperatura, respiration and blood acid-base in broiler chickens exposed to acute heat stress. The Journal of Poultry Science, v. 42, p. 10-118, 2005.

VALE MM, MOURA DJ, NÄÄS IA, PEREIRA DF Heat waves characterization with impact over broilers mortality rates between 29 days old at the slaughter. Brazilian Journal of Poultry Science, v. 12, n. 4, p. 279 - 285, 2010.

VALE, M. M., MOURA, D.J., NÄÄS, I.A., CARVALHO, T.M. Avaliação da deterioração do ambiente aéreo e térmico de frangos de corte em função da elevação de temperatura em dias de onda de calor In: CONFERÊNCIA APINCO DE CIÊNCIA E TECNOLOGIA AVÍCOLAS, 2010, Santos-SP. Anais do Prêmio Lamas. Campinas - SP: FACTA, 2010.

VALE MM Caracterização e previsão de ondas de calor com impacto na mortalidade de frangos de corte. 2008. 101 p.. Tese (Doutorado) – Universidade Estadual de Campinas, Campinas.

VALE MM, MOURA DJ, NÄÄS IA, OLIVEIRA SRM, RODRIGUES LH. Data mining to estimate broiler mortality when exposed to heat wave. Scientia Agricola, v. 65, n. 3, p. 223-229, 2008a.

VALE, M. M., MOURA, D.J., NÄÄS, I.A. Potencial de redução da temperatura do ar em aviários com climatização mínima durante ondas de calor In: SEMINÁRIO DE MUDANÇAS CLIMÁTICAS E A PRODUÇÃO ANIMAL, 2008, Campinas. Caderno de Resumos. Campinas - SP: FEAGRI - UNICAMP, 2008b. p.46 – 46.

VALE, M.M., MOURA, D.J., NÄÄS, I.A. Fatores causadores de alta mortalidade em frangos de corte devido a extremos de calor. Revista Brasileira de Ciência Avícola, Trabalhos de Pesquisa, v.9. p.19 – 19, 2007.

YAHAV, S.; STRASCHNOW, A.; LUGER, D.; SHINDER, D.; TANNY, J.; COHEN, S. Ventilation, sensible heat loss, broiler energy, and water balance under harsh environmental conditions. Poultry Science, v. 83, p. 253-258, 2004.

YAHAV, S.; GOLDFELD, S.; PLAVNIK, I.; HURWITZ, S. Physiological response of chickens and turkeys to relative humidity during exposure to high ambient temperature. Journal Thermal Biology, v. 20, n. 3, p. 245-253, 1995.

ZHANG, B.; VALENTINE, I.; KEMP, P. Modelling the productivity of naturalized pasture in the north island, New Zeland: a decision tree approach. Ecological Modelling, v. 186, p. 299-311, 2005.