Variações dos preços do alface, tomate e do mamão na capital paulista após geadas e mudanças climáticas com abordagens de Decision Tree e Randon Forest


27 Oct
27Oct

Por Daniel Christian Henrique, Luiz Ricardo Mendes da Silva, João Carlos Prats Ramos e Gianpiero Camargo Bedin

Em continuidade à série de postagens que iniciamos com relação às variações dos preços dos alimentos em diversas regiões do país após as geadas de inverno e de possíveis mudanças climáticas, via uso de aplicações de Machine Learning nos modelos de Deciosion Tree e Randon Forest, agora discorreremos sobre as variações dos preços do tomate longa vida, do alface crespa e do mamão formosa na cidade de São Paulo, sob impacto das variáveis meteorológicas medidas pelo Inmet na região do Mirante de Santana. Esses três produtos foram escolhidos para as análises por serem um dos mais atingidos na capital paulista pelo frio extremos e geadas deste inverno, assim como pelo fato do tomate e alface estarem no top 5 das culturas de mercado mais consumidas pelos brasileiros em seu cotidiano - com o tomate engatando o primeiro lugar com 25% de consumo e o alface o quarto lugar, assim como este ser a folhosa mais consumida nos pratos brasileiros, alcançando expressivos 47% do total da produção do segmento (ABCSEM, 2016). Adicionalmente, temperaturas tão baixas como as registradas nesse ano são incomuns para a capital e mais frequente para sua região metropolitana (EXAME, 2021).

Como consequência a Ceagesp registrou uma alta de 16,47% nos preços do tomate salada longa vida 3A, um dos mais consumidos pelos brasileiros, na semana de 02 a 06 de agosto (HF BRASIL, 2021a). O estado paulista ainda precisou em alguns momentos abastecer sua demanda com folhosas dos estados de minas e rio de janeiro, frente a redução de sua oferta com as fortes geadas e frio intenso que estragaram a plantação da alface em várias de suas roças . Todavia, ingressando em inicio de agosto, a renda mais limitada da população no período somado a menor demanda de bares e restaurantes frente a pandemia, possibilitaram que os aumentos não fossem ainda mais expressivos (HF BRASIL, 2021b, 2021c). O mesmo aconteceu com a vertente do mamão formosa, no qual no mês de julho o frio intenso impactou no aumento de seu preço em todas regiões do país porém também  com altas controladas devido a menor demanda ocasionada pelo contexto da pandemia (HF BRASIL, 2021d).

As séries temporais dos preços diários do alface, tomate e mamão na capital paulista foram obtidos no CEPEA/ESALQ/USP (2021) janeiro de 2015 a 30 de agosto de 2021. Em sequência foram passados  para o período mensal e calculada em seu retorno, objetivando avaliar as altas ou baixas nas variações percentuais de seu preço e torná-la mais próxima à estacionariedade. Os dados meteorológicos foram obtidos para o mesmo período em dados de hora em hora no Inmet (2021), com ajustes posteriores para séries mensais. Para as aplicações de Machine Learning relacionadas às ferramentas de Decision Tree e Randon Forest, optou-se por separar os dados em 70% para treino e 30% para teste. Assim como no informe anterior do café arábica, foram coletadas variáveis que pudessem gerar as diferentes vertentes de de geada - de advecção, radiação, mista, negra ou branca ou advindos das mudanças climáticas:

- Precipitação em mm,
- Pressão em hPa,
- Radiação em KJ/m²,
- Temperatura no bulbo em ºC ,
- Temperatura de orvalho em ºC,
- Umidade em %
- Vento em m/s. 

