Utilização de redes neurais artificiais para a recomendação do Clomazone aplicado em pré-emergência

Resumo

A interação entre as propriedades do solo e do herbicida são complexas, e as diferentes características físicas e químicas do solo das regiões produtores afetam a dinâmica da eficiência do uso de herbicidas ao longo do tempo e em diversos ambientes. Uma alternativa para otimizar o uso de herbicidas é a aplicação de modelos matemáticos para estimar a sorção no solo, contribuindo no controle mais eficiente das plantas daninhas e trazendo mais segurança ambiental ajudando a controlar as plantas daninhas de forma mais eficaz e promovendo maior segurança ambiental. Este estudo investigou a eficácia das redes neurais artificiais (RNAs) como uma ferramenta para prever a sorção do herbicida clomazone em diversos tipos de solo. Foram utilizados modelos de redes neurais artificiais do tipo perceptron multicamadas (MLP) para estimar a sorção do clomazone. Por meio de ferramenta de seleção de características, feature selection, foram individualizadas características físicas e químicas do solo a serem aplicadas no modelo preditivo como variáveis de entrada. Potássio (K), fósforo (P), magnésio (Mg), matéria orgânica (MO), silte, argila e capacidade de troca de cátions (CTC) foram as entradas das RNAs e o coeficiente de sorção (Kfs) a saída. O desempenho do modelo foi avaliado por meio de seus indicadores de precisão e erro, os quais são: coeficiente de determinação (R2), erro relativo absoluto médio (RMSE), erro absoluto médio (MAE), erro médio de estimativa (MBE) e o coeficiente de correlação de Pearson (r). Os modelos de RNAs foram eficazes em prever o Kfs do clomazone nos solos analisados. A rede de melhor de melhor desempenho para previsão do kfs foi formada pelas entradas CTC, Silte, Mg e K, com maior importância relativa na análise de sensibilidade na construção do modelo K+(37%) e Silte (29%). O modelo de RNA mais eficaz conseguiu sugerir uma redução na dose de clomazone em comparação ao método indicado na bula comercial.