RESUMO O agronegócio brasileiro vem se modernizando pela intensa adoção de tecnologias, com aumento de produtividade e redução de riscos. Mais recentemente, observa-se um crescente aumento no uso das tecnologias digitais no campo, fazendo emergir a chamada Agricultura Digital. Neste contexto, este artigo apresenta o Programa de Aceleração de startups, denominado TechStart Agro Digital, uma iniciativa da Embrapa Informática Agropecuária e da aceleradora Venture Hub com o apoio de vários atores do ecossistema de inovação agrícola. Este trabalho apresenta a metodologia de aceleração tecnológica e de negócios com foco no agronegócio, proposta pelas duas instituições, ilustrando sua aplicação no primeiro ciclo do programa em 2019. Os resultados demonstram que as 11 startups graduadas no Programa demonstraram um aperfeiçoamento e crescimento após os 6 meses de aceleração, viabilizando a proposição de tecnologias mais consolidadas e focadas nos reais problemas da agricultura. O acompanhamento pós-programa indica que estas AgTechs têm auxiliado o produtor rural, efetiva e eficazmente, agregando valor à agricultura brasileira.

ABSTRACT The Brazilian agribusiness sector has been witnessing increasing modernization, caused by the extensive adoption of technologies, with increase in productivity and reduction of risks In addition, the use of digital technologies in farms has recently been increasing, engendering the emerging field of digital agriculture. In this context, this article presents a startup acceleration program, called TechStart Agro Digital, an initiative of Embrapa Agricultural Informatics and Venture Hub with the support of various stakeholders in the agricultural innovation ecosystem. Further, this article presents a methodology for technological and business acceleration focused on agribusinesses, which was proposed by the two institutions, and its application in the first cycle of the program in 2019. The results show that the 11 startups that graduated from the program demonstrated an improvement and growth six months after the acceleration program, and validate the potential of the program in facilitating the development of technologies that are more consolidated and focused on the real problems of agriculture. The post-program follow-up indicates that these agricultural technology startups and organizations (AgTechs) have helped rural producers effectively and efficiently, thereby adding value to Brazilian agriculture.

ABSTRACT: Data Mining techniques play an important role in the prediction of soil spatial distribution in systematic soil surveying, though existing methodologies still lack standardization and a full understanding of their capabilities. The aim of this work was to evaluate the performance of preprocessing procedures and supervised classification approaches for predicting map units from 1:100,000-scale conventional semi-detailed soil surveys. Sheets of the Brazilian National Cartographic System on the 1:50,000 scale, “Dois Córregos” (“Brotas” 1:100,000-scale sheet), “São Pedro” and “Laras” (“Piracicaba” 1:100,000-scale sheet) were used for developing models. Soil map information and predictive environmental covariates for the dataset were obtained from the semi-detailed soil survey of the state of São Paulo, from the Brazilian Institute of Geography and Statistics (IBGE) 1:50,000-scale topographic sheets and from the 1:750,000-scale geological map of the state of São Paulo. The target variable was a soil map unit of four types: local “soil unit” name and soil class at three hierarchical levels of the Brazilian System of Soil Classification (SiBCS). Different data preprocessing treatments and four algorithms all having different approaches were also tested. Results showed that composite soil map units were not adequate for the machine learning process. Class balance did not contribute to improving the performance of classifiers. Accuracy values of 78 % and a Kappa index of 0.67 were obtained after preprocessing procedures with Random Forest, the algorithm that performed best. Information from conventional map units of semi-detailed (4th order) 1:100,000 soil survey generated models with values for accuracy, precision, sensitivity, specificity and Kappa indexes that support their use in programs for systematic soil surveying.