Em sequência os resultados advindos das aplicações em Decision Tree. Em análises de Machine Learning, segundo Baldé (2020), o algoritmo aprende de forma autônoma sem a necessidade de ajustes nas séries temporais como ocorre nos modelos econométricos como nos casos de vetores autorregressivos (VAR) ou de vetores de correções de erros (VEC). Todavia, informa-se que praticamente todas variáveis mostraram-se estacionárias pelo teste ADF, mesmo não sendo um pré-requisito para estas análises. Os testes de acuracidade dos modelos gerados também são postados em sequência cada árvore:

  • Decision Tree Tomate:

Tabela 1: testes de acuracidade Decision Tree Tomate

RMSEMAEMAPE
0.56555980.4552525 2.255714


Maiores baixas percentuais mensais nas variações do preço do tomate:

-45% (5% dos casos) = temperatura de orvalho >= 9,5ºC; precipitação > 11 mm; radiação < 724 KJ/m²; temperatura de orvalho t-1 < 14ºC; vento t-1 > 1,8 m/s; retorno do tomate t-1 >= -2,3%

-38% (5% dos casos) = temperatura de orvalho >= 9,5ºC; precipitação < 11 mm

Maiores altas percentuais mensais nas variações do preço do tomate: 

+58% (4% dos casos) = temperatura de orvalho <= 9,5ºC

+56% (5% dos casos) = temperatura de orvalho >= 9,5ºC; precipitação > 227 mm; radiação >= 754 KJ/m²


  • Decision Tree Alface:

Tabela 2: testes de acuracidade Decision Tree Alface

RMSEMAEMAPE
0.38929310.2855045 2.255714


Maiores baixas percentuais mensais nas variações do preço do alface:

-40% (7% dos casos): temperatura de orvalho em t-1< 17ºC; temperatura do bulbo < 24ºC; retorno do alface em t-1 >= 64%

-31% (7% dos casos): temperatura de orvalho em t-1< 17ºC; temperatura do bulbo < 24ºC; etorno do alface em t-1 < 64%; pressão < 930 hPa; retorno do alface em t-1 < -25%

Maiores altas percentuais mensais nas variações do preço do  alface:

+62% (4% dos casos): temperatura de orvalho em t-1 < 17ºC; temperatura do bulbo > 24ºC

+55% (5% dos casos): temperatura de orvalho em t-1 > 17ºC


  • Decision Tree Mamão:

Tabela 3: testes de acuracidade Decision Tree Mamão

RMSEMAEMAPE
0.68071280.5439924 3.406211


Maiores baixas percentuais mensais no preço do mamão:

-0,96% (12% dos casos): retorno do mamão t-1 < -0,69%

-0,94% (5% dos casos): retorno do mamão t-1 > -0,69%; vento >= 2,2 m/s; precipitação >= 160 mm; retorno do mamão t-1 >= -0,018%

Maiores altas percentuais mensais no preço do mamão:

+12% (10% dos casos): retorno do mamão t-1 > -0,69%; vento < 2,2 m/s; pressão < 863 hPa

+ 0,86% (5% dos casos): retorno do mamão t-1 > -0,69%; vento >= 2,2 m/s; precipitação t-1 > 102 e < 160 mm; temperatura de orvalho > 13ºC

A seguir as simulações para os diversos tipos de geadas e outras mudanças climáticas com uso da metodologia de Randon Forest, abordando 30 variações de árvores em cada simulação e seus respectivos testes de acuracidade. Observa-se que todos modelos melhoraram seus resultados:

Tabela 4: testes de acuracidade Randon Forest Tomate

RMSEMAEMAPE
0.42131410.313559 1.968527


Randon Forest Tomate - Simulação de Geada de Radiação:

VariávelVariação %
RADIAÇÃO-50%-50%100%
PRECIPITAÇÃO0%0% 0%
PRESSÃO100%50%0%
TEMPERATURA BULBO-50%0%0%
TEMPERATURA ORVALHO-50%0% 0%
UMIDADE0%0%0%
VENTO0%0%0%
Diferença da variação percentual mensal do preço do Tomate 27,23%9,87%2,32%

 

Randon Forest Tomate - Simulação de Geada Mista:

VariávelVariação %
RADIAÇÃO-50%-50%
PRECIPITAÇÃO0%0%
PRESSÃO0%100%
TEMPERATURA BULBO-40%-50%
TEMPERATURA ORVALHO-40%-50% 
UMIDADE0%0%
VENTO250%300%
Diferença da variação percentual mensal do preço do Tomate 19,40%24,77%

