Redes neurais artificiais para estimativa de sorção e dessorção do herbicida Diclosulam em solos.

Resumo

O conhecimento da interação entre herbicidas e o solo pode contribuir para determinar a eficiência do controle de plantas daninhas, além de prever o potencial para causar impactos negativos sobre a microbiota do solo, a qualidade da água subterrânea e superficial, a degradação do próprio herbicida e o efeito sobre cultivos subsequentes. Os métodos estatísticos computacionais podem ser empregados na predição dos fenômenos que envolvem a retenção de herbicidas no solo, permitindo uma melhor eficiência do controle das plantas daninhas e auxiliam a reduzir os impactos ambientais. Assim, objetivou-se elaborar modelos de redes neurais artificiais (RNAs) para estimar o coeficiente de sorção e dessorção para o herbicida diclosulam em solos brasileiros, baseando-se a partir das propriedades físicas e químicas do herbicida e dos solos. O coeficiente de sorção do herbicida foi definido em laboratório em ensaios com solos de diferentes propriedades. Foram elaborados 5 modelos de RNAs, com diferentes variáveis, sendo os atributos dos solos como entradas dos modelos, para estimar o coeficiente de sorção, enquanto as saídas correspondiam aos coeficientes de sorção. Os modelos de RNAs, foram elaborados com e sem métodos de seleção de variáveis, usando os métodos de feature selection e de análise fatorial. O método de seleção de variáveis que apresentou maior eficiência para a predição do herbicida diclosulam em solos brasileiros, foi o método de feature selection, onde as variáveis de maior relevância para esse modelo foram, Argila, Ca2+, pH, Silte, Na+, CTC, Mg2+, P, para sorção e para a dessorção, foram, Silte, m, Na+, Mg2+.