ABSTRACT: Knowing the spatial variability of sugarcane biomass in the early stages of development may help growers in their management decision-making. Proximal canopy sensing is a promising technology that can identify this variability but is limited to quantifying plant-specific parameters. In this study, we evaluated whether biometric variables integrated with canopy reflectance data can assist in the generation of models for early-stage sugarcane biomass prediction. To substantiate this assertion, four sugarcane-producing fields were measured with an active crop canopy sensor and 30 sampling plots were selected for manually quantifying chlorophyll content, plant height, stalk number and aboveground biomass. We determined that Random Forest and Multiple Linear Regression models are similarly able to predict biomass, and that associating biometric variables such as number of stalks and plant height with reflectance data can assist model performance, depending on the attributes selected. This indicates that, when estimating biomass in the early stages, sugarcane growers can carry out site-specific management in order to increase yield and reduce the use of inputs.

Resumo: O objetivo deste trabalho foi avaliar a utilidade de um subconjunto de 18 polimorfismos de nucleotídeo único (SNPs) para a certificação das raças de ovinos Crioula Brasileira, Morada Nova (MN) e Santa Inês (SI). Dados de 588 animais foram analisados com o programa Structure. Em 82% dos casos, observou-se designação racial correta com confiança acima de 90%. A maioria dos casos de designação incorreta de raça foi observada em MN e SI. Portanto, apesar de o subconjunto de 18 SNPs ter confiabilidade elevada, ele não é suficiente para a inequívoca certificação das raças estudadas, principalmente das deslanadas. É necessário o desenvolvimento de um painel mais preciso para uso amplo em certificação racial.

Abstract: The objective of this work was to evaluate the usefulness of a subset of 18 single nucleotide polymorphisms (SNPs) for breed identification of Brazilian Crioula, Morada Nova (MN), and Santa Inês (SI) sheep. Data of 588 animals were analyzed with the Structure software. Assignments higher than 90% confidence were observed in 82% of the studied samples. Most of the low-value assignments were observed in MN and SI breeds. Therefore, although there is a high reliability in this subset of 18 SNPs, it is not enough for an unequivocal assignment of the studied breeds, mainly of hair breeds. A more precise panel still needs to be developed for the widespread use in breed assignment.

ABSTRACT: The Random Forest algorithm is a data mining technique used for classifying attributes in order of importance to explain the variation in an attribute-target, as soil CO2 flux. This study aimed to identify prediction of soil CO2 flux variables in management systems of sugarcane through the machine-learning algorithm called Random Forest. Two different management areas of sugarcane in the state of São Paulo, Brazil, were selected: burned and green. In each area, we assembled a sampling grid with 81 georeferenced points to assess soil CO2 flux through automated portable soil gas chamber with measuring spectroscopy in the infrared during the dry season of 2011 and the rainy season of 2012. In addition, we sampled the soil to evaluate physical, chemical, and microbiological attributes. For data interpretation, we used the Random Forest algorithm, based on the combination of predicted decision trees (machine learning algorithms) in which every tree depends on the values of a random vector sampled independently with the same distribution to all the trees of the forest. The results indicated that clay content in the soil was the most important attribute to explain the CO2 flux in the areas studied during the evaluated period. The use of the Random Forest algorithm originated a model with a good fit (R2 = 0.80) for predicted and observed values.

ABSTRACT: The use of data mining is a promising alternative to predict soil respiration from correlated variables. Our objective was to build a model using variable selection and decision tree induction to predict different levels of soil respiration, taking into account physical, chemical and microbiological variables of soil as well as precipitation in renewal of sugarcane areas. The original dataset was composed of 19 variables (18 independent variables and one dependent (or response) variable). The variable-target refers to soil respiration as the target classification. Due to a large number of variables, a procedure for variable selection was conducted to remove those with low correlation with the variable-target. For that purpose, four approaches of variable selection were evaluated: no variable selection, correlation-based feature selection (CFS), chisquare method (χ2) and Wrapper. To classify soil respiration, we used the decision tree induction technique available in the Weka software package. Our results showed that data mining techniques allow the development of a model for soil respiration classification with accuracy of 81 %, resulting in a knowledge base composed of 27 rules for prediction of soil respiration. In particular, the wrapper method for variable selection identified a subset of only five variables out of 18 available in the original dataset, and they had the following order of influence in determining soil respiration: soil temperature > precipitation > macroporosity > soil moisture > potential acidity.

RESUMO O cultivo de eucalipto tem se expandido consideravelmente no Brasil, sobretudo em regiões em que os solos apresentam baixa fertilidade, como nos Cerrados brasileiros. Para alcançar maiores produtividades, é fundamental saber a necessidade e o momento adequado para correção do solo. Para auxiliar esse processo de tomada de decisão, modelos matemáticos e computacionais têm sido utilizados e são uma alternativa promissora. O objetivo deste trabalho foi modelar a influência dos atributos físico-químicos do solo e climáticos no desenvolvimento do Eucalyptus urograndis em Neossolo Quartzarênico, por meio da técnica de indução da árvore de decisão. Para isso foram utilizados 30 atributos, sendo 29 preditivos e um atributo-meta ou variável resposta, a saber, a altura do eucalipto. Foram avaliadas quatro abordagens para seleção de atributos: sem seleção, seleção de atributos baseado em correlação (CFS), método do Qui-quadrado (χ2) e Wrapper. Para classificar os dados foi utilizada a técnica de indução de árvore de decisão por meio do software Weka 3.6. As técnicas de mineração de dados através da indução de árvore de decisão permitem o desenvolvimento de um modelo de classificação do desenvolvimento inicial de eucalipto eficiente para previsão de novos casos em diferentes classes de produção, onde o volume individual de madeira (VOL) e o diâmetro altura do peito (DAP) são atributos determinantes para previsão do crescimento do Eucalyptus urograndis, além de atributos químicos do solo como: Magnésio (Mg+2), Fósforo (P), Alumínio(Al+3), potássio (K+), acidez potencial (H+Al) e potencial hidrogeniônico (pH), atributo físico como a resistência do solo à penetração e relacionado ao clima como a temperatura mínima.

ABSTRACT Eucalyptus plantation has expanded considerably in Brazil, especially in regions where soils have low fertility, such as in Brazilian Cerrados. To achieve greater productivity, it is essential to know the needs of the soil and the right moment to correct it. Mathematical and computational models have been used as a promising alternative to help in this decision-making process. The aim of this study was to model the influence of climate and physico-chemical attributes in the development of Eucalyptus urograndis in Entisol quartzipsamment soil using the decision tree induction technique. To do so, we used 30 attributes, 29 of them are predictive and one is the target-attribute or response variable regarding the height of the eucalyptus. We defined four approaches to select these features: no selection, Correlation-based Feature Selection (CFS), Chi-square test (χ2) and Wrapper. To classify the data, we used the decision tree induction technique available in the Weka software 3.6. This data mining technique allowed us to create a classification model for the initial development of eucalyptus. From this model, one can predict new cases in different production classes, in which the individual wood volume (IWV) and the diameter at breast height (DBH) are crucial features to predict the growth of Eucalyptus urograndis, in addition to the presence of chemical soil components such as: magnesium (Mg+2), phosphorus (P), aluminum (Al+3), potassium (K+), potential acidity (H + Al), hydrogen potential (pH), and physical attributes such as soil resistance to penetration and related to climate, such as minimum temperature.

Thermal comfort is of great importance in preserving body temperature homeostasis during thermal stress conditions. Although the thermal comfort of horses has been widely studied, there is no report of its relationship with surface temperature (T S). This study aimed to assess the potential of data mining techniques as a tool to associate surface temperature with thermal comfort of horses. T S was obtained using infrared thermography image processing. Physiological and environmental variables were used to define the predicted class, which classified thermal comfort as "comfort" and "discomfort". The variables of armpit, croup, breast and groin T S of horses and the predicted classes were then subjected to a machine learning process. All variables in the dataset were considered relevant for the classification problem and the decision-tree model yielded an accuracy rate of 74 %. The feature selection methods used to reduce computational cost and simplify predictive learning decreased model accuracy to 70 %; however, the model became simpler with easily interpretable rules. For both these selection methods and for the classification using all attributes, armpit and breast T S had a higher power rating for predicting thermal comfort. Data mining techniques show promise in the discovery of new variables associated with the thermal comfort of horses.

O mapeamento digital de solos permite prever padrões de ocorrência de solos com base em áreas de referência e no uso de técnicas de mineração de dados para modelar associações solo-paisagem. Os objetivos deste trabalho foram produzir um mapa pedológico digital por meio de técnicas de mineração de dados aplicadas a variáveis geomorfométricas e de geologia, com base em áreas de referência; e testar a confiabilidade desse mapa por meio de validação em campo com diferentes sistemas de amostragem. O mapeamento foi realizado na folha Botucatu (SF-22-Z-B-VI-3), utilizando-se as folhas 1:50.000, Dois Córregos e São Pedro, como áreas de referência. Variáveis descritoras do relevo e de geologia associadas às unidades de mapeamento pedológico das áreas de referência compuseram a matriz de dados de treinamento. A matriz foi analisada pelo algoritmo PART de árvore de decisão, do aplicativo Weka (Waikato Environment for Knowledge Analysis), que cria regras de classificação. Essas regras foram aplicadas aos dados geomorfométricos e geológicos da folha Botucatu, para predição de unidades de mapeamento pedológico. A validação de campo dos mapas digitais deu-se por meio de amostragem por transectos em uma unidade de mapeamento da folha São Pedro e de forma aleatório-estratificada na folha Botucatu. A avaliação da unidade de mapeamento na folha São Pedro verificou confiabilidade, respectivamente, de 83 e 66 %, para os mapas pedológicos digital e tradicional com legenda simplificada. Apesar de terem sido geradas regras para todas as unidades de mapeamento pedológico das áreas de treinamento, nem todas as unidades de mapeamento foram preditas na folha Botucatu, o que resultou das diferenças de relevo e geologia entre as áreas de treinamento e de mapeamento. A validação de campo do mapa digital da folha Botucatu verificou exatidão global de 52 %, compatível com levantamentos em nível de reconhecimento de baixa intensidade, e kappa de 0,41, indicando qualidade Boa. Unidades de mapeamento mais extensas geraram mais regras, resultando melhor reprodução dos padrões solo-relevo na área a ser mapeada. A validação por transectos na folha São Pedro indicou compatibilidade do mapa digital com o nível de reconhecimento de alta intensidade e compatibilidade do mapa tradicional, após simplificação de sua legenda, com o nível de reconhecimento de baixa intensidade. O treinamento do algoritmo em mapas e não em observações pontuais reduziu em 14 % a exatidão do mapa pedológico digital da folha Botucatu. A amostragem aleatório-estratificada pelo hipercubo latino é apropriada a mapeamentos com extensa base de dados, o que permite avaliar o mapa como um todo, tornando os trabalhos de campo mais eficientes. A amostragem em transectos é compatível com a avaliação da pureza de unidades de mapeamento individualmente, não necessitando de base de dados detalhada e permitindo estudos de associações solo-paisagem em pedossequências.

Digital soil mapping allows predicting patterns of soil classes on the basis of well-known reference areas and of data mining techniques to model soil-landscape relationships. The purpose of this study was to (1) generate a digital pedological map using data mining techniques to associate geomorphometric and geology variables with soil classes of traditional soil maps in reference areas and (2) validate these maps by different field techniques. The mapping was carried out using the 1:50.000 Botucatu sheet (SF-22-Z-B-VI-3), and 1:50.000 Dois Córregos and São Pedro sheets (São Paulo, Brazil) as reference areas. Training data - soil mapping units (MU) and topographic and geological variables from the reference areas were analyzed by PART, a decision-tree algorithm found on the Weka (Waikato Environment for Knowledge Analysis) software, producing classification rules, which were applied to the Botucatu sheet. Field validation of the produced digital maps was carried out by transect sampling in the zone of São Pedro and by a stratified-random sampling procedure at Botucatu sheet. Accuracy of the mapping unit at São Pedro was 83 %, for the digital and 66 %, for the traditional soil map with simplified legend. Although analysis generated rules for all MU's of the training areas, not all MU's were predicted on the Botucatu sheet, due to differences in relief and geology between training and mapping areas. Digital soil map of Botucatu had an overall accuracy of 52 %, consistent with reconnaissance soil surveys of low intensity, and a kappa index of 0.41, indicating good quality. Larger mapping units on training areas produced more rules, thus reproducing more accurately soil-landscape pattern of the mapped area Validation at the São Pedro sheet by transect sampling suggested that the digital map is cconsistent to high intensity reconnaissance soil surveys; whereas the traditional map (simplified legend) quality corresponded to that of low-intensity soil surveys. Training of the algorithm on maps, not in field-observed points, reduced accuracy of digital soil map by 14 %. Latin hypercube sampling is adequate for mapping areas with large data bases, allows to evaluate the entire mapped area and imparts efficiency to field work. Transect sampling is adequate to evaluate purity of individual mapping units, requires no detailed data base of predictor variables, and allows studies on soil-landscape relationships in pedosequences.

O objetivo deste trabalho foi identificar zonas pluviometricamente homogêneas no Estado da Bahia e analisar as condições climáticas de cada zona entre 1981 e 2010. Foi aplicada a técnica de mineração de dados, Clusterização (agrupamento de dados), por meio do uso do algoritmo k-means, para transformação das séries históricas de precipitação em cinco zonas pluviometricamente homogêneas, em resposta à orografia, maritimidade e sistemas meteorológicos atuantes na região. Foram utilizados dados de médias mensais de precipitação de 92 estações meteorológicas. Os resultados apontam que as zonas mais secas estão situadas na parte central, de norte a sul do estado, principalmente ao norte com os menores volumes anuais, em torno de 480 mm. A zona localizada ao norte do estado é contrastante com a faixa litorânea, em que são observados os maiores volumes anuais de precipitação (1.380 mm aproximadamente). A alta variabilidade pluviométrica ocorre em quase todas as zonas, principalmente em duas do semiárido com coeficientes de variação (CV) iguais a 42 e 28%. Diferencia-se dessa característica a zona pertencente à faixa litorânea, que apresenta regularidade de chuvas durante todo o ano e CV de 15%. As estações chuvosas e secas estão bem definidas. Os valores de precipitação da estação chuvosa representam em torno de 81% dos totais anuais, com destaque para as zonas situadas no centro-oeste e oeste do estado, com 95 e 96% dos totais anuais.

The aim of this study was to identify rainfall homogeneous areas in the State of Bahia, Brazil and analyze the climatic conditions of each area for the period between 1981 and 2010. It was applied a data mining technique, clustering (grouping of data), by using the k-means algorithm for transforming time series of precipitation in five rainfall homogeneous areas, in response to topography, maritime dimension, and weather systems operating in the region of study. Data of average monthly rainfall of 92 meteorological stations were used. The results indicate that the driest areas are situated in the central part of the state, from north to south, mainly in the north with the lowest annual volumes, around 480 mm. The area located in the north of the state contrasts with that one located on the coast, where the largest volumes of annual rainfall of the study were observed (approximately 1.380 mm). The high rainfall variability occurs in almost all areas, especially in two of those of semiarid ones with Coefficients of Variation (CV) reaching 42 and 28%. This characteristic differs from the area belonging to the coastal area, which presents regular rainfall during all the year and a CV of 15%. The rainy and dry seasons are well defined. Precipitation values of the rainy season accounts for about 81% of the annual total, with emphasis on the zones located in the central-west and west of the state with 95 and 96% of the annual total.

Sistemas de informações tecnológicas exercem um papel fundamental na agricultura, pois proveem informações de forma rápida e eficiente, dando suporte a decisões estratégicas. No entanto, o excesso de informação disponível pode confundir e dificultar o acesso à informação desejada. Uma alternativa para amenizar esse problema é a adoção de sistemas que ofereçam recomendações automáticas de acordo com o perfil de uma comunidade de usuários. O objetivo deste trabalho foi desenvolver um sistema de recomendação, concebido a partir de técnicas de mineração de dados, para conteúdos relacionados à cultura da cana-de-açúcar. O modelo adotado foi o de listas de recomendação, que são regras de associação entre as páginas web visitadas, produzidas a partir dos dados de navegação dos usuários. O sistema foi implantado no portal da Agência de Informação Embrapa, que é um sistema web, com o objetivo de organizar, tratar, armazenar e divulgar informações técnicas agrícolas. Dentre os resultados alcançados com a implantação do sistema, destaca-se uma base de conhecimento na forma de regras de associação que descreve o comportamento de uma comunidade de usuários e pode ser utilizada para indicar os links mais importantes em páginas web relacionadas à cultura da cana-de-açúcar. Com a adoção desse sistema de recomendação, os principais benefícios para os usuários da agência são: a) acesso a informações detalhadas de etapas de produção, com indicações de material de referência e fontes diferentes de estatísticas confiáveis; b) acesso a informações que favorecem a produção eficiente em termos técnicos, ambientais, sociais e econômicos; c) apoio a agentes públicos e privados no planejamento e tomada de decisão; d) transferência de conhecimento atualizado, em linguagem amigável, para o setor sucroenergético.

Information technology systems play an important role in agriculture, since they provide information in a quick and efficient way to support strategic decisions. However, the excess of information available may confuse and hinder the access to specific information. An alternative is the adoption of systems that provide automatic recommendations according to the profile of a user community. This work aimed to develop a recommender system based on data mining techniques to recommend content regarding the sugarcane crop. The adopted recommendation model relies on recommendation lists that are association rules between web pages, produced from the data users' browsing. The system was deployed on the portal of Embrapa Information Agency, which is a web system that aims to organize process, store and disseminate agricultural technological information. Among the results achieved with the system, it can be highlighted a knowledge base built with association rules, that describes the behavior of a user community and can indicate the most important links in web pages concerning sugarcane. With the adoption of this recommender system, the main benefits to users are: a) detailed information of production stages, with indications of reference material and different sources of reliable statistics; b) information that favors the efficient production considering technical, environmental, social and economic aspects; c) support to public and private stakeholders in planning and decision making; d) transfer of current knowledge with a friendly language for the sugarcane industry.

O objetivo deste trabalho foi desenvolver uma metodologia para mapeamento digital de solos na escala 1:100.000 com a aplicação de técnicas de mineração de dados a descritores de relevo e a dados de mapas geológico e pedológico preexistentes. Foi criada uma base de dados digitais a partir de cartas topográficas e temáticas, que permitiu elaboração do modelo digital de elevação (MDE) da folha Dois Córregos, SP (escala 1:50.000). A partir do MDE, foram calculados os parâmetros geomorfométricos declividade, curvaturas em planta e perfil, área de contribuição e distância diagonal de drenagem. A matriz que associou esses dados georreferenciados foi analisada por meio de árvores de decisão, no ambiente de aprendizado de máquina Weka, o que gerou um modelo de predição de unidades de mapeamento de solos. A acurácia geral do modelo aumentou de 54 para 61% com a eliminação das classes com probabilidade nula de ocorrência. A associação da mineração de dados com sistemas de informações geográficas permite a elaboração de mapas digitais passíveis de uso em estudos que requeiram menor detalhamento que aqueles realizados com o mapa original.

The objective of this work was to develop a methodology for digital soil mapping at a 1:100,000 scale by applying data mining techniques to preexisting relief descriptors and data from pedological and geological maps. A digital database was created from topographic and thematic maps, and allowed the generation of a digital elevation model (DEM) of the Dois Córregos (SP, Brazil) sheet (1:50,000 scale). The slope gradient, slope profile, contour profile, basin contributing area, and diagonal distance to drainage geomorphometric parameters were extracted from the DEM. The matrix which associated this georeferred data was analyzed by means of decision trees within the Weka machine-learning environment, and a model for soil mapping unit prediction was generated. The overall model accuracy increased from 54 to 61% when soil classes with no chances of being predicted were excluded. The association of data mining techniques with geographical information systems produced digital soil maps feasible to be used in studies requiring less detail than those made with the original reference soil maps.

As ondas de calor provocam perdas na produção animal pela sua exposição ao estresse por calor aumentando a mortalidade, e consequentemente, perdas econômicas. Bancos de dados zootécnicos e meteorológicos históricos podem conter informações que permitem modelar a mortalidade de frangos devido à incidência de ondas de calor. O objetivo foi analisar bancos de dados de frangos de corte associados a dados meteorológicos utilizando técnicas de mineração de dados, seleção de atributos e classificação (árvore de decisão) para modelar o impacto da incidência de onda de calor na mortalidade de frangos de corte. O Índice de Temperatura e Umidade (ITU) foi utilizado para descrever parte dos dados ambientais. A técnica de Mineração de Dados permitiu a construção de três modelos compreensíveis para estimar a alta mortalidade em frangos de corte. Os modelos gerados pela abordagem de seleção de atributos por Análise dos Componentes Principais e Wrapper apresentaram igual desempenho com uma precisão total de 89,3% e a classificação para alta mortalidade foi de 83,3%. Quando a seleção foi feita por especialistas do domínio, a precisão do modelo foi de 85,7%, e a da classificação para alta mortalidade foi de 76,9%. Resultados meteorológicos e o ITU calculada a partir de estações meteorológicas permitiram identificar condições ambientais prejudiciais para frangos entre 29 e 42 dias de vida. A técnica de Mineração de Dados é aplicável para construir modelos preditivos para a produção animal.

Heat waves usually result in losses of animal production since they are exposed to thermal stress inducing an increase in mortality and consequent economical losses. Animal science and meteorological databases from the last years contain enough data in the poultry production business to allow the modeling of mortality losses due to heat wave incidence. This research analyzes a database of broiler production associated to climatic data, using data mining techniques such as attribute selection and data classification (decision tree) to model the impact of heat wave incidence on broiler mortality. The temperature and humidity index (THI) was used for screening environmental data. The data mining techniques allowed the development of three comprehensible models for estimating specifically high mortality during broiler production. Two models yielded a classification accuracy of 89.3% by using Principal Component Analysis (PCA) and Wrapper feature selection approaches. Both models obtained a class precision of 0.83 for classifying high mortality. When the feature selection was made by the domain experts, the model accuracy reached 85.7%, while the class precision of high mortality was 0.76. Meteorological data and the calculated THI from meteorological stations were helpful to select the range of harmful environmental conditions for broilers 29 and 42 days old. The data mining techniques were useful for building animal production models.

O Ainfo é um sistema de informação desenvolvido pela Embrapa-CNPTIA que permite o gerenciamento, de forma integrada, de bases de dados documentais e processos bibliográficos, proporcionando rapidez e flexibilidade na captura, gerenciamento e recuperação de informações, além de oferecer aos seus usuários facilidade de uso. A partir da sua utilização nas bibliotecas da Embrapa, foi possível disponibilizar à sociedade em geral tanto a literatura adquirida quanto as teses e a produção científica dos pesquisadores da Embrapa e, também, uma grande e importante coleção de periódicos nacionais e internacionais, para consulta em CD-ROM e via Internet.

AINFO is an information system developed by Embrapa-CNPTIA which allows the integrated management of document data bases and bibliographical processes, providing speediness and flexibility in capturing, managing and information retrieval, besides offering to its users several usage facilities. Starting with its use at Embrapa's libraries, it became possible to offer access to the general public to the acquired material as well as thesis and the scientific production of Embrapa's researchers. A large and important colection of national and international periodicals is also available for research in CD-ROM and on the Internet.