 

Randon Forest Tomate - Simulação de Geada Branca e de Advecção:

VariávelVariação Advecção %Variação Branca%
RADIAÇÃO0%0%0%
PRECIPITAÇÃO0%0%0%
PRESSÃO0%0%0%
TEMPERATURA BULBO-50%-40%-80%
TEMPERATURA ORVALHO-50%-40%-80%
UMIDADE0%0%300%
VENTO200%250%0%
Diferença da variação percentual mensal do preço do Tomate16,60%15,35%38,22%


Randon Forest Tomate - Simulação de variações da pluviosidade:

Variáveis
Variação %
RADIAÇÃO0%0%0%0%
PRECIPITAÇÃO50%100%-50%-100%
PRESSÃO0%0%0%0%
TEMPERATURA BULBO0%0%0%0%
TEMPERATURA ORVALHO0%0%0%0%
UMIDADE0%0%0%0%
VENTO0%0%0%0%
Diferença da variação percentual mensal do preço do Tomate1,94%3,23%0,46%-0,70%


A seguir os testes de acuracidade do modelo de Randon Forest para o mamão e as simulações das possíveis geadas brancas ou de advecção:

Tabela 5: testes de acuracidade Randon Forest Mamão

RMSEMAEMAPE
0.52914550.3797963 1.383193


Randon Forest Mamão - Simulação de Geada Branca e de Advecção:

VariávelVariação Advecção %Variação Branca%
RADIAÇÃO0%0%
PRECIPITAÇÃO0%0%
PRESSÃO0%0%
TEMPERATURA BULBO-4ºC-4ºC
TEMPERATURA ORVALHO-4ºC-4ºC
UMIDADE0%70%
VENTO50%0%
Diferença da variação percentual mensal do preço do Mamão37,85%36,17%


Para finalizar, são apresentados os testes de acuracidade do modelo de Randon Forest para o alface e as simulações das possíveis geadas e variações de pluviosidade, simulando secas ou elevações dos índices pluviométricos:

Tabela 6: testes de acuracidade Randon Forest Alface

RMSEMAEMAPE
0.42131410.313559 1.968527


Randon Forest Alface - Simulação Geada de Advecção e Mista:

Variável
Variação Advecção %
Variação Mista %
Radiação0%0%100%2
Precipitação0%0%0%0
Pressão0%0%0%0
Temp. Bulbo-50%-150%-50%-0,8
Temp. Orvalho-50%-150%-50%-0,8
Umidade0%0%0%0
Vento100%250%100%2
Diferença da variação percentual mensal do preço do Alface-9,09%-9,08%-6,68%-6,67%


Randon Forest Alface - Simulação Geada de Radiação, Negra, Mista e Branca:

Variável
Variacao Advecção %
Variação Radiação%
Variação Negra %
Variação Mista %
Variação Branca%
Radiação
0%100%-150%20%
Precipitação0%0%0%00%
Pressão0%0%0%00%
Temp. Bulbo-150%0%-150%-0,8-150%
Temp. Orvalho-150%0%-150%-0,8-150%
Umidade0%0%-200%0400%
Vento250%0%0%20%
Diferença da variação percentual mensal do preço do Alface-9,08%2,92%1,07%-6,67%-6,97%


 Randon Forest Alface - Simulação de Variação da Pluviosidade:

Variável
Variação Pluviosidade%
Radiação0%0%0%0%
Precipitacao50%90%-50%-85%
Pressao0%0%0%0%
Temp. Bulbo0%0%0%0%
Temp. Orvalho0%0%0%0%
Umidade0%0%0%0%
Vento0%0%0%0%
Diferença da variação percentual mensal do preço do Alface4,30%5,81%1,11%1,27%


De forma geral, o tomate apresentou as maiores variações mensais de alta no preço frente as simulações de geadas por radiação e geadas mistas, assim como apresentou também as maiores altas junto ao mamão na ocorrência de possíveis geadas brancas, com pequena diferença percentual entre ambos. O mamão, por sua vez, apresentou a maior alta mensal em uma possível geada de advecção. O alface foi o alimento que apresentou os menores percentuais, incluindo baixas nos preços - geralmente ocasionado pela venda por valores menores frente a um produto ainda passível de consumo, apesar de relativamente "queimado" pela geada.

No que se refere às variações pluviométricas, simulando períodos de secas ou chuvas em excesso, claramente as variações dos preços foram bem menos expressivas do que no caso das geadas, pois neste último caso geralmente perde-se toda a colheita, com exceções nos casos em que se vende por preços menores com menor qualidade devido a queima. Os períodos de secas e chuvas excessivas impactam nos preços, mas notou-se que a ausência de elevações expressivas denotam que tais situações não perde-se toda a lavoura. Todavia, ressalta-se que por tratar-se de alimentos da rotina de alimentação da população, pequenos percentuais de variação são suficientes para impactar nas finanças dos consumidores paulistanos.

Quanto as simulações de aumento dos índices de pluviosidade, tanto o tomate quanto o alface apresentaram altas mensais com percentuais variando de 3% a 6% em seus preços na capital paulista frente a elevações graduais dos volumes de chuvas na mesma. Sob a ótica das simulações de redução gradual das chuvas, simulando períodos mais acentuados de secas, o tomate apresentou leve aumento dos preços a queda de 50% das chuvas e leve redução dos preços com queda de 100% das chuvas. O tomate, por sua vez, apresentou leve alta nas duas situações, mas bem menos expressiva na comparação ao aumento das chuvas.

Referências

ABCSEM. O Mercado de Folhosas: Números e Tendências. Associação Brasileira de Comércio de Sementes e Mudas. Folhosas Seminário Nacional. Disponível em: https://www.abcsem.com.br/upload/arquivos/O_mercado_de_folhosas__Numeros_e_Tendencias_-_Steven.pdf. Acesso em: 20 out. 2016

CEPEA/ESALQ/USP. Disponível em: https://www.cepea.esalq.usp.br/br. Acesso em 20 mai. 2021.

BALDÉ, Amadú. Econometria Vs. Machine Learning: Big Data em Finanças. Dissertação de mestrado. Universidade de Lisboa/Departamento de Matemática. Instituto Universitário de Lisboa/Departamento de Finanças, 2020.

EXAME. Frente fria: neve chega ao Brasil e geada é esperada nesta madrugada em SP. Disponível em: https://exame.com/brasil/frente-fria-neve-chega-ao-brasil-e-geada-e-esperada-nesta-madrugada-em-sp/. Acesso em: 27 nov. 2021.

HF BRASIL. TOMATE/CEPEA: Geada e frio diminuem oferta e preços sobem. Disponível em: https://www.hfbrasil.org.br/br/tomate-cepea-geada-e-frio-diminuem-oferta-e-precos-sobem.aspx. Acesso em: 27 nov. 2021a.

HF BRASIL. MG e RJ cobrem baixa oferta de alface de estados com geada. Disponível em: https://www.hfbrasil.org.br/br/mg-e-rj-cobrem-baixa-oferta-de-alface-de-estados-com-geada.aspx. Acesso em: 27 nov. 2021b.

HF BRASIL. ALFACE/CEPEA: Mesmo com baixa procura, preços se elevam em agosto. Disponível em: https://www.hfbrasil.org.br/br/alface-cepea-mesmo-com-baixa-procura-precos-se-elevam-em-agosto.aspx. Acesso em: 27 nov. 2021c.

HF BRASIL. MAMÃO/CEPEA: Preço sobe, mas demanda limita melhores resultados. Disponível em: https://www.hfbrasil.org.br/br/mamao-cepea-preco-sobe-mas-demanda-limita-melhores-resultados.aspx. Acesso em: 27 nov. 2021d.

INMET. Dados históricos anuais. Disponível em: https://portal.inmet.gov.br/dadoshistoricos. Acesso em 15 abr. 2021.

Comentários
* O e-mail não será publicado no